2025中国旅游教育人工智能转型深度研究报告

中国旅游教育人工智能转型深度研究报告 致谢 《2025中国旅游教育人工智能转型深度研究报告》的诞生，是行业专家、学界同仁与领先企业共同智慧的结晶。在报告完成之际，我们谨向所有为本项目提供专业指导、实践数据及资源支持的个人与机构表示最诚挚的感谢。 核心作者团队 感谢报告作者在研究设计、数据分析及撰写过程中的不懈努力（排名不分先后）： （广州市问途信息技术有限公司董事长、教育部全国旅游职业教育教学指导委员会酒店管理类专委会委员、亚太餐饮酒店及旅游教育协会网络关系总监）黄昕 博士（中国技术经济学会文化和旅游技术经济分会会长、中国旅游协会旅游教育分会副会长、华侨大学旅游学院院长）谢朝武 教授（教育部全国旅游职业教育教学指导委员会副主任委员）周春林 教授 特别感谢以下专家在报告编写过程中提供的深度洞察与专业指引，他们的真知灼见为报告的学术深度与前瞻性提供了坚实保障（排名不分先后）： （教育部全国旅游职业教育教学指导委员会副主任委员）王昆欣 教授（中国旅游协会旅游教育分会秘书长）谷慧敏 教授（教育部全国旅游职业教育教学指导委员会酒店管理类专委会主任、南京旅游职业学院院长）操阳 教授（华侨大学国家级旅游实验教学示范中心、国家级旅游虚拟仿真实验中心主任）汪京强 教授 本研究的实证案例与行业应用分析得到多家领军企业的参与和支持，在此一并致谢： 正是得益于产、学、研各界的通力协作，本报告才得以全面呈现人工智能时代下中国旅游教育转型的全景。我们期待这份研究能为行业转型提供有益参考，共同推动旅游教育的智慧化未来。 CONTENTS目 录 第一章生成式人工智能在高校中的应用现状11 一、生成式人工智能在高校学生中的应用现状1二、生成式人工智能在高校教师中的应用现状5 第二章旅游产业数智转型中旅游教育数字化发展现状分析9 一、生成式人工智能对中国旅游业高质量发展的作用9二、中国旅游业人工智能转型对岗位人才的需求16三、2021-2025中国旅游教育的数字化升级的成果与思考18四、中国旅游教育人工智能转型的概述23 第三章旅游管理类专业人工智能转型逻辑与方法27 一、生成式人工智能时代旅游人才培养的供需逻辑与实践路径27二、生成式人工智能在旅游教育中的主要应用场景30三、人工智能时代旅游教育的创新方法32四、2026年旅游管理类专业人工智能转型战略行动路径36 未来展望41 发布单位介绍42 生成式人工智能在高校中的应用现状 第一章 2025年，生成式人工智能的广泛使用促使 AI 从局部技术热点转向全社会的通用赋能。全球旅游业正经历着一场由生成式人工智能驱动的范式转移。从智能行程规划到数字人导游，从自动化营销内容生成到沉浸式虚拟体验，AI技术已不仅仅是辅助工具，而是成为了旅游产业的新基础设施。 在这一背景下，作为培养旅游人才的主要阵地，高等旅游教育正处于机遇与挑战并存的关键时期，如何培养能够驾驭这一技术浪潮的“数智化”旅游人才，已成为各大高校旅游管理类专业教学变革的核心使命。区别于传统信息化建设对硬件设施的侧重，人工智能赋能高等教育的重心在于驱动教育教学全流程的再造与范式革命。人工智能不是教育的“外挂”或简单的效率工具，而是倒逼教育发生结构性变革的核心动力。 生成式人工智能在高校学生中的应用现状 国大学生在学术任务中使用生成式人工智能。在中国高校的调研数据显示，中国大学生的生成式人工智能使用率已超过70%，与美国大学生群体中的使用比率处于同一量级。 过去两年中，生成式人工智能从一种新兴的实验性技术迅速演变为驱动全球高等教育变革的主要力量，大语言模型（LLM）成为教育技术的基础设施。 根 据 Primary Research Group 发 布 的《2025年大学生生成式人工智能使用调查》显示，约64.77%的美国大学生在过去的学习过程中使用了生成式人工智能。