新文科下的信息资源管理专业人工智能课程体系设计

潘禹辰 呼玮 杨建梁 徐璐 卢小宾

1 引言

2020年11月3日，教育部新文科建设工作组主办新文科建设工作会议，会上发布了《新文科建设宣言》，鼓励传统文科与其他学科交叉互动，突破专业壁垒，“开设跨学科跨专业新型交叉课堂、实践教学课堂[1]”。新文科的“新”体现在对传统文科的转型和升级，尤其是通过与信息技术学科的交融实现人文社会科学领域教研上的突破，交叉融合是新文科建设的本质要求，也是信息资源管理教学转型发展的根本价值取向。

人工智能是当代信息技术发展的前沿，对高等教育和学科建设产生了深远影响。从新文科建设角度看，与人工智能融合是信息资源管理实现数字化转型发展的一条优质路径。一方面，信息资源管理有着与人工智能交叉融合的需求。数智时代，人文社科领域的数字资源观向着“大与智”的方向发展，信息资源管理学科理应在人文社科数据资源治理中承担相应责任[2]，而信息资源管理学者普遍将人工智能的方法应用于自身前沿研究领域，例如将机器学习、神经网络等技术应用于智能问答系统、移动图书馆的建立和发展。另一方面，信息资源管理学科具有与信息技术交叉融合的基础。信息资源管理自诞生之初就具备文理交叉的特质[3]，信息科技的发展为其提供了科学和物质基础，从纸质信息到数字信息的转换以及信息智能化表示都与信息技术变革相关。总之，强调与人工智能的融合可以为信息资源管理的发展带来更多机遇。

随着深度学习算法的提出，人工智能在21世纪迎来了一次发展高潮，与信息资源管理学科产生了密切联系。自2022年11月30日发布以来，ChatGPT以强大的信息加工、处理能力，给信息资源管理学科带来了机遇。从实践的角度看，人工智能技术的应用将深刻影响信息资源管理前瞻实践探索与理论研究。一方面，信息资源管理学科倾向于培养复合人才。据调查，人工智能及相关技术已经扩大了信息资源管理专业人员现有的工作范围[4]，为信息资源管理领域创造了新的需求[5]。另一方面，数智时代的到来与数据范式的兴起催动了学科理论的大创新。数字人文研究、数据安全机制探索、信息智能交互应用架构，以及数据智能服务等，都是信息资源管理理论创新和发展的典范[6]。

在学科更名和新文科、数智时代的双重驱动下，推动学科建设和人才培养转型尤为重要。国内外iSchools高校已经广泛开设人工智能课程群，如人工智能导论、机器学习、深度学习、自然语言处理等课程[7]。然而，信息资源管理人工智能培养体系存在缺位，人工智能开课存在多重约束[8]。一是课程建设定位有误，信息资源管理学科的人工智能课程，应与本学科研究紧密相关，为学科实践服务，但现有的体系与工科、计算机学科定位部分重合。二是教材资源建设不足，信息资源管理人工智能课程普遍参考计算机学科的人工智能教材、素材，脱离本学科知识领域，课程体系之间联结性弱。三是课程教学与实践脱节，人工智能技术已经广泛参与到信息资源管理领域的研究与实践项目，而相关教学体系缺少典例，课程体系设计方法有待更新[9]。

改善信息资源管理学科人工智能课程体系建设需要创新设计理念，突出“有文化、懂技术”的专业特色，构建交叉学科体系[10]。然而，目前人工智能课程体系设计的研究主要着眼于学科整体建设，缺乏直接聚焦于人工智能课程体系的研究。总的来看，信息资源管理学科教学发展人工智能课程体系是对新文科人才培养的必要回应，但是现有人工智能课程强调基础理论，课程设计与新文科学生专业方向关联不大；课程内容主要是传统搜索及机器学习算法，“个性化”应用设计环节的缺失是当下人工智能课程面对新文科学生的矛盾。

