东大副校长：数字技术赋能教学需摆脱路径依赖

 

作为我国互联网、云计算领域的知名学者，东北大学副校长王兴伟已经研究了几十年的数字技术。但即便是他，对于目前数字技术和人工智能在高等教育领域的渗透速度也感到吃惊。

“当前，科技的快速发展对高校人才培养模式提出了更高要求。传统教育，特别是工科教育正面临一系列挑战。”接受《中国科学报》采访时，王兴伟说。

王兴伟所说的“一系列挑战”包括课程资源数字化建设困难、教学环节智能化不足、专业交叉融合机制缺失等。作为高校教师，王兴伟对这些难题深有体会，也正在立足于本领域研究，努力探索解决之道。

教学资源数字化缺少顶层设计

《中国科学报》：当前，数字技术和人工智能与高等教育的结合已是大势所趋。你认为在此过程中，我们面临哪些问题？

王兴伟：目前，数字技术在高校教学体系建设中发挥的作用有目共睹，尤其在课程资源建设、教育技术提升等方面取得了良好成效，但的确存在一些问题。

比如，当下高校教学资源数字化建设缺少顶层设计，这导致课程体系构建碎片化。

具体来说，在推进数字技术与人工智能应用时，高校普遍缺乏面向课程体系总体建设的系统性规划，多以单门课程为单位进行技术嵌入，未能从学科交叉、专业融合的高度构建全局性框架。部分高校在建设智能教学平台时，不同院系各自为政，重复采购功能相似的智能化平台工具，导致数据标准不统一、知识图谱割裂。

教学改革中，一些高校仅将人工智能技术作为提升教育技术的工具，片面追求教学要素的“智能化率”，忽视了“以学生发展为中心”的教育内核。比如，很多课程的人工智能技术应用停留在“数据收集”层面，通常在系统侧将复杂知识拆解为标准化题库。此举强化了学生的应试思维，却忽略了其个性化特征。

此外，产业先进技术与高校教学缺少同频互融。虽然高校针对校企协同育人，建立了课程与项目合作机制，但课程案例库更新滞后，缺少前沿实践类教学内容，导致课程建设与产业需求脱节。企业导师参与率低、实践实验平台建设匮乏、学生难以接触工业级开发环境等使这一问题变得更加严重。

《中国科学报》：你认为出现上述问题的深层次原因是什么？

王兴伟：客观层面，人工智能等前沿技术发展迅速，现有教育制度难以适应其迭代速度，处于被动接受状态。高校对新技术的发展方向也缺乏明晰认识，无法真正思考一些赋能教育教学的核心问题。

更深层次的原因则在于传统教育模式与新技术范式存在根本性冲突。现行教学体系强调知识的传递效率，而人工智能时代需要的是个性化能力培养和跨学科创新。这种结构性矛盾导致高校在推进新技术赋能教学时，很容易陷入结构性错位——人工智能技术应用场景天然需要多学科知识融合，但学科壁垒、课程体系与“人工智能+X”的交叉需求又难以有效兼容。

这导致高校的智能化改革陷入两难抉择，既希望借助人工智能突破传统教学限制，又限于既有课程结构、评估体系的路径依赖，被迫将新技术嵌入旧框架，最终引发知识体系的割裂化与资源建设的重复化。

在主观层面，目前高校教师在技术认知层面呈现两极分化，长期固化的教学习惯使部分教师对新工具产生抵触，担忧技术介入会削弱教学主导权；另一些教师则将人工智能简单视为效率工具，反而容易使教学停留在低阶思维训练阶段。

更根本的问题是，师生普遍缺乏对“人机协同”教学本质的理解——技术不应替代教育主体的创造性活动，而应延伸人的认知边界。这种主观认知的偏差使技术应用停留于工具替代层面，未能深度触发教学范式变革。

新措施直指三大痛点

《中国科学报》：你觉得怎样才能纠正上述问题，进行了哪些实践？

王兴伟：上述问题在高等教育的各个层面均有体现，但目前表现最明显的还是工程教育领域。作为工科教师，我希望针对工科教育做一些探索。

比如，我所在的东北大学计算机学院承担着全校20余个专业的计算机基础教育培养工作。这份教学任务固然繁重，但给了我们协调多学科教学的机会。

我们针对传统教学依赖静态知识传授、缺乏前沿科技赋能与动态反馈机制的问题，以一批国家级和省级一流本科课程为基础，将人工智能技术引入教学，研发可同时服务于教师教学、学生学习的“智能化教学平台”系统，将不同教师和课程的数字化教学资源加以整合，并将其用于提升学生的助教服务。

再比如，针对实践教学与企业脱节、学生工程素养难以满足产业需求的问题，我们建立了“需求-项目-平台”联动的产教协同赋能机制，联合企业成立“技术需求委员会”，定期发布行业技术清单，动态调整课程目标，实现了产业需求反向驱动课程改革的目标。

