摘要：人工智能技术的快速演进对高校学科专业建设提出了新要求。现立足AI时代背景，系统分析传统学科结构、课程体系与治理机制在应对跨学科融合与技术迭代中的局限性，揭示其内在成因。在此基础上，提出以“AI+X”融合为导向的学科重构路径，强调模块化课程设计、跨学科协同与治理结构优化的协同推进，以强化高校学科专业建设的适应性与前瞻布局。

AI时代高校学科专业建设的核心挑战与机遇

AI技术的革命性特征与学科建设的契机

　　人工智能(AI)技术的快速演进深刻影响全球产业格局，并推动了教育体系的深层转型。AI技术驱动下的全球高等教育正面临前所未有的机遇与挑战。AI不仅加速了技术迭代，还催生了诸多新兴学科与交叉领域，尤其在“生成式AI”与“大模型”技术的应用推动下，传统学科边界正在迅速消失。人工智能通过大规模数据处理能力、深度学习算法及自主进化能力，深刻改变了知识的生产与传播方式。

高等教育体系的结构性困境

　　尽管AI技术为学科建设带来了巨大机遇，但现有的高等教育体系仍面临深刻的结构性困境。

　　其一，传统学科划分在AI时代的技术融合趋势面前显得过于僵化。诸多学科过度依赖自身专业体系，导致难以有效应对AI技术带来的跨学科挑战。学科之间的割裂，使得教育体系在培养复合型人才方面出现显著困难。例如，AI与伦理学的结合，数据科学与社会学的交叉，均属传统学科设置难以涵盖的领域。因此，高等教育需突破学科边界，构建更加灵活的跨学科教育模式。

　　其二，AI技术的发展速度远超传统课程体系的更新速度。大多数高校的课程大纲修订周期为3—5年，而在AI技术领域，这一周期往往严重滞后于技术迭代。例如，深度学习技术与生成式AI模型几乎每年都有突破性进展，而现有课程内容难以跟上技术迭代的节奏，致使课程体系更新与前沿科技发展脱节。

AI赋能教育的转型契机

　　尽管面临挑战，AI技术的引入为高等教育转型提供了前所未有的契机。AI技术不仅能够优化教学方式，提升教育质量，还有助于促进教育公平与普及。AI在教育领域的应用前景广阔，其可依据每位学生的学习基础、兴趣爱好与认知节奏，提供个性化的学习方案与教学内容。智能辅导系统能够实时反馈学生的学习进展，并针对性提供辅助与建议，从而有效提升学习效率和质量。个性化学习的深入推进，使教育资源得到更高效的配置，真正实现因材施教。

AI时代学科专业建设困境的深层机理

　　传统学科结构是工业化时代的产物，旨在通过明确的知识分类与专业分工回应工业化生产的需求。在人工智能时代，随着技术的快速演进，传统学科结构逐渐暴露出局限性。AI技术的跨学科特征与传统学科的固有壁垒之间形成了突出矛盾，尤其在新兴交叉学科领域，传统的学科分割已难以满足时代需求。除学科结构本身的困境外，课程体系的更新滞后也是AI时代学科专业建设面临的重大挑战。在传统高等教育体系中，课程设置通常具有较长的更新周期，一般是3—5年进行一次系统修订。然而，在AI技术迅速发展的背景下，诸多学科领域的技术迭代速度远超课程更新速度，致使课程内容与前沿技术发展严重脱节。此外，现有高等教育治理模式大多沿用传统管理方式，缺乏对动态化、跨学科需求的灵活应对机制。专业设置往往受层级化审批制度的制约，学院与学科在调整专业设置时需要经过复杂的审批流程，导致高校在应对新兴技术需求时响应速度明显滞后。

面向未来的高校学科专业建设创新路径

课程与教学模式创新

　　随着人工智能技术的迅猛发展，如何创新课程体系和教学模式以适应新的技术需求和人才培养目标，已成为高等教育面临的核心挑战之一。传统教学模式侧重知识传授与技能培训，然而在AI时代，教育需更关注学生创新能力、批判性思维与跨学科协作能力的培养。因此，课程设置和教学方法亟须进行系统性创新，以培养适应未来社会需求的复合型人才。

　　模块化课程体系的构建是实现上述创新的核心路径之一。在该体系中，课程不再是单一的、学科界限明确的知识点堆砌，而是围绕能力培养目标进行设计，划分为多个模块，按需组合。此种模块化课程体系能够依据行业需求灵活调整，确保学生在不同领域间实现跨界学习和能力整合。例如，在医学与AI交叉课程中，可设计“AI在医学影像中的应用”“人工智能与精准医疗”等模块，学生可以依据个人兴趣和职业需求选择不同模块进行深入研习。

