高校AI通识课教学指南：精选测评与高效授课方法

全国大学生机器人大赛ROBOTAC赛事在山东烟台举行，来自全国71所高校的183支队伍展开技术角逐。孙文潭摄/光明图片

江苏大学计算机文化节现场，智能机器人、循迹小车、混合现实与飞行模拟等前沿科技集中展示。杨雨摄/光明图片

【AI与教育】

下午两点，某高校阶梯教室。教师正在讲解“机器学习基本原理”，PPT页面不断切换。前排几位女生紧盯屏幕，神情专注；中间区域，一名男生正用手机观看篮球赛事直播；后排靠窗的位置，另一位男生已伏案休息了十几分钟。

“这门课最‘智能’的环节，恐怕是大家都用AI工具完成了作业。”坐在后排的小张合上笔记本电脑，低声说道。他选修这门人工智能通识课已过半学期，“课程从图灵测试、专家系统讲到深度学习，每个概念都点到为止，但缺乏深度剖析。半个学期下来，感觉只是为了凑够学分。”

类似的反馈在年轻群体聚集的社交平台并不少见。“高校AI通识课内容浅薄”成为热议话题。部分学生认为课程深度不足，内容可通过网络自学获取；文科背景的学生反映课程门槛过高，难以理解；也有学生因考核方式宽松而选择应付了事。

当前，人工智能正驱动各行业变革。众多高校已将人工智能通识课纳入人才培养方案。教育部等五部门近期联合印发的《“人工智能+教育”行动计划》明确要求，在高等教育阶段推动人工智能成为公共基础课程，按学科专业分类编写教材，促进全体学生掌握人工智能基础知识。

这门被赋予高度期待的“时代必修课”，为何在部分高校实践中效果不尽如人意？问题的答案或许就隐藏在课堂教学的细节之中。

“轰轰烈烈开，马马虎虎教，稀里糊涂学”

近两年，人工智能通识课正快速进入全国高校的课程体系。

数据显示，全国超过80%的高校已开设相关课程。北京地区高校已开设459门AI通识课；广西实现本科高校全覆盖，近10万名大一新生参与学习；浙江、上海、四川等地也已将其列为必修课程。

然而，面对学科背景差异显著的学生群体，许多课程未能实现差异化教学，教学困境由此产生。

广东某高校中文系学生小林在首节AI通识课上就感到吃力。“教师开场便讲解神经网络、反向传播，满屏的公式和代码。我没有任何相关基础，完全跟不上进度。”三周后，她的座位从第一排移到了最后一排。期末开卷考试，她带着打印好的课件入场。直至考试结束，她仍未能清晰区分“机器学习”与“深度学习”的核心差异。

类似困惑也出现在安徽某高校学生的网络吐槽中：“数理基础尚未巩固，就被灌输大量算法模型概念，最终提交一份自己都无法清晰阐释的报告。”该帖下方有评论指出：“评分标准取决于报告篇幅，这究竟是在培养AI素养，还是在训练文字堆砌能力？”

部分学生“听不懂”，另一些学生却“吃不饱”。上海某高校学生小陈选修AI通识课，原本期望学习大模型实践应用，但整个学期课程都围绕人工智能发展史展开。“这些内容我早已通过自学掌握。”后期，他干脆在课堂上用电脑浏览技术博客。

学生的失望情绪，授课教师亦有感知。北京某高校教师坦言，其课程“初期座无虚席，到第三节课出勤率仅剩一半”。“我本人也非AI专业出身，难以精准把握学生兴趣点。学生需求多元，学校又要求开课，只能边学边教。客观而言，能把基础概念讲清楚已属不易。”

“轰轰烈烈地开，马马虎虎地教，稀里糊涂地学。”这条在某高校论坛上关于AI通识课的点评，获得了广泛关注。

本该是“金课”，缘何成“水课”

课堂效果未达预期，问题根源何在？

“许多教师在用专业课的思维教授通识课。”杭州师范大学研究生院副院长杨俊锋分析，当前AI通识课存在两种极端倾向：一是过度深入技术原理，将课程简化为“压缩版专业课”，吓退非专业学生；二是仅停留在工具使用教学，内容浅显，忽视了AI思维、批判性审视与人机协同能力等核心素养的培养。

北京大学教育学院教授尚俊杰在教学中观察到这种“工具化”教学的后果：许多学生能熟练使用豆包、Kimi等AI应用，却无法解释“生成式AI的工作原理”或“如何评估AI输出的可信度”。他认为，“这本质上是会操作但不会思考，将学生训练成了高级操作员，而非具备独立判断力的智能技术使用者。”

