大语言模型对高职软件技术专业教育的挑战与机遇

关键词：大语言模型技术；高职教育； 软件技术；机遇；挑战

中图分类号：G642 文献标识码：A

文章编号：1009-3044（2025）03-0105-03 开放科学（资源服务） 标识码（OSID） ：

0引言

大语言模型（Large Language Models， LLMs） 作为深度学习技术在自然语言处理（NLP）领域的卓越成果，凭借其庞大的参数规模和对人类语言的深刻理解与生成能力，正在重塑语言技术的边界\"。2022年11月，OpenAI实验室推出的ChatGPT（全称”Chat Genera-tive Pre-trained Transformer“）是大语言模型技术发展的一个标志性里程碑，ChatGPT一经问世便以其惊艳的表现吸引了全球过亿用户的关注，短短两个月内创下消费级应用增长速度纪录，昭示着大语言模型时代的真正到来。根据工信部数据统计，2023年全年我国语言大模型市场规模实现较快提升，应用场景不断丰富，增长率突破100%，2023我国大语言模型市场规模为147亿元。目前，大语言模型在金融、医疗、教育、工业、游戏、法律等多个行业得到了广泛的应用。初步预测，到2027年，我国大语言模型市场规模将达到600亿元，到2029年将达到1186亿元，年复合增速在40%以上。大语言模型其卓越的知识处理和持续的学习进化能力，展现出人工智能无限的可能性，同时也对高等职业教育带来了深刻的启发与挑战。软件技术作为现代信息化社会各行各业运行和发展的重要支撑，其专业人才的社会需求量大且逐年持续增长，高职院校的软件技术专业主要培养具有扎实的计算机软件专业知识和实践技能，能够在软件技术开发领域从事各种岗位的技术技能型人才\"。在Chat-GPT等大语言模型引领的新时代背景下，其颠覆性的知识处理能力对现有高职软件技术专业人才培养模式产生了明显的冲击。本文旨在探讨大语言模型为高职院校软件技术专业教育带来的潜在挑战与变革契机，通过梳理自然语言处理的发展历程，深入剖析大语言模型的核心技术和特性，从挑战与机遇两个角度全面分析大语言模型对高职院校软件技术专业教育的具体影响，期望通过深化对ChatGPT等大语言模型内在机制的理解，探索其在高职教育中的有效应用路径，推动教育模式的转型升级，进而助力我国高职教育事业在新时代背景下的高质量发展。

1大语言模型技术的演进历程

大语言模型技术的演进历程主要包括四个阶段，每个阶段都伴随着关键技术的突破、模型架构的革新以及应用场景的拓宽。

1.1起步阶段：语言模型技术的前期发展基础

语言模型技术的起步阶段涵盖了从统计语言模型的创立到早期神经网络在语言处理领域的初步应用。特别是在20世纪90年代末及21世纪初，随着计算能力的提升和神经网络研究的复兴，语言模型开始结合深度学习技术，尤其是循环神经网络（RNNs） 的应用，实现了对语言序列更深层次的理解与建模。尽管此时的神经网络模型在规模和复杂性上仍受到限制，但这标志着语言模型从单纯的统计学方法迈向了深度学习时代。

1.2发展阶段：大语言模型技术的发展与崛起

随着计算能力的不断增强和深度学习技术的快速发展，大语言模型技术迈入了一个全新的发展阶段。此阶段以2017年美国谷歌公司（Google）的研究团队发布全新的神经网络架构Transformer作为开端，并迅速应用到整个人工智能领域，成为自然语言处理及其相关研究领域的主要方法。这一阶段的崛起，标志着语言模型从早期的简单统计模型和浅层神经网络模型向深层、大规模模型转变，实现了对自然语言更为精准和全面的理解与生成能力。2018年，Google提出的BERT（Bidirectional Encoder Representa-tions from Transformers）模型开启了大规模预训练模型的时代”。BERT实现了双向的深度语言表示学习，并通过大规模无监督预训练和下游任务微调的方式，极大提升了自然语言处理任务的性能。随后，GPT（Gen-erative Pre-trained" Transformer）系列模型的发布，特别是GPT-2和GPT-3的相继问世，更是通过数十亿乃至上千亿级别的参数规模，展示了大语言模型在文本生成、问答系统、对话交互等领域的强大能力。

