人工智能通识与AIGC应用（微课版）课程标准（大纲）

××××××学院课程标准课程名称：人工智能通识与AIGC应用课程代码：030101**课程学分：2学分课程学时：16~32学时专业大类：执笔人：×××编制单位：××××审核人：××××2025年8月编制2026年1月修订

目录一、课程基本信息 一、课程基本信息表1课程基本信息表课程名称人工智能通识与应用课程类别公共基础课课程代码030101ZB学时授课学期第二学期学分1-2专业大类先修课程无二、课程性质与任务本课程是*****大类专业学生必修的公共基础课，旨在培养学生的人工智能核心素养，包括数字化意识、人工智能思维、应用创新能力及伦理安全意识。通过理论与实践结合，助力学生适应智能时代职业需求，践行社会主义核心价值观。本课程全面贯彻党的教育方针，落实立德树人的根本任务，为学生的职业发展、终身学习和社会服务奠定坚实的基础。三、课程目标与要求（一）课程目标1．素质目标（1）数字化意识：能够识别新一代信息技术的关键技术，理解人工智能与新一代信息技术之间的关系，并具备捕捉和判断数字信息价值的能力；（2）人工智能思维：能够运用人工智能思维解决实际问题，形成适配生产、生活场景的融合应用解决方案；（3）应用与创新能力：能够系统运用人工智能技术，结合所学专业提出创新性解决方案，并主动探索人工智能技术的融合应用路径；（4）伦理与安全意识：能够自觉遵守人工智能技术应用的相关法律法规和伦理道德准则，具备较高的信息安全意识和防护能力。2．知识目标（1）全面掌握人工智能核心定义、实现原理（机器学习/深度学习）、典型应用场景，明晰AI与新一代信息技术（云计算、大数据、物联网）的协同关系，认知AI产业生态四要素（算法、算力、数据、场景）的运作逻辑，识别AI伦理与安全风险的核心类型及防控框架。（2）深入理解AIGC文本、图像、音频、视频、智能体的技术原理与应用场景，熟练掌握主流AIGC工具的核心功能逻辑。（3）精准把握AI在典型行业场景中的核心应用逻辑，熟悉无代码/低代码工具的数据处理、模型训练、结果部署全流程原理。3．能力目标（1）具备技术关联分析能力，能绘制AI与物联网/大数据等技术融合的应用图谱；拥有产业洞察能力，可分析所属专业领域AI应用案例中的四要素作用机制；形成风险预判能力，针对AI伦理失范问题提出防控建议。​（2）掌握跨模态创作能力，完成提示词设计→内容生成→多模态整合的全流程操作；具备专业场景应用能力，将AIGC输出嵌入网页设计、营销素材制作；拥有智能体工作流设计能力，配置AI智能体解决某某客服、数据分析等任务。​（3）强化数据驱动能力，完成领域数据清洗、标注及结构化处理；提升AI工具化能力，训练行业场景AI模型并优化输出结果；形成人机协作设计能力，制定“AI初稿+人工优化”的协作流程；具备伦理评估能力，辩证分析AI对职业生态的影响。（二）课程要求1.学生需掌握人工智能的基本概念和原理，了解人工智能产业的发展趋势和伦理安全问题。2.学生需通过实践案例，掌握生成式人工智能工具、图像生成、视频生成、音频生成、数字人生成、代码生成及智能体开发等技能。3.学生需将所学知识与专业实践相结合，提升人工智能技术的融合应用能力。四、课程结构与内容（一）课程总体结构以推进AI与专业融合、加快推进教育数字化改革为导向，结合人工智能领域最新技术发展、以及电子商务专业核心能力需求，按照“了解基础——实践应用——深化理解”的逻辑构建“人工智能通识与应用”课程，设计“人工智能基础认知、AIGC工具应用、人工智能原理与行业应用”三个课程模块。（二）课程模块与学时安排表2课程模块与学时安排表序号教学模块教学任务学时分配参考学时合计1模块一AI基础认知任务1人工智能基础概念基础认知、分类与应用场景14任务2人工智能的应用场景分析与案例1任务3AIGC概念基础认知、分类与应用场景1任务4AIGC的应用场景分析与案例12模块二AIGC工具应用任务1AIGC文本内容创作216任务2AIGC图像生成之旅2任务3AIGC音频创作工坊2任务4AIGC视频创作营2任务5AIGC辅助网页设计2任务6AIGC智能体的应用63模块三AI原理及行业应用（自选）任务1AI行业变革解析16任务2领域数据资产构建1任务3低代码AI模型训练1任务4AI设计协作实验1任务5AI方案提案设计1任务6AI职业伦理思辨14模块四专业应用实践（自选）专业相关AI应用实战66合计学时32（三）课程内容1.