打开文本图片集

摘要：随着人工智能（AI）和大数据技术的飞速发展，对制造业和机电行业产生了深远影响。智能制造、智能控制、智能检测等技术的广泛应用，使得机电类专业人才不仅需要掌握传统的机械、电子、控制等技术，还需要具备数据处理、算法分析、机器学习等AI与大数据技能。本文探讨了“AI+大数据”背景下，高职院校机电类专业如何通过改革与创新，构建适应新时代需求的人才培养模式。通过调研行业需求、优化课程体系、创新教学方法和强化实践教学等措施，培养出既具备扎实专业知识又精通AI与大数据技术的复合型机电专业人才，以满足行业发展的需求。

关键词：AI+大数据；  高职院校；  人才培养模式； 改革探索

1 “AI”及“大数据”的内涵

AI为人工智能（Artificial Intelligence）的英文缩写，是一个涉及多个学科领域的广泛概念，它最早是在 1955 年提出，定义为“人工智能是拥有模拟能够被精确描述的学习特征或智能特征的能力的机器”。随着这一定义的提出，AI的内涵逐步丰富，研究方向和目标任务进一步明确，学科体系不断细化完善，形成了包括信息论、控制论、自动化、仿生学、生物学、心理学、语言学等在内的交叉学科体系。它以计算机为手段来模拟和扩展人类智能，模拟人类智慧，研究知识的获取、表示、搜索、处理和应用等，展现出高度的智能性，同时致力于延伸和扩展人类能力，如深度学习，自主推理、逻辑思考和科学规划等。AI应用领域极为广泛，涵盖了工业、农业、医疗、教育、交通、金融等多个行业，他不仅是计算机科学的一个重要分支，也是新一轮科技革命和产业变革的重要驱动力量。

大数据的内涵可以从多个维度来理解，其大小超出了典型数据库软件的采集、储存、管理和分析能力，不仅仅是数据量的简单增加，更是数据处理方式和能力的转变，体现了数据技术能力和应用价值的全面提升。数量大、类型多、增产速度快，蕴含价值大成为他的主要特征，也被看做是一种资源，其开发利用对于促进经济社会发展具有重要意义。在大数据的背景下，各行各业都在积极探索如何有效的收集、存储、处理和分析这些数据，以挖掘其背后的价值并推动自身的创新发展。

在科技飞速发展的现在，人工智能、大数据、同时又与物联网、云计算相辅相成又不可分割。在此基础上重构高职院校机电类人才培养模式，实现复合型技术技能人才培养，提高院校人才培养质量已成为业界普遍关注的焦点 。‌

2.高职院校机电类专业的发展现状

机电类专业‌融合了机械技术、‌微电子技术、‌计算机技术、‌自动控制技术和信息技术，‌这些技术的结合使得机电类专业成为社会发展急需的专业之一，对于高职院校来说，机电类专业显示出强劲的发展态势，‌成为人数较多、‌有较强发展前景的优势专业。同时，‌高职院校在机电类专业的设置和建设上投入了大量的资源，‌通过十几年的发展，‌已经构建了具有高职特色的机电专业人才培养模式和课程体系。特别是以“工学结合”为切入点，‌实施“以职业岗位能力为导向，‌学做一体”的培养模式，‌有效地提高了学生的职业技术能力。同时，‌通过校企合作、‌定向岗位实习等方式，‌培养了一批批实践能力强的高端技能型人才，‌积累了较为丰富的经验，‌形成了一定的优势。在就业市场上，专科层次的机电类专业的毕业生也受到众多企业的青睐。‌他们能够胜任多个行业的工作，‌比如制造业、‌能源领域、自动化等，‌能够设计开发智能化设备、‌进行自动化控制系统的研究和实践，‌为企业提高生产效率、‌降低成本提供了技术支持。然而，随着大数据和AI技术的快速发展，机电类专业也迎来了新的“时代”。以工业机器人为例，它集机械结构、电气控制和智能算法于一体，需要机电类专业人才具备相应的AI知识与技能。传统的知识体系应随之发生变革，在AI技术的加持下，学生可以更全面地了解智能控制、人机交互等前沿技术，为未来从事智能制造业做好准备。因此，随着智能制造行业的不断发展，机电类专业与AI技术、大数据的融合也将日益紧密。

