0 引 言
人工智能在本质上具有多学科交叉、跨知识体系融合的特点，这种特点决定了开展人工智能教育的人才培养体系必须满足以实践为导向的知识交叉融合的内在要求[1]。面向新工科人才培养，师范类高校必须重视新时代基础教育中人工智能教育人才所应具备的交叉学科知识体系和高标准综合能力建设工作[2-4]。为此，我国未来基础教育阶段人工智能教育人才应该满足学科多元化、跨知识体系、实践技能卓越的综合需求。那么，基于新工科思维开展人工智能教育人才实践能力培养，应从“素养、课程、实践、评价”4个维度出发开展体系建设。这是探索人工智能新工科师范教育的创新改革路径，也为我国未来师范人才实践能力培养模式提供新思路。
当前，人工智能的发展进入了与产业深度融合的阶段，基础教育阶段人工智能素养教育也正在“从传统知识讲解为导向转变为创新应用实践为导向”。这种转型驱动师范类高校人才实践能力的定义变化“从讲授知识的能力转变为指导创新的能力”。因此，新工科人工智能教育人才实践能力培养体系的建设需要密切结合行业、产业、技术发展的需求，实现教学内容与实践课程体系改革，通过推进产教融合促进以实践为导向的培养体系落地与质量评估[5-7]。这也决定在计算机师范类专业人才培养过程中正面临着实践体系的巨大变化需求。
1 新工科人工智能教育人才培养现状及问题分析
2017年国务院印发《新一代人工智能发展规划》提出实施全民智能教育项目，在中小学阶段设置人工智能相关课程，将人工智能教育提高到国家战略发展层面上[8]。人工智能教育正在走出高校学科局限，快速走进基础教育等全教育链的环节中，当前社会对人工智能教育人才的需求迅猛增加。然而，从实践能力素养标准来看，传统计算机师范类、教育技术等相关师范专业设置对人才素养标准的定义均着眼于计算机等信息技术专业知识，重点突出编程能力掌握、信息技术应用等知识讲授与指导的实践能力，缺乏跨学科、主动学习等方面的综合能力标准定义，这种专业知识或应用技能的单一性无法为人工智能教育人才培养提供坚实支撑。
从实践课程体系来看，传统计算机师范类专业重点在于理论知识模块驱动的课程体系，其课程体系框架依托于计算机科学与技术专业课程共性框架[9]，面向基础教育、人工智能多学科、产业技术应用等方面的灵活性较低，课程设置局限于校内环节以及中小学实践基地的实习环节，综合能力的提升无法摆脱应用能力和教学能力的限制，综合实践环节缺位。
从实践平台的建设角度来看，当前师范类高校的实践体系以校内实验室与中小学实习环节为主[10]。这种方式虽然在一定程度上可以满足计算机编程等类别的实践能力培养要求，但面对人工智能这类对接产业紧密、软硬件技术融合度高、创意设计环节多的教学模式，传统实践能力培养的体系明显无法适应人工智能教育人才培养的要求。
从实践能力评价角度来看，传统的考试型、作品型的评价方式无法满足人工智能教育人才所需要展现的应用技能、讲授质量、实践指导、队伍组织等多维度的实践能力评价要求，也无法凸显新工科对以学生为中心的个性化评价要求。
为了适应新工科对人才培养的要求，突出新工科交叉学科知识融合的特点，建设一个合理完善的实践能力培养体系是人才培养探索的关键一环[11]。
2 基于产教融合的新工科人工智能教育人才实践能力培养体系建设
新工科人工智能教育人才实践能力培养体系围绕“素养定义、课程重构、平台协同、评价设计”4个方面展开，满足人工智能教育人才的实践能力培养要求，培养善于将优秀知识和经验传承的人才。
2.1 实践能力素养标准重定义
以学生具备“终身能力标准、跨界能力标准、主动能力标准、使命情怀标准”为驱动，通过多样化的实践学习，满足学生成长发展需求，学生在实践中面临各种未知与复杂问题时能够运用恰当的思维方式思考问题。设定契合新工科人才核心思维素养内涵的人工智能教育人才思维素养，由新工科思维重构创新实践能力标准， 将MIT所提出的新工科人才核心思维素养[12]与人工智能教育人才实践能力培养思维进行对标，构建新工科思维下“人工智能+教育”人才培养所对应的“校内—中小学—企业—竞赛—社会服务”5个实践环节能力图谱，如图1所示。
