摘 要：近年来，以大语言模型为引领的生成式人工智能GenAI（Generative Artificial Intelligence）正在迅速改变着人类社会的发展进程，也对于全球的高等教育产生了巨大影响。GenAI正在赋能和改变着传统的高等教育模式及教学方式方法，赋能了学生的学、教师的教和高校的管，推动着高等教育改革进程。但人们更加关心的问题是：GenAI如何通过赋能高等教育真正提升学生的创新能力？为此，需要探究学生的能力要素、能力培养与训练、能力测评和认证，以及GenAI如何改善这些环节等问题。本文将以GenAI提升学生专业能力为目的，探究高等工程教育领域学生的能力要素、能力培养与度量，提出学生能力要素度量矩阵；进而，面向学生能力的培养与测评，提出能力的培养与训练、测评和认证体系；接着，提出GenAI赋能工程教育过程中的导、学、教、测、评、证、管的方式方法，从而提升学生的专业能力；最后，以软件工程专业为例，具体给出GenAI支持软件工程专业能力培养体系及能力等级测评认证体系的典型示例和具体举措，并指出以GenAI赋能高等工程教育的改革与创新要点。
关键词：生成式人工智能 AI赋能教育 高等工程教育改革 学生能力培养 能力测评与认证
一、引 言
当前，以生成式人工智能GenAI为代表的数字化技术不断冲击传统的高等教育模式与人才培养体系，并引发新一轮的高等教育改革创新。高等教育数字化以数字化理念和数字化技术改善高等教育教学的内容、方式、载体、手段、过程、体验与环境，从而提升教育的质量、效率、效果、传播与共享。GenAI正在重构教育教学新形态[1]，通过在高等教育中广泛应用智能技术，包括多形态智慧教学、智能教师与智能助教、智能问答、智能学习助手、多模态教学内容生成、智能练习、智能评测等，改变着高校的教、学、研、管，实现教育模式创新、教育过程优化、教育质量提升，改善学习体验、效率、效果，也为高等教育界培养多类型的创新人才带来新机遇与新探索。我国也在借人工智能的东风，推动教育数字化战略行动走向集成化、智能化与国际化新阶段，推动数字教育的应用、共享与创新，以教育数字化支撑引领中国教育现代化。[2,3] 2024年1月，教育部怀进鹏部长在“2024世界数字教育大会”主旨演讲中指出：“中国国家教育数字化战略行动将从联结为先、内容为本、合作为要的‘3C’走向集成化、智能化、国际化的‘3I’”，“更智能化发展数字技术，服务人的全面发展”。[2] 2024年12月，我国在“2024世界慕课与在线教育大会”上宣布了“智慧教育元年”的开启。[1]
在GenAI的影响下，国内外高等教育数字化转型明显加快。[4,5] 高等教育数字化发展呈现出了一系列新特征、新范式与新路径。[6,7] 高等教育的数字化、网络化、智能化、虚拟化、服务化等趋势，催生了互联网+教育、慕课+在线教育、服务+教育、AI+教育、元宇宙+教育等新形态。[8-11] ChatGPT、OpenAI o3、DeepSeek、Grok-3、讯飞星火、文心一言、智谱清言、豆包等大模型技术为高等教育数字化转型注入了强劲的动能，大大加速了高等教育数智化的新发展。教育大模型的建设与人工智能应用正在赋能创建未来教育新格局[12,13]；更有众多学科领域的学科垂直大模型不断涌现，“AI+教育”的成功案例不断丰富，大模型及AI在高等教育中的应用成效得到广泛认可[14,15]，推动着高等学校教学与人才培养模式的深化改革与创新。
在AI赋能教育取得丰硕成果的同时，众多高校也在探索着一个新问题：AI尽管能够从多种方面改革高等教育方式、教学方法和提质增效，但AI如何能够通过赋能高等教育而真正提升学生的创新能力与可持续竞争力？一般而言，学生接受高等教育的目标是求知、增能和成才。AI赋能教育也同样是为了加速达成这一教育目的。因此，人们一直在探究，高等工程教育培养的学生专业能力相关要素是什么？如何通过AI赋能教育全过程提升学生的专业能力？学生的专业能力应该如何培养和训练？又是如何对其进行能力度量、测评和认证？如何构建一个AI赋能的面向专业能力提升的人才培养体系及能力测评认证体系？本文将围绕这些问题展开研讨与论述，提出“能力四要素”概念和“专业能力要素矩阵”度量方法，进而构建一种AI赋能高等工程教育和学生能力培养、测评与认证的体系。
