摘要：秉持“科教融汇、产教融合、协同育人”理念，融合人工智能（AI）与金融学实践改革教学研究。本文探讨了AI技术在金融学课程中产教融合实践教学改革中的应用，构建了与投资学专业教学案例——AI助力产教融合校企合作功能效应，从校企合作，协同育人、教学内容设计、竞赛助力课赛融通，教学组织实施及效果评价等方面，阐述了该AI赋能教学的典型案例设计与实施，培养学生的多学科交叉融合的学习思维。

关键词：金融学；案例教学；产教融合；功能效应；人工智能

一、前言

金融学是从经济学中分化出来的应用经济学科，是以融通货币和货币资金的经济活动为研究对象，具体研究个人、机构、政府如何获取、支出以及管理资金以及其他金融资产的学科。是一门涵盖经济学、货币银行学、国际金融等学科的综合性课程，旨在帮助学生理解金融学与经济学的关系，掌握货币制度、结构、信用功能及货币政策机制。作为投资学专业的必修课，金融学课程重点培养学生的科研能力与跨学科应用能力。然而，传统教学方法单一，学生参与度低，未能有效激发学习兴趣，影响了课程目标的实现。 随着人工智能（Artificial intelligence，AI）技术的迅速发展，AI已成为推动教育改革的关键力量， 尤其在提升教学效果与激发学生实践能力方面展现出巨大潜力[4–7]。本课程围绕“AI赋能金融学课程教学研究——新文科背景下《金融学》课程内容建设与教学模式改革研究”课题，结合AI技术与金融学课堂教学，创新教学模式， 提升学生的实践能力和创新思维。本课程总学时为48学时，其中AI应用部分计划为8学时，面向具有 一定金融学基础的本科三年级学生。

二、具体改革措施包括：

AI赋能《金融学》课程产教融合，是指将人工智能技术与金融学课程教学相结合，以提高教学质量、培养适应新时代金融行业需求的人才。以下是一些具体措施：

（1）案例引入：课程内容更新： 整合AI相关内容：在金融学课程中增加人工智能、大数据、区块链等新技术在金融领域的应用案例。引入最新的金融科技发展案例，使教学内容与时俱进。以东莞证券公司实践教学基地为例，解析股票对投资人和证券公司作用与功能的影响， 探讨科创融汇，协同育人策略，增强学生对实践能力应用问题的理解。

（2）问题驱动教学：课程设计了一系列由浅入深的问题，从“理论与实践融合” 到“如何用AI预测校企协同的效应”，再到“如何验证AI预测”。这不仅帮助学生掌握基础知识，还教会 他们使用AI工具进行实践训练并模拟虚拟实验室，并理解预测与验证的关系。这样的教学帮助学生构建完整的知识体系， 实现概念与AI应用的自然衔接。

（3）多模态教学资源整合：整合视频、文献与AI工具（如AlphaMissense和DeepSequence等），展示 AI在实践过程研究中的应用，提升学生的实践操作能力和学习兴趣。

（4）课前引导与课后拓展结合：通过课前自主学习、课堂讨论与课后拓展，促进学生跨学科知识的融合与创新思维。 通过课前引导、课堂讨论与课后拓展的有机结合，培养学生的自主学习能力、实习实践能力与教赛融合创新能力，促进跨学科知识的融合与应用。

三、 教学内容设计

1.1整合AI相关内容：在金融学课程中增加关于人工智能、大数据和区块链等新技术在金融领域的应用案例，可以丰富教学内容，提高学生的学习兴趣和实际应用能力。以下是一些具体的应用案例，使教学内容与时俱进。

