李运福 杨方琦 王斐 冯东

摘要：高等教育与经济社会发展是以人才供给为纽带的一个整体。在以人工智能为核心技术的第四次工业革命的冲击下，产业智能化转型升级推动了就业结构新格局的形成，进而对高等教育人才培养改革提出新的挑战。面对新挑战，高等学校应发挥在线课程优势，增强高校开放性，支持大学生人力资本的全面、持续开发；对已有智能就业系统升级，强化数据循环，以需求牵引供给，增强供需匹配精准度；落实参与式监测评估，注重核心利益相关者参与，推动高校人才培养质量自我评估改革，促进高校人才供需匹配度持续改进。

关键词：人工智能；高等教育；人力资本；终身学习

中图分类号：G434 文献标识码：A

本文系陕西省教育厅科研计划项目“高校在线教育质量保障体系研究”（项目编号：19JK0204）、陕西省社科基金项目“网络环境对大学生人生信仰的影响效应与机制”（项目编号：2016P015）研究成果。

一、引言

就业是根本性民生工程。高质量就业是建设高质量高等教育体系的重要要求，高校人才培养与经济社会发展需求精准匹配既是高质量就业的主要特征，也是高质量高等教育体系社会价值的集中体现。以人工智能技术为核心的第四次工业革命，对经济产业结构调整产生了重大影响，引发了高校人才培养改革的连锁反应。现阶段，国内学者对“人工智能+高等教育”“人工智能+就业”“人工智能+传统产业”开展了广泛而深度的研究，并积累的丰富的研究成果。然而，高等教育与经济社会发展是以人才供给为纽带的一个整体，已有研究中从人才培养、高质量就业、产业结构变革“三位一体”的系统性研究较为少见。鉴于此，以系统科学理论为指导，充分发挥人工智能优势，思考产业智能化升级对就业结构的影响及其对高等教育人才培养带来的新挑战，对提升高等教育对经济社会发展的引导和服务能力就显得更为必要和紧迫。

二、文献梳理与分析

人才培养是高等教育的基本任务，其培养质量是评估高等教育服务和引领经济社会发展能力的关键指标。面对以人工智能为核心的新兴技术推动的数字经济的深度变革与快速发展对高等教育人才培养提出的各种挑战，如何推动高等教育人才培养改革，引起了国内学者的普遍关注和深度思考。

（一）基础层面：以人才培养观、人才培养改革路径研究为主要内容

人才培养观直接决定了高等教育改革和发展方向，对高等教育人才培养改革路径的制定起着重要的理论指导作用。余小波认为人工智能时代的高等教育亟需树立一种更积极的人才培养观，即重视学生独立思考与主动学习能力、想象力和批判性思维的培养，在夯实专业教育的基础上要强化通识教育，拓展学生成长空间[1]。岳瑞凤构建了“智能+”时代，以数据为中心、多元数字在场的数字人交互共生新范式，形成正向循环的三层学习者成长飞轮，使学习者能够实时永续、按需学习[2]。面对虚拟现实技术、智能化学习技术及混合式教学模式、智慧校园等在高等教育中的应用，李广平等认为更新人才培养理念、提升教学主体人工智能相关素养、优化资源配置及强化校际协同是人工智能时代人才培养的变革路径[3]。郑洁红等认为新一代人工智能变革大学教育的可能方向包括重构高校新型师生关系、改变大学学习形式、重组教师科研模式、创新现代大学管理[4]。任增元认为，人工智能对高校人才培养规格提出了新要求，在能力结构层面更加强调人工智能技术的掌握，在知识结构层面更加强调学科融合和建立包容的复合知识体系，在素质结构层面更加凸显了创新能力的核心地位[5]。

（二）投入层面：以教师角色定位与发展、人工智能学院与学科建设研究为主要内容

高素质专业化创新型教师队伍是建设高质量高等教育体系、提升人才培养质量的首要资源。人工智能与高等教育的深度融合，逐渐塑造了精准化、数字化、智能化的教学情境。面对教学情境的转变，田宏杰等提出要构建以学科教学能力、技术应用能力和教学学术能力为核心的智能教学能力体系和灵活、多元、开放、智慧的个性化教育生态体系[6]。张曦琳提出智能时代高校教师面临着职业身份危机、知识身份危机和情感身份危机，并提出了高校教师身份重塑的实践路径，即高校教师应成为成熟型的技术使用者、研究型的知识共享者和有温度的情感互动者[7]。陈鹏等认为，“立人机之德”“立未来之人”“立师生之业”是人工智能时代高校教师的核心价值[8]。张优良等认为，为迎接人机协同推动教育发展的新时代，教师要树立合作意识，同时强化转型意识，发挥在学生成长过程中的独特作用[9]。此外，人工智能的发展推动了高校组织结构和学科专业的调整。近年来，面对经济社会发展、国家战略、高校改革等“三重”需求，有条件的高校有效整合校内资源，陆续成立人工智能学院，推动人工智能学科建设和人工智能专业人才培养[10]。由于人工智能学院建设尚处于起步发展阶段，存在着学科专业建设薄弱、人才培养模式创新不足、科技创新领域有待开拓、社会服务体系有待健全等主要问题，推动了各高校和学者对人工智能学科建设与发展、人工智能专业人才培养的积极探索与实践[11]。

