北京邮电大学教授纪阳：

“学生能力自我改进”应处工程教育认证核心位置

 

多年来，北京邮电大学信息与通信工程学院教授纪阳一直在探索工程教育改革，也取得了很多成果。当他希望推广自身探索成果时，有教师提醒他：“你应该把工程教育认证的具体标准落实到现有改革内容中。”

作为国际通行的工程教育质量保障制度，工程教育认证是实现工程教育国际互认和工程师资格国际互认的重要基础。2016年，我国加入国际工程教育互认协议《华盛顿协议》，并据此制定了具体的工程认证标准。

作为工科教师，纪阳一直十分关注工程教育认证。在接受《中国科学报》采访时，他坦言现行的认证模式“似乎存在一些问题”。

“工程教育认证只认证专业，并没有认证学生。”纪阳说，这导致专业虽然在持续改进，但学生的工程能力发展水平仍然不足。“最关键的是，大多数学生在毕业时仍未形成持续改进自身工程能力的意识。”

专业持续改进，学生意识不变

《中国科学报》：如何理解工程教育认证“只认证专业，不认证学生”？

纪阳：目前工程教育认证十分注重认证对象“产出导向”意识和“持续改进”机制。所谓“产出导向”，指教学以“学生毕业5年后能达到的工程能力”作为设计专业培养体系的参照，包括培养目标、课程设置、师资队伍、支持条件、毕业要求等。而“持续改进”是指在接受评估时，学校应能证明自身可以围绕培养目标，对专业培养体系的相关内容进行持续的完善与修正。

这意味着在学生层面，标准只规定以“学生毕业5年后能达到的工程能力”为参照，但鉴于我国缺乏对毕业生的追踪评价机制，这一标准很难真正落实。

工程教育认证的对象是专业培养体系，这大多体现在教学管理层面，比如课程大纲修订、根据毕业生反馈调整培养方案等。那么，学生是否具有“产出导向”和“持续改进”的意识呢？

学生的“持续改进意识”是一种内化于个人的能力和习惯。当前的教育模式很难自然培养出这种意识。学生更关注的是如何提升绩点、如何考研或保研等话题，而非“我的工程能力如何螺旋式上升”。这导致“专业在改进”和“学生意识不变”之间出现脱节。

《中国科学报》：这会产生什么后果？

纪阳：当前，很多人批评工科教育“理科化”问题，认为工程教育过于侧重理论教学、公式推导和纸上谈兵，轻视解决复杂工程问题所需的实践能力、设计能力、沟通能力、团队协作能力和项目管理能力。

事实上，这些能力在认证标准中都有明确要求。但教学中由于种种原因，这些能力的培养往往流于形式，比如变成写报告、做PPT等，学生并未真正掌握相关能力。因此，即便专业通过认证，学生的平均工程能力仍可能达不到产业界期望，质疑声也随之出现。

这些现象揭示了一个系统性问题，即一个保障“输出质量”的体系，却无法直接控制和衡量“输出个体”的质量，其运行逻辑与对学生内在素质的期望之间存在鸿沟。

《中国科学报》：人工智能时代的到来有助于解决这些问题吗？

纪阳：恰恰相反，人工智能非但不能让问题消失，反而会加剧解决这一问题的紧迫性。

具体而言，人工智能的应用必将使工程领域的基础任务自动化——很多传统、重复性工作将被人工智能替代。如果工程教育只注重传授即将被淘汰的技能，学生将毫无竞争力。

与此相对，学生对高阶能力的需求将会激增，产业界对工程师的需求也将更聚焦人工智能难以替代的能力，如定义复杂问题、提出创新方案、批判性思维与决策能力、伦理与社会责任感等。这些都要求工程教育认证乃至工程教育本身进行深刻变革。

教会学生“怎么想”

《中国科学报》：是否可以认为，对学生综合能力培养的缺失是目前工科人才培养的核心问题？

纪阳：不能这样说。工程人才的能力核心是“学科综合”和“隐性知识”，但其背后反映的是工程师的特有思维模式，比如系统思维、迭代思维、设计思维等。当前，工程教育最大的缺失在于只传授“是什么”的知识和“怎么算”的能力，却极少甚至没有触及“怎么想”的思维。

单纯谈论“能力”确实空泛，因为能力是思维模式的外显行为。没有内在思维模式的支撑，所谓的能力培养就是无源之水。

《中国科学报》：如何从“面向知识传输”的教育转向“面向思维模式塑造”的教育？

纪阳：首先要明确工程师的核心思维模式是什么，并将这些“隐性”思维“显性化”。

比如，系统思维就是要能理解系统中各部分的相互关联和影响，而非孤立看待问题；权衡思维是要在成本、性能、时间、可靠性等多重约束下作出最优决策，没有“唯一解”；迭代与容错思维是要能接受“失败是开发的必然组成部分”，通过快速原型、测试和反馈循环来逼近成功……应在这些概念的具体含义上形成共识。

接下来便是在此基础上重构教学。但思维无法通过“讲授”灌输，必须通过“体验”和“反思”实现内化，这就要借助“现象教学”或“基于复杂问题的学习”。

具体来说，便是直接给学生抛出一个原始、未经加工的复杂现实问题。为解决问题，学生需要独立识别其涉及哪些学科，自行寻找和整合所需知识，并在多次尝试和失败中，体验权衡思维与迭代思维等具体思维模式。在此过程中，教师不再是知识的提供者，而是“思维教练”，通过提问引导学生的思考路径。

