1. 引言
2025年全国两会期间，教育部部长怀进鹏表示，2025年中国将发布人工智能教育白皮书，加快布局人工智能领域，继续加大国家智慧教育平台建设，把人工智能与教育结合起来，提升学生在数字化时代、智能化时代的素养和能力[1]。而人工智能作为具有重要作用的技术，在地方高校教育体系中的地位日益凸显，其快速发展的能力正深刻改变传统认知与学习范式，为人类社会发展带来新的机遇与挑战。发展人工智能通识教育已成为推进国家战略的基本需求。习近平总书记强调，要“深入实施国家教育数字化战略”，“积极推动人工智能和教育深度融合，促进教育变革创新”。
人工智能通识教育为学生提供智能思维范式和创新工具集，给学生提供新的思维方式和工具，学生得以突破传统思维局限，并运用前沿智能工具解决复杂问题。目前人工智能技术在经济管理领域的应用几乎无处不在[2]-[5]。例如，机器学习算法可以帮助预测企业债务违约风险，智能优化算法可以优化物流运输路径，计算机视觉算法能够自动识别货架摆放不合理的问题。基于能力本位教育理论，教育的目标是培养学习者在特定职业或领域中有效完成工作任务的能力。那么随着AI技术在经济管理领域的广泛应用，经管类本科生必须具备足够的AI素养，才能适应行业变革的需求。
在此政策与行业背景下，国内高校纷纷开设AI通识课程，而这类通识教育的核心目标在于培养学生运用AI解决实际问题的能力，为经济转型和发展培养人才[6]。如何通过更加有效的《人工智能》通识课程培养具有AI素养的经管类本科生，是目前国内众多高校面临的挑战。东莞理工学院(Dongguan University of Technology, DGUT)于2023年起面向经管类本科生推出了《人工智能》通识课程，旨在培养能将AI应用于管理实践的人才。不过，教学过程中发现，DGUT经管类本科生在学习这门课程时面临着巨大的挑战。因此，本研究以DGUT经管类本科生的《人工智能》通识课程作为研究对象，通过对课程现状进行分析，总结其存在的主要问题，并提出针对性的改进对策。本研究的成果预期能帮助DGUT改进经管类本科生《人工智能》通识课程的教学效果，同时也希望能为其他高校的相关课程发展提供可借鉴的经验。
2. DGUT经管类本科生《人工智能》通识课程现状分析
2.1. 课程目标与课程体系
自2023年起，DGUT通识教育中心面向经济与管理学院所有专业的大二本科生开设2学分、32学时的《人工智能》通识必修课程。课程以人工智能的基础知识、发展现状、研究热点、技术支撑等方面作为主要内容。通过课程学习，学生能够系统性掌握人工智能的概念、特征与意义，归纳人工智能的发展简史，包括其发展历程、现状与趋势；熟悉人工智能的研究热点问题与技术支持，包括知识表示、智能算法、机器学习、深度学习入门以及自然语言处理、计算机视觉等技术的应用简介。结合人工智能相关技术在经管领域的应用案例，让学生了解AI技术的应用场景及步骤。
2.2. 教学方法与师资队伍
《人工智能》通识课程教学模式主要采用课堂讲授和案例分析的方法，并未设置独立的实践学时。人工智能相关概念、理论和方法采用课堂讲授，而人工智能技术的应用则采用案例分析方法，比如采用蚁群算法求解旅行商问题、基于机器学习算法的餐饮企业顾客价值分析等。课程考核采用课程论文的方式进行，要求学生在学期课程结束后提交一份采用人工智能技术解决本专业实际问题的论文，需要在论文中阐述使用人工智能某项具体技术的步骤。
该通识课程的师资队伍由开设《人工智能》通识课程的各院系教师组成，但主要依靠计算机等理工科院系教师自愿报名担任。目前经管学院担任《人工智能》通识课程教学工作的专任教师仅有2~3名，其余则由计算机等理工科院系教师担任。
2.3. 学生反馈与学习效果
根据课堂情况来看，学生抬头率低，课堂活动参与积极性不高。进一步对DGUT经济与管理学院2023与2024年度《人工智能》通识课程教学评价中的学生反馈进行梳理后发现，大部分学生在算法和编程部分遇到困难，导致在学习过程中逐渐丧失了兴趣与耐心，课堂互动和课堂氛围严重不足，学习效果大打折扣。
3. DGUT经管类本科生《人工智能》通识课程存在的主要问题
通过对该课程现状的梳理，本研究发现面向经管类本科生的《人工智能》通识课程在教学内容与方式、教学资源以及学生基础与学生态度三个方面存在以下问题。
3.1. 教学内容与方式层面
3.1.1. 教学内容与实践脱节