（三）过程层面：以学科建设、教学模式、教育评价研究为主要内容

李斑斑等认为，中国高等教育应继续深入关注人工智能对大学学科建设和发展的影响，推动形成面向人工智能的人才培养与学科发展良性互动机制，引导大学学科组织转型发展[12]。任志锋认为，人工智能对破解高校立德树人难题，实现“三全”育人具有重大的积极意义，并提出了人工智能赋能高校立德树人的实践进路[13]。田少煦充分分析了智能媒体环境下数字创意专业群教学面临的挑战，并对数字创意专业群的基础课程改革进行了实践性探索[14]。郭宏伟提出了基于智能教育的高校在线课程知识图谱构建路径[15]。西安交通大学在本科教育改革中充分发挥信息技术优势，构建了学教学质量实时监测大数据平台、课堂教学质量评价模型和精准督导机制，推动了人工智能、物联网等现代信息技术和教育教学管理评价服务的深度融合，提升了高校教学管理服务的精细化、规范化和个性化[16]。秦静怡等提出了智慧型高等教育评价体系的构建路径，即基于区块链实现决策导向以过程为主，基于物联网实现评价主体的多维全方位参与，基于大數据和云计算实现评价指标多元联动，基于人工智能技术实现评价重心下移学生本位、增值结果动态可视[17]。谭海萍等提出通过动态、系统、全面的数据网络，将抽象、复杂的素养数据化，从而监测和评估学生核心素养的发展变化情况[18]。此外，如何在学习监控的基础上利用智能技术进行调节，如何根据学生的个体需求、能力结构和情感倾向等设计个性化的学习路径是基于人工智能自适应学习正面临的新问题[19]。

（四）产出层面：以“供需匹配”视角下高校人才培养结构调整研究为主要内容

人工智能引发的社会分工体系重组及劳动形态变革驱动高等教育结构优化[20]。赖德胜等提出为适应工业4.0的到来，高等教育不仅要培养学生科学技能，更要注重人文精神，保证教育公平，促进终身学习和建立新型教育生态[21]。田贤鹏等认为人工智能时代的学科专业人才培养结构优化，需完善学科专业动态调整机制，扩大人才培养的灵活性和自主性；因应经济产业结构变革趋势，强化人力资源市场的需求预测；面向人工智能发展的新要求，促进不同类型高校内涵式发展；提供个性化人才培养方案，破解学科专业结构化思维的边界束缚[22]。

通过上述分析，可以发现如何通过变革人才培养结构，回应人工智能时代经济产业转型升级的新需求，是新时代高等教育供给侧结构性改革正面临的重大现实问题。从人工智能对经济社会发展的作用关系（如下页图1所示）来看，人才供给是高等教育领域与经济社会领域之间信息交换的核心要素。现实中，人工智能技术对经济社会领域产生影响的深度、广度均要远远高于对高等教育的影响，且高等教育领域应对人工智能技术变革的反映速度和效果彰显度相对较为滞后。在人工智能时代，人才培养规格应由以往过于注重低阶认知能力培养的基础上，更加凸显高阶认知能力、非认知能力培养的时代价值和必要性、紧迫性。因受传统思维的影响，高等教育在人才培养中支撑作用的发挥仅局限于学历教育阶段，阶段性、闭环性特征较为明显，高校的开放性及其在学生人力资本持续开发中的作用发挥尚未引起足够关注。投入和过程层面的相关研究，技术理性相对强于主体性，即对未来高等教育的想象力要强于高等教育的建构力[23]，其根源在于缺乏高等教育与经济社会发展相互联系的系统性思维的指导，进而导致人工智能推动高等教育变革的研究中缺少“未来人才”的目标导向。产出层面的相关研究凸显了人工智能引发的经济社会发展新需求对高等教育人才培养改革的影响，但对基于人工智能的高等教育改革研究的深度仍有待推进。总之，如何发挥人工智能技术进一步推动高等教育的开放度，切实发挥高等教育在人才供给及人力资本持续开发方面对经济社会发展的引领作用和持续服务能力是“人工智能+高等教育”中仍需深度研究的现实问题。

三、产业智能化升级催生就业结构新格局

当下，人工智能是推动我国科技跨越发展、产业优化升级、生产力整体跃升的重要驱动力量。2020年，人工智能更是与SG基站、大数据中心、工业互联网等一起被列入新基建范围，为智能经济的发展和产业数字化转型提供底层支撑。人工智能推动产业智能化、数字化转型升级的同时，也推动了结业结构新格局的形成。就业结构是劳动力在国民经济各产业部门、地区和领域的分布、构成及联系，主要由就业者的年龄、性别、知识技能水平等内在条件与经济社会发展及其提供的就业机会与就业场所等外在条件有机结合而形成的一种就业形态，包括就业的职业结构、产业结构、区域结构、年龄结构及就业形式等内容。历次工业革命的发生都是通过变革技术体系、产业结构以及生产方式引发就业结构的调整[24]。