师资队伍的能力升级与跨学科合作

　　在AI时代，教师的角色已不限于知识的传授者，更是学生能力发展的引导者与合作伙伴。为适应这一角色转变，教师的能力结构与知识体系亟须更新升级。教师AI素养的提升是当前教育改革的重要任务。对于大多数非计算机学科的教师而言，其不仅需了解AI技术的基础知识，还需深入理解AI在本学科中的应用场景，以及如何将AI工具有效融入教学过程。例如，法学专业教师需理解人工智能在法律分析、智能合约等领域的应用，社会学教师则需了解AI对社会结构、伦理等方面的深层影响。

　　为促进教师跨学科的知识整合和教学创新，高校应建立跨学科教学共同体。该共同体由来自不同学科背景的教师组成，通过联合备课、协同授课等方式，突破学科壁垒，推动多学科知识的深度交融。例如，计算机科学教师与医学教师合作开发“AI+医学”课程，计算机科学教师与艺术设计教师联合开发“AI与艺术”跨学科课程等。此类跨学科合作不仅能够提升教师的教学水平，还能为学生提供更为丰富的知识体系和实践经验。

教育资源的智能化与数字化转型

　　AI技术的应用不仅局限于课堂教学，更可深刻变革教育资源的配置与使用方式。智能教育资源管理系统的建设，能够助力高校更高效地分配与利用教育资源。为推动教育数字化转型，高校可建设虚拟实验室和智能辅导系统。虚拟实验室为学生提供模拟实验环境，使学生即使不在传统实验室中也能完成实际操作，尤其在医学、化学等实验复杂度较高的学科中，虚拟实验室的应用能够显著降低教学成本，提升教学效率。同时，智能辅导系统能够依据学生的学习进度、问题反馈等数据，实时调整辅导内容，提供个性化、精准化的辅导服务，从而有效提升学习效果。

教学评估标准的创新

　　随着AI技术的广泛应用，传统教学评估体系也面临深刻挑战。传统评价标准主要侧重于学生对知识的记忆与再现能力，然而在AI时代，创新能力、批判性思维及跨学科问题解决能力更为关键。因此，基于能力的多元化评价体系应运而生。该体系强调对学生综合能力的评估，除考试成绩外，还应关注学生在项目学习、团队协作、创新思维等方面的表现。

　　AI技术还能为教学评估提供有力的技术支撑。借助学习行为分析系统，AI可实时追踪学生的学习过程、行为模式与学习进度等，为教师提供准确的学情反馈。例如，AI可自动识别学生在学习过程中的难点，并为教师提供个性化教学建议。这种数据驱动的评估方法，能够帮助教师更准确地把握学生的学习需求，并做出相应调整，从而切实提升教学效果。

优化学科建设策略

“双向渗透、分层强化”的学科重构范式

　　AI技术的快速演进，尤其是在“AI+X”(即人工智能与各学科的融合)模式的推动下，要求高校在学科建设层面进行深度改革。传统的学科划分已难以满足当今社会对跨学科人才的需求，尤其在涉及人工智能技术应用的领域，学科之间的壁垒显得尤为突出。在此背景下，高校要采取“双向渗透、分层强化”的学科重构范式，以促进学科间的深度交融与协同发展。

　　该范式的核心在于通过双向渗透推动不同学科之间交叉融合。一方面，在法学、医学、金融等传统学科中逐步引入人工智能相关知识与技能，使相关学科学生具备基本的AI素养;另一方面，在AI技术自身的发展过程中加强与其他学科的融合。例如，计算机科学与哲学的结合，有助于学生深入理解AI伦理问题，提升其在技术应用中的伦理判断能力。这种双向渗透能够有效促进不同学科间的知识共享与协同创新。

　　在此基础上，分层强化要求依据不同学科的特点和需求，对AI知识的引入进行分层次、渐进式设计。对于基础学科，AI的融入应侧重于基础概念的普及与应用技术的基础训练;对于应用学科，如医学、法律、金融等，AI技术的引入则要更加深入，结合学科实际需求进行专业化、定制化的课程设计。例如，在医学专业中可开设“AI辅助诊断”“智能医疗设备操作”等课程，在法律专业中可设计“AI与司法实践”等跨学科课程，以实现人工智能与学科领域的深度融合。

高校治理结构的优化与资源配置

　　推动学科建设创新与专业改革，高校治理结构的优化是不可忽视的关键环节。传统教育管理体制过于强调学科中心化，缺乏灵活性与跨学科协作机制，致使学科建设的响应速度与资源配置效率偏低。为适应AI时代的发展需求，高校需要优化治理结构，确保学科建设能够与行业需求、社会发展同步。高校应建立灵活的专业设置机制，削减行政审批层级，赋予院系更大的自主权。通过简化专业设置流程，减少行政干预，高校能够更为迅速地回应新的技术需求与行业变化。

