人工智能赋能学科拔尖人才继续教育创新模式研究

摘要：在知识经济时代，学科拔尖人才的培养成为国家竞争力提升的关键因素。人工智能技术的突破和创新为继续教育领域带来了前所未有的机遇和挑战。当前，国家层面高度重视学科拔尖人才的培养，相关政策文件精神强调创新能力的培养和个性化教育路径的设计。基于此，在分析人工智能技术发展和应用背景的基础上，探讨学科拔尖人才继续教育的发展现状和面临的挑战，旨在通过人工智能技术推动继续教育模式创新，以更好地满足学科拔尖人才发展要求。

关键词：人工智能；学科拔尖人才；继续教育；创新模式

中图分类号：G72

文献标志码：A

文章编号：1009-4156（2024）10-0091-06

收稿日期：2024-03-12

作者简介：陈" 璐，浙江理工大学艺术与设计学院讲师，教育学硕士，研究方向：继续教育、思想政治教育；沈" 涛，浙江理工大学资产与实验室管理处助理研究员，工程硕士，研究方向：教育管理。

在继续教育院校中，学科拔尖人才的培养已经成为推动社会进步和技术创新的核心，他们的成长和发展对于加速科技进步、促进经济增长具有不可或缺的作用。学科拔尖人才的培养需要国家、社会等层面的支持，人工智能技术以其灵活性和前瞻性的优势，在学科拔尖人才继续教育中逐渐展现出更多优势。继续教育院校要肩负起为党育人、为国育才的重大历史使命，充分与国际前沿范式和研究方法交流、对话，利用人工智能技术，培养一大批立志为中国特色社会主义事业奋斗终生的创新型、复合型、应用型拔尖人才。

一、人工智能赋能学科拔尖人才继续教育的创新发展价值

利用人工智能技术提升教育质量、效率和可及性，通过个性化学习路径、交互式学习体验、全球资源链接及促进科学技术进步等方式，旨在培育适应未来挑战的领导者和创新者，不仅响应国家创新驱动发展战略的需求，也是推动教育现代化、实现教育公平与人才充分发展的重要途径。

（一）为学科拔尖人才构建个性化学习路径，促进知识及时更新

人工智能技术能够通过分析学习者的学习历史、行为数据和反馈，识别其学习风格、兴趣偏好及能力水平，该种深度学习分析帮助创建针对个体的学习档案，作为个性化学习路径设计的基础［1］。基于这些分析结果，人工智能为每位学科拔尖人才制订个性化的学习计划，计划不仅包括适合其学习水平的课程和材料，还能够根据学习者的进展动态调整，确保学习内容始终既有挑战性又能够被掌握。此外，人工智能系统能够实时监控最新的学科发展和研究成果，及时将相关的学习资源和内容更新到学习平台上，保证学科拔尖人才能够接触到最前沿的知识和技术，促进其知识的持续更新。通过智能推荐系统，人工智能还能够提供各种形式的学习材料和活动（如视频讲座、在线课程、模拟实验等），帮助学习者从不同角度深入理解复杂的概念和理论。同时，通过实际案例分析和问题解决训练，增强其将理论知识应用于实践的能力。

（二）提供交互式学习体验，培养解决复杂问题的能力和创新思维

人工智能可以构建虚拟现实（VR）或增强现实（AR）学习环境，模拟真实世界的复杂问题和工作场景，这种沉浸式体验使学习者能够在模拟的环境中亲身体验和解决问题，增强学习的直观性和实践性［2］。人工智能技术支持学习平台提供与学习内容相关的交互式任务和游戏，鼓励学习者通过参与和探索来获得知识，互动性不仅提高学习的趣味性，也促进了学习者的积极参与。人工智能驱动的交互式学习工具可以提出多种视角和解决方案，要求学习者从不同角度分析和解决问题，有助于学科拔尖人才发展批判性思维，学会在复杂多变的情境中作出合理的判断和决策。在处理由人工智能系统生成的动态和实时变化的问题时，学习者需要利用数据分析和决策技能来找到解决方案，该种基于数据的问题解决过程有利于培养学习者的分析能力和适应快速变化环境的能力。

