生成式人工智能赋能职业教育育人转型的战略图景、现实风险与防范策略

[作者简介]（1989-），男，浙江金华人，，讲师，硕士；（1982-），男，浙江金华人，，教授，博士。

[基金项目]本文系2023年度全国教育科学规划教育部一般项目“高质量发展背景下高职院校产教融合核心能力的体系构建、评价与提升研究”（项目编号：EJA230468，项目主持人：朱景伟）和浙江省教育科学规划2023年度规划课题“企业参与中国特色学徒制动机、成本、收益的实证和机理研究——基于社会交换论的视角”（项目编号：2023SCG216，项目主持人：郑清松）的阶段性研究成果。

[中图分类号]G710 [文献标识码]A [文章编号]1004-3985（2025）06-0040-08

新一代人工智能在全球范围蓬勃兴起，成为引领科技革命和产业变革的重要驱动力，对未来教育变革产生深远影响。特别是以ChatG-PT、Sora、DeepSeek等为代表的生成式人工智能，已从教育辅助工具转变为重塑教育生态的关键力量[，带动教育发展走向“数智时代”。作为人工智能的一个分支，生成式人工智能是基于算法、模型、规则生成文本、图片、声音、视频、代码等内容的一种新技术，广泛应用促使社会加速调整，需要人文社会科学、计算机科学等核心学科在社会结构变迁、机器人发展趋势等问题上作出积极回应。生成式人工智能对职业教育育人模式产生了重要影响，通过引入生成式人工智能技术推动职业教育发展，成为近年来学界的共识。生成式人工智能不仅能够打破传统教育模式和思维定式、推动教育从知识传授转向知识创造、实现教育变革创新，还可以有效缩小教育资源的地域差距和质量差距，实现优质教育资源共享和均衡配置，为不同地区、不同层次、不同类型的学生提供平等的受教育机会。然而，目前生成式人工智能赋能职业教育育人转型的内涵、动力及图景尚缺乏学理分析。鉴于此，本文聚焦生成式人工智能赋能职业教育转型，分析其动力，明晰“为何”转型；探索其战略图景，揭示“向哪"转型；剖析其现实问题，阐明转型的“难为”所在；据此提出实施路径，回答“如何"转型，以期为我国职业教育改革提供参考。

一、生成式人工智能赋能职业教育育人转型的动力

1.职教政策的牵引力。职业教育育人转型是一个长期过程。智能时代下，职业教育与社会场域之间的界限进一步虚化，带动教育理念、教学模式、教育治理等方面发生全面变革，并形成职业教育育人新生态。2024年3月，教育部发布4项行动助推人工智能赋能教育，指出“用人工智能推动教与学融合应用”，同时强调要“实施教育系统人工智能大模型应用示范行动”。生成式人工智能在潜移默化中逐渐改变教育教学活动，为职业教育人才培养提供新机遇。2022年10月，教育部办公厅等五部门印发《关于实施职业教育现场工程师专项培养计划的通知》，提出要紧密对接数字化、智能化发展要求，深化产教融合与校企合作，形成人才培养培训生态。2024年4月，人力资源和社会保障部等九部门联合印发《加快数字人才培育支撑数字经济发展行动方案（2024—2026年）》，明确提出要“扎实开展数字人才育、引、留、用等专项行动，提升数字人才自主创新能力”。2025年1月，中共中央、国务院印发《教育强国建设规划纲要（2024—2035年）》，提出要促进人工智能助力教育变革。以上政策的出台，进一步推动了职业教育与数字化、智能化的结合，明确了数字人才培养的重要性和紧迫性，为职业教育育人转型提供了更加具体的实施路径和政策支持。