除了课程定位模糊，复合型师资短缺也是关键制约因素。

近期，中国计算机学会在长春举办的专题论坛上，40余位专家梳理出AI通识课师资面临的两大挑战：一是课程对教师的AI理论储备、跨学科视野及通识教学能力要求较高，但缺乏清晰的师资能力模型与培养标准，导致优质师资严重不足；二是AI技术迭代迅猛，教师需持续更新教学内容，而现有评价体系偏重科研，对该课程的教学投入缺乏有效激励，形成“高投入低回报”的负面循环，挫伤教师教学热情。

“能把课程开出来已属不易，质量把控实在力不从心。”一位高校教师的感慨，道出了普遍的困境。

此外，宽松单一的考核标准进一步稀释了课程含金量。“一篇小论文决定最终成绩”“全程开卷考试”——此类考核方式在不少高校的AI通识课中已成惯例。尚俊杰指出，学生使用AI生成论文提交，教师难以甄别，评分容易流于形式。在他看来，考核导向直接决定学习行为：考核记忆与操作，学生就背诵概念、练习技巧；考核思维与素养，学生才会投入真正的深度学习。

从“教知识”转向“育思维”

多位专家指出，从“通识课”“选修课”到“公共基础课”的定位转变，意义重大。

杨俊锋强调，最新政策导向标志着AI教育正从“可选的兴趣拓展”转向“必备的素养奠基”，是教育理念、制度设计与资源投入的系统升级，旨在为大学生在智能时代的生存、发展与创新夯实基础。

在此基础上，尚俊杰进一步明确了课程质量提升的核心路径：必须从“知识传授”转向“思维培育”，重点培养学生理解智能技术、有效人机协作、保持批判性审视的综合能力。“如何提出精准问题、如何辨别信息真伪、如何在人机协作中保持人的主体性，这些恰恰是AI无法替代、也无法直接传授的能力。帮助学生构建人机协同的认知框架，使他们既能利用AI提升效率，又能在关键决策中发挥人类独有的价值判断。”尚俊杰认为，这是AI通识课从“水课”蜕变为“金课”的本质所在。

理念的转变，最终需落实到每一堂生动、务实且富有成效的课堂教学中。

在有限课时内，面向全体学生的AI通识课应聚焦哪些内容？

尚俊杰提出“三看”筛选原则：一看实用性，是否与学生未来职业发展紧密相关；二看持久性，是否属于底层逻辑与思维方式；三看不可替代性，是否为AI本身无法传授的能力，如批判性思维、伦理判断与创新意识。依据此原则，他建议优先聚焦三类知识：AI核心理念与运行逻辑、AI伦理风险与防范策略、人机协同思维与核心能力。

明确“讲什么”之后，面对知识结构多元的学生，应“怎么讲”？

杨俊锋建议，应以项目制学习为核心重构教学，“强化案例教学，例如分析‘人脸识别门禁系统’，让学生以‘分析者’角色理解AI原理与伦理议题；深化体验式学习，通过对比AI与人类完成同一任务的差异，直观认识AI的能力边界；同时充分利用开源智慧学习工具，实现高效的人机协同。”

清华大学裘莹老师的教学实践提供了可借鉴的范例。她牵头组建校企协同教学团队，将企业一线AI落地经验融入课堂。“AI的真正价值在于打破学科壁垒，促进不同专业背景者跨界协作，解决真实问题。”她强调，AI通识课需构建清晰的线性逻辑，并提供充足实操机会，避免“只讲不练”，“若仅邀请企业专家进行零散讲座，极易陷入‘拼盘式’教学的误区。”

“关键在于让学生真切感受到：这门课与我的专业、未来学习及真实世界紧密相连。”北京建筑大学测绘与城市空间信息学院副教授郭贤将其教学经验总结为三点：一是做减法，避免内容重复，开课前与专业教师沟通，明确分工，防止学生在通识课与专业课中学习相似内容；二是低门槛，先建立直观认知再讲解原理，不急于引入复杂模型，而是通过卫星影像、无人机影像等直观案例，让学生先理解“AI为何有用”，再逐步深入核心方法；三是考核创新，因势利导，不简单禁止学生使用生成式AI，而是要求学生在提交论文时同步提交提示词与使用反思，既鼓励合理利用工具，又训练其提出问题、判断答案、修正内容的能力。

在考核方式上，专家建议应从“结果判定”转向“过程见证”。

尚俊杰提出，可采用“过程性评价+项目作品+答辩展示+反思性评价”的多元组合，“项目作品是核心，要求学生完成一个‘AI+X’的真实项目，即运用AI解决其专业领域的具体问题；答辩展示环节让学生向师生展示成果，并阐述人机协作中的决策逻辑；反思性评价则引导学生记录学习过程中的真实困惑与认知演进。”

他进一步指出：“AI通识课的提质增效，不仅是一门课程的改革，更是整个校园文化对智能时代的积极回应。当学校以清晰的AI政策引导学生，当教师主动拥抱技术、深入理解AI，这门‘公共基础课’才能真正实现其育人价值。”

来源：互联网