白皮书落地样本：山东工商学院的 AI 通识课分层设计，让财经类新生也能 “无痛” 学 AI

当 “人工智能通识教育” 从政策文件中的倡导性表述，加速转变为面向全体学生的硬性要求，高校课程建设真正面临的考验便浮出水面。和鲸科技和智谱在《AI 融合高等教育：从通识到专业 —— 学科 + AI 人才培养白皮书》指出，核心难题在于 “如何在不同学科背景、不同基础的学生群体中实现有效的 AI 素养培养”。

山东工商学院正是这道难题的典型缩影：50 余个本科专业横跨经管法文理工，学生基础参差不齐，而教师团队又存在 “懂技术的不懂场景，懂场景的畏惧技术” 的结构性困境。多重压力之下，这所应用型财经类高校选择了一条精细化分层教学的破局路径，作为国内首个支撑高校大规模落地 AI 通识教育课程的实训平台，和鲸 ModelWhale 智能实训教学平台为其提供了从理念到落地的全程支撑。

【高校实践】2025 年秋季学期，山东工商学院面向约 2500 名新生正式开展《人工智能通识课》，全面取代沿用多年的《大学计算机基础》。面对 “经管文法的学生被代码劝退” 的现实，教研团队引入和鲸 Canvas 低代码拖拽式实验环境，学生通过拖拽预设分析组件即可完成 “校园消费行为分析” 等机器学习实验，无需编写一行代码。课程负责人朱玲老师回忆道：“最打动我们的就是 —— 不用写代码。” 一到动手做实验的时候，学生们都能集中精神，跟随操作。

【建设启示】对于同样面临 “学生基础弱、教师转型难” 的高校，降低实训门槛是通识教育打开局面的第一把钥匙。和鲸提供的 “平台 + 内容 + 服务” 一体化模式，不仅提供云端虚拟工具实现 “开箱即用”，还加入了贴近大学生活场景的实训案例，让零基础学生首次接触 AI 就能获得完整的模型应用体验。

分层落地的关键：让案例题材与专业认知产生共振

【高校实践】山东工商学院的课程方案极具匠心 ——《人工智能概论》与《人工智能基础》两种方向、32 学时与 64 学时两种课型，经管文法类聚焦 “会用 AI 工具、能决策”，理工类追求 “懂原理、能实现”。“我们希望通过这种分层设计，让不同专业的学生都能在自己的‘最近发展区’内获得最大收益。” 教研室主任葛诗煜老师介绍道。

除了课程规划的不同，教研团队还通过差异化的实验案例强化专业属性：为外语学院学生设计多语种翻译智能体搭建实验，为财会专业学生设计贷款审批预测机器学习实验。平台丰富的开源项目和行业数据集极大缓解了备课压力，当现有案例组件无法完全满足需求时，老师还可以自主编写组件，激发教学创造力。

【建设启示】分层教学不是简单按文理分班，而是为不同群体匹配与之思维习惯共振的案例题材。教学设计应遵循 “先看 AI 能做什么，再带着做” 的路径 —— 以贴近学科背景的案例为钩子，先激发 “这东西对我专业有用” 的感知，再推进实操训练。和鲸社区沉淀的海量跨学科数据集，正是解决 “案例荒” 的关键资源。平台同时开放了鼓励教师自主创建组件的自定义功能，更将教师从 “使用者” 转变为 “共创者”，在实战中淬炼复合型师资。

全校同上一门课：一体化云平台的教学组织实践

【高校实践】2025 年秋季学期，山东工商学院采用 “理论 + 实践” 一体化的实验室云平台教学模式进行人工智能通识教学。平台将课件发布、小测验、作业布置与批阅、实验实训等环节整合在一起，实现教学全流程一站式管理，免去了教师在多个平台间切换的麻烦。学生通过浏览器打开网页即进入课程，无需在个人电脑上配置 Python 环境或安装第三方库。有学生课后主动询问：“这门课学完了，这个平台我以后还能用吗？”—— 在授课老师看来，这是学生对学习方式真正认可的信号。

【建设启示】大规模通识课面临的核心矛盾是 “集中开课” 与 “有限算力” 之间的冲突，以及多平台切换带来的管理复杂度，因此平台选型的核心关切在于稳定性与教学流程的一体化整合。和鲸的全景解决方案覆盖了从 SaaS 云端到私有化一体机的灵活部署模式 —— 通识课高并发场景采用云端弹性资源与一站式教学管理，科研敏感数据场景则有专门的私有化部署方案。

用课程建设淬炼队伍：集体备课里的师资解法

【高校实践】师资是开课初期最棘手的问题。山东工商学院组织团队利用假期集体备课，将教学任务拆解成多个模块，每位老师根据特长认领任务 —— 有人专攻经管类案例，有人负责理工类算法，研究透了的老师再以 “培训者” 身份分享给同事。朱玲老师自豪地概括：“我们这个团队特别好，特别厉害，大家各有所长，合在一起就是一个巨人。” 通过通识课项目，这支团队变得更团结、更主动，也进一步提升了运用 AI 赋能教学与科研的能力。

