双一流建设高校面向新兴交叉领域跨学科培养人才研究Word格式文档下载.docx

双一流建设高校面向新兴交叉领域跨学科培养人才研究Word格式文档下载.docx

《双一流建设高校面向新兴交叉领域跨学科培养人才研究Word格式文档下载.docx》由会员分享，可在线阅读，更多相关《双一流建设高校面向新兴交叉领域跨学科培养人才研究Word格式文档下载.docx（10页珍藏版）》请在冰豆网上搜索。

作为智能时代典型的新兴交叉领域和快速发展领域，人工智能的科技发展与人才培养成为当今世界各国关注的焦点。

2018年4月，教育部发布了《高等学校人工智能创新行动计划》，以推进人工智能领域的学科交叉和跨学科人才培养。

当前，以“双一流”建设高校为代表的研究型大学迫切需要精准把握学科融合大势，加强学科间的协同创新和教育改革。

面对以上现实需求，本研究以人工智能领域的跨学科人才培养为例，具体研究以下问题：

什么样的人才培养模式适用于跨学科培养人才？

当前“双一流”建设高校面向以人工智能为代表的新兴交叉领域跨学科培养人才时主要考虑了哪些因素？

未来发展应进一步考虑哪些因素？

二、文献综述与模型构建

人才培养模式以人才培养活动作为具体限定。

国内外学者从不同的角度对高等教育阶段的人才培养模式做出了数十种定义，具体可被归纳为结构范畴定义、过程范畴定义和综合范畴定义。

鉴于此，本研究认为人才培养模式是“要素+标准+过程”的综合范畴，是在一定的教育理念和理论指导下由培养目标、选拔机制、主体协作、培养方案、过程管理等要素构成的标准系统。

（见图1）

跨学科教育是为了培养具有深厚理论基础，掌握多门学科知识和多种应用技能，具有创新思维和跨界沟通能力等多方面能力和素质的复合型人才。

面向新时代新需求，“新工科”教育倡导培育“∏型”人才（指具有广博知识的基础上，具有复数领域高深专业知识、技术和能力且能够交叉运用的人才）。

基于此，为适应跨学科人才的培养需求，人才培养模式应做出相应调整。

本研究以系统视角剖析“双一流”建设高校跨学科培养人工智能人才问题，根据研究综述将隶属于培养目标、选拔机制、主体协作、培养方案、过程管理等要素的影响因素进行梳理，在人才培养模式理论模型的基础上构建跨学科培养人工智能人才的影响因素模型（见图2）；

运用定性比较分析法探索促进系统内部各要素实现效果的主要影响因素及其关联与匹配，进而挖掘影响“双一流”建设高校跨学科培养人工智能人才的综合因素。

具体阐述如下。

（一）跨学科培养目标

　　培养目标是对受教育者的质量要求和规格限定，其形成受国家战略、经济社会需求、行业需求、高等教育范式、教育理念、大学办学特色和基础等诸多因素影响。

我国自2017年起已连续三年将人工智能写入政府工作报告，教育部发文推进人工智能人才跨学科教育，体现了国家的战略需求。

高等教育人才培养目标从以培养学术型的“专才”转向培养学术与应用并重的“通才”，强调对人才历史使命感、社会责任心、知识与眼界、创新精神、实践能力、跨文化沟通能力和团队协作能力等多层次的要求。

新一代信息技术向其他行业的融合与渗透日趋明显，人工智能复合型人才的培养目标与大量应用场景需求相契合。

我国大学通过开展“新工科”建设，树立了培养造就一批具有创新创业能力、动态适应能力、高素质的各类交叉复合型卓越工程科技人才的新目标。

另外，各级各类学校因其办学条件与定位制定不同的培养目标，对人才培养提出具体且多样的质量要求，既包括以培养阶段划分的纵向多样标准，又包括按培养类型划分的横向多样标准。

