摘要：在人工智能技术快速发展的背景下，如何设计适应大一新生需求的人工智能通识课程成为高等教育改革的重要议题。本研究以浙江大学901名大一新生为研究对象，通过问卷调查与访谈，分析其人工智能知识基础、素养水平及课程需求差异。研究发现：（1）专业领域和生源区域是影响大一新生人工智能知识掌握情况、素养水平和知识需求的重要因素；（2）近九成新生尚未接触人工智能相关知识，理工科学生编程基础优于人文社科学生，但整体技术基础薄弱；（3）超九成学生认为学习人工智能知识对个人发展和专业需求至关重要；（4）学生偏好实践导向的课程形式，建议课程内容分层设计，加强跨学科案例与实用性技能培养。基于此，本研究提出构建差异化课程体系、强化校企合作实践、整合跨学科师资资源、推动“AI+X”融合创新等建议以弥合区域及专业差异、提升通识教育质量，为智能时代人才培养提供参考。
关键词：人工智能；通识课；教学设计；大一新生；问卷调查
一、引言
在当今科技飞速发展的时代，人工智能技术正以前所未有的速度渗透到社会的各个领域，成为推动社会进步和经济发展的关键力量，以ChatGPT为代表的生成式人工智能技术的出现更是引发了全球范围内的广泛关注和深入讨论。人工智能不仅在日常生活场景中作为智能助手提升服务效率，在医疗、教育及农业等关键行业提供智能化决策支持，更在科学研究、文化艺术创作等领域展现出巨大的潜力和价值。[1,2] 该技术的广泛渗透和深度应用表明人工智能基础理论与方法已逐渐演变为智能时代人才的核心素养，其教育价值既体现在通识教育的体系化建构中，也反映在学科交叉融合的创新实践中。[3] 因此，加强人工智能通识教育已成为高等教育改革的重要议题，对于培养适应智能时代需求的复合型人才具有至关重要的意义。
二、研究背景与问题
（一）国内高校课程建设模式分析
近年来，国内高校积极探索人工智能通识课程建设，形成了多种各具特色的课程建设模式，以适应不同学科背景学生的需求。主要模式包括：①统一拓展型课程体系。不区分学生专业类别，以统一的基础通识课为核心，然后根据不同专业需求设置多层次扩展课程。如南京大学在“1+X+Y”三层次人工智能通识核心课程体系中开设不分专业的必修人工智能通识核心课；清华大学面向所有学生开设的五大人工智能通识课程门类等。②专业分层型课程体系。强调以专业类别为基础划分课程类型，再根据不同层次需求设计相应课程内容，针对性较强。例如，复旦大学“AI-BEST”进阶式体系将必修通识基础课分为面向理工医科专业学生的B1类课程与面向人文社科专业学生的B2类课程；南京邮电大学“3*3”分类分层人工智能课程体系将学习者分为“信息文科专业”“非信息类理工专业”和“信息类专业”3个专业类别；以及浙江大学“AI-STEP”分层教学方案、北京大学多路径本科数智教育课程体系等。③创新实验型课程模式。建设重点并非在于完整的课程体系，而是在于通过小规模的试点课程探索人工智能通识教育的创新模式或特色方向。包括中国人民大学“AI+主题创研课”，其以学生主导、项目驱动为特色，学生结合实际项目进行深度学习和实践；哈尔滨工业大学结合经典热点人工智能技术成果进行授课的“四环节教学模式”等。总体而言，尽管存在差异，但三大模式均以“基础认知-应用能力-创新思维”为培养梯度，普遍采用混合式教学、MOOC平台等数字化手段强化实践环节。[4]
值得注意的是，我国企业在推动AI通识教育方面也发挥了重要作用。华为“AI百校计划”为高校提供AI算力资源，加强学生的实践能力培养；阿里巴巴“开发者训练营AI通识课程”向社会开放，拓宽AI教育的覆盖面等。这些举措通过企业共建、产教融合的模式，显著提升了我国AI通识教育的整体水平。
（二）国际经验与发展趋势
国际范围内，很多高校已经进行了人工智能通识教育的规划和实施。[5] 当前，国外人工智能通识课程的建设呈现多样化趋势，广泛嵌入计算机科学及跨学科教育体系。本研究进一步将国外高校人工智能通识课程代表性案例进行梳理（表1）。
表1 国外高校人工智能通识课程代表性案例