（三）连接全球的学习资源和专家网络，增进学科间的交叉融合

人工智能技术能够实时跟踪全球的学术出版物、研究报告和技术动态，为学科拔尖人才提供即时、全面的学习资源，技术的应用打破了地理和时间的限制，使得学习者可以无缝接触到世界各地的最新研究成果，从而及时更新和拓展自己的知识体系。通过分析学习者的学习偏好、历史行为和当前的学习进度，智能平台可以为其智能推荐相关领域的顶尖学术资源和研究资料，帮助学科拔尖人才发现新的兴趣点和研究方向。在人工智能平台中，全球专家学者之间可以实时交流与协作，如利用虚拟研讨会、在线工作坊等形式，学科拔尖人才与世界各地的顶尖专家进行思想碰撞和知识分享，有助于培养国际化视野，促进跨学科的学术对话和合作。人工智能技术还可以根据学科拔尖人才的研究兴趣和发展需求，智能匹配合适的国际专家作为导师或合作伙伴，为学习者提供接受个性化指导和反馈的机会，有助于其在专业领域内取得更深入的成就［3］。教师再根据当前科研和行业发展趋势，设计跨学科的学习路径，鼓励学科拔尖人才探索与本专业相关联的其他学科领域，促进学习者创新思维，开辟新的研究方向。

（四）推动科学技术进步，培育出更多新时代的领导者和创新者

《国家创新驱动发展战略纲要》提出，重点推进科技创新是实现高质量发展的核心动力。人工智能赋能的教育体系通过为学科拔尖人才提供先进的学习工具和平台，促进其创新思维和实践能力的提升，为科技创新提供人才支持。建立终身学习体系是适应快速变化社会的必要条件，人工智能在继续教育中的应用也为学科拔尖人才提供了灵活多样的学习方式和资源，鼓励和促进终身学习的理念落实，为培养具有持续学习能力的新时代领导者和创新者奠定基础［4］。依托《人才发展战略规划》等政策文件要求，国家鼓励利用新技术手段，如人工智能，推进人才培养和发展模式的创新，通过人工智能技术的融合，继续教育体系能够更高效地培养符合未来社会和经济发展需求的高层次人才，有效地解决教育资源分配不均等问题，如通过在线平台和虚拟实验室等手段，为更多学科拔尖人才提供高质量的学习资源和研究工具，实现教育资源的广泛共享。

二、人工智能赋能学科拔尖人才继续教育的创新发展瓶颈

人工智能技术推动的创新同样揭示了数据隐私与安全、算法透明度与偏见等方面的挑战，这些问题的背景是多维度的。在追求高效率和精准教育的同时，如何平衡人性化教育需求与技术发展，保证教育公平与质量，成为人工智能赋能教育必须直面的复杂问题。

（一）来自隐私保护和算法透明度的挑战

在人工智能驱动的个性化教育中，平台需要收集大量个人数据，包括学习习惯、成绩、偏好等，构建和优化学习模型，个人敏感数据的依赖会增加数据被滥用的风险，尤其是在缺乏严格数据保护措施的情况下，个人信息可能被第三方获取和使用，造成隐私泄露。数据在收集、传输和存储过程中也面临安全威胁，如黑客攻击、数据泄露等，对用户的隐私保护构成了直接威胁。用户对自己的个人信息是否能得到充分保护而担忧，不安全感会影响对人工智能教育应用的信任度和使用意愿。人工智能系统，特别是深度学习模型，在处理数据和提供个性化推荐时往往表现为“黑箱”，即其内部逻辑和决策过程对于用户来说是不透明的，该种不透明性会使得教育者和学习者难以理解人工智能如何作出特定的推荐或决策，从而对其有效性和公正性质疑，不仅限制用户对系统行为的理解，也阻碍了对人工智能判断的质疑和纠正的可能性［5］。

（二）由于数据偏差产生算法偏见或相关法律监管滞后

人工智能在教育领域的应用发展迅速，而相应的法律、规章和标准的制定却相对滞后，从而导致在隐私保护、数据安全、算法透明度和偏见防治等方面缺乏足够的法律支撑。即便存在相关法律规定，其针对人工智能特有问题的适用性和具体性往往不足，难以有效覆盖人工智能教育应用中的新兴问题。人工智能系统的学习和决策依赖于大量数据，如果这些数据存在系统性偏差，过度代表或忽略某一群体的数据，人工智能模型就可能学习并复制这些偏见［6］。例如，在教育应用中，如果训练数据主要来自特定地区或背景的学习者，模型可能对这一群体以外的学习者表现出不公平或不准确的推荐。算法偏见也会导致个别学科拔尖人才在接受个性化学习建议时受到不公平对待，影响其获取知识和技能的机会，不仅限制个人的学习效果，也可能加剧社会不平等，阻碍多样性和包容性教育环境的建设。

