|
1 研究方法 表1 2010年至2019年的EAAI会议征文主题统计表 另外，近两年来中国人工智能学会、教育部高等学校计算机类专业教学指导委员会和信息技术新工科产学研联盟等机构密集开展与人工智能相关的教育教学类学术会议和研讨会议，这些会议资料也作为本研究的基础。 2.框架设计 首先，本研究运用系统性文献综述法[3]制作“九维文献内涵数据抽取单”。其次，探测人工智能人才培养研究关注的五个核心问题，即：为何开展人工智能人才培养？谁来培养人工智能人才？在什么阶段培养人工智能人才？人工智能人才培养与哪些教育情景有关？怎样推进人工智能人才培养工作？进而将这五个核心问题概括为人才培养动因、人才培养主体、人才培养层次、人才培养情景和人才培养逻辑五个维度，并参考“五何”分析框架[4]丰富研究问题模块，从而构建了人工智能人才培养研究的九维分析框架（图1）。 依此框架将以上经过质量评估遴选出的300余篇核心中英文学术论文、研究报告、政策文件、会议资料和实践案例等进行数据抽取、整合与分析。 2 研究内容分析 人工智能人才培养源于科学技术发展、应用场景驱动、国际竞争加剧、高等工程教育发展四个动因，且这四者并非相互独立。科学技术发展推动了人工智能在应用场景中的广泛渗透，引发了世界各主要国家和地区的科技和人才竞争，带动了高等工程教育的不断发展；应用场景拓展对科技和人才提出了新的需求，促使各国在关键应用场景开发上激烈竞争；国际竞争对理论突破、技术创新和教育提升既有正向促进作用，也有在国与国实力不均衡的情况下对部分国家的发展形成抑制和壁垒的负向作用；高等工程教育的发展既是其他三个动因的作用结果，也能对之起到促进作用。因此，对人工智能人才培养的研究需进一步挖掘其综合作用机理。 （1）科学技术发展驱动人工智能专业人才培养 21世纪以来，互联网、大数据、云计算和芯片等技术的快速发展推动了智能技术的发展和应用，人工智能进入了第三次发展浪潮，并引领社会从信息化时代走向智能化时代。[2]人工智能的发展改变了人类的认知方式和生活方式，加速了人类对世界的改造。[5]智能时代，社会各行各业的技术改造和升级依赖具有创新精神和深耕人工智能研究领域的专业人才。然而，全球范围内人工智能专业人才（特别是杰出人才）紧缺，加强人工智能人才培养已被列入世界多国的发展战略之中。目前，我国在掌握人工智能领域最核心、最原创技术的专业人才培养方面相对滞后[6]，人工智能领域杰出人才的世界占比偏低，研究领域相对分散。[7]如何通过教育范式转型和教育体制机制改革充分发挥科学技术发展对人工智能人才培养的驱动力，从而培养能够担负全人类命运发展重任的人工智能人才是当前和未来教育面临的巨大挑战。 图1 人工智能人才培养研究的九维分析框架图 （2）应用场景拓展驱动人工智能复合型人才培养 人工智能与产业深度融合发展和走向市场应用的过程，一方面带来了产业对人工智能复合型人才和学科交叉型人才的大量需求，另一方面也带来了劳动力就业市场格局的变化。面对新形势，由大量应用场景驱动的人工智能人才培养可从加强跨学科教育、产学研协同育人和职业教育三个方面发力。首先，人工智能领域的发展及其与各行各业的融合依赖基于学科知识交叉的复合型人才培养，需要打破学科边界开展跨学科教育。[8]其次，深化产学合作协同育人机制，迫切需要打破校企人才培养边界，破解高等教育与市场需求“两张皮”的问题，将真实场景下的人工智能技术需求与科研需求、产业需求相结合，将技术创新与人才培养改革相结合。[9]另外，职业教育应主动变革，各职业院校应积极适应就业市场对人工智能人才的需求，拓宽人才培养思路，调整办学方向和专业设置，将目标高移化、原则个性化、模式互动化、方式智慧化，深化产教融合[10]和人才培养模式创新。 （3）国际竞争加剧驱动人工智能高端人才培养 国际政治军事形势的变化引发了各主要国家和地区面向前沿颠覆性创新的技术竞争和人才竞争。作为人工智能发展的关键要素，人工智能人才的培养和集聚已成为诸多国家的战略重点[11]，以及各国高等工程教育发展的新的历史使命。[12]近年来，世界各主要国家和地区分别针对加快人工智能技术的发展、提升人工智能技术人才的储备以及提高广大社会公民对人工智能技术的认知而纷纷出台政策、计划和方略，以期抢占该领域的发展先机，激发人工智能在本国的科学研究、国民经济、社会服务、文化教育、民生福祉、环境生态、国家安全等领域的巨大潜能。