二、学生的可持续竞争力与专业能力要素
1、数字时代学生的可持续竞争力
高等教育教学的核心是学生的能力培养，尤其是高等工程教育特别强调工程技术创新、工程项目实施与管理，更加注重对学生专业能力的培养。2017年以来，我国“计算机教育20人论坛”一直在探讨面对不断变化的科学技术和社会环境，如何进行计算机教育改革，培养具有应变能力与竞争力的计算机创新型人才。[16,17] 2019年，“计算机教育20人论坛”编写了一本蓝皮书：《计算机教育与可持续竞争力》。[16] 该蓝皮书针对当前和未来信息科技发展与信息化社会变革，探究未来10-15年计算机教育的新形态与计算机人才培养的新模式；从新时代的可持续竞争力培养目标出发，提出了“可持续竞争力（Sustainable Competence）”概念，“可持续竞争力是面对未来社会变化和竞争的适应能力、基于使命和技术的创新能力、推动社会发展与科技进步的行动能力”。[16] 该蓝皮书全面阐述了可持续竞争力关键要素、面向可持续竞争力的敏捷教学与开放教育生态概念与内涵等。[16] 可持续竞争力强调学生应对技术更新与环境变化的应变创变能力、创新创业能力和跨界整合能力，也是未来培养创新人才的目标与要求。[17] 由于蓝皮书提出的“可持续竞争力”概念与国际计算机协会ACM的《计算机专业的课程体系（ACM/IEEE-CS CC2020）》提出的“胜任力”概念比较相近，这一提法被收录到CC2020报告的附录I中[18]，并在国际上产生了较大影响[17,18]。
2、学生的专业能力要素
本文的重点是研究工程教育涉及的专业能力及其培养问题。工程门类能力指学生或人才在相关行业领域解决各类工程技术问题或企业生产问题的专业能力。这种能力是与一些相关要素相关联的，包括专业知识、技能、工程实践与综合素质等。从长期的人才职业能力训练与发展途径、工程教育经验和人才培养规律看，工程教育培养的学生专业能力的相关要素主要包括四个要素：专业知识、技术技能、问题求解、职业经验等，可称为“能力四要素”。
（1）专业知识指学生对于专业知识的学会、理解、融通、运用的掌握程度。
（2）技术技能指专业或行业的技术、工具、使用、熟练的技能程度。
（3）问题求解能力指问题的分析、求解、创造、创新的能力成熟度，反映学生运用所学的专业知识、技术方法与工具处理复杂工程问题的能力水平。
（4）职业经验指学生从事专业/行业的精神、组织、经历、经验的职业素质成熟度。
在“能力四要素”中，问题求解能力居于核心地位，是培养学生专业技能与综合本领的关键。复杂工程问题的求解能力包括专业领域能力和工程系统能力，体现着学生运用所学的知识与技能来发现、提出、分析、处理问题的“真功夫”。专业领域能力分为专业技术技能类能力和科学创新与知识发现的研发能力。工程系统能力则体现着求解复杂工程门类问题的系统性综合能力。高等工程教育既要培养学生求解专业相关问题的能力，又要重视复杂工程门类能力的培养，并将二者相统一。
专业知识是理解与分析问题的基础，可以用知识体系或知识图谱来表示。从知识图谱迁移到能力图谱，专业知识为复杂工程问题的求解能力提供了理论与方法的基础。基于知识图谱构建起的学习路径可以转化为能力形成和提升的路径。
技术技能是学生运用技术平台、设备、仪器或工具处理工程问题的方法与工具。学生在解决实际工程问题的过程中往往需要借助具体的技术工具和实际操作技能通过动手实践来解决问题和完成任务。