（三）技术和资源的可及性存在挑战，学习者技术适应能力存在差异

人工智能教育工具和资源往往集中在经济发达地区，而经济较弱或偏远地区的学习者难以获得相同水平的教育技术和资源，该种不平衡会导致教育机会的地域差异。有效使用人工智能教育工具通常需要稳定的互联网连接和现代化的计算设备，但在一些地区，这样的基础设施仍然不足，会限制学习者访问人工智能教育资源的能力，如一部分学科拔尖人才无法充分利用人工智能带来的教育优势。学习者的背景、年龄、教育水平等因素也会导致其对新技术的适应能力存在显著差异。年轻学生更容易接受和利用人工智能教育工具，而年长学习者或基础教育水平较低的学习者则会面临更大的挑战。甚至对于一部分学习者来说，新技术会引起焦虑和恐惧，称为“技术恐惧症”，这一心理障碍必然会阻碍其有效利用人工智能教育资源。学习者技术适应能力的差异还会导致教育成果分化，部分学科拔尖人才不能充分利用人工智能技术进行学习和发展［7］。

（四）创新能力培养存在局限性，忽视学习者人际交往能力

人工智能系统在设计时会过分依赖于标准化的知识传递，缺乏对个性化思维挑战和创造性任务的支持，如强调知识和技能的传授，但不足以激发学习者的创新思维和批判性思考，无法充分提供模拟真实世界复杂情境的学习体验，进而限制了学习者在解决实际问题中应用知识、进行创新实践的机会。长期而言，这可能影响学科拔尖人才的综合竞争力和创新能力的培养。人际交往能力和团队合作是当今工作和社会生活中不可或缺的能力，而人工智能教育工具对这方面能力的忽视会导致学科拔尖人才在专业能力强而交际能力弱的矛盾中挣扎。虽然人工智能赋能的学习通常强调个体化和自主学习，但同时会减少学习者之间及学习者与教师之间的直接交流和合作机会，尽管这样的设计旨在提升学习效率，但会导致学习者在人际交往和团队合作方面的技能发展受限。各类在线学习平台虽然提供了便利的学习渠道，但往往缺乏面对面互动的社交元素，学习者在非正式环境中通过交流和讨论进行学习和思想碰撞的机会随之减少。

三、人工智能赋能学科拔尖人才继续教育的创新发展路径

在全球化和技术快速进步的当代社会，继续教育成为促进职业发展和终身学习的关键。现代教育需求不断演变，如对创新能力和批判性思维的强调。利用人工智能创新学科拔尖人才继续教育模式，旨在应对传统教育模式的局限，满足继续教育学习者多样化和不断变化的学习需求，同时为其提供必要的技能，以适应未来的工作和社会挑战。

（一）制定和执行数据隐私政策，使用加密技术

随着人工智能技术在教育领域的广泛应用，大量的个人学习数据被收集和分析以提供个性化学习体验，这些数据通常包含敏感信息，如学习者的个人标识信息、学习进度、成绩以及行为习惯等［8］。在此背景下，学习者的数据隐私和安全成为亟待解决的问题。地方教育部门要组织专家团队，包括法律、教育、信息安全等领域的专家，共同研究并制定一套符合国家法律和国际标准的数据隐私政策，覆盖数据的全生命周期，即从收集、存储、处理到分享和销毁的每一个环节。明确数据收集的目的、范围以及使用方式，确保学习者对自己的数据被如何使用有充分的了解和控制权。实施访问控制机制，确保只有授权的人员才能访问敏感数据，且访问权限应根据工作需要进行严格限制。提前对所有涉及数据处理的员工进行隐私保护和数据安全的培训，提升其对数据保护重要性的认识以及处理数据时的安全意识。并向学习者普及数据隐私政策，让其了解自己的数据权利以及如何保护个人隐私。

