管理科學與工程學科研究生人工智能素養培養實踐

中圖分類號：G643 文獻標識碼：A DOI：10.16400/j.cnki.kjdk.2025.17.002

Practice of Cultivating Artificial Intelligence Literacy among Graduate Students in Management Science and Engineering Disciplines

Taking Dongbei University of Finance and Economics as an Example

TIAN Tian， ZHU Han， CAI Lingke

SchoolofManagementcienceandEngineering，Dongbei UnversityofFinanceandEconomics，Dalian，Liaoning6025）

AbstractThe article takesDongbei UniversityofFinanceandEconomics asan exampleto studythe practical efects ofthe graduate training pathofartificialinteligence+management scienceand engineering. Construct an evaluationindex systemfromthreedimensionsofartificialintelligence knowledge，skils，andawareness，collect342validdatathrougha questionaire survey，and conduct empirical research using factor analysis and multiplelinear regresson methods.The results indicate that the application abilityof artificial intellgence technology， mastery of basic principles and key technologies，and ethicalcognition have asignificant positive effectonthe employment situation of graduate students in management scienceandengineering disciplines.This studyvalidatestheeffectivenessof theartificial inteligence+ management science and engineering training path，providing theoretical and practical basis for universities tooptimize interdisciplinary talent training models.

Keywordsmanagement science and engineering; artificial intelligence literacy; multiple linear regression

當前，以人工智能為引領的科技革命與產業變革正在全球范圍內加速推進，深刻改變著社會經濟結構及人類生活方式。黨的二十大報告明確提出，推動戰略性新興產業融合集群發展，構建新一代信息技術、人工智能推動戰略性新興產業融合集群發展，構建新一代信息技術、人工智能、生物技術、新能源、新材料、高端裝備、綠色環保等一批新的增長引擎。教育部在《高等學校人工智能創新行動計劃》中明確指出，重視人工智能與計算機、控制、數學、統計學、物理學、生物學、心理學、社會學、法學等學科專業教育的交叉融合，探索“人工智能+X\"的人才培養模式。在此背景下，如何充分發揮學科特色與優勢，服務國家產業發展需求，以“人工智能 + 管理科學與工程\"為導向，培養兼具專業知識、研究方法與人工智能素養的高層次研究型人才，成為當前管理科學與工程學科研究生培養的關鍵挑戰。

近年來，東北財經大學管理科學與工程一級學科學位點對財經類院校管理科學與工程學科研究生培養問題進行了深入剖析，從“方向凝練與發展規劃（Plan）一多角度落實規劃（Do）—培養過程監控（Check）一績效考核與獎懲

|科教導刊

（Act）\"四個階段，系統探索了研究生人工智能素養培養的路徑。因此，本文以東北財經大學為例，采用因子分析和多元線性回歸等方法，對財經類院校管理科學與工程學科研究生人工智能素養的培養實踐效果進行實證研究，以期為“人工智能 + 管理科學與工程\"高層次人才培養提供理論支撐與實踐參考。

1文獻綜述

通過對現有文獻的梳理發現，針對管理科學與工程專業研究生人工智能素養培養實效果的研究較少。相關研究主要集中在以下方面。

1.1人工智能對高等教育的影響

邱均平等通過文獻綜述與案例分析，探討了數智時代管理科學與工程在科研、教育及技術應用領域的發展趨勢，指出數智時代的教育更注重跨學科融合與實踐能力培養。王繁等通過文獻與案例分析，提出了人工智能在個性化教學、智能管理及科研創新等方面的應用模式，推動了高等教育的數字化轉型。

1.2高校相關專業學生人工智能素養的內涵與評價

蘇文成等人通過文獻分析和專家咨詢等方法，構建并驗證了面向我國高校學生群體的人工智能素養評價指標體系，涵蓋知識、技能、應用和倫理等多維度，為高校學生人工智能素養的評價和培養提供了科學依據。徐曉飛等人通過文獻分析、案例研究和實踐探索，探討了生成式人工智能在工程教育中的應用路徑，提出了生成式人工智能在課程設計、能力測評和認證體系中的應用模式，推動了工程教育的智能化轉型。