3大数据与AI技术为机电类专业教学带来的显著的影响

AI技术应用在教育领域，结合大数据，给教学方式、甚至教育理念带来了新的活力。最基本的‌包括课程内容的更新、‌教学方法的创新以及学生评价标准的改进。

3.1课程内容的更新‌

‌大数据与AI技术的应用促使机电类专业的教学内容发生了变化。‌例如，院校开设分层次、多方向的人工智能（AI）相关课程，包括Python程序设计、‌数据结构与计算方法、‌统计分析与数据科学、‌计算机视觉、‌操作系统及云主机管理、‌人工智能导论、‌机器学习、‌深度学习等课程，覆盖编程思维、数据分析、AI原理等内容，同时代码生成、代码解析、代码优化、代码检错、语言转换和格式整理等编程课程也应同时设置。‌这些内容反映了大数据和AI技术在机电类专业教育中的融合度。他们不仅让学生掌握最新的技术工具，‌还培养了学生从数据准备到智能应用系统开发、‌部署和运维的能力。

3.2教学方式的创新

‌教学方法在随着AI技术发展的同时也在不断创新。Al技术通过收集和分析学生的学习数据，如兴趣、能力、学习历史等，能够为学生量身定制学习路径和资源。这种个性化的学习体验不仅提高了学生的学习积极性和效果，还培养了他们的自主学习能力和终身学习的习惯，并为学生提供更加全面、系统和个性化的知识。可以‌让学生通过AI解决实际问题，‌这种“沉浸式”的学习方法提高了学生的学习兴趣和学习体验。同时，AI技术也为教师提供了丰富的教学资源和教学工具，如虚拟实验室、在线互动游戏等，使教学过程更加生动、直观，激发学生的学习兴趣和参与度。教师可以利用AI工具分析学生的学习数据，更准确地把握学生的学习需求和难点，从而调整和优化教学内容和策略。例如，AI聊天机器人能在学生遇到难题时提供即时解答，减少了等待反馈的时间。

3.3评价方式的改变

‌学生评价标准的改进也是大数据与AI技术在机电类专业教学中带来的影响之一。‌传统的评价标准目前存在评价方式较为单一，评价过程不够准确，评价标准不够完善等问题，往往无法全面反映学生的真实水平，在大数据的背景下，更多的是利用数据驱动的方法对教学过程和教学质量作评测。他可以帮助教师更准确地评估学生的学习进度和成果。‌通过分析学生的学习数据，根据不同学生的学习情况制订不同的学习目标，不同的学习目标制定不同的评价标准，跟突出一个个性化的学习方案，‌从而实现因材施教。‌

4.AI与大数据背景下，构建新的人才培养模式势在必行

高职教育培养的是高技能复合型人才，在AI与大数据时代，需要的是能够人机共处的复合型人才，需要创新能力、合作能力、高层次技术技能。从此三种能力综合创建的人才培养模式又与地方政符、高职院校、企业行业、教师、学生等的活动息息相关，一方面能够对专业培养目标进行信息反馈，另一方面专业培养目标也会根据AI技术的发展对人才培养模式做进一步调整。两者的关系如图1所示。

4.1人才培养模式的创新内容

在AI+大数据背景下，机电类的人才培养模式要进一步创新，需包含三个方面的内容，一是强化实践教学与项目驱动，通过实践和项目，使学生能够将理论知识应用于解决实际问题，在实践中掌握技能；二是利用AI+大数据技术，引入智能化教育工具，开发智能化教学平台，提升教学环境的智能化水平，为学生提供个性化的学习资源和路径，三是跨学科融合与课程体系整合，优化教学资源，使学生具备跨学科思维和创新能力。对于学生来说，基本要求学生能够具有AI素养和对数据的处理能力，包含的主要内容如图2所示。

4.2基于AI+大数据背景下，机电类人才培养模式改革策略

4.2.1深入行业调研，优化课程体系

高职院校应深入企业一线，通过问卷调查、访谈、专家研讨会等方式，全面了解企业对机电类专业人才的需求变化。特别是要关注企业在智能制造、智能维护、智能检测等领域对AI与大数据技术的应用需求，明确人才培养的目标和方向。基于行业需求调研结果，高职院校应重构机电类专业的课程体系，将AI与大数据技术融入专业课程中。具体措施包括：

（1）增设AI与大数据相关课程：如机器学习、数据分析、大数据处理技术等，使学生掌握基本的算法知识和数据处理技能。

（2）整合专业课程：将传统机械、电子、控制等课程与AI、大数据技术相结合，形成具有特色的课程群，如智能控制系统、智能检测技术等。

（3）开设跨学科选修课程：鼓励学生选修计算机、信息管理、自动化等相关专业的课程，拓宽知识面，增强综合素质。

以机电类典型专业机电一体化技术为例，在公共基础课的基础上，增设AI通识课程、培养学生的AI素养；在专业课的基础上，增设大数据相关课程，编程课程，数字思维课程等，从技术科普、行业案例、实战优化等多个角度使学生掌握AI的基本原理和处理数据的技能。

