生成式 AI 赋能跨专业创新创业人才培养模式研究

摘要：本文探讨了生成式 AI 如何赋能跨专业创新创业人才培养模式，分析了当前创新创业教育的现状与挑战，阐述生成式 AI 在提供创新思维启发、跨专业知识融合、模拟创业实践等方面的作用，并提出构建包含课程体系优化、实践平台打造、师资队伍建设等多维度的培养模式，旨在为适应新时代需求的创新创业人才培养提供理论与实践参考。

[基金项目]本文系海口经济学院2024年度校级教育教学改革项目《生成式 AI 赋能跨专业创新创业人才培养模式研究》，项目编号：Hjyj2024100本文系该项目阶段性成果。

随着科技的飞速发展，创新创业已成为推动经济增长和社会进步的关键力量，跨专业的创新创业人才能够整合多学科知识与技能，更具创新性与适应性，而生成式 AI 的出现为跨专业创新创业人才培养带来了新的机遇与变革动力。

一、创新创业教育现状与挑战

（一）教育理念逐渐普及

近年来，各高校纷纷响应国家政策，大力倡导创新创业教育，将其纳入人才培养体系。创新创业教育的理念逐渐在师生中得到普及，相关的课程、讲座、竞赛等活动日益丰富。但在实际推行过程中，部分高校仍存在表面化、形式化的现象，未能将创新创业教育理念真正贯穿于人才培养的全过程，与专业教育的融合不够深入，学生对创新创业的理解和认知仍停留在较为肤浅的层面。

（二）课程设置初步构建

目前，多数高校已开设了创新创业基础课程，如创业学、创新思维等，同时也在尝试构建创新创业课程体系，然而，课程内容往往缺乏系统性和深度，与实际创业需求脱节。课程之间的衔接不够紧密，缺乏针对不同专业学生特点的个性化课程设计。此外，创新创业课程在整个课程体系中的比重相对较小，难以对学生产生足够的影响力，且教材更新速度慢，无法及时反映创新创业领域的新动态和新趋势。

（三）实践教学有所加强

为提升学生的创新创业实践能力，高校积极加强实践教学环节，建立了创业孵化基地、众创空间等实践平台，并组织学生参加各类创新创业竞赛。然而，实践教学的质量和效果参差不齐。一方面，部分实践平台资源有限，缺乏专业的指导教师和完善的服务体系，无法为学生提供有效的支持和帮助；另一方面，创新创业竞赛往往过于注重比赛结果，而忽视了对学生创业过程的培养和指导，学生在竞赛结束后难以将所学知识和技能应用到实际创业中。

（四）师资力量逐步扩充

随着创新创业教育的发展，高校对创新创业教师的需求不断增加，师资队伍逐步扩充。但目前大部分创新创业教师缺乏创业实践经验，多是从理论教学岗位转岗而来，在教学过程中难以传授给学生实用的创业技能和经验。此外，高校对创新创业教师的培训体系不完善，教师缺乏专业的培训和进修机会，难以跟上创新创业领域的快速发展。

二、生成式 AI 在跨专业创新创业人才培养中的存在问题

（一）技术方面存在问题

1.数据质量与偏差

数据不准确，训练数据可能存在错误或过时的信息，导致生成式AI输出不准确的内容，数据不完整，数据涵盖的范围不够全面，缺少某些关键信息或专业领域的知识，影响生成结果的完整性和实用性。

2. 模型能力局限

认知理解与逻辑推理不足，生成式AI所依赖的大模型在精准认知理解和逻辑推理方面存在明显局限。一方面，大模型易出现“幻觉现象”，输出事实性错误内容；另一方面，其内容生成本质是概率统计性的词汇预测，无法像人类一样完成长链条的动态逻辑推理，难以直接嵌入实际业务，需提升和弥补这两方面能力才能更好地落地应用。

难以处理复杂跨专业知识，跨专业创新创业涉及多学科交叉的复杂知识结构。生成式AI模型在训练时，难以充分学习和理解不同专业领域知识的内在联系与逻辑关系，导致在面对跨专业问题时，无法有效整合和运用多领域知识生成准确、有深度的解决方案。比如在医学与工程学交叉的项目中，难以将医学原理与工程技术知识融合起来提供创新思路。

数据规模与效益瓶颈，大模型性能提升与模型参数规模呈幂律关系，企业多认为扩大模型规模可实现通用人工智能，但近5年大模型参数规模指数级增强，对智能算力需求极大，且面临能耗难题 ，同时，高质量和高密度数据语料库也制约着模型规模的继续扩大，预计到2028年大模型训练将耗尽所有互联网公共数据资源。