1.3进化阶段：超大语言模型技术的跃升与革新

随着计算硬件的进步和数据科学理论的深化，超大语言模型技术进入了快速演进的阶段，这一时期的特点在于模型规模的指数级增长以及由此带来的功能性和智能表现的突破性进展。此阶段即是以2020 年OpenAI发布的GPT-3（1750亿参数） 为开端，其远胜于“GPT-2”（15亿参数） ，开启了超大规模预训练语言模型的新时代，在知识理解、语言生成、上下文学习等方面展现出惊人能力[6]。模型的庞大规模能够在更广泛的语境中捕捉语言的微妙变化，进而模拟出更加接近人类水平的语言理解和生成能力。随着超大语言模型的性能不断提升，它们被广泛应用于各种社会化场景，如个性化教育、协同创作、虚拟助手、智能决策支持等。同时，围绕大模型的生态系统也逐步完善，形成了包含数据平台、训练框架、API服务、开发者社区在内的完整产业链条，有力地推动了人工智能在各行各业的深入应用与创新。

1.4成熟阶段：ChatGPT引领通用大语言模型的发展

OpenAI于2022年底推出的ChatGPT标志着大语言模型迈入了一个全新的成熟阶段。ChatGPT作为一款基于Transformer架构的大型预训练语言模型，以其强大的上下文理解能力和高度自然的人机交互体验，在全球范围内引发了广泛关注和热议。该模型在经过大量的互联网文本训练后，展现出卓越的对话生成能力、代码编写能力、问题解答能力和创造性思维展现能力，使其在众多应用场景下可以胜任如同真人般的智能对话伙伴角色。ChatGPT实现了在无需明确指令的情况下，根据上下文自动识别需求并生成相应的高质量响应。这种通用性使其在教育、咨询、创意写作、客户服务等多个行业得到广泛应用，并启发了更多相关领域的技术创新和产品升级。

2 大语言模型驱动下高职院校软件技术专业发展的现实挑战

一直以来人工智能这一概念让人有一种“似乎很近，却又很远”的感觉。然而ChatGPT的横空出世，却让人们深切地感觉人工智能时代真的到来了。Chat⁃ GPT以其强大的知识处理能力，并且不断学习进步，向人们展示其无限的可能。正是这种无限的可能给各行各业带来惊喜的同时也带来了一定的“震惊”。高等教育领域的这种“震惊”主要源于ChatGPT在知识处理能力上已经超出了人们对于此类技术的认知和想象。如ChatGPT可在数秒间完成一篇论文的创作，且不会被传统的反抄袭软件识别出来；可以在“美国高考”SAT中获得1100左右的分数，超过全美考分中位数；可以通过美国谷歌公司L3级软件工程师（年薪18万美金） 的入职考试。这种超强的学习能力在最初进入教育领域，展现在师生面前的是不仅仅是一种“技术的引领”更多的是一种“解脱的诱惑”，因为ChatGPT强大的学习能力，可以帮助师生从目前繁重的学习工作任务中解脱出来，OpenAI的创始人之一马斯克（Elon Musk） 曾在社交媒体上称赞ChatGPT：“这是全新的世界，和家庭作业说再见吧！”。据福布斯网站的数据统计调查，美国有89%的学生使用过或正在使用ChatGPT做作业。这种颠覆传统教育方式的“入侵式”行为，立刻引起了教育领域的警觉，对应的防御机制也立刻启动。在美国，纽约市教育部在2023年1 月宣布禁止学生在学校的设备和网络上使用Chat⁃ GPT，以防止学生作弊的行为[7]。在欧洲，巴黎政治学院率先行动，禁止各校区全体学生及教职工利用ChatGPT完成教学任务。在澳大利亚，新南威尔士州、昆士兰州、西澳洲和塔斯马尼亚州等多个州已宣布禁止在校内使用ChatGPT。

高职软件技术专业以培养学生软件应用开发能力为其主要的教育主线，而以ChatGPT为代表的大语言模型的出现，使得软件技术专业发展面临着一系列亟待解决的挑战：

2.1降低传统教学评判手段可靠性

以ChatGPT为代表的大语言模型的强知识体系和学习能力，对高校教育最直接的影响就是打破了传统教学手段的可靠性[8]。在传统教学过程中，学生利用作业、报告、论文，实践等活动巩固知识，提升专业技能。教师通过这些手段可以了解学生学习情况，把控教学效果，但大语言模型的出现打破了一直以来维持的平衡，学生可以逃避思考，借助各类大语言模型应用快速地完成作业，软件技术专业的专业核心课程一般是培养学生项目开发及代码编写的能力，原本学生完成一道编程题目需要查询大量的资料，然后花费数小时完成，而使用大语言模型应用可能仅需要十几秒钟即可完成，并且由大语言模型应用生成的答案是模拟人的思维方式，教师无法分辨出这种作弊行为。这样的教学反馈结果是不真实的，教师如果继续以这种反馈结果作为教学设计或教学管理的依据，那实际的教学效果必然会大打折扣。

