基于OBE理念的高職人工智能課程教學體系探究

摘要：本文基于OBE（成果導向教育）理念，針對高職院校人工智能課程教學體系進行了系統研究。通過模塊化課程設計、信息化教學手段和多元化評估體系，提出了教學內容與方法的改革措施。旨在提高高職學生的實踐能力和創新能力，培養適應社會需求的人工智能專業人才。

關鍵詞：OBE 理念；高職教育；人工智能課程；教學改革；成果導向教育

中圖分類號：TP30 文獻標識碼：A

文章編號：1009-3044（2025）06-0136-03開放科學（資源服務）標識碼（OSID）：

0 引言

人工智能（Artificial Intelligence，AI）作為一門新興技術，正深刻影響著各行各業，并對人才培養提出了新的要求。高職院校肩負著培養應用型人才的使命，但目前在人工智能課程教學中仍存在課程內容陳舊、實踐環節薄弱、教學方法單一等問題，難以滿足行業對高素質人才的需求[1]。

OBE（成果導向教育）理念以學習成果為導向，為教育改革提供了新的思路。將OBE 理念融入高職人工智能課程教學，有助于提升學生的實踐能力和創新能力[2]。本文旨在探討基于OBE 理念的高職人工智能課程教學體系的構建與改革措施，以促進高職院校人才培養質量的提升。

1 OBE 理念與高職人工智能教育的融合

1.1 OBE 理念的內涵與核心

OBE（Outcome-based Education）理念，即成果導向教育，強調以學生的學習成果為教育目標，采用逆向設計方法構建課程體系。其核心是以學生為中心，關注學生通過學習所獲得的知識、能力和素質。該理念最早由Spady 于20 世紀末提出[3]，隨后一些學者[4-5]將其應用于教學改革中。目前，OBE 理念已在全球多個國家的教育改革中得到應用，對提高教育質量具有重要作用。

1.2 OBE 理念對高職院校的啟示

OBE 理念為高職院校的教學改革提供了新的思路。通過明確的人才培養目標，倒推課程設計與教學實施，強調學生實踐能力和職業素養的培養。這與高職院校培養應用型人才的目標高度契合。借助OBE理念，高職院校可以優化課程體系，創新教學方法，建立多元化的評價機制，從而提升教育質量。

1.3 人工智能技術對職業教育的挑戰與機遇

人工智能技術的快速發展對職業教育提出了新的要求。一方面，AI 技術為教學模式、資源共享和個性化學習提供了新的工具和平臺，帶來了教學改革的機遇。另一方面，AI 技術更新快，要求教師不斷學習，教學資源需要及時更新，師資短缺等問題成為挑戰。高職院校應積極應對這些問題，充分利用AI 技術提升教學效果，培養符合時代需求的高素質人才。

2 高職院校人工智能課程現狀分析

2.1 課程設置與教學現狀

目前，高職院校的人工智能課程多以基礎理論為主，包括機器學習、深度學習、自然語言處理等。然而，課程內容更新速度跟不上AI 技術的快速發展，教材滯后，導致學生無法接觸到最新的技術和應用。此外，實踐教學環節薄弱，缺乏真實項目和實驗設備，學生動手能力不足，難以滿足企業的實際需求。

2.2 師資與教學資源現狀

教育部在2018年印發的《高等學校人工智能創新行動計劃》中提出，職業院校信息管理、大數據等專業須增加人工智能相關內容，加大培養人工智能應用領域技術技能人才的力度，并推動加強重點領域的“人工智能+”行動。但目前，高職院校在人工智能專業教師的招聘和培養方面存在諸多問題。多數教師缺乏企業實踐經驗，對AI 前沿技術的掌握有限。此外，由于信息類企業（如阿里巴巴、百度、騰訊等）對人工智能專業人才需求量大且薪酬較高，現階段高職院校人工智能專業的畢業生難以滿足企業的招聘需求[6]。

目前，多所高職院校在人工智能專業課程資源方面還存在嚴重不足：1）課程與實訓銜接不足。人工智能課程內容多、涉及面廣、難度大，理論性和實踐性要求較強，但課程教學與實訓銜接不夠充分。AI 實訓平臺的搭建步驟煩瑣，且對專業軟件依賴性較高，維護費用較高。2）課程與教材更新滯后。人工智能專業課程知識更新較快，但高校構建的精品在線課程和教材更新周期長，導致內容滯后等問題。3）硬件設備匱乏。職業院校在人工智能專業建設中，缺乏高性能計算機、GPU 服務器等硬件設備，無法滿足實踐教學需求。4）校企合作不足。缺乏穩定的企業合作，限制了校企資源的共享與互動。這些問題已成為高職院校建設人工智能技術專業的重要障礙。