2.教育转型的传导力。当前新一轮科技革命不断重塑教育形态，教育数字化成为职业教育育人转型的主流趋势。一是教育全球化背景下的国际传导。欧盟于2020年颁布《数字教育行动计划（2021—2027）》，要求建立高效的数字教育生态系统；德国于2021年启动国家教育平台建设，计划通过数字教育平台联系所有教育领域；俄罗斯科学与高等教育部于2021年发布《科学与高等教育部数字化转型战略》，确立了教育数字化转型的总体目标。我国于2023年、2024年先后召开两次世界数字教育大会，传递出全球教育数字化转型发展共识，为生成式人工智能赋能职业教育育人转型奠定顶层设计基础。二是系统化教育背景下的跨学科传导。当前，生成式人工智能在职业教育教学中已逐步应用，通过构建虚拟网络教学环境、智能评估并反馈教师授课情况与学生学习情况、完善职业教育评估体系等形式[2]，推动职业教育育人方式转型。伴随生成式人工智能场景适应性不断增强，职业教育各专业的教学场景逐步向虚拟化方向流变，从而推动育人转型。三是一体化教育背景下的跨场景传导。生成式人工智能在职业教育领域应用场景较为丰富，包括课堂交互、课前课后辅导、作业批改、学习效果监测、课程调度、学科管理等多方面3。在此过程中会生成大量数据，为职业教育育人转型提供数据要素支撑。职业教育通过生成式人工智能的应用，能够根据学生的个体差异和学习需求提供个性化的学习资源和路径，激发学生的学习兴趣，提升育人成效。同时，还可通过智能数据分析准确了解学生的学习需求，优化教育资源配置，提高教育资源利用率。总之，生成式人工智能为职业教育开创了新的育人场景与范式，为职业教育育人转型提供了全球教育数字化、专业教学场景虚拟化及多模块辅助等多重动力。

3.数字技术的支撑力。多种数字技术的发展逐渐形成生成式人工智能，为职业教育育人转型提供了有力支撑。生成式人工智能是人工智能领域的重要技术分支，能够学习并模拟数据内在规律与分布状态，生成与原始数据相似但不完全相同的文本、图片、音频等内容。将生成式人工智能应用于职业教育领域，能够有效提升教学和学习效果，促进教学策略发展并支持教学反馈和评价。在技术支撑力上，生成式人工智能可以从生成算法的创新、预训练模型、多模态技术等层面赋能职业教育育人转型。一是生成算法的创新能够提供个性化的学习路径。生成算法在技术上支持AI生成文本、代码、图像、语音、视频等多类型内容。分析型AI主要基于已有数据进行分析、判断和预测，而伴随生成算法不断优化，生成式人工智能完成了从分析型AI到生成型AI的重要转变，能够通过学习大量数据，自主演绎、生成和创造全新内容，通过提供个性化的学习路径，满足学生的不同学习需求，激发学生的学习兴趣和积极性。同时，生成式人工智能丰富了教学资源与教学方法，为学生提供了多样化的学习资源和生动直观的学习体验，培养了学生的实践能力和创新思维。在教学评估与反馈方面，生成式人工智能实现了实时反馈和精准评估，帮助学生及时发现问题并改进学习效果。二是预训练模型的发展能够提升教学效率。预训练模型作为一种机器学习模型，提高了生成式人工智能技术的通用性和工业化水平。此前，为实现某类任务，研究人员需要单独训练AI模型，使其执行特定任务，但这种模型往往缺乏通用性。大型预训练模型的出现有效提升了生成式人工智能的通用度，使其能够自发学习，并生成多样化的内容。现有生成式人工智能模型基于丰富的大规模数据预训练，展现出强大且通用的语言理解和内容生成能力，能够更好地理解职业教育教学方法与育人模式。在职业教育领域，AI模型能够理解职业教育的教学方法和育人模式。同时，AI还能生成丰富的教学资源，如课程大纲、教学课件等，从而减轻教师的工作负担，提高教学效率，为职业教育育人转型提供技术支撑。三是多模态技术的进步有助于多媒体教学内容的生成。多模态技术发展促使生成式人工智能模型能够立足多种数据类型，将文本转化为图像、视频等，进一步增强生成式人工智能模型的通用性。多模态技术的发展使生成式人工智能模型能够处理多种数据类型，如文本、图像、视频等。在职业教育中，该技术可以应用于多媒体教学内容的生成。例如，AI可以根据文本描述自动生成相应的教学图像或视濒，为学生提供更为直观、生动的学习体验。此外，多模态技术还可以用于虚拟实验和模拟训练，帮助学生更好地理解和掌握职业技能，为职业教育育人转型奠定技术基础。

