人工智能赋能高职“金课”建设:逻辑耦合、现实困厄与行动路向

摘" 要： 人工智能+教育提供“千人千面”的个性化教育，与高职“金课”建设“以学生为中心”的教学理念同向同行;新兴技术与高职教育的互驯互构带来的学科融合以及资源聚合效应，证明人工智能助推高职教育“金课”建设有诸多逻辑上赋能的耦合关系。但人工智能在助推高职“金课”建设的同时，也面临学生高阶性学习目标辅导不足、智慧化教学内容脱节滞后、泛在性课堂实效难以保证、数据化教学评价弱化情感等现实困厄。高职院校“金课”建设未来的行动路向需从强化教师导学作用入手重塑教师角色，通过融入人工智能理论知识、关注个性化自适应学习内容等推动课程内容革命，通过加强多元主体对话建设课堂生态，通过注重情感数据采集来规避教学评价唯数据倾向。

关键词： 人工智能; 高职; 以学生为中心; “金课”

中图分类号： G712" " " " " 文献标志码： A" " " " " 文章编号： 1671-2153（2025）01-0076-07

在国家教育数字化战略中，人工智能与教育的深度融合是重要选择。高职教育作为一种培养高素质技术技能人才的类型教育，在人工智能逐步迭代的背景下，利用人工智能等现代教育技术开展高职教育“金课”建设是大势所趋。《新一代人工智能发展规划》要求“利用智能技术加快推动人才培养模式、教学方法改革”[1]。在人工智能与各行各业不断融合的“智慧时代”，高职教育工作者对利用数字技术优化、创新和变革教育教学活动等需要进行新的思考。如何将人工智能融入高职教育教学活动中，有效推动职业教育“金课”建设，实现职业教育的数字化转型，从而提升人才培养质量、促进高职院校高质量发展，成为一个值得探究的时代课题。

一、人工智能赋能高职“金课”建设的逻辑耦合

（一）理念契合：“以学生为中心”与“千人千面”同向同行

“金课”建设是在新一轮科技革命冲击教育领域的背景下，高职教育必须实施的系统工程，“金课”之“金”由“高阶课堂、对话课堂、开放课堂、知行合一、学思结合”组成[2]。树立“以学生为中心”的教学理念，是“金课”建设的首要前提。建设“金课”的目的是通过对课堂中教师角色、学生地位、课程内容、教学方式、教学评价等教学要素进行彻底革新，打造真正“有效”“互动”“有趣”“有情”的课堂，实现师生在教学活动中的同频共振，强化立德树人的育人宗旨。

在新一代信息技术革命的影响下，人工智能的技术正深刻地改变着教育领域的活动。人工智能与教育的融合已经是未来教育的发展趋势。由于“人工智能+教育”能为“千人千面”学习效果的实现提供技术上的可能，人工智能可以根据学习者的喜好进行推荐，可以统计学习记录、学习数据，生成针对每一个学习者的个性化学习方案。这与高职教育“以学生为中心”的“金课”建设要求形成呼应，改变了传统的以教师为中心的知识传授范式，从而引领高职教育发生重大变革。因此将人工智能融入高职教育的教学变革之中，二者能在理念上同向同行，有效助推高职教育开展“金课”建设。

（二）学科融合：新兴技术与高职教育的互驯互构

“每一次技术革命带来的技术进步都与课堂教学进行着互构互驯的过程，互融互通，共同演绎着课堂教学的变革。”[3]人工智能中的新兴技术与高职教育之间，已经产生了学科融合现象。一方面，以人工智能为特征的教育科技的发展带来了新兴技术的广泛应用，对教育产生了深远影响。“人工智能赋能职业教育的教学模式改革，推动技术技能人才培养模式的重构与发展，提供沉浸式学习体验和职业技能的模拟训练”[4]，有利于提升学生适应智能化生产的实操技能。元宇宙、全息投影、数据分析、虚拟现实、增强现实、混合现实、智能机器人、眼动仪等各种新技术、新型教育设备层出不穷，且逐步运用于高等职业教育活动中，在丰富学习资源、拓宽学习渠道、提高学习效率等方面起着不可低估的作用，可谓直接解构和建构了高职的课堂和教学模式。