在培养学生新工科“人工智能+教育”思维素养的过程中，注重学生如何将知识认知能力向实践能力转化的方式，从而将素养的养成真正落实到每一个培养环节中。通过梳理学生的成长路径引导学生的学习过程，培养学生实践成长所需要的4种能力即“知识实践能力、认知创新能力、问题探索能力、终身实践能力”。从上述4种能力出发，突出学生实践能力成长路径，即“接受实践→自我实践→创新思考→基地实践→知识传授”的实践能力传导。在成长路径中，学生将实现人工智能从理论到实践的过程：从个体接受理论实践、自主动手重复技术实践、从重复实践中进行思辨创新、进入实践基地开展实践活动、最终站上讲台进行人工智能知识的传递，从而促使“将学生培养成为最好的自己”。
2.2 实践课程体系重构
从上述人工智能教育人才实践能力素养标准出发，反向设计实践课程内容，解决人工智能教育人才实践课程内容设置灵活性低、无法充分培养综合实践能力的局限。基于传统计算机师范类专业的课程体系和专业特点，进一步对以往课程设置进行调整。以培养学生实践能力为导向，设置“人工智能+教育”双向交叉课程，建立“技能+模块”形式的课程群，注重课程内容之间的衔接和融合，将课程的总体目标层层分解到各门课程中。人才实践能力培养课程体系架构如图2所示，由5类课程构成：①新工科核心素养与课程思政协同的基础素养课程；②培养创新能力、计算思维的校内实践课程；③提升综合实践能力的基地实践课程；④评估人才质量的综合创新与检验课程；⑤培养持续实践能力的终身教育实践课程。
基础素养课程融入思政教育与德育教育等环节，开设国内科学技术发展史课程，帮助学生树立对国有技术的信心。校内实践课程设置人工智能领域中“数据挖掘”“机器学习”等课程的演示实验作为导入课程，进而设置项目制课程“人工智能项目实训”“智能小车项目实训”等，进一步培养人才计算思维、编程思维。在实践基地中，重点突出“4个实践核心”：机器视觉、图像识别、自然语言处理、语音技术，实现实践课程与高校、中小学、企业竞赛指导等课程紧密融合，让创新实践完成“技术习得与传授知识”。综合创新与检验课程通过设置竞赛课题，双创项目等课程，帮助学生进行个性化规划学习，引导学生自我学习、自我成长。终身教育实践课程包括职业培训、应用问题的研究和建设，培养学生在专业领域方面的动手和实践能力，服务于基础教育、高等教育、职前教育、职后提升等全链接环节，使基础教育教师到高校科研师资到社会工程应用全环节人才获得持续培养。
为了弥补线下实践课程理论讲解不充分、学生知识回顾效果不佳等方面的不足[13]，通过构建数字化教学资源，借助课程资源库，建设“人工智能与大数据实验案例库”以及“人工智能数字化课程库（Python、计算逻辑、开源硬件等）”，打造一批数字化的精品教学资源，建立远程同步教学资源共享机制，与兄弟高校、中小学、企业共享教学课程。
2.3 实践平台协同组织
以高校为主体发挥学科研究与实践能力，服务基础教育阶段的人工智能素养提升，以师范教育为主体开展新工科建设的重要任务，仍然存在人工智能和教育水平的区域差异[14-15]，需要让资源丰富化、共享化，实现区域内资源的合理流动进而满足社会差异化需求，在学科交叉的广度、覆盖度、适应度等方面满足区域内高校、中小学和企业协同发展的需求。结合新工科“人工智能+教育”发展方向，以“联盟—平台—基地”3层创新实践平台为架构，通过“主体耦合、组织平台、实践基地”3个不同层次，建设“人工智能+教育”新工科实践协同平台（如图3所示），实现最大限度的共识凝聚、教学组织和实践协同，以“高校、中小学、企业”为主体建立跨机构和跨区域的横向协同机制，实现各机构和地区直接的资源共享与教学治理。
（1）为了切实完成各实践环节、高校与各基地之间的资源共享、师资互换，达到合作共赢，创新联盟凝聚“人工智能+教育”的发展目标与共识，汇集高校、中小学、企业的主体力量，构建平等公开的共享机制，推进实践能力标准、规范、需求的定义。
（2）校内平台提供丰富的教学资源，为学生走向基地实践提供有力保障。以传统计算机师范类专业与部门为核心，建立校企联合实验室、中小学高校科普基地等平台，并邀请企业及中小学专家做导师，让所培养的学生与企业、中小学对接。
（3）打造校外中小学教育实习基地、企业实践基地、竞赛基地、科普基地、爱心学校等，组成以“目标+课程+人员”为“胶囊”形式的实践团队，将相应的实践项目输送到企业及中小学，并由对应的高校老师追踪团队在校外实践基地的发展，帮助学生在真实的社会实践场景中成长，实现人工智能教育人才在平台中完成由课桌走向工程台、工程台走上讲台、讲台走上竞技台，最终走上社会舞台的完整人才链。
