下午两点配资吧配资官网，某高校阶梯教室。老师在讲台上讲“机器学习的基本原理”，PPT翻过一页又一页。前排几个女生盯着屏幕，眉头微蹙；中间一排，一个男生正用手机看篮球赛直播；最后排靠窗的位子上，一个男生已经趴着睡了十几分钟。
“这门课最‘AI’的地方，就是大家都用AI把作业对付过去了。”坐在后排的小张合上笔记本电脑，压低声音对记者说。他选修这门人工智能通识课已过半个学期，“老师把人工智能的历史从头讲到尾，图灵测试、专家系统、深度学习……每个概念都点了，但每个都没讲透。一学期下来，感觉就是在混学分。”
这样的吐槽并非个例。在知乎、小红书等年轻人聚集的社交平台上，“高校AI通识课太水”成为被“不断盖楼”的热帖。有人嫌太浅，“网上搜搜都知道”；有人听不懂，“文科生上AI课，就是听天书”；还有人直接摆烂，“反正开卷考，抄抄课件就过了”。
如今，人工智能正在深刻改变着各行各业。多所大学已将人工智能通识课纳入培养方案，面向全体学生开课。教育部等五部门日前联合印发《“人工智能+教育”行动计划》，更是明确提出“高等教育阶段，推动人工智能成为高校公共基础课，按学科专业分类编写课程教材，推动全体学生掌握人工智能知识。”
这门被寄予厚望的“时代必修课”，怎么在部分大学却成了“水课”？记者走进多所高校寻找答案。
“轰轰烈烈开，马马虎虎教，稀里糊涂学”
这两年，人工智能通识课正以惊人的速度与数量涌进大学课表。
据不完全统计，全国超过80%的高校已开设相关课程。在北京，459门AI通识课已进入课表；在广西，AI课程覆盖全区本科高校，近10万名大一新生修读；浙江、上海、四川等地，也纷纷将AI通识课列为必修。
然而，面对知识背景迥异的学生群体，不少课程却未能因材施教，尴尬由此而生。
广东某高校中文系学生小林在第一堂AI通识课上就被“砸”晕了。
“老师一上来就讲神经网络、反向传播，满屏的公式和代码。我之前压根没接触过这些内容，完全跟不上。”三周后，她从前排座位挪到了最后一排。期末考试开卷，她带着一摞打印好的课件进了场。直到走出考场，她还是说不清“机器学习”和“深度学习”有啥区别。
与小林的茫然相似的，是安徽某高校学生在论坛上的吐槽：“数理基础还没打牢，就被灌了一堆算法和模型概念，最后交一个自己都说不清楚的作业。”帖子下面有人跟评：“分数全看报告写了多少页，这是在培养AI素养，还是在培养凑字数的能力？”
有人“听不懂”，也有人“吃不饱”。
上海某高校学生小陈选修AI通识课，原本是冲着大模型实操去的，结果一个学期下来，课程始终围着人工智能发展史打转。“这些内容我早就自己了解过了。”后来，他索性在课堂上用自己的电脑看起了技术博客。
学生的失望，教师也心知肚明。北京某高校一位老师坦言，他的课“一开始坐得满满当当，到第三节课就只剩一半人了”。“我自己也不是学这个专业的，摸不准学生到底对什么感兴趣。众口难调，学校又要求开，只能边学边教。说实话，能把概念讲清楚就不错了。”
“轰轰烈烈地开，马马虎虎地教，稀里糊涂地学。”在某高校校园论坛上，这条对高校AI通识课的吐槽帖获得高关注度。
本该是“金课”，缘何成“水课”
课堂效果不尽如人意，问题究竟出在哪里？
“很多教师在用专业课的逻辑上通识课。”杭州师范大学研究生院副院长杨俊锋指出，当前AI通识课存在两种极端倾向：要么过度深挖专业原理，把课上成“简化版专业课”，让非专业学生望而却步；要么简化为基础工具教学，内容浅显直白、缺乏深度，全然忽视了AI思维、批判意识、协同能力等核心育人目标。
北京大学教育学院教授尚俊杰在课堂上看到了这种“工具化”教学模式的后果：很多同学会用豆包、会调Kimi，却说不清“生成式AI的工作原理是什么”“怎么判断AI给出的答案是否可信”，他认为，“这就是典型的会操作但不会思考，把学生训练成了高级操作工，而非有判断力的使用者。”
定位模糊之外，复合型师资队伍短缺也是重要原因。
前不久，中国计算机学会在长春举办的一场专题论坛上，40余位专家学者梳理出AI通识课师资面临的两大核心阻碍：一是课程对教师的AI理论储备、跨学科视野与通识教学能力要求较高，却缺乏明确的素质模型，缺乏可依循的师资选拔与培养标准，优质师资缺口明显；二是AI技术迭代迅速，教师需持续更新教学内容，而现有评价机制重科研轻教学，对该课程的教学投入缺乏针对性激励，形成“高投入低回报”的失衡局面，严重挫伤教师积极性。
“能把这门课开出来就不错了，哪还顾得上质量？”一位高校教师的话，道出了不少人的无奈。
此外，考核标准宽松、方式单一，让这门课的“含水量”进一步升高。
“一篇小论文定成绩”“开卷考试”——这样的考核方式，在不少高校的AI通识课中已成常态。尚俊杰说，学生用AI生成论文交上来，教师很难分辨真伪，评分难免流于形式。在他看来，考核的逻辑很简单：你评价什么，学生就学什么。考记忆和操作，学生就去背概念、练技巧；考思维和素养，学生才会真正投入深度学习。