而在《福布斯》引用的2025年精英高校调查数据显示，在ChatGPT发布仅两年后，已有超过80%的美 在使用场景上，学生表现出了功利性和学术导向性。调查指出，“文本生成”和“信息检索”是生成式人工智能在学习领域的两大核心用途，主要服务于课程作业和论文撰写，在日常生活和求职场景中的应用相对有限。这种“学业中心”的使用模式，反映了大学生群体中激烈的竞争压力，学生迫切需要工具来提升学习产出的效率。 从分布形态来看，学生认知水平呈典型的“橄榄型”结构，大多数学生聚集于浅层认知区域，其中超过七成的学生停留在“一般了解”阶段。与之形成鲜明对比的是深度认知的严重匮乏，两校仅有不足9%的学生表示“比较了解”，而在“非常了解”这一维度上更是出现了“低覆盖”。此外，处于“完全不了解”盲区的学生占比较低，说明生成式人工智能的概念虽已基本普及，但学生普遍缺乏深入的掌握与应用能力。 在一个针对486名中国大学生的调研发现，虽然超过70%的学生频繁使用生成式人工智能，但近一半的学生自评熟练度仍然较低。只有少数的“专家用户”兼具高使用频率和高熟练度。 综上多项调研数据，生成式人工智能在高校学生群体中的渗透呈现出“高普及、低素养”的背离特征。尽管生成式人工智能已在大学中实现广泛渗透，但学生对其认知的颗粒度仍然较粗。这充分说明了当前高等教育中，开设针对性人工智能应用课程的紧迫性与必要性。 2025年9月，问途以两所使用问途“人工智能应用”课程及平台的高校旅游管理专业大三学生为对象，在开课前开展了关于生成式人工智能认知现状的基线调查。统计结果揭示了两所院校的学生在认知维度上的高度一致性与显著的”浅层化“特征。 以将更多精力投入到高阶的分析与论证中。但很多现象说明，生成式人工智能使学生的研究能力出现了层度不一的“倒退”。这些“倒退”的表现形式如下： 生成式人工智能的“双刃剑”影响 生成式人工智能在大学生中的普及改变了学生进行学习和开展学术研究的过程。虽然官方层面都鼓励学生利用AI进行探究式学习，但为了维护学术公平，很多高校禁止直接将AI生成的内容作为日常作业答案或论文提交。这种“鼓励使用工具”但“禁止依赖结果”的要求，在实际操作中难以把握，导致许多学生在“合理辅助”与“学术不端”的灰色地带徘徊。 思维外包 无论是课程小论文，还是毕业论文，写作的过程本质上是思维组织的过程。当写作被AI外包，学生本应有的思维训练亦随之流失，生成式人工智能帮助学生跳过了大脑综合处理碎片化信息、构建逻辑链条的关键神经活动。这种“思维外包”导致学生产出的文章内容虽然在形式上完美，但在逻辑上经不起推敲。麻省理工学院媒体实验室的研究还发现，大语言模型是基于统计概率来预测下一个最可能的词汇，因此容易产生同质化观点。 生成式人工智能不仅成为学生学习中强大的生产力辅助工具，更是一种颇具“腐蚀性”的思维替代品。 此外，随着AI工具的普及，学生越来越倾向于阅读AI生成的“摘要”而非原著。这种浅层阅读习惯导致学生对理论框架的理解停留在表面，无法捕捉文献中的细微论证和具体语境。结果是，学生在论文中引用的理论多是断章取义的，缺乏对研究脉络的整体把握。这使得使用AI撰写论文的学生，在独特观点和创新性方面存在一定的问题。 对于许多学生而言，大模型是一个不知疲倦的指导老师。尤其在撰写论文的阶段，生成式人工智能可以有效辅助学生“构思”。学生利用AI生成论文大纲、建议研究方向、参考文献清单甚至撰写开题报告。“文本生成”和“信息检索”是生成式人工智能在论文阶段的主要用途，其降低了论文写作的启动门槛，使学生能够快速跨越耗时的结构搭建阶段，理论上可 判断能力 在毕业论文的具体实践中，最常见的问题是学生缺乏对AI生成内容的判断力。在传统 学习闭环中，学生需要调动大脑来处理学习任务，然后产出结果。而在生成式人工智能介入的回路中，学生将任务直接输入给AI，待AI输出结果后进行被动接收。 SBS瑞士商学院在2025年发表的一项研究报告中指出，AI工具的使用频率与批判性思维得分之间存在负相关关系。