职业经验反映了一个人的工程经验或企业实践经历、解决复杂问题的素质与经验、创新能力等方面。由于复杂问题特别是难度高的复杂工程问题涉及工程技术、项目管理、协调组织、质量保障、风险管控等技术层面和非技术层面的问题，这就需要学生不断提高其行业职业素质与经验，要求和挑战度更大。良好的职业素质与经验为学生有条不紊地解决复杂工程问题提供了有力保障。
为了提升学生解决专业相关问题的综合能力，必须同时提高其专业知识、技术技能、问题求解能力和专业经验及素质。当然，对于学生的培养而言，学生的综合素质、思想道德、心理素质、身体素质等也非常重要，将另文讨论之。
计算机协会ACM前不久发布的《计算机专业的课程体系（ACM/IEEE-CS CC2020）》提出了“胜任力（Competency）”概念，包括四个维度的能力要素：知识、技能、品格（Dispositions）、任务等。[18] 其中，知识强调了“know-what”认知，技能强调了“know-how”方法，品格强调了“know-why”动机，“任务”表述了如何有技巧地运用知识使品格动机具体化的行动。[18] 这与本文的观点有异曲同工之处。
AI赋能高等工程教育应在上述能力维度与要素上助力学生能力的培养与提升，使学生的“能力四要素”得到均衡的发展。随着数字时代经济社会与教育的快速发展，还要注重学生持续学习、不断实践、提升能力、全面发展的教育，帮助学生树立终身学习意识和能力，引导学生不断保持其可持续竞争力。
三、专业能力的培养、测评与认证
1、能力要素度量矩阵
为了正确引导面向学生能力提升的人才培养与教育体系建设，需要建立学生专业能力的发展目标、度量方法、测评与认证和培养途径，并探究如何利用GenAI赋能高等工程教育改革和人才培养的全过程，促进学生专业能力的提升。为此，本文提出一个度量专业人才能力的“能力要素度量矩阵”，或简称为“能力要素矩阵”。
“能力要素矩阵”的矩阵列是人才的能力要素维度，分为专业知识、技术技能、问题求解、职业经验等“能力四要素”，其语义如上节所述。该矩阵的行是人才的能力等级维度。
根据行业工程师的资格认证或能力认证的经验，为了标识专业能力的水平，我们把人才的能力等级划分为初级、中级、高级三档，又细分为8级。其中，初级分为1、2、3级；中级分为4、5、6级；高级分为7、8级。
在“能力要素矩阵”中，矩阵行是能力等级：分为8级，其中，
（1）初级（1-3级）：是基础基本级，包含人才的专业基础知识、基本技能、基本问题求解能力、基本经验与素质等。该等级主要考察学生的基础知识、基本技能和基本能力。
（2）中级（4-6级）：是中等综合级，包含专业核心知识、平台工具、综合问题求解能力、行业经历经验与职业岗位核心素质等。该等级主要考察学生或从业人员的核心知识、主流技术水平和综合问题求解能力。
（3）高级（7-8级）：是高级专业级，包含高级专业素养、复杂问题求解与创新能力、资深的行业经历、经验与综合素质等。该等级主要考察学生或从业人员的创新能力、技术领导力和综合业务素质。
由能力要素维度和能力等级维度构成“能力要素矩阵”，如图1所示。
图1 能力要素度量矩阵
针对不同的专业或行业，可以对相应8个能力等级的四个要素维度进行比较精准的描述或定义，以标识和度量人才的专业能力水平与成熟度。通过“能力要素矩阵”的等级标准定义与水平度量，我们可以对于学生或人才的专业能力进行较为精准的测评与认证。
关于该“能力要素矩阵”的能力等级标准与技术难度要求的定义与描述，需要通过行业企业与高校相关专业来一起合作，共同制定，联合测评与认证。还应按照相应的专业行业，遵照国际通行标准规范，提出面向行业的能力认证标准，用以指导学生专业能力的培养与训练、能力等级的测评和认证。
2、软件工程专业的能力要素度量矩阵
为便于理解能力要素矩阵的含义，本节以软件工程专业的人才培养为例，给出软件工程专业的一个能力要素度量矩阵，如图2所示，可以更好地说明软件工程专业面向能力提升的人才培养、能力等级标准与能力度量。
图2 软件工程专业的能力要素度量矩阵