[13]清华大学发布的《中国人工智能发展报告2018》和美国Element AI发布的《2019年度全球人工智能人才报告》均对世界范围内的人工智能高端人才分布进行了具体考察，指出世界各国人工智能人才分布不均、各主要国家和地区间人才储备量差异较大、中国和美国之间高层次人才流动失衡等问题。 （4）高等工程教育发展助力人工智能人才培养模式创新 在智能时代，一方面，先进的人工智能技术通过涌入教育实践而提高教育“智慧”；另一方面，世界顶尖高校正在以推进全人类发展和造福全人类为己任，引领全球人工智能科学研究和人才培养，积极谋划人工智能的基础研究、应用研究和成果转化。[8]从美国STEM教育计划到麻省理工学院的NEET新工程教育计划，再到中国高校的“新工科”建设，高等工程教育的范式转型带来了新型工程人才培养模式的持续改进。例如，麻省理工学院自2016年酝酿启动新工程教育转型计划以来，一直致力于面向未来工程领域的综合发展特点而创建跨越学科边界的、以项目为中心的新型工程人才培养项目，通过贯穿始终的科研项目（图2）让学生培养新能力、构建新思维和获得新体验。 2.人才培养主体 起源于联想主义的知识哲学和人工智能的联结主义理论[14，15]的联通主义（Connectivism）强调学习是信息、联系和资源建立网络的过程，这些网络应用于解决实际问题。[16，17，18，19]从联通主义学习理论的角度看，人工智能人才培养应建立于开放、复杂和快速变化的知识网络之上，其参与主体不仅存在于高校之中，也不仅限于教师和学生。广阔的应用场景为人工智能领域新知识的出现构建了庞大的社会网络，因此需要产学研多主体共同参与人才培养工作，并在社会网络中相互沟通，不断建立新的联系，从而促进知识不断迭代。同时，教师与学生的关系也发生了变化，以沟通和互动为主的教学形式将逐渐取代单方向的知识传递。因此，本研究在对人工智能人才培养研究进行回顾的过程中，集中探讨产学研协同育人和师生关系转变两个方面的问题。 图2 麻省理工学院NEET计划自动机械项目课程串示意图 （1）产学研协同开展人工智能人才培养 由于人工智能学科具有较强的综合性和应用性，其最终的发展目标是与产业和行业结合，走向市场应用。因此，应充分发挥企业在把握行业发展方向、行业标准、制造过程以及服务标准等方面的优势，为高校人才培养提供信息和指导，并通过为人才提供实践机会增强其外部适应性。[20]目前，以科大讯飞股份有限公司、腾讯科技（深圳）有限公司、百度在线网络技术（北京）有限公司等为代表的高新技术企业已与我国部分高校开展深度合作，共同建立“校企合作型”人工智能学院或人工智能研究院。[21]英特尔、华为、IBM等公司也在校企联合培养人工智能人才方面提前布局，通过开发课程和实验平台，将企业所拥有的软硬件条件、算力、代码案例、行业脱敏数据及人工智能相关课程等提供给高校师生使用。 （2）发挥师生主体互动作用 人工智能人才培养的复杂性、敏捷性和跨学科性对高校师资队伍建设提出了更高的要求。面对近年来高校开展人工智能学科建设、专业建设和人才培养等工作对专业教师数量和质量的双重要求，信息技术新工科产学研联盟和全国高校人工智能人才与科技莫干山论坛多次开办人工智能师资研修班和系列研讨班，为从事人工智能相关教学的一线教师和专业责任教授提供教育教学技术支持。从跨学科教育的角度看，应充分结合人工智能的学科特色、地域特色和办学特色，整合多学科背景的师资力量进行教学内容建构。[22]同时，智能时代的教师应是适应定制化和个性化人才培养模式的导师和引领时代创新的大师[23]，高校应面向复合型人才的培养目标，加强导师对学生学习和研究的个性化指导，帮助学生挖掘学术潜能，提高其创新能力和创新素质。[24] 3.人才培养层次 面对全球范围内人工智能人才短缺的现象，人工智能人才培养首先需要厘清人工智能人才的内涵、层次与分类。一方面，学界从该学科领域的纵向理论延伸和横向应用拓展两方面对人才进行了分类。另一方面，人才培养层次可分为高等教育阶段（如本科阶段、硕士阶段和博士阶段）、职业教育阶段（包含终身教育理念）以及高中及以下阶段。高中及以下阶段的人工智能知识普及暂不能被界定为培养人工智能人才，因此本研究暂不展开探讨。 （1）厘清人工智能人才的层次与分类 从人才知识需求层次看，人工智能教育应以培养宽口径复合型人才、高水平专业人才和拔尖创新人才为目标，形成多元模式。