2.3 學生學習成果與行業需求的匹配度

高職院校人工智能專業的畢業生在實踐能力、項目經驗等方面與企業要求存在差距。企業期待畢業生具備扎實的算法基礎、熟練的編程能力和實際項目經驗，但當前大部分高職院校的人工智能課程設置主要聚焦于理論基礎和簡單的算法編程，學生在校期間接觸到的實際應用場景有限，缺乏真正面向企業需求的實戰訓練。這導致學生普遍缺乏項目實踐，理論與實踐脫節，從而在就業市場中競爭力不足。

企業反饋顯示，約70% 的用人單位認為應屆畢業生在數據處理、深度學習模型優化等實操能力方面存在不足[7]，難以滿足企業對高技能型人工智能人才的需求。盡管國內部分院校已嘗試通過校企合作來增強實踐教學，但總體效果仍有待提升。因此，基于OBE 理念的教學改革應強化課程內容與實際需求的關聯，尤其是在技能實訓、項目實踐和評價標準的調整上，以確保學生在畢業時能夠更好地滿足行業對專業化和技能化的要求。

3 融合OBE 理念的高職人工智能課程體系建設

本文從課程目標制定、教學內容設計、教學方式改革、評價機制建立四個方面開展探索研究，具體思路如圖1 所示。

首先，研究高職人工智能課程與OBE 導向的課程目標的制定，重點在于培養學生的人機協作能力、創新智慧管理能力、熟練使用編程語言的能力、大數據分析能力以及可視化工具的熟練應用能力。

其次，調整教學內容，增加企業前沿知識和項目實踐模塊，培養學生的問題分析與建模能力。

再次，在教學內容設計的基礎上，對教學方式進行調整：引入信息化平臺以增強學生學習的趣味性，培養學生的自主學習能力和項目實踐能力。

最后，借助多元化評價機制，以學生為主體對教學內容和教學方式進行改進和優化。

3.1 課程目標制定

基于OBE 理念，明確高職人工智能課程的教學目標，注重培養學生的實際應用能力，使其具備直接對接行業崗位需求的技能。為此，教學目標應明確、具體，且能夠被量化和評估。具體目標包括：1）編程基礎。學生需掌握Python、R 等編程語言的基本語法和編程技巧，能夠獨立完成數據處理和建模任務。2）算法掌握能力。學生需熟悉機器學習和深度學習的基本算法，包括回歸、分類、聚類、神經網絡等，能夠理解算法原理并在項目中應用。3）數據處理與分析。具備數據分析和處理能力，包括數據清洗、特征工程和可視化，能夠針對具體應用場景處理原始數據。4）AI 應用能力。能夠運用AI 技術解決實際問題，如圖像識別、自然語言處理等，通過項目實踐積累應用經驗。

教學目標直接對接企業崗位要求，強化項目驅動的學習方式，確保學生畢業后能夠勝任相關工作。這一課程目標體系將有效提升學生的職業競爭力和崗位適應性。

3.2 教學內容設計

在OBE（成果導向教育）理念的指導下，基于OBE 的教學內容應圍繞明確的學習成果，將教學內容劃分為基礎理論、核心技能和項目實訓三個模塊：1）基礎理論模塊。包括高等數學、線性代數、概率統計、Python 編程基礎等，夯實學生的數學和編程基礎。2）核心技能模塊。涵蓋機器學習、深度學習、自然語言處理、計算機視覺等核心技術，結合最新的行業發展動態。3）項目實訓模塊。通過校企合作項目和真實案例（如客戶數據分析、智能推薦系統的開發等），讓學生參與完整的AI 項目開發，培養實踐能力和團隊合作精神。

教學內容注重動態更新，及時引入新技術和工具，確保與行業發展保持同步。

3.3 教學方式改革

在OBE 理念指導下，高職人工智能課程充分利用信息化平臺，實施線上線下混合教學模式，以提高教學效率并確保達成學習成果。具體措施包括：1）課前預習。通過使用超星學習通等平臺，教師提供預習資料和視頻，其內容涵蓋人工智能的基本概念、算法等知識點，幫助學生在課堂前建立初步理解。學生可自主學習基礎知識并完成預習任務，使課堂時間聚焦于難點解析和課堂互動。2）課堂互動。利用Rain?Classroom 等工具，教師能夠實時推送問題，開展實時答題和討論，提高課堂參與度。3）課后鞏固。通過EduCoder 等在線實踐平臺，教師為學生布置編程練習和項目任務（如簡單的AI 模型）。EduCoder 提供豐富的實踐項目和自動測評功能，學生可在平臺上完成從基礎到高級的編程任務，并在完成任務的過程中獲得即時反饋，及時修正錯誤，提升編程能力。

這些信息化平臺的應用，使教學活動貫穿課前、課中和課后，形成完整的閉環教學模式，有助于學生掌握知識并達到預期學習成果。整個學習體系如圖2 所示。

3.4評價機制建立

基于OBE（成果導向教育）理念的高職人工智能課程評價機制，旨在通過過程性評估和成果性評估相結合的方式，全面、精確地反映學生的學習成果，幫助學生實現持續改進。具體設計如下。