在新工科建设背景下，平台内的师资队伍不仅要有科研能力、教学能力，还要有灵活运用新技术、新方法的能力，以适应人工智能教育人才培养的需求。
（1）充分利用中小学名师、企业一线工程师进入高校作为兼职教师的方式，解决实践教师队伍缺口问题。通过多元机构之间的双聘制，解决师资队伍知识结构的差异问题。通过团队项目制指导，实现教师协作与稳定化，重点开展“人工智能素养”“教育技术素养”方面的师资培训课程模块。
（2）打造校内导师、中小学名师、企业导师的融合队伍，将学生的校内实践课程、竞赛课题、双创项目选题与指导教师的科研课题相结合。在中小学教学实践场景中组织开展参与式、讨论式、展示式等形式多样的教学技能培训。依托企业开展协同育人项目，定向研发教学资源，探索教学模式，开展“企业导师走进课堂”等活动，以企业技术支持实践能力培养。
2.4 人才质量评估设计
现有的人才质量评估方式单一，基本以课程考试、课程设计、实践报告等几个方面为主，对人工智能教育人才实践能力检验成效支撑性不强[16]。为评估人才是否达到人工智能教育人才实践能力培养目标，我们以个性化实践评价为导向，建立学分制质量、科创项目、竞赛力、第三方认证、社会服务、国家职业资格6个维度的质量诊断，让学生获得符合其个性发展特点的多维度评估结果，并且不断总结，积累经验，实现人工智能教育人才通过教师资格证、企业第三方认证、国家职业资格认证以及获得市级及以上创新成果奖（包括大学生创新项目、省部级竞赛获奖、学术创新成果奖）等比例提升。
3 人才实践能力培养体系实践成效
上海师范大学人工智能相关专业以教育部第一批新工科研究与实践项目：面向“人工智能+教育”的新工科复合型人才培养模式探索与实践，第二批新工科研究与实践项目：长三角区域协同的“人工智能+教育”新工科创新实践平台探索与实践为依托，经过3年的人才实践能力培养体系建设，已初步建立基于产教融合的“实践能力标准定义”“实践课程体系构建”“实践平台协同组织”“个性评价质量诊断”的模式，人才培养实践效果明显。
1）团队建设成效。
依托产教融合，将多学科融合的新工科思维注入人工智能教育人才实践能力培养过程中，累计培育卓越工程教育人才300余人。将科研资源、学生力量及企业需求相结合，组建了一支有活力的学生团队，学生积极参加或承办科技竞赛，在校级、市级及以上创新竞赛屡创佳绩，获ACM、电子设计竞赛、创新创业等竞赛奖项百余项，其中研究生电子设计竞赛获得国家级一等奖；学生参加FLL、FTC等具有世界影响力的高水平机器人赛事，组成近200人的志愿队伍参与赛事活动策划、流程管理和考核展示等环节中，累计服务来自上海及长三角地区的近500支竞赛团队1 700余名参赛人员；学生承担起大量的中小学科普、科创项目，被邀请至10余所中小学和企业中开设“AI教育走进中小学”系列课程、主办青少年科技夏令营等，实现人才实践能力培养质量的自洽性验证，见表1。
2）课程建设成效。
学生开发“人工智能+”课程300余节，并将课程输送到中小学、企业中。通过开发“人工智能+”课程，学生通过教师资格证、国家职业资格认证、企业第三方认证的比例提升30%以上。课程结束后，对其中一所中小学生进行了教师教学水平满意度问卷调查，调查结果表明，中小学生对于人工智能课堂内容设置、课堂教学氛围、教师教学能力等方面有较高满意度，见表2。与此同时，集中学生的优势力量成立“人工智能青少年科普宣讲团”，走进“市区—郊区”“上海—长三角”“东部—西部”等不同层次的中小学，输送人工智能科普课程，全面推进人工智能科学普及的进程，解决了全教育链的协同机制问题。
4 结 语
以教育部新工科为依托，借助多学科交叉融合特性，创设多元人才实践情境，基于产教融合的新工科人工智能教育人才实践能力培养体系建设，突破学生校内外实践环节简单割裂的局限，实现人工智能教育人才实践能力培养目标，保障人才实践能力培养落地，完成“人工智能+教育”供给侧的“纵向环节贯通、横向主体协同”，既解决了高等教育与基础教育人工智能教育人才培养问题，同时也带来了新工科实践教育范式创新。未来，在“人工智能+教育”新工科人才培养中，还须进一步搭建多维度、多元素的布局架构，发挥高校的特色优势，提高人才培养质量。
参考文献：
[1] 李波, 覃俊, 李子茂, 等.“人工智能+新工科”视域下软件工程专业实验实践教学改革[J]. 计算机教育, 2021(7): 82-86.