1.3人工智能時代高校相關專業教育教學改革與實踐

肖輝等人通過文獻分析和案例研究，結合財經高校的特點，探索了管理科學與工程專業研究生培養模式的創新路徑，提出了以數據分析和實踐能力為核心的研究生培養模式，強調課程設置與行業需求的緊密結合。鄧立為等人通過文獻分析和實踐探索，研究新工科背景下人工智能領域學生創新創業能力培養的創新路徑，提出了以項目驅動和跨學科融合為核心的培養模式，提升了學生的創新創業能力。

綜上所述，近年來我國學者在以人工智能推動管理科學與工程學科教育變革方面進行了廣泛且富有成效的研究，但截至目前，尚缺少對于“人工智能 + 管理科學與工程”研究生教育改革效果的實證性研究。

2指標體系構建與數據獲取

2.1指標體系構建

聯合國教科文組織發布的《學生人工智能能力框架》將人工智能素養的評價指標概括為了解和理解、使用和應用、評估和創造三個方面。因此，本文將財經類院校管理科學與工程學科研究生人工智能素養培養的評價準則歸納為人工智能知識、人工智能技能以及人工智能意識三個維度。其中，人工智能知識重點考查研究生對于人工智能基本概念、原理、應用場景等方面的知識掌握情況；人工智能技能主要考查研究生在管理科學與工程領域對人工智能技術的實際操作能力；人工智能意識重點關注研究生對人工智能的態度以及對人工智能倫理和社會影響的認識。并在此基礎上參考裴小娟的論文設立了13個評價指標。同時用人工智能素養對就業的影響來衡量培養的效果，就業影響重點考查研究生認為人工智能素養對其求職過程、獲得工作機會、薪資待遇等方面的影響程度。

2.2問卷結構及內容編制

依據上述指標體系，本文設立《管理科學與工程學科研究生人工智能素養現狀調查問卷》。該問卷主要分為三個部分：第一部分包括1一6題，為受試者的基本信息；第二部分包括7一19題，為管理科學與工程學科研究生人工智能素養現狀調查表，其中7一11題考查人工智能知識（知識維度），12一15題考查人工智能技能（技能維度），16-19題考查人工智能意識（意識維度）；第三部分包括 20-23 題，考查人工智能素養對就業的影響。第二部分和第三部分題項均采用李克特五級量表制。

2.3數據獲取及信效度分析

本次調查主要針對研究生，涵蓋在校生及畢業生，共回收有效問卷342份。使用SPSS軟件對有效問卷進行信效度分析和驗證性因子分析。信效度分析結果顯示，總體問卷的克隆巴赫系數為0.907，知識維度、技能維度、意識維度的克隆巴赫系數分別為 0.848，0.892，0.707， 均大于0.7，表明問卷的內部一致性系數較高，信度較好；驗證性因子分析結果顯示，取樣適切性量數（KMO）值為 0.910（gt;0.7） ，達到進行因子分析的前提要求，巴特利特球形檢驗的顯著性（Sig.）值為0.00（ ?lt; 0.05），達到顯著性水平要求，因此該問卷量表能夠用于后續因子分析等研究。

3實證研究

3.1描述性統計分析

本次調查的342名受試者中，男生共計141人，占比41.2% ，女生共計201人，占比 58.8% ，男女比例較均衡。受試者的年齡集中分布在 20-30 歲區間。未畢業的受試者數量為292人，占比 85.4% ，已經畢業的受試者數量為50人，占比 14.6% ，分布符合調查預期。在校生分布在碩士一年級到博士三年級之間，碩士階段的受試者共計263人，占比超 75% 。在已經畢業的受試者中有 36% 從事人工智能相關工作。受試者普遍具有人工智能使用經歷，每天使用人工智能的人數為127，占比 37.1% ，每周使用數次的人數為149，占比 43.6% ，僅有 11.4% 的受試者偶爾使用人工智能 0.9% 的受試者從未接觸過人工智能。

3.2因子分析

為了進一步合理地選取評價指標，本文采用因子分析法對342份問卷中第二部分的13個題項（對應13個評價指標）的一致性和相關性進行分析。SPSS軟件的分析結果顯示，當有七個因子時，累計方差貢獻率達到 85% 以上，即已經解釋了大部分的方差，因此本文選用以下七個因子作為最終評價指標。