（二）教学层面存在问题

1.课程融合困难

专业知识体系差异，不同专业有其独特的知识结构、概念框架和研究方法。例如，理工科专业强调实验、定量分析和工程技术原理，文科专业注重理论阐述、文本分析和社会文化现象研究。在跨专业创新创业课程中，要将生成式AI融入，就需要把这些差异巨大的知识体系进行整合，这使得课程设计的难度大大增加。

教学目标和重点的协调，每个专业的教学目标是基于本专业的核心能力培养设定的。在跨专业创新创业课程融合时，很难平衡不同专业目标以及确定生成式AI在其中的重点应用方向。

课程顺序和进度安排，不同专业课程的学习顺序有其内在逻辑，合理的进度安排对知识的有效传授很重要。在融入生成式AI后，要考虑如何在不打乱原有专业学习节奏的基础上，安排AI相关内容的教学顺序。

2.教师能力不足

跨专业知识储备不够，教师通常是在自己的专业领域有深入的研究和教学经验，对于其他专业的知识了解有限，在跨专业创新创业教育中，需要教师能够理解多个专业的知识，并且知道如何引导学生进行跨专业思考。

生成式AI技术掌握程度有限，虽然生成式AI发展迅速，但很多教师没有接受过系统的AI技术培训，对于生成式AI的原理、功能、应用场景和局限性缺乏深入的理解。

跨专业教学方法缺失，传统的教学方法在跨专业创新创业教学场景下可能并不适用，教师需要采用新的教学方法来促进不同专业学生之间的交流和合作，以及引导学生利用生成式AI进行创新实践。

三、生成式 AI 在跨专业创新创业人才培养中的作用

（一）创新思维启发

生成式 AI 能够通过展示大量创新案例、创意启发模型等，拓宽学生的视野，激发他们从不同角度思考问题，打破传统思维定式，促进创新思维的形成。生成式AI能够突破常规思维模式，为学生提供海量独特的创意和观点，如在产品创意构思阶段，它可生成各种新颖的产品概念和设计思路，激发学生的灵感，使其跳出传统思维框架，思考不同专业知识结合的可能性，开拓创新视野。借助生成式AI的数据分析能力，能帮助学生发现不同领域数据间的隐藏关联和潜在价值，引导其从新角度看待问题，挖掘跨专业创新创业机会，比如通过分析消费数据和科技趋势数据，找到科技与消费领域结合的创新点。

（二）跨专业知识融合

可以快速整合不同专业领域的知识信息，为跨专业学生团队提供知识共享与交流的平台，帮助学生更好地理解和融合多学科知识，形成综合性的创新创业知识体系。生成式AI可作为跨专业知识整合的桥梁，将不同专业领域的知识进行融合与再创造，如在医疗与信息技术专业融合中，AI能基于大量医疗数据和信息技术知识，生成智能医疗诊断系统等创新应用方案，让学生理解专业知识的互补性和融合应用方式。为学生创造跨专业交流与合作的场景和项目，促进不同专业背景学生围绕AI生成的主题或问题进行讨论与协作，加深对各专业知识的理解，培养跨专业沟通协作能力和团队精神，共同探索跨专业创新创业项目的可行性与实施路径。

（三）模拟创业实践

利用生成式 AI 构建虚拟创业场景，学生可以在其中进行市场分析、产品设计、营销策略制定等创业实践活动，提前积累创业经验，降低真实创业的风险。生成式AI能模拟真实的创业环境和市场场景，为学生提供虚拟的创业体验。如生成不同市场需求、竞争态势、消费者偏好等条件，让学生制定相应的创业策略和商业计划，提前了解创业过程中的挑战与问题，锻炼决策能力和应变能力。协助学生进行产品或服务的设计与优化，如生成产品原型、营销文案、用户反馈等内容，帮助学生快速迭代产品或服务，提高创业项目的质量和竞争力，使其在模拟实践中积累经验，为实际创业做好准备。

四、生成式 AI 赋能的跨专业创新创业人才培养模式构建

（一）优化课程体系

1.基础课程融合AI技术素养培育

设计跨学科基础课程，将数学、统计学、计算机科学等基础学科与生成式AI原理相结合。例如，在数学课程中引入AI算法中的数学模型案例，帮助学生理解生成式AI背后的逻辑基础，使学生具备基本的AI技术理解能力，为后续跨专业应用奠定理论根基。开设专门的生成式AI概论课程，涵盖其发展历程、技术架构、应用领域及伦理道德等内容，让学生全面认识生成式AI，培养他们在跨专业创新中主动思考AI应用的意识，激发创新灵感的同时，确保学生能在合乎伦理规范的框架内利用AI技术。