针对以上研究的不足，本文提出以下科学问题：（1）如何描述信息资源管理人工智能课程体系的开设现状？（2）什么是信息资源管理学科下人工智能课程体系的核心理念？（3）新文科背景下信息资源管理人工智能课程如何设计？

本文基于课程设计理论和当前课程体系的缺位现象，以部分iSchools院校为例，试图通过以下路径来解决上述的科学问题：（1）通过文献调研和预调研，识别课程设计中的关键因素，初步遴选、组织适合我国信息资源管理学科的人工智能课程设计模式。（2）针对不同院校的课程设计模式，通过对培养方案和课程介绍的调查，刻画国内外iSchools院校进行相关课程设计的偏好。（3）结合已有经验和研究，提出基于学科特异性的人工智能课程设计模式优先序和动态化标准。

2 相关研究

信息资源管理学科课程建设是一个热门议题。在“新文科”背景下，信息资源管理学科发展面临新局面，信息技术类课程的引进与再创新迫在眉睫。现有研究基于理论发展与实践开展了相关调查。

2.1 课程改革调查

人工智能具有较强的综合性和应用性，国内外众多高校都开展了人工智能教学。针对人工智能的跨学科特点，学界提出培养复合人才的目标，并基于教学实践探讨了人工智能课程和教学等方面的设计改进论。人工智能教学的发展可借鉴多个研究成果，如傅予等以中国人民大学信息资源管理学院课程设计为例，提出“课程立方体”的设计框架，将课程群分层为管理理论、分析方法和技术实践，提出“一线三层四课”的教学框架[11]。孙治博等从教学理念入手，提出“人工智能+工程实践”的综合创新训练教学方法，并取得了优秀实践成果[12]。牛力等提供了丰富的教学方法，利用博弈法、协作法、角色扮演法等赋能档案学创新人才培养实践[13]。黎海波等发现，数据科学课程群需要覆盖思维和理论、方法与工具、案例和实践三部分的内容，且总学分控制在20学分以内[14]。肖雪等调查发现，美国iSchools院校课程设置灵活而新颖，不仅开设一般课程，还有专题讲座、阅读和实践指导等丰富的课程；同时高校敏锐察觉社会环境和学科研究范式的变化，高频更新课程方案，引导学生关注前沿[15]。周毅等基于专业项目案例，提出项目化学习的概念，以项目为载体实现专业兴趣发掘、信息技术赋能和成果产出[16]。邓志鸿等以北京大学为例，提出应用问题导向的教学模式，以此激发学生的学习兴趣[17]。周旖等将服务研习理论运用在图书馆学实践教育中，明确了“培训课程——实践工作——技能提升”的教育实践路径，加强学生对专业的认知[18]。Goldsmith等从具体课堂开展的角度提出以科幻小说作为引导的教学方法，认为给予学生一定的阅读自由度能够帮助他们找到心仪的AI研究课题[19]。

2.2 启示与不足

目前信息资源管理教育改革的相关研究主要集中在培养体系的整体革新，从人工智能角度出发，针对新文科背景下多学科交叉融合的相关研究较少。国内学者基本认同了“管理基础理论+信息分析与管理方法+信息技术实践”三维课程体系，并提出了“课程立方体”“项目化学习”等多种创新性培养方法。目前，研讨教学法、翻转课堂、情景教学等多种教学方法已广泛投入实践。国外学者们的考察范围则扩展到了人工智能在人文社会学科的教育实践，采取了多种课堂形式，扩大了选课自由程度。

本文的边际贡献体现在以下方面：（1）整合信息资源管理领域对于人工智能的零散研究，为大量教育改革研究成果提供支撑。（2）分析国内外信息资源管理学科人工智能课程开设现状，归纳人工智能课程体系设计框架和思路。（3）创新新文科人工智能课程体系设计核心理念，为今后相关的大数据和新文科时代课程设计和学科融合研究提供方法学的支撑。

