人工智能背景下高等继续教育人才培养模式的理论构建与适配路径

《教育强国建设规划纲要(2024—2035 年)》提出，要建设学习型社会，以教育数字化开辟发展新赛道、塑造发展新优势[1]。高等继续教育指面向成人开展的、以提升学历层次与职业技能为核心目标的非全日制高等教育形式，涵盖成人本专科学历教育、非学历职业技能培训，包含网络教育、开放大学教育等载体，具有“在职性、碎片化、实用性”三大特征，是终身教育体系的重要组成部分，在建设学习型社会的过程中发挥着重要作用[2]。高等继续教育作为衔接教育公平与产业需求的关键纽带，其发展质量直接关系到终身学习体系构建与人力资源强国建设目标的实现，在推动新型城镇化、促进就业创业、服务产业升级等方面具有不可替代的作用[3]。

在人工智能技术快速发展的时代背景下，高等继续教育面临新的发展机遇与挑战。我国高等继续教育在读群体中多数为为在职人员，该群体普遍存在“工学矛盾突出”“学习需求个性化”“技能更新迫切”等特征，传统以“标准化课程、线下集中教学、终结性评价”为主的培养模式，已难以适配数字经济下的学习需求—课程更新周期远滞后于技能迭代速度，理论课程占比高，忽视实操需求，静态评价无法反映能力动态变化等[4]。以智能推荐、虚拟仿真、教育大数据等技术为支撑，围绕“技能+素养”双目标，对培养目标、课程体系、教学实施、评价反馈、支持服务进行系统优化的技术框架为解决上述痛点问题提供可能：智能推荐可实现“需求—课程”精准匹配，虚拟仿真能突破实践教学壁垒，教育大数据可支撑过程性评价，但当前研究多聚焦单一技术应用，未形成系统的培养模式理论体系，且缺乏“学科—需求—技术”的适配分析。

本研究通过融合自适应学习理论、终身学习理论与教育生态理论，构建“目标—课程—教学—评价—支持”五维赋能理论框架，将 AI 技术嵌入人才培养模式全链条，形成覆盖“需求识别—方案设计—实施反馈”的完整体系；同时提出“学科—需求—技术”三维适配标准，明确理工科与文科、学历提升与技能培训的差异化应用路径，突破“技术万能论”误区。这一理论体系不仅能为高等继续教育机构提供可落地的理论转化路径，还能为教育管理部门出台相关政策提供理论依据，推动高等继续教育向“精准化、个性化、高质量”方向发展。

一、构建 AI 赋能高等继续教育人才培养的“五维协同—三维适配”理论框架

结合高等继续教育“在职性、实用性”的本质特征，以及 AI 技术“动态化、数据化、场景化”的赋能逻辑，为避免技术应用的碎片化与盲目性，从培养目标、课程体系、教学实施、评价反馈、支持服务等五个维度构建“五维协同”框架，聚焦培养模式全链条的系统性优化，覆盖从目标设定到服务支持的关键环节；从学科适配、需求适配、技术适配构建“三维适配”的一体化理论框架，兼顾不同学科、需求与技术场景的差异化要求。

（一）五维协同框架

培养目标维度：从传统“知识导向”转向“技能+素养”双导向。其中“技能”包含专业技能（如机械维修、电商运营）与数字技能（如 AI 工具使用、数据分析）；“素养” 涵盖终身学习素养（自主学习能力、资源整合能力）与 AI 伦理素养（数据隐私保护意识、算法偏见识别能力），确保培养目标既适配产业需求，又符合技术伦理要求。

课程体系维度：采用“模块化+动态化”设计。基础模块（如高等数学、大学英语）保障知识系统性；专业模块（如AI 会计实训、VR 机械维修）聚焦职业技能；个性化模块（如行业定制课程、兴趣拓展课程）满足差异化需求。同时建立“季度更新机制”，根据技术迭代与产业需求调整课程内容，如针对人工智能发展新增“AI 应用基础”模块，针对电商新业态更新“直播电商运营”课程。