[22]由于未来人工智能专业体系架构被分为由智能科学与技术专业和人工智能专业教育构成的核心层、面向重要学科方向与经济社会重大需求智能应用领域的衍生层，以及面向行业领域将人工智能与相应行业的既有专业进行结成的复合层，因此人工智能人才可被划分为“核心+衍生”“复合”和“交叉”三个层次。[25]从类型上也分为核心专业人才、行业交叉人才和政府管理人才等。[8] （2）面向高等教育阶段的人工智能人才培 以教育实践看，高等教育阶段的人工智能人才培养包括分段培养和贯通培养两种方式。卡耐基梅隆大学注重人工智能本科专业建设，而斯坦福大学和麻省理工学院等高校则注重研究生阶段的人工智能人才培养，通过内部机构重组满足人工智能教育的跨学科需求，并吸纳优秀的本科生参与人工智能研究项目。美国俄克拉荷马大学开设了本科生与研究生通选的人工智能导论课程[26]，马萨诸塞大学在本科和研究生人工智能通选课程中融入了数学知识的实践教学[27]，也有高校通过人工智能导论课程帮助本科生掌握计算机学科的研究方法。[28] 长期以来，我国高校通过建设智能科学与技术本科专业开展人工智能本科生培养工作，通过科研带动人工智能相关研究领域的研究生培养。近年来，国内部分高校陆续成立了人工智能学院或人工智能研究院，积极参与人工智能本科专业建设和“新工科”建设[29]，为人工智能领域的本科生和研究生培养搭建了更坚实、更开放的平台。例如，西安电子科技大学人工智能学院以竞赛引导学生创新、以国际化带动教学水平提升、以本硕博衔接与协同构筑人工智能人才培养新模式。[30] （3）面向职业教育阶段的人工智能人才培养 当智能时代来临之际，教育将面临更加复杂的环境和更加棘手的问题，然而教育也仍然是人们获得更高经济地位[31]和实现自我价值的路径之一。因此，高等教育不能只聚焦于培养本科生和研究生两大主体，还需要拓宽教育面向，寻找新的模式和新的定位，成为终身学习的引擎。职业教育院校应加强人才培养的谋篇布局[32]，探索新的理论、广泛开展实践、开发新型师资、构建新型人才培养体系[33]，进而调整培养目标、改革培养模式、创新教学方式、重构专业体系和重组课程内容等。[34]目前，部分技工院校也在人工智能人才培养和教学改革方面进行了实践。[35] 4.人才培养情境 钱学森认为“系统观”是科学技术的最高概括和最普适规律[36]，并提出了系统是“由相互作用和相互依赖的若干组成部分结合成的具有特定功能的有机整体”的经典定义。研究人工智能人才培养情境需要运用“系统观”，基于已有研究，从教育生态、教育体系、学科建设、课程教学等层次对人才培养情境这一包罗万物的开放复杂系统进行解剖分析。 （1）在教育生态的层次研究人工智能人才培养 人工智能人才培养扎根于新工科建设和新型工程人才培养的新型教育生态系统。因此，高校需要建立一个既能够与外部乃至国际教育相关要素建立多渠道多元化的联系与合作，又能够调动与整合校内外资源用于敏捷教育与可持续竞争力教育。[37]同时，高校需要进一步加强通识教育和多学科交叉融合，开展产学研协同育人、国际合作开放育人和创新创业实践育人，塑造开放的国际化科研与教育生态。[38]2017年11月中国软件行业协会联合国内部分高校、科研院所、行业企业共同建立了信息技术新工科产学研联盟，不断推进培育产学研深度融合的教育生态构建。 （2）在教育体系的层次研究人工智能人才培养 教育部提出要构建人工智能多层次教育体系，构建人工智能专业教育、职业教育和大学基础教育于一体的高校教育体系。然而，当前我国人工智能人才培养的高等教育体系尚未构建，人才培养理念有待创新、人才培养模式有待探索改进、人才培养多主体之间的关系有待协调。[39]构建人工智能人才培养体系需要从促进人工智能教育与学科整合、加强教育相关政策制度保障、加强师资力量建设和科学建立等方面出发[40]，改变当前主要依靠高校和研究机构培养人才的模式，整合人工智能产业链、价值链和创新链，打造人工智能建设发展集聚区、人工智能产业园区、国家重点实验室、工程研究院、企业人才培养基地等多层次人才集聚和培养的载体。[38] （3）在学科建设的层次研究人工智能人才培养 学界对人工智能学科建设的探讨主要聚焦人工智能学科内涵、人工智能与“新工科”的关系以及人工智能的跨学科特点等方面，并以学科为基础研究人工智能各类型、各层次人才的培养问题。长期以来，学界在对智能科学的学科内涵[13]、学科定位和研究内容等进行解读的基础上，集中探讨了智能科学的学科体系构建问题[41]，并提出增设“智能科学与技术”博士学位授权一级学科的急迫需求。