3 人工智能课程体系建设现状分析与讨论

“新文科”时代对信息资源管理学科人才的技术能力要求越来越高，信息资源管理学科与信息技术联系日益紧密，人才培养模式也发生着相应转变，人工智能系列课程在各院校课程设置的占比稳步提升。

3.1 国内现状与国外iSchools对应课程及体系

信息技术的快速发展对国内外信息资源管理学科人才培养提出新要求，本文通过浏览部分国内外iSchools院校专业人才培养方案，收集了教学理念、教学特色、课程体系方面的信息。iSchools联盟是一个由120多所大学组成的国际组织，致力于探讨信息、技术和人之间的关系，引领信息学科融合发展，代表着国际学科发展一线先进水平。从被选各院校培养方案中可发现，美国iSchools院校开设课程方向具体明确，课程内容丰富，体现出较强的跨学科特征，针对新兴信息技术与现实相结合的课程实践较多[20]。中国众多院校开设课程数量尚且可观，但是相对缺少学科交叉性强的课程，比较注重基础通用技能的培养[21]。iSchools各院校开设的人工智能课程体系见表1。

表1 中美部分iSchools 院校人工智能类课程设置情况Table 1 The Courses Related to Artificial Intelligence Offering by Some iSchools in China and the United States

表中iSchools院校人工智能课程设置各具特色：（1）南京大学信息管理学院提供丰富且具有特色的人工智能课程，并且对不同方向的学生都设计了相应课程以供选择。（2）中国人民大学信息资源管理学院提出双数计划，所有专业课程成为50%-60%受选率的模块限选课；学院提供全校范围内的人工智能课程以供选修，并且提供额外的实践课程或项目。（3）武汉大学信息管理学院明确规定了理论与实践课学时，强调实践与理论学习需要紧密结合。（4）北京大学信息管理系跨学科跨院系相关课程修读需求较高，选择更加灵活；学院邀请“业界导师”，提供数据集供学生开展实践。（5）伊利诺伊大学厄巴纳——香槟分校拥有上百门课程，提供了丰富的学习机会。（6）北卡罗来纳大学教堂山分校课程设置灵活自由，且鼓励丰富的授课形式。

3.2 课程体系对比分析

国内外院校在课程名称和课程设置之间存在着一些差别，本文收集相应课程的课程介绍和大纲，分析归纳现有iSchools代表院校人工智能课程体系的建设情况。

3.2.1 课程设计分析

各院校在课程体系设计上具有相似之处：

（1）信息资源管理学科本科人工智能课程整体安排在第三学期开始，即不支持大学一年级学生选课。一般地，人工智能课程体系需要一定的编程信息基础，各院校普遍安排在大学一年级学年内设置Python、数据科学导论等信息技术类基础课程，以满足课程开设需求。

（2）本次调查发现，信息资源管理人工智能课程体系总学分在10-15学分，主要包括人工智能、机器学习、计算机图像处理以及自然语言处理等课程。信息资源管理学科虽然内涵丰富，不少课程和实践项目都涉及人工智能的知识和方法，然而这些内容相对零散和不系统，不构成完善的人工智能讲授素材。

（3）国外iSchools院校包括人工智能课程在内的信息科学（Information Science）课程，大量采取选修形式，学生可在不同学期开设的上百门课程中自由选修。国内iSchools院校普遍将部分课程设置为核心必修课，其他为个性化任选课程。近年来部分国内院校进行了培养方案的改革，各院校普遍展示出了开设更多相关课程的改革意愿。

3.2.2 培养目标分析

为明确人工智能课程体系在院校人才培养中的作用，本研究还通过归纳总结上文iSchools院校培养方案中说明的培养目标，分析得到相关信息。各院校培养目标见表2。

表2 中美部分iSchools 院校培养目标Table 2 The Education Objectives of Some iSchools in China and the United States