另一方面，高职教育近年来的蓬勃发展也对新兴技术进行驯化。尤其在“以学生为中心”教学理念盛行的当下，高职教育教学目标更加关注学生创新能力、自主发展和社会责任等综合素质。在建构主义学习理论的视域下，高职教育的“金课”建设需要教学注入新的生机，知识和技能的获得、素养的提升已然是一个多种关系意义建构的过程。因此，职业教育作为一门学科，对人工智能这一学科如何通过技术迭代发展教育学科、促进职业教育高质量发展提出了新的挑战，同时也对人工智能技术创设仿真场景和个性化学习环境提出了巨大的诉求，从而驱使包括人工智能在内的教育科技行业加大创新力度和速度，加快智能技术更新迭代，提高对日益增长的职教资源的处理能力。

（三）资源聚合：海量信息与个性化学习的互融互促

黄炎培先生曾论断，职业教育人才培养的目的首先是谋个性之发展[5]。而人工智能赋予职教学生前所未有的信息获取体验，学习资源的传播更为便捷和立体，海量信息与知识链条快速传播，资源聚合及其衍生的学习支持系统，使得无边界的学习场域成为可能，也为个性化的学习和“学生个性之发展”提供了更为宽泛的选择和海量的学习资源，并且能与个性化的资源互融互促，实现聚合。学生拥有了无处不在、无时不有的学习空间，符合高职教育“金课”建设力求实现和拓展学习者个性化特征的要求，还能够促进海量信息的建设，二者互融互促，产生积极的聚合效应。

首先，这种聚合能更好地满足教与学需求。人工智能会针对教师和学生的喜好从海量的学习资源中迅速搜索和推送个性化的资源，将自动化的辅助学习软件与大数据技术相结合，这些智慧化的技术对于突破教学重点、化解教学难点大有帮助。而且大数据根据学生自主学习时产生的数据，帮助教师依据教与学的原理灵活安排教学进度。其次，这种聚合更强调开放与共享。师生可以共同制作学习资源，学生不仅高频次使用人工智能推送的资源，掌握了简单智能技术后也可以结合兴趣爱好、发展需求等邀请合作伙伴协同编辑、共建、分类、评价学习资源，实现对开放性学习资源的再处理，参与构建整体的知识资源网络。最后，有助于实现生产资源与教学资源的结合。鉴于职业教育注重实践教学的特征，高职教育的个性化学习还要求学习资源必须与生产资源相结合，但也没必要不断购置频繁更新换代的仪器设备。所以人工智能的仿真技术直接对接工厂生产线，可以让学生即时感知和体验企业生产过程，全面了解生产流程和设备调试的过程，且生成的仿真场景将被上传到学习平台，供学生线上学习、自主学习。

二、人工智能助力高职“金课”建设的现实困厄

人工智能催生的教育科技在推动职业教育变革、促进教育创新和进步方面，正在发挥着不可替代的重要作用，但同时在教育实际中也存在一些现实困厄。

（一）高阶性学习目标辅助不够

高阶性学习目标包括学生是否能运用科学方法、历史方法和其他方法进行有目标、探究式、深层次的学习。教育学家芬克（Fink）在布鲁姆教育目标分类法的基础上，提出有意义学习分类法。有意义学习包括基础知识、应用、综合、人文维度、关心和学会学习六种教学目标的实现[6]。在人工智能冲击职业教育的进程中，在以学生为中心的教学实践中，与其他的教学目标相比，教会学生学习更具有挑战性和高阶性。因为学生不再是接受知识的“容器”，而是掌握智能手段之后，能够批判知识，参与建构知识并使之聚合成一个系统的主体。

