2023中国人工智能人才学习白皮书

2023中国人工智能人才学习百皮书 ARTIFICIALINTELLIGENCE 目录 CONTENTS 引言：研究背景/研究说明 第一章：AI时代人才需求冲击下，高校教育仍需持续创新 1.1人工智能技术质变对人才需求形成巨大冲击1.2国家重视高校人才培养，教育模式仍需持续创新 第二章：AI人才培养上产教脱钩，高校教改需稳步跟进 2.1高校人才缺乏实战应用能力，产教脱钩问题明显2.2人力错配主要原因是缺实践、教学内容过时、教学方式固化2.3高校老师主动寻求突破，数改势在必行 第三章：多元融合的开源学习生态，成高校人才学习新趋势 3.1“人工智能+X专业融合化，非计算机专业学生占四成3.2多种学习方式融合化，在线获取学习资源成为主流3.3开源学习新生态逐渐形成 4.1融通教育方式，构建多类型融合的高校学习生态4.2高校人工智能教育改革创新展望 附录 合作方介绍和列表 研究背景 随着人工智能技术爆炸式的发展，AI驱动各行各业开始“质变”，新的技术变革周期中，产业需要更多具备高级应用能力、学习能力、创新能力的复合人才。 我国2018年开始设立人工智能相关专业，在AI技术选代不断加速，更新周期越来越短的情况下，高校培养的人才与产业需求间仍存在差距。 新时期，高校款育面临哪些问题？该如何变革才能应对产业需求？带着这样的疑惑，我们通过全面的调研、分析，基于高校师生以及AI人才教育生态链现有的成功探索，寻找到“高校教学+开源生态”的融通教学模式，形成这份《2023中国人工智能人才学习白皮书》分享给大家。 研究说明 调研时间：2023年6-7月 研究方法：桌面研究，问卷调研，深度访谈 样本情况： 学生：近半年有了解或学习人工智能相关内容的高校在读学生。Datawhale高校社群内进行问卷投放，共收集问卷共2293份，有效样本1763份。学生深度访谈35人，覆盖不同年级、不同专业、不同学校学生。 业老师：人工智能相关专业的高校老师、院长，实验室人员等，共收集问卷50份，覆盖双一流和非双一流高校、教学和非教学人员。深度访谈12人。 ARTIFICIALINTELLIGENCE 第一章AI时代人才需求冲击下，高校教育仍需持续创新 1.1人工智能时代到，对人才需求形成巨大冲击 人工智能时代加速到来，人才供求严重失衡 2017年，国务院发布（新一代人工智能发展规划》，将人工智能上升为新时代国家战路(国务院2017)。根据2022年浙江大学联合百度发布的《中国人工智能人才培养报告》显示，我国人工智能人才目前缺口超过500万，供求比例严重失衡(渐江大学，2022）。2023年ChatGPT等斯覆式AI应用引发AIGC全球共振，人才需求数量进一步提升。 AI就业市场对具备高级学习能力、创新能力的人才需求不断增加 高技能的新职位爆发式增长，据脉脉最新人工智能人才趋势报告(脉脉，2023)显示，2023年人工智能人才招聘数量创历史新高，企业招聘需求中，除专业算法和缩程功底为就职的硬性要求，多数岗位还提及需应聘者拥有学术成果、业务落地经验和创新思维。 人工智能技术将进一步普及化、融合化、平民化，跨学科人才需求不断扩大 人工智能技术加速普及，各行各业已开始探素智能化应用落地，智能手机和智能家居也推动AI在日常生活中的涉透。同时，人工智能正在与物联网、大数据、区块链、AR和VR等技术加速融合，实现更高级别的智能和创新，技术进步使应用成本不断降低，易用性提高，越来越多的人可以享受新技术带来的便利(易观分析，2019)。新业态，新场景、新业务不断涌现，客行各业都部需要学习了解人工暂能，“人工智能+X”的复合人才需求将会进一步扩大。 