人工智能技術應用能力（題項 12-15） ，包括將人工智能技術與專業知識結合解決管理科學與工程中的實際問題、借助人工智能創造性地解決問題，以及熟練使用人工智能工具輔助學習等能力；對人工智能原理的掌握情況（題項8一10），涉及人工智能的基本概念、原理以及常見技術；人工智能經驗分享意識（題項16），指的是分享人工智能產品的應用經驗；隱私保護與法律法規意識（題項18、19），指的是在使用人工智能工具時對隱私的保護和對道德法規的遵守；對人工智能關鍵技術的掌握情況（題項7），涉及數據分析、算法和計算能力等關鍵技術；人工智能影響下的獨立思考能力（題項17），描述人工智能產品智能性對獨立思考能力的影響；對人工智能應用場景的認知（題項11），反映對人工智能在不同領域（如醫療、金融、交通等）具體應用的了解和認識情況。

3.3多元線性回歸

本文將七個因子作為自變量，將就業影響作為因變量，構建多元線性回歸模型。根據342份有效問卷的結果，對包含多個題項的自變量和因變量，首先將其所包含的題項分數加總，然后對各自變量和因變量的分值進行標準化處理。SPSS軟件的分析結果顯示，回歸模型的方差膨脹因子（VIF）均小于10，表明模型中不存在嚴重的多重共線性問題；判定系數 （R²） 值為0.862，即 86.2% 的就業影響可以通過模型中的自變量解釋，模型的擬合優度較好。

具體來說，人工智能技術應用能力、對人工智能基礎原理的掌握情況、對人工智能關鍵技術的掌握情況，以及隱私保護與法律法規意識對應的四個自變量在模型中的標準化系數均為正值（0.641，0.257，0.029，0.028），且均表現出顯著性 （plt;0.001） ，說明這些指標對就業影響具有顯著的正向作用。其中，人工智能技術應用能力的標準化系數最大，表明其對就業的影響最大。而人工智能經驗分享意識、人工智能影響下的獨立思考能力和對人工智能應用場景的認知三個變量未通過顯著性檢驗 （pgt;0.05） ，說明這些指標在本研究中對就業影響沒有顯著作用。

4結語

本研究通過實證分析，從人工智能素養對就業的影響角度揭示了東北財經大學管理科學與工程學科研究生人工智能素養培養的實踐效果。結果顯示，人工智能技術應用能力是提升就業能力的核心驅動力。而對基礎原理和關鍵技術的掌握有助于應對技術迭代，避免“技術黑箱”困境。隱私保護與法律法規意識雖影響系數較低，但其顯著性凸顯倫理素養的隱性價值，尤其在數據合規要求嚴格的領域（如醫療、金融等），倫理認知可降低職業風險。基于此，本文對財經類院校管理科學與工程學科研究生人工智能素養的培養與提升提出以下三點建議：第一，構建“技術 + 倫理”雙軌課程，增設數據合規實踐類課程，強化行業案例教學；第二，深化校企合作，通過共建實驗室與項目開發，提供多領域實踐場景；第三，推動跨學科師資整合，鼓勵科研反哺教學，培養學生的綜合能力。

★基金項目：2024年度遼寧省研究生教育教學改革研究項目（LNYJG2024306）；遼寧省教育科學“十四五”規劃2024年度課題（JG24DB346）。

參考文獻

[1]邱均平，付裕添，張蕊，等.數智時代管理科學與工程的發展特點及趨勢分析一—基于科研、教育與技術應用視角[J].中國科技論壇，2023（6）：130-141.

[2]王繁，劉永強，周天華.人工智能引領高等教育數字化創新發展[J].中國高等教育，2024（Z1）：9-12.

[3]蘇文成，郭浩然，盧章平，等.我國高校學生群體人工智能素養評價指標體系構建及實效性驗證[J/OL].圖書館建設，1-25[2025-04-30].http：//kns.cnki.net/kcms/detail/23.1331.G2.20240624.1801.004.html.

[4]徐曉飛，張策.生成式人工智能賦能工程教育和學生能力培養、測評與認證體系[J/OL].高等工程教育研究，1-13[2025-04-30].http：//kns.cnki.net/kcms/detail/42.1026.G4.20250228.1455.002.html.

[5]肖輝，李玲，顧先明，等“大數據\"背景下財經高校管理科學與工程專業研究生培養模式探索[J].遵義師范學院學報，2024，26（6）：127-130.

[6]鄧立為，宋歌，許家忠.新工科背景下人工智能領域學生創新創業能力培養模式研[J].高教學刊，2024，10（23）：89-92

[7]裴小娟.新師范背景下師范生人工智能素養現狀及提升路徑研究[D].廣州：廣州大學，2023.