采用加密技术保护学习者信息，防止数据在传输和存储过程中被未授权访问，也是维护数据安全和用户信任的关键措施［9］。首先，根据数据的敏感性和安全需求选择合适的加密技术。对于传输中的数据，采用传输层安全（TLS）协议进行加密保护；对于存储的数据，使用强加密标准（如AES）对数据库和文件进行加密。为了最大限度地保护数据安全，实施端到端加密（E2EE），确保数据在发送方和接收方之间的传输过程中完全加密，即使数据在传输过程中被截获，也无法被第三方解读［10］。加密密钥的安全管理是加密技术有效性的关键，通过实施严格的密钥管理政策，包括定期更换密钥、限制密钥访问权限以及使用安全的密钥存储解决方案。这样一来，可有效防止数据在传输和存储过程中的未授权访问，显著降低数据泄露的风险。

（二）发展可解释的人工智能技术，增加算法的透明度

对于学科拔尖人才继续教育而言，透明的算法不仅能提升教育质量，还能增强学习者的信任和接受度。国家以及政府可以组织跨学科的研究团队，包括计算机科学家、教育学者和伦理学专家，共同研究和开发可解释人工智能技术，重点研究如何在保持人工智能算法高效性的同时，提升其决策过程的透明度，如探索各种方法和技术解释人工智能模型的决策依据以及特征重要性分析、模型可视化、对比案例分析等。积极开发用户友好的解释界面和反馈机制，使教育者和学习者能够容易地获取和理解人工智能推荐背后的逻辑和依据。并对教育者进行培训，帮助他们理解和解释人工智能技术的原理及应用，使他们能够更有效地利用这些技术进行教学和学习者评估。还要重视提供指导材料和在线资源，增强学习者对于人工智能决策过程透明度的理解，学会如何利用这些信息来指导自己的学习。

算法偏见通常源自训练数据集的不平衡或预设的开发偏好，因此，减少算法偏见，提升系统的公平性，是利用人工智能赋能学科拔尖人才继续教育的重要挑战。继续教育院校要选择或构建更加多样化的数据集进行人工智能模型的训练，确保数据集涵盖不同的人群、背景和场景，以反映真实世界的多样性。定期更新和扩充训练数据集，纳入新的数据样本，以减少偏差并适应不断变化的教育需求。通过实施定期的算法审计，由内部或第三方团队评估人工智能系统的决策过程，识别可能的偏见来源，审计过程包括但不限于分析算法决策依据、测试模型在不同人群中的表现差异以及评估模型的整体公平性。在必要时，开发和应用一套公平性指标，用于量化和评估人工智能系统在不同维度的公平性表现［11］。根据审计结果，调整算法设计或引入纠偏机制，如重新平衡数据集、修改模型结构或优化算法逻辑，以减少偏见并提升公平性，为学科拔尖人才提供更加公正和高质量的教育服务。

（三）提高基础设施建设，开发低成本教育技术方案

在全球范围内，教育资源的获取和利用仍然存在显著的不平等性，尤其是在偏远和经济不发达地区。这种不平等性通常被称为“数字鸿沟”，不仅限于基础的互联网接入问题，还包括对教育技术（包括人工智能赋能的教育工具）的可及性。缩小数字鸿沟，提高技术和资源的可及性，对于确保学科拔尖人才能够公平地接受高质量的教育至关重要。政府继续教育管理机构要制定相关政策，为改善教育基础设施和技术接入提供指导和财政支持，包括对互联网接入、计算设备、电力供应等基础设施的投资。在偏远和经济不发达地区，加大投资于互联网基础设施的建设和升级，确保稳定快速的网络连接，并提供计算设备和相关技术支持，如学校计算机实验室的建立和移动学习设备的分发。开发和提供符合当地教育需求和文化背景的教育内容和资源，确保教育材料的相关性和可访问性。同步利用人工智能技术开发本地语言的学习工具和平台，降低语言障碍，这样可以有效提升教育质量和技术普及率，长期来看能够促进当地社会经济的发展，为地区带来持续的发展动力。

确保所有学习者，尤其是来自经济不发达地区和低收入家庭的学生，都能平等访问和利用这些先进的教育工具，对于继续教育院校而言是一大挑战，学生群体更加多元，他们的经济条件、学习需求和技术接入能力各不相同，因此，开发低成本、易使用的人工智能教育工具，对于提升算法透明度和公平性、缩小教育差距具有重要意义。继续教育院校可以通过调研和分析继续教育学生的具体需求，包括其学习目标、技术使用能力以及设备接入情况，指导人工智能教育工具的设计。重点关注易用性和可访问性，确保工具的设计简洁直观，能够在低带宽或基础配置的设备上运行［12］。还要利用开源技术和平台降低开发成本，开发适合继续教育院校使用的人工智能教育工具和应用。

