ARTICLE · 1192378
人工智能进入职业教育:从工具应用到教学体系重构
文章编号：197
一名学生正在学习工业软件。过去，他遇到问题，需要查教材、看视频，或者等待教师指导。现在，他可以直接向AI提问，甚至让AI帮助检查代码、分析错误、解释操作步骤。但如果人工智能只是帮助学生更快找到答案，职业教育的教学体系并没有发生根本变化。
真正值得关注的是：当AI能够参与任务设计、学习指导、实践训练和能力评价以后，职业院校的人才培养方式会发生什么变化？
1 从AI问答工具到教育智能体
人工智能进入学校，最容易实现的是知识问答、资料检索、课件制作和内容生成。这些应用能够提高效率，但AI主要承担辅助工具的角色。
随着教育大模型和智能体的发展，AI开始具备参与教学流程的可能性。
教育智能体可以理解为：基于人工智能模型、教育知识、数据和工作流程，能够理解教育任务、调用工具、执行步骤并反馈结果的软件主体。
例如，在一门工业软件课程中，教学智能体可以：派发学习任务，回答知识问题，检查代码，发现错误，调整任务难度，生成新的训练场景，并记录学生的能力表现。
这意味着AI开始进入学习过程。
未来职业院校可能形成八类智能体：学生学习智能体、教师教学智能体、专业建设智能体、课程开发智能体、实训智能体、就业智能体、企业服务智能体和学校治理智能体。
它们分别服务于学习、教学、专业调整、课程开发、实践训练、岗位匹配、企业合作和管理决策。
2025年，国家教育数字化政策已提出发展智能学伴、数字导师等应用。2026年《“人工智能+教育”行动计划》进一步提出研发智能学伴、建设学生数字档案、动态优化学习路径，推动项目式、探究式和场景式育人。
教育AI的应用范围，正在从单个工具扩展到教育全过程。
2 AI怎样改变课程与学生学习方式
传统班级教学有一个现实限制。
一名教师面对几十名学生，很难持续为每个人设计不同的学习任务。即使学生学习基础差异很大，通常仍然按照相同的课表和教学进度学习。
AI为大规模因材施教提供了新的可能。
例如，在PLC课程中：学生A已经达到L3能力等级，可以安排复杂故障诊断任务。学生B目前处于L1等级，则需要继续完成基础调试训练。两名学生属于同一个专业，培养目标一致，但学习任务和难度可以不同。
未来课程可能逐步形成：共同必修底座＋不同能力模块＋个性化任务。
这种变化需要一个重要基础：能力图谱。
知识图谱描述知识之间的关系，能力图谱则进一步连接岗位、任务、能力、课程和评价。
只有知道某项岗位能力由哪些任务构成、学生目前达到什么水平，AI才能有依据地推荐学习内容。教师的工作也会随之调整。
资源选择、复杂问题解释、任务设计、场景组织、能力判断以及学生发展支持，将成为更加重要的教学职责。同时，学生仍然需要掌握基础知识和专业原理。
如果缺乏基本判断能力，就无法验证AI给出的答案是否正确。
AI时代的职业能力还需要增加六个方面：问题定义、任务分解、工具选择、结果验证、人机协作和责任承担。
因此，职业教育需要重视“AI＋岗位能力”。会使用AI工具，只是职业能力的一部分。
3 AI怎样改变实训与能力评价
职业教育实践教学长期面临一个问题：真实工作环境中的复杂任务和异常情况，并不一定能够在教学期间反复出现。
例如，一台工业设备可能很长时间才发生一次重大故障。
学生即使进入企业，也未必有机会亲自参与诊断。
AI与虚拟仿真、数字孪生结合以后，可以重复生成不同故障、客户需求和工作条件，增加学生训练机会。
未来实训可以形成四个相互配合的空间：
物理空间： 真实设备与操作环境。
虚拟空间： 数字孪生与仿真系统。
产业空间： 企业真实生产和工作任务。
智能空间： AI动态生成任务、异常情况和反馈。
四种空间结合，有助于学生从基础操作逐步进入复杂问题解决。
与此同时，能力评价也会发生变化。传统评价主要依靠考试成绩。数字化可以进一步记录任务过程、操作行为、项目作品和学习进步。AI则可以辅助分析学生在任务中的表现。
但这里存在一个重要风险：系统容易把能够记录的数据，当成最重要的评价指标。
例如，登录次数和在线时长很容易统计，却不能直接证明学生具备某项职业能力。
因此，评价设计应遵循：培养目标→能力→任务→学习行为→数据。先明确要培养什么能力，再决定采集哪些数据。
4 AI进入教学体系，还需要解决哪些问题
人工智能应用效果高度依赖学校已有的数据、知识和业务规则。同样使用一个基础大模型，不同学校的教学效果可能存在明显差异。
关键差异可能来自专业知识库、课程体系、企业场景、学生学习数据、教师规则和教学流程。如果缺少这些基础，AI很容易停留在通用问答层面。
此外，AI应用越深入，安全和责任问题越突出。
学生学习记录、能力画像和个人信息需要得到保护。AI还可能产生错误答案、算法偏见和不合理建议。
例如，系统判断某名学生暂时不适合某个专业，学校不能直接依据这一判断限制学生的发展机会。
学生能力画像应当持续更新，重点反映成长趋势，避免形成永久标签。教师和管理者仍然需要对重要教育决策承担责任。
2026年国家推动“人工智能+教育”，强调育人为本、素养为先、应用导向和智能向善。这些原则决定了AI进入职业教育的基本边界。
人工智能正在同时改变职业教育的知识获取、课程组织、实践训练和能力评价。
未来衡量一所职业院校AI应用水平，不能只看部署了多少模型、建设了多少智能体。
更需要观察学生是否获得了适合自己的训练任务，教师能否更准确地发现学习问题，真实产业任务能否更快进入课堂，以及学生的职业能力是否真正提高。
当AI能够围绕岗位能力参与教学设计、学习训练、过程反馈和评价改进，人工智能才真正开始推动职业教育教学体系的重构。
本文作者：
范智海 杭州知与未来研究院 院长
专注 场景化教学、产教融合的研究与实践
往期文章：