各院校在培养目标设置上具有共通之处：（1）重视信息技术能力的培养，包括机器学习与实践、自然语言处理和文本挖掘等技术。例如，中国人民大学信息资源管理学院将人工智能课程分布在核心专业知识与技能模块、数据管理进阶选修模块；南京大学信息管理与信息系统专业成果导向关系矩阵显示，人工智能课程专注于培养大数据管理与分析能力。（2）呼应学科发展动态，创新课程内容。除了理论知识，安排专题实践和导师制，引导学生参与研究项目。信息资源管理人工智能课程体系侧重于应用，帮助学生掌握利用人工智能方法展开专业分析的能力，强调人才培养与时代发展融合。（3）具有明显的信息资源管理学科特点，注重基于本学科特点的场景预设和经典实践场景。各院校引入信息技术类课程是为了完成信息资源管理学科的社会使命。总之，人工智能课程体系在辅助信息资源管理人才做好大数据时代的信息资源管理服务方面起着重要作用。

4 面向信息资源管理人工智能课程设计的核心理念

新一代信息技术的发展加速了信息资源管理学科的数字化转型，图书档案领域也随之应用新技术。图情档学科更名为信息资源管理，反映了从传统载体到数字载体的档案工作对象转变。大数据、互联网+、数据科学等的兴起和发展，则将信息资源管理引向了数据载体管理。信息载体的数字化扩展、信息数据的充足供给，以及信息资源资产属性加强，催生了更新的信息资源分析方法[28]。信息管理人才的培养目标是掌握数据管理技术和方法，善于运用数据技能解决实际问题、实现管理目标，并提供决策分析和洞见。

结合文献调研和统计分析，信息资源管理学科人工智能课程体系应该遵循以下原则：差异性、动态化、应用性。

4.1 差异性

差异性是指信息资源管理人工智能课程体系与其他学科，特别是计算机学科人工智能课程体系存在差异，是人工智能课程体系设计理念的基础。首先，国内主要关注人工智能课程设计的是“新工科”建设，对跨学科的人工智能课程设计讨论较少；虽然国外学界在一定程度上认识到人工智能的跨学科特点并进行了教学实践，但对具体的人工智能课程建设讨论还不充分。因此，信息资源管理人工智能课程体系设计不可简单参考现有设计理念，而应寻找符合自身特色的路径。其次，传统人工智能课程设计体系包括基础算法、核心技术和创新应用等方面，其中“算法分析与设计”“智能机器人控制”“虚拟现实与增强现实技术”等课程对信息资源管理领域帮助甚微，不适合纳入信息资源管理人工智能课程体系[29]。最后，国内信息资源管理学科的学生编程基础和算法分析能力相对较弱，而信息检索和分析等方面的需求更强烈，因此信息资源管理人工智能课程体系需要考虑到信管人才的能力需求。

4.2 动态化

动态化是指需要不断更新课程内容、教学素材，并且开设、整合新课程，是人工智能课程体系设计理念的核心。信息资源管理学科是一个新兴的管理学科，在新信息时代和新文科背景下，面临着理论创新和实践任务扩展的挑战[30]。人工智能作为一个快速发展的领域，其理论和实践也在不断创新。因此，信息资源管理学科人工智能课程体系建设面临双重推力：信息资源管理实践场景的不断更新，以及人工智能知识和实践的持续创新。这意味着信息资源管理人工智能课程体系不仅要关注经典理论和素材，还应密切关注学科新动态，实时更新课程内容，使用最新的实践素材和知识服务于学科需要。为了真正提升信息资源管理人才的学术和职业能力，增强学科话语权，需要时刻关注动态化调整教学思路和教学素材的重要性。国内外iSchools院校整体上做到了较高频率的课程更新，一定程度上体现了动态教学思想。