二、生成式人工智能赋能职业教育育人转型的战略图景

1.教学方式优化：打造互动生成的学习形态。为推动职业教育育人转型，通过生成式人工智能打造互动生成的学习形态，促进学生与教师、学生与学生、学生与技术之间的深入互动，并据此生成新的学习资源、学习方法和学习体验，最终实现“教学方式优化"这一战略图景。基于生成式人工智能打造互动生态学习形态，主要体现在教学设计、情境模拟、互动学习等方面。一是智能化教学设计的全面应用。生成式人工智能将作为核心助手，深度融入职业教育的教学设计环节，自动生成与教学目标高度匹配的教学任务和实践活动，为教师提供全方位的教学支持。同时，借助生成式人工智能的多模态资源检索能力，能创造出互动式的教学课件和逼真的在线实验与模拟环境，为学生提供一个沉浸式、个性化的学习体验。二是仿真式对话科普与互动学习。利用数字仿真技术，生成式人工智能将生成虚拟形象，以“角色扮演 + 场景构建”的方式与学生进行互动，不仅能够激发学生的学习兴趣，还能通过互动生成的学习状态，切实提升学生的学习效果。这种创新的教学方式将打破传统教学的局限，为职业教育注入新的活力。三是编程助手的广泛应用。在计算机类职业教育课程中，生成式人工智能将作为编程助手，实时注释已有代码，并根据文字要求生成对应的代码。以上应用将帮助学生更加精确地理解计算机语言，打造互动生成的学习形态。通过生成式人工智能的辅助，学生能更快地掌握编程技能，提高学习效率。

2.教学资源优化：创设人机协同的育人模式。生成式人工智能的强势崛起标志着“无限接近人类智能”的人工智能时代的到来。随着技术飞跃，教学资源优化不再局限于传统框架之内，而是迈向“教学资源优化：创设人机协同的育人模式”的全新高度。这一战略图景的绘就，标志着教育系统将迎来一次深刻重构。通过生成式人工智能的大数据和机器学习技术，分析学生的学习数据和行为模式，创设人机协同的育人模式，优化职业教育育人理念。在数智社会下，人与技术之间和谐共生的关系日益凸显，形成“人一技术一世界"紧密相连、共同驱动的新行动系统[4]。此情形下，教育主体构成不仅局限于教师和学生，还拓展为包含教师、学生以及技术在内的三元主体结构，深度融合于职业教育教学之中。具体而言，传统“师一生”双向互动与“生一生"合作学习模式正逐步演变为“师一机一生、生一机一生"的多元化人机协同育人模式[5]。就教学情境而言，生成式人工智能可以通过语境生成和情境模拟技术，创设高度沉浸式的学习环境，同时突破传统教室的空间限制，使得学生可以在任何接入网络的环境空间进行学习。就教学形式而言，生成式人工智能有助于学生与人工智能机器进行实时交流、提出问题、探讨想法，通过人机协同教学，引导学生主动学习，同时，还可以训练学生的批判性思维以及创新实践能力。就教学内容而言，生成式人工智能凭借强大的教学资源库和生成能力，使得学生充分掌握智能化学科知识、实践技能、创新思维及人机协作能力，进一步激发学生的创新思维，培养学生对不同领域知识的理解。教学丁目代业坦升职』教玄的玄居