值得注意的是，这种效应在17至25岁的年轻群体中尤为显著。研究结论指出，频繁使用AI会导致“智力依赖”，即离开工具后，学生独立进行逻辑推理和问题分析的能力明显弱于不使用或较少使用AI的群体。很多论文指导老师认为，学生无法判断AI输出内容对错的根源，在于“认知懒惰”和“专业知识的缺失”。 麻省理工学院媒体实验室的研究人员使用脑电图监测了三组受试者在撰写论文时的大脑活动：一组只用大脑，一组使用搜索引擎，一组使用ChatGPT。 结果显示，使用ChatGPT的受试者，其大脑神经活动水平明显低于其他组。这些用户的大脑在写作过程中处于“低能耗”状态，随着时间的推移越来越依赖“复制-粘贴”，对材料的记忆留存率大幅下降。这一发现从生物学层面上证实了“用进废退”原理，即当AI接管了认知负荷，大脑的相关回路便开始“萎缩”。 学生表现出一种“算法默许”的心理状态。他们不愿意付出额外的认知努力去核实大模型生成的每一句话，而是默认“AI是对的” 。 此外，如果要核实一个AI生成内容中的观点，验证者自身必须具备一定的“专业知识”。而现在的情况是，学生缺乏对自己专业领域的知识认知，并没有能力去判断AI生成内容的真伪。 而沃顿商学院的另一项实验显示，即便被提前告知AI可能出错，绝大多数学生仍未能识别出文本中的事实错误。研究发现，生成式人工智能的过度使用与学生的批判性思维能力下降之间，存在明确的实证关联。 所以，在使用AI之前，必须先建立坚实的专业领域知识基础。培养“知其然亦知其所以然”的深度认知。 02生成式人工智能在高校教师中的应用现状 2025年，由中国内地与香港高校学者发布的《中国旅游与酒店教育中的人工智能：政策、挑战与前景》研究指出，通过全面的政策举措、产业融合和高校创新，中国在探索人工智能驱动高等教育创新模式方面处于领先地位。 2024年至2025年，国家密集发布相关政策，层层递进地推动AI在教育领域的落地： 教育部启动了“人工智能赋能教育行动”，全力推动人工智能赋能教育改革创新。2024 年 3 月 教育部启动了“实施国家教育数字化战略行动 2.0”，明确将智能化作为核心战略方向之一 。2025 年 5 月 与西方教育领域的驱动模式不同，中国形成了一种独特的“政策主导型”人工智能教育实施路径，其演进历程可系统划分为三个阶段： 国务院发布《关于深入实施“人工智能+”行动的意见》，提出把人工智能融入教育教学全要素、全过程，创新智能学伴、智能教师等人机协同教育教学新模式；推动育人从以知识传授为重向以能力提升为本转变，加快实现大规模因材施教，提高教育质量，促进教育公平。构建智能化情景交互学习模式，推动开展方式更灵活、资源更丰富的自主学习；鼓励和支持全民积极学习人工智能新知识、新技术 。2025 年 8 月 探索期（2012–2018年） 以《教育信息化十年发展规划》为顶层指引，侧重于宽带网络等基础设施建设及 MOOC、翻转课堂等初步资源共享尝试。 扩张期（2019–2022年） 在疫情催化下，实现从“选择性”向“刚性需求”的转变。AI技术开始普及，如语音识别和智能监考等。同时智慧旅游政策推动旅游教育中虚拟仿真实验教学的系统性建设。 深度融合期（2023年至今） 在国家政策的有利推动下，生成式人工智能在高校教师群体中的普及速度远超预期。根据麦可思研究院在2025年发布的《2024年中国高校师生生成式AI应用情况研究》中数据，高达56%的受访大学教师表示“频繁使用”生成式人工智能工具，34%的教师表示“偶尔使用”，而从未使用过的比例仅为10%。这说明AI工具在高校教师中的渗透率已接近饱和。 教学模式在生成式人工智能与大模型驱动下，由单一工具应用向智能助教、AI导师及人机协同的智能驱动变革深层迈进。 他们的核心诉求是“提效”，希望从低价值的重复劳动中解脱出来。 这意味着教师的AI素养已经不再是“加分项”，而是成为职业生存的“基本功”。 仍有相当一部分教师是在外部压力下被动使用AI。这种压力来自两方面：一是