1）人工智能在金融领域的应用：

智能投顾与个性化理财：AI技术可以根据投资者的风险偏好和投资目标，提供个性化的投资建议和理财方案。

智能风控与反欺诈：利用AI进行风险评估，快速准确地识别潜在的欺诈行为和贷款风险。

智能催收与语音机器人：AI催收系统能够提高催收效率，而语音机器人则可以提供24小时客户服务。

2）大数据在金融领域的应用：

信用评估：通过分析大量数据，更准确地评估借款人的信用状况，优化信贷决策过程。

市场分析：利用大数据技术分析市场趋势和消费者行为，帮助金融机构制定更有效的市场策略。

1.2 智能化教学平台：利用AI教学平台，实现个性化学习路径推荐、智能问答、在线评测等功能。 混合式教学：结合线上AI教学资源和线下互动教学，提高教学效果。

金融学产教融合智能化教学平台是一个结合了金融学教育与产业需求的教学系统，旨在通过融合产业和学术资源，培养适应现代金融行业需求的高素质人才。以下是一些具体的实施案例和平台特点：

1）区块链金融实验平台：某些学院已经建立了以FISCO BCOS开源联盟链为核心的区块链金融实验平台。这个平台提供了区块链编程环境、多种Dapp应用及行业应用场景仿真。它覆盖了从区块链基础知识、数字货币到智能合约编程及行业解决方案设计等多个知识领域。通过这个平台，学生可以快速掌握区块链应用的基本方法和技能，并加深对区块链在主要行业应用的理解。此外，学院还基于BCW搭建了《行业实训课（区块链金融方向）》等课程，邀请了行业专家主讲，将区块链知识融入教学体系1。

2）金融科技应用教学训创一体化平台：这个平台包含了多个功能模块，如互联网银行、互联网保险、第三方支付、互联网基金销售、互联网消费金融、互联网征信、大数据金融、系统性金融风险仿真、反金融诈骗等。它旨在通过结合行业实际需求，提供全面的教学资源和服务，以培养适应金融科技发展的人才。平台还包括了教学资源库建设、人才培养调研分析、实训软件、实验中心硬件配置等服务2。

这些平台的特点在于它们不仅提供了传统的金融学教育，还结合了最新的金融科技发展趋势，通过实践操作和案例学习，帮助学生更好地理解和掌握现代金融行业所需的技能和知识。这样的产教融合模式有助于提高学生的就业竞争力，同时满足行业对高素质人才的需求。

1.3实践能力培养： 搭建金融科技实验室：为学生提供实际操作AI金融软件、工具的平台，增强实践能力。 项目驱动学习：通过校企合作，引入真实金融项目，让学生在解决实际问题中学习。

1. 数据分析与处理

数据挖掘：利用AI算法从大量金融数据中提取有用信息，帮助学生更好地理解市场趋势和客户行为。

预测模型：使用机器学习技术建立预测模型，例如股票价格预测、信用评分等。

2. 项目管理

自动化规划：AI可以帮助规划项目进度，自动分配资源和任务，提高项目管理的效率。

风险评估：通过AI进行风险评估，识别项目潜在的风险点，并提出预警。

3. 教学辅助

个性化学习：AI可以根据学生的学习进度和能力，提供个性化的学习资源和指导。

智能辅导：AI辅导系统可以解答学生的问题，提供即时反馈，辅助教师进行教学。

4. 实践操作

模拟交易：利用AI驱动的模拟交易平台，让学生在无风险的环境中练习交易策略。

虚拟助手：在项目中嵌入AI虚拟助手，帮助学生进行市场调研、数据收集和分析。

5. 评估与反馈

自动评估：AI可以自动评估学生的项目报告和成果，提供即时反馈。

表现分析：通过分析学生的互动和成果，AI可以提供关于团队合作、问题解决能力等方面的洞察。

1.4  产学研合作： 与金融企业合作：建立校外实习基地，让学生在企业中体验AI在金融领域的应用。 联合研发项目：学校与企业共同开展金融科技项目研发，促进科研成果转化。

让学生在企业中体验AI在金融领域的应用，并通过联合研发项目促进科研成果转化，是一个多方共赢的举措。以下是实现这一目标的步骤和策略：

资源共享：学校和企业共享资源，包括数据、技术、实验室等，以支持项目研发。

能力培养：企业提供实践平台，帮助学生提升技术能力和行业认知。

产学研结合：将学术研究与企业实际需求结合，促进科研成果的商业化。

持续对话：建立长效沟通机制，确保项目进展与市场需求的同步。

知识产权保护：明确知识产权归属，保护双方的利益。

通过这样的联合研发项目，学生不仅能够获得宝贵的实践经验，还能更好地理解AI在金融领域的应用。同时，企业可以通过项目发现和培养潜在的人才，学校则能提升其科研能力和教育质量，实现科研成果的实际应用和社会价值。

