高校人工智能教學應用標準(試行)

高校人工智能教學應用標準(試行)1范圍本標準規定了普通高等院校人工智能相關課程教學應用的基本要求、實施規范、評價方法與保障機制，適用于本科院校人工智能、計算機科學與技術、數據科學與大數據技術、智能制造等專業的人工智能核心課程、通識課程教學實施，職業院校人工智能相關專業可參照執行。本標準覆蓋課程設計、資源建設、教學過程實施、實踐教學、考核評價、師資能力、倫理管控等全流程教學環節，是高校開展人工智能教學質量管理、教學成效評估的依據。2規范性引用文件下列文件對于本標準的應用必不可少。凡是注日期的引用文件，僅注日期的版本適用于本標準；凡是不注日期的引用文件，其最新版本（包括所有修改單）適用于本標準?！镀胀ǜ叩葘W校本科專業類教學質量國家標準（2020年版）》（教育部高等教育司）《人工智能本科專業教學規范（2023年版）》（教育部高等學校計算機類專業教學指導委員會）《高等學校人工智能創新行動計劃》（教育部，2018年）《生成式人工智能服務管理暫行辦法》（國家互聯網信息辦公室等七部門，2023年）《高等學校數字教學資源建設與應用規范》（教育部教育信息化技術標準委員會，CELTS-10，2022年）《信息技術人工智能術語》（GB/T38638-2020）《高等學校實驗室安全規范》（教育部，2023年）3術語和定義3.1人工智能核心課程指人工智能專業學生必須掌握的基礎理論與核心技術課程，至少包括人工智能導論、機器學習、深度學習、計算機視覺、自然語言處理、智能機器人、知識工程、強化學習8門課程。3.2人工智能通識課程面向非人工智能專業學生開設的普及性課程，內容涵蓋人工智能基礎概念、典型應用場景、行業影響、倫理規范等，旨在提升學生的人工智能素養與跨領域應用能力。3.3項目式實踐教學以真實產業需求或科研問題為載體，學生以小組為單位完成需求分析、方案設計、模型訓練、效果評估、報告撰寫全流程任務的實踐教學模式，強調過程性參與與問題解決能力培養。3.4人工智能教學實訓平臺集成數據集、算法框架、算力資源、教學案例、實驗指導、評測工具于一體的專用教學支撐系統，可支持學生在線完成實驗操作、代碼調試、模型訓練等實踐任務。3.5生成式人工智能教學工具指基于大語言模型、多模態生成技術開發，可輔助完成備課、答疑、作業批改、個性化學習路徑推薦的教學輔助工具，包括但不限于AI助教、智能學習助手、教學內容生成系統。4課程體系設計要求4.1專業核心課程體系4.1.1先修課程設置人工智能專業核心課程需建立清晰的先修關系，其中：大一階段需完成高等數學（不低于128學時）、線性代數（不低于64學時）、概率論與數理統計（不低于64學時）、程序設計基礎（不低于64學時，含32學時實驗）、數據結構與算法（不低于64學時，含32學時實驗）5門先修課程，學生先修課程考核通過率需達到100%方可修讀核心課程。大二至大三階段核心課程總學時不低于512學時，其中實踐學時占比不低于45%；單門核心課程理論與實踐學時比不超過1.5:1。4.1.2課程內容覆蓋要求每門核心課程需覆蓋理論基礎、技術方法、產業應用三個模塊，內容符合《人工智能本科專業教學規范（2023年版）》要求：人工智能導論：覆蓋人工智能發展歷程、核心技術分支、典型應用場景、倫理與安全基礎，其中產業案例占比不低于30%。機器學習：覆蓋監督學習、無監督學習、半監督學習、模型評估與優化方法，需包含至少8個經典算法實現實驗。深度學習：覆蓋神經網絡基礎、卷積神經網絡、循環神經網絡、Transformer架構、生成式模型基礎，需包含至少6個真實場景模型訓練實驗。計算機視覺/自然語言處理/智能機器人/知識工程/強化學習等方向課程：需包含至少2個產業級真實項目實踐任務，內容需同步近3年技術進展，經典技術與前沿技術內容占比不低于7:3。4.2通識課程體系4.2.1學分要求面向所有非人工智能專業學生的人工智能通識課程需設置為公共選修課，學分不低于2學分，總學時不低于32學時，其中實踐體驗學時不低于20%。4.2.2內容要求通識課程避免過度技術化，重點覆蓋：人工智能發展現狀與趨勢、與本專業領域的融合應用案例、數據安全與隱私保護基礎、生成式AI工具合理使用規范、人工智能倫理準則，每門課程需包含至少2個跨領域應用實踐任務（如文科專業的AI輔助文本分析、理工科專業的AI輔助仿真計算、醫科專業的AI輔助影像識別體驗等）。