职业院校人工智能应用指引（2026版）

总体目标、原则与路径
目标：引导职业院校开展智能时代的教育教学改革，推进人工智能与职业教育的深度融合，培养具备人工智能素养及职业能力的高技能人才，助力产业智能化升级。
原则：职业导向、分层分类、动态迭代、伦理安全。
路径：以产业需求为牵引、国产技术为支撑、分层递进为策略，通过专业技术升级、课程内容重构，以及师资赋能、校企协同、伦理规范等多维创新，持续推进人工智能深入应用。

学生人工智能素养发展

• 素养标准：涵盖“以人为本的人工智能意识、人工智能社会责任、基础知识与技能、思维与行为、协作与交流、专业能力、职业能力”七个维度、“通识素养、专业技能、行业能力”三个层级。
• 发展要求：中职阶段以启蒙和普及为主；高职专科阶段以应用和实践为主；职业本科阶段以深化和拓展为主。
• 素养评价：贯穿课程学习、实训和岗位实习等环节，注重多场景贯通，由单一知识掌握转向能力获取。

人工智能通识课程体系建设

• 通识课程体系建设：中高本贯进的通识课程体系，结合学生和专业特点细化课程培养定位、核心目标、教学内容与评价。
• 分层模块化建设：分为人工智能通识素养模块（基础层，必修）、人工智能专业技能模块（核心层，必修+选修）、人工智能行业应用能力模块（提升层，选修+实践）。
• 课程建设与实施保障：总学时不低于16学时，采用线上线下混合式教学，配齐配强教师队伍，建设标准化人工智能教学机房，依托国家级资源库和区域产教联合体共建共享资源，构建多元综合评价体系。

人工智能专业建设和专业智能化升级

• 科学发展人工智能相关专业：精准对接人工智能产业发展需求和 国家战略重点，科学规划、规范设置人工智能相关专业。
• 推进已有专业智能化升级：主动对接行业智能化升级要求，系统修订人才培养方案，将智能化升级相关内容融入专业教学内容。
• 建立智能化专业分析平台与技能测评体系：利用人工智能分析产业、行业、企业、岗位、任务相关数据，为专业建设提供支持；构建智能化技能测评体系，动态评估学生人工智能专业技能和行业能力。

人工智能教学模式创新

• 个性化学习与技能训练：支持对学生全学习过程的多模态学习数据采集，利用人工智能教学系统为学生规划个性化学习路径。
• 项目驱动与案例教学：引进企业真实智能化生产任务和案例，指导学生运用人工智能开展案例资料分析、方案设计等。
• 智能化实训教学：利用人工智能优化实训资源与流程管理，加强人工智能与虚拟仿真技术在实训教学中的融合应用，构建未来实训中心。
• 多主体协同实习管理：依托数智技术实现实习的多主体协同管理，智能分析企业岗位需求与学生专业技能的匹配度。
• 精细教学管理与虚拟教学研究：开发智能决策辅助工具，将智能助手融入虚拟教研室，助力教师教研能力的持续提升。

教师人工智能教学胜任力提升

• 教师人工智能教学胜任力标准：涵盖“以人为本的理念、社会责任、知识与技能、教学应用、职业能力、专业发展”六个维度、“普及层、深化层、研发层”三个层级。
• 培训与发展要求：采用“分层分类+产教融合”策略，开展全员培训，构建全员通识素养、专业技能和行业能力并举、校企协同的双师型团队。
• 胜任力提升保障：建立教师人工智能教学胜任力发展的技术赋能平台，将胜任力纳入教师评价考核范畴，构建动态评价机制，建立健全激励机制，营造良好环境氛围。

人工智能伦理与安全要求

• 加强伦理教育：将伦理教育贯穿教学全过程，培养师生批判性使用人工智能的意识和能力。
• 严格数据隐私与算法公平：建立健全数据全生命周期管理制度，建立内容审核与算法公平评估机制。
• 健全敏捷协同的治理机制：建立人工智能应用的责任清单和问责机制，支持跨部门敏捷协同治理。
• 加强人工智能的合规建设与应用：确保语料来源合法、内容合规，优先采用符合国家信息安全标准的国产技术。

人工智能应用的保障措施

• 人工智能应用的组织保障：设立专门机构，配备专业人员，出台专项工作方案，推动人工智能应用。
• 职业教育人工智能专用大模型应用：积极参与专用大模型建设，制定适合的专用大模型应用方案，逐步形成可复制、可推广的应用模式。
• 人工智能应用的技术保障：充分借助科技企业的共享算力资源，构建云边端协同的人工智能算力与服务环境，建设支持多模态数据处理的人工智能基座，将人工智能与智慧校园已有技术系统集成。