4.3 应用性

应用性是指强调人工智能在信息资源管理实践中的辅助作用，是人工智能课程体系设计理念的重点。人工智能课程体系通常包括基本原理、发展历史和发展伦理。然而，针对信息资源管理领域的人工智能课程，不仅需要教授人工智能知识，还要为学生在专业学术研究和职业工作中提供实际应用能力。为此，可以以人工智能项目为例，引导学生在探究人工智能具体实践的过程中模块化了解人工智能理论和方法。例如，通过介绍“罗马教廷秘密档案的自动转录项目”来学习机器学习在档案管理领域的应用，使用深度卷积神经网络等模型来解析项目的运行逻辑[31]。同时，还可以通过校企协同，邀请外部实践导师提供实践项目学习指导。本次调查的部分iSchools院校都提供了与导师合作的人工智能实践课程或项目。

5 信息资源管理人工智能课程体系设计思路

学科更名与新文科的事实为信息资源管理学科的转型发展提供了机遇。加强学科体系建设、培养更多先进人才，形成学科与产业的良性互动，信息资源管理寻求人才培养体系和课程设计思路的革新。本研究以人工智能课程体系设计核心理念为基础，提出教学实践的三类体系：教学内容体系、教学方法体系和考核管理体系。

5.1 教学内容体系

教学内容包含人工智能课程体系的课程数量、开课周期和学分设置。（1）人工智能课程体系应该将人工智能、机器学习、自然语言处理、文本信息挖掘等课程作为核心，优势课程和特色课程作为补充，其他课程作为扩展。（2）总学分控制在15-20学分，过低的学分设置将导致过少的课程数量，难以让学生建立相对完整的人工智能思想方法；过高的学分设置将容易挤占学生其他课程学习机会和时间，降低学生就读满意度，模糊信息资源管理与计算机科学的学科界限。（3）建议设置高比例的选修课程，开放充足的选修课程。必修的课程或实践课程学分控制在50%以内。鼓励开设多元化的人工智能课程，或与其他学院合作。

5.2 教学方法体系

教学方法包括人工智能课程体系的教学组织和授课形式。（1）做好引导环节，提升课堂趣味性。人工智能课程对于学生的信息技术能力要求普遍较高。在课堂正式开始之前，教师通过提前告知学生此次教学活动的重要意义和价值，可以帮助学生积极主动地计划、监督自己的学习过程。（2）利用交互式翻转课堂等新型授课形式。普遍而言，学生对于自主学习的方法重视程度不够，因此教师应提供数量富足的学习资料、文献和实践项目，提高学生自主学习兴趣，使其在教师的个性化辅导和自主学习中解决问题。（3）提供丰富的实践机会。可以设置一定的实践学时，或为学生提供足量的案例，以供学生分析学习；资源丰富或时间充足的，还可以安排学生与企业的交流，提供业界真实项目参观。

5.3 考核管理体系

考核管理体系包括人工智能课程体系的考核办法和课程总结方法。（1）以学生作品集替代开闭卷考试。人工智能课程体系强调应用性，很多教学开展形式是实践项目。因此，强调学生作品集的概念，即学生在学习期间积累的作品汇集作为成绩判断标准。（2）建立完善的教师教学评价与教学改进方案，强调课程资料的收集。保留包括设计目标、设计过程、设计成果、实施过程、实施效果等所有为课程设计而准备的材料。人工智能课程体系要求教师持续更新课程内容，课程资料档案的留存可以成为一种激励。

5.4 分析与讨论

5.4.1 课程体系设计理念

要设计好人工智能课程体系，首先需要明确如何将人工智能深度融入到信息资源管理学科教学当中。具体而言，就是要以“两群”为目标，“三体系”为内容，将人工智能知识体系有机融合到信息资源管理知识体系当中，如图1所示：

图1 人工智能与信息资源管理专业教学的深度融合理论Fig.1 The Theory of Deep Integration in the Professional Teaching of AI and IRM