因此，将人工智能技术手段引入高职的教学中，为学生的学习拓展了维度、提供了便捷。但人工智能技术在实现高阶性目标的辅助作用方面，仍显乏力。一是对个性化学业发展规划能力的提升辅助不足。学生需要学校或者教师对接产业和社会的需求辅助他们制订符合自身兴趣爱好、专业特质、学习风格的个性化的学业发展计划。这一目的要求教师更多地抽离出知识传授者的角色，转而向学习策略导师、学习计划导师转型，进而为学生逐一进行个性化的学习目标指导。在此方面，教师的引导不足，或过分依赖技术手段弱化“导”的职能，致使学生基于个性发展和特长拓展式的高阶学习、深度学习难以展开。二是对学生理性思维的培养辅助不足。人工智能带来的“深度沉浸体验”乃至以ChatGPT为代表的生成式人工智能提供的互动效果，在有助于学生了解、认识一些基本概念和专业知识的同时，却将那些需要依靠推理、逻辑、思辨才能“理解”的知识推向了更难掌握的位置[7]。因此，包括灵活应用、综合分析、情感联结等在内的高阶性教学目标则难以依靠人工智能进行拓展。如果过分依赖智能技术带来的虚拟仿真、沉浸式体验、身临其境的“穿越”等感官感受，而忽略了对理性思维的培养，则不足以体现高职教育“金课”的高阶性。

（二）智慧化教学内容脱节滞后

虽然高职教育“金课”建设普遍性地将虚拟仿真教学系统建设，增强现实、虚拟现实等人工智能技术融入教学，但如若仅仅将人工智能作为手段加入教学环节中，则远不足以达到人工智能与职业教育深度融合的程度。目前高职“金课”对教学内容的革命还不够彻底，存在忽略植入人工智能学科内容的通病，并未像计算机基础课程一样，将其作为高职学生必须掌握的公共基础课程进行普及，这不利于学生将该门通识课程与专业课程的智慧化进程巧妙融合，也不利于学生了解学科的发展前沿，由此导致教学内容在智慧化、智能化方面明显与时代脱节或者滞后。

（三）泛在性课堂实效难以保证

泛在学习是丰富的学习资源与先进的学习技术交互相融后的全新学习形式与学习活动存在样态，其以泛在的技术工具等为依托，是一种学习者可随时随地使用任意设备获得学习资源的学习方式[8]。学习方式的智慧化和学习场域的泛在性能为学生的自主学习提供自由开放、无边界的学习氛围，有助于他们涉猎课堂之外的领域，培养自主探究和综合判断、制定策略等能力，但高职学生常年形成的欠佳的学习方法和学习习惯，导致他们有了学习的主动权后，依然不能积极主动学习。此外，在人工智能对教学时空解构和重构的背景下，师生如何锚定目标，开展有效的教学互动，建立具有实效的泛在性课堂生态，是一个必须解决的问题。

再者，自主学习的场域虚化、体验弱化、情境淡化和交流简化等，是影响学习绩效的重要原因[9]。教学变成了自学，学生只能使用简单的人工智能手段了解一些“知识”，基于理解的深度学习却往往难以展开，教师“导学”的作用发挥不足，所以表面上看起来无处不在的课堂，其实效性却难以保证。

（四）数据化教学评价弱化情感

人工智能最核心的机理是计算，大量的数据和算法公式是它得以存在的基本原理。然而人工智能运用于教学评价仍有弱化情感价值的弊端，因为人工智能机器不会有同理心。在教育教学活动中，师生的互动需要情感上的交流，教学的评价也不例外。但大数据的分析不会体现“同情”“关爱”“感同身受”的感觉。

教学评价作为教学活动的重要环节，直接反映对教学效果的评定，也反映对人才培养的诉求和导向。未来教育更需要志趣高尚、勤于思考、善于协作、勇于创新、人格健全的复合型高素质人才[10]。因此，在人工智能融入高职教学评价的过程中，对于人工智能产生的大量数据，教师在实施教学评价时应辩证看待。数据作为支撑，有一定的合理性和科学性，然而人工智能的分析毕竟受限于情感的缺失。教学评价如若过分依赖冷冰冰的数据分析，将学生的表现机械地进行划分，显然也违背高职教育关注人的全面发展的根本原则。