从“教知识”转向“育思维”
多位受访专家表示，从“通识课”“选修课”到“公共基础课”，一词之变，意涵深远。
杨俊锋指出，最新政策释放的信号，体现了AI教育从“可选的兴趣培养”向“必备的素养奠基”跨越，是教育理念、制度安排和资源投入的全面升级，旨在为大学生在智能时代的生存、发展和创新奠定坚实基础。
在此基础上，尚俊杰进一步明确了课程提质的方向：必须从“教知识”转向“育思维”，着力培养学生理解智能技术、与AI协作、保持批判性审视的综合素养。“如何提问、如何辨别真伪、如何在人机协作中保持人的主体性，恰恰是AI无法替代、也无法直接教授给学生的。帮助学生建立人机协同的认知框架，使他们既能驾驭AI提升效率，又能在关键时刻做出机器无法替代的价值判断。”尚俊杰认为，这才是AI通识课从“水课”走向“金课”的核心所在。
理念的转变，最终要体现在一堂堂生动、务实又有用的课上。
有限课时内，面向全体学生的AI通识课应该讲什么？
尚俊杰提出了“三看”筛选原则：一看有用性，是否与学生未来职业发展相关；二看持久性，是否属于底层逻辑和思维方式；三看不可替代性，是否是AI本身无法教给人的，如批判性思维、伦理判断、创新意识。基于这一原则，他建议优先教三类知识：AI核心理念与运行逻辑、AI伦理风险与防范、人机协同思维与核心能力。
“讲什么”明确后，面对知识背景迥异的学生，该怎么讲？
杨俊锋建议，应以项目制学习为主线来重塑教学，“加强案例教学，如‘人脸识别门禁系统’分析，让学生以‘分析者’身份理解AI原理与伦理；强化体验式学习，对比AI与人类完成同一任务的优劣，直观体会AI的能力边界；同时积极利用开源智慧学习工具，实现有效人机协同。”
清华大学裘莹老师的实践提供了可参照的范本。她牵头组建校企协同教学团队，将企业一线AI落地经验带入课堂。“AI的价值是打破学科壁垒，让不同专业的人跨界协作、解决真实问题。”她强调，AI通识课需构建清晰的线性逻辑，给予学生充足实操机会，杜绝“只听不练”，“若单纯邀请企业专家开展零散讲座，极易陷入‘拼盘式’授课误区。”
“关键是要让学生真正觉得：这门课和我的专业、未来学习、真实世界有关。”北京建筑大学测绘与城市空间信息学院副教授郭贤将自己的做法提炼为三个要点：一是做减法，避免“两张皮”，开课前先与专业任课教师沟通，明确各自分工，避免学生在AI通识课和专业课上学两遍相似内容；二是低门槛，先建直觉再讲原理，不急于抛出复杂模型，而是用卫星影像、无人机影像等直观案例引入，让学生先理解“AI为什么有用”，再逐步引出核心方法；三是考核创新，因势利导，不简单禁止学生使用生成式AI，而是要求学生在提交论文的同时，还要提交提示词和使用反思，既鼓励合理使用，又训练提出问题、判断答案、修正内容的能力。
在考核形式上，专家们建议，应从“结果判定”转向“过程见证”。
尚俊杰提出，可采用“过程性评价+项目作品+答辩展示+反思性评价”的多样化组合，“项目作品是核心，要求学生完成一个‘AI+X’的真实项目，即用AI解决自己专业领域的具体问题；答辩展示让学生向同伴和教师展示项目成果、反思人机协作过程中的决策逻辑；反思性评价让学生写下学习中的真实困惑和认知变化。”
他进一步提醒：“AI通识课的提质，不只是一门课的改革，更是整个校园文化对智能时代的态度重塑。当学校以清晰的AI政策引导学生，当教师主动拥抱技术、理解AI，这门‘公共基础课’才能真正开好。”
（记者 邓晖 通讯员 孔祥羽）
【链接】
锻造“AI必修金课”，这些高校在破题
浙江大学：分层分类，让不同专业学生各取所需
浙大将AI通识课细分为A、B、C三类，分别面向理工农医、社会科学、人文艺术类专业。授课教师来自全校29个学院，考古文博等非AI学科的教师也参与其中。同时，浙大还出版全国首套按学科分类的AI通识系列教材，并同步开发“智海”AI科教平台，为学生提供丰富的实训项目。
复旦大学：四级课程矩阵，打通“AI+X”路径
复旦打造AI-BEST课程体系，将课程划分为通识基础、专业核心、学科进阶、垂域应用四个层级，截至2025年底已开设121门课程，累计1.3万余人次修读。学校还推出41个“X+AI”双学士学位项目，让不同专业学生都能找到AI与自身领域的结合点。
北京建筑大学：AI通识课深度嵌入专业场景
作为建筑类高校，北建大在AI通识课改革中强调与专业场景的深度融合，构建了“1门AI通识必修课+X门AI技术基础课+N门AI与专业融合课”的课程体系。该校计算机系副教授吕橙训练了一个专门扮演“杠精学员”的AI智能体，学生需与之辩论AI伦理问题、对抗模型漏洞，“让学生发现AI犯错，比发现AI成功更有教育价值。”
（记者 邓晖采访整理）配资吧配资官网
七星配资提示：文章来自网络，不代表本站观点。