第一，低技能劳动力将逐渐被取代，中高技能人才面临的被取代风险逐渐增高。技术进步有技能偏向，低技能劳动最先被自动化取代。与前三次工业革命相比，以人工智能技术为核心的第四次工业革命更偏向于是一种“技能型技术变革”，即技术创新更青睐于高技能劳动力而不是低技能劳动力。随着人工智能领域深度学习研究的不断深入，智能机器的自主决策和行动能力逐渐增强，进而引发高智能化、高自主化的机器对低技能劳动力的挤出效应逐渐向中高技能劳动力延伸，对各级技能劳动力人力资本的再开发提出了更高的挑战。此外，各职业被人工智能替代的概率同劳动者教育水平、收入水平之间都存在着明显的负相关关系。那些对学历要求较低、收入相对较少的职业遭受到的冲击将更为严重，面临更高的失业风险[25]，进而引发不充分、不公平就业。

第二，产业智能化转型程度越高，就业人口占比越高。根据《新一代人工智能白皮书（2020）》（产业智能化升级）报告显示，我国农业、工业、服务业智能化升级总指数得分分别为29.7、54.8、61.6。也就意味着，在后续发展中第一、第二产业智能化转型会不断加剧。随着“人工智能+农业”的深度推进，农业生产的特点逐渐由劳动密集型向技术密集型转变，导致劳动就业比重进一步下降。在工业4.0阶段，工业机器人、智能化制造等进一步推广应用，导致传统制造业就业持续衰减。随着产业边界的逐渐模糊，产业融合是产业智能化转型的最新发展，就催生了新型服务体系的产生和对应劳动力需求的增加。此外，根据《中国统计年鉴》的数据统计，2015至2019年，第一、第二产业就业人口占就业总人口数的比例逐年下降，分别从29.3%下降到27.4%、28.3%下降到25.1%，第三产业就业人口占就业总人口的比例逐年上升，从42.4%上升到47.5%。综合分析后可以发现，各产业就业人数占比与智能化升级总指数呈正相关，各产业就业人口流动对人力资本再开发提出了新的要求。

第三，与东部地区相比，中西部地区高校毕业生更充分更高质量就业形势相对更为严峻。在产业智能化转型升级的背景下，遭受就业冲击的人口比例和区域经济发展状况、产业结构有着十分明显的关系。在经济发展水平较低、产业结构相对落后的地区，就业结构中更容易被人工智能替代的岗位占比更高，而在经济发展水平较高，产业结构相对优化的地区，就业结构中更容易被人工智能替代的岗位占比相对较低[26]。赵璐的研究发现，2003—2016年我國第一产业空间离散化发展，空间聚集度减小，第二产业正在加快由沿海向内陆地区空间集中化聚集发展，空间聚集度增大且高于第三产业；第三产业正加快在沿海地区空间集中化聚集发展，空间聚集度不断增大[27]。也就意味着，随着我国产业结构区域布局的调整，与东部地区相比，中西部地区受到就业冲击的人口比例会更高，高校毕业生更充分、更高质量就业面临的形势更为严峻。

第四，人工智能替代效应难以全面形成，劳动力需求增大。求人倍率是劳动力需求与劳动力供给的比值，是监测劳动力供给情况的重要指标，该值小于1则表明劳动力供给过剩，反之则表明劳动力供给不足。在中国经济发展新常态背景下，求人倍率逐渐增高，劳动力市场供给不足与结构性供给矛盾并存，使人工智能的就业替代效应难以产生挤出作用，也无法形成全面的就业替代效应。此外，在国家战略的驱动下，中国逐渐成为吸纳人工智能投融资最多的国家。根据《2020—2025年中国人工智能行业市场前瞻与投资战略规划分析报告》，2014—2017年，中国人工智能市场总规模年均增长率超过40%，预计2023年中国人工智能产业规模将增长至380亿元。随着产业智能化升级，人工智能技术催生的新就业岗位数量将呈现井喷式增长。再加之新兴产业规模的扩大，引发了劳动力需求的迅速膨胀，人工智能创造的岗位数量将持续增长[28]。

第五，非正规就业逐渐成为就业的主流形式。非正规就业指的是不具有正式雇佣关系或者没有进入政府监管体系的就业类型[29]。人工智能技术的应用催生了劳动形态的多元化发展，并且多以非正规就业的形式呈现，且具有极强的社会惯性，如零工经济以及平台经济下的灵活就业、基于互联网的新型创业等。这些新型用工形态不仅体现了智能技术推动下的用工灵活性要求，还进一步造成了传统用工关系的解体，再次增加非正规就业规模。

四、就业结构调整对高校人才培养提出新要求

产业结构智能化升级催生的就业结构调整，对高校人才培养提出了新的挑战，主要体现在以下几方面。

（一）完善终身教育体系，提升教育公平

高技能人才是促进产业智能化转型升级、推动高质量发展的重要支撑。习近平总书记指出，“工业强国都是技师技工的大国，我们要有很强的技术工人队伍”。产业结构智能化转型升级加大了低技能劳动群体的失业风险，加剧了结构性失业的发生。如何持续提升现有技能型劳动力职业胜任力，尤其是低技能劳动群体，是构建终身教育体系所面临的新的挑战。欧洲历来重视技能型人才培养。面对欧盟劳动力技能短缺，欧盟2016年正式提出“欧洲新技能议程，为欧盟成员国劳动力技能的提升提供了参考框架。面对绿色经济、智能化社会对工作环境的变革以及人口结构的变化，欧盟于2020年“欧洲新技能议程”进行了调整和更新，旨在支持欧盟公民在社会转型中及时掌握适切的技能。与2016版相比，2020版“欧洲新技能议程”更加凸显了治理理念、终身教育理念以及教育公平理念，在内容上扩大了技能目标范围、目标更具体化以及促进终身学习的工具更加丰富[30]。与欧盟相比，我国对人工智能时代劳动力技能的提升缺乏宏观指导，基于学分银行建设的终身教育体系有待进一步完善，低技能劳动群体技能提升尚未引起足够重视，以及大数据、人工智能技术对创新型高技能人才发展的支撑作用尚未充分发挥。