三、人工智能赋能高职“金课”建设的行动路向

基于人工智能赋能高职教育“金课”建设的逻辑耦合，为规避高职教育“金课”实践过程中出现的上述偏差和越位，高职院校“金课”建设需从教师角色、课程内容、课堂生态、评价体系四个维度出发，分别去强化导学作用、重组学习内容、强化主体间对话、注重情感数据的采集。

（一）教师角色重塑：强化导学作用

美国当代学者韦默（Weimer）认为，“以学生为中心”的课堂应当对学生进行赋权，在向学生转移和分享一些能够直接影响他们学习过程的控制权后，学生将更有可能和有机会成长为一个有效学习、使学习真实发生的学生[11]。未来的职业教育不仅要按照每位学生的兴趣爱好、个性特征定制个性化的培养方案，更需要教会学生自主学习、实践、创造和自我管理[12]。按照芬克的有意义学习分类法，学会学习是体现高阶能力的教学目标。人工智能时代要解决“金课”建设过程中高阶性学习目标辅助不足的问题，把学习的主动权交回给学生，培养学生的学习力和思维力，可以从以下三个层面强化教师导学作用，重塑教师的角色。

1. 教师要做学生“学会学习”的引路人。教师要引导学生对“学会利用AI工具学习”产生元认知。这种元认知是指学生对自己学习过程的认知和调控能力，它涉及学生对自己学习策略、学习目标、学习资源和学习成效的主动反思和调整，使学生能够清楚自己的学习需求和优劣势。学生建立了这种元认知，一是能借助人工智能设定合理的学习目标，并采取适当的学习策略来达成这些目标。二是学生能有意识地对学习进程进行自我评估，他们会通过自我提问来检查学习效果，发现问题后及时通过人工智能手段查阅资料或寻求老师帮助。三是能及时调整学习方法，有效监控自己的学习进度，并根据智能化工具或教师的反馈进行自我评价和修正。

2. 教师要做学习方法的传播者。学会学习就是学会如何探索和构建知识以及如何进行自主学习。教师要善于传授适应智能时代发展的学习方法。例如穿透式学习主张的结构化学习方法，包括费曼空白笔记本法、冲刺学习法、冲刺阅读法。这些方法着眼于构建知识体系，能有效帮助学生学透、精通所学内容，除此之外，这类方法还特别强调技术工具在学习中的运用、学生向AI提问的技能和编写个人知识指南的技能等。掌握了这些方法和技能有利于学生将外部的知识体系建构成个人的，从而实现学习的自主化，形成个性化的学业规划。

3. 教师要做学习环境的设计师。正如美国“以学生为中心”教学理念和实践的奠基者巴尔（Barr）和塔格（Tagg）所说：“教师不再是通过讲授来传授知识的学科专家，而是学习环境的设计者，团队互动的教练。”[13]学习环境的设计，对学习的发生有直接作用。人工智能植入教学环境中，不仅要在课堂中放置智能设备方便学生随时提问，还可设计元宇宙教室，搭建基于生产一线工作实务的智能化VR/AR场景，让学生身临其境地去体验、感受，教师着重设计思考、判断和协同操作的问题，为学生创建训练逻辑思维能力的具象化载体。

（二）课程内容重组：融入AI学习内容

人工智能与教育的融合已是职业教育高质量发展的趋势，这让教育真正实现从规模化向个性化、定制化发展，实现以学生为中心、以学生的个性化发展为重心的新型教育。目前，国内外众多高水平研究型大学已经在课程体系中加入了人工智能的相关课程。高职院校在课程设置和内容组织方面还存在滞后的情况。针对智慧化教学内容脱节的问题，高职院校“金课”的建设需要重组课程内容，除了“岗课赛证”的融合之外，还应当嵌入人工智能学科内容，优化自适应学习内容供给。