2.专业核心课程嵌入AI应用模块

针对不同专业核心课程，依据专业特性与AI的契合点设置应用模块，以工程专业为例，在机械设计课程中引入生成式AI辅助设计模块，教导学生利用AI进行产品外形优化、结构强度模拟等设计工作，提升设计效率与创新性；在医学专业的药理学课程中，利用生成式AI分析药物分子结构与疗效关系，帮助学生从海量数据中挖掘潜在的药物研发方向。

3.实践课程依托AI模拟创新场景

构建基于生成式AI的跨专业实践平台，模拟真实的创新创业场景，如市场变化、客户需求波动等情况。学生分组在平台上开展跨专业创新项目实践，利用AI分析市场数据、预测趋势，制定并调整创新策略，在实践中提升应对复杂多变环境的能力以及跨专业协作创新能力。

4.开展AI驱动的跨专业竞赛实践课程。组织不同专业学生参加，竞赛主题围绕AI在各领域的创新应用，如AI+智能城市、AI+健康医疗等。在竞赛过程中，学生需要运用跨专业知识与生成式AI技术，从创意构思、项目规划到成果展示全程参与，锻炼其在压力环境下利用AI进行跨专业创新的实战能力，并通过竞赛交流拓宽视野，激发更多创新思维。

（二）打造实践平台

1.虚拟创业实验室

建立基于生成式 AI 的虚拟创业实验室，学生在其中进行创业项目的全流程模拟，与虚拟团队、客户、投资者等互动。虚拟创业实验室借助先进的虚拟现实（VR）、增强现实（AR）和云计算技术，构建高度拟真的创业环境。学生可在其中进行市场调研、产品设计、商业模式构建等创业活动模拟，利用生成式 AI，实验室能为学生提供动态的市场数据、消费者画像以及竞争对手分析，帮助其制定精准的营销策略。例如，学生在开发一款新的移动应用时，可通过实验室获取 AI 生成的不同用户群体对应用功能的需求偏好数据，以此优化产品设计。同时，虚拟实验室支持多人协作，不同专业背景的学生可在此进行远程合作，打破地域和时间限制，共同探索创新项目的可行性，提升团队协作与沟通能力。

2.产学研合作平台

加强学校与企业、科研机构的合作，借助生成式 AI 促进知识、技术、人才的交流与转化，为学生提供真实的创业项目实践机会。产学研合作平台旨在整合高校、企业和科研机构的资源优势。高校提供理论研究和创新人才，企业贡献市场需求与实践经验，科研机构则带来前沿技术研发成果。通过建立合作机制，如联合研发项目、实习基地建设、技术转让等，促进生成式 AI 在跨专业创新创业中的应用。

（三）师资队伍建设

1. AI 技能培训

对现有教师进行生成式 AI 技术培训，使其能够将 AI 技术融入教学过程，掌握利用 AI 辅助教学与指导学生的方法。针对现有教师，定期组织专业培训与进修课程，内容涵盖生成式 AI 技术原理、应用案例、跨专业教学方法等。例如，选派教师参加人工智能领域的学术研讨会和专业培训工作坊，使其深入了解生成式 AI 的最新发展动态和应用趋势。鼓励教师到企业挂职锻炼，参与实际的跨专业创新创业项目，积累实践经验，以便更好地将理论知识与实践相结合，传授给学生。

2.跨专业教师团队组建

组建由不同专业教师构成的教学团队，结合生成式 AI 实现多学科教学协作，为学生提供全面的创新创业指导，积极引进具有跨专业背景和丰富实践经验的 AI 专业人才。这类人才不仅在人工智能领域有深入的研究，还具备多学科知识融合的能力。例如，引进既精通计算机科学又有金融行业背景的 AI 专家，能够在金融科技这一跨专业领域开展教学与研究工作，指导学生进行创新创业实践，为师资队伍注入新鲜血液，提升整个团队的教学水平和创新能力。

生成式 AI 为跨专业创新创业人才培养模式带来了创新的思路与方法。通过充分发挥其在创新思维启发、跨专业知识融合、模拟创业实践等方面的作用，构建完善的课程体系、实践平台和师资队伍建设机制，能够有效提升跨专业创新创业人才的培养质量，满足社会对复合型创新创业人才的需求，推动创新创业教育迈向新的高度。

参考文献：

[1]刘舒.地方高校艺术类专业创新创业人才培养模式研究[J]. 湖北开放职业学院学报，2024（17）

[2]关琳;李彩云.高校英语专业创新创业人才培养模式探索[J].创新创业理论研究与实践，2024（19）

[3]杨晓燕.高职院校计算机专业创新创业人才培养模式探究——以淮南联合大学为例[J]. 安徽职业技术学院学报，2023（02）

作者简介：

程海亮（1984.07-），男，海南海口，硕士，研究方向，创新创业、管理学