[2]经过多年努力，中国人工智能学会联合中国自动化学会等20个学会与北京大学等42所高校，以及相关领域的科研机构和企业等，经过近百次调研论证，形成了《“智能科学与技术”一级学科论证报告》。[42] 另外，学界也从培养多元复合型人工智能人才的目标出发对人工智能的跨学科建设进行了深入思考。[22]例如斯坦福大学、麻省理工学院和卡耐基梅隆大学等世界顶尖高校以关照全人类的人才培养理念、跨学科的人才培养模式、跨界跨机构的人才培养组织架构以及开放共享的教育资源平台引领全球人工智能人才培养风向（图3）。 （4）在课程教学的层次研究人工智能人才培养 课程教学层面包括了人工智能人才培养研究中最为广泛的研究对象，国内外专家学者基于教育教学实践探讨了人工智能领域课程教学和实验教学等方面的改进方案。例如，从课程体系设计层面探讨工程型智能专业课程方案设计[43]、以问题为导向的课程设计[44]以及课程群建设和教学模式[45]；从教学理念、教学素材和教学方法等方面探讨教学方法[46]；从教育理念出发将“人工智能+工程实践”概念引入综合创新训练的课程设计[47]；从具体课程内容出发用科幻小说作为导论内容[48]、设计可供多学科背景本科生使用的人工智能开放学习实验平台[49]、运用智能工作流系统讲授大数据分析技能[50]；以及从知识认知层面出发考察人工智能导论课程的教育者和学习者对课程内容、概念、要素等的认知差异。[51] 5.人才培养逻辑 基于已有研究，本文将我国的人工智能人才培养逻辑归纳为政策主导、技术创新、知识融合和国际借鉴四条主线，为在各教育情景下发挥多主体协同育人作用、开展不同层次和类型的人工智能人才培养提供思路。 （1）人工智能人才培养的政策主导逻辑 近年来，我国政府相继出台支持人工智能人才培养的相关政策，以及与之紧密相关的“新工科”建设、“双一流”建设等教育政策，对高校开设人工智能本科专业、开展人工智能本硕博跨学科教育、主动参与产学研协同育人等提供了强有力的政策支撑。因此，高校应在充分理解人工智能学科内涵的基础上，结合国家需求和国际环境探索人工智能人才培养的战略和路径。[13]在国家重大战略需求面前，应培养能够深耕芯片、工具和平台方面的核心技术研发人才，缩小我国与人工智能领域国际最先进水平国家的差距。[52] （2）人工智能人才培养的技术创新逻辑 面向信息化3.0时代（王怀民，2019）技术创新需求，人工智能人才培养应依循信息技术创新的学科原理、技术原理、协作原理和产业原理[53]，通过改进人才培养模式激发人才的创新活力，打通产学研一体的创新发展链条。[8]因此，技术创新作为人工智能人才培养的重要逻辑之一，强调高校应面向信息化时代知识和技术的快速迭代和升级进行人才培养模式创新，面向广阔应用场景对新技术的需求进行知识体系和课程内容改造，并在新的创新网络和创新生态中发挥产学研协同育人的最大效益。 图3 卡耐基梅隆大学计算机学院项目设置和跨机构共建情况示意图 （3）人工智能人才培养的知识融合逻辑 结合相关学者对人工智能与其他学科之间关系的计量分析结果[54]，本研究将人工智能人才培养的知识融合逻辑总结为“人工智能+X”和“X+人工智能”两条路线，并绘制了人工智能跨学科知识融合路线（图4）。高校需要基于人工智能本身的跨学科特点和培养复合型人才的需求，以问题为导向、以项目为载体、以创新为目标贯通工程教育链条[22]，提高人才广泛的适应能力、快速的应变能力和可持续的竞争力。[55]例如，国内部分高校为大类培养环境下的人工智能人才培养具体工作构建良性循环机制[56]；国外高校尝试为计算机、经济以及其他学科背景的本科生设计了人工智能跨学科课程[57]，由具有不同学科背景的学生和教师一同开发人工智能学习平台。[58] 图4 人工智能跨学科知识融合路线图 （4）人工智能人才培养的国际借鉴逻辑 国际借鉴逻辑作为我国高校开展人工智能人才培养的基本逻辑，强调通过对国外高校典型案例的剖析，挖掘其在人才培养理念、培养目标设定、培养模式改进、体制机制建设、组织架构搭建、课程内容设计以及多主体协同等方面的经验与特色，并结合我国高等教育特点进行本土化创新发展。