4.2.2搭建完善交流平台，创新教学方法

根据高职院校机电类人才培养目标，积极运用互联网等技术搭建完善交流平台，提倡个性化在线智慧学习平台，满足学生学习要求，为学习机电类专业技能提供帮助，从而提高学生技能。同时，创新多种教学方法。包括以实际工程项目为载体的项目式教学，引导学生将理论知识与AI、大数据技术相结合，解决实际问题。通过项目实践，培养学生的团队协作能力和创新能力。结合线上课程和线下实践，利用AI技术实现个性化教学的混合式教学方式。通过智能教学平台，分析学生的学习行为，推送个性化的学习资源和习题，提高教学效果。引入行业典型案例，让学生分析讨论，理解AI与大数据技术在机电行业中的应用场景和解决方案，增强学生的实践能力。

4.2.3强化实践教学，让学生掌握真正能落地的AI技术

实践是学生获取体验感的最直观方式。首先，高职院校需要与相关技术企业建立深度合作关系，共建实训基地和研发中心。通过校企联合培养，使学生能够接触到最新的技术和设备，了解行业前沿动态，掌握AI技术在机电领域的应用。同时，教育信息化是一项复杂的系统工程，需要产、学、研、用各界通力协作。从智慧校园顶层设计，到人才培养模式改革，再到具体的产品落地实施，都离不开企业、高校、科研机构、应用部门的合作。这种合作，就要求企业不仅要提供领先的技术产品，还要构建开放包容的合作生态，通过联合实验室、产学研合作项目等形式，共同探索智慧教育的创新路径与发展模式。其次，组织学生参加各类技能竞赛和创新创业大赛，以赛促学、以赛促教。通过竞赛，锻炼学生的实践能力和创新能力，提高就业竞争力。再次，加强实习实训环节的管理和指导，确保学生能够在真实的工作环境中得到锻炼。同时，建立实习实训质量监控体系，对实习实训效果进行评估和反馈。

4.2.4构建评价体系，促进学生成长

基于“AI+大数据”的高职学生评价平台，构建全面、科学的评价体系。通过智能化采集技术，对学生的成长背景、日常行为表现、学科考试成绩、心理测评结果等数据进行高效采集和分析。建立动态多目标智能决策分析模型，形成全面的学生综合画像和全面评价。通过评价结果的反馈和指导，促进学生全面而个性的成长成才。

5.结论

在“AI+大数据”背景下，高职院校机电类专业人才培养模式的改革与实践是一个系统工程，需要学校、企业、政府等多方面的共同努力。这不仅仅是教育方式上的转型，更是一种思维上的变革，高校教师不再是教学的主导者，讲授者，而是引导者、辅助者。学生的学习方式也从大众性向个性化方式转变；学生的学习资源获取方式也从教师准备向智能化的跨学科资源的智能聚合转变，教学评价方式也向多元化、智能化方式转变。这些变革必将使高校注重产学研的协同创新，聚焦多模态学习分析、因材施教等方向，共同推进教育人工智能关键技术的研发与应用，加速智慧教育应用的孵化与产业化，培养出既具备扎实专业知识又精通AI与大数据技术的复合型机电专业人才，为我国制造业的转型升级和高质量发展提供有力的人才支撑。

参考文献：

[1] 高广谓， 李佳雯. 基于学生能力导向的人工智能课程教学改革[J]. 软件导刊， 2023（2）： 178-182.

[2] 赵佳. 基于百度AI平台的人工智能类课程教学实践探索[J]. 阜阳师范大学学报（自然科学版）， 2020（37）： 112-115.

[3] 赵丽红，左敏，黄先开 . 人工智能时代高等教育教学的变革指向：培养高阶思维［J］.北京师范大学学报（社会科学版），2023（4）.

[4]喻国明，李 钒，滕文强 AI+教育：人工智能时代的教学模式升维与转型［J］宁夏社会科学，2024（2），191-198

[5] 严加红，  基于大数据分析的现代循证教学模式探究［J］中小学信息技术教育 . 2024 （10），45-47

[6]陈菲，李辰，陈佳宁 大数据背景下职业教育改革实践与探索［J］邯郸职业技术学院学报 . 2024 ，37 （03） 33-35

基金项目：江苏农林职业技术学院基金项目："AI+大数据”背景下高职院校机电类专业人才培养模式的改革与实践研究（项目编号：JK202313）

作者简介：徐荣丽，出生日期：1983年6月1日，性别：女，职称：助理研究员，民族：汉，籍贯：江苏省句容市，学历：本科，单位：江苏农林职业技术学院，研究方向：教育管理研究