2.2阻碍提升学生综合素养能力

高等职业教育领域作为应用型人才培养的重要基地，承担着为国家输送高素质应用型人才的重任。但如果高校师生对于以ChatGPT为代表的大语言模型的过度依赖可能导致学生在解决问题时缺乏独立思考。习惯于从AI获得快速答案，而不是通过深入分析和批判性思维来解决问题，这种趋势可能会削弱学生分析问题、批判性思考和创造性解决问题的能力。另外，过度依赖AI工具可能导致学生在现实生活中的人际交往和沟通能力下降。面对面的交流、团队合作和解决冲突的能力对于个人的全面发展至关重要。在高职软件技术人才培养体系中，知识的培养只是其中的一部分，更多的应该注重学生的综合素养能力的培养。创新思维能力、分析解决能力、批判性思维，团队协作能力等能力是高素质人才的基石，大语言模型的出现会使得部分同学因为过度依赖，失去了锻炼培养这些能力的机会，无法真正成为社会所需要的高素质人才。

2.3不利于塑造正确的人生观价值观

人才培养不仅是知识的传授，更是价值观和道德观的塑造。高职院校人才培养的核心目标为：立德树人，培养全面发展的社会主义建设者和接班人。因此，教育工作不仅仅是知识传授的过程，更是价值观塑造、品格培养的过程。大语言模型可以生成看似合理的文本，但学生和教师可能会面临误导或错误的信息，特别是当模型基于不准确或有偏见的数据进行训练时，并不保证所生成的信息总是准确和可信的。这对于过度依赖大语言模型提供信息的学生可能受到错误信息的引导，背离了原本正确的人生观及价值观。另外，如果学生过分依赖ChatGPT来完成学术作业，可能导致学术不端行为，如抄袭和剽窃。这不仅违背了教育的根本原则，也不利于学生诚实、负责任品格的培养。

3大语言模型驱动下高职院校软件技术专业发展的时代机遇与策略

在大语言模型带来的挑战的同时，如合理利用新技术，高职院校软件技术专业发展也将面临着前所未有的时代机遇。

3.1教学内容更新与课程体系重构

在大语言模型技术引领的AI技术变革为高职院校软件技术专业的教学内容更新与课程体系提供了重构机遇，主要体现在：1）教学内容的前瞻性布局。为适应技术发展和社会需求的变化，同时提升学生的竞争力和就业能力，高职软件技术专业的课程应更新课程的教学内容，在原有软件技术专业基础课程上，引入大语言模型等相关技术内容，帮助学生更快地掌握专业知识和技术能力。在“编程类”课程中，可增加使用大语言模型进行代码生成与调试的内容，帮助学生更快掌握编程技巧及自主纠错能力；在“项目技术文档”课程内容中，利用大语言模型生成技术文档框架，学生可根据实际项目情况进行完善优化，有助于提升学生的技术文档撰写能力，深度了解软件项目开发流程；2）课程体系重构。高职软件技术专业传统的课程体系结构是选择一个技术体系，从专业基础课，到专业核心课和专业拓展课逐步递进。但在大语言模型的环境的影响下，原本需要大量练习的专业基础课程的内容由于大语言模型的介入，学生可借助各类工具自动生成结果，逃避传统的“熟能生巧”的练习。如果沿用传统课程体系结构很容易造成学生基础能力不牢，上层拓展课程难以继续的现象。因此，在大语言模型赋能的新时代，课程体系的重构应考虑大语言模型的智能作用，打破传统的技术线性体系，改为项目模块体系，在项目模块体系中，大语言模型可作为学习辅助工具，帮助学生解决基础问题，学生的学习更侧重借助智能工具提升职业素养和创新拓展能力。大语言模型等AI技术的融入为学生能力的提升提供了更广阔的空间；3）课程评价与考核机制的创新。在教学内容更新与课程体系重构过程中，还需要改革课程评价与考核机制。鼓励项目驱动、案例分析、创新实践等形式的考核方式，让学生在完成课程学习的同时，完成实际的项目，实现从理论知识到实践操作的双重提升。此外，可引入企业导师、行业专家共同参与课程评价，确保课程内容的实用性和前沿性。