例如，对斯坦福大学、麻省理工学院、加州大学伯克利分校、台湾清华大学、浙江大学和西安电子科技大学等高校的人工智能课程体系进行研究[59]，对斯坦福大学、卡耐基梅隆大学和爱丁堡大学的人工智能专业课程内容进行对比分析[55]，对主要发达国家人工智能人才培养和科研专门拨款、人工智能人才培养规划制定、人工智能学院建设、高校在人工智能建设集群中的作用发挥等进行研究[60]等。 3 研究结论与展望 （1）研究内容层面 在培养动因方面，本研究提出科学技术发展、应用场景驱动、国际竞争加剧、高等工程教育发展是驱动人工智能人才培养的主要动因；同时，这四个主要动因之间也存在着相互作用的动力机制。在培养主体方面，本研究从联通主义学习理论的视角出发，提出人工智能人才培养应建立在开放、复杂和快速变化的知识网络之上，需要产学研多主体共同参与，师生关系将以沟通和互动为主的教学形式逐渐取代单方向的知识传递。在人工智能人才培养层次方面，本研究基于已有研究将人才培养分为高等教育阶段、职业教育阶段以及高中及以下阶段。在培养情景方面，本研究基于钱学森提出的“系统观”从教育生态、教育体系、学科建设、课程教学四个层次对人才培养情景进行逐层解剖分析。在培养逻辑方面，本研究归纳了政策主导、技术创新、知识融合和国际借鉴四条逻辑主线，并提出人工智能人才培养逻辑与动因、主体、层次和情景四个维度存在丰富的非线性因果关系；人才培养逻辑既是其他维度的综合，又作为其他维度不断发展和改进的逻辑起点（图5）。 图5 人工智能人才培养研究逻辑框架图 （2）研究视角层面 国外学者的研究视角主要集中在教育教学层面。国内学者的研究则覆盖了宏观层次的教育生态和教育系统、中观层次的学科建设和学院建设以及微观层次课程设计和教学改进。国内外学者的研究覆盖了高等教育、基础教育、职业教育等多层次的人工智能人才培养问题；结合人工智能对未来教育的启示，国外学者更加关注职业教育和终身学习等问题。国内学者广泛开展国内外对比分析，并尝试通过借鉴国外高校教育改革的经验和成果提高我国人工智能人才培养能力。然而，国内学者对人才培养主体的研究尚缺乏对学生这一主体作用的思考；对企业这一主体的参与情况也多停留在描述性统计阶段，尚缺乏具体的案例剖析；尚缺乏对人工智能带来的终身学习需求做具体考量。 （3）研究方法层面 国内外大多数研究以实践经验为逻辑出发点，通过大量的实际案例分析来总结人工智能人才培养的教育教学、学科建设、体系构建和生态营造方面的经验与不足，因此以案例分析、调研访谈和比较分析等质性研究方法为主，运用量化研究方法的较少。从理论运用于创新的角度看，尚缺乏对教育学、管理学、心理学和知识论等相关理论的运用，尚未能从学习理论、知识生产模式转型理论和人才成长规律出发对人工智能人才培养问题进行深层次思考；相关研究尚缺乏理论研究框架的建构、对不同研究方法的综合运用和交互验证，以及针对人工智能人才培养效果评价的具体方法设计。 （4）跨学科教育实践层面 国内外教育实践者和教育研究者都十分关注人工智能的跨学科研究和跨学科教育两大主题。国外学者对跨学科的理论研究和实践探索开展的较早，理论和方法相对成熟。近年来，以美国顶尖高校为代表的人工智能人才培养单位树立了具有前瞻性的教育理念，通过学科交叉构建新的教育教学平台，以适应新时期的人才培养需求。国外学者对人工智能跨学科表现的考察已从其与邻近学科的关系扩展到与更广范围的学科领域（如人文社会学科）的关系，并希望以崭新的教育理念指导教育实践（如更加关注人本身，以及伦理和艺术）。国内学者也普遍关注人工智能的跨学科特征，但在实际研究过程中尚缺乏对跨学科研究与跨学科教育之间关系的研究；对国外人工智能人才跨学科培养的案例分析尚缺乏对知识内容融合层面的深入解读；跨学科教育实践也相对滞后，除关注人工智能伦理教育和扩大本科生通识教育选课范围外，尚缺乏对人工智能与人文、艺术等领域进行融合的探索与尝试。 2.未来展望 未来我国在人工智能人才培养方面的研究与实践在内容、视角和方法等方面均存在进一步拓展的空间，而且理论研究与教育实践应紧密结合。一是从内容上，深入探究人工智能的学科内涵、跨学科知识融合特征及其在各应用场景中的具体功能，从而揭示出人才培养的更深层动因；基于实践挖掘人才培养各主体的目标与诉求、主体间的协同与差异、相关体制机制的优势与局限；结合高等教育的不同层次和面向，针对不同的人才类型和培养层次，合理制定人才培养方案；围绕人工智能领域科学研究和人才培养依赖跨学科知识融合的特点，借鉴国外高校“以人为中心”“以项目为牵引”搭建跨学科平台的创新经验，从课程教学、学科建设、教育体系、教育生态等层次突破学科间、机构间、领域间的界线，促进我国人工智能人才的跨学科培养。