（二）跨学科招生选拔机制

　　跨学科招生选拔机制的制定与国家战略布局、行业需求、学校学科基础与学科文化、教育资源配置等诸多因素相关。

近年来，随着国家对复合型人才培养的战略关注和政策支持，教育领域已开始从各层次招生环节中逐步提高了人才选拔的科学性。

当前高等工程教育不只服务于现有产业，而是通过人才培养引领未来产业转型升级和创新发展、催生新行业的出现，因此需要吸收具有前瞻性、开放性、创新性思维的生源。

越来越多的高校打破原有资源配置模式，为开展跨学科教育搭建矩阵型教育体系，跨学科组织以科研项目为牵引开展新型工程人才的培养。

另外，本科大类人才培养和研究生“申请-审核”等选拔机制也为大学跨学科教育项目提供了多元的生源保障。

在具体的招生选拔过程中，跨学科项目注重对生源综合素养的考察，需要将标准化考试思维向多元智能考核思维转变，既考察生源的智力因素，又考察其能力特长和创新潜质。

（三）多主体协同育人机制

　　随着经济社会的发展和科学技术的进步，知识生产的主体更加多元，目标更加多样，过程更加复杂，推动了知识生产模式的转型。

学界对知识生产模式及其转型原理的认识逐渐迭代，教育和科研也基于知识生产模式的不断更新而发生范式转型。

在知识生产模式III及其“四螺旋”模型指导下，教育生态、高校与学科、教师与学生等维度共同构成了人才培养的多主体协同机制。

教育生态融合了政府、大学、企业、公民等主体，通过主体之间的互动广泛开展政产学研合作；

高校与学科聚焦学校内部各学科专业的协作、校际之间的结盟以及跨国之间的教育和学术交流合作；

教师与学生则从微观层面体现“教”与“学”新的协同关系，以研讨和合作的方式代替了单方向的知识灌输；

在政产学研融合度较高的教育生态中，教师与学生开展教学互动的场所由课堂拓展到企业与研究院所等环境中，以及更多公民可参与的网络环境中。

（四）跨学科培养方案

　　作为人才培养模式的核心要素，培养方案包括学制标准、教学方式、教学方法、课程体系等。

对于跨学科教育，学制标准包括了“双学位”和“多学位”制度等；

教学方式包括了课程教学、网络教育以及以科研项目为牵引的研究型教学；

教学方法包括了以掌握理论知识为主的课程教学和以掌握应用能力为主的实践教学；

课程体系包括了本硕博课程贯通、模块化的多学科集成课程体系以及跨学科知识融合的新课程内容。

作为新兴交叉领域，人工智能人才跨学科培养方案的落地实施依赖多学科背景的师资队伍。

通过本硕博课程贯通、多学位制和模块化课程体系培养跨学科人才的教学实践具有明显的“物理式”学科交叉特点，通常以课程“拼盘”和学位项目“叠加”为主要培养方式。

而激发多学科背景的师资团队开展针对新生学科的课程内容再造、指导学生参与科研项目、依托产学研协同育人体系指导学生参与跨学科创新实践等，具有“化学式”学科融合特点，能够从深层次实现课程、项目、实践等环节多学科知识的相互渗透、整合、重组和优化。

（五）跨学科育人过程管理

　　人才培养的过程管理与评估是对培养理念和培养目标能否达成的保障与反馈。

近年来，学界提出加强育人全过程管理、持续推进教育领域的管办评分离、加强人才培养的第三方评价，以及基于成果产出的教育模式以最终培养目标为导向的教育过程设计与评价。

基于跨学科人才培养的育人主体多维性、育人环境开放性、育人路径发散性、育人项目多样性等特点，既需要结合现有成熟的管理制度开展全过程管理，又需要为跨学科跨领域跨机构的人才培养单位划定“特区”，实施特区内的“柔性化”管理。

同时，行业协会、企业等在参与人才培养时更强调以培养目标为导向的管理与评估，并积极参与创建独立于国家教育行政部门和高校的第三方人才培养质量评估体系和机构。

如信息技术新工科产学研联盟正牵头构建高校“新工科”建设成果的参考指标体系和信息产业创新人才能力的第三方评价体系。

三、研究设计

（一）研究方法

　　社会学家Ragin认为产生许多社会现象的原因条件是相互依赖的并以组合的形式对结果产生复杂影响，并于20世纪80年代基于系统科学整体论思想率先提出一种集合分析法，即定性比较分析法（QualitativeComparativeAnalysis,QCA）。

近年来，QCA方法在社会学和管理学领域被广泛应用，并逐渐其他研究领域拓展。

该方法在我国教育学研究中的应用也初见端倪。

　　作为一种“案例导向”的研究方法，QCA方法从整体的视角出发探索产生某一现象的相互依赖、相互作用的多重并发原因，并将案例作为条件变量的不同组合方式（组态），以集合的视角对不同组态进行统计分析，最终获得影响结果的等效组态方案和因果结论，为决策者提供参考方案。