[2] 张波, 方祖华, 叶宏. 新工科人工智能教育型人才培养模式研究: 以上海师范大学“人工智能+教育”人才培养模式为例[J]. 现代教育技术, 2019, 29(8): 113-119.
[3] 徐晓飞, 沈毅, 钟诗胜. 我国高校新工科建设与教育模式创新实践的探索与思考[J]. 计算机教育, 2021(2): 99-103.
[4] 鲍鹏, 邢薇薇, 卢苇, 等. 新工科背景下人工智能实践类课程教学模式创新研究[J]. 计算机教育, 2021(6): 105-109.
[5] 杨彩云, 叶冬芬, 方凯. 地方应用型高校大数据专业人才实践能力培养探索[J]. 计算机教育, 2021(10): 89-93.
[6] 李晓磊, 张伟, 刘磊, 等. 新工科人工智能相关专业程序设计课程体系设置探讨[J]. 计算机教育, 2021(2): 75-79.
[7] 毕忠勤, 张超, 李永斌. 校政企产教融合的新工科人才培养模式研究与实践[J]. 计算机教育, 2021(6): 69-72, 77.
[8] 王元臣, 刘亚欣, 李志河. 中小学人工智能教育的困境及对策研究[J]. 教学与管理, 2022(9): 63-67.
[9] 涂频. 民族地区师范生信息素养调研及课程体系构建[J]. 计算机教育, 2022(2): 17-21.
[10] 刘晔, 朱安民, 明仲. 立德树人、需求引领、以能力培养为中心的计算机专业人才培养模式探索与实践[J]. 计算机教育, 2021(8): 79-82.
[11] 周树森, 邹海林. 人工智能专业学生工程实践能力培养研究与实践[J]. 计算机教育, 2020(10): 113-116.
[12] 胡福文. 基于学科竞赛的新工科建设成效实证分析[J]. 高教论坛, 2021(12): 33-39.
[13] 刘伟, 李明, 谢海斌. 人工智能基础课程的线上教学探索与实践[J]. 计算机教育, 2021(2): 30-34.
[14] 刘永, 胡钦晓. 论人工智能教育的未来发展: 基于学科建设的视角[J]. 中国电化教育, 2020(2): 37-42.
[15] 杨力, 崔江涛, 黄伯虎, 等. 面向资源共享的计算机类虚拟在线实验建设与实践[J]. 计算机教育, 2020(10): 42-46.
[16] 孙翠改, 敖建华. 基于大数据分析的教学诊改研究与实践[J]. 计算机教育, 2020(7): 134-139.
基金项目：教育部第一批新工科研究与实践项目“面向‘人工智能+教育’的新工科复合型人才培养模式探索与实践”；教育部第二批新工科研究与实践项目“长三角区域协同的‘人工智能+教育’新工科创新实践平台探索与实践”（E-RGZN20201020）。
第一作者简介：张波，男，上海师范大学信息与机电工程学院院长，教授，研究方向为新一代人工智能与深度学习技术、大数据技术、知识图谱等，zhangbo@shnu.edu.cn。
【信息来源：计算机教育】