高校人工智能教学应用标准(试行)

高校人工智能教学应用标准(试行)1范围本标准规定了普通高等院校人工智能相关课程教学应用的基本要求、实施规范、评价方法与保障机制，适用于本科院校人工智能、计算机科学与技术、数据科学与大数据技术、智能制造等专业的人工智能核心课程、通识课程教学实施，职业院校人工智能相关专业可参照执行。本标准覆盖课程设计、资源建设、教学过程实施、实践教学、考核评价、师资能力、伦理管控等全流程教学环节，是高校开展人工智能教学质量管理、教学成效评估的依据。2规范性引用文件下列文件对于本标准的应用必不可少。凡是注日期的引用文件，仅注日期的版本适用于本标准；凡是不注日期的引用文件，其最新版本（包括所有修改单）适用于本标准。《普通高等学校本科专业类教学质量国家标准（2020年版）》（教育部高等教育司）《人工智能本科专业教学规范（2023年版）》（教育部高等学校计算机类专业教学指导委员会）《高等学校人工智能创新行动计划》（教育部，2018年）《生成式人工智能服务管理暂行办法》（国家互联网信息办公室等七部门，2023年）《高等学校数字教学资源建设与应用规范》（教育部教育信息化技术标准委员会，CELTS-10，2022年）《信息技术人工智能术语》（GB/T38638-2020）《高等学校实验室安全规范》（教育部，2023年）3术语和定义3.1人工智能核心课程指人工智能专业学生必须掌握的基础理论与核心技术课程，至少包括人工智能导论、机器学习、深度学习、计算机视觉、自然语言处理、智能机器人、知识工程、强化学习8门课程。3.2人工智能通识课程面向非人工智能专业学生开设的普及性课程，内容涵盖人工智能基础概念、典型应用场景、行业影响、伦理规范等，旨在提升学生的人工智能素养与跨领域应用能力。3.3项目式实践教学以真实产业需求或科研问题为载体，学生以小组为单位完成需求分析、方案设计、模型训练、效果评估、报告撰写全流程任务的实践教学模式，强调过程性参与与问题解决能力培养。3.4人工智能教学实训平台集成数据集、算法框架、算力资源、教学案例、实验指导、评测工具于一体的专用教学支撑系统，可支持学生在线完成实验操作、代码调试、模型训练等实践任务。3.5生成式人工智能教学工具指基于大语言模型、多模态生成技术开发，可辅助完成备课、答疑、作业批改、个性化学习路径推荐的教学辅助工具，包括但不限于AI助教、智能学习助手、教学内容生成系统。4课程体系设计要求4.1专业核心课程体系4.1.1先修课程设置人工智能专业核心课程需建立清晰的先修关系，其中：大一阶段需完成高等数学（不低于128学时）、线性代数（不低于64学时）、概率论与数理统计（不低于64学时）、程序设计基础（不低于64学时，含32学时实验）、数据结构与算法（不低于64学时，含32学时实验）5门先修课程，学生先修课程考核通过率需达到100%方可修读核心课程。大二至大三阶段核心课程总学时不低于512学时，其中实践学时占比不低于45%；单门核心课程理论与实践学时比不超过1.5:1。4.1.2课程内容覆盖要求每门核心课程需覆盖理论基础、技术方法、产业应用三个模块，内容符合《人工智能本科专业教学规范（2023年版）》要求：人工智能导论：覆盖人工智能发展历程、核心技术分支、典型应用场景、伦理与安全基础，其中产业案例占比不低于30%。机器学习：覆盖监督学习、无监督学习、半监督学习、模型评估与优化方法，需包含至少8个经典算法实现实验。深度学习：覆盖神经网络基础、卷积神经网络、循环神经网络、Transformer架构、生成式模型基础，需包含至少6个真实场景模型训练实验。计算机视觉/自然语言处理/智能机器人/知识工程/强化学习等方向课程：需包含至少2个产业级真实项目实践任务，内容需同步近3年技术进展，经典技术与前沿技术内容占比不低于7:3。4.2通识课程体系4.2.1学分要求面向所有非人工智能专业学生的人工智能通识课程需设置为公共选修课，学分不低于2学分，总学时不低于32学时，其中实践体验学时不低于20%。4.2.2内容要求通识课程避免过度技术化，重点覆盖：人工智能发展现状与趋势、与本专业领域的融合应用案例、数据安全与隐私保护基础、生成式AI工具合理使用规范、人工智能伦理准则，每门课程需包含至少2个跨领域应用实践任务（如文科专业的AI辅助文本分析、理工科专业的AI辅助仿真计算、医科专业的AI辅助影像识别体验等）。