二是从视角上，加强中观和微观层面的研究与实践，注重从“新工科”建设理念和产学研协同育人实践中汲取养分，加强人工智能学科的建设，推进其与其他学科领域的融合；在课程教学层面，促进教师教学能力的提升和专业教材的编写，鼓励多学科背景的师生共同参与课程内容设计和课程体系构建，营造师生共同成长的教学和学术氛围。三是从方法上，加强与教育学、管理学、心理学和知识论等相关理论的结合，为人工智能人才培养研究建构理论研究框架；在现有大量案例研究的基础上，综合运用定性与定量相结合的研究方法，加强实证研究和统计分析，从多个角度采用定性比较分析法、灰色关联度分析法、扎根理论等研究方法，对人工智能人才培养的相关因素进行深入剖析；为人工智能人才培养（特别是跨学科人才培养）的效果评价建立科学合理的指标体系。 参考文献： [1]郑南宁.【学科前瞻三十年】郑南宁：深化学科交叉发展人工智能[EB/OL].[2019-03-07].http：//news.xjtu.edu.cn/info/1004/108506.htm. [2]王万森.创新型智能科技人才培养探索[J].高科技与产业化，2013（10）：62-63. [3]黄甫全，游景如，涂丽娜，等.系统性文献综述法：案例、步骤与价值[J].电化教育研究，2017，38（11）：11-18+25. [4]李拓宇，施锦诚.新工科文献回顾与展望：基于“五何”分析框架[J].高等工程教育研究，2018（04）：29-39. [5]李德毅.人工智能在奔跑教育的机遇与挑战——在“北京联合大学智能机器人产学研合作与人才培养创新发展研讨会暨机器人学院成立大会”上的报告[J].北京联合大学学报，2016，30（3）：1-4. [6]张立迁.人工智能发展关键在“人”[N].中国教育报，2018-04-27（002）. [7]清华大学中国科技政策研究中心.中国人工智能发展报告2018[R].清华大学，2018. [8]吴朝晖.交叉会聚推动人工智能人才培养和科技创新[J].中国大学教学，2019（2）：4-8. [9]杨三喜.定向捐赠助推人工智能产学合作[N].中国教育报，2018-05-04（002）. [10]姚玲.人工智能时代职业教育人才培养的升级表征与发展路径[J].职教论坛，2019（2）：22-27. [11]李辉，王迎春.如何培养集聚人工智能高端人才[J].大数据时代，2018（2）：19-26. [12]段世飞，张伟.人工智能时代英国高等教育变革趋向研究[J].比较教育研究，2019，41（1）：3-9. [13]钟义信.关于“智能学科”的战略思考[J].计算机教育，2018（10）：4-7+11. [14]胡艺龄，顾小清.从联通主义到MOOCs：联结知识，共享资源——访国际知名教育学者斯蒂芬·唐斯[J].开放教育研究，2013，19（6）：4-10. [15]王志军，陈丽.联通主义学习理论及其最新进展[J].开放教育研究，2014，20（05）：11-28. [16]SIEMENS G.Connectivism：A learning theory for the digital age[J].International Journal of Instructional Technology&Distance Learning.2005，2（1）：3-10. [17]SIEMENS G.Connectivism：Learning as network-creation[J].ASTD Learning News，2005，10（1）：1-28. [18]SIEMENS G.Connectivism：Creating a learning ecology in distributed environments[J].Didactics of microlearning.Concepts，discourses and examples，2007：53-68. [19]DOWNES S.An introduction to connective knowledge[J].Innsbruck University Press，2005. [20]彭伟功，李镇.人工智能时代“新工科”人才培养模式研究[J].科技资讯，2018，16（35）：156-158. [21]方兵.