总体而言，国外高校的AI通识课程在内容深度、教学模式、受众群体以及行业应用方向上存在差异，既有注重技术应用的课程，也有强调伦理、社会影响和跨学科研究的课程，已展现出一定的创新性和先进性。但多数高校在开展线上异步课程及项目实践方面尚在探索阶段，且课程设计较为分散，多数嵌入计算机课程或作为跨学科课程存在，尚未形成完整、系统的通识教育体系，人工智能通识课程整合设计有待进一步完善提升。尽管国内高校在人工智能通识课程体系建设上取得了一定进展，但在课程深度、实践环节设计以及跨学科融合方面仍可借鉴国际先进经验，进一步注重课程的分层细化、交叉学科知识的系统性融合创新。
（三）研究对象特殊性
在此背景下，聚焦大一新生群体开展人工智能通识教育研究具有重要意义。大一是学生步入高等教育、构建专业知识体系的重要阶段[6]，接受系统的人工智能通识教育不仅有助于他们尽快掌握基本的人工智能概念和技能，也为后续跨学科的深入学习和应用打下坚实基础。不同专业领域的新生在学习时表现出不同的认知特点和学习风格[7]，如何在课程设计上兼顾不同专业背景学生的起点和需求，提供既具普适性又具针对性的教学内容，是当前人工智能通识课程建设需要重点考虑的问题。此外，新生的人工智能知识水平和智能素养还可能受到生源地区基础教育状况的影响。我国各区域在信息科技教育方面存在较大差异，东部沿海地区的中小学生可能在高中阶段就已接触编程或初步的人工智能概念；而中西部及部分农村地区的信息科技教育起步较晚，相关基础较为薄弱。[8] 因此，在人工智能通识课程设计中，不仅要考虑专业间的分层差异，也需要关注因生源地区不同而带来的基础差异，满足各层次学生的不同学习需求。
研究具体问题如下：①大一新生人工智能知识掌握情况如何？不同专业领域及来源区域的新生在人工智能知识掌握情况方面有无显著差异？②大一新生人工智能素养水平如何？不同专业领域及来源区域的新生人工智能素养水平是否存在显著差异？③大一新生对人工智能知识的需求如何？不同专业领域及来源区域的新生对人工智能知识的需求有无显著差异？④大一新生对人工智能通识课建设有何建议？
三、研究方法
（一）研究对象
本研究以浙江大学大一新生为研究对象，覆盖七大学部。浙江大学作为一所特色鲜明的综合型、研究型、创新型大学，也是全国首批开设人工智能通识课的高校之一，于2024年成立了人工智能教育教学研究中心并发布《大学生人工智能素养红皮书》，具有丰富的教学资源和研究基础，能够为本研究提供良好的支持。
（二）问卷工具
本研究采用问卷调查法和访谈法相结合的方式进行数据收集。问卷部分参考了邹玉静等[9]、栗华益等[10]的研究成果，编制了《人工智能通识课程教学调查问卷》，共27题，分为五个部分：第一部分“基本信息”用于收集学生的基本信息，共6题；第二部分“人工智能学习的基本情况”旨在了解学生对于人工智能相关知识技能的基本学习情况，共6题；第三部分“对人工智能学习的态度”关注学生对人工智能学习的学习兴趣、专业相关性、学习目标等，共6题；第四部分“人工智能素养基本情况”根据《大学生人工智能素养红皮书》中的人工智能四大素养维度[11]调查学生对相关素养的自我认识情况，共5题；第五部分“对人工智能通识课程的期待”通过4个开放题了解学生对人工智能通识课程的态度和需求。
（三）数据收集与分析
研究针对大一新生群体，采用随机抽样的方式获取调查样本，于2024年9月至12月通过问卷星平台发放线上问卷，共回收问卷1139份，剔除无效数据后，有效问卷901份。有效样本的专业分布为：工学部占比31.52%、信息学部占比18.87%、农业生命环境学部占比9.99%、医药学部占比14.10%、理学部占比7.77%、人文学部占比10.32%和社科学部占比7.44%；来源区域分布为：港澳台占比0.22%、西南占比6.66%、西北占比7.99%、华中占比8.88%、华南占比6.22%、华北占比4.22%、东北占比4.11%、华东占比61.71%。本研究主要采用SPSS对问卷调查获得的数据进行处理和分析，通过描述性统计反映整体情况，运用方差分析的统计方法对相关影响因素加以解释。根据信度分析结果，问卷中两个量表变量整体克隆巴赫系数值（Cronbach's α）在0.739~0.820之间，量表整体克隆巴赫系数值为0.750，样本数据具有较好的内部一致性。
