基于SWOT的人工智能融入高校工程类专业人才培养体系构建

魏巍

摘  要： 人工智能在社会生活各个领域蓬勃发展，同时也辐射到高等教育领域。文章利用SWOT分析法梳理人工智能融入高校工程类专业人才培养的优势、机遇、劣势、威胁，将各种因素综合起来加以分析，探讨人工智能融入高校工程类专业人才培养的路径和对策。

关键词： SWOT; 人工智能; 工程类专业; 高校人才培养

中图分类号：G434          文献标识码：A    文章编号：1006-8228（2022）02-129-04

Construction of college engineering talent training system with

SWOT based AI integrated in

Wei Wei

（Party Committee Office， Yancheng Institute of Technology， Yancheng， Jiangsu 224051， China）

Abstract： Artificial intelligence is booming in all areas of social life， but also radiates to the field of higher education. In this paper， SWOT analysis method is used to sort out the advantages， opportunities， disadvantages and threats of the integration of artificial intelligence into the college engineering talent training system. Various factors are analyzed synthetically， and the path and countermeasures of integrating artificial intelligence into the college engineering talent training system are discussed.

Key words： SWOT; artificial intelligence; engineering specialties; college talent training

1 融合人工智能的高校工程类人才培养的SWOT分析

1.1 SWOT分析法

SWOT分析模型也称为态势分析法，是美国管理学教授韦里克在上个世纪80年代初制定的一种模型[1]，它是基于内外环境和条件下的态势分析，将人工智能相关的各种主要因素S（strengths）优势、W（weaknesses）劣势、O（opportunities）机会、T（threats）威胁等，通过调查列举出来，对各种因素相互匹配加以分析，从中得到相应的结论[1，SWOT分析模型如图1所示。

本文运用SWOT分析法，从不同角度、不同因素去研究人工智能融入高校工程类专业人才培养所处的情景，从而明确相应的发展方向和战略目标。

1.2 优势（S）分析：内部优势

市场对工程类专业人才的需求有了重大变革，只懂得某一单项学科知识已不能满足人工智能时代对工程技术人才的需求，将人工智能融入工程类专业势在必行。人工智能涉及领域广泛，且是基于大数据深度分析的一项技术，在融入高校工程类专业人才培养上可实现教育多元化[2]，并且有利于促进跨学科的开放、交流、创新与协同，使工程技术人才掌握跨学科领域的复合知识。

1.3 劣势（W）分析：内部劣势

第一，高校人才培养体系变革具有一定的滞后性。高校人才培养体系经过长期积累已形成一套自适应的生态结构，而人工智能目前正处于高速发展阶段，要实现人才培养与人工智能完全融合，需要不断摸索和调整，还需要内部与外部因素的相互配合。比如已开设人工智能学院的高校，虽然已将人工智能技术引入人才培养，但大多仍沿用传统的教学大纲与教学方式，缺少对人工智能的深层次学习及应用。第二，人工智能技术与工程专业结合不够紧密带来泛化风险。不同学科领域系统和平台之间的数据不能开放共享是人工智能技术发展制约的关键因素，导致智能算法因数据支持较少存在单一性，无法适应复杂多变的教育场景，存在泛化风险。

1.4 机会（O）分析：外部机会

第一，国家政策大力支持。自2015年人工智能在国内快速发展以来，国务院以及教育部、工信部等对人工智能加强规划，出台相关政策助力人工智能技术与产业深度广泛合作，为人工智能应用于高校人才培养开辟了道路。第二，数据资源丰富。目前一些大型企业和研究机构开发了很多开源人工智能组件库和算法库，对外开放云服务、云计算，只要建立合理使用数据的制度和政策体系，加大开放力度，消除数据壁垒，人工智能的应用范围会更加宽广[3]。第三，网络信息成熟化。随着信息技术及网络全球化，大数据、感知智能、5G等技术快速发展，为人工智能发展提供了基础支撑，有利于人工智能更快地融入工程学科领域。

1.5 威胁（T）分析：外部威胁

第一，人工智能在伦理价值上存在社会及安全风险。工科学生的课程教学和工程活动中，如果人文道德、工程伦理、社会责任等价值引导不足，容易产生一些社会问题。第二，人工智能作为一项高端科学技术难以充分落地。人工智能技术更新换代速度很快，虽然有各类科技企业参与到高校人才培养路径之中，但仍以试点高校为主并且针对某个专业开展，难以大面积铺开;同时人工智能时代学习内容、学习方式的变化，也给学生自主管理帶来挑战。第三，教育信息化变革有待深化。亟需与教育主管部门、大型教育平台等共同建立大数据中心，为高等教育信息化提供数据支撑。