1）過程性評估（40%）。過程性評估關注學生學習過程中的態度和參與度，旨在激勵學生積極參與學習活動并掌握知識。具體內容包括：① 出勤率（10%）。考查學生的學習積極性與紀律性，確保學生按時參與課程活動。② 作業完成情況（15%）。評估學生按時完成作業的情況以及對所學知識的掌握程度。③ 課堂討論參與度（15%）。通過課堂互動、問題討論等方式，評估學生對學習內容的理解深度和參與度，增強課堂互動并及時查缺補漏。

2）成果性評估（60%）。成果性評估重點考查學生的實踐能力和成果質量，體現學生在課程學習中的實際收獲。具體項目包括：① 項目作品（30%）。要求學生在真實案例中應用人工智能技術完成項目作品，評估其創新性、實用性和技術實現能力。② 實踐報告（20%）。通過撰寫實踐報告，反思學習過程與項目實施，展示學生的總結能力、邏輯思維能力和批判性思維。③ 項目答辯（10%）。通過答辯環節，考查學生對技術的理解、表達能力以及對問題的應對能力。

此評價機制不僅能夠全面反映學生的學習成果，還能通過持續改進的反饋機制，幫助學生在實踐中不斷提升自身能力，最終實現高職人工智能課程的教學目標。

4 高職院校人工智能課程的實踐與案例分析

4.1 國內外高職院校的成功案例

通過采用OBE 理念進行教學改革，部分高職院校的人工智能課程取得了顯著成果。例如，深圳職業技術學院通過實施模塊化教學內容、項目驅動的實踐課程、企業參與的教學評價體系，使人工智能專業畢業生的就業率從改革前的82% 提升至94%。其中，超過85% 的學生成功進入人工智能或相關技術崗位。根據學院的調研報告和企業反饋顯示，畢業生的實踐能力、創新能力和適應崗位的速度均有明顯提升。深圳職業技術學院的課程改革還結合了OBE 理念，開展了與華為、騰訊、科大訊飛等科技公司合作的實訓項目，有效實現了人才培養與企業實際需求的緊密銜接。統計數據顯示，該校人工智能專業的畢業生在全國職業技能大賽中多次獲獎，就業率達到了95%，并獲得用人單位的高度評價。教學改革不僅提升了就業率，同時也增強了學生的職業競爭力和就業適應性，充分體現了OBE 理念在高職院校人工智能教育中的有效性。

國際上，多個發達國家的高職院校也進行了類似的改革。例如，新加坡理工學院（Singapore Polytech?nic）與多家科技企業（如IBM）合作開設了人工智能特色課程，課程內容涵蓋機器學習、深度學習等AI 核心技術，學生通過校企合作的項目深入企業實踐。在“智能交通系統”項目中，學生為當地交通部門開發了基于AI 的流量管理系統，使學生在學中練、練中學。數據顯示，90% 的該校畢業生能夠在畢業后直接進入AI 或相關崗位，充分體現了OBE 理念在教學中的成功應用。通過真實項目的參與和企業合作，不僅提升了學生的實戰能力，也有效增強了其就業競爭力。

4.2 典型教學實踐的效果評估

在高職人工智能課程的教學改革中，通過實施基于OBE（Outcome-based Education）理念的課程體系，某高職院校在學生的就業率、專業能力和企業反饋等方面取得了顯著成效。改革后，人工智能專業畢業生的就業率從改革前的80% 提升至94%，其中80% 以上進入人工智能相關崗位。該校學生的實踐能力在多個層面獲得肯定，不僅在全國職業技能大賽中屢獲獎項，還在校外實習中表現出快速適應崗位需求的能力。

具體評估方法包括畢業生就業調查、用人單位反饋以及學生項目成果質量分析。在對30 家企業的調查中，90% 以上的企業認為畢業生具備較強的實踐操作能力，并能夠勝任技術崗位。此外，學生的畢業設計作品質量在同類院校中表現突出，許多項目應用了深度學習、數據分析等前沿技術，獲得業內專家的肯定。綜上，基于OBE 理念的教學改革有效提升了學生的核心技能和行業適應力，實現了高質量的人才培養目標。

5 結論

本文基于OBE（成果導向教育）理念，對高職院校人工智能課程的教學體系進行了系統性研究。通過明確的課程目標設定、教學內容的模塊化優化、教學方法的多樣化創新以及建立完善的多元化評價體系，本文提出了符合行業需求的教學改革方法，有效提升了學生的實踐能力和職業素養。研究結果表明，采用OBE 理念的教學改革不僅增強了學生的學習成果與崗位需求的匹配度，還為高職院校培養適應人工智能行業發展的高素質技術人才提供了科學的路徑。

未來，進一步的發展方向包括強化校企合作，拓展校外實踐資源，并構建持續改進的教學反饋機制。同時，建議持續關注人工智能技術前沿，動態更新教學內容，確保課程與行業技術的同步發展。隨著教學體系的不斷完善，高職人工智能課程將更好地服務于社會和經濟發展，為國家的創新人才培養目標提供有力支持。