（四）整合项目式学习，增设批判性思维训练

继续教育院校作为成人教育的重要机构，承担着提升在职人员和终身学习者能力的责任，因此，整合项目式学习模块，鼓励学习者通过解决实际问题应用知识，不仅能够培养其创新能力，还能提升其批判性思维能力。教育专家和行业专家要互相合作，设计和开发项目式学习模块，围绕真实世界的问题，要求学习者运用跨学科知识进行解决。确保项目具有挑战性和实用性，能够激发学习者的兴趣，并与其专业发展或个人兴趣相关联。通过利用人工智能技术和在线学习平台支持项目式学习，提供必要的工具和资源，如虚拟实验室、在线协作工具、数据分析软件等。开发智能辅导系统，根据学习者在项目中的表现提供个性化的反馈和建议，帮助他们在学习过程中不断进步。还要安排有经验的教师或行业专家作为项目导师，为学习者提供指导和支持，确保学习者能够在项目实施过程中获得实际操作经验和深入理解。并采用多元化的评估方法，除了评估项目成果，还评估学习者在项目中的合作、创新过程、问题解决策略等方面的表现。

在全球化和信息爆炸的时代背景下，批判性思维能力成为个体适应社会发展、解决复杂问题和作出理性判断的关键能力。继续教育院校作为成人学习者知识更新和技能提升的重要场所，有责任培养学习者的批判性思维能力，帮助其在职业生涯和日常生活中作出更加明智的决策。特别是对于学科拔尖人才，强化其批判性思维训练，不仅能够提升他们的专业素养，还能够促进他们的创新能力和综合素质的全面提升。继续教育院校相关人员要开发一系列旨在培养批判性思维能力的课程和活动，内容覆盖逻辑推理、论证分析、证据评估、假设测试等关键领域。如结合实际案例和当前社会热点问题，设计互动式讨论、辩论赛、问题解决工作坊等形式多样的活动，鼓励学习者积极参与并实践批判性思维。教育部要重视对继续教育院校的教师进行专门的批判性思维教学法培训，提升他们引导讨论、激发思考和评价学习者批判性思维的能力。教师在课程和活动中充当引导者和挑战者的角色，通过提出引导性问题和挑战性观点，促进学习者的深入思考和讨论。并建立系统的反馈和评估机制，对学习者的批判性思维表现进行定期评估，并提供具体、建设性的反馈。

（五）构建虚拟社区，组织线下活动，强化人际交往和团队合作能力的培养

良好的人际交往和团队合作能力是个人成功的关键因素之一，这些能力对于提升工作效率、增强社会融入感以及推动创新具有重要意义［13］。对于继续教育院校的学习者来说，他们往往来自不同的背景和行业，提升人际交往和团队合作能力不仅能够帮助他们在学习中取得更好的成绩，也能为日后的职业发展提供竞争优势。继续教育院校可以利用AI技术和在线教育工具开发支持实时交流、协作学习和社交互动的虚拟学习社区平台。平台应支持文本、音频和视频通信，以适应不同学习者的交流偏好。通过集成社交媒体功能，如论坛、小组讨论、博客和即时消息，以促进学习者之间的互动和信息分享。组织在线讨论会、团队项目和协作任务等互动活动，鼓励学习者在虚拟社区中相互交流意见、分享经验和共同解决问题；设计具有挑战性的团队比赛和协作项目，要求学习者运用所学知识并在团队中分工合作，以实现共同目标。条件允许的话，邀请行业专家和经验丰富的导师进入虚拟社区，提供指导和反馈，增强学习互动的实用性和专业性，定期举办在线研讨会和讲座，为学习者提供与专家直接交流和学习的机会。