（二）注重学生高阶认知能力和非认知能力培育

数字经济社会发展引发了高校人才培养规格的转变。通过对相关文献、新闻报道等进行梳理、分析，人工智能时代学生应具备的主要能力构成的代表性观点如表1所示。

广义上的能力应包括认知能力和非认知能力两部分，两者共同构成青少年进入劳动力市场的核心胜任力[40]。现阶段，国内学者在微观层面對人工智能时代学生能力构成的观点存在一定差异，但是一致认为，高阶认知技能和非认知能力是当下高等教育人才培养的重要导向。高阶认知能力主要包括分析能力、评价能力和创造能力，如数据素养、技术素养、深度分析技能、自主学习技能等，核心在于学生高阶思维能力的培育，如批判性思维、系统性思维、创新型思维、计算思维等。面对以教育为核心的传统人力资本理论的不足，美国经济学家郝克曼（James Heckman）在借鉴最新经验研究成果的基础上，提出了以能力为核心的新人力资本理论，将能力分为认知能力、非认知能力两类[41]，非认知能力资本的经济价值引起了国外学者的普遍关注，是人工智能时代学生核心素养的重要指向。但是，受传统人力资本理论及劳动力市场信号理论的影响，国内学者在大学生就业质量影响因素研究中，将人力资本片面的理解为认知能力资本，严重制约了人力资本理论的解释力。近年来，人格特征心理学的发展推动了劳动经济学领域非认知能力经济价值研究，以自尊、控制点、大五人格等为主要代表，国内学者则更多注重学生人文素养或精神的培育。

（三）以产业结构变迁为导向动态调整学科区域布局

研究生教育与国家创新驱动发展战略密切相关。硕士生教育对国家创新能力的提升作用可在较短时间周期内即表现出来，尤其是专业硕士生教育形成的人力资本可以快速高效投入到特定行业中，并通过技术创新、产业创新等子系统对国家创新能力产生影响。相对而言，博士生教育是高等教育中最为强调创新能力的层次，形成的人力资本也是最具有创新能力的，但其对国家创新能力的显著积极影响可能需要较长的时间周期才能表现出来[42]。因此，面对我国产业结构布局的变迁，如何在适度扩大硕士研究生（尤其是专业硕士）教育规模的同时，稳步扩大研究生规模、学历结构的区域协调是研究生教育改革面临的重大挑战。

目前，我国共有16914个研究生学位授权点。其中，博士学术学位授权点3802个，占总数的22.48%；博士专业学位授权点278个，占总数的1.64%；博士学术学位授权点是博士专业学位授权点的13.68倍；硕士学术学位授权点6838个，占总数的40.43%；硕士专业学位授权点5996个，占总数的35.45%%；硕士学术学位授权点是硕士专业学位授权点的1.14倍；博士学术学位授权点与硕士学术学位授权点的比值为1：1.8；博士专业学位授权点与硕士专业学位授权点的比值为1：21.5。此外，从区域布局来看，东部地区各级各类学位点及授权单位的数量几乎是中部、西部之和，占据全国总量的50%左右，学位授权点布局存在严重的区域结构失衡。

此外，各级各类学位授权点数量比值在不同区域间也存在较大差异，中西部地区学术型与专业型学位授权点比值偏高，专业型研究生布局有待进一步加强。首先，全国硕士学术学位与硕士专业学位授权点规模的比值为1.14；从区域层面来看，东部最低，为1.09，其次依次是中部、西部和东北地区，分别是1.13、1.18、1.28。其次，全国博士学术学位与博士专业学位授权点规模的比值为13.68；从区域层面来看，东北最低，为11.88，其次依次是西部、东部和中部，分别是13.44、13.76、14.96。再次，全国研究生学术学位与研究生专业学位授权点规模的比值为1.70；从区域层面来看，东北最高，为1.76，东部、西部、中部分别为1.74、1.65、1.61。第四，全国硕士学术学位与博士学术学位授权点规模比值为1.80。从区域层面来看，东部最低，为1.46，中部、西部、东北地区分别为2.10、2.21、2.22。最后，全国硕士专业学位与博士专业学位授权点规模比值为21.57；从区域层面来看，东部最低，为18.48，东北、西部、中部分别为20.66、25.07、27.74。

（四）持续提高高等教育承载能力

人口平均受教育年限与个人劳动生产率、工资提高以及国家经济增长之间存在联系，是反映人力资源质量的代表性指标。人均受教育水平的提高一定程度上会减弱人口年龄结构老化对经济增长的负面影响[43]。截止目前，我国劳动年龄人口平均受教育年限为10.7年，50.9%的新增劳动力接受过高等教育、平均受教育年限为13.7年[44]。随着中国人口生育率断崖式下跌、人口老龄化加速，提升劳动力受教育年限是提升人力资源质量，适应和推动数字经济变革发展的急迫任务。

