一起来看《方案》原文

哈尔滨工程大学

人工智能赋能教育教学创新方案（2025-2027）

为全面落实教育数字化战略行动和《教育强国建设规划纲要（2024-2035）》部署，深化学校新工科建设，推动人工智能赋能学校教育教学创新，特制订本方案。

一、指导思想

以习近平新时代中国特色社会主义思想为指导，深入贯彻党的二十大、二十届三中全会和全国教育大会精神，紧贴强国强军需要，围绕立德树人根本任务，立足“三海一核”办学特色，贯彻学校“五个坚持、五个注重”办学原则，推进人工智能赋能教育教学创新，创建人工智能（Artificial Intelligence）、交互智能（Interactive Intelligence）、跨学科智能（Interdisciplinary Intelligence）和行业智能（Industry Intelligence）多重赋能的AI³人才培养新模式，打造智慧教育教学新生态，推动学校新工科建设再深化、再升级、再突破，加速培养能够掌握、驾驭和创造新质生产力的新时代“工学”人才。

二、基本原则

（一）立德树人，智驭未来

以AI技术助力学生全面发展和个性成长，强化思政引领和AI伦理教育，为国防现代化和关键领域突破锻造能驾驭未来的战略科技新力量。

（二）创新驱动，智创领航

面向高等教育发展新阶段、新定位，发扬敢为人先的哈军工精神，开拓奋进，勇于创新，探索实践多重赋能的AI³人才培养新模式。

（三）特色突围，智赋新能

聚焦行业特色和学科优势，深化交叉融合，推动“AI+学科专业”“学科专业+AI” 建设，积蓄“三海一核”特色教育资源供给新势能。

（四）开放共享，智汇众长

强化开放合作，资源共享，注重提质增效，深化产教融合、科教融汇、国际合作，构筑人工智能赋能教育教学创新新生态。

三、总体目标

到2027年，全面达成“123456+X”（1个跨学科教育专有大模型，20个AI+专业，300门AI+课程，40部数智化教材，50个AI+实践项目，6个AI+平台，X个典型场景应用案例）建设目标，构筑智慧教育教学新生态，催生智慧化教、个性化学、智能化管新常态，锻造行业特色型高校AI³人才培养新范式。

四、重点任务

体系化推进AI³人才培养模式改革创新，坚持以学生成长为中心，以人工智能提升学生数智创新能力，以交互智能提升学生人机共创能力，以跨学科智能提升学生跨界整合能力，以行业智能提升学生工程创新能力，聚力攻坚15项重点任务。

（一）全员AI素养提升工程

1.构建“培-训-研-赛”进阶式培训体系，提升教师AI素养与教学创新能力。开展系统化AI教学培训与能力建设，邀请领域资深专家、技术工程师和AI教学先驱教师等，围绕信息技术应用能力、数字化教学资源设计与整合能力、云地一体化智慧教育平台使用能力、智慧化课堂教学设计与组织管理能力、人机共融跨学科教育教学创新能力等开展深度培训和经验分享。强化AI教学实践，依托校院两级教师发展中心，建设10个左右应用AI教学工作坊，推动提升全体教师的AI技术应用能力和综合素养。推动教学创新，支持教师开展AI赋能教育教学研究。开辟教学创新竞赛AI赛道，培育选树一批智慧教学示范教师。

2.构建“学-社-创-赛”链条式培养体系，提升学生AI素养与正向创新能力。依托第一课堂引导学生建构跨学科知识体系和AI知识体系，拓宽专业视野，训练利用生成式AI求解复杂问题的能力，开展AI伦理教育。打造“AI+”学生社团，组织AI创新应用活动，激发学生自主学习和使用AI的兴趣。在大学生创新创业计划项目中设立“AI+”专题，引导学生研究探索AI应用。组织“AI+”科创竞赛，强化人机共育，培养学生跨学科AI应用创新能力。

3.构建“讲座培训+实岗练兵”双轨式实训体系，提升教学管理队伍AI应用技能。深化AI工具在教学管理中的应用，定期组织AI管理工具使用培训，邀请AI领域的专家学者进行专题讲座和实操指导，帮助教学管理队伍深入了解AI技术的前沿动态和应用前景。加强岗位练兵，加速提升学校教学管理部门人员AI素养和技能，实现人机共管。

（二）全要素AI赋能工程

4.打造1个跨学科教育专有大模型。充分发挥船舶与海洋工程等A类学科特色发展优势以及前沿科研资源优势，整合“三海一核”领域相关学科专业知识、实践经验、行业数据以及最新研究成果，聚焦学科专业人才培养和行业应用，试点建设船海学科教育专有大模型，并进一步扩展船舶动力、导航、水声、核科学与技术等相关领域知识库，打造跨学科教育专有大模型。

5.建设20个AI+专业。积极布局人工智能领域特色学科专业，建强人工智能专业集群。打破学科专业壁垒，促进AI与文、理等多学科专业的交叉，新建AI+应用数学、AI+社会学等双学士学位专业。推动AI与学校优势传统工科专业融合，试点建设绿色智能船舶、新能源等AI+专业方向。将AI技术与相关专业前沿领域相融合，紧密结合科技创新和产业发展，试点建设海洋无人系统、智能计算等一批AI+微专业。推动传统专业转型升级，构建专业图谱，强化AI技术融入，建设20个AI+专业。