与传统分析技术相比：

①QCA方法将传统定性研究和定量研究的优点进行结合和发展，既对研究对象进行统计分析，又对研究对象进行整体分析，拓展了用于分析结果变量的案例数量限制，因此本研究所选21个高校案例的样本规模与QCA方法匹配；

②QCA方法强调组态间的“等效性”和条件与结果的“非对称性”，因此针对本研究的核心问题，采用QCA方法可获得多样等效组态，为高校选择适宜条件促进个性化发展提供参考。

（二）数据收集

　　本研究以中国人工智能学会、教育部高等学校计算机类专业教学指导委员会、全国高等学校计算机教育研究会、信息技术新工科产学研联盟以及中关村人工智能科技园专家学者群为主渠道面向全国高校人工智能、计算机科学、软件工程、自动控制等领域的教师和教育管理者发放调查问卷。

通过问卷星平台共回收到来自全国58所高校的有效问卷65份。

筛选来自一流大学、一流学科建设高校的有效问卷25份，其中人工智能领域15份，占比60%；

计算机科学领域9份，占比36%；

来自教学/科研岗教师和专业负责人/院领导的问卷21份，占比84%。

经过数据甄别与清理，进入QCA分析的案例共21个。

从学校分布来看，一流大学14所，占比67%；

拥有一流学科高校（不含一流大学）7所，占比33%；

在全国第四轮学科评估中计算机科学与技术学科获B+及以上的高校18所，占比86%。

案例具有较好的覆盖性和代表性。

（三）描述性统计

使用李克特5级量表对图2模型中的条件变量X1至X25和结果变量Y1至Y5进行认同度检测，得分越高代表被调查者的认同度越高，条件变量作为影响因素的充分性越大。

研究变量的描述性统计如表1所示。

（四）变量校准

　　QCA方法是基于集合论的研究，需要根据理论知识和实际知识选择校准标准，将研究对象的条件变量和结果变量校准到某一隶属集合，进而分析其充分性和必要性，以及进行反事实分析。

校准的过程需求确定3个临界值，即完全隶属点、交叉点以及完全不隶属点，校准后的集合隶属介于0~1之间。

本研究设置的完全隶属点为5（赞同），完全不隶属点为1（不赞同），交叉点选为各变量均值，进行变量校准。

四、实证分析结果

　　本研究使用fsQCA3.0软件对样本案例进行分析，针对跨学科培养目标、跨学科招生选拔机制、多主体协同育人机制、跨学科培养方案、跨学科教育过程管理5个方面的结果变量识别出其重要影响因素的条件组态。

每组结果变量的研究均设定一致性阈值为0.8，案例阈值为1。

（一）必要条件分析

　　对各结果变量分组开展必要条件检测，其中必要性指数高于0.9的条件变量作为直接解释结果的必要条件。

结果显示，仅有“X4‘新工科’建设教育范式转型”为“Y1跨学科的培养目标”组的必要条件。

（二）组态分析

　　将PRI一致性的临界值定为大于0.75，本研究5个子模型的总覆盖度最低为0.70，代表了超过三分之二的充分解的案例。

在符号表达方面，以实心圆“●”代表条件存在，空心圆中间加叉“ 

”代表条件缺乏；

大圈代表核心条件，小圈代表边缘条件。

1.跨学科培养目标明确的组态分析。

表2为跨学科培养目标明确的组态，其中包括5个一致性大于0.75的充分解，覆盖了92%的培养目标明确案例样本。

从解的构成来看，解3覆盖了85%的该集合样本。

这部分解说明综合国家战略、经济社会需求、行业需求与“新工科”建设教育范式转型等因素制定跨学科人才培养目标已成为“双一流”建设高校跨学科培养人工智能人才的普遍选择；