据教育事业统计，2020年全国高等教育毛入学率54.4%。《国民经济和社会发展第十四个五年规划和2035年远景目标纲要》明确提出“推进高等教育分类管理和高等学校综合改革，构建更加多元的高等教育体系，高等教育毛入学率提高到60%”。在以提高质量、优化结构为核心的高等教育内涵式发展新阶段，通过学校扩建，达到扩大招生规模的“外延式”发展道路已难以适应新时代高等教育内涵式发展新要求。在研究生教育层次，研究生专业学位授权单位数量不足，专业研究生规模扩张压力较大。2009—2019年，我国硕士研究生报名规模、招生规模逐年增大，但录取比例却呈现总体下降的趋势，供给与需求结构失衡。这在一定程度上意味着硕士研究生录取规模的增长幅度小于硕士研究生报告规模的增长幅度，研究生培养能力与研究生教育需求之间结构失衡问题越来越严重。如何在内涵式发展新阶段，通过提高高等教育毛入学率、扩大研究生招生规模，提升劳动力受教育年限是数字经济对高等教育招生模式带来的新挑战。

（五）为大学生非正规就业创造良好支撑环境

经济新常态下，非正规就业比例逐渐上升是一种必然趋势，以灵活就业为主要表现方式。目前，我国灵活就业的人数高达3.4亿人，约占城镇就业人数的60%左右[45]，逐渐成为稳就业的一种重要途径，尤其是满足了基于互联网的新经济产业对劳动力的需求。《国务院办公厅关于支持多渠道灵活就业的意见》（国办发[2020]27号）的发布为灵活就业的健康发展提供了根本性政策保障。然而，现阶段，灵活就业人员除面临社会保障不足、社会认可度低等现实问题外，现有职业技能培训体系难以支撑灵活就业的发展。现阶段，企业单位考虑到灵活就业人员流动性较强，对其人力资本进行投资开发的意愿明显不强。然而，现行的高等教育人才培养体系主要聚焦于傳统行业的技能培养，培养内容、培养方式与基于互联网的灵活就业岗位胜任需求不匹配，难以支撑灵活就业的发展。自主创业是灵活就业主要形式。但是，现阶段高校创业教育的覆盖面还不够广泛，大学生接受各类创业教育的次数还不够多，创业教育普及率偏低，大学生创业意向、创业自我效能感普遍偏低[46]。总之，现有高等教育难以支撑大学生非正规就业的发展，高校人才培养与新经济形态下大学生就业发展存在脱节。

（六）健全面向学生发展的高校教师发展质量监测体系

教师是教育改革和发展的第一资源，高质量教师队伍是建设高质量高等教育体系的基础和前提，是解决产业智能化转型升级对高校人才培养提出新要求的首要任务。然而，高校教师发展却陷于“被动的发展”“强制的发展”“跟从的发展”境地，高校教师发展主体性缺失。“十三五”期间，各省（自治区、直辖市）高度重视高校教师队伍建设和发展工作，多措并举加强高校教师发展，但高校教师发展质量评估却相对滞后。近年来，高校教师发展相关评估指标体系的构建引起了越来越多学者的关注，相关成果推动了高校教师发展质量评价。如陆国栋等提出了包括教师团队、教改项目、教材项目、教学论文、教学成果奖、教师培训基地以及教师教学竞赛的“6+1”普通本科院校教师教学发展指数[47]。从年度报告层面来看，全国普通高校本科教育教学质量年度报告中主要聚焦于师德师风建设、教师队伍结构、教学发展机构建设、教师培训情况、教授为本科生授课情况、学生评教情况等层面，对高校教师队伍建设和发展状况进行描述。各类智库及研究团队发布的教师发展报告主要聚焦中小学教师，对高校教师的关注较为缺失。这就表明，高校教师发展质量评估越来越受到国内学者的关注，但国内相关评价指标体系更多的是基于教师本体职能的视角，缺少对学生反应的关注和对教师“贡献”的评价，不利于从引导教师“教书育人”的视角促进教师高质量发展。

与国内相比，国外在开展教师发展评估具体实践中表现出的两个典型特征是借助信息技术和关注学生反应。Weng，SS提出了基于数据挖掘的高校教师可持续发展教育胜任力提升策略研究[48]。Moe，Zun Hlaing认为学生反馈是教师评价的有效工具，采用基于大数据技的情感分析技术从教学技能、管理技能和交流技能三个层面对教师的能力进行了精准评价[49]。Lynch将教师发展、教师对学生评价的情绪反应、学生对教师教学评价间的作用关系进行了综合研究[50]。通过比较可以发现，健全关注学生发展的高校教师发展质量监测体系是新时代高校教师发展的重要任务，也是巩固人才培养中心地位的重要途径。

五、人工智能为高等教育变革提供新举措

以人工智能为核心技术的第四次工业革命，推动了产业结构的转型升级，对高等教育人才培养提出新要求的同时，也为高等教育改革提供了新举措。本研究以系统理论为基础，以高校人才供给与经济社会发展需求精准匹配为导向，发挥人工智能优势，促进人才供给与需求数据有效循环，构建了高等教育与经济社会发展“供需匹配”双边变革模型，如图2所示。该模型的特征及功能主要表现在以下三个方面。