1. 嵌入人工智能学科内容。随着人工智能技术的进步，高职的学生毕业以后所从事的工作也将涉及该行业的人工智能化发展，从智能家居到自动驾驶，从语音助手到智能医疗，智能科技领域也成了大学生就业的热门方向。因此，高职学生的学习内容理应包括人工智能技术的基本原理和应用方法[14]。另外，还应该在课程内容的设置上主动引导学生学习一些简单的人工智能应用方法，例如编程、算法和数据库管理等，以帮助学生在未来的职业发展中顺利适应数据处理、模型构建、算法优化等工作，并提升他们运用人工智能技术解决实际问题的能力。《教师数字素养》标准的出台，对职业院校教师提出了新的时代要求，也对学校、政府、行业、企业提出了在整个职业教育领域大兴“普及人工智能常识之风”的要求。所以，只有当人工智能作为通识性的教学内容覆盖到每一位师生，才有可能全面提升教师和学生的数字素养。

2. 优化自适应学习内容供给。自适应学习是基于行为主义心理学理论而产生的一种学习模式，指学习者受到学习环境、场域中信息的刺激后，做出的条件反射式信息加工和学习构建。它并无固定的学习目标，也不设置学习进度，强调的是提高学习者自主解决问题和获取知识的能力[15]。自适应学习通常在一定的技术、场景、平台中自主发生、维持、反思和评估，因此更能体现个性化的学习需求。自适应学习的引擎模型主要由学习者模块、教学模块和领域模块组成（如图1所示）。所以在高职院校的“金课”建设进程中，要优化自适应学习内容供给，特别是教学模块，教师要对人工智能的内容和媒体进行选择，帮助学生规划学习路径，并记录学生学习情况与调整教学进度;在领域模块，内容供给者则要结合职业教育“岗课赛证”融合的需求，对学习目标等级、知识内容对象、内容资源模型进行不断更新和优化。

教师和自适应学习内容提供者，要充分挖掘自适应学习给学生高效学习、学会学习带来的强大动能，有意识地关注学生自适应学习的内容，通过大数据技术追踪、了解每个学生的认知水平和学习习惯，差异化进行学情分析，再有针对性地根据自适应学习形成学习情况图谱，陪伴并指导每个学生定制自己的学习方案，触发自适应学习引擎，全面做到内容自适应、序列自适应、测评自适应，并进行记录与适时调整，以此贯彻因材施教的教育原则和深化“以学生为中心”的高阶性、个性化、导学式教学改革，也才能让“泛在性”的自主学习产生实效。

（三）课堂生态重构：加强多元主体对话

高职院校的“金课”建设还应包含对课堂生态的重构。人工智能背景下的课堂生态，是由学生、教师、教学活动、智能技术、产教融合环境等各要素以及相互关系所构成的一个有序运行、动态平衡的有机整体。各个要素之间的对话与交流营造更为健康有序的学习氛围。正如雅斯贝尔斯所说：“教育是人对人主体间灵肉交流的活动。”[16]对高职课堂生态进行重构，特别是人工智能“能说会道”的技术嵌入后，主体之间的对话不应该因为智能机器、技术的嵌入而形成屏障，否则会使课堂生态这一有机整体的各个主体陷入疏离状态，与教育的初衷背道而驰。

课堂生态的重构应加强多元主体的对话，可以从人本化、多元化、协同化三个维度展开。人本化是指人是教学生态系统的主体;职业教育的目的是培养和发展人，因此在利用人工智能技术开展课堂生态革命时，只有回归“育人”宗旨，泛在课堂才有了根本遵循，师生的对话和交流才得以产生。切不可让技术限制了学生的发展，弱化了教师的职能和功能。多元化主要凸显教学生态系统中各要素和教学过程各环节的复杂特征;由于职业教育需要企业、行业、产业各种要素注入育人的过程，因此在构建课堂生态环境时，需要将企业生产一线的智能化生产场景直接“搬”到课堂之中，营造生活化、实景化、产业化的课堂氛围。协同化强调教学场域中的学生与教师、师生与智能机器、智能机器与环境等多要素共生发展。所以，在教学过程中，一些智能设备的设置、使用，包括课前课后教师的导学方案中如何引导学生使用智能设备进行拓展、答疑、合作探究，均能加强各个主体、要素之间的对话和交流，提升泛在课堂的实际效用。