综上所述，通过对人工智能融入高校工程类专业人才培养的优势、机遇、劣势、威胁分析，得到人工智能融入高校人才培养SWOT分析图，如图2所示。

2 人工智能融入工程类专业人才培养的路径思考

2.1 人工智能融入工程类专业的培养目标

人工智能融入工程类专业并不是要求学生掌握人工智能专业所要求的深度知识，而是重视通用性的智能知识、技能的掌握，并强调与工程的相互联系以及智能思维和素养的培养。第一，加强掌握人工智能技术相关的数学、计算机基础知识，能够在智能环境中开展基本的工作。第二，掌握智能设备运行和维护等相关能力，以及对智能硬件设备有基本的认识。第三，为了使学生理解人工智能底层架构原理、实现及优化，需加强面向工程问题解决的软硬件工具的实操。第四，在智能化发展趋势下，对信息安全以及相关工程环节的操作规范提出全新要求。

2.2 人工智能融入工程类专业人才培养模式实施

面对智能化趋势，提升工程专业人才人工智能技术，在传统工科专业能力培养的基础上，融入人工智能相关的知识和技能培养模块。应着重从课程设计、教学运行层面探讨培养方案在工科专业中的实施。

从专业课程设计层面，依据工程类专业的实际情况，培养学生掌握人工智能相关知识和工具，在微积分、线性代数、计算机基础等通识类课程基础上，设计数值方法、离散数学等知识模块，作为进一步理解智能思维的基础;模型建构与数据分析是人工智能技术核心要素，可以开设工程模型建构、数据结构、模型与算法等知识模块;针对智能优化与应用实现能力的培养，开设机器学习、模式识别等相应模块课程，实现对跨学科知识的综合应用;同时，在理论教学中融入仿真工具、专业软件的学习，安排实践性仿真环节和产业实习环节，加强学生工程设计或生产操作方面的训练;将工程伦理的教学内容融入到课程教学中，培养具有安全、环保意识的工程技术人才。知识模块组合模式如图3所示。

在教学任务设计层面，由于智能化趋势下知识和技术高速更新迭代，统一、固化的学科培养计划越来越难以满足学生学习和应用的需要，因而设计以模块课程、选修课程等为载体的灵活、可组合专业培养方案，提供学生根据自身需要自主设计学习计划的机会。

3 人工智能融入高校工程类专业人才培养的对策建议

3.1 SO战略：制定宏观层面的智能战略规划，为教学提供多样化地信息支持

面对人工智能发展的趋势，将智能与工程相融合，结合产业和行业的数据分析，有针对性地制定工程人才发展规划，培养和储备面向智能环境需求的人才。注重加大智能相关领域的资源投入，系统设计机器人操控、智能实训等培养环节，并通过新专业设置、产业实践引导、跨院系资源整合等方式实现人工智能与工程的深度汇聚。高校将这些系统、平台进行关联、整合与创新，建设一个全面有力支撑校园活动的信息环境。

3.2 WO战略：利用机遇改变劣势，将教学方案融入工程类专业系统

3.2.1 通过教学方案设计深化人工智能与工程专业的系统融合

传统工业需要转型升级以适应智能环境的发展要求，产业对于人才的需求也发生了本质性的变化，高等学校也将形成新的学科专业或对传统学科专业进行布局调整，并重构课程知识体系。在人工智能背景下人才培养本质，是针对融入人工智能技术的体系和应用领域，使学生掌握人工智能的基本思想和实现方法，掌握基本分析与设计方法，培养工科学生解决实际工程问题能力，在项目实践和问题导向的学习环境中将工程与人工智能相融合。课程是人工智能技术融入工程类专业培养的关键载体之一，要突破新课程、新教材与旧内容的束缚，突破单一学科界限，建立“模塊化、组合型、多路径”的培养方案，建立“素质教育+人工智能技术+专业+X”的培养模式，建立“通识必修+通识选修+专业必修+开放选修”的课程体系，加强必修课与选修课的相互协调，给予学生更多的自主设计学习计划的机会，促进学生全面发展。