　　在资源配置层面，高校应突破传统学科间的资源壁垒，搭建跨学科协同平台。例如，可设置跨学科实验室、共享计算资源平台等，以促进各学科之间的协作与资源共享。此外，针对AI专业的发展需求，高校应加大对计算资源与数据平台的投入，建设契合行业需求的基础设施。同时，应建立与行业的深度合作关系，推动产学研一体化，形成高校、企业和科研机构之间的良性互动。高校可与企业联合开发课程，设立产学研合作项目，为学生提供更加丰富的实践机会;也可推动教师参与企业项目，提升其实践经验与行业认知，从而更有效地培养适应市场需求的人才。

重构课程方案与评价标准

AI时代核心能力框架的构建

　　AI时代对高等教育提出了全新要求，不仅要培养学生扎实的专业知识与基本技能，更要注重其综合能力，尤其是创新能力、批判性思维与跨学科综合问题解决能力。为满足上述需求，重构课程方案与评价标准的首要任务，在于构建契合AI时代需求的核心能力框架。在该框架下，核心能力不仅涵盖基础学科知识与技术应用，更包括AI时代人才所必备的高阶能力。学生不仅需要掌握扎实的专业知识与技术能力，还需具备一系列关键核心能力，以适应快速演进的社会和技术环境。

　　首先，人机协同决策能力已成为AI时代不可或缺的核心能力。随着人工智能技术的普及，人机协作已非科幻想象，而是成为现实常态。在此过程中，学生须具备能够合理判断与优化人机协同决策的能力。例如，在医疗、金融、法律等领域，学生不仅需掌握AI技术的使用方法，还需具备在关键决策环节合理运用人工智能工具的能力，实现技术与人类判断的有机结合。

　　其次，复杂系统建模能力在AI时代尤为关键。随着社会、经济、生态等领域的持续发展，AI技术所能处理的数据与问题日趋复杂。学生需要具备从多维度审视问题并构建系统模型的能力。该能力的培养不仅要求学生具备扎实的数学、统计学和编程基础，还要求其掌握处理复杂问题的系统性思维。无论是智能交通、智慧城市建设，还是气候变化等跨学科问题的研究，学生均须从全局视角理解复杂系统并完成建模，提出高效解决方案。

　　最后，跨学科综合问题解决能力是培养AI时代复合型人才的关键所在。AI的应用已不限于计算机科学领域，正广泛渗透至医学、金融、艺术、法律等诸多领域。因此，学生需突破学科界限，综合运用多领域知识解决实际问题。在智能社会治理、AI医疗应用等前沿议题中，学生不仅要掌握AI技术，还要理解该领域涉及的法律、伦理、经济等多维要素，具备跨学科协作与知识整合能力。该能力的培养要求高校提供更多跨学科课程与实践机会，引导学生从多维视角思考并解决问题。

AI辅助教学工具与个性化学习路径

　　随着教育技术的快速发展，AI辅助教学工具已成为提升教学质量与效率的重要手段。AI技术能够依据学生的学习特征、进度与兴趣偏好，提供个性化的学习建议和反馈，助力学生沿着最优学习路径持续提升。

　　自适应学习系统是AI辅助教学工具的一种典型应用。通过分析学生的学习行为、答题错误、答题速度等数据，AI可精准识别学生的学习难点，并为其定制个性化的学习内容与练习题目。例如，对于基础较薄弱的学生，系统可提供更多基础知识巩固类内容;对于学习进展较快的学生，系统可推送更高阶的学习内容，助其进一步拓展知识边界。此外，虚拟实验平台和智能辅导系统也是AI在教育领域应用的重要载体。虚拟实验平台可为学生提供模拟实验环境，使其在缺乏实体设备的条件下也能完成实验操作，该类平台尤其适用于医学、工程学等实践操作性较强的学科。

　　综上所述，随着人工智能技术的迅猛发展，传统知识生产与传播方式正面临前所未有的挑战。随着AI技术的持续发展，知识不仅在数量与范围上实现了爆发式增长，其结构、传播方式、学习模式也经历深刻变革。因此，深入探讨知识重构的底层机理，已成为理解与应对AI时代教育转型的重要课题。

　　AI技术对教育的赋能效应正深刻影响学科专业建设与人才培养模式。未来，高校需持续推动教育体系的数字化转型，创新学科设置、课程体系与教学方法，并在此过程中密切关注AI技术引发的伦理与社会问题。同时，教师角色转型、跨学科教育与个性化学习将成为教育改革的核心方向。面对AI时代的挑战和机遇，高等教育需不断提升教育质量、弥合技术鸿沟，并通过有效的政策引导与实践探索，确保AI赋能教育的可持续发展。

　　本文系2025年吉林省高等教育学会研究课题“‘AI+人文社科’的复合专业建设路径研究”(课题编号：JGJX25D1201)研究成果。

　　作者：张雪菲

　　制作：吴飞飞

　　校对：肖梦妍

　　审核：颜宝辉