教学实施维度：构建“线上+线下”混合式模型。线上依托 AI 技术实现“自适应学习”——智能答疑系统 24 小时响应学习疑问，学习路径推荐系统根据学员认知水平与进度动态调整内容；线下结合虚拟仿真技术开展实践教学，如理工科专业通过VR 设备模拟机械拆装、文科专业通过AI 政策库开展案例分析，同时保留教师引导环节，避免技术替代教育本质。

评价反馈维度：实施“过程性+终结性”结合的评价体系。过程性评价（占比 60% ）基于教育大数据开展，通过分析学习时长、错题分布、互动频率等数据，实时反馈学习效果；终结性评价聚焦能力应用，采用“项目式考核”替代传统笔试，确保评价结果真实反映实践能力。

支持服务维度：建立“智能+人工”协同体系。智能客服负责常规问题解答（如课程报名、平台操作）；教师团队基于学情数据提供精准指导，如针对学习困难学员制定个性化辅导方案，针对职业发展需求提供技能提升建议，实现“效率与深度”的平衡。

（二）三维适配标准

学科适配：根据学科性质差异选择 AI 技术类型。理工科（机械、电商、计算机）优先适配虚拟仿真与教育大数据技术，如机械专业通过VR 开展实训操作，电商专业通过大数据分析消费行为；文科（汉语言、行政管理、法学）优先适配智能答疑与智能推荐技术，如行政管理专业依托 AI 政策库开展案例检索，汉语言专业通过智能推荐获取经典文献资源。

需求适配：针对不同学习目标设计 AI 应用路径。学历提升需求侧重“系统课程推荐+过程性评价”，通过 AI 构建“核心课程+选修课程”的个性化学习方案，保障知识体系完整性；技能培训需求侧重“专项工具+终结性能力评估”，如会计学员通过 AI 报税模拟系统提升实操能力，设计学员通过AI 创意辅助工具完成作品创作，确保技术应用直接服务目标达成。

技术适配：基于 AI 技术成熟度、应用成本与伦理要求，结合机构资源禀赋设计适配路径。从技术层级划分，基础型AI 技术（如智能课程推荐、简易答疑机器人）适配西部基层机构或资源有限的院校，此类技术操作门槛低、年维护成本可控，可快速实现落地；进阶型 AI 技术（如多维度教育大数据分析、沉浸式虚拟仿真系统）适配东部优质机构或校企合作项目，需配套专业技术团队与设备，年投入较高，能实现深度赋能。同时，所有技术应用需嵌入数据安全模块，采用加密传输、权限分级管理等手段，符合AI 伦理规范，避免学员信息泄露与算法偏见。

二、AI 赋能高等继续教育人才培养理论框架的实施举措

为推动“五维协同—三维适配”理论框架从理论走向实践，需从高等继续教育机构、教育管理部门、理论研究领域三方协同发力，形成“实施—保障—优化”的完整闭环。

（一）高等继续教育机构应分阶段推进落地、强化能力建设并优化调整机制

高等继续教育机构应从实施节奏、师资储备、动态优化三方面发力：一是分阶段推进框架落地，优先聚焦课程体系与教学实施维度，完成智能推荐系统搭建与虚拟仿真资源开发，完善评价反馈与支持服务模块，避免盲目投入；二是加强教师 AI 能力建设，每学期开展“AI+教学”专项培训，内容涵盖智能工具操作、学情数据分析、AI 伦理规范，同时建立“AI 教学案例库”，收集不同学科的技术应用实例供教师参考；三是建立动态调整机制，每季度开展学员需求调研与技术应用评估，针对“推荐课程匹配度低”“虚拟仿真场景单一”等问题，及时升级算法模型、扩充实训资源库。

