AI驱动下数字媒体专业课程体系的优化逻辑与实践框架

一、引言

目前数字媒体行业发展迅速，根据中国互联网络信息中心统计数据：截至 2024 年 6 月，中国网络视频用户数达到 11.2 亿；中国短视频用户超过 10 亿；中国的直播电商规模已经突破了 5 万亿元；VR、AR、虚拟数字人、元宇宙等场景实现了爆发式增长；AIGC 现在已经能够实现让 AI 进行具体的任务如能够根据指定素材自动生成数字故事脚本，可以自主绘制图片，能够代替编辑自行拆分镜头。相关的专业毕业生虽然有一些技能，但是由于缺少一些技术、创意相结合的人才，不能够很好的为数字媒体行业服务。

二、AI 驱动下课程体系优化的逻辑基础

AI 技术重构数字媒体岗位，传统文字编辑要转变为“AI 内容审核 + 创意优化”类型的人才，这类人才既要懂 AI 内容生成工具有何功能，也要会通过审查改进 AI 所产出的内容，并对内容有再优化再创意思维。设计师岗位则可以熟悉使用 AI 辅助设计软件，在用即梦的设计过程中完善设计细节，对于算法逻辑也要有充分的了解，这样才能做出更加合乎智能化、符合智能推荐的优质作品。

目前数字媒体专业课程体系难以适应 AI 时代的需求，存在着 4 个方面的短板：第一，内容滞后，没有涵盖包括 AI 在内的前沿技术，使学生在进入工作以后不得不重新学习掌握最主流的 AI 软件，就业成本过高；第二，课程结构不合理，理论和实践脱节，缺少跨学科的课程，无法提供给学生人工智能技术底座；第三，教学方式比较单一，多采用填鸭式教授方法，缺乏互动性；第四，评价体系较为单薄，过于注重学生的理论水平，忽视了对学生 AI 运用以及实践能力的考核。通过上面的阐述可知，课程体系优化应该遵循以下四个维度：需求导向逻辑，根据行业岗位需求确定课程研发方向，研究企业的招聘要求，并走访行业内专家，明确各类岗位所要求的 AI 技术和专业能力，倒推人才培养方案来满足行业岗位需求；技术融合逻辑，在专业课程教学过程中融入 AI 技术，而不是简单叠加 AI 课程；能力本位逻辑，根据数字媒体专业和 AI 专业双能力需要来设定教学模块，围绕“数字媒体专业能力+AI 技术应用能力”完成相关教学活动；动态调整逻辑，随着行业技术的发展，及时更新课程内容来适应行业发展需要。

三、AI 驱动下课程体系的实践框架

课程模块设计需构建“基础-核心-跨学科-实践”四层体系，其中基础课程模块为学生奠定扎实知识基础，数字媒体基础课程涵盖数字媒体概论、数字图像处理等内容以帮助学生掌握传统数字媒体技术；核心专业课程模块聚焦 AI 与数字媒体的深度融合；跨学科融合课程模块打破学科壁垒；实践与创新课程模块注重能力落地，项目实践课程选取企业真实项目，创新创业课程邀请行业创业者分享经验并指导学生开展 AI 数字媒体创业项目策划，学科竞赛与实训环节会组织学生参加全国大学生数字媒体科技作品竞赛，同时与企业合作建立实训基地以让学生在真实工作场景中提升实践能力。

师资队伍是课程体系优化的核心支撑，师资培养方面会定期组织教师参加 AI 技术培训，同时安排教师参加数字媒体行业研讨会以了解行业最新动态，还会鼓励教师参与企业项目实践，让教师在实践中提升 AI 技术应用能力与行业经验并将实践案例转化为教学资源。

师资团队建设强调跨学科协作，会组建由数字媒体专业教师、计算机专业教师与企业专家构成的教学团队。课程开发过程中，数字媒体教师负责专业内容设计，计算机教师提供 AI 技术支持，企业专家提供实践案例；教学过程中，团队共同指导学生项目，确保教学内容既符合专业培养目标，又具备技术先进性与实践可行性。