4.2.3分類適配要求針對不同學科門類通識課程需定制內容：人文社科類側重AI對文化傳播、社會治理的影響；理工類側重AI與本專業技術的融合應用方法；農醫類側重AI在智慧農業、智慧醫療的落地場景；藝術類側重AI輔助創作的方法與版權邊界。5教學資源建設標準5.1教材資源5.1.1專業課程教材優先選用教育部高等學校計算機類專業教學指導委員會推薦的人工智能專業規劃教材，或近3年出版的國家級優秀教材、行業公認經典教材；自編教材需經過至少3名校外人工智能領域教授、2名產業資深工程師評審通過后方可使用，教材內容中近5年技術進展占比不低于20%，配套實驗案例不少于10個。5.1.2通識課程教材需適配不同學科背景學生的認知水平，避免過多公式推導，重點突出應用性與科普性，內容需包含不少于5個本學科領域的AI融合應用案例。5.1.3補充資源要求每門課程需配套至少1套可公開獲取的英文經典教材節選（總篇幅不低于教材總容量的30%），同步更新近1年領域頂會（NeurIPS、ICML、CVPR、ACL等）優秀論文案例作為補充閱讀材料，補充材料每學年更新比例不低于15%。5.2數字教學資源5.2.1基礎資源要求每門課程需建設完整的課件、教學視頻、實驗指導書、習題集、參考資料包，資源格式符合CELTS-10標準，可適配PC端、移動端訪問，資源訪問故障率低于1%。其中教學視頻單個知識點時長控制在8-15分鐘，實驗指導書需包含詳細的環境配置步驟、操作流程、常見問題解決方案，可操作性覆蓋率100%。5.2.2數據集與算法資源專業課程配套的教學數據集需包含公開標準數據集與自主采集的產業場景數據集兩類，其中產業場景數據集占比不低于30%，所有數據集需完成脫敏處理，無版權爭議；支持的算法框架需至少覆蓋TensorFlow、PyTorch、PaddlePaddle三大主流框架，框架版本每半年更新一次。5.2.3案例資源要求每門核心課程需包含至少5個國內頭部人工智能企業的真實落地案例，案例需涵蓋需求背景、技術方案、實施過程、落地效果完整內容，其中可復現的案例占比不低于80%；案例每學年更新比例不低于20%，確保同步產業最新進展。5.3實訓平臺資源5.3.1算力配置要求學校需建設校級人工智能教學實訓平臺，單用戶同時在線算力不低于16G顯存、8核CPU、16G內存，支持至少200名學生同時開展深度學習模型訓練實驗；針對計算機視覺、大模型微調等重型實驗任務，可調度的總算力不低于20PFlops，任務等待時長不超過10分鐘。5.3.2功能要求實訓平臺需包含實驗環境一鍵部署、代碼在線調試、模型訓練過程可視化、實驗結果自動評測、實驗報告在線提交與批改5項核心功能；內置實驗項目不少于80個，覆蓋所有核心課程的實驗要求，支持教師自定義上傳實驗項目。5.3.3安全要求實訓平臺需具備數據脫敏、訪問權限控制、操作日志留存、算力資源動態隔離功能，學生數據導出需經過教師審批，避免數據泄露與算力濫用；平臺日志留存時長不低于180天，可溯源所有操作行為。6教學過程實施規范6.1理論教學要求6.1.1備課要求教師需針對每節課撰寫詳細教案，明確教學目標、重難點、教學方法、課后任務，教案中需包含至少1個案例或互動環節設計；每學期開課前需完成全部課程資源的預上線，完成至少1次全流程試講，排查內容錯誤與資源可用性問題。6.1.2課堂實施要求理論教學避免純講授模式，互動式教學時長占比不低于30%，互動形式包括小組討論、案例分析、隨堂小測、現場演示等；每節課需布置針對性課后任務，任務完成反饋周期不超過2個工作日。6.1.3生成式AI工具應用要求鼓勵教師使用AI工具完成課件生成、習題設計、學情分析等工作，但需對AI生成內容進行準確性審核，錯誤率控制在0%；不得直接使用未審核的AI生成內容作為教學材料。6.2實踐教學要求6.2.1實驗分類要求實踐教學分為驗證性實驗、綜合性實驗、設計性實驗三類，占比分別為30%、40%、30%：驗證性實驗：側重經典算法復現，要求學生獨立完成，代碼原創率不低于80%，教師需逐份批改實驗報告，反饋時長不超過3個工作日。綜合性實驗：側重多知識點融合應用，以2-3人小組為單位完成，每組需提交完整的代碼、實驗報告、演示視頻，教師需組織每組進行5分鐘以內的答辯，答辯成績占實驗成績的40%。設計性實驗：側重問題解決能力培養，題目來自真實產業需求或教師科研項目子任務，以3-5人小組為單位完成，實施周期不低于4周，需包含需求調研、方案設計、迭代優化、成果匯報4個環節，最終成果需具備實際應用價值。6.2.2過程管理要求教師需每周跟進學生實驗進展，開展至少1次線下答疑或線上輔導；實驗過程中需留存學生的代碼提交記錄、版本迭代記錄、溝通交流記錄，作為成績評定的依據，避免最終成果“一評定終身”。