按照能力要素矩阵的体系结构与等级设置，可以把软件工程的专业能力等级标准分为初级、中级、高级三档和8级。具体的能力等级划分及描述如下：
（1）初级：初级程序员
I．入门级程序员：懂得软件工程基本知识，会用至少一种语言编程，编过比较简单的程序，会用程序表示和处理简单问题。参加过简单的软件开发项目。
II．基础级程序员：熟悉软件工程核心知识、基本算法及开发规范；可在主流平台上开发软件模块，编过数百行乃至上千行程序；会用数据结构、基本算法和软件工具处理一般问题；有一定的软件项目实践经验。
III.骨干级程序员：熟练掌握软件工程与计算机系统的基础理论知识和主流软件架构；能按照软件工程规范和主要算法设计软件模型和开发软件，编过上千行程序，会设计数据库及应用系统；能用软件技术分析较复杂问题，并能够进行软件系统设计及过程管理；有在软件企业或软件实验室中以软件开发者、软件测试者或软件项目管理者的角色参加研发软件项目的实践经验。
（2）中级：软件工程师与主任设计师
IV.软件工程师：系统地掌握软件工程和计算机系统的理论知识和主流技术，熟悉开源的软件资源与开发规范；按照软件工程规范、先进算法和工具设计软件模型和全过程地开发软件系统，编过数千乃至上万行程序，会设计数据库、系统软件、软件平台及系统；能够用软件工程方法将复杂问题进行分解，并具备分析、设计与管理相应软件开发任务、解决较复杂问题的能力；有在软件企业或软件实验室中以软件开发者、软件测试者或软件项目管理者的角色研发中等难度软件产品的实践经验。
V.分系统设计师：全面掌握软件工程和计算机系统的理论方法和主流技术，走过软件全生命周期；能带领小组运用开源软件资源、软件工程规范和主流工具分析业务过程、设计软件模型和开发数万或十万行程序规模的软件，并运用软件工程支撑工具管理软件开发过程；能系统地用软件方法分析和解决复杂问题，并具有管理软件开发、测试与维护全过程的能力；有在软件企业或软件实验室中以软件设计者或软件项目管理者的角色负责研发具有一定规模软件产品的实践经验。
VI.主任设计师：具有前面的分系统设计师资质，全面掌握软件工程最新方法和最新技术；能带领小规模的团队，运用开源软件资源，按照软件工程规范分析业务过程、设计软件系统及模型、开发数十万行程序规模的软件系统，并运用软件工程支撑工具管理软件开发、测试与维护全过程；能够系统地用软件方法分析和解决具有一定难度的复杂工程问题，具有较全面的软件项目管理能力，具有质量意识和质量保障能力；有在软件企业或软件实验室中以软件系统设计者或软件项目管理者的角色负责研发较大规模软件产品的实践经验。
（3）高级：高级软件工程师、系统分析师与系统架构师
VII.高级软件工程师（系统分析员）：具有前面的主任设计师资质和专业知识，了解到软件技术的最新发展趋势；能带领一定规模的团队按照软件工程规范分析业务过程、设计软件系统及模型、开发高质量的复杂软件系统产品；能选择最新的软件技术和方法、平台与工具系统地分析和分解具有较高难度的复杂工程问题，并通过项目管理带领团队完成较高难度的软件工程任务，具有质量意识、安全意识与风险意识；有在软件企业或软件实验室中以软件系统分析员或软件项目管理者的角色负责研发较大规模软件产品及应用实施的实践经验。
VIII.系统分析师/系统架构师：具有前面的高级软件工程师资质和专业知识，了解到软件行业的最新技术与业务发展趋势、开源软件生态发展现状；能带领较大规模的团队按照软件工程规范分析企业级软件业务过程及需求、设计复杂软件系统及模型、协同开发大规模、高质量的复杂软件系统产品；能准确判断市场或行业需求，正确选择最新的软件技术和方法、平台与工具，系统地分析和解决具有大规模与高难度的复杂软件系统或产品的问题，并完成整个软件项目的全过程管理及质量保障，并具有软件安全与风险管控能力；有在软件企业或软件实验室中以软件系统分析师/架构师或软件项目管理者的角色负责领导研发大规模软件产品及应用实施的实践经验。