3.2.2 坚持管理主体多元化

人工智能时代是重塑教育教学的时期，人工智能技术不仅应从“教”的层面推动教育教学变革，更应加强“育”的层面引导。教师需要关注学生的全面发展，对学生学业、身心健康、职业生涯规划等进行多元化综合性协同管理。创新创造是人工智能时代的特征，并且更加注重人与人之间的合作与分享，人才培养应从个性化和创造性建立，对学生综合能力进行全面考量，培养适应社会发展的高素质人才。

3.3 ST战略：高校与企业联合培养人工智能技术人才

高校应充分利用企业在资金、场地、前沿技术研发和应用等方面的优势，与企业合作共建工程实践、实习实训平台，为学生提供认识产业情境和了解前沿技术的机会;同时通过产业参与，整合资源再造工程教育体系，构建工程人才人工智能技术培养平台，为工程教育体系的设计与变革提供信息反馈。在人工智能实践能力培养模块，要加强现实工程情境中的人工智能与工程类专业的衔接融合，通过仿真实训平台或产业实习基地，培养能够应对全新的智能环境的工程技术人才。在智能伦理与安全能力模块，要体现工程技术的社会价值及社会责任，加强智能应用的数据安全意识，引导学生在工程实践中自觉遵守职业道德和规范。高校与企业联合培养人工智能技术人才模式如图4所示。

3.4 WT战略：整合软硬件资源，提高教师人工智能教学水平

3.4.1 加快人工智能学科专业建设，构建智慧教育新生态

高校应联合政府部门和行业协会，围绕重点技术领域开展人才需求预测，明确工程专业人才的结构性需求;积极探索学科专业设置调整方案，促进相关教育体制改革，完善权责明确、科学有效、创新引导的人才培养制度，明确有利于工程专业人才创新发展的导向。硬件是智能化过程实现的基本保证，软件是人工智能技术具象化的重要载体，政府部门应给予足够的政策和经费支持，高校联合企业共建实验室、计算中心等实验场地，形成工程类专业人才培养基础设施和软件载体的体系化。

3.4.2 引导教师积累产业实践经验，建立具备智能思维的师资队伍

如果教师不具备智能教学的素养，就很难游刃有余地使用信息化工具获取和分析数据。要突破传统经验化主导模式，支持教师学习掌握人工智能知识，深入了解产业情境和现实工程环境，积累产业经验，积极探索新时代教育教学方法。鼓励研究机构、企业与高校协同互动共建教育大数据中心，搭建教师挂职锻炼和网络研修平台，加强产教研合作，提升教师信息素养，增强教师应用人工智能的能力，为培养高质量工程类专业人才打好基础。

4 结束语

人工智能时代引发新一轮技术革命及产业变革，对高校工程类专业人才培养提出新的要求，具有将跨学科知识体系整合起来的特点，而人才培养体系变革有一定的周期性以及学科内在的独立性，因此对两者相融合提出新的挑战。本文通过SWOT分析构建人工智能融入高校工程类专业人才培养体系，理性推进人工智能与高等教育融合共生，未来还将在课程体系、实习基地建设、智慧课堂等方面进一步探索与实践，使高校人才培养工作走向信息化、智慧化。

参考文献（References）：

[1] 邹昊舒.科大讯飞公司人工智能产品发展战略研究[D].吉林大学，2020

[2] 刘怡萱，陶奕芹，贾雪彬，等.新一代人工智能技术在智慧校园建设中的应用研究[J].中国信息技术教育，2020（12）：84-87

[3] AiChinaTech. AI时代，我国人工智能发展优劣势分析[EB/OL]，2020-03-06

[4] 肖卓宇，陈果，郭杰，等.“人工智能+教育”融合视域下的人才培养研究[J].软件工程，2021，24（1）：57-59，50

[5] 周益民，田玲，陈文宇.人工智能专业体系建设探索[J].高教学刊，2020（16）：92-96

[6] 梁子鑫.探討新时代背景下新兴技术在人工智能中的应用[J].软件，2018，39（7）：166-169

[7] 宋灵青，许林.“AI”时代未来教师专业发展途径探究[J].中国电化教育，2018（7）：73-80

[8] 姜皓文.人工智能技术在教育领域中的应用[J].电子技术与软件工程，2018（5）：255

[9] 中国教育智库网.人工智能+教育，五大趋势和五大问题值得关注[EB/OL]，2018-11-23