《2026高等职业院校人工智能通识课程体系建设指南》

一、报告概述

本指南由全国人工智能通识教育产教融合共同体、河南省高等学校计算机教育研究会基础教育委员会、河南省人工智能学会人工智能通识教育专委会联合编制，旨在贯彻落实《“人工智能+教育”行动计划》等文件精神，为高等职业院校系统构建人工智能通识教育提供规范化、可落地、可推广的实施框架。指南立足高等职业教育类型定位，坚持立德树人为根本、能力培养为核心、岗位需求为导向、岗课赛证融合为路径、安全合规为底线，面向高职院校系统构建了人工智能通识教育的培养目标、知识模块、教学内容、实施方法与评价体系四大核心板块。指南指出，人工智能正深刻改变生产生活方式，各行业普遍要求从业者具备基础AI认知、工具应用、数据处理与人机协同能力；高职院校必须紧跟产业发展趋势，将人工智能通识教育纳入人才培养体系。指南提出了“通识基础型—通识技术型—通识交叉型”三层课程体系，包含五大知识模块（人工智能基础与通用工具应用、职业场景数据处理实操、AI融合专业场景与岗位应用、前沿技术与产业新应用、伦理安全与职业规范）和21门推荐课程，并系统设计了课程规划、师资培训、教学资源、产教融合、岗课赛证、课程思政与效果评价等实施保障机制，为高职院校开展AI通识教育提供了完整闭环的参考框架。

二、背景与意义：人工智能通识教育的时代使命

（一）时代背景与政策依据

人工智能作为引领新一轮科技革命与产业变革的战略性技术，正深刻改变人类生产生活方式，成为推动新质生产力形成的核心动力。国家高度重视AI教育发展——《教育强国建设规划纲要（2024—2035年）》《国务院关于深入实施“人工智能+”行动的意见》 等文件均将AI教育列为重要方向。2026年4月，教育部等五部门印发《“人工智能+教育”行动计划》，明确指出“推动人工智能成为高校公共基础课，按学科专业分类编写课程教材，推动全体学生掌握人工智能知识”。

在职业教育领域，AI正重构岗位结构、革新生产方式、升级服务模式——装备制造、财经商贸、交通运输、现代农业、医疗健康、社会服务等行业普遍要求从业者具备基础AI认知、工具应用、数据处理与人机协同能力。开展人工智能通识教育已成为高职院校适应产业智能升级、提升学生就业竞争力的必然要求。

（二）人工智能通识教育的需求、定位与挑战

三大需求驱动：一是产业升级需求——各行业智能化转型加快，职业岗位呈现“AI+”特征，迫切需要复合型人才；二是学生发展需求——非AI专业学生需掌握AI基本概念与工具应用，破除技术认知壁垒，培养创新思维与跨学科融合能力；三是国家战略需求——AI素养已成为数字时代公民的基本素质。

核心定位：人工智能通识课是面向全体学生的公共基础课，旨在普及AI基础知识、实用技能与科学思维方法，全面提升学生数字素养与创新能力，紧密贴合职业教育特性，强化实践应用和相关技能培养，立足区域产业发展需求设计差异化教学内容。

三大挑战：教学内容与专业适配不足——不同专业呈现“一刀切”同质化倾向；资源建设存在短板——契合高职学情与产业前沿的优质教学资源相对匮乏；评价体系不够完善——考核多停留在知识记忆或基础操作层面，缺乏对AI伦理意识、数字安全素养及人机协同解决问题能力的综合性评价。

三、培养目标：四大核心能力

指南确立了人工智能通识教育的四大培养目标，形成从思维认知到伦理责任的完整闭环：

思维认知与人机协同素养——培养学生具备AI和计算思维意识，深刻理解数据、算法、算力等AI要素的作用，建立“人机协同”理念，掌握与智能系统高效沟通、协作解决问题的核心能力，实现从单一技能操作向人机协同创新的思维跃迁。

工具应用与数据实践能力——培养学生熟练掌握主流AI工具、低代码平台及行业通用智能软件的操作技能，具备规范化的数据采集、清洗、处理及可视化分析能力，养成基于客观数据和AI分析结果进行决策的习惯。

专业融合与岗位胜任能力——推动AI技术与学生所学专业深度融合，培养学生利用AI技术优化本专业传统工作流程、解决行业实际问题的能力，胜任智能化升级后的新岗位要求。

伦理安全与持续发展能力——恪守“智能向善”核心理念，筑牢AI伦理安全底线，严格遵守数据安全、隐私保护、知识产权等法律法规，同时培养自主学习能力、信息检索能力与终身学习习惯。