四、挑战与展望

在 AI 驱动下的数字媒体专业课程体系优化已取得一定成果，但依旧存在难题：技术更新速度快与课程内容滞后相矛盾。AI 技术迭代周期不断缩短，AI 生成视频由最初仅能从文本生成片段直至现在能够直接生成完整长视频仅花费一年时间，但目前高校课程开发、审批、实施都要经过 6-12 个月才能投入使用，对于相关专业的教学工作者来说，一旦使用后随即就需要更换新课程内容。这就意味着需要高校针对新课程开展进行课程动态更新调整。其次，开展跨学科融合难，数字媒体专业教师多是艺术、新闻类学科出身，缺少 AI 技术底层基础，而计算机类教师又往往对技术怎样解决数字媒体的具体问题有些陌生，再加上跨学科的教学团队容易出现由于“技术实现”与“专业需求”之间的认识偏差而产生冲突，在短时间内难以磨合协调，因此跨学科的课程建设需要学校统一调配和统筹管理来破除当前的管控行程机制障碍。

除此之外还有实践教学资源不够充分的问题。实践性教学资源包括 AI 数字媒体实验室的建设资金较多、耗资较大，计算机、AI 开发软件和动作捕捉设备等高硬件价格导致部分地方高校因经费不够而无法购置齐备，虚拟仿真平台需要专业技术人才进行开发，并且其后期也需要巨大的维护费用，企业的合作意愿也不够强，如此种种都会使得实践平台不能覆盖所有学生的学习要求。最根本问题在于人才培养质量评价标准模糊，AI 驱动下数字媒体人才“创意能力”和 技术应用能力”不能够通过量化指标进行客观地评判，AI 生成的内容创意如何提升？如何把智能分析数据用于决策制定都是不可量化的，而这种区别恰恰决定各个院校或者企业之间对于人才培养的质量评价具有较大的主观性，不能给出客观有效的结果，同样也无法做出可比性的评价。面对挑战，接下来要将课程往纵深和广度不断拓展延伸，建立起“行业技术动态监测机制”，联合 10-15 家头部企业组成“课程顾问委员会”，每月把行业的最新技术和新的岗位需求及时反馈给学校，并根据反馈情况每个月修订一次课程模块的内容；根据各企业运用新技术的发展进程逐步进行相应课程的教学，共建课程群，筹建“微课程资源库”，并且将最新的 AI 新技术、新案例分别转化为 15-30 分钟的微课程，通过线上平台不断给到相应的教学补充。

跨学科融合可以“跨学科专业集群”进行建设，例如以数字媒体专业为基础，融合计算机、数据科学、艺术设计等相关专业，成立“AI 数字媒体产业学院”，实现“一套培养方案、一套教学资源、一支师资队伍”的共管共育共享模式。从长远的角度出发，未来元宇宙、脑机接口等新技术不断深化与数字媒体的融合，数字媒体的专业课也将会朝着“虚实融合、人机协同”的方向发展，在这一过程中，除了在课程中加入 AI 技术以外，还要学习元宇宙的场景构建、虚拟交互设计等方面的内容；以往的教学更多的是以线下的实体课堂为载体，但是未来教学更多的会是基于 VR 设备下开展的“沉浸式教学”，学生可以在虚拟空间中模拟 AI 驱动下的媒体项目开发；培养的人才从现在的“技术+创意”的复合型人才向着能够驾驭多种技术融合以及有跨场创新性的高端数字媒体人才转变，为我国数字经济高质量发展提供有力的人才支撑。

参考文献

[1] 甘丽，田利娟.AI 大模型驱动下“创业基础” 课程教学的优化与实践[J].唐山学院学 报，2025，38（04）：74-78.DOI：10.16160/j.cnki.tsxyxb.2025.04.011.

[2] 张 婷 ， 王 祖良 ， 陈砚 圃 ， 等 .AI 赋 能数 字电 子技术 课程 教学 模式 研究 [J]. 信 息与 电脑，2025，37（18）：203-205.

作者简介：

饶玉涵（1995.8—），女，汉族，籍贯：四川人，艺术设计与动画学院，助教，研究方向：人机交互，智能媒体教育与技术融合