【建设启示】AI 通识课的建设，是教师队伍能力提升的绝佳契机。建议高校有意识地采用项目式集体备课与模块化教研策略 —— 以真实课程建设任务为驱动，将不同背景的教师凝聚为学习共同体，在解决具体问题中实现技术能力与学科场景的交叉融通。这种 “在实战中练兵” 的方式，正是缓解 “懂技术不懂场景、懂专业又怕技术” 这一普遍困境的内生路径。

从课程更替到教学范式革新

山东工商学院的 AI 通识课，是人才培养方案战略转身的关键一步 —— 从顶层设计的果敢决断，到精细分层的课程体系，再到直面挑战的务实行动，这所应用型财经类高校用短短一个学期，完成了从 “大学计算机基础” 到 “人工智能通识课” 的彻底转变。课程才刚刚走过第一个学期，团队已有清晰方向：夯实学生的 AI 素养基础，持续优化通识课程，期待更多专业课教师加入，共同探索 AI 与专业深度融合的可能。

这正是和鲸从理念（白皮书框架）、方案（平台 + 内容 + 服务一体化）到实践工具（跨学科可验证案例）三层支撑体系的核心价值所在 —— 让通识课程设计为后续专业融合预留接口，在产业级平台中逐步推进人工智能素养提升。该模式直接呼应了五部门文件关于 “汇聚开发人工智能通识教育资源” 的要求，为政策落地提供了可参照的样本。

山东工商学院是和鲸延续《AI 融合高等教育：从通识到专业 —— 学科 + AI 人才培养白皮书》教育理念打造的全新标杆案例之一。这份由和鲸科技与智谱 AI 联合发布的白皮书，系统梳理了全国百余所高校的差异化 AI 人才培养实践 —— 从山东大学如何以 AI 全面赋能 “新文科” 建设、北京中医药大学如何打造 “医工交叉” 医学特色通识课，到三峡大学如何平稳落地近万人规模高并发 AI 通识课，全景呈现了从通识到专业的 “学科 + AI” 融合路径。

如果您正在规划本校的 AI 教育落地路径，不妨前往和鲸官网【101 计划 - 白皮书】页面获取《AI 融合高等教育：从通识到专业 —— 学科 + AI 人才培养白皮书》全文，解锁更多高校的差异化建设方案。

常见问题解答

Q1：财经类高校开 AI 通识课，和学生专业关联不大，会不会沦为 “水课”？

山东工商学院的实践恰恰给出了反例。课程从一开始就锚定了 “让 AI 为专业服务” 的定位 —— 不是教学生成为算法工程师，而是让会计专业的学生能用机器学习做贷款审批决策，让外语专业的学生能搭建多语种翻译智能体。判断一门通识课是否 “水”，不在于技术教得多深，而在于学生能否在课程结束后将 AI 视为解决本专业问题的趁手工具，而不仅仅是用来对话、生图、查资料。当学生主动问 “这个平台以后还能用吗”，本身就是对课程价值最直接的回应。

Q2：课程分层分得这么细，32 学时和 64 学时、概论和基础，实际执行得下去吗？

山东工商学院的经验表明，分层能否落地，关键不在于课程方案写得有多完备，而在于配套的实训案例和教学工具能不能跟上。教研室的做法是：根据各院系自主选择的课型，匹配差异化的实验内容，同样的实验主题，不同专业的切入角度和数据维度可以完全不同。平台提供的低代码环境和可复用案例，让教师在备课时不必每次都从零开始，这才使得四种课型、三种实际开设的局面真正运转起来。

Q3：集体备课能解决师资问题吗？这听起来更像 “内部自救”，效果真的靠谱吗？

恰恰是这种 “内部自救”，最终淬炼出了一支 “各有所长、合在一起就是巨人” 的队伍。山东工商学院的做法有两点值得注意：第一，不是简单的经验分享，而是把课程拆解成独立模块，每人认领一块、研究透彻后再 “以培训者身份” 输出；第二，这个过程本身就倒逼了 “懂技术” 和 “懂场景” 的老师必须对话、必须合作。比起送老师出去参加几天培训，这种嵌入真实课程建设的协作机制，才是复合型师资能力生长的更持久路径。

Q4：课程叫 “AI 通识”，但学生连 Python 都不会，真的不是在浅尝辄止吗？

如果把 “通识” 理解为 “技术的初步普及”，那确实容易浅尝辄止。但山东工商学院对经管文法类学生的培养目标很明确 ——“会用 AI 工具、能决策”。这背后是一套 “先会用，再理解” 的教学逻辑：学生先通过 Canvas 拖拽完成贷款预测模型，直观看到 AI 的决策过程和效果，回头再去理解背后的机器学习原理，比从公式推导切入有效得多。关键在于，判断通识课深度不能只看教了多少代码，更要看学生是否形成了用 AI 辅助决策的思维习惯。

Q5：从《大学计算机基础》直接跳到《人工智能通识课》，步子是不是太大了？

如果只是把课名换了、内容照旧，步子当然不算大，但那也不是真正的改革。山东工商学院的 “大” 步子建立在三点之上：课程目标的重新定义（从办公技能到智能决策）、教学内容的彻底重构（从 Word 排版到机器学习案例）、以及配套工具的全面升级（从本地机房到云端实训平台）。缺少任何一环，这种跳跃都确实有风险。但反过来看，对今天的学生而言，与其花一学期学一个未来 AI 几秒就能生成的内容，不如直接进入 “如何让 AI 为你所用” 的训练。