6.2.3企業實踐要求人工智能專業學生需完成至少6個月的企業實習，實習崗位需與人工智能技術研發、產品落地、場景應用相關；學校需與不少于10家具備人工智能核心技術能力的企業建立穩定的實習基地，每學期安排至少2名企業工程師進校開展實踐教學指導。6.3個性化教學要求6.3.1學情分析要求教師需每2周開展1次學情分析，基于學生作業完成情況、實驗表現、隨堂測試成績識別學習困難學生，對成績排名后15%的學生開展一對一輔導，輔導覆蓋率100%。6.3.2分層教學要求課程需設置基礎任務與拓展任務兩類，基礎任務要求所有學生完成，占總成績的70%；拓展任務面向學有余力的學生開放，完成后可獲得額外加分，鼓勵學生參與學科競賽、科研項目，獲得省級以上人工智能相關競賽獎項可折算為相應課程的實踐成績，折算比例最高不超過課程總成績的30%。6.3.3跨學科融合教學要求鼓勵開設“人工智能+X”跨學科課程，由人工智能專業教師與其他專業教師聯合授課，課程內容需明確跨學科融合的具體場景、技術方法與應用路徑，配套至少2個跨學科實踐項目，支持不同專業學生混合組隊完成。7考核評價規范7.1成績構成要求課程總成績由過程性考核與終結性考核兩部分構成，其中過程性考核占比不低于50%，終結性考核占比不高于50%：過程性考核：包含課堂表現（10%）、作業完成情況（15%）、實驗成績（25%）三個模塊，其中實驗成績需包含實驗過程記錄、實驗報告、答辯情況三個維度的評價。終結性考核：專業核心課程優先采用“筆試+實操”結合的方式，其中筆試占比不超過60%，實操占比不低于40%；通識課程可采用開卷考試、項目報告、論文寫作等方式，重點考核學生對人工智能應用能力與倫理認知水平。7.2考核內容要求考核內容需覆蓋課程全部核心知識點，其中記憶類題目占比不超過20%，理解類、應用類、創新類題目占比不低于80%；專業課程實操考核需在實訓平臺上完成，要求學生在規定時間內完成模型訓練、效果優化任務，考核指標包含準確率、效率、代碼規范性三個維度。7.3學術誠信要求7.3.1作業與實驗審核要求教師需使用學術不端檢測系統對學生提交的作業、實驗報告、代碼進行檢測，其中文字類內容重復率超過30%、代碼相似度超過60%的判定為不合格，需返回重寫；累計2次不合格的，該課程過程性考核成績記為0分。7.3.2AI工具使用規范允許學生使用生成式AI工具輔助完成作業與實驗，但需在提交材料中明確標注AI工具的使用范圍、使用方式，未標注且被證實大量使用AI生成內容的，按學術不端處理；學生不得使用AI工具完成考核類任務（包括考試、隨堂測試、答辯內容生成等），一經發現取消該課程考核資格。7.4教學評價反饋要求每學期課程結束后，學校需組織學生開展教學滿意度調查，調查內容涵蓋課程內容合理性、教學方法適用性、實踐教學指導到位率、資源支撐充足性4個維度，滿意度低于80分的課程需限期整改，整改后仍不達標的暫停開課。8師資能力要求8.1基本資質要求8.1.1專業課程教師人工智能專業核心課程教師需具備計算機、自動化等相關專業碩士及以上學歷，其中具有博士學位的教師占比不低于60%；35歲以下青年教師需具備至少6個月的人工智能相關企業工作或實習經歷，或參與過至少1項省部級以上人工智能相關科研項目。8.1.2通識課程教師通識課程教師需經過學校組織的人工智能專項培訓并考核合格，熟悉人工智能基礎概念與應用場景，了解本學科與人工智能的融合方向。8.2能力要求教師需掌握至少1種主流深度學習框架，具備獨立完成人工智能模型開發與項目落地的能力；每2年需參加至少1次國家級或省級人工智能教學培訓、學術會議，或到企業開展不少于1個月的掛職鍛煉，知識更新培訓時長累計不低于40學時。8.3師資配置要求學校人工智能專業生師比不高于18:1，每門核心課程需配備至少1名主講教師與1名實驗指導教師，實驗指導教師與學生的配比不低于1:50；鼓勵聘請企業資深工程師作為兼職教師，兼職教師占專業教師總數的比例不低于20%，每學期授課時長不低于總學時的10%。9倫理與安全管控要求9.1倫理教學要求所有人工智能相關課程需融入倫理與安全內容，其中專業核心課程倫理內容占比不低于5%，通識課程倫理內容占比不低于10%；教學內容需覆蓋數據隱私保護、算法偏見識別、人工智能公平性、生成式AI版權邊界、人工智能安全治理等模塊，包含至少3個倫理風險典型案例。9.2教學內容管控要求教學中不得使用未脫敏的個人數據、涉密數據作為教學數據集；不