然而跨学科教育理念、大学自身办学特色尚未成为多数“双一流”建设高校在制定跨学科人才培养目标时的首选条件。

与之相比，少数高校将跨学科教育理念融入人才培养目标（解4）；

部分高校注重结合自身办学特色凝练人才培养目标（解5）。

同时，也有部分高校更加聚焦教育范式转型，从跨学科教育理念和“新工科”建设出发进行人才培养目标制定（解1、解2）。

2.跨学科招生选拔机制完善的组态分析。

表3为跨学科招生选拔机制完善的组态，其中包括6个一致性大于0.75的充分解，覆盖了85%的招生选拔机制完善案例样本。

从解的构成看，解2覆盖了63%的该集合样本。

这部分解说明综合国家战略、“新工科”建设教育范式转型、学科基础与学科文化、教育资源配置以及研究生招生“申请-审核”制等因素制定跨学科招生选拔机制已成为“双一流”建设高校跨学科培养人工智能人才的较普遍选择；

然而本科大类人才培养机制尚未被多数“双一流”建设高校视为选拔多学科背景生源的主要方式。

此外，当前多数“双一流”建设高校开展本科大类人才培养和研究生招生“申请-审核”制，通过相应的校内教育资源配置调整，为跨学科人才培养开辟路径；

在此基础上，部分高校结合国家战略（解5）或“新工科”建设教育范式转型（解6），逐步完善跨学科招生选拔机制。

部分高校的跨学科招生选拔机制受国家战略和“新工科”建设教育范式转型两个因素综合影响较大（解1）；

部分高校从自身学科基础与学科文化的角度出发完善跨学科招生选拔机制（解3）；

部分高校将调整校内教育资源配置作为完善跨学科招生选拔机制的首要因素（解4）。

3.跨学科多主体协作机制完善的组态分析。

表4为跨学科多主体协作机制完善的组态，其中包括5个一致性大于0.75的充分解，覆盖了70%的跨学科多主体协作机制完善案例样本。

从解的构成来看，解4和解5分别覆盖了超过50%的该集合样本。

这部分解说明综合学科基础与学科文化、产学研协同、校际协同、师生协同、国际交流合作等因素构建多主体协同育人机制已成为“双一流”建设高校跨学科培养人工智能人才的较普遍选择；

然而校际协同育人机制尚未被多数“双一流”建设高校视为多主体协同育人的核心组成部分。

此外，部分高校注重校内的多学科协同以及师生协同（解2）；

部分高校注重与国内外高校的校际协同育人（解3）；

部分高校以产学研协同作为构建跨学科多主体协作机制主要路径（解1）。

4.跨学科培养方案完善的组态分析。

表5为跨学科培养方案完善的组态，其中包括11个一致性大于0.75的充分解，覆盖了82%的跨学科培养方案完善案例样本。

从解的构成来看，解4覆盖了超过50%的该集合样本。

这部分解说明综合多学科背景的师资队伍、“双学位”或“多学位”制、模块化的课程体系、模块化的课程体系、以科研项目为牵引的教学、课程内容的知识融合、跨学科的创新与实践等因素构建跨学科培养方案已成为“双一流”建设高校跨学科培养人工智能人才的较普遍选择；

然而本硕博课程贯通尚未在多数“双一流”建设高校的跨学科培养方案中得以充分体现。

此外，与解4类似，部分高校将包括本硕博课程贯通在内的多因素进行综合，构建人工智能人才跨学科培养方案（解1、解2、解3、解8、解9、解10、解11），且各有侧重；

少数高校从单一因素构建人工智能人才跨学科培养方案（解5、解6、解7）。

横向对比分析，模块化的课程体系、多学位制度等“物理式”跨学科教育在“双一流”建设高校中得到了普遍应用。

部分“双一流”建设高校从以科研项目为牵引的教学、课程内容的知识融合等方面出发，逐步探索“化学式”跨学科教育。

培养方案解的多样化体现了我国“双一流”建设高校在跨学科培养人工智能人才方面的多种尝试与探索，同时也反映了知识生产模式转型和“新工科”建设对新兴交叉学科自身发展及其实现跨学科育人功能的推进作用。

5.跨学科培养过程管理有效的组态分析。

表6为跨学科培养过程管理有效的组态，其中包括5个一致性大于0.75的充分解，覆盖了90%的跨学科培养过程管理有效案例样本。

从解的构成来看，解3和解4覆盖了超过60%的该集合样本。

其中，解3侧重于以高校自身为牵引的全过程管理机制；

解4侧重于以外部第三方机构为牵引的同行评估机制。

此外，部分高校通过聚焦全过程管理（解1）、柔性管理（解5）、第三方评估（解2）等单一路径提高跨学科培养人工智能人才过程管理的有效性。

由此说明，当前从制定培养目标、招生选拔、培养与指导到毕业就业的人才培养全过程管理已被我国“双一流”建设高校普遍采纳，全过程管理也被多数高校应用于对跨学科人才培养质量的监督与保障。