在问卷调查的基础上，采用目的性抽样法选取3位在专业领域与生源地区上具有典型性的受访者，通过线上访谈的形式对其进行“已有课程评价”“课程内容”“教学形式”和“知识需求”四方面的访谈，进一步深入了解学生的观点和需求。过程中使用简单易懂的方式进行提问并及时地根据受访者的回答加以适当引导，提升问题深度。每次访谈为20-25分钟。
四、研究结果
（一）大一新生人工智能知识掌握情况及差异
1.大一新生人工智能知识掌握情况
分析结果如表2所示，超过一半（53.83%）的新生有一定的编程基础，但大部分（85.64%）新生还未了解学习过人工智能相关知识或内容，仅少数学生（12.99%）掌握人工智能基础理论、初高中信息技术课程相关知识及人工智能编程技术等；在接触过的群体中超五成学生从高中时期开始学习人工智能相关知识（51.83%），初中时期的占17.20%，大学时期的占9.21%，小学及更早的占2.66%。此外，大部分（78.83%）新生使用过人工智能工具，其中基本为生成式人工智能工具，使用场景根据使用频数由大到小依次为课程学习、日常生活、科研活动、升学求职。
表2 大一新生人工智能知识掌握情况（N=901）
2.不同专业领域及来源区域的新生人工智能知识掌握情况差异
研究使用差异检验法，探究专业领域、来源区域两大因素对人工智能知识掌握情况的影响。如表3所示，专业领域因素的分析结果如下：不同专业领域新生在编程基础方面存在显著差异（p<0.01），掌握情况由高到低平均值分别为：农业生命环境学部>信息学部>工学部>社科学部>理学部>医药学部>人文学部。尽管农业生命环境学部的新生在编程基础方面表现相对较好，但从整体情况来看，各专业领域的新生在编程基础的掌握上普遍较为薄弱。
表3 不同专业领域的大一新生人工智能知识掌握情况的差异（N=901）
如表4所示，来源区域因素的分析结果如下：（1）不同来源区域新生在编程基础存在显著差异（p<0.01），掌握情况由高到低平均值分别为：港澳台>华东>华南>华中>西南=东北>华北>西北。尽管部分地区的新生在编程基础方面表现相对较好，但从整体情况来看，各生源区域的新生在编程基础的掌握上普遍较为薄弱；（2）不同来源区域新生在是否了解过人工智能知识方面存在显著差异（p<0.01），了解情况平均值由高到低分别为：华东>西南>东北=华北=华南>华中>西北>港澳台。
表4 不同来源区域的大一新生对人工智能知识掌握情况的差异（N=901）
（二）大一新生人工智能素养水平及差异
1.大一新生人工智能素养水平
调研发现，大一新生在人工智能伦理认识方面表现最为突出，而在理论知识掌握方面则相对较弱（表5）。总体来看，学生在考察人与人工智能产品或服务之间的伦理关系方面得分最高（M=3.42，SD=0.95），其次是熟练使用人工智能相关工具（M=3.06，SD=0.89），然后是利用人工智能产出增量知识并创造价值（M=3.03，SD=0.96），而充分了解人工智能的体系化知识方面得分最低（M=2.65，SD=0.88）。
表5 大一新生人工智能素养水平情况（N=901）
2.不同专业领域及来源区域的新生人工智能素养水平差异
将大一新生专业领域、来源区域与其人工智能素养水平得分进行方差分析。如表6所示，专业领域因素的分析结果如下：（1）不同专业领域新生在体系化知识素养上存在显著差异（p<0.05），得分由高到低平均值分别为：理学部>信息学部>工学部>农业生命环境学部>医药学部>社科学部>人文学部；（2）不同专业领域新生在构建式能力素养上存在显著差异（p<0.05），得分由高到低平均值分别为：信息学部>社科学部>理学部>医药学部>工学部>农业生命环境学部>人文学部。
表6 不同专业领域的大一新生人工智能素养水平的差异（N=901）