四、五大知识模块

指南围绕高职教育“技能型、应用型、职业化”定位，设计了五大核心知识模块，每个模块包含知识单元、知识点和教学要求（知识要求+能力要求+素养要求），突出实操性、岗位适配性与职教特色：

知识模块1：人工智能基础与通用工具应用——“认知奠基、工具实操、场景应用、素养赋能”。涵盖AI基础认知、通用AI工具实操、基础应用场景落地。要求学生掌握AI定义、发展脉络与核心特征，熟练操作2—3种主流国产大模型、AIGC工具和智能体开发工具，能结合学习与职业场景运用AI完成基础任务，树立科学、辩证的AI认知与合规使用意识。

知识模块2：职业场景数据处理实操——“合法采集、规范处理、安全应用”。涵盖职业场景数据基础认知与合法采集、基础数据处理实操、数据可视化与职业场景应用落地。要求学生掌握数据采集的合法途径与合规要求，熟练完成数据清洗、脱敏、标注、分类等实操任务，运用工具完成数据可视化呈现，培养数据驱动思维与数据安全存储习惯。

知识模块3：AI融合专业场景与岗位应用——“专业适配、岗位落地、跨界赋能”。涵盖AI融合专业应用基础认知、各专业群AI场景实操与工具适配、岗课赛证融合与AI应用成果落地。要求学生掌握“AI+专业”融合的核心逻辑，能熟练运用本专业适配AI工具完成实操任务，结合岗课赛证要求完成项目实操与成果优化，树立岗位胜任意识与持续学习能力。

知识模块4：AI前沿技术与产业新应用——紧跟技术发展步伐。涵盖前沿技术基础认知、产业应用落地、前沿技术趋势与职业发展机遇。要求学生了解2—4种核心前沿技术（如具身智能、多模态大模型等）的发展态势，识别本专业所在产业的前沿技术核心应用场景，初步规划个人“AI+专业”职业发展路径，树立终身学习意识。

知识模块5：AI伦理、安全与职业规范——立德树人、合规育人。涵盖AI伦理基础认知与核心准则、AI安全与相关法律法规、职业场景AI应用职业规范与践行。要求学生掌握AI伦理核心准则，识别AI应用中的伦理风险与安全风险，严格遵守法律法规与职业规范，践行合规用智，树立职业责任意识与法治意识。

五、三层课程体系：21门推荐课程

指南将AI通识课程分为通识基础型、通识技术型、通识交叉型三类，建议各院校根据专业特点分层选修：

（一）通识基础型课程（4门，面向全体学生）

人工智能基础与大模型应用（2学分/32学时）：以“案例导入—原理解析—实践操作”为主线，覆盖AI基础认知、大模型基础与实操、智能体开发与应用、AI伦理与安全基础。先修要求：无。

计算思维与人工智能素养（2学分/32学时）：覆盖计算系统基础、计算思维与问题求解、AI基础、数据思维基础、AI工具办公应用、智能体开发。先修要求：无。

大模型与AIGC应用（2学分/32学时）：聚焦实操能力培养，覆盖主流国产大模型与AIGC工具操作、提示词工程基础与优化、智能体开发、AIGC应用合规与知识产权保护。先修要求：无。

人工智能项目实践基础（2学分/32学时）：覆盖AI项目基本流程、需求分析方法、项目方案设计、基础实操、成果评估与优化、实践伦理与安全规范。先修要求：建议先修“AI基础与大模型应用”或“大模型与AIGC应用”。

（二）通识技术型课程（5门，侧重技术实操与技能强化）

Python与人工智能基础（2学分/32学时）：覆盖Python基础语法、数据处理、AI编程框架基础、大模型辅助编程与AI Coding。先修要求：“AI基础与大模型应用”或相似课程。

AI数据处理与标注（2学分/32学时）：覆盖数据处理基础、数据脱敏与分类、数据标注基础、职业场景实操、数据安全与合规，对接数据标注工程师等入门岗位需求。

机器视觉基础与应用（2学分/32学时，理论10+实操22）：覆盖机器视觉概述、基础图像处理、视觉识别应用、行业案例实操，适配智能制造、智能安防等领域岗位需求。

人工智能导论（2学分/32学时）：覆盖AI基本原理、机器学习、自然语言处理、计算机视觉等技术体系，伦理规范与安全风险。建议具备Python编程基础与数学基础。

深度学习（2~3学分/32~48学时）：覆盖深度学习概念内涵与发展脉络、神经网络结构（CNN/RNN/LSTM/GAN等）、TensorFlow/PyTorch框架使用、模型搭建训练与调优。需具备扎实数学基础与Python编程基础。