这里只是以软件设计与开发技术为主要背景的能力等级标准的一般性描述。事实上，按照软件行业或企业的不同岗位和角色的要求，相关能力等级的描述标准会有所不同。这里就不再赘述。
3、学生专业能力的培养
在高等工程教育过程中，要强调学生专业能力的培养与提升。根据工科院校的长期教学经验和近年来产学合作协同育人的实践，若要提升学生的专业能力，主要通过以下途径和环节：课程教学、自习及作业练习、实验练习、项目实践、企业实习和工程训练、“课训赛”、“测评证”等，如图3所示。
图3 学生能力的培养与训练
对标“能力要素矩阵”的8级能力等级标准，结合各级能力要素的专业知识、技术技能、问题求解能力难度、专业经验和综合素质的要求，可以制定对应能力四要素I—VIII级的教学计划与培训大纲，对学生进行能力的培养与培训、“课训赛”、“测评证”，可以使学生逐渐达到相应能力层级，并利用GenAI加速能力达标的进程。
（1）课程教学和自习及作业：这是教育学生学习专业知识和技术的主要途径和基本方式。课程教学内各种测试、课外作业练习活动等能够帮助学生熟练掌握专业知识和学习问题求解方法。
（2）实验练习和项目实践：实验实践是提高学生实际动手能力和问题求解能力的重要环节。学生通过参与科学实验、课程设计、项目实践、科研活动等，可以熟练掌握相关技术和技能，逐步提升运用专业知识和技能求解复杂问题的能力。
（3）企业实习实训和工程训练：这是丰富学生行业职业经验和解决复杂实际问题的最佳方式。通过企业实习实训，可以使学生在企业实际环境下面对实际的工程技术或生产问题，按照企业规范与流程解决复杂工程问题，使理论与实际相结合，深化所学技术技能，增长行业经历，并积累企业经验，提高职业的综合素质。
（4）“课训赛”：可以通过科技竞赛驱动学生的知识学习与技术创新，而把课程学习与竞赛训练相结合是激励学生提高技术技能和创新能力的有效方式。基于能力要素矩阵和问题，通过“以赛带训、以训带课”，可以使教学与行业问题有更好的结合，使学生学用结合；也可以通过竞赛奖励，选拔和激励优秀的学生创新创造、脱颖而出。
（5）“测评证”：通过测评和认证学生达到的能力等级标识人才的能力水平，鼓励学生步步进阶，学有所用，也可以引导高校与企业的产学合作协同育人。通过对学生能力等级的测评和认证，可以评定和标识人才的能力等级，便于企业和用人单位识别学生的能力水平，以便量才而用，人尽其才。
一般地，在高等工科院校四年制教学中，大一学生可以达到能力等级的初级I级；大二学生可以达到初级II～III级；大三学生可以达到初级III级；大四毕业生可达到中级IV级，少数优等生可达中级V级。研究生可以从中级开始，研一学生可达中级V～VI级；研二级学生可达中级VI级；研三毕业生或工程博士生可达到高级VII级，少数优等生可达高级VIII级。
4、学生专业能力的测评与认证
为了对学生的专业能力等级进行认证，就应该先对其能力进行专业知识、技术技能、问题求解、职业经验等方面的测试与评价，然后进行能力等级认证，并颁发相应的等级证书。
（1）能力等级测试
可以根据不同能力等级的要求，设置相应难度的题目进行测试，主要包括两部分：
专业知识与技术测试：按能力等级标准设置不同水平的测试题，主要包括专业与行业相关的专业知识及技术问题测试。要求学生进行答题。例如，关于软件工程专业的知识测试，可按能力等级标准设置不同水平的知识测试题，主要包括计算机与软件工程专业、软件行业相关的专业知识及技术问题求解测试题，要求被测的学生或从业人员在限定时间内给出答案。
技能与能力测试：按能力等级标准设置不同难度的测试题，主要包括专业与行业相关的技术、技能与工程问题，并具有一定的难度。要求学生给出问题的解决方案。例如，关于软件工程专业的技能测试，可按能力等级标准设置不同难度的软件系统开发、测试与维护的测试题，主要包括软件工程专业与软件行业相关的技术、技能、工程与项目管理问题，并具有一定的难度。要求学生在一定的期限内给出问题的解决方案，包括软件分析、设计、实现、编程、测试、维护等方案、软件项目实施方案、软件质量保障、软件项目管理及相关技术说明书等。