1.2国家重视高校人才培养，教育模式仍需持续创新 国家高度重视高校人工智能人才教育，积极推动产教融合和产学合作协同育人 国家教育部联合其他部门先后发布了《高等学校人工智能创新行动计划》（教育部，2018)和《职业教育产教赋能提升行动实脏方案（2023-2025）》（国家发改委等，2023)，提出要加快人工智能与其他学科专业的交叉融合与创新，不断深化产学合作协同育人项目，推动产教融合和实训基地建设，以产业和技术发展的最新成果推动人才培养变革。高校自2018年起开始开设人工智能专业，截止2022年，已有495个高校建立了相关专业。 高校人才培养与产业需求之间仍存在差距，高校教育模式仍需持续创新 中国人工智能人才仍面临存量不足，质量不高、增量有限等问题，具体表现为“高校毕业生低就业率和产业人才需求缺口之间的矛盾，高校需积极改草创新，迎接时代和社会的挑战。 第二章AI人才培养上产教脱钩，高校教改需稳步跟进 2.1高校人才缺乏实战应用能力，产教脱钩问题明显 从人才能力培养与行业匹配来看，从知识获取，到能力培养，到场景应用，再到创新挑战，人才培养的各个环节都存在断裂，导致高校培养人才与行业需求之间无法适配。具体表现为但不限于以下问题： 人才培养标准和就业分离，缺乏与产业接轨的人才培养标准，学生就业难，企业难以招到合适人才；高校教学内容有待完善，缺乏产业实践案例，缺少教学实践平台；·数育与产业需求不匹配，学生动手能力差，缺少培养与产业接轨人才的途径和方法；、行业数据、案例、应用场景，缺乏最短最直接的链路提供给高校。 企业急需场景应用能力，学生却无法学以致用。根据高校教育者的反馈。我们了解到当前产业需求中，高校人才量缺乏的是“业务理解与解决真实问题的能力”。这一点与学生对高校学习结果不满意的主要原因“缺乏专业实战能力”相一致。 说明：根据教师端调研问卷老师对上速各项能力的打分，以3分为原点值，以各项评分与原点值距离作为各项能力横级数信 ARTIFICIALINTELLIGENCE 2.2人才能力错配主要原因是缺实践、教学内容过时、教学方式固化 产业升级的本质上是人才能力的升级，人才能力错配反映出高校人才培养体系无法跟上产业发展需求的问题，也导致了学生对于高校学习体验满意度较低。从师生双向视角调研分析发现以下四点问题比较突出： +缺乏实践资源，实践项目，实践机会 现阶段高校实验内客多来自课程对应的固定的实验指导书，实验课。没有足够的真实行业场景和业务支。也缺乏相关实践环境和资源， ·教学内容过时，应用性不足，与产业需求脱钧 现阶段高校课程偏重理论教学，知识更新速度较慢，专业课内容存在与行业场景、前沿研究，实际应用脱节的问题，同时，多数高校缺乏与产业互通的渠道， 标准化教学，无法满足个性化需求，学生学习兴适不高 高校教学整体以标准化培养模式为主，大部分课程以老师单向讲授为主，较难关注和满足不同学习能力，兴趣的学生的个性化需求，难以羽动学生的学习兴趣和动力。 教学模式存在局限，师生间群形成高质高数反馈互动 践方式分股，没有统一的管理平台或信息沟通集道 南开大学-计算机学院： 我们国家的高等育目前面临一个很大的问题一我们的学生成绩好，但缺乏应用能力，学生不知道知识学了能干嘛用，没有信心，更不知道进入企业，在工作中需要具备怎样的能力；传统教育采取的知识逻辅认知模式擅长通过给学生传辅知识，但学生仍不知这些知识学了有什么用。高校款育应该转向问题逐辑认知模式，通过围绕解决问题重新型造知识认知体系。基于具体的问题和场景，让学生知道学的知识是为什么，可以解决某一类问题，通过这个方法，学生可以操索实际场景、解决实际问间题、积累应用知识。 四川大学-公共管理学院： 商科人才非常强调实践应用能力，但现阶段教学中缺乏优质实践资源去支撑实践课程，现有购买的线下实训软件更新不及时，不能紧跟行业发展以及课程需求变化，在学习环境和资源提供上没法满足不同能力水平学生的需求，能力一般的学生编程医难，能力高的学生却没有机会去操索提升， 北京信息科技大学-教务处： 现在学科交叉越来越厉害，更需要真实的案例去进行教学训练，同时这种真实的案例需要学生掌握专业基础，又要学统计，学编程，需要用逐辑式的方法把这些体系建立起来了，否则学生很难应用起来。