3.2实践教学与产教融合新模式

随着大语言模型技术日益成为AI领域的重要驱动力，高职院校软件技术专业在教学实践中积极倡导并实施实践教学与产教深度融合的新模式，以更好地应对技术革新所带来的挑战，并为社会输送具有实战能力的高素质人才。这一新模式主要体现：1） 实训项目与真实业务场景融合。在软件技术专业实践教学中，积极推动校企合作，将大语言模型的实际应用案例融入教学过程，设立基于大语言模型的真实项目实训，如智能助手开发、语义解析系统的构建、文档自动生成系统的设计等，让学生在解决真实世界问题的过程中深化对大语言模型技术的理解和应用能力。在实训过程中，明确实训具体目标与预期成果，选择合适的大语言模型作为技术基础，并根据项目特点进行技术选型。在此基础上，通过小组分工协作，组织学生进行需求分析、技术培训、数据准备等工作，确保学生能够掌握必要的理论知识和实践经验。项目实施过程中，注重培养模型训练与优化能力，关注用户体验设计。项目完成后，通过功能测试、性能评估及用户反馈收集等方式进行全面评估，以确保实训成果的质量。此外，加强校企合作，引入企业资源和技术支持，有助于提高实训项目的实际价值和社会影响力；2） 师资队伍的双师制建设。推行教师与企业专家协同授课的“双师制”，邀请业界精英担任兼职教师或指导老师，共同参与课程设计、教学实施与效果评估，确保教学内容紧贴产业前沿，增强学生对大语言模型技术应用的认知和实战经验；3） 评价体系的多元化与实操化。改革传统的课程评价与考核方式，强调对学生综合实践能力的评价，包括但不限于大语言模型项目的策划与执行、团队协作、技术创新及实际问题解决能力。通过举办项目路演、作品展示、企业评价等方式，实现评价指标的多元化与实操化，促使学生在学习过程中主动对接产业需求，全面提升其在未来职场的竞争实力。

3.3新兴就业岗位与市场需求对接

高职院校软件技术专业面临着对接新兴就业岗位与市场需求的重大机遇。为确保毕业生能够迅速适应并胜任此类新兴职位，本专业在人才培养方面可以采取以下策略：1） 识别与追踪新兴就业岗位。持续跟踪并分析出国内外大语言模型相关领域中适合高职院校学生的新兴就业岗位，主要涉及：大模型应用开发、AI模型调优工程师、数据标注与预处理等，深入研究这些岗位的工作职责、技能要求和发展前景，及时调整教学内容和培养方案；2） 制定适应新职业岗位技能需求的人才培养方案。传统人才培养方案的设计依据为行业的职业技能要求，因此软件技术专业人才培养一般为专业技术培养为主，创新能力培养为辅。而在大模型的推动下，一些基础编程任务，如代码生成、测试，甚至是部分功能模块的开发都可以自动完成，这使得软件工程师可以将更多精力放在创造性工作上，如系统设计、算法优化、用户体验提升以及解决复杂问题。因此，岗位职责将更加侧重高阶的逻辑设计和创新思维。高职人才培养也应顺势而变，借助大语言模型的知识处理能力，培养学生具备快速学习新技术、新工具的能力，提升学生的创新拓展能力；3） 搭建校企合作就业桥梁。与行业内头部企业和创新型企业建立长期合作关系，引导学生积极参与企业实习实训，提前了解和适应实际工作环境，掌握大语言模型技术在各行业场景的应用情况，进一步提高其职业素养和岗位适应能力。

4结束语

在未来发展中，大语言模型技术将继续突破，实现更深层次的理解与创造，同时降低训练成本并提高运行效率。模型将具备更强的交互性和个性化定制能力，成为推动科技进步的关键力量。大语言模型技术的不断发展将继续影响高职软件技术专业的教育模式，如辅助学生的个性化学习，拓展学生的跨学科应用能力等。面对挑战与机遇并存的大语言模型新时代，高职院校软件技术专业教育必须迎难而上，积极应对。打破传统教育框架，打造灵活且实时更新的课程体系，强化实践教学与产学研相结合，培育具备大语言模型技术应用能力的复合型人才。因此，建议高职院校采取多管齐下的策略，包括及时更新教学内容，重构课程体系、深化校企合作、引进优质教育资源、优化评价体系等措施，以期在大语言模型时代推动软件技术专业教育实现高质量转型与创新发展，培养出既能适应瞬息万变的软件行业需求，又能勇攀技术高峰的高素质优秀的职业技能型人才。