为此，需要建立专业知识与技术技能测试题库，涉及专业知识、技术技能、问题求解、职业素质等方面，并采用基于大模型的智能出题和判题工具辅助实施能力测试。每级同等难度的题可通过专家出题和大模型出题相结合的方式生成，用于专业能力等级测评与认证及训练。
（2）能力等级评价
在专业能力等级评价时，要在专业知识、技术技能、问题求解、职业经验四个要素维度上全面评价，并着重在以下三方面进行评价：
资格审核：基本资格/资历评价。例如，在软件工程专业学生能力评价时，应对被评对象（学生或从业人员）的基本资格、从事软件工程专业或行业的资历进行基本评价。可以通过对学生画像、资料审查或大数据分析进行评判。
素质与能力审核：职业阅历/经验评价，包括对被评对象（学生或从业人员）的职业阅历、从业经验、业务素质等进行分项评价。可以通过资料审查与面试进行评判。
综合职业素质评价：综合职业素质与面试评价，包括对被评对象（学生或从业人员）的综合职业素质、心理素质与精神面貌等进行综合评价。这主要通过面试进行评判。
为此，需要建立专业能力等级标准库、学生行为大数据库、相关指标测试库，并采用基于大模型的智能判题工具辅助专家进行能力综合评价。由生成式AI工具做客观评测，专家做主观评价，然后得到学生的能力等级的测试与评价结果。
（3）能力等级认证
在进行学生或从业人员的能力等级认证时，要求其在专业知识、技术技能、问题求解、职业经验四个要素均达到该级时，方可评为该等级的认证。否则，不能定级，防止综合能力失衡。例如，在进行软件工程专业能力等级认证时，要依据图2的等级标准逐项进行考核，要求被测对象在软件工程领域的专业知识、技术技能、问题求解、职业经验四个要素均达到相应能力等级时，方可评为该等级的认证。
可采用材料审查、题目测试、问题求解、场景评测、综合面试等混合方式进行能力等级认定，并颁发能力等级证书。例如，在进行软件工程专业能力等级认证时，可采用材料审查、软件工程专业知识问答题、软件设计与开发测试题、软件工程问题求解能力测试、软件行业岗位模拟场景评测、综合面试等混合方式进行能力等级认定，并颁发软件工程专业能力等级证书。
原则上，能力等级认证不越级，以保证学生专业能力与素质的稳健提高和能力测评结果的可达性与可信性。能力等级的测评与认证可采用“专家+AI评测工具”完成之，由GAI工具做客观评测，专家做主观评价。测评与认证专家也必须经过培训与认证，达到相关等级后，持证上岗。
四、GenAI赋能高等工程教育和提升学生能力
GenAI赋能高等数智化工程教育在理论技术和平台工具等方面已经具备了良好条件。大模型智能工具汇集“智能助教、智能助学、智能助管、智能助评、智能助研”等多元化智能场景的教学应用，为高等工程教育教学开辟了崭新的图景。通过GenAI可生成满足高校教学需求的课程资源、教学内容、测试题库、数据和标准，为学生能力的培养、测评和认证带来新模式与新方法，能全面提高教学质量与教学效果。图4诠释了GenAI赋能学生能力的培养、测评与认证的全过程。
图 4 AI赋能面向能力提升的人才培养、测评与认证
大模型智能平台为教学与人才培养的“导+教+学+练+测+评+证+管”等核心环节进行深度赋能，能够帮助学生提高能力，主要体现在以下方面：
（1）赋能导：借助人工智能的大模型、专业知识图谱、学科智能体等智能工具可以支持“导学”与“导教”。基于大模型的智能服务平台能够感知学生个性化学习需求和学习目的，提供有效学习路径和方案，对学生的专业学习进行导学，助力其主动学习和自我能力提升；也同样可以根据教师的教学目的和要求，对教师的教学计划及备课进行导教与辅教服务。
