为适应人工智能时代复合型技术技能人才能力培养，学校职业教育的转型应围绕知识供给结构、教学组织方式、实践情境构建与学习支持机制等关键环节，形成与之相适配的制度性安排。

一、重构专业体系：面向技术系统与产业场景重塑专业与课程体系，夯实跨界融合培养基础

在人工智能时代，为夯实复合型技术技能人才的培养基础，职业院校必须跳出原有的学科与专业框架，以技术系统和产业场景为依据，对专业结构和课程体系进行系统性重构，使其能够支撑跨界融合型知能结构的形成。

1.推动专业结构由“岗位对应型”向“技术系统导向型”转型。在人工智能背景下，技术岗位逐渐向系统运行和综合应用转型。为此，职业院校可围绕产业中的关键技术系统重构专业体系。例如，围绕智能制造系统构建涵盖机械技术、自动控制技术和数据分析技术的专业群，使专业结构能够反映技术系统的整体运行逻辑。这种专业群建设模式不是简单的“加法”，而是基于产业链的深度对接，有助于促进不同专业之间的融合，培养具备综合技术能力的复合型技术技能人才。同时，建立专业动态调整机制，随着生成式人工智能对低阶认知技能的规模化取代，职业院校应保持对产业发展的敏锐度，及时撤销过时专业，增设如“智能工程技术人员”“工业机器人系统运维员”等与新职业相关的专业。

2.构建引入人工智能的“平台+模块”的课程体系结构。这种体系分为两个层次：通用底座平台主要涵盖数据基础知识、算法伦理、人工智能应用基础等，使学习者理解人工智能技术运行逻辑，赋予学生在不同职业间迁移的基础能力；个性化功能模块则根据具体的产业场景，如“AI+财税”“AI+医疗”“AI+设计”进行颗粒化设计，将人工智能技术融入专业课程，使人工智能成为专业课程的重要组成部分。

3.与人工智能领域的龙头企业和创新型技术企业共建产教融合新平台。职业院校应与人工智能领域的龙头企业和创新型技术企业共建产业学院、联合打造相关专业，共同建设集教学、实训与技术应用于一体的实践平台，推动人才培养体系与产业技术体系的深度融合。通过引入企业真实技术环境、典型应用场景和前沿技术资源，使教学活动能够直接满足人工智能技术发展实际需求，使学习者能够接触真实技术系统和实际应用情境，增强其技术理解能力与应用能力。

二、打造智能师资：构建人机共育教学新模式，推动教师角色与能力素养的全方位升级

生成式人工智能使教师不再是知识的唯一来源，转而成为学生学习活动的重要引导者。为此，职业院校需要推动教师角色转型，构建人机共育教学新模式。

1.推动教师角色重塑。职业院校应开展专项培训，使教师掌握人工智能辅助教学工具的基本使用方法，如利用人工智能生成教学案例、辅助课程设计和支持学习评价，使人工智能成为教学的重要辅助工具，从而将教师从烦琐的重复性、事务性劳动中解放出来，将精力转向AI无法替代的情感沟通、价值引领和创造力激发。在教学过程中，教师应成为“学习设计师”和“智慧引领者”，围绕技术任务组织教学活动，利用人工智能技术，根据学生能力水平、学习规律和教师设定的能力发展目标，生成分梯度的问题支架和概念支架，实施教学，引导学生探索与反思。

2.提升教师“数智素养”。智能时代的教师必须具备高水平的信息素养，不仅要能熟练操作大语言模型，甚至还要参与开发和设计教育相关的AI应用。具体而言，至少要包括四种能力：熟练运用生成式人工智能开展教学活动的能力，包括能够利用大语言模型辅助完成教学设计、生成教学案例、优化课程内容以及支持学习评价等；对人工智能生成内容进行分析、筛选和优化的能力；参与教育人工智能应用设计的能力；理解人工智能对职业教育影响的能力。

3.建立“双师型”团队的数智新标准。职业院校应通过制度化安排，鼓励和支持教师进入智能工厂、数字化车间和人工智能应用企业开展实践，使教师能够直接参与或观察人工智能驱动下的生产流程，理解智能系统在生产过程中的运行方式及其对技术岗位的重构，进而深入理解人机协同工作模式及技术技能人才在智能环境中的实际职责。