教学工具经历前所未有的革新与升级。它们不仅是知识传递工具，更是促进学生全面发展的坚实后盾。以生成式人工智能技术为动能基础，改变教育发展和人才培养的原有范式，不断驱动教育创新发展，拓宽职业教育育人转型的行动空间。生成式人工智能的工具性嵌入，为职业教育育人转型提供可行路径。工具性嵌入是指将生成式人工智能这类具有生成文本、图像、视频等内容能力的技术深度嵌人职业教育各个环节，以提升教学效率、实现个性化教学、优化学习体验。事实上，生成式人工智能在职业教育的工具性嵌入具体表现在促进教学变革、重塑教育体系以及助力回归教育本质三层价值。首先，促进教学变革。生成式人工智能赋能职业教育育人转型是数字技术自身工具理性逻辑的彰显，是实现职业院校、企业、实训基地等数字资源之间多维关联和聚合的过程，能够逐渐渗透到职业教育的各个层面，为职业教育治理、教学模式带来革命性变化。生成式人工智能通过对职业教育的治理对象和治理问题进行数字化演绎，推动“翻转课堂”“混合式学习"等新型教学模式普及，进一步转变传统职业教育教学模式，培养学生创新思维和问题解决能力，使职业教育育人转型动态可视化，提高教师备课授课的效率。其次，重塑教育体系。以生成式人工智能为代表的人工智能技术、大数据技术可以作为工具应用到职业教育场景中，将不同技术整合到统一框架或应用中，在教育产品的研发上根植于职业教育的真实需求，更新学习路径和教育结构，促进职业教育体系的系统性变革，进而赋能职业教育育人转型。最后，助力回归教育本质。生成式人工智能以工具性嵌入为主要手段作用于教育领域，使得教育发生革命性变革。然而，教育本质不会发生改变，其终极教育价值是助力回归教育本质，即以学生健康成长为中心，在快乐学习过程中充分发掘自身潜能，实现全面与个性化发展。生成式人工智能借助大数据等技术，打造精准化的自适应学习智能系统，使因材施教、个性化学习在职业教育领域得以实现，让学习者能够自由全面地发展，进而助力教育回归本质。

三、生成式人工智能赋能职业教育育人转型面临的现实风险

1.教学目标与定位偏移。人工智能技术进一步发展会对职业教育带来诸多无法预测的综合性影响，尤其是对工具理性的把握不当，会对教育中“人的发展"带来破坏性影响，导致教学目标与定位产生偏移。一方面，教学目标在教师、学生、教学三个层面的偏移。具体而言，在教师层面，部分教师在使用生成式人工智能辅助教学时过于依赖技术生成的教案、教学资源等，忽视对自身教学方法和策略的反思。这种依赖会导致教师逐渐丧失对教学活动的主动设计和优化能力，影响教学质量的提升。教学目标设定过于单一，在使用生成式人工智能时，部分教师往往主要关注知识传授的目标，而忽视了技能培养、思维能力提升等，不利于学生的全面发展。在学生层面，部分学生由于过度依赖生成式人工智能，导致自主学习能力下降。学生更倾向于借助生成式人工智能快速获取答案来完成学习任务，忽视了深入思考和探究的过程。在使用生成式人工智能时，部分学生缺乏明确的学习目标和动力，只是被动地接受知识，没有主动地去探索、发现和应用知识。在教学层面，教学内容与教学目标不匹配。部分教师过于关注技术的便捷性，忽视了教学内容与教学目标之间的匹配度，导致教学内容偏离既定教学目标。教学过程缺乏互动和反馈，生成式人工智能虽然能够为学生提供个性化的学习路径和资源，但教学过程缺乏师生之间的有效互动和反馈，导致学生无法真正理解和掌握知识。另一方面，教学定位偏移。生成式人工智能在职业教育教学过程中为教师提供丰富的教学资源和便捷的学习方式，并实时收集和分析学生学习数据，为教师提供反馈及决策依据。然而，生成式人工智能的过度或不当应用引发技术异化问题，突出表现为课堂变成技术的展示场而非知识的传授地，教学定位向工具性偏移。