（四）评价模式的重设：注重情感数据采集

2020年中共中央、国务院印发《深化新时代教育评价改革总体方案》，要求“改进结果评价，强化过程评价，探索增值评价，健全综合评价”[17]，为教育评价模式的重设提供了根本遵循。“强化过程评价”“健全综合评价”的要求强调关注教育全过程和学生的综合素质，所以对教学的评价切不可缺失人文维度的评价，也因此要注重对学生学习过程中产生的情感数据的采集。学生在学习过程中体现的高雅的志趣、正确的价值观、高尚的职业素养、出众的创新思维，以及团队精神、责任感、使命感、大局观等，都应该是被重视的数据。

对于利用人工智能手段进行教育评价时弱化情感的问题，解决的途径之一是人工智能情感计算应用后的评价模式重设。所谓情感计算是指由计算机通过摄像头、穿戴设备等智能机器对人类情感进行捕捉、识别、翻译和仿真，并基于此探测分析情绪，能通过情感计算和社群计算对学生的情绪特征和社交关系进行解析[18]。教师在评价学生学习效果时，可以从个性特征、知识分析、行为分析、学习体征、社交特征等多维度重设评价的模式（如图2所示）。教师开展过程评价时借助新一代的人工智能技术对学生的认知行为、心智行为、眼动行为、脸部行为和交流行为实时实地精准采集和分析，例如借助智能化穿戴设备、图像识别和虚拟现实技术，跟踪、记录学生在协作式学习过程中产生的创新、协同、合作、同理心、共情感等要素，为学生绘制个人学习画像，全方位对学生的学习进行综合评价。

四、结论

党的二十大报告首次将教育、科技、人才作为“三位一体”的整体来论述，指明了新时期我国职业教育改革的新方向。人工智能等科技元素与高等职业教育的深度融合交汇，将为高等职业教育发展注入新动能。职业教育作为融通教育链、产业链和人才链的类型教育，根本任务是培养具有主体性的人，因此在利用人工智能技术建设“金课”的进程中，应当突出职业教育培养的是人工智能背景下具有不可替代性特征的高素质职业人才。人工智能对高职教育“金课”建设的赋能，要求教师充分重视高职学生作为“人”的个性化发展，做到“教”与“不教”的平衡，强化学习导师角色，要求学生转变学习习惯、发展高阶思维能力，进一步思考如何“学”和“学什么”的问题;要求内容提供者遵从职业教育的发展规律和发展需求，提供更多优质的、体现科教融汇、产教融合特征的、符合职业教育人才培养要求的“岗课赛证”融合式学习内容，从供给侧进一步丰富自适应学习内容;要求课堂生态的构建实现“人—机—环境”的高度和谐和学习空间的可重构性;要求增加对教学评价的过程性、情感性数据的采集力度。上述四个维度的举措为人工智能时代职业教育“金课”建设提供了行动路向，有助于加快实现高职院校学生成长、教师发展等多方面的深刻变革。

参考文献：

[1] 国务院关于印发新一代人工智能发展规划的通知[EB/OL]. （2017-07-20）[2023-09-21]. https：//www.gov.cn/zhengce/content/2017-07/20/content_5211996.htm.

[2] 李志义. “水课”与“金课”之我见[J]. 中国大学教学，2018（12）：24-29.

[3] 任祥华，柳士彬. 人工智能时代教学以何存在[J]. 中国电化教育，2021（5）：87-93.

[4] 周驰亮，方绪军. 人工智能背景下职业教育教学改革的三重逻辑：起点、挑战与路径[J]. 中国职业技术教育，2022（20）：33-39.