我国高校“人工智能热”：缘起、影响与应对[J].现代教育技术，2019，29（4）：33-39. [22]黄河燕.新工科背景下人工智能专业人才培养的认识与思考[J].中国大学教学，2019（2）：20-25. [23]程水源.大学教师如何应对未来的挑战[N].中国教育报，2018-10-22（006）. [24]袁彩霞，李蕾，王小捷，等.智能科学与技术专业本科生导师制及复合型人才培养[J].计算机教育，2013（7）：38-41. [25]王万森.“梅花”傲雪，笑迎人工智能教育满园春色[J].计算机教育，2018（10）：1-3. [26]MCGOVERN A，TIDWELL Z，RUSHING D.Teaching Introductory Artificial Intelligence through Java-Based Games[C].In Second AAAI Symposium on Educational Advances in Artificial Intelligence，2011. [27]MARTIN F G.Introducing Uninformed Search with Tangible Board Games[C].In Second AAAI Symposium on Educational Advances in Artificial Intelligence，2011. [28]RAMANUJAN R.AI as an introduction to research methods in computer science[C].In AAAI’16 Proceedings of the Thirtieth AAAI Conference on Artificial Intelligence，2016：4128-4129. [29]李德毅，马楠.智能时代新工科[J].高等工程教育研究，2017（5）：8-12. [30]李阳阳，张丹，冯婕，等.引领新工科的人才培养实践[J].教育教学论坛，2019（17）：29-30. [31]AOUN J E.Robot-proof：higher education in the age of artificial intelligence[M].MIT Press，2017. [32]王寿斌.高校“布局”专业职教如何“谋篇”[N].中国教育报，2018-05-15（010）. [33]李秋斌.人工智能背景下高职人才培养的思考[J].职教论坛，2018（10）：132-136. [34]郝人缘，吴雪萍.第四次工业革命背景下的职业教育改革[J].职业技术教育，2018，39（28）：12-16. [35]李玉军.技工院校人工智能教育的探索与研究[J].电脑知识与技术，2018，14（16）：96-97. [36]魏宏森.钱学森构建系统论的基本设想[J].系统科学学报，2013，21（1）：1-8. [37]“计算机教育20人论坛”报告撰写组.计算机教育与可持续竞争力[M].北京：高等教育出版社，2018. [38]姚凯.创新人工智能人才培养体系[N].社会科学报，2019-04-11（004）. [39]刘进，吕文晶.人工智能创新与中国高等教育应对（下）[J].高等工程教育研究，2019（2）：62-72. [40]王婷婷，任友群.人工智能时代的人才战略——《高等学校人工智能创新行动计划》解读之三[J].远程教育杂志，2018，36（5）：52-59. [41]蔡自兴.智能科学学科若干问题的讨论[J].计算机教育，2017（10）：6-8. [42]金振娅.人工智能呼唤建立一级学科[N].光明日报，2017-07-28（06）. [43]陈雯柏，李擎，王万森.工程型智能科学与技术专业知识体系与课程研究[J].计算机教育，2014（19）：29-33. [44]邓志鸿，谢昆青.机器学习课程的教学实践[J].计算机教育，2016（10）：18-19+62. [45]陈白帆，刘丽珏，蔡自兴，等.智能科学与技术课程群建设的探索[J].计算机教育，2017（10）：22-24. [46]张丹，焦李成，尚荣华.高校智能科学与技术学科教学方式探析[J].计算机教育，2016（10）：77-79. [47]孙治博，史成坤，耿向伟，等.