如表7所示，来源区域因素的分析结果如下：（1）不同来源区域新生在体系化知识素养上存在显著差异（p<0.01），得分由高到低平均值分别为：华中>华北>西北>西南>东北>港澳台>华南>华东；（2）不同来源区域新生在构建式能力素养上存在显著差异（p<0.01），得分由高到低平均值分别为：西北>西南>华中>华南>港澳台>华北>东北>华东；（3）不同来源区域新生在创造性价值素养上存在显著差异（p<0.01），得分由高到低平均值分别为：西南>西北>华中>华南>华北>港澳台>东北>华东；（4）不同来源区域新生在人本型伦理素养上存在显著差异（p<0.01），得分由高到低平均值分别为：华中>西北>华北>华南>西南>华东>东北>港澳台。
表7 不同来源区域的大一新生人工智能素养水平的差异（N=901）
（三）大一新生对人工智能知识的需求差异
1.大一新生对人工智能知识的需求
研究分别收集了各学部各地区新生从个人与所在专业角度对人工智能知识需求的判断（表8）。从个人兴趣角度来看，超九成新生（94.90%）认为有必要学习人工智能知识，3.44%的新生认为一般，仅有1.64%的新生认为没有必要；从所在专业角度来看，超过九成新生（95.12%）认为有必要学习人工智能知识，4.00%的新生认为一般，仅有0.88%的新生认为没有必要。
表8 大一新生对人工智能知识的需求情况（N=901）
2.不同专业领域及来源区域的新生人工智能知识需求差异
研究聚焦专业领域和生源区域两个维度，采用描述统计法，探究上述因素对人工智能知识需求的影响。如表9所示，专业领域因素的分析结果如下：（1）从技术需求来看，理学部（0.729）、信息学部（0.712）在“掌握编程和算法等技术技能”上得分较高，而人文学部（0.452）得分最低；（2）从跨学科需求来看，医药学部（0.764）、农业生命环境学部（0.778）在“解决跨学科问题”上得分较高，信息学部（0.688）得分最低；（3）从职业需求来看，人文学部（0.828）、医药学部（0.827）对“帮助未来职业发展”的需求较为突出，社科学部（0.716）相对较低。
表9 不同专业领域的大一新生对人工智能知识需求的差异（N=901）
如表10所示，来源区域因素的分析结果如下：（1）从科研需求来看，华东（0.791）、华南（0.786）对“提升学术研究效率”的需求得分领先，东北（0.622）和港澳台（0.5）得分较低；（2）从伦理需求来看，西南（0.683）、华南（0.679）对“理解人工智能的社会影响”关注度较高，华北（0.474）和西北（0.486）得分较低；（3）从时代适应需求来看，东北（0.865）、华南（0.839）在“紧跟时代步伐”上得分最高，西北（0.722）和港澳台（0.5）相对保守。
表10 不同来源区域的大一新生对人工智能知识需求的差异（N=901）
（四）大一新生对人工智能通识课的建设建议
1.大一新生对人工智能通识课程的期望
问卷发现，大一新生对于期待在人工智能通识课程中掌握的知识和能力主要集中在工具使用（38.4%）、模型构建（30.41%）和算法编程（22.31%）三方面，数据处理（7.22%）和其他方面的需求较低。在课程内容呈现形式上，大一新生更偏好实验操作（48.84%），其次是科普讲座（17.20%）和理论讲解（20.64%），小组讨论（3.55%）和案例分析（9.10%）的受欢迎程度较低（表11）。此外，研究对大一新生的访谈结果显示，学生对人工智能技术与艺术的融合、算法编程难度基础、结合实际问题的项目解决和提供实用资源等方面也有较大的期望。
表11 大一新生对人工智能通识课程的期望（N=901）
2.大一新生对人工智能通识课如何开设的建议
大一新生对于开设人工智能通识课程的可用建议共有182条，两名研究人员通过以下步骤对收集的学生建议质性数据进行分析：首先通读文本数据以形成整体印象；接着采用扎根理论方法从质性数据中生成相关编码；随后将相似编码合并为主题；为提高编码一致性，识别出了若干能清晰阐释各主题的典型示例，最终编码结果如表12所示。
表12 大一新生对于人工智能通识课程开设的建议编码结果（N=182）
五、研究结论与启示
（一）以实践为核心，分层构建能力培养体系