在数字化教育和远程学习日益普及的当下，面对面的交流和团队合作的机会相对减少，继续教育院校的学习者通常具有丰富的职业经验和多样化的背景，线下交流活动不仅能够加强学习者之间的互动，还能促进从不同领域的知识交流和合作学习，这对于培养人际交往和团队合作能力至关重要。继续教育院校应策划和组织一系列线下交流活动，如研讨会、工作坊、团队建设活动和社交聚会等，确保活动内容丰富多样，能够吸引不同背景的学习者参与。在活动策划过程中，考虑到学科拔尖人才的时间和地点限制，选择合适的时间和便捷的地点，以便最大限度地促进参与。设计跨学科的研讨会和讨论主题，鼓励学习者从不同专业背景分享见解和经验，促进跨领域的学习和理解，如通过分组讨论和团队项目，使学习者在实际的团队合作中学习沟通、协调和领导技能。线下交流活动为学科拔尖人才提供了丰富的社交场合，可以帮助他们建立和扩大社交网络，提升人际交往能力和社会融入感。

综上所述，基于人工智能技术的发展背景，深入分析学科拔尖人才继续教育的创新模式及其实施策略。研究显示，通过整合AI技术和教育资源，能够有效促进学科拔尖人才的个性化学习和全面发展。在实施过程中，继续教育院校需要重视政策导向，在关注学科拔尖人才的定义和培养目标的同时，综合考虑教育的公平性、可及性和创新性。未来，学科拔尖人才继续教育的发展将更加依赖于教育技术的创新应用以及教育体制和机制的不断优化，为实现中华民族伟大复兴贡献更多力量。

参考文献：

［1］管佳，韩婷芷，徐国兴.人工智能技术赋能我国高等教育拔尖人才培养［J］.中国电化教育，2022（10）：97-101.

［2］段晓丽，文武.智能时代高校拔尖人才培养模式探要［J］.江苏高教，2022（8）：58-62.

［3］江文.信息化3.0时代继续教育数字化转型：理据、风险与路向［J］.成人教育，2024（3）：6-11.

［4］姜大源.论迭代、加速、平衡：新时代继续教育的理论视角［J］.职教论坛，2024（1）：77-85.

［5］孙立新，李圆，夏敏.“人工智能+老年教育”：发展理据、风险表征及实践路向［J］.职教论坛，2023（7）：91-101.

［6］申灵灵，罗立群.数智技术赋能微教育：破解农民工继续教育困境的新范式［J］.成人教育，2022（5）：36-42.

［7］丁美荣，王同聚.人工智能教学中“知识建构、STEM、创客”三位一体教学模型的设计与应用［J］.电化教育研究，2021（4）：108-114.

［8］黄娥.人工智能助力我国开放大学建设：逻辑、动力与路径［J］.成人教育，2020（7）：20-25.

［9］汪燕.我国人工智能教育的发展与困境——兼论人工智能在继续教育中的发展［J］.职教论坛，2018（9）：104-110.

［10］任毅，张振楠.人工智能技术在继续教育智慧化发展中的应用及其影响［J］.中国成人教育，2017（23）：126-128.

［11］陆一，史静寰，何雪冰.封闭与开放之间：中国特色大学拔尖创新人才培养模式分类体系与特征研究［J］.教育研究，2018（3）：46-54.

［12］罗杨洋，刘畅，黄海峰，等.基础学科拔尖人才培养政策的特征、缺憾及优化——基于入选“拔尖计划1.0”高校拔尖人才培养政策的分析［J］.江苏高教，2023（5）：72-81.

［13］沈悦青，郝杰，夏伟梁，等.基于教育虚拟社区的拔尖人才培养——以拔尖计划2.0全国线上书院为例［J］.高等工程教育研究，2022（4）：122-127.

Research on Innovative Continuing Education Models for Artificial Intelligence Empowering Top Talents in Disciplines

Chen Lu" Shen Tao

（Zhejiang Sci-Tech University， Hangzhou 310018， China）

Abstract：In the era of knowledge economy， the cultivation of top talents in disciplines has become a key factor in enhancing national competitiveness. The breakthroughs and innovations in artificial intelligence technology have brought unprecedented opportunities and challenges to the field of continuing education. At present， the nation attaches great importance to the cultivation of top talents in disciplines， and relevant policy documents emphasize the importance of fostering innovative capabilities and designing personalized educational pathways. Based on this， this article analyzes the development and application background of artificial intelligence technology， explores the current situation and challenges of continuing education for top talents in disciplines. The aim is to promote innovation in continuing education models through the application of artificial intelligence technology， thereby better meeting the development needs of top talents in disciplines.

Key words：AI Plus; Top talents in disciplines; Continuing education; Innovation model