我们可以让学生用京东、抖音这些案例去分析，提出创新的思想，让企业和高校共同成长。 烟台大学-经管学院： 经管是新文科，目前省内有很多学校开了经管大数据课程，但现在面临的问题是学生上了半天还在配置python，非常缺乏适合学习实践的数据、案例支持学生做竞赛和教学训练；在实习上烟台本地企业有限，学生缺乏实习企业和实习机会。 泰州学院-信息工程学院： 学生以及我们老师跟那个社会都是断层的。虽然在不断的出去学习，但还是跟行业一线的东西距离太远。学校数材配套的实检学生也只是题强完成，学生得到的实践从难度和量上都不够。学生毕业前也没有机会去接触行业，要想解决这个问题，需要在教学中增加实践的模块。另外，中小城市大型IT企业少，AI人才需求少，学生找实习非常难，如果有线上的实习平台学生就可以更好的参与到行业的实践中去， ARTIFICIALINTELLIGENCE 2.3高校老师主动寻求突破，教改势在必行 AI技术重新定义了生产力，也引发新的就业形势和新的人才能力需求，对于高校学生是机会也是挑战，为了更好的迎接新就业形态，高校老师主动寻求新的教学模式以探索求变。 2.3.1增加校内实践，探索校外资源渠道成主要方式 为了提升学生的实践应用及解决问题的能力，老师正在探索用不同的方式满足学生的实践需求。 在AI专业课程中加入更多实践环节成老师首选；另外，利用外部课程资源、借助外部竞赛、创新创业活动、推荐学生进入开源社区实践学习的方式最受欢迎。 非双一流高控相对更愿意尝试探索新的形式或者借助外部的资源帮助学生提升能力。 推测与非双一流高校自身资源和渠道偏少有关，促使院校老师更加积极寻求外部资源支持。 2.3.2提高AI人才培养效率，教改需尽快行动成共识 在人工智能技术、数字化进程不断加速的情况下，必须提高AI人才的培养效率。高校教改势在必行须马上行动起来已成高校老师的共识。 第三章多元融合的开源学习生态，成高校人才学习新趋势 学习者画像：非计算机专业的学习者占比约为40%，工程学类学生占比21% 自2018年起，数育部发布《高等学校人工智能创新行动计划》，提出要建设100个“人工智能+X"复合特色专业，形成复合专业培养新模式，重视人工智能与生物学、心理学、社会学、法学等学科专业教育的交叉融合(教育部，2018)。 当前客年级、多专业学生都在学习和了解人工曾能，随着技术进一步普及化、融合化，未来跨学科的学习需求与学习者占比将会进一步提升。 ARTIFICIALINTELLIGENCE 学习内容：计算机视觉、AIGC/大模型、大数据分析较热门 +计算机学生和工程类学生最关注的是计算机视觉，AIGC/大模型，自然语言处理相关领域。·其他专业学生最关注的内容集中在数据科学领域，学习大数据分析和数据挖掘相关内容的学生占比超过50%， 3.2多种学习方式融合化，在线获取学习资源成为主流 高校学生广泛使用多种在线资源学习和了解AI ，在高校学习之外，学生普追使用视频敦程和讲座（以Bilibili为主），社区论坛，阅读书籍和学术论文学习Al且为较为满意，有小部分学生开始通过数据与AI竞赛、大厂官方学习平台、高校学习平台等来进行学习。 ·分年级看，大一、大二学生主要通过在线学习平台建立知识体系和掌握基本的学习方法；随着年级提升，学生逐渐转向使用外部视频教程、社区论坛、学术资源来进行自主学习，链接前沿与实践；为满足湿入学习需要，博士同学最主要的学习方式是阅读书籍和学术论文。 ARTIFICIALINTELLIGENCE 高校教育奠基优势突出，多种融合学习方式与其形成互补 高数数育以理论数育的体系化、标准化与资深的数学人员为主要优势，是学生建立基础知识和能力的学习方式。同时高校学习者有着其个性化的学习需求，高校可借助其他学习方式和资源，实现优势互补，弥补满足个性化学习需求上的能力不足。如： +在提供应用性、前沿性强的学习内