该课程在内容设计上存在以下问题。首先，课程内容对AI的技术原理和理论介绍过多，这部分内容对数学和编程思维的要求较高，而DGUT经管类本科生文科生占比较高，数学和编程能力较弱，理解起来难度很大。第二，课堂上经管相关AI应用案例偏少，选用的案例通常是计算机领域的经典例子(如图像识别、机器翻译等)。此外，AI技术发展迅速，但该课程的重点仍是传统机器学习算法，对当前火热的大语言模型、文本到图片生成模型、文本到视频生成模型等生成式AI涉及较少，无法满足学生对新兴AI技术的好奇。
3.1.2. 教学方法单一
《人工智能》通识课程课堂教学以教师单向讲授理论为主，缺少学生实践环节，无法激发学生对人工智能的兴趣，也无法真正培养学生应用AI解决实际问题的能力。课程对案例讨论、小组展示等现代教学方法的运用也十分有限，导致难以培养学生主动学习的能力和创新能力。此外，学校的教学安排没有考虑经管类本科生数学与编程基础较薄弱的实际情况，对全校所有专业采用统一的教学进度和难度，无法满足经济管理类本科生的特殊学习需求。
3.1.3. 考核方式单一且易受干扰
目前DGUT《人工智能》通识课程以课程论文作为主要考核形式，要求学生阐述AI在其专业领域的应用，这种单一的考核方式在人工智能时代显得尤为不足。而且单一的考核方式，过程性评价缺失，导致学生难以从课程中获得成就感和学习动力。另外，随着ChatGPT、DeepSeek等生成式大语言模型的普及，经管类本科生借助AI完成论文的现象十分严重。这不仅使得教师难以真实评估学生的学习投入与掌握水平，削弱了考核的信度和效度，也进一步导致了学生对《人工智能》课程的轻视与怠慢，学习效果大打折扣。
3.2. 教学资源层面
3.2.1. 师资力量短缺
DGUT经济与管理学院由于缺乏AI技术背景的专任教师，其《人工智能》通识课程的师资主要来源于计算机学院和其他理工科院系。这种师资结构的问题在于：即使是理工科背景的任课教师，也很可能缺乏系统的AI专业知识或AI项目经历；更为严重的是，这些理工科教师往往不具备经济管理学科背景，难以把握经管类本科生的知识水平和兴趣，也难以开发出真正贴合经管专业需求的教学案例，导致学生学习效果差。尽管目前学校组织了很多面向教师的AI培训，但这些培训侧重提升教师的AI教学方法，较少涉及任课教师AI专业知识本身的系统提升，无法有效缓解经济与管理学院人工智能师资力量短缺的问题。
3.2.2. 缺乏适配的教材
教材问题也是DGUT经管类《人工智能》通识课程的一大短板。由于目前缺少面向经管类本科生的《人工智能》通识课程教材，目前采用的是全校统一的教材，讲授内容由任课教师自行调整，这就导致授课内容和授课方式在不同专业和不同学期之间缺乏一致性。而且这些教材往往过于侧重AI技术理论，缺乏与经济管理应用场景深度结合的案例，难以满足经管学生通识学习的特定需求，导致教学的针对性和有效性严重不足。
3.3. 学生基础与态度层面
3.3.1. 学生数学和编程基础薄弱
《人工智能》通识课程不可避免会涉及人工智能相关算法以及数学推导，但DGUT经管类本科生文科生占比较大，数学与编程基础相比于理工科学生较为薄弱。尽管部分专业在大一开设了《Python程序语言设计》课程，但任课教师(多来自理工科院系)普遍反映他们对经管学生的编程能力要求不高，多数学生学完后基础编程能力仍然十分欠缺。除此之外，在《概率论与数理统计》《线性代数》等数学课程上，不少经管学生的掌握程度也不尽如人意。这些先修知识的不足导致经管类学生在学习AI时有心无力，不仅无法理解AI算法理论，也很难通过编程实践来应用AI解决专业领域的实际问题。
3.3.2. 学生对《人工智能》通识课程重视程度不够
DGUT经济与管理学院将《人工智能》设置为通识必修课，学生上课只是为了获得通识课程的必修学分，而非基于个人兴趣和能力提升需求，因此学生上课时敷衍了事，难以专注。另外学生面临专业课程、考证、实习等多重压力，认为专业课程对未来就业和升学更重要，从而将大量时间投入专业课学习，对通识课程投入较少，甚至在《人工智能》课堂上完成其他课程的学习任务。
4. DGUT经管类本科生《人工智能》通识课程教学改进对策
针对上述课程中存在的问题，本研究针对性地提出了以下改进对策。
4.1. 强化课程内容应用导向
针对教学内容与实践存在脱节的问题，授课教师应增强《人工智能》通识课程内容的应用导向，课程必须实现从理论为主转向理论与实践紧密结合的转型。具体来说，首先，除了AI技术和理论，课程应该围绕智慧供应链、经济金融大数据分析、智能财务等关键领域设计AI应用模块，保证课程内容与经管实践相结合。其次，课程还应该追踪AI技术前沿，及时融入大语言模型等前沿AI技术及其在经管领域的应用案例。最后，课程需要加强与行业领先企业加强合作，引入真实案例，提升课程的专业性和实践性。