需要指出，这一过程中最重要的产出并非学生作品，而是一份“思维过程报告”。报告必须详细阐述最初想法是什么、在哪些地方失败了、失败原因、获得了何种反馈、如何思考并作出修改决策等。由此，学生的“隐性”思维自然被“显性化”，这是内化思维模式最关键的一步。

这也是人工智能时代工程教育必须完成的蜕变——因为人工智能最擅长的是“计算”和“执行”，而人类工程师最不可替代的价值，正是基于复杂思维模式进行定义、判断、权衡和创新的能力。培养这种能力就是培养未来工程师的核心竞争力。

从“学校说了什么”到“学生证明了什么”

《中国科学报》：除思维模式的变化外，你还提到学生要有“自我持续改进意识”，对此该如何理解？

纪阳：这种意识类似于中国古代的“修身”。墨家和儒家在教育理念上都很重视修身之道。教育最重要的就是使学生习得这种“修身之道”。

当前的工程教育认证对学生提出“终身学习”能力的要求，这与“修身”有些类似。但这通常是一种通识性要求，而非学生对自身工程思维和工程能力的持续改进，不是真正意义上“工程师的自我修养”。

从工程认证视角看，这一要求应作为核心教育目标。试想，如果高校证明不了学生在校期间已养成“自我持续改进工程思维和工程能力”的学习能力，如何让人们信服“学生毕业5年后能达到的工程能力”与大学有关？

《中国科学报》：如同“思维模式”一样，“终身学习”也是相对抽象的概念，是否也应将其“显性化”？

纪阳：是的，工科学生终身学习能力的意识形成无需等到毕业5年后，而应在大学期间就将其“显性化”。应重新定义终身学习能力，并将其概念分解为学生在校期间以及毕业生离校时应具备的具体、可验证的行为特质和证据，主要包括以下几项能力。

一是识别自身知识、技能和思维缺口的能力，即学生能清晰阐述自己“会什么”“不会什么”，并在项目中主动、准确提出需要学习的新知识、技能和思维清单。

二是自主获取与整合新知识的能力，如学生能熟练使用多种学习渠道，能快速学习并应用一种新工具、新框架或新理论。

三是自我导向式项目学习的能力，如能独立或在团队中发起、规划、执行并完成一个基于个人兴趣或面向真实问题的项目，展示其学习成果。

四是建立并维护个人学习网络知识的能力，如在专业平台上拥有活跃的足迹，关注领域内的专家、参与讨论，并为开源项目贡献力量。

五是持续自我反思与迭代的习惯，如有持续更新的技术博客、工程日志或作品集，并通过这些记录展示对项目的反思和认知升级。

上述能力可看作终身学习能力的具体体现，也可作为学生是否具备相关能力的“观察点”。

《中国科学报》：在这方面，工程教育认证该如何驱动学校进行改革？

纪阳：工程教育认证应强化对于“终身学习”的要求，聚焦“工程能力的自我持续改进”，并设置与之相关的考查内容。

具体做法可以有很多。比如，要求工科人才培养方案必须包含一门以上专门讲授高效学习方法、知识管理工具和思维模式的课程；专业核心课程必须包含开放式项目，该项目必须要求学生用到一项课程未教过的技能或工具，并将其学习过程纳入评分标准；“顶点项目”（Capstone Project）的评审委员会必须包含企业资深工程师，其重要评审内容是评估学生“快速学习并应用未知技术”的能力。

在工具与平台支持方面，学校应为学生提供数字作品集平台。该平台不仅能展示最终作品，更能以可视化方式记录项目迭代过程、学习路径和能力成长。同时，学校应允许学生将人工智能工具作为自身的学习助手，帮助其制订学习计划、调试代码、理解复杂概念，培养他们与人工智能协作学习的习惯。

此外，还应规定高校设立正式学分，用于认定学生在校外获得的学习成就。比如，完成高质量的慕课课程、获得技能认证、在开源项目中有实质贡献等，同时支持以技术学习与分享为核心的学生社团，将其与官方学分或奖励体系挂钩。

在教师层面，教师培训也必须加入“如何培养学生终身学习能力”的模块。教师的角色应从“讲师”转变为“学习体验设计师”和“学习教练”。

《中国科学报》：这样就能达到培养学生“持续改进”的最终目标？

纪阳：从思路上看，该认证模式改革的本质是从“学校，请证明你教了”，转变为“学生，请证明你学会了，并能继续学”。认证焦点也从教学过程转移到学习成果，并从在校阶段的短期成果，延伸到毕业后长期发展的潜力。

通过这样的重新设计和考核，工程认证才能真正发挥其“持续改进”的威力，迫使学校进行深层次改革。

对学生而言，他们必须从入学开始，就像真正的工程师一样思考和行动，构建自身知识体系和学习网络；对学校而言，必须提供相应课程、工具和文化支持，将培养学生的终身学习能力作为核心竞争力；对认证体系而言，它拥有了衡量教育长期价值的标尺，其认证结果将更具公信力和指导意义。

这一改革无疑面临巨大挑战，但人工智能时代提供的技术工具，如学习分析、数字平台等，使这种以“证据”和“数据”为核心的考核成为可能。这不再是理想，而是迫在眉睫的必要工作。