模块一：AI基础认知表3模块一教学内容安排表模块名称：AI基础认知学时：8教学目标知识目标1.掌握人工智能的核心定义、实现原理（机器学习/深度学习）及典型应用场景；2.理解AI与新一代信息技术（云计算、大数据、物联网）的协同关系；3.认知AI产业生态四要素（算法、算力、数据、场景）的运作逻辑；4.识别AI伦理与安全风险的核心类型及防控框架。能力目标1.技术关联分析能力：绘制AI与物联网/大数据等技术融合的应用图谱；2.产业洞察能力：分析某领域AI应用案例中的四要素作用机制；3.风险预判能力：针对AI伦理失范（如算法歧视）提出防控建议。素质目标1.建立“技术向善”的AI发展观；2.养成数据隐私保护与算法透明化意识。教学重点1.AI定义边界：强AIvs弱AI、感知智能vs认知智能的辨析；2.新一代技术关系网：AI作为“大脑”与物联网（感官）、大数据（养分）、云计算（躯干）的依存关系；3.四要素落地解析：算法（推荐系统）、算力（云服务支撑）、数据（用户行为数据集）、场景（某某客服/智能仓储）；4．伦理两难：算法偏见（如“大数据杀熟”）、就业替代效应；5.防控框架：数据脱敏、模型可解释性、人工复核机制。教学难点1.技术关联抽象性；2.四要素动态交互；3.伦理风险具象化。任务主要教学内容1.人工智能基础概念认知人工智能的定义、人工智能的实现、人工智能的应用等。2.人工智能与新一代信息技术关联理解新一代信息技术基本概念、主要代表技术特点、人工智能与新一代信息技术代表技术的关系和融合应用等。3.人工智能产业生态与典型应用场景分析人工智能四要素、人工智能的产业分布等。4.人工智能伦理与安全防控认知伦理问题与规范、安全问题与标准等。2.模块二：AIGC工具应用表4模块二教学内容安排表模块名称：AIGC工具应用学时：12教学目标知识目标1.理解AIGC文本、图像、音频、视频、智能体的技术原理与应用场景；2.掌握主流AIGC工具的核心功能逻辑。能力目标1.跨模态创作能力：完成提示词设计→内容生成→多模态整合的全流程操作；2.某某场景应用能力：将AIGC输出嵌入网页设计（HTML/CSS）、营销素材制作；3.智能体工作流设计能力：配置AI智能体解决某某客服、数据分析等任务。素质目标1.建立AIGC版权合规意识；2.养成AI伦理风险识别习惯（如深度伪造防范）。教学重点1.提示词工程：精准控制文本/图像生成结果；2.多模态协同：文/图/音/视频的联动生成；3.智能体配置：构建某某场景自动化流程；4.AIGC+前端开发：AI生成内容与网页的代码级整合；5.数字人应用：虚拟主播生成与直播场景部署；6.某某四要素落地：文案、视觉素材、广告视频、智能网站。教学难点1.提示词精准控制；2.多工具协同工作流；3.AI与代码整合；4.智能体逻辑设计。任务主要教学内容1.AIGC文本内容创作提示词的设计、思维导图生成、PPT生成、EXCEL表格制作和数据可视化展示等。2.AIGC图像生成之旅AIGC图像制作工具的技术原理和应用场景、文生图、图生图等基础操作。3.AIGC音频创作工坊AIGC音频生成的基本原理和应用场景、AI配音制作。4.AIGC视频创作营AIGC视频生成的基本原理和应用场景、文生视频、图生视频、视频生视频等基础操作、数字人生成基本原理和应用场景、数字人的生成。5.AIGC辅助网页设计HTML5文档结构、语义化标签、AI内容与网页的整合方法、网站页面布局结构、CSS盒模型基础、简单交互效果实现。6.AIGC智能体的应用智能体的基本概念、智能体的分类和类型、智能体的技术基础和实现方法、智能体的应用。3.模块三：AI原理及行业应用表5模块三教学内容安排表模块名称：AI原理及行业应用学时：12教学目标知识目标1.理解AI在典型行业场景（如商业决策、创意生成）中的核心应用逻辑；2.掌握无代码/低代码工具的数据处理、模型训练、结果部署全流程原理。能力目标1.数据驱动能力：完成领域数据清洗、标注及结构化处理；2.AI工具化能力：训练行业场景AI模型，优化输出结果；3.人机协作设计能力：制定“AI初稿+人工优化”的协作流程；4.