4.2.3分类适配要求针对不同学科门类通识课程需定制内容：人文社科类侧重AI对文化传播、社会治理的影响；理工类侧重AI与本专业技术的融合应用方法；农医类侧重AI在智慧农业、智慧医疗的落地场景；艺术类侧重AI辅助创作的方法与版权边界。5教学资源建设标准5.1教材资源5.1.1专业课程教材优先选用教育部高等学校计算机类专业教学指导委员会推荐的人工智能专业规划教材，或近3年出版的国家级优秀教材、行业公认经典教材；自编教材需经过至少3名校外人工智能领域教授、2名产业资深工程师评审通过后方可使用，教材内容中近5年技术进展占比不低于20%，配套实验案例不少于10个。5.1.2通识课程教材需适配不同学科背景学生的认知水平，避免过多公式推导，重点突出应用性与科普性，内容需包含不少于5个本学科领域的AI融合应用案例。5.1.3补充资源要求每门课程需配套至少1套可公开获取的英文经典教材节选（总篇幅不低于教材总容量的30%），同步更新近1年领域顶会（NeurIPS、ICML、CVPR、ACL等）优秀论文案例作为补充阅读材料，补充材料每学年更新比例不低于15%。5.2数字教学资源5.2.1基础资源要求每门课程需建设完整的课件、教学视频、实验指导书、习题集、参考资料包，资源格式符合CELTS-10标准，可适配PC端、移动端访问，资源访问故障率低于1%。其中教学视频单个知识点时长控制在8-15分钟，实验指导书需包含详细的环境配置步骤、操作流程、常见问题解决方案，可操作性覆盖率100%。5.2.2数据集与算法资源专业课程配套的教学数据集需包含公开标准数据集与自主采集的产业场景数据集两类，其中产业场景数据集占比不低于30%，所有数据集需完成脱敏处理，无版权争议；支持的算法框架需至少覆盖TensorFlow、PyTorch、PaddlePaddle三大主流框架，框架版本每半年更新一次。5.2.3案例资源要求每门核心课程需包含至少5个国内头部人工智能企业的真实落地案例，案例需涵盖需求背景、技术方案、实施过程、落地效果完整内容，其中可复现的案例占比不低于80%；案例每学年更新比例不低于20%，确保同步产业最新进展。5.3实训平台资源5.3.1算力配置要求学校需建设校级人工智能教学实训平台，单用户同时在线算力不低于16G显存、8核CPU、16G内存，支持至少200名学生同时开展深度学习模型训练实验；针对计算机视觉、大模型微调等重型实验任务，可调度的总算力不低于20PFlops，任务等待时长不超过10分钟。5.3.2功能要求实训平台需包含实验环境一键部署、代码在线调试、模型训练过程可视化、实验结果自动评测、实验报告在线提交与批改5项核心功能；内置实验项目不少于80个，覆盖所有核心课程的实验要求，支持教师自定义上传实验项目。5.3.3安全要求实训平台需具备数据脱敏、访问权限控制、操作日志留存、算力资源动态隔离功能，学生数据导出需经过教师审批，避免数据泄露与算力滥用；平台日志留存时长不低于180天，可溯源所有操作行为。6教学过程实施规范6.1理论教学要求6.1.1备课要求教师需针对每节课撰写详细教案，明确教学目标、重难点、教学方法、课后任务，教案中需包含至少1个案例或互动环节设计；每学期开课前需完成全部课程资源的预上线，完成至少1次全流程试讲，排查内容错误与资源可用性问题。6.1.2课堂实施要求理论教学避免纯讲授模式，互动式教学时长占比不低于30%，互动形式包括小组讨论、案例分析、随堂小测、现场演示等；每节课需布置针对性课后任务，任务完成反馈周期不超过2个工作日。6.1.3生成式AI工具应用要求鼓励教师使用AI工具完成课件生成、习题设计、学情分析等工作，但需对AI生成内容进行准确性审核，错误率控制在0%；不得直接使用未审核的AI生成内容作为教学材料。6.2实践教学要求6.2.1实验分类要求实践教学分为验证性实验、综合性实验、设计性实验三类，占比分别为30%、40%、30%：验证性实验：侧重经典算法复现，要求学生独立完成，代码原创率不低于80%，教师需逐份批改实验报告，反馈时长不超过3个工作日。综合性实验：侧重多知识点融合应用，以2-3人小组为单位完成，每组需提交完整的代码、实验报告、演示视频，教师需组织每组进行5分钟以内的答辩，答辩成绩占实验成绩的40%。设计性实验：侧重问题解决能力培养，题目来自真实产业需求或教师科研项目子任务，以3-5人小组为单位完成，实施周期不低于4周，需包含需求调研、方案设计、迭代优化、成果汇报4个环节，最终成果需具备实际应用价值。6.2.2过程管理要求教师需每周跟进学生实验进展，开展至少1次线下答疑或线上辅导；实验过程中需留存学生的代码提交记录、版本迭代记录、沟通交流记录，作为成绩评定的依据，避免最终成果“一评定终身”。