6.重塑300门AI+课程。面向全校本科生开设《走近人工智能》等系列通识教育选修课，培养学生了解AI。强化跨学科交叉融合的基础平台课程建设，面向理工科学生开设《人工智能基础》等大类平台课程，培养学生使用AI。面向各学科专业学生，打造300门融入AI技术发展前沿的AI+专业课程，培养学生应用AI深度交互进行创新研究的能力。

7.新编40部数智化教材。推进AI技术与教材内容、教材形态的深度融合，推进数智教材建设，新编18部AI+新形态教材。完成1套（22部）智慧海洋战略新兴领域系列教材体系建设。

8.开发50个AI+实践项目。推进AI技术与实验教学深度融合，建设AI+虚拟仿真实验课程，实现实验场景虚拟化、实验过程交互化、实验数据智能化。开发50个AI+实验教学项目，实现自主化实验预约、自动化实验资源分配、个性化实验项目定制、数字化实验过程管理、智慧化实验教学全时指导。

9.建设6个AI+平台。汇聚学校AI教育资源，成立数智教育教学研究中心。以新校区建设为契机，将图书馆、工程训练中心等学生学习物理环境与智慧云环境结合，规划建设未来学习中心。利用AI技术赋能教、学、管、评，升级建设云地一体化智慧教育平台。试点建设工程智谷等智慧实践创新平台。加强创新教育改革，推进教育资源数字化整合重构，深化建设元·创学院育人平台。联合行业企业，开发企业级AI教学资源库，集成企业真实案例库、行业数据集、虚拟仿真系统，构建研究生产教融合智慧教学平台。

10.打造X个典型场景应用案例。依托科教融汇和产教融合优势，梳理AI+“三海一核”行业特色典型应用场景，从学科专业、课程教学、实践项目、产学研创等多层级、多维度入手，打造数字孪生智能船、数字核反应堆等X个行业特色AI赋能教育教学应用案例，遴选一批典型案例示范推广。

（三）全流程AI再造工程

11.以智助教。依托学校AI+平台，将AI技术与课程大纲、教学教案、学生考核等内容深度融合，打造AI教学中心，实现自动生成教案、自动优化PPT、自动命题阅卷、自动生成知识图谱、自建AI智能体，高效能辅助教师教学。

12.以智助学。依托DeepSeek等大模型构建多模态智能体，打造AI小橙智慧学伴助手，涵盖政策咨询、知识探索和业务查询等核心应用场景，强化主动式沟通、拟人化表达、多模态交互，为学生提供个性化学习和自主创新支持。

13.以智助评。建立数智化教学评测体系和师生数字画像，利用AI技术实施教学数据采集、教学内容分析、教学活动分析、教学效果分析、学生课堂表现分析、学生创新能力达成情况分析评价，促进教育教学工作持续改进。

14.以智助管。建设智慧教学驾驶舱，全方位可视化呈现智慧教学态势。完善知识创新中心建设，提升专业和课程建设与管理的科学性。完善课程思政资源数智中心建设，提升立德树人育人实效。

15.以智助研。加强虚拟教研室建设，开展AI赋能教育教学改革研究，深度参与慕课西部行计划。推进基于知识图谱、能力图谱、素质图谱的数智课程建设。探索AI场景下的新型课堂教学模式，促进教师教学模式从传统单一“师-生”二元融合向“师-生-机”三元深度交互转化，人机共生，助力学生个性化自主学习。

五、保障措施

（一）坚持党的领导

加强顶层设计和统筹协调，建立学校党委统一领导、机关职能部门牵头、教学科研单位推进、行业企业技术支撑、各级党组织保障的协同运行机制，构建校院联动、校企协同的AI赋能教育教学创新矩阵，推行专项行动挂图作战模式，项目化管理，台账式推进，实现任务分解、节点管控、绩效可视的全周期闭环管理。

（二）强化质量保障

建立健全AI赋能教育教学的质量监测与评估体系，对AI教学应用的效果进行全面跟踪与评估，构建动态反馈机制，为教学改进提供科学依据。定期开展AI教学应用效果的专项调研，收集师生反馈，优化教学资源配置，确保AI技术在教育教学中的有效应用。加强AI教学成果的推广与应用，通过举办教学成果展、案例分享会等形式，促进AI赋能教育教学优秀经验和成果的传播与共享。

（三）强化经费保障

实施AI赋能教育教学“揭榜挂帅”攻坚计划，设立专项经费池并建立动态扩容机制。推行“1+N+X”经费配置模型，即学校基础投入、教学科研单位配套和校企联合基金等，鼓励和引导立项相关部门和科研单位配套以及对外合作资金投入，构建涵盖中央财政、国防科工、龙头企业等多元主体的筹资生态，形成多元化经费投入机制。

（四）强化安全保障

严格执行《中华人民共和国网络安全法》《数据安全法》《个人信息保护法》《生成式人工智能服务管理暂行办法》等法律法规，制定AI使用规范，防范潜在风险，持续提升教育领域AI应用的合规性与适切性。打造智慧教育教学数字基座安全防护体系，注重对学生数据隐私的保护，重点防范提示注入、模型窃取等针对大模型的攻击向量，确保学校教育数据安全。