1.5 学生创新能力培养： 开展创新竞赛：鼓励学生参加金融科技类竞赛，激发创新思维。 支持学生创业：为有创业意向的学生提供AI金融方向的指导和支持。

为学生提供创业指导服务，技术和资源支持（提供AI、机器学习、大数据分析等相关技术培训，确保学生具备创业所需的技术能力。提升教赛融合，科创融汇得能力，支持大学生毕业后真实创业。

1.6 评价体系创新：引入过程性评价：利用AI技术跟踪学生的学习过程，进行个性化评价。创新考核方式：结合线上数据分析与线下表现，全面评估学生的学习成果。

1）产教融合的深化：为了解决金融人才培养与市场需求不匹配的问题，一些高校如武汉轻工大学金融系，重视学生实践能力的培养，建立了金融大数据和虚拟仿真交易实验室，并与银行、证券公司等金融机构合作，建设实习基地，提供实习实训平台。这些措施旨在深化校企合作，推进产教融合.

2）AI技术的应用：同济大学经济与管理学院实施的“AI赋能三化融合”项目，通过使用大模型金融数据资源，让学生在模拟交易环节中生成交易策略代码，并测试策略效果，以此提升模拟交易的效率。这种方法不仅提供了丰富的金融数据资源，还帮助学生更好地理解和应用金融知识.

2）考核方式的创新：传统的金融教育考核方式正在被新的方法所取代。例如，同济大学的金融大模型不仅提供了海量的金融数据，还确保模型能够准确理解金融语境，使学生能够生成符合实际金融场景的内容。这种结合线上数据分析与线下表现的考核方式，更加全面地评估学生的学习成果

总的来说，金融学产教融合AI评价体系的创新举措主要集中在提升学生的实践能力、应用AI技术于教学和考核中，以及在金融科技人才培养上的新尝试。这些举措旨在培养适应现代金融行业需求的高素质人才

四、教学研讨

教学研讨是深化学生对课程内容理解的关键环节，旨在通过多维度的讨论与观点交流，培养学 生的团队协作与学术表达能力，激发创新思维。在“AI赋能产教融合功能效应研究”的框架下，研 讨围绕“人工智能预测与实验验证的关系”以及“AI在产教融合功能预测中的研发应用”等 核心问题展开。研讨采用小组讨论与全班分享相结合的形式。学生在小组内分工合作，完成资料收 集、数据分析和成果汇报。每个小组需综合理论与实际案例，从不同角度审视问题并提出解决方案。 在全班分享环节，小组汇报成果后，接受其他小组与教师的提问与反馈，从而进一步完善研究视角 和分析方法。此形式鼓励学生在学术讨论中表达独立见解，并从团队合作中获得多元化的观点。 研讨的核心目标是通过理论探讨和案例分析，引导学生从多角度思考的科学问题，深入理解AI技术的潜力与局限。学生在研讨过程中，不仅加深了对金融学课程内容的理解， 还通过学术交流发现自身的知识空白，从而改进学习方法和研究策略。教学研讨通过构建开放的学术交流平台，激发学生对复杂科研问题的思考能力，为后续的研究实践奠定坚实基础。

五、教学效果与评价

跨学科产教融合创新教学模型 随着人工智能技术和教育方法的快速发展，传统的“学-研-辩-践-悟”教学模式已无法满足跨学 科知识整合与快速更新的需求。因此，本研究提出基于智能化与跨学科融合的创新教学模型，即跨 学科智能融合创新教学模型。该模式以培养学生创新思维和解决复杂科研问题的能力为核心，融合 AI技术与多学科知识，构建了系统化且实践性强的教学框架。 该教学模型的核心创新点在于“智-联-创-解-新”模式的实施，涵盖从知识获取到能力提升的完整