6.2.3企业实践要求人工智能专业学生需完成至少6个月的企业实习，实习岗位需与人工智能技术研发、产品落地、场景应用相关；学校需与不少于10家具备人工智能核心技术能力的企业建立稳定的实习基地，每学期安排至少2名企业工程师进校开展实践教学指导。6.3个性化教学要求6.3.1学情分析要求教师需每2周开展1次学情分析，基于学生作业完成情况、实验表现、随堂测试成绩识别学习困难学生，对成绩排名后15%的学生开展一对一辅导，辅导覆盖率100%。6.3.2分层教学要求课程需设置基础任务与拓展任务两类，基础任务要求所有学生完成，占总成绩的70%；拓展任务面向学有余力的学生开放，完成后可获得额外加分，鼓励学生参与学科竞赛、科研项目，获得省级以上人工智能相关竞赛奖项可折算为相应课程的实践成绩，折算比例最高不超过课程总成绩的30%。6.3.3跨学科融合教学要求鼓励开设“人工智能+X”跨学科课程，由人工智能专业教师与其他专业教师联合授课，课程内容需明确跨学科融合的具体场景、技术方法与应用路径，配套至少2个跨学科实践项目，支持不同专业学生混合组队完成。7考核评价规范7.1成绩构成要求课程总成绩由过程性考核与终结性考核两部分构成，其中过程性考核占比不低于50%，终结性考核占比不高于50%：过程性考核：包含课堂表现（10%）、作业完成情况（15%）、实验成绩（25%）三个模块，其中实验成绩需包含实验过程记录、实验报告、答辩情况三个维度的评价。终结性考核：专业核心课程优先采用“笔试+实操”结合的方式，其中笔试占比不超过60%，实操占比不低于40%；通识课程可采用开卷考试、项目报告、论文写作等方式，重点考核学生对人工智能应用能力与伦理认知水平。7.2考核内容要求考核内容需覆盖课程全部核心知识点，其中记忆类题目占比不超过20%，理解类、应用类、创新类题目占比不低于80%；专业课程实操考核需在实训平台上完成，要求学生在规定时间内完成模型训练、效果优化任务，考核指标包含准确率、效率、代码规范性三个维度。7.3学术诚信要求7.3.1作业与实验审核要求教师需使用学术不端检测系统对学生提交的作业、实验报告、代码进行检测，其中文字类内容重复率超过30%、代码相似度超过60%的判定为不合格，需返回重写；累计2次不合格的，该课程过程性考核成绩记为0分。7.3.2AI工具使用规范允许学生使用生成式AI工具辅助完成作业与实验，但需在提交材料中明确标注AI工具的使用范围、使用方式，未标注且被证实大量使用AI生成内容的，按学术不端处理；学生不得使用AI工具完成考核类任务（包括考试、随堂测试、答辩内容生成等），一经发现取消该课程考核资格。7.4教学评价反馈要求每学期课程结束后，学校需组织学生开展教学满意度调查，调查内容涵盖课程内容合理性、教学方法适用性、实践教学指导到位率、资源支撑充足性4个维度，满意度低于80分的课程需限期整改，整改后仍不达标的暂停开课。8师资能力要求8.1基本资质要求8.1.1专业课程教师人工智能专业核心课程教师需具备计算机、自动化等相关专业硕士及以上学历，其中具有博士学位的教师占比不低于60%；35岁以下青年教师需具备至少6个月的人工智能相关企业工作或实习经历，或参与过至少1项省部级以上人工智能相关科研项目。8.1.2通识课程教师通识课程教师需经过学校组织的人工智能专项培训并考核合格，熟悉人工智能基础概念与应用场景，了解本学科与人工智能的融合方向。8.2能力要求教师需掌握至少1种主流深度学习框架，具备独立完成人工智能模型开发与项目落地的能力；每2年需参加至少1次国家级或省级人工智能教学培训、学术会议，或到企业开展不少于1个月的挂职锻炼，知识更新培训时长累计不低于40学时。8.3师资配置要求学校人工智能专业生师比不高于18:1，每门核心课程需配备至少1名主讲教师与1名实验指导教师，实验指导教师与学生的配比不低于1:50；鼓励聘请企业资深工程师作为兼职教师，兼职教师占专业教师总数的比例不低于20%，每学期授课时长不低于总学时的10%。9伦理与安全管控要求9.1伦理教学要求所有人工智能相关课程需融入伦理与安全内容，其中专业核心课程伦理内容占比不低于5%，通识课程伦理内容占比不低于10%；教学内容需覆盖数据隐私保护、算法偏见识别、人工智能公平性、生成式AI版权边界、人工智能安全治理等模块，包含至少3个伦理风险典型案例。9.2教学内容管控要求教学中不得使用未脱敏的个人数据、涉密数据作为教学数据集；不