教学深度融合理论包含三个主体：人工智能知识体系、“两群”和“三体系”。人工智能知识体系包括AI基础理论、AI技术方法和AI发展前沿，“两群”即人工智能课程群和信息资源管理传统课程群，“三体系”为课程体系中的教学内容体系、教学方法体系和考核管理体系。尽管人工智能课程群和信息资源管理传统课程群相互耦合，共同为学科发展作出贡献，但是其教学内容普遍存在巨大差异。因此，针对这两大目标，一方面要结合学科特点对教学方案做出改革，加入一些AI新课程，另一方面则是要在原有课程的基础上加入以AI知识与方法为核心的人工智能要素，对教学内容体系做深化改革。

在人工智能课程群的规划与建设方面，应注重应用性、系统性与灵活性。在课程设计上，应注重与信息资源管理学科发展方向、实践场景、前沿研究相呼应，将人工智能理论与方法的相关课程精要、系统地引入信息资源管理课程体系中。例如，信息资源管理学科注重对图书、情报、档案的文本分析，因此在目前的课程设计上，多所iSchools院校都将与文本分析密切相关的自然语言处理、文本挖掘等课程纳入到专业课程体系中。而人工智能自身的知识系统性也决定了人工智能课程需要进行系统化的设置，确保教学内容的连贯。总之，面对当今人工智能和信息资源管理学科日新月异的发展，规划、建设兼备应用性、系统性与灵活性的面向信息资源管理学科特性的人工智能课程群，有利于服务信息资源管理前沿研究领域的发展，有利于培养符合新时代要求的信息资源管理人才。

在信息资源管理传统课程群改革中，需要关注广泛性和应用性。改革应全面考虑人工智能理论与传统课程知识体系的融合。笔者认为教学者可以将以下两个要点纳入改革内容：一是人工智能对本课程理论的当代应用实践影响，可以邀请行业专家作为实践导师参与课堂教学，通过案例展示和分析方式进行教学。例如，中国人民大学信息资源管理学院已经与多位校外导师合作，提供相关的人工智能相关教学案例。二是人工智能如何影响本课程理论的未来发展趋势，可以组织多学科专家分享交流会。信息资源管理学科注重理论与实践的结合，对前沿信息技术高度敏感。因此，将人工智能融入信息资源管理课程改革是必要考量。

5.4.2 课程体系结构特征

作为人工智能课程体系的组成，教学内容体系、教学方法体系和管理考核体系之间具有如图2所示关系：

图2 人工智能课程体系关系Fig.2 The Relationships Within the Artificial Intelligence Curriculum System

三个体系相互影响，形成人工智能课程体系。教学内容体系、教学方法体系和考核管理体系是人工智能课程体系的表现形式、实践理论和维稳保障。教学内容体系和教学方法体系组成了课程的教学组织体系；教学方法体系和考核管理体系满足了实践需求，确保了课程运行的平稳高效；教学内容体系和考核管理体系代表了课程的实践环节。

5.4.3 课程设置框架

根据该设计思路及前文提到的要点，本文对面向新文科信息资源管理学科本科生的人工智能课程设置框架见图3。

图3 信息资源管理学科人工智能课程体系框架Fig.3 Framework of Artificial Intelligence Curriculum System in the Discipline of Information Resources Management

本课程体系设计方法为人工智能课程体系设计提供了思路。具体而言：（1）形成一批人工智能类课程，分别作为对人工智能的导论和介绍、人工智能核心知识与技术、特色人工智能课程和扩展类课程。（2）鼓励对人工智能项目进行分析，并结合所学，在实践导师等多种形式的帮助下完成实践研究。（3）总体学分设置在15-20学分。其中，导论课和扩展选修课不宜占据过多；实践项目是否占据学分由各院校根据培养计划自行决定。（4）鼓励将核心基础课程之外的课程设置为模块选修课，提高学生选课自由度。需要指出，本框架仅作为参考，学院和教师应根据自身教学特色，设计出契合自身发展需求的课程。