4.2. 加强人工智能师资队伍建设
DGUT可以从内部培养和外部引进两个方面入手，针对性解决人工智能师资力量短缺的问题。内部培养方面，短期内，DGUT可以整合校内力量，联合经济与管理学院和计算机学院构建《人工智能》虚拟教研室，让两个学院的专任教师共同备课，联合授课，从而保证课堂的专业性和应用贴切性。长远来看，DGUT必须系统提升本校专任教师的AI基础能力。这意味着不仅仅是需要通过培训提高本校教师用AI辅助教学的能力，更重要的是组织他们学习机器学习、深度学习、数据挖掘等课程，从而帮助他们系统掌握AI理论知识和技术。外部引进方面，DGUT可以考虑设立专门面向“AI + 经管”交叉领域的教职岗位，积极引入有AI技术背景的经管专业博士，弥补经济与管理学院人工智能师资的不足。
4.3. 多元化教学方法
根据建构主义学习理论的思想，学习是学习者主动建构知识意义的过程，而非被动接受信息的过程。那么要提升DGUT《人工智能》通识课程教学的实际效果，必须要改变现有单一的理论知识讲授模式，引入多元化教学方法。首先，课程应该积极采用案例教学的方式。任课教师需要精选一批国内外企业应用AI解决实际问题的典型案例，带领学生通过小组讨论和课堂互动深入理解AI解决实际问题的逻辑，掌握不同AI技术的作用、优势和缺陷。此外，课程应该引导学生学习和动手应用AI工具，体验从问题定义、数据获取、模型构建和结果分析的完整流程，真正培养学生动手应用AI解决问题的实践能力。最后，DGUT应该实施分层分类教学，探索为不同学科背景的学生提供不同侧重点的AI通识课程模块。对于经济管理类本科生来说，应该降低AI理论知识的比重，增加应用案例的比例，降低技术门槛，让他们专注于学习如何利用AI来解决专业实际问题，从而激发学生应用AI的兴趣，提升整体的学习效果。
4.4. 强化数学与编程基础
由于经管类本科生普遍存在数学和编程方面基础较弱的问题，DGUT必须强化他们的数学与编程能力，并做好与《人工智能》通识课程的衔接。首先，DGUT经济与管理学院需要对培养方案进行较大的调整。在大一阶段，学院要严格要求学生修读好必要的先修课程，包括《线性代数》《概率论与数理统计》《计算机基础》以及《Python程序语言设计》等。此外，由于这些数学与编程课程大多由计算机学院的专任教师兼任，DGUT应该要求任课教师们适当提升这些课程的考核要求，确保学生能真正打下扎实的数学和编程基础，让这些基础课程与《人工智能》通识课程在知识体系上形成明确的支撑关系。
4.5. 完善教学资源
为经管类本科生开发高质量、适配性强的《人工智能》通识课程教材及配套资源至关重要。首先，应联合经济与管理学院和计算机学院组织跨学科的教材编写团队，教材可使用经管典型AI应用场景为线索来组织AI算法技术的讲解，避免过多的算法理论知识，丰富时效性强的行业案例和可实操的实践项目。其次，需要开发与案例和项目配套的数据集和代码集，引导学生使用Python进行编程实践，培养学生的动手能力。最后，教材编写团队还应该动态更新教材知识点与案例，确保教材内容的时效性。
4.6. 改革考核方式
目前，《人工智能》通识课程采用课程论文的单一考核方式。这种考核方式易受干扰且缺乏过程性考核，导致学生课堂积极性不高、普遍存在敷衍了事的态度，任课教师也难以对学生的学习效果进行准确评估。因此，任课教师应该优化《人工智能》通识课程的考核方式，重点考察学生的学习过程和应用AI解决实际问题的能力。具体而言，课程应该要求学生针对经管某个领域的实际问题，运用课上学到的AI技术与工具，完成需求定义、数据搜集与处理、算法选择与实施、结果分析与报告撰写的全流程。这种方法才能对学生应用AI解决实际问题的能力进行准确评估。除了课程报告的期末考核方式，课程还应该引入过程性考核，通过课堂展示、课堂互动等方式对学生的学习过程和学习成效进行客观真实地评价。
5. 结论
人工智能(AI)的飞速发展要求高校经济管理人才培养模式必须随之变革。本文以DGUT为例，从教学内容与方式、教学资源、学生基础与态度三个层面分析了当前经管类本科生AI通识课程存在的问题。基于此，本研究从课程内容优化、师资建设、教学方法、学生基础强化、教材编写、考核改革等六个方面提出了针对性的改进策略，旨在提高DGUT经管类本科生《人工智能》通识课程的教学效果，提升他们应用AI解决专业实际问题的能力。本研究的分析与建议，期望能为同类高校优化相关课程提供借鉴。
NOTES
*通讯作者。