职校生AI素养：内涵解析、框架构建与演进路径
职业院校学生人工智能素养的内涵、框架及发展
管 秀，李 梦，韩锡斌
【摘要】《职业院校智慧校园规范（试行）》已将学生人工智能素养确立为智慧校园建设的关键要素，然而其发展仍受制于能力结构失衡、应用场景匮乏及课程供给乏力等难题。基于智能时代对人工智能素养的新要求，结合职业教育作为类型教育的实践特质，本文系统剖析了职业院校学生人工智能素养的核心内涵、架构体系及未来走向。研究指出，智能时代的人工智能素养已从单纯的技术理解与工具操作，演进为基于生成内容的重构能力、面向复杂任务的人机协作能力，以及对技术边界与伦理责任的研判能力。据此，构建了包含“通识素养—专业技能—行业能力”三层递进结构的素养框架，涵盖以人为本的AI意识、社会责任、基础知能、思维行为、协作交流、专业能力及职业能力七大核心维度。文章从基础条件、课程体系、教学实施、评价反馈及生态保障等维度，提出了促进学生人工智能素养发展的实践路径，旨在为职业院校落实规范要求、培育高素质技术技能人才提供理论支撑与实践参照。 【关键词】人工智能素养；职业院校学生；素养发展；智慧校园规范 【引用格式】管 秀，李 梦，韩锡斌。职业院校学生人工智能素养的内涵、框架及发展 [J].中国职业技术教育，2026（9）：58-66.
作者简介
管秀，清华大学教育学院博士研究生。
引言
全球劳动力市场正经历由人工智能（AI）与大数据引发的深层结构性重塑。《未来就业报告2025》预测，至2030年，“AI与大数据相关素养”将跻身雇主需求增长最快的五大核心技能之列。面对此趋势，若学生缺乏对智能技术原理、应用边界及伦理风险的认知，将难以在智能化职场中维持竞争优势。
近年来，我国教育数字化进程正从以基础设施搭建和数字化工具应用为主的阶段，逐步迈向以学习者能力结构重构为导向的智能化新阶段。《中国智慧教育白皮书（2025）》指出，AI技术正推动教育内容、教学模式与育人目标发生系统性变革，学生能力培养重心由“重知识传授”转向“重能力提升”，标志着AI素养正逐渐成为智能时代学生核心发展能力的关键组成部分。
与此同时，国务院《关于深入实施“人工智能+”行动的意见》提出，要将AI系统性融入教育教学全链条，发展人机协同学习模式，推动因材施教与自主学习能力提升。这一政策导向表明，人工智能在教育中的定位正从工具支持转向学习方式重构与能力培养机制创新，也凸显了培育学生AI素养的现实紧迫性。
在教育实践层面，AI技术已被证实能显著提升教学效率与个性化水平，但其价值释放取决于师生是否具备相应的AI素养，即能否负责任地理解、评估并运用智能工具。尤其对于承担技术技能人才培养重任的职业院校而言，智能素养不仅关乎学习成效，更直接关系学生的职业胜任力与行业适应力。
《职业院校人工智能应用指引》（以下简称《指引》）对此提出了系统化指导，强调分层递进的培养理念，即“通识素养—专业技能—行业能力”三个层级，全面贯穿安全与伦理教育，以强化学生的岗位适应力。职业院校学生AI素养的培养需特别注重职业特定领域的能力塑造，突出与岗位技能的深度融合，并在课程设计中引入分层递进的培育思路。
然而，职业院校学生AI素养发展仍面临现实困境，《职业教育人工智能应用发展报告（2024—2025）》从三个维度揭示了这一问题。
首先，素养发展结构失衡，呈现显著的层级分化特征。学生在“知晓与理解”维度的答题正确率达70%，但在“应用与分析”（59%）、“评价与创造”（53%）及“伦理与规范”（53.34%）等高阶维度均未突破60%，这表明学生虽具备一定AI基础知识，但在实际应用、问题解决及伦理规范意识等高层次素养方面仍存在明显短板。