在此基础上，我们还将一些技术开发类、预研类项目拆解为教学任务，形成“课堂案例-学期项目-毕业设计”三级链条，并与企业共同打造各类“教学案例库”，构建资源共享平台，实现教学内容与企业技术的“零代差”。

此外，我们还构建了面向不同专业的交叉课程群，通过智能化教学平台进行交叉课程共享，并在此基础上设计“医学+信息科学”“机械+人工智能”等融合课程模块，形成“课程多维交叉实践平台”。

以此为基础，我们形成了“基础层—融合层—实战层”递进式的专业交叉人才培养体系——基础层依托一批一流本科课程教学经验及数字化教学资料，夯实学生核心能力；融合层基于“校企资源共享平台”融入企业实际问题，提升学生的实践能力；实战层则依托“课程多维交叉实践平台”，开展真实项目训练，培养学生的跨专业创新能力。

《中国科学报》：通过上述措施，你希望达到怎样的效果？

王兴伟：我们希望能打造一套以“数智筑基、产教深融、专业交叉”为核心的新工科拔尖人才培养体系，解决工科高等教育中存在的教学数字化与智能化水平不足、专业交叉融合机制缺失、产教协同表面化等问题。

具体而言，主要是三大核心痛点。

首先是教育资源分布失衡问题。通过建立数字化的知识库和跨校共享机制，让中西部高校也能获取顶尖课程资源，打破优质教育资源过度集中的“马太效应”。

其次是传统教学中知识与能力脱节的问题。借助智能平台，我们希望学生利用多学科交叉场景，锻炼解决复杂问题的能力。

最后是专业建设滞后于产业需求的问题。通过产教共同体，我们力求实现教学内容的动态调整，比如将芯片制造等产业前沿技术快速转化为课程内容，确保人才培养与行业发展同步。

应该说，上述痛点普遍存在于目前国内工科人才培养的不同环节中，只有彻底解决这些问题，才能从根本上改变传统高校人才培养中资源不均、创新不足、产教脱节的状况，为培养真正适应国家战略需求的拔尖创新人才提供系统性解决方案。

人才培养体系须重构

《中国科学报》：当前，培养宽口径、多学科交叉融合的高素质人才已成为很多高校的目标，你认为此类人才培养需要注意哪些问题？

王兴伟：多学科交叉人才培养面临的最大问题，依然是如何突破传统教育模式的桎梏。当前，科技发展日新月异，新兴领域不断涌现，这要求高校必须重构人才培养体系。

一是学科交叉的落地问题，即如何通过机制创新，将不同学科的知识点建立显性关联。在这方面我们做了一些探索，比如在智能制造专业中，让机械设计的知识点关联控制算法、材料科学等内容，使学生直观感受知识网络，形成系统性思维。

二是教师协同不足的问题，要解决这一问题，需要组建真正意义上的跨学科教学团队，打破教师间的学科壁垒。以我校计算机科学与生物医学教师联合开设的“智能健康工程”课程为例，学生需要完成两个学科的实践项目才能获得学分。我们还将校企合作成果纳入教师考评，激励教师投入跨学科实践教学中。

在学生的评价方面，我们通过引入“创新涌现度”指标，借助智能系统追踪学生解决复杂问题时运用多学科知识的能力。比如在毕业设计中，系统会基于知识图谱，分析学生提出的碳中和方案中跨学科知识的融合程度和创新性。

《中国科学报》：在这个过程中，有哪些问题需要注意？

王兴伟：首先是人工智能等新技术在教学中的滥用问题。新技术在教育教学中的使用应有边界，不能过分侵蚀学生个人隐私。要时刻牢记教育的目标是提升学生的素质素养，人工智能只能作为手段服务于此目标，不能本末倒置。无论如何，技术都不能取代教师在教学过程中对学生创新思维、创造思维、批判思维、探索思维等多元能力的培养作用。

其次，要时刻追踪最新科技发展，并将“科研—教学”二者有机结合，有意识地将国内外最新科研成果应用于课程教学。同时，人工智能等新技术发展也需要高校教师主动学习、主动融入、全面提升自身人工智能素养，并有意识地使用这些技术进行教学方法创新，以提高课程教学质量。

最后，学科交叉必须坚持以真实问题为导向，避免形式化；要重视学生的认知负荷管理，采用渐进式学习路径设计；制度创新是根本保障，需要建立配套的教师考评、学分认定等新机制。

总之，在人工智能等技术全面渗透高等教育的大背景下，只有以共享生态促进教学资源的不断优化、教学技术的智能升级、产教融合的同频共进，才能培养出国家急需的拔尖创新人才，攻克关键技术领域的核心壁垒。这也是我们建立“数智深融、多维交叉、产教同频”教学模式的最终目标。