（三）通识交叉型课程（12门，按专业群选修）

智能制造（2~3学分/32~48学时）：覆盖工业数据采集与预处理、机器学习与深度学习在质量检测/故障诊断/工艺优化中的应用、智能制造系统集成与边缘计算部署。先修需具备Python基础。

智慧财贸（2学分/32学时）：覆盖AI在财税（智能票据识别/自动记账/税务辅助）、金融（信用评估/反欺诈/智能投顾）、数字贸易与电商（选品分析/智能客服）、营销与运营（用户画像/精准营销）等领域的应用，强调数据安全与商业伦理。

智慧服务（2学分/32学时）：覆盖AI在政务、社区、养老、家政、人力资源等公共服务场景中的应用，强调以人为本、安全合规、伦理优先。

智慧农业（2学分/32学时，理论16+实操16）：覆盖农业数据采集与预处理、机器学习与计算机视觉在病虫害识别/作物生长监测/产量预测中的应用、农业物联网系统架构。

智慧医疗与康养（2学分/32学时）：覆盖AI在智能诊疗、医学影像分析、健康管理、智慧养老等场景的应用，强调医疗数据安全与隐私保护。

智慧交通（2学分/32学时）：覆盖交通数据采集与处理、AI在交通信号智能控制/交通流预测/拥堵分析中的应用、计算机视觉在交通场景中的应用、车路协同与智能网联。

智能媒体与创意（2~3学分/32~48学时）：覆盖AIGC工具在图文/音视频内容创作中的应用、选题策划与脚本撰写、平台运营与基础变现模式，强调版权合规。

智慧水利（2学分/32学时）：覆盖遥感图像识别、水文时序分析、水利大数据处理、水利设备异常检测等AI方法及应用。

智慧轻工（2学分/32学时）：覆盖轻工业场景感知与数据采集、智能检测模型调用与部署、AIGC驱动的创意设计与交互。

智能电子与信息（2~3学分/32~48学时）：覆盖传感器多模态数据处理、AI核心工具与模型应用、模型轻量化及边缘设备部署。需具备Python基础与电路/传感器/嵌入式基础。

智慧文旅（2~3学分/32~48学时）：覆盖文旅大数据与游客行为分析、生成式AI与文旅内容创作、智慧文旅解决方案设计。

智慧教育与体育（2学分/32学时）：覆盖AI工具在教学资源生成中的应用、智能设备数据采集与处理、AI体测系统操作与动作纠偏、教育与体育领域的AI伦理与合规。

六、教学实施建议：六大保障机制

（一）课程规划与建设组织

分层分类课程规划：通识基础型面向全体、通识技术型面向专业大类、通识交叉型对接行业岗位。模块化课程结构：按基础认知、核心技术、应用实践、伦理规范四大模块组织，便于灵活调整。项目化教学模式：以真实职业项目为载体，采用“项目驱动—任务分解—实操训练—成果展示—评价反馈”流程。线上线下融合教学：依托国家智慧教育平台建设微课、实操视频、虚拟仿真实验等，形成“线上预习—线下实操—线上巩固”闭环。

（二）师资培训与“双师”型队伍建设

系统化培训机制：围绕核心模块开展专题研修，重点提升AI通识授课能力与项目化教学能力。“双师”型教师能力提升：支持专任教师深入AI企业参与项目研发与岗位实践，鼓励考取AI相关职业技能等级证书。专兼结合教学团队：聘请企业技术骨干担任兼职教师，承担案例教学与实操指导。教研交流与能力共建：建立校际、校企、区域教研协作机制，开展集体备课与教学观摩。

（三）教学资源与实训环境建设

教材与数字化资源开发：推广数字化教材与活页式讲义，紧跟大模型、AIGC、智能体等技术迭代，配套操作手册、实训指导书与案例库。算力与实训平台建设：建设轻量化普惠型AI实训平台，提供大模型调用、AIGC工具、数据集与在线开发环境，建设虚拟仿真实训室。行业案例与项目资源库：联合企业收集整理真实案例，设计基础层（工具操作）、提高层（数据处理与模型调用）、综合层（岗位应用方案设计）分层实训项目。实训条件保障：建设AI算力设备、高性能计算机、AI摄像头、传感器等硬件设施。

（四）产教融合与校企协同

校企协同育人模式：联合制定课程标准、开发教学内容、共建实训基地、共评教学质量。真实项目融入教学：引入企业脱敏真实项目，开展“真实场景、真实任务、真实标准”项目化教学。校企资源共建共享：企业提供技术、设备、数据、案例支持；院校提供教学、科研、人才支持。校企双向交流：教师到企业挂职锻炼，企业工程师入校授课指导。