5.4.4 体系讨论

对于现在及将来一大批面向信息资源管理学科的“硬”课程，将它们融入信管学科体系和发展中至关重要。本文提出了面向信息资源管理本科的人工智能课程体系设计思路，有望推动新时代新文科信息资源管理学科数字化转型发展。具体体现在：（1）帮助学生掌握人工智能一般方法，应用人工智能解决实际项目问题，推动各院校逐步开设具有特色的人工智能课程。一方面，掌握人工智能学科体系重点知识和模型，无需深入基本算法。在此基础下，新时代专业人才能够应用人工智能技术与方法为学科研究提供新的贡献，解决时代和社会问题。另一方面，推动开设特色课程，成为特定研究领域的教学范例。（2）强化人工智能与信息资源管理传统课程的联系，强调人才优势。当下，人工智能已经在一定程度上应用于信息检索和挖掘服务，对于信息资源管理主要应用场景有着显著的辅助作用。例如，高校图书馆智能咨询平台对于人工智能的利用率已达到21.77%，AI成为图书馆咨询的重要支柱[32]。通过以“人工智能+信管”实践项目作为课程教学素材，加大人工智能课程体系与传统课程群的互动，提高信息资源管理人才培养强度。（3）响应新文科要求，开创信息资源管理学科发展的新局面。在数智时代和新文科时代的双重驱动下，信息资源管理需要提升核心竞争能力，建立新的学科理论，强化社会应用能力，成为认可度高的硬学科。对此，学界普遍强调加强信息资源管理与计算机、人工智能等技术学科的交叉融合。本研究通过提出人工智能课程体系设计方法，促进各学科间的交叉发展。

6 结语

大数据时代的到来推动了信息资源管理的创新发展，新文科的提出呼吁着信息资源管理学科与信息技术的交叉融合。在数据挖掘、分析等多个研究领域，人工智能都能与信息资源管理产生高效互动，而前者所具备的强技术性、应用性，与后者追求的实践性和技术性，以及IRM人才追求的职业能力不谋而合。新文科背景下，信息资源管理应当抓住时代机遇，加强学科教育中对于技术学科的交叉融合，推动信息资源转化为智慧化信息，大数据转化为智慧化数据“知识”，做好信息资源的管理和治理保障。

本文明确了信息资源管理学科人工智能课程体系设计核心理念：差异性、动态化和应用性。通过文献研究及信息归纳，研究指出人工智能课程体系需要不断与时俱进的动态特性。在明确信息资源管理学科特点的基础上，强调人工智能课程体系设计要突出其在信息资源管理领域的应用能力，使学生能够利用人工智能技术开展专业研究。进而，本研究提出一种信息资源管理学科人工智能课程体系设计方法，包括教学内容、教学方法和考核管理体系的规范，结合信息资源管理发展前沿，提供信息资源管理学科本科动态化人工智能课程体系实现范例。

可以明确的是，新文科建设将持续很长一段时间。通过讨论人工智能课程体系融入信息资源管理本科培养体系，期望信息资源管理学科能更好地回应新文科建设的时代需求：创新性地与信息理论和技术学科深度融合，将人工智能方法运用在教育教学的深刻变革中，不断更新和发展课程教学体系，成为具有中国特色的世界一流学科专业，服务于民族复兴和社会进步。

需要指出的是，本研究所采用的数据均来源于学校教务处网站或学院官网发布的公开信息。未考虑尚在讨论阶段或未公开的培养方案或课程设计，以确保研究的信度。另外，本研究所提出的设计方法缺少实践检验。但总体上，本研究在综合信息资源管理人工智能课程体系设计经验的基础上，提出了信息资源管理人工智能课程体系核心理念和设计方法。新文科时代，信息资源管理学科的发展需借助全体信管人的共同智慧，创造学科发展新格局。

作者贡献说明

潘禹辰：提出文章思路框架，撰写论文；

呼玮：采集数据，撰写论文；

杨建梁：思路框架优化，采集数据；

徐璐：整理数据，修改论文；

卢小宾：思路框架优化，指导论文撰写。