其次，人工智能应用呈现碎片化、低水平特征，尚未深度融入任务完成与问题解决中。超六成学生仅将AI用于资料推荐与问答辅助，而用于作业评价与情景模拟等复杂任务的比例不足四成，且每日高频使用率低于15%，显示AI尚未系统性地融入真实学习过程。
再次，AI通识课程供给匮乏。超过六成院校尚未开设AI通识课程或仅处于规划阶段，仅13.03%的职业院校已在所有专业中开设“人工智能通识课程”，同时近两成学生认为现有课程无法满足需求，六成以上仅认为基本满足。因此，职业院校学生AI素养发展所面临的挑战，实质上是能力结构失衡、应用场景缺失与课程体系供给不足等多重因素交织形成的系统性难题。
基于此，教育部职业院校信息化教学指导委员会于2025年7月发布《职业院校智慧校园规范（试行）》（以下简称《规范》）。《规范》将“学生人工智能素养”列为智慧校园建设的核心指标，提出构建“通识素养—专业技能—行业能力”三层递进式培养体系，并要求各校“全面升级智能基础设施，重塑课程体系，完善评价机制”，以系统提升学生的人工智能素养。本文旨在解读《规范》中关于学生人工智能素养的具体内容，探讨其核心内涵、构成框架与发展路径，以期为职业院校推进高素质技术技能人才培养提供理论支持与实践参考。
一、文献综述
1.学生人工智能素养相关概念辨析
人工智能素养（AI Literacy，以下简称AI素养）目前尚无统一的概念界定。学界广泛接受的是朗（Long）与马格尔科（Magerko）提出的观点，即个体理解、评估并与AI技术协作的综合能力，强调批判性评估AI技术、有效与AI沟通协作，并在日常生活及工作中负责任地使用AI工具。邱（Chiu）等进一步厘清了AI素养与AI能力（AI Competency）的概念边界，指出AI素养侧重个体对AI技术运作与社会影响的理解及负责任使用的能力，强调知识与技能的认知层面；而AI能力则强调在真实环境中自信有效地使用AI及自我反思的综合素质，并提出了技术、影响、伦理、协作、自我反思五个维度的框架。综上，现有研究虽表述各异，但普遍强调个体对AI运行逻辑的理解、对应用效果的评估以及对伦理责任的担当。简言之，AI素养不仅是技术操作能力，更涉及对AI运行原理、应用边界及其伦理安全的理解与判断能力。
从相关概念辨析来看，AI素养与数据素养、信息素养及数字素养之间存在继承与发展的关系。数据素养为AI素养提供底层支撑，信息素养强调以获取与利用信息为主的创造，数字素养则侧重于个体利用数字技术进行数据的获取、交流、分析，用以解决数字问题的态度和能力。基于此，AI素养可视为数字与信息素养的延伸。然而在生成式人工智能广泛应用的背景下，这种“延伸”已呈现出结构性差异，而非简单叠加。随着生成式人工智能的发展，机器逐渐从单向工具转向具备类主体特征的交互伙伴，人机关系由主客二元转向交互主体性结构。这一转变意味着，AI素养不再仅停留于工具操作层面，而需要重构为能够支撑人机交互与协同决策的综合能力结构。
具体而言，AI素养具有三个方面的结构特征。其一，生成性体现为个体在AI生成内容基础上的评价、整合与再创造能力。在生成式人工智能环境下，内容生产呈现出互动性与迭代性特征，个体通过持续提示、修正与优化参与生成过程，从而实现认知扩展与价值增值。生成性并非对生成结果的被动接受，而是在生成输出基础上的主动加工与创造性重构。其二，协作性表现为AI作为认知与决策支持的协作方参与任务过程，个体需要在任务执行中通过目标设定、任务分解与反馈调节形成动态互动关系，从而构建稳定的人机协同模式。人机协同已被视为当代人工智能应用的重要范式，其核心在于通过合理分配控制权与反馈机制，实现人机之间的协同决策与共享认知。其三，边界认知强调个体需要理解AI系统的运行逻辑、训练数据