（1） 智（智能学习）：在课程初期，通过智能推荐系统和AI助手，根据学生的学习进度、兴趣及认 知水平，动态提供个性化学习资源与路径。借助AlphaMissense和DeepSequence等AI工具，学生能够 精确掌握产教融合功能效应的核心概念和研究方法。智能分析系统实时收集反馈，自动调整学习计划，以提高学习效率。

（2） 联（跨学科联动）：课程中强调跨学科知识的深度融合，特别是在金融前言理论研究中，学生结合 计算机科学、区块链、金融科技和大数据等领域的前沿技术，进行协作式学习。通过虚拟实验室 和数据共享平台，学生与专家共同探讨科研问题，在多学科环境中进行互动合作，培养解决复杂问 题的能力。

（3） 创（创新思维驱动）：通过问题驱动与挑战导向的方式，激发学生的创新思维。例如，在探讨 “人工智能如何优化E链农村贷款”时，学生利用AI技术和大数据分析工具，提出原 创性研究思路并设计解决方案。小组合作与头脑风暴环节进一步激发学生的创造力，强化自主创新 能力。

（4） 解（智能解题与实践）：教学任务紧密结合真实科研情境，学生不仅运用传统实验技能，还需 结合AI模型预测并验证功能效应。通过AI分析虚拟实验室功能的影响，设计实验 流程并优化数据分析，学生在实践中深化对复杂问题的理解，锻炼解决科研难题的能力。

（5） 新（成果反思与自我超越）：课程结束后，学生通过智能学习平台进行个性化自评与互评，系统记录学习过程中的问题与不足。AI辅助分析帮助学生制定改进策略，通过“学习–反思–提升”的 闭环机制，促进自我超越，持续提升科研能力与实践水平。

六、总结

秉持“科教融汇、产教融合、协同育人”的理念，本课程以AI技术赋能《金融学》教学研究，围绕产教融合实践教学功能效应预测构建了与投资学专业高度关联智能投顾与个性化理财的教学案例，充分展现了前沿科技与多学科融合在教学改革中的独特价值。通过将AI技术与传统金融学理论和实验方法相结合，学生在课程中不仅加深了对产教融合及其对校企协同构与课赛融通影响的理解，还通过实践实验培养了分析与解决问题的能力，显著提升了创新思维与实践应用能力。在教学过程中，AI工具（如AlphaFold3 和AlphaMissense）的引入，使学生能够直观体验金融科技与区块链相关知识在实际应用中的价值， 从而激发对学科前沿研究的浓厚兴趣。课程设计通过智能化学习工具和跨学科协作的模式，不仅增强了学生对金融学教学内容的掌握，还有效培养了多学科交叉融合的科学思维。该课程模式从教学案例实施背景、教学内容设计到教学组织与效果评价，构建了一套系统的教学模式，通过AI赋能的教学创新，课程培养了能够应对世界科技前沿挑战的复合型拔尖创新人才，为金融学教学及相关学科改革树立了典范。

参考文献：

[1]彭梦娇.应用型本科高校产教融合的研究[D].重庆师范大学，2016.

[2]苏小红 ， 苗启广 ， 陈文宇 . 基于 AI 赋能和产教融合提升程序设计 能力的个性教学模式 [J]. 中国大学教学 ，2023，（06）：4-9.

[3]熊文辉 . 基于人工智能技术背景下环境艺术设计的实践与探究 [J]. 鞋类工艺与设计 ，2024，4（17）：69-71.

[4]王佑镁，王海洁，王旦，等. ChatGPT 赋能职业教育数字 化转型的多重角色与实践路径[J]. 电化教育研究，2024 （1）：76-83.

[5]谢德新，单雪荣. 人工智能时代职业教育的生存挑战、 自我适应及实现路径[J]. 职教论坛，2024（11）：108-114.

[6] 薛维忠，张春明，佀妲. 人工智能时代职业教育发展研 究[J]. 教育与职业，2020（6）：39-43.

[7]丁晨. 从适应到引领：人工智能时代职业教育发展的机 遇、挑战与出路[J]. 中国职业技术教育，2019（13）：53- 59.

2024年度广东省本科高校教学质量与教学改革工程建设项目，课题名称：新文科背景下《金融学》课程内容建设与教学模式改革研究