伦理评估能力：辩证分析AI对职业生态的影响。素质目标1.建立“技术赋能行业”的认知观，消除AI替代焦虑；2.养成数据偏见审查、版权意识、人机责任边界等职业伦理素养。教学重点1.行业场景映射：AI如何解决效率/创新痛点（如预测决策、创意生成）；2.AI工具链闭环：数据采集→清洗→模型训练→输出优化→场景落地的完整流程；3.数据资产化：构建符合AI模型需求的领域数据集；4.可控化输出：通过参数调整、提示词工程控制AI结果质量；5.成果转化：将AI输出转化为行业可用的解决方案（报告/提案/看板）；6.人机协作伦理共识：制定AI应用的责任公约（如人工终审权、版权归属规则）。教学难点1.数据质量关：数据清洗/标注的规范性直接影响模型效果，学生易忽略细节；2.黑箱可控关：无代码工具操作简单但结果不可控（如预测偏差、风格偏离）；3.协作设计关：学生易将AI视为“全自动工具”，忽略人工关键干预节点；4.伦理认知关：职业替代焦虑引发技术抵触，难达成伦理共识。任务主要教学内容1.AI行业变革解析分析AI对商业/设计领域的颠覆性影响，对比传统与AI增强模式的工作流差异。2.领域数据资产构建学习获取、清洗、标注本行业数据的方法，建立AI可用的数据集。3.低代码AI模型训练使用无代码/低代码平台训练行业专用模型，验证基础效果。4.AI设计协作实验对比纯人工方案与AI辅助方案的效率/质量差异，优化协作流程。5.AI方案提案设计将AI输出转化为可落地的商业报告或设计成果，适配行业场景。6.AI职业伦理思辨分组辩论AI对专业岗位的替代性与增强性，制定人机协作伦理公约。模块四：专业应用实践体验，各专业根据实际情况调整内容。五、学生考核与评价教学评价是反映教学效果的体现形式，尊重学生，遵循知识和能力形成的客观过程,以“改进结果评价，强化过程评价，探索增值评价，健全综合评价”为改革方向建立学生考评体系。通过平台、教师、学生三元评价主体，开展过程性和结果性评价，建立以增值评分和个人画像为基础的增值评价，全程质控学习效果。在过程评价中实行“一任务一评价”，通过课前、课中、课后三段阶段分别进行评价。结果性评价在一个模块结束后进行，教师从平台中以随机组卷的方式发放相应知识测试题，了解学生学习效果。在进行增值评价时，利用增值幅度公式，将增值评分划分为五个等级，其中A至D级颁分别计分，E级预警，常态化纠偏学生学习行为，充分发挥评价的激励和促进作用。表6课程评价方法课程成绩评价构成评价要素评价主体模块成绩任务级过程性评价60%课前20%课程资源学习50%专业教师组内互评学生自评平台智评课前学习测验50%课中60%任务完成评价40%小组协作互评30%个人表现自评30%课后20%课后拓展任务50%课后学习测验50%模块级结果性评价40%知识模块级知识考核30%任课教师教学平台能力模块级技能考核40%素质模块级素质考核30%任务级增值性评价10分个人进步增值率∆T=增值率=增值量1）80%≤∆T＜100%10分2）60%≤∆T＜80%，7分3）30%≤∆T＜60%，4分4）0≤∆T＜30%，2分5）∆T＜0，0分，重点关注注：T2为本任务得分，T1为前一任务得分。任课教师教学平台模块成绩=1总评成绩总评成绩=1注:评价方式根据专业自行修改。六、课程实施与保障（一）教学方法采用启发式讲授、引导发现法、讨论法、任务驱动教学法、讲练结合法和实例教学法等。教师根据不同的教学内容选择不同的教学方法。强调以学生为中心，给学生以更多的活动空间，提高学生的学习主动性。在教师讲课中要贯彻设疑（提出问题）、析疑（分析问题）、解疑（解决问题）三个环节的启发教学，引导学生对人工智能技术有好奇心，并能进行独立思考，提出解决问题的方法和探索问题的思路。（二）教学策略建构主义导向：立足学生主体地位，鼓励其在专业情境中主动探索、协作研讨，自主构建人工智能知识体系，促进知识与专业应用的融合。任务驱动实施：围绕某某大类专业实际需求，以真实问题或项目为驱动，将人工智能知识融入任务设计，引导学生在实践中掌握技能、提升应用能力。动态课堂生成：创设开放包容的学习环境，尊重学生认知差异，通过师生互动、课堂即时反馈灵活调整教学节奏，实现知识的个性化建构与动态深化。（三）教学师资重视课程教师队伍建设，优化师资队