“人工智能+工程实践”的综合创新训练教学研究[J/OL].[2019-08-25].北京航空航天大学学报（社会科学版）：1-4.https：//doi.org/10.13766/j.bhsk.1008-2204.2018.0196. [48]GOLDSMITH J，MATTEI N.Science Fiction as an Introduction to AI Research[C].In Second AAAI Symposium on Educational Advances in Artificial Intelligence，2011. [49]FISHER D H，DILKINA B，EATON E，et al.Incorporating computational sustainability into AI education through a freely-available，collectively-composed supplementary lab text[C].In AAAI’12 Proceedings of the Twenty-Sixth AAAI Conference on Artificial Intelligence，2012：2369-2370. [50]GIL Y.Teaching big data analytics skills with intelligent workflow systems[C].In AAAI’16 Proceedings of the Thirtieth AAAI Conference on Artificial Intelligence，2016：4081-4088. [51]WOLLOWSKI M，SELKOWITZ R，BROWN L E，et al.A survey of current practice and teaching of AI[C].In AAAI’16 Proceedings of the Thirtieth AAAI Conference on Artificial Intelligence，2016：4119-4124. [52]郑南宁.面对人工智能挑战人才培养的下一步该如何走[J].中国大学教学，2019（2）：9-13+8. [53]刘进，吕文晶.人工智能创新与中国高等教育应对（上）[J].高等工程教育研究，2019（1）：52-61. [54]FRANK M R，WANG D，CEBRIAN M，et al.The evolution of citation graphs in artificial intelligence research[J].Nature Machine Intelligence，2019，1（2）：79-85. [55]吴飞，杨洋，何钦铭.人工智能本科专业课程设置思考：厘清内涵、促进交叉、赋能应用[J].中国大学教学，2019（2）：14-19. [56]曾宪华，夏英，兰文富.大类培养模式下的智能科学与技术特色人才培养[J].计算机教育，2015（12）：7-11. [57]CONITZER V.An undergraduate course in the intersection of computer science and economics[C].In AAAI’12 Proceedings of the Twenty-Sixth AAAI Conference on Artificial Intelligence，2012：2357-2362. [58]SELKOWITZ R，HEILEMANN M，MROWCZYNSKI J.Jim：a platform for affective AI in an interdisciplinary setting[C].In AAAI’14 Proceedings of the Twenty-Eighth AAAI Conference on Artificial Intelligence，2014：3050-3051. [59]罗娟，李智勇，李仁发.智能科学与技术专业课程体系建设思考[J].计算机教育，2016（10）：20-21+25. [60]鞠光宇，马陆亭.发达国家高等教育如何助推人工智能发展[J].中国高校科技，2019（Z1）：4-7. |
|
|