研究发现，尽管近九成新生尚未接触人工智能相关知识且在编程基础的掌握上普遍较为薄弱，但他们对实验操作形式的偏好最高。新生对实验操作的强烈偏好与知识基础的普遍薄弱形成结构性矛盾，需要通过产学研深度融合重塑教育生态。高校可以与DeepSeek、通义千问等领先的大模型研发团队深度合作，引入其在大型语言模型和深度学习方面的先进技术和真实案例，让学生在解决实际问题中学习[12]人工智能技术。此外，高校还可以与企业共同设立教研基地，为学生提供更多的实践机会，实现教育资源的优化配置，从而培养出符合社会需求的高素质人才。同时，为了更好地满足不同专业背景、来自不同地区的学生对人工智能知识的需求，高校应充分调研学生的特点，构建多层次、立体化的课程体系。[13] 例如针对理工科与跨学科专业学生开发实训平台；面向文科生搭建低代码AI工具集成平台；针对偏远地区学生编程基础薄弱的问题，设置“编程基础强化营”，从Python语法到简单项目开发逐步提升能力。
（二）整合跨学科师资，构建协同教学网络
信息学部学生对技术技能需求迫切，而人文学部学生更关注工具应用，且有学生建议课程针对不同专业开设差异化内容。为此，高校需集中各科师资力量构建教学案例集：计算机学院教师聚焦技术原理与开发实践，其他学院教师（如医学、农学、艺术）负责设计学科融合案例。例如商学院教师建设的“数字金融+人工智能”课程[4]等，确保教学内容与专业需求深度绑定，同时为教师提供标准化教学模板，降低备课成本。为提升教师能力，高校应开展“AI+X教学能力培训”，重点覆盖非技术学科教师。将人工智能知识更好地融入通识教学体系，提高学生的综合素养和适应未来社会的能力。[14]
（三）多元整合，建设动态化、开放式的教学资源体系
研究结果显示，学生期待课程提供多样化学习途径。这表明，学生对教学方法的创新性和教学效果的提升有较高要求，尤其是在当前信息技术飞速发展的背景下，可以采用灵活多样的教学方式激发学生的学习兴趣和主动性。[15] 为此，高校应构建“教材-数字资源-社区”三位一体生态，开发模块化教材适配学生不同的学习节奏，联合哔哩哔哩、MOOCs等平台制作短视频课程，搭建开源社区鼓励学生分享代码、形成自主学习网络。针对技术快速迭代问题，高校应建立“企业-高校”资源联动机制。例如，与科技企业合作定期导入最新工具和行业数据集，通过云端平台向学生开放算力资源。在当前人工智能技术深刻影响各行各业的背景下，学生获得更多相关学习机会能够更好地适应人才培养需求。[16]
（四）以学科特色为锚点，推动“AI+X”创新实践
研究发现，医药学部与农业学部的大一新生对AI解决跨学科问题的需求突出。这表明人工智能通识课程设计需以“AI+X”深度融合为核心，引导学生从专业场景中发现问题，并通过技术工具探索解决方案。基于“AI+学科”交叉逻辑[11]，课程需围绕三方面展开：学科知识融合、场景化实践与伦理内化。在知识融合层面，可通过模块化教学将人工智能核心技术与具体领域结合，将人工智能知识融入通识教育中，让学生了解人工智能在社会、经济、农业等领域的潜在应用价值，拓宽他们的视野；场景化实践则需依托案例分析与跨学科项目等方式[17]，强化学生构建式能力；伦理内化是课程不可或缺的环节，需增设“算法公平性”“数据隐私保护”等专题讨论，帮助学生能形成“技术向善”的价值观，在创新中兼顾社会责任。这种建设逻辑能够提升学生技术应用能力与“技术为专业赋能”的跨界思维，为其未来职业发展奠定基础。
（五）弥合区域差异，夯实基础教育根基
超九成大一新生认为中小学阶段应加强AI教育。解决这一问题需推动“基础教育-高等教育”全周期联动，高校可发挥技术优势，培训相关中小学师资，为教师提供AI教学案例设计与工具操作培训；还可以联合企业（如“AI在未来”公益计划）向中西部学校捐赠AI教学套件，并搭建云端资源共享平台，使偏远地区学生也能接触前沿技术实践。对于资源薄弱地区在教育资源分配和技术普及方面相对不足[18]的问题，应推动中小学信息科技课程强化AI基础模块（如基本概念、伦理讨论等），并联合高校开展“AI科普进校园”活动，提供硬件支持与师资培训，缩小数字鸿沟，通过开放共享实现教育资源的普惠化分配。
参考文献：
[1]李艳,孙凌云,江全元,等. 高校教师人工智能素养及提升策略[J].开放教育研究,2025(1):23-33.