（一）发挥在线课程优势，增强高校开放性，支持大学生人力资本的持续开发

根据卢卡斯模型，人力资本积累或增值是经济得以持续增长的决定性因素和产业发展的真正源泉，与人力资本存量呈正比，且人力资本增值越快，经济产出越快；人力资本增值越大，经济产出越大。人力资本增值就是通过对人力资本的积累、投资和扩充，促使人力资本的价值得以提升的过程。现阶段，高等教育重在对大学生人力资本基本存量的储备，即首岗胜任力的培养，且过于侧重认知能力资本开发，对大学生毕业后人力资本增值的关注、投入相对不足。在“互联网+”时代，终身学习体系已从原来的学历教育具有绝对的优势，转变成正规教育、非正规教育、非正式教育都均衡有序生长的多种群生态体系[51]，常规学历教育已不再适应人工智能时代劳动力资本持续开发的要求。“高等教育需要新的模式、新的定位，不再是只以培養本科生和研究生为两大教育目标。大学教育应该扩宽其教育面，成为终身学习的引擎”[52]。面对产业结构调整引发就业结构变化给高校人才培养带来的挑战，高校应主动发挥学科优势，加强与用人单位合作，深入地与雇主、学习者商讨具体的学习目标、学习方法以及学习内容，开发系列模块化微专业在线开放课程，弥补大学毕业生人力资本基本存量与用人单位岗位需求匹配度不足的短板，促进人力资本积累，同时促进低技能劳动力技能素养提升。此外，发挥人工智能技术优势，强化在线学位课程质量监控，进一步加大在线学位课程建设规模，最大限度缓解劳动力学历提升需求与高校现有承载力之间的矛盾。与东部地区相比，中西部地区应加大硕士研究生专业学位在线课程建设，以适应第二、三产业向中西部布局和发展对人力资本的需求。

（二）升级已有智能就业平台，强化数据循环，以需求牵引供给，增强供需匹配精准度

现阶段，各高校充分发挥大数据、人工智能优势，纷纷建立的大学生智能就业指导系统，但系统的主要功能是动态收集用人单位岗位需求信息、帮助大学生开展职业兴趣测评等，在产出环节促进人岗匹配[53]，对人才培养过程变革的支撑力度仍然不足。其主要原因有以下三点：一是尚未对动态收集的用人单位岗位胜任要求的信息进行深度分析，形成各行业大学毕业生首岗胜任力框架；二是缺乏对不同“工龄”毕业生发展性反馈信息的收集，进而导致大学生发展潜在资本的培养缺乏有力支撑，人才培养方案滞后性明显；三是主要聚焦对传统正规就业信息的采集和宣传，非正规就业岗位需求信息尚未引起足够重视。鉴于此，各高校应在已有智能就业系统的基础上，发挥区块链的技术优势，强化对用人单位多类核心利益相关者发展性反馈信息、关注非正规就业岗位人才需求信息的收集和深度分析，形成大学毕业生能力资本框架，以此为牵引推动校内学科专业布局调整、学科交叉与融合、教师发展方案研制、课程体系改革和人才培养模式改革，实现高校人才供给与经济社会发展需求的精准匹配。

（三）落实参与式监测评估，推动高校自我评估改革，促进供需匹配度持续改进

监测与评估的有效衔接是监测评估区别于其他评估方式的显著特征，注重项目推进过程中不同阶段的进展状况，实现了过程监测与结果评估的相统一。近年来，大数据、人工智能、数据挖掘等先进信息技术在高等教育领域的普遍应用以及各级各类监测系统或数据平台的建设和完善为高等教育过程性数据的动态、精准收集与深度分析提供了前所未有的支撑，高等教育领域引入和应用监测评估的基础性支撑环境逐渐形成。将监测评估引入高等教育领域是教育评估理论革新发展、评估范式转变的体现，更是推进高校教育治理能力和治理体系现代化的客观要求。与监测评估相比，参与式监测评估是一种强调以吸纳利益相关者参与为核心，以行动为导向，反省式的、寻求能力建设的监测评估方法。根据Arnstein提出的“公众参与阶梯理论”，参与的类型分为非参与、象征性参与和真正参与三个档次，其中非参与的表现形式主要为“操纵”和“控制”，象征性参与的表现形式主要为“告知”“咨询”与“安抚”，真正参与的表现形式主要为“合作”“授权”与“公民控制”[54]。因此，从参与类型的角度来看，与现有的高校自我评估相比，核心利益相关者，尤其是企事业单位、高校教师和学生由非参与、象征性参与转变为真正参与，推动高校自我评估由行政主导型向联合主导型转变。从参与内容来看，主要包括各利益相关者协同商定监测评估内容与指标体系、参与收集与分析监测评估过程数据、集体反思监测评估结果与研制整改方案、共同推进监测评估项目的持续改进等。这样既能增强各利益相关者的组织归属感和主人翁意识，同时也能够下沉责任主体，充分发挥教学组织在高校自我评估中的作用，强化各利益相关者的责任意识，激发各利益相关者积极主动参与学校自我评估，推动高校质量文化的塑造，实现高校师生由行政约束的被动式参与自我评估转变为文化自觉的主动参与评估，进一步促进高校人才供给与经济社会发展需求匹配度的持续改进。