[5] 周明星. 藩篱与跨越 高等职业教育人才培养模式与政策[M]. 武汉：华中师范大学出版社，2018.

[6] 芬克. 创造有意义的学习经历[M]. 胡美馨，刘颖，译. 杭州：浙江大学出版社，2006.

[7] 周序，秦嘉龙. 人工智能时代直观教学面临的机遇与挑战[J]. 四川师范大学学报（社会科学版），2023（5）：124-129.

[8] 姜晨. 泛在学习背景下未来学校建设研究[D]. 济南：山东师范大学，2023.

[9] 李海峰，王炜. 网络陪伴式学习：一种泛在学习场域下的群体自律协同学习模式[J]. 电化教育研究，2023（5）：67-73，81.

[10] 杨宗凯，王俊，吴砥，等. ChatGPT/生成式人工智能对教育的影响探析及应对策略[J]. 华东师范大学学报（教育科学版），2023（7）：26-35.

[11] 杨春梅. 高校以学生为中心的教学：理念与路径[M]. 北京：北京理工大学出版社，2018.

[12] 赵慧. 未来教育：教育改革的未来[M]. 北京：人民日报出版社，2021.

[14] 李久军，巴登尼玛. 人工智能背景下职业教育评价的主体性坚守与改进路向[J]. 职业技术教育，2022（28）：56-61.

[15] 吴笛. 基于语义网的个性化网络学习服务[M]. 武汉：武汉大学出版社，2017.

[16] 雅斯贝尔斯. 什么是教育[M]. 邹进，译. 上海：生活·读书·新知三联书店，1991.

[17] 中共中央 国务院印发《深化新时代教育评价改革总体方案》[EB/OL]. （2020-10-13）[2023-10-08]. https：//www.gov.cn/zhengce/2020-10/13/content_5551032.htm.

[18] 李韧. 自适应学习：人工智能时代的教育革命[M]. 北京：清华大学出版社，2019.

Construction of “Golden Courses” for Higher Vocational Colleges Enabled by Artificial Intelligence： Logical Coupling，Realistic Dilemma and Action Direction

LI Jing， GU Zhiping

（Guangzhou Nanyang Polytechnic， Guangzhou 510925， China）

Abstract： The combination of artificial intelligence and education provides personalized education for different people with different needs，and the teaching philosophy of “student-centered” in the construction of “golden courses” in higher vocational education is in line with each other. The interdisciplinary integration and resource aggregation effects brought about by the mutual training and construction of emerging technologies and higher vocational education prove that artificial intelligence can promote the coupling relationship of “golden courses” in higher vocational education in many logical ways. However，while artificial intelligence is promoting the construction of “golden courses” in higher vocational colleges，it also faces practical difficulties such as insufficient guidance for students’ high-level learning goals，lagging behind in intelligent teaching content，difficulty in ensuring the effectiveness of ubiquitous classrooms，and weakened emotional evaluation through data-driven teaching. The future direction of action for the construction of “golden courses” in higher vocational colleges needs to start from using intelligent technology to balance the power of learning and teaching，and promote the revolution of teacher-student relationships. By integrating theoretical knowledge of artificial intelligence and focusing on personalized adaptive learning content，we can promote a revolution in course content. We can also strengthen the dialogue among multiple subjects to build a classroom ecology，and avoid the tendency of teaching evaluation to rely solely on data by emphasizing emotional data collection.

Keywords： artificial intelligence; vocational education; student-centered; “golden courses”

（责任编辑：姜聪瑞）

基金项目： 广东省教育厅特色创新项目“广东红色文学经典作品的当代人文价值和数字化传播研究”（2022WTSCX322）;广东省教育厅特色创新项目“‘双高计划’背景下高职院校青年‘双师型’教师培养路径研究”（2022WTSCX323）

作者简介： 李婧（1985—），女，副教授，硕士研究生，研究方向：职业教育管理。