交叉学科教育往往由高校内和高校间的不同单位协同开展，面对大类人才培养及以科研项目为牵引的跨机构人才培养特点，越来越多的“双一流”建设高校尝试通过划定跨学科人才培养特区、制定的柔性化管理制度和管理方案等，提高管理的灵活性和可操作性。

另外，结合经济社会和行业企业中广阔应用场景对人工智能复合型人才的大量需求，“双一流”建设高校主动引入第三方质量认证或同行评价能够提高对该领域跨学科人才培养评价的客观性和真实性。

五、结论与启示

（一）结论

　　1.新兴交叉领域实现跨学科培养人才需要对人才培养模式进行系统改进。

本研究在设计影响因素模型的过程中，充分借鉴了跨学科教育理论和国内外新工科教育实践经验，从培养目标、选拔机制、主体协作、培养方案、过程管理5个方面进行归纳总结，发现简单的学科交叉或课程叠加已不能满足面向国家重大战略和未来科技发展跨学科培养人才的需求，而是要对整个人才培养模式进行系统改进。

　　2.“双一流”建设高校面向新兴交叉领域的跨学科人才培养布局已趋近“一流”。

本研究的综合研究结果广泛覆盖了模型中的条件变量，说明在国家战略的引领下，在“985工程”“211工程”“双一流”建设和卓越人才培养计划等教育领域重大举措的推进下，“双一流”建设高校在以人工智能为代表的新兴交叉领域和新工科专业人才培养方面已具备广阔的国际视野和前瞻性的布局。

　　3.当前影响我国高校跨学科培养人才的非主要因素需进一步重视。

组态分析得到的主要影响因素不包括跨学科教育理念、办学特色、本科大类人才培养和本硕博课程贯通，说明这些条件在我国高校尚未发挥主要作用。

然而，从国外顶尖高校的成功经验看，融合大学自身特色和先进跨学科教育理念的人才培养目标对整个培养过程具有引领性，淡化专业性的本科通识教育和宽松的转专业、跨专业制度为跨学科培养人才提供支撑，本硕博课程内容的贯通性和体系化是各类型、各层次人才培养的基石，因此未来我国高校应对这些方面予以重视。

（二）启示

　　1.新兴交叉领域对传统的大学人才培养模式提出挑战，大学应当立足国家重大发展战略和经济社会发展需求，充分结合自身办学特色和先进经验，将教育学、科学学、知识论、管理学等与复合型人才培养实际相结合，凝练总结适合我国高等教育特点的跨学科教育理念，以此指导跨学科培养目标设定和培养方案制定，以及相应的教育教学组织机构调整和管理机制改进。

　　2.本科大类招生和大类培养弥补了以往在学生自主选择多专业方向和学科开放选择多元化生源方面的不足。

大学应加强支撑本科大类人才培养与管理的组织机构建设、课程体系建设、多元学科背景师资队伍建设、管理与运行模式创新、教学和评估方式改进以及基于大数据和互联网技术的常态化质量监测系统构建，提高大类人才培养水平和效益，促进跨学科教育的普及与发展。

　　3.本硕博课程贯通是针对某一学科领域构建从本科到博士阶段的由浅入深、由易到难、由简到繁的连贯性课程体系构建。

本硕博课程的贯通设计避免了不同培养阶段类似课程的重复设置，既为本硕博贯通培养模式的基础，又为本硕博分阶段学制体系提供良好的知识体系支撑。

研究型大学应尽快针对以人工智能为代表的新兴交叉领域构建本硕博贯通课程体系，强化学科知识的深入性和交叉性，推进跨学科人才培养的科学性和体系性。

（三）不足之处

　　1.本研究以人工智能为例具有一定代表性，但如能对多个新兴交叉领域的情况进行比较分析，则更具科学性和说服力。

　　2.本研究基于问卷调查进行数据收集，虽已对被调查对象的领域相关性和院校代表性进行了严格控制，但如能辅以客观评估数据，则能提高可信性。

在更广的样本范围内运用QCA方法分层次考察我国大学在新兴交叉领域跨学科培养人才的促进因素和制约因素，将成为下一步的研究方向。