六、结语

人工智能是第四次工业革命的核心技术，与大数据、区块链、物联网等技术深度融合，是各种赋能技术的集合体，对经济社会发展、人们的生活与学习方式产生了革命性影响。本研究在分析了产业智能化升级对就业结构的影响、就业结构调整对高校人才培养带来的挑战的基础上，系统科学理论为指导，注重发挥人工智能优势，对促进大学生人力资本全面、持续开发及高校人才供需匹配提出了对策，以期对推动人工智能时代高等教育人才培养改革具有一定的启示和借鉴意义。然而，高等教育改革是一项复杂而系统的工程，与已有研究相比，本研究在核心观点上的明显特点集中体现在以下几方面：注重发挥在线（学位）课程的优势，扩大高等教育的开放性，在注重高校对大学生人力资本基本存量开发的同时，更加强调其对大学生人力资本增值的投入，这是新时代构建高等教育新格局的必然要求；突出强调对已有智能就业平台的升级，注重对用人单位管理者、不同工龄的毕业生等多主体发展性反馈信息的收集和深度分析，以行业为主线，构建各行业大学生人力资本框架，进而实现以需求牵引供给侧的全面改革，也是当下以成果导向或能力导向的改革理念的集中体现；在已有“五位一体”评估制度的基础上，引入了参与式监测评估的理念，推动现阶段高校自我评估的改革，保障高校人才供给与需求匹配精准度的持续改进。

参考文献：

[1][37] 余小波，张欢欢.人工智能时代的高等教育人才培养观探析[J].大学教育科学，2019，（1）：75-81.

[2] 岳瑞凤.“智能+”时代高等教育新范式探究[J].高校教育管理，2021，（1）：87-96.

[3] 李广平，陈武元.人工智能背景下我国高校人才培养变革的有效思路[J].中国高等教育，2020，（11）：54-56.

[4] 郑洁红，彭建升.新一代人工智能变革大学教育的方向与限度[J].中国高校科技，2018，（12）：45-47.

[5][38] 任增元，刘军男.人工智能时代高校人才培养变革的思考[J].大学教育科学，2019，（4）：114-121.

[6] 田宏杰，龚奥.智能教育时代高校教师教学能力体系研究[J].苏州大学学报（教育科学版），2020，8（4）：73-82.

[7] 张曦琳.智能时代高校教师的身份危机及其重塑[J].现代教育技术，2020，30（11）：5-11.

[8] 陈鹏.共教、共学、共创：人工智能时代高校教师角色的嬗变与坚守[J].高教探索，2020，（6）：112-119.

[9] 張优良，尚俊杰.人工智能时代的教师角色再造[J].清华大学教育研究，2019，40（4）：39-45.

[10] 方兵，胡仁东.我国高校人工智能学院建设：动因、价值及哲学审思[J].中国远程教育，2020，（4）：19-25.

[11] 方兵，胡仁东.我国高校人工智能学院：现状、问题及发展方向[J].现代远距离教育，2019，（3）：90-96.

[12] 李斑斑，刘进.人工智能如何促进学科变革[J].中国高校科技，2019，（9）：90-93.

[13] 任志锋.以人工智能赋能高等学校立德树人[J].社会科学战线，2020，（4）：274-280.

[14] 田少煦.智能媒体环境下数字创意专业群教学面临的挑战[J].传媒，2021，（5）：12-15.

[15] 郭宏伟.基于智能教育的高校在线课程知识图谱构建研究——以中国医学史为例[J].中国电化教育，2021，（2）：123-130.

[16] 郑庆华.人工智能促进智慧教育，提升人才培养质量[J].高等工程教育研究，2019，（4）：128-132.

[17] 秦静怡，李华.智慧型高等教育评价体系创新研究[J].中国高校科技，2019，（S1）：30-32.

[18] 谭海萍，李子建等.大数据时代高等教育学生学习与核心素养：展望与挑战[J].江西师范大学学报（哲学社会科学版），2019，（4）：15-20.[19] 刘德建.人工智能赋能高校人才培养变革的研究综述[J].电化教育研究，2019，（11）：106-113.

[20][31] 赵渊.人工智能时代的高等教育抉择：方向、策略与路径[J].社会科学战线，2019，（10）：234-241.

[21][39] 赖德胜，黄金玲.第四次工业革命与教育变革——基于劳动分工的视角[J].国外社会科学，2020，（6）：117-126.

[22] 田贤鹏，田良臣.人工智能时代的高校学科专业人才培养结构变革——基于市场供需结构视角[J].湖南师范大学教育科学学报，2020，（4）：63-70.

[23] 鲍俊逸.未来的高等教育与高等教育的未来——基于技术理性与主体性的双重视角[J].江苏高教，2021，（2）：20-27.

[24] 杜传忠，许冰.第四次工业革命对就业结构的影响及中国的对策[J].社会科学战线，2018，（2）：68-74.[25][26] 陈永伟，许多.人工智能的就业影响[J].比较，2018，（2）：135-160.[27] 赵璐.中国产业空间格局演化与空间转型发展态势[J].地理科学，2021，（3）：387-396.

[28] 高春明，于潇等.人工智能对中国未来劳动力就业的影响——基于劳动力供给视角的分析[J].社会科学战线，2020，（10）：249-254.

[29] Maloney，W.F.Dose Informality Imply Segmentation in Urban Labor Markets Evidence from Sectoral Transition in Mexico [J].World Bank Economic Review，1999，（1）：275-302.