（2）赋能教：借助专业大模型、专业知识图谱、学科智能体、智能教学辅助工具及平台等，对教师及其教学活动进行辅助教学、虚拟教师协同教学、虚拟仿真实验、在线教学、智能备课助手、智能批改助手、智能答疑、智能助教等提供智能服务。基于大模型和学科智能体，还能够助力教师为学生提供差异化的教，做到时时智慧化的辅导、答疑，满足学生在提升能力过程中对教师的教学期待。
（3）赋能学：借助专业大模型、专业知识图谱、学科智能体、智能学伴、学习助手、智能工具等，对学生的学习活动提供智能学伴、学习助手、智能学习工具等服务，帮助学生在线自主学习，改善学习效率与体验，让学生乐学、好学、爱学，探索出适合自身能力成长的学习方式。基于大模型的智能工具可以按照能力要素矩阵构建“课训赛”、“测评证”学习支持体系，为提升学生的“能力四要素”提供保障。
（4）赋能练：借助专业大模型、学科智能体、智能题库及答疑工具等，根据学生能力的测评项和科技竞赛项目，对学生的学习训练提供训练题目组合、模拟测试、训练助手、陪练指导等服务。基于对大数据的处理和深度学习，学科大模型与智能体能够生成用于训练的习题和赛题，供学生练习所学知识、技能、求解问题；也能够按照学生的状态和意愿，实现定制化出题和练习，起到个性化私人教练的作用。
（5）赋能测：与智能训练类似，借助专业大模型、学科智能体、智能题库、智能出题及测试工具等，根据学生能力等级的测评目的与要求，构建相应的智能测试环境，自动生成不同能力等级的水平测试题和训练测试题，按照“能力要素矩阵”开展智能测试与考核评分等服务，并根据测试结果给出指导建议，以测促改，帮助学生通过反复测试迭代提升能力。
（6）赋能评：借助专业大模型、学科智能体、能力等级标准库、能力等级评价辅助工具等，根据学生相应能力等级的评价目的和要求，对学生的学习与训练的大数据进行分析和评估，提供学生能力基本数据分析、学生行为资料评价、学生技术资质符合项评价、能力要素达成度评价等服务，并基于学生能力等级评价结果，对学生的能力提升给予咨询指导。
（7）赋能证：借助专业大模型、能力等级标准库、能力等级认证管理软件等，对学生专业能力等级进行认证，提供基于能力测评结果的能力等级认证及证书服务。与此同时，借助大模型对多模态、多维度的学生能力大数据进行分析，提高能力等级认证的客观性、合理性和科学性。
（8）赋能管：借助专业大模型、专业知识图谱、能力等级标准库、能力等级过程管理软件平台及工具等，对高校学生能力要素相关数据、资源、流程、事件、机制和逻辑等进行智能管治，对学生专业能力的教学、学习、训练、测评与认证过程进行管理；基于“能力要素矩阵”，建立高校的学生能力培养与认证的管理驾驶舱，提供高校学生能力过程大数据分析、学生群体能力等级认证因果分析的智能服务，全面提高高校人才培养与能力提升的管理水平。
通过GenAI与高等工程教育的充分融合，将进一步促进高等工程教育教学从“以知识中心”到“以能力中心”的转变与改革，完善面向学生能力提升的智慧教学环境，为师生提供更多更好的GenAI智能化教学平台/系统/工具/技术，提升师生AI能力数字素养。将使学生在“能力四要素”各维度上朝着“基础理论知识扎实、专业技术技能过硬、问题求解能力增强、专业经验与综合素质全面”方向进行塑造，有助于提升学生的问题分析能力、工程实践能力和创新能力，进而增强数智化时代学生的可持续竞争力。
五、结语
人工智能改变了高等教育的教、学、测、评、证、研、管方式，带来了无限机遇与严峻挑战。AI赋能面向学生能力提升的高等工程教育成为我们面临的一个时代命题。
培养数智时代具有可持续竞争力的工程创新人才是工科高校的重要使命。应积极探索面向学生能力提升的人才培养模式和智慧教育方法，建立面向能力的全过程多维度测评与认证体系，构建数智化教育治理体系，不断提高学生的专业能力与数字化能力。面对学生能力的培养与认证问题，需要研究与构建适合工程专业的能力要素、能力等级、能力培养、能力测评、能力认证体系，探索AI赋能面向能力的工程教育教学改革途径及方法。还应当加强产学合作，共同确定专业能力要素与能力等级标准、能力测评与认证体系，使高校培养的毕业生更加适应工业界的人才需要，受到业界和用人单位的欢迎和好评。