（二）教育管理部门要完善政策引导、加大资源支持并规范伦理监管

教育管理部门需通过政策、资源、监管三维协同保障框架落地：一是出台政策引导框架应用，制定《AI 赋能高等继续教育指导意见》，明确框架应用的基本标准与考核指标，并将 AI 技术应用纳入继续教育机构评估体系，推动机构主动落实；二是加大资源倾斜力度，设立“AI+继续教育”专项基金，对中西部地区与基层机构给予一定的补贴，同时建立“东西部帮扶机制”，组织东部优质机构向西部共享 AI 资源与实践经验；三是规范 AI 伦理监管，制定《高等继续教育 AI 应用伦理规范》，明确数据收集、使用、存储的边界，严禁超范围采集个人信息，每年度开展 AI 算法审核，评估推荐系统、评价系统的公平性，防范伦理风险。

（三）理论研究领域需加强跨学科融合、建立动态更新机制并推动实践验证

理论研究领域需为框架优化提供学术支撑与迭代动力：一是加强跨学科融合研究，整合教育技术学、成人教育学、计算机科学、伦理学等学科理论，深化 AI 技术与培养模式融合的内在机制，破解“技术适配性”“伦理嵌入”等关键问题；二是建立理论框架动态更新机制，跟踪通用人工智能、教育大数据等技术的迭代趋势，结合产业需求变化（如数字经济、绿色经济对技能的新要求），每年调整框架内容，确保理论先进性；三是推动框架实践验证研究，联合不同类型的继续教育机构开展试点，通过跟踪调研，收集学员满意度、技能提升效率等数据，优化框架细节，形成可复制的理论转化范式。

三、未来与展望

从理论与实践价值来看，本研究构建的“五维协同+三维适配”框架，填补了 AI 技术与高等继续教育人才培养模式深度融合的系统性理论空白——“五维协同”实现了培养目标、课程、教学、评价、支持服务的全链条覆盖，避免了传统研究中技术应用碎片化的问题；“三维适配”则通过学科、需求、技术的差异化设计，破解了“技术万能论”导致的场景适配性不足难题，丰富了教育技术学与成人教育学的交叉研究成果。在实践层面，该框架为高等继续教育机构提供了清晰的理论转化路径，能有效解决传统模式中个性化不足、实践薄弱等痛点，提升学员学习满意度和技能；同时为教育管理部门制定相关政策提供了理论依据，可推动高等继续教育从“标准化供给”向“精准化服务”转型，更好适配数字经济下的人才培养需求。

未来需进一步深化 AI 伦理与培养模式的融合深度，在课程体系中增设“AI 伦理案例分析”模块，在评价反馈中纳入“伦理合规性”指标，确保技术应用与价值引领协同推进，避免技术工具化倾向；针对我国东西部继续教育机构技术基础差异，需设计“低门槛、高适配”的西部专属子框架，开发轻量化智能工具（如简化版虚拟仿真软件）、优化 AI 系统操作流程，降低西部机构的应用门槛，缩小区域发展差距；此外，还应选择不同类型的继续教育机构开展框架试点，通过实践反馈收集学员学习数据、教师应用体验、机构运营成本等信息，持续优化框架内容，形成“理论—实践—理论”的迭代循环，最终为全国高等继续教育人才培养模式改革提供可复制、可推广的理论范式与实践经验，助力终身学习体系与技能型社会建设。

参考文献

[1]张勇志. 人工智能赋能继续教育高质量发展的内涵、困境与突破[J]. 继续教育研究, 2025, No.314(10): 7-12.

[2]姜大源. 论迭代、加速、平衡：新时代继续教育的理论视角[J]. 职教论坛, 2024,40(01): 77-85.

[3]银奕淇,郭文斌,刘彦奇. 高等学历继续教育高质量发展的内在逻辑、实践指向与行动策略[J]. 教育与职业, 2024, No.1051(03): 83-90.

[4]杨雅琴. 人工智能在成人继续教育教学中的实践应用[J]. 信息与电脑, 2025,37(16): 152-154.

作者：梁双杰，男，汉族，1986 年 6 月研究方向：思想政治教育，硕士，副教授

汪龙，男，汉族，1995 年 5 月研究方向：思想政治教育，硕士，讲师。

项目来源：2024 年中国成人教育协会终身教育项目研究基地研究项目，课题名称：人工智能背景下高等继续教育人才培养模式的实践和探索（24CB01）