[30] 赵成杰，郑旭东等.智能时代欧洲技能型人才的培养与启示[J].中国职业技术教育，2021，（9）：47-52.

[32][52] [美]约瑟夫·E.奥恩.李海燕，王秦辉译.教育的未来：人工智能时代的教育变革[M].北京：机械工业出版社，2021.

[33] 环球网.麻省理工学院：新工程人才应具备12种思维和能力[EB/OL]. https：//baijiahao.baidu.com/s id=1659673674038580517&wfr=spider&for= pc，2020-02-27.

[34] 马晔风，陈煜波等.人工智能时代人才培养的着力点及政策建议[J].信息化建设，2020，（1）：50-51.

[35][36] 教育部.人工智能时代需培养学生怎样能力[EB/OL].http：// www.moe.gov.cn/jyb_xwfb/moe_2082/zl_2018n/2018_zl36/201805/ t20180518_336435.html，2018-05-18.

[40] 中国教育新闻网.非认知能力激发成长正能量[EB/OL].https：// baijiahao.baidu.com/s id=1671065149040733293&wfr=spider&for= pc，2020-07-02.

[41] 李晓曼，于佳欣等.生命周期视角下新人力资本理论的最新进展：测量、形成及作用[J].劳动经济研究，2019，（6）：110-131.

[42] 李锋亮，王瑜琪.研究生教育规模对国家创新能力的影响——与本专科教育规模的比较分析[J].中国高教研究，2021，（3）：75-81.

[43] 崔吉芳.2020—2035年我国人力资源总量增长潜力及各级教育的贡献——基于教育人口预测模型的实证分析[J].教育研究，2019，（8）：127-138.

[44] 未眼观察.教育部：新增劳动力平均受教育年限达到13.7年[EB/OL]. https：//baijiahao.baidu.com/s id=1684875873510784765&wfr=spider&for=pc，2020-12-01.

[45] 招商银行APP.新经济催生灵活就业，从业者超3亿，社保如何完善 [EB/OL].https：//baijiahao.baidu.com/s id=1697093773882667426&wfr=spider&for=pc，2021-04-15.

[46] 潘炳超，陆根书.高校创业教育与大学生创业意向和创业自我效能的关系研究[J].复旦教育论坛，2020，（5）：47-54.

[47] 陆国栋，王小梅等.我国普通本科院校教师教学发展指数：设计、实践与启示[J].中国高教研究，2019，（7）：6-11.

[48] Weng S S，Liu Y，et al.A Novel Improvement Strategy of Competency for Education for Sustainable Development （ESD） of University Teachers Based on Data Mining [J].Sustainability，2020，12（21）：1-15.

[49] Thi Thi Zin，Jerry Chun-Wei Lin.Big Data Analysis and Deep Learning Application [A].Moe Z H，San T，.Evaluation for Teachers Ability and Forecasting Students Career Based on Big Data [C]. Berlin：Springer，2019.20-27.

[50] Lynch M W.Teachers experiences of student feedback： A view from a department of social work in Sweden [J].Aotearoa New Zealand Social Work，2019，31（2）：57.

[51] 沈欣憶，史枫等.“互联网+”时代基于生态观的终身学习体系变革[J].中国电化教育，2021，（7）：30-35.

[53] 刘洪超，滕鑫鑫等.基于大数据的高校智能就业平台建设与应用[J].现代教育技术，2020，30（2）：111-117.

[54] 王晓军，孙拖焕.参与式监测评估理论与实践[M].北京：中国林业出版社，2007.

作者简介：

李运福：助理研究员，博士，研究方向为教育信息化理论与实践、教师信息化领导力发展。

杨方琦：副教授，博士，研究方向为教育信息化理论与实践。

王斐：工程师，硕士，研究方向为网络与远程教育。

冯东：教授，博士，研究方向为高等教育管理、教育政策与教育法学。

Systematic Thinking on the Trinity of “Artificial Intelligence + Higher Education”

Li Yunfu1， Yang Fangqi2， Wang Fei3， Feng Dong4（1.West China Higher Education Evaluation Center， Xian Jiaotong University， Xian 710049， Shaanxi； 2.School of Education， Weinan Normal University， Weinan 714099， Shaanxi； 3.College of Continuing Education， Northwest

University， Xian 710127， Shaanxi； 4.School of Education， Xian International Studies University， Xian 710128， Shaanxi）

Abstract： Higher education and economic and social development are linked by talent supply. Under the impact of the fourth industrial revolution with artificial intelligence as the core technology， the transformation and upgrading of industrial intelligence has promoted the formation of a new pattern of employment structure， thus posing new challenges to the reform of talent training in higher education. Facing the new challenges， universities should give full play to the advantages of online courses， enhance the openness of universities， and support the comprehensive and sustainable development of students human capital. Upgrade the existing intelligent employment system， strengthen the data cycle， traction supply by demand， and enhance the accuracy of supply and demand matching. Implement participatory monitoring and evaluation， focus on the participation of core stakeholders， promote the reform of self-evaluation of talent training in universities， and promote the continuous improvement of the matching degree between supply and demand of talent in universities.

Keywords： Artificial Intelligence； higher education； human capital； lifelong learning

责任编辑：李雅瑄