总之，要积极促进数字化、网络化、智能化、虚拟化、服务化技术与高等教育深度融合，以数智化引领教育教学改革，以GenAI赋能教育与学生的能力提升，提高教育教学水平、质量、效率、效果，为国家培养更多有数字化能力与可持续竞争力的高质量创新型人才。
（致谢：感谢教育部高教司有关领导对于本项研究工作的关心与支持！感谢来自高校和企业的张莉、毛新军、苏小红、王学智、王晓华、孙刚、张龙、刘耀林、时阳、谷松林、贺祥等专家，以及“计算机教育20人论坛”专家对于本项研究工作提出的宝贵意见！）
参考文献：
[1]世界慕课与在线教育联盟. 无限的可能——世界高等教育数字化发展报告(2024)[R].伦敦:世界慕课与在线教育大会，2024.
[2]怀进鹏. 携手推动数字教育应用､共享与创新[R].北京:2024世界数字教育大会，2024.
[3]吴岩. 深入实施教育数字化战略行动 以教育数字化支撑引领中国教育现代化[J].中国高等教育，2023(2):5-10.
[4]张民选，薛淑敏. 高等教育数字化转型的全球迭代与发展[J].中国高等教育，2023(15):27-30.
[5]郭玉婷. 欧洲高等教育数字化发展的政策演进，现实困境与启示[J].中国高教研究，2023(11):55-61.
[6]吴龙凯，刘姚慧卓，吴砥，等. 国内外高等教育数字化发展现状分析[J].中国高等教育，2023(2):61-64.
[7]杨宗凯. 高等教育数字化发展:新特征､新范式与新路径[J].中国高等教育，2024(3):24-28.
[8]徐晓飞，张策. 我国高等教育数字化改革的要素与途径[J].中国高教研究，2022(7):31-35.
[9]徐晓飞，苏小红. 从MOOC到IMOOC再到OMC:数字时代的课堂革命[J].中国教育信息化，2024(1):76-83.
[10]徐晓飞，李全龙. 元宇宙教育及其服务生态体系[J].计算机教育，2023，337(1):1-7.
[11]张策，初佃辉，张侨，等. 元宇宙教学:高等教育数字化教学转型的高阶形态[J].计算机科学，2024，51(10):1-9.
[12]郑庆华. 人工智能赋能创建未来教育新格局[J].中国高教研究，2024(3):1-7.
[13]刘邦奇，喻彦琨，王涛，等. 人工智能教育大模型:体系架构与关键技术策略[J].开放教育研究，2024，30(5):76-86.
[14]教育部高等教育司. 关于公布首批“人工智能+高等教育”应用场景典型案例的通知[EB/OL].[2024-04-12].http://www.moe.gov.cn/s78/A08/tongzhi/202404/t20240417_1126075.html.
[15]李拓宇，张瑜，叶民. “AI”“AI+”还是“+AI”?人工智能人才培养的模式构建与路径分析[J].高等工程教育研究，2024(2):24-30.
[16]“计算机教育20人论坛”报告编写组. 计算机教育与可持续竞争力[R].北京:高等教育出版社，2019.
[17]徐晓飞. 数字化时代面向可持续竞争力的计算机教育创新与发展趋势[J].计算机教育，2024(6):2-7.
[18]Association for Computing Machinery(ACM)，IEEE Computer
Society(IEEE-CS).Computing curricula
2020[EB/OL].(2020-12-31)[2024-10-06].https://www.acm.org/binaries/content/assets/education/curricula-recommendations/cc2020.pdf.
（作者：徐晓飞，哈尔滨工业大学计算学部教授；张策，哈尔滨工业大学（威海）计算机科学与技术学院教授；来源：《高等工程教育研究》2025年第3期）