2023中国人工智能人才学习白皮书-2023-28页_6mb

《2023 中国人工智能人才学习白皮书》总结

核心内容

本白皮书聚焦于中国高校在人工智能时代背景下的人才培养现状与未来趋势，探讨了高校教育与产业需求之间的差距，以及开源学习生态在高校人才培养中的作用。核心内容包括：

• AI技术发展对人才需求的冲击：AI技术的快速迭代和普及推动了对具备高级应用能力、学习能力、创新能力的复合型人才的需求。
• 高校人才培养的挑战：高校教育在实践能力、教学内容更新、教学方式等方面与产业需求存在脱节。
• 开源学习生态的兴起：开源学习模式正在成为高校AI人才培养的新趋势，通过多元融合、社区协作和实战应用，提升学生综合能力。
• 未来高校AI教育的改革方向：高校需构建融通式教育生态，融合多元资源，实现教学与实践任务结合，推动产教融合与协同育人。

主要观点

1. 高校教育需持续创新以应对AI人才需求

• 人工智能技术的发展导致人才供需严重失衡，缺口超过500万。
• 高校需打破传统教学模式，转向以问题逻辑为核心，注重学生解决实际问题的能力。
• 教育部推动AI与多学科融合，已有495所高校开设相关专业，但与产业需求仍存在差距。

2. 产教脱钩问题突出

• 高校缺乏与产业的直接连接，导致学生实践能力不足，教学内容滞后。
• 学生和教师普遍反映教学内容缺乏真实行业场景和案例，教学方式固化，难以满足个性化需求。
• 教学反馈机制不完善，师生互动受限，影响学习效果。

3. 开源学习生态成为高校AI人才培养新趋势

• “人工智能+X”融合化：非计算机专业学生占AI学习者的40%，AI教育正向跨学科发展。
• 学习方式多元化：在线学习、社区学习、实践学习等成为主流，学生通过多种渠道获取知识。
• 开源学习模式特点：
  • 强网络属性：链接高校与行业，形成多元学习生态网络。
  • 强连接属性：实现人-知识-场景的高效连接，促进协作与创新。
  • 开源学习优势显著：学生认为开源学习内容更前沿、更丰富，能提升解决问题能力。

4. 未来高校AI人才培养方向

• 融通式教育生态：打破课堂边界，构建学校-社区-企业联动的教育模式。
• 任务驱动式教学：通过AI竞赛、STAR项目、黑客马拉松等方式提升学生实践能力。
• 成果导向式评价机制：引入OBE（成果导向教育）模式，注重学生综合能力的培养与反馈。

关键信息

学习者画像

• 非计算机专业学生占比约40%，工程类学生占比21%。
• 学生主要学习内容包括计算机视觉、AIGC/大模型、大数据分析等。
• 大一、大二学生以在线学习为主，博士生更倾向于阅读书籍和论文。

学习方式对比

开源学习生态图谱

• 开源学习生态分为资源型、课程型、平台型、社区型四类。
• 高校与开源社区合作，提供开放、共享、可复用的工具和平台，推动AI教育发展。

人才培养重点

• 未来高校AI教育将聚焦于业务理解与解决问题能力。
• 注重学生持续学习与创新能力的培养。
• 将软实力（如沟通、协作、批判性思维）融入教学中。

教育改革建议

• 增加实践环节：将真实行业案例、项目引入课堂，提升学生实战能力。
• 推动校企合作：与企业共建实验室、实训平台，提供真实数据与场景支持。
• 构建多元学习生态：融合高校、社区、平台、企业资源，实现资源共享与协同育人。
• 采用OBE评价机制：以学生为中心，关注学习成果与能力发展，构建师生双向反馈机制。

附录信息

参考文献

• 王志军 & 陈丽(2015). 联通主义学习的教学交互理论模型建构研究
• 国务院(2017). 新一代人工智能发展规划
• 教育部(2018). 高等学校人工智能创新行动计划
• 浙江大学(2022). 中国人工智能人才培养报告
• 国家发展改革委等(2023). 职业教育产教融合赋能提升行动实施方案

特别顾问

• 金耀辉（上海白玉兰开源开放研究院执行院长、教授）
• 王志军（江苏省“互联网+教育”基地副主任、教授）

行业指导团队

• 范向伟（和鲸科技创始人&CEO）
• 范晶晶（Datawhale创始人）

编撰团队

• 甘元琦
• 刘宇杰

特别支持

• 王志军老师学生团队（虞天芸，滕志强，周萍，吴芝健）

合作方

• Datawhale
• 和鲸科技
• 上海白玉兰开源开放研究院
• 江南大学教育信息化研究中心
• 江苏高校哲学社会科学重点研究基地“互联网+教育”研究基地