[2]汪洁. 新医科背景下医学生对人工智能课程需求的调查研究[J].科教文汇,2024(15):90-94.
[3]王浩,吴共庆,胡学钢,等. 新工科背景下人工智能通识系列课程建设与实践[J].计算机教育,2019(2):112-114.
[4]张广渊,付晨,朱振方. 人工智能通识教育课程内容改革研究——以山东交通学院传统工科专业“人工智能+”新工科改造为例[J].教育教学论坛,2020(47):7-8.
[5]戴琼海. 人工智能教育:通识与专业[J].清华大学教育研究,2022(3):23-24.
[6]卢彩晨,翁登朝. 大一现象:从本科成绩单看一年级课程设置[J].中国高教研究,2022(5):27-33.
[7]陈嫄. 大学外语专业文理科学生感知学习风格调查研究[J].华北水利水电大学学报(社会科学版),2017(2):120-122.
[8]李湘平. 基于人才培养的中西部农村信息技术教育研究[J].成才之路,2015(8):35-36.
[9]邹玉静,杨福芹,王宪伦. 基于机械原理课程设计调查问卷的思考与对策[J].中国教育技术装备,2020(8):78-79+84.
[10]栗华益,王佳佳. 学生对“语言学概论”课程的认知､期待与态度——以调查问卷数据为基础[J].宿州学院学报,2021(5):75-80.
[11]吴飞,李艳,陈静远,等. 大学生人工智能素养红皮书(2024版)[J].科教发展研究,2024(2):71-96.
[12]邢延,蔡述庭,肖明,等. 人工智能类课程产教融合教学模式探索与实践——以广东工业大学-华为智能基座课程“模式识别”为例[J].高等工程教育研究,2024(3):73-78.
[13]桂小林. 推进以人工智能为核心的大学计算机通识教育[J].中国大学教学,2024(11):4-9.
[14]谢星. 基于“数字金融+人工智能”跨学科的金融本科专业协同建设研究[J].产业与科技论坛,2024(23):106-108.
[15]王丹. 新文科背景下人工智能与教育深度融合发展研究[J].河南社会科学,2021(6):111-118.
[16]邢艳芳,周舒琪,朱金付. 高校人工智能通识课程教学实践探究[J].电脑知识与技术,2022(19):89-90.
[17]姜蕾,田素妍. 人工智能时代电子商务专业人才培养模式初探[J].商业经济,2024(12):74-76+94.
[18]丁轲,余祖华,张小玲,等. “智慧+”背景下跨学科培养一流新农科人才研究[J].教育教学论坛,2024(32):38-43.
（作者：陈静远，浙江大学教育学院百人计划研究员，国家教材建设重点研究基地（高等学校人工智能研究）研究员，理学博士；刘明月，浙江大学教育学院博士研究生；陈立萌，浙江大学人工智能教育教学研究中心办公室主任，国家教材建设重点研究基地（高等学校人工智能研究）研究员；李艳，浙江大学教育学院副院长、教授，国家教材建设重点研究基地（高等学校人工智能研究）研究员，教育学博士；来源：《高等工程教育研究》2025年第四期）