三、重构实践教学：构建情境生成驱动与数据支撑融合的实践教学体系，支撑智慧教学环境

实践教学是职业教育人才培养实现技术技能习得的关键环节，通过特定情境中的操作活动，促成知识、技能与职业素养的整合生成。生成式人工智能推动实践教学由“预设流程主导”向“情境生成驱动、人机协同参与”的新形态转型。因此，有必要从任务结构、运行条件等方面对实践教学体系进行整体重建。

1.以情境生成为导向，搭建以解决开放性问题为目的的实训平台。所谓情境生成，并非简单增加案例或任务难度，而是基于真实技术系统运行逻辑，通过多源数据与人工智能算法，对任务条件、约束参数及运行状态进行动态组合，使实践活动嵌入具有不确定性的技术情境之中。在这种逻辑下，实践教学不再围绕既定步骤展开，而是以问题情境为起点，推动学习者在信息不完备、路径不唯一的条件下开展分析与决策活动。为此，职业院校可通过构建情境化实训平台，将典型工作场景中的关键变量引入教学过程。例如，在设备调试、工艺优化或系统维护等任务中，通过模拟参数波动、环境干扰或系统异常，使任务呈现多解性与动态变化特征。生成式人工智能根据学习者操作行为与任务进展，实时生成新的情境信息或问题提示，形成持续演化的任务结构，为实践教学嵌入认知决策与价值判断的内容，从而更有效地支撑复合型技术技能人才的培养。

2.以数据驱动为核心，建设多模态实训大数据数字平台。智能化时代实训教学的要素组织方式依赖于对学习过程数据的分析。学习者在实训活动中的操作行为、人机交互过程以及所处情境，均可转化为多模态数据形态，具体可涵盖行为表现、交互过程、资源使用及情境参与等多个维度。这些数据跨越物理与虚拟空间，具有多源、多维与动态变化的特征，能够较为全面地反映学习者在实践过程中的认知状态与操作表现。因此，数字平台可采用图像采集技术、音频采集技术、生物数据采集技术、智能穿戴技术、网络爬虫技术等多种数字技术，通过对多模态数据的采集、整合与分析，形成对学习过程的整体刻画，并进一步生成学习画像与具有针对性的教学支持方案。在此基础上，借助数据分析与可视化手段，教师能够更为精准地识别学习者在任务执行中的关键问题与差异表现，对实训任务进行动态调整与个性化安排，从而为新型实训教学形态的有效实施提供支撑。

四、深化认知层次：构建人机协同学习模式，强化学习者认知主体性与人文素养培养

在人工智能时代，学习者个体的高阶认知能力，如评估、批判、创新等将愈发需要职业教育学习者具备更强的自主学习能力，不断进阶技能认知结构。

1.引导学习者合理使用人工智能工具，以“人机对话”驱动自主探索式学习。鼓励学生将生成式人工智能作为“24小时虚拟导师”，通过多轮提问、反思、追问，学习者可以在互动中不断修正自己的逻辑，实现知识的自我建构。学习者还可以使用行业垂类智能体，进行本专业领域的深层次知识学习。如此，学习不再是知识的被动填充，而是针对复杂工作任务的主动探索与决策尝试。

2.强化“认知主体性”以防范技术异化。职业院校必须培养学习者在大数据环境下的批判性思维和独立思考能力，使其明确AI的能力边界，警惕算法偏见，坚持人在技术运用中的主体地位。当例行性、规则性、程序性的工作任务与低阶认知技能逐渐被人工智能取代，人类劳动者的“自主判断力”便成为复合型技术技能人才的核心竞争力。

3.突出通用能力、人文素养与工匠精神的培养。在“人类智慧+机器智能”的人机共生新生态中，人文关怀、伦理判断、道德责任等人本技能的价值愈发凸显。职业院校应更加注重引导学生重视管理、协作、思维、终身学习等通用素养的养成；更加重视人文素养在理性、人性、文化、情感、精神等方面的基础性支撑作用，使学习者能够在技术环境中保持认知独立性，能够结合具体技术情境分析其适用性，审视人机协同的多种可能性和长远影响，形成对工作世界发展方向的社会化价值判断和主动塑造能力。（节选自《职教论坛》2026年第9期）
  初审：陈淑琴
  复审：管晓媚
  终审：管晓媚