（五）岗课赛证综合育人

岗课融通：梳理岗位核心技能清单，将岗位标准、工作流程、职业规范融入课程。课赛衔接：围绕AI应用、AIGC创意、数据处理等主题开展技能竞赛，以赛促学。课证融合：对接AI应用、数据标注、提示词设计等职业技能等级证书，实现学完即考、持证上岗。多元化评价体系：建立过程评价、成果评价、能力评价、素养评价相结合的综合评价体系。

（六）课程思政与职业素养培育

价值引领与家国情怀：融入国产AI技术与本土创新成果案例，增强民族自豪感与技术自信。伦理规范与安全意识：系统融入数据安全、隐私保护、算法公平、知识产权等内容，坚守法律红线和伦理底线。职业素养与工匠精神：培养精益求精、严谨细致、求真务实、持续学习的职业素养。人文素养与责任担当：引导学生理解AI对社会与伦理的影响，树立以人为本、技术向善理念。

七、课程实施效果评价：三大维度

指南提出围绕三大核心维度构建系统性、综合性、发展性评价体系：

人工智能素养与实践能力：评价学生对AI基础知识、技术工具及应用方法的掌握水平，以及运用AI技术服务专业、解决实际问题的综合能力。包括技术认知框架、主流AI工具实操、数据采集/分析/可视化、提示词设计、AI融合迁移应用、跨学科沟通协作等能力。

人工智能伦理与社会责任能力：评价学生在技术应用中的责任意识、风险识别能力与价值判断水平。包括AI对社会/伦理/法律影响的认知、数据隐私/算法公平/知识产权等伦理议题理解、伦理风险识别与规避能力、法律法规与行业规范遵守情况、复杂场景中的伦理判断能力。

人工智能终身学习与自我发展能力：评价学生适应技术变革、支撑职业长远发展的关键能力。包括主动学习意识、知识迁移与自主探究能力、问题分析与自主解决能力、职业发展规划能力。

综合评价与结果应用：将过程表现、实践成果、伦理素养、发展潜力纳入综合评价范畴，通过项目实践、案例分析、情景模拟、竞赛参与、企业反馈等多种方式开展评价。评价结果用于教学改进（精准定位课程内容与方法不足）、学生培养（提供个性化学习建议）和质量提升（完善育人体系），形成闭环育人机制。

八、核心总结与战略启示

第一，人工智能通识教育已成为高职院校落实国家战略、适应产业升级、提升学生竞争力的必然要求。 《“人工智能+教育”行动计划》明确要求“推动人工智能成为高校公共基础课”，各行业“AI+”岗位需求迫切，高职院校必须将AI通识教育纳入人才培养体系，使全体学生具备基础AI认知、工具应用与数据实践能力。

第二，指南构建了“三层五模”的完整课程体系框架。 通识基础型（面向全体）、通识技术型（面向专业大类）、通识交叉型（对接行业岗位）三层递进，与五大知识模块（基础与工具应用、数据处理实操、专业融合应用、前沿技术与产业新应用、伦理安全与职业规范）形成矩阵式课程结构，覆盖从AI基础认知到岗位深度融合的全链条培养路径。

第三，“岗课赛证”综合育人理念贯穿始终。 课程内容对接数据标注、提示词设计、AI应用等岗位技能清单；竞赛内容对接课程重点与岗位需求；职业技能等级证书考核标准融入课程教学；多元化评价体系覆盖过程、成果、能力与素养四个维度，真正实现“学完即考、持证上岗”。

第四，课程实施需六大保障机制协同发力。 课程规划（分层分类+模块化+项目化+线上线下融合）、师资培训（系统培训+双师提升+专兼结合+教研协作）、教学资源（数字化教材+算力平台+案例库+实训条件）、产教融合（协同育人+真实项目+资源共享+双向交流）、岗课赛证（岗课融通+课赛衔接+课证融合+多元评价）、课程思政（价值引领+伦理规范+职业素养+人文素养）六者缺一不可，共同构成AI通识教育高质量实施的完整保障体系。

第五，课程实施效果评价聚焦三大核心能力。 人工智能素养与实践能力（“懂AI、会用AI”）、伦理与社会责任能力（“合规用AI”）、终身学习与自我发展能力（“持续学AI、善用AI”）——三者形成从技术认知到职业发展的完整能力闭环，为高职学生适应智能时代职业新要求奠定坚实基础。评价结果用于教学改进、学生培养与质量提升，形成“以评促教、以评促学”的持续改进闭环。