引言

当下以人工智能作为典型代表的颠覆性技术正加快速度重塑全球产业格局，发展新质生产力已然成为推动高质量发展的关键核心引擎，职业教育作为和产业联系最为紧密的教育类型，承担着为新质生产力发展输送优质人才支撑的关键责任，2024年《政府工作报告》明确提出要“大力推进现代化产业体系建设，加快发展新质生产力”，教育部等部门也强调，要培育“适应新技术、新产业、新业态、新模式”的高素质技术技能人才。然而，在职业教育中以技能训练为核心的传统工科专业人才培养模式已经无法契合产业智能化升级的复合型需求。

模具专业作为典型的传统工科专业代表，被冠以“工业之母”的称号，它本身就是一个高度综合的跨学科领域，其中包含材料科学、机械设计、成型工艺、自动控制以及质量检测等多个知识维度，不过受历史沿革和教学惯性的限制，当前职业教育体系里的模具专业教学普遍存在“融而不深”的状况，课程体系和教学内容多被割裂成孤立的技能模块，如学生虽然可掌握UG建模或者CNC操作等单项技能，但是缺乏对系统性的认知以及解决复杂工程问题的能力。这种“只见树木、不见森林”的培养方式，与新质生产力所要求的“人机协同、创新驱动、绿色低碳”等核心素养存在明显错位。

生成式人工智能的快速发展为解决这一困境提供了全新的思路，AIGC拥有强大的语境理解、内容创造以及个性化交互能力，可以充当“认知脚手架”和“知识关联器”，搭建起不同学科间的链接，减轻跨学科学习的认知负担，不过要技术红利准确、恰当地转化为职业教育的育人利器，并且避免陷入“技术至上”的错误观念，则需要进行系统性的理论构建以及路径探寻。本文以模具专业作为切入点，构建一个兼具理论支撑性又有实践可行性的AIGC赋能跨学科育人模式，为新时代职业教育的高质量发展提供参考。

一、核心概念界定与政策理论基础

（一）核心概念解析

1.生成式人工智能

生成式人工智能是以大语言模型也就是LLM作为代表的，可依据输入的提示词来生成文本、图像以及代码等全新内容的人工智能技术，它在教育领域所有的核心价值是，可提供信息检索方面的服务，还可借助对话式交互，为学习者给予个性化的解释、示例以及反馈，对深度学习以及知识建构起到支持作用。

2. 职业教育新质人才

职业教育新质人才则是作为新质生产力的塑造者以及践行者，其核心特点在于拥有持续学习力、人机协同能力、创新思维以及科技伦理素养，在职业教育体系当中，新质人才的培养呈现出层次性：中职层次着重于在AI辅助下感知技术要素之间的关联并且完成规范操作；高职层次着重于应用整合多学科的知识来进行工艺优化以及系统调试；职业本科层次则着重于协同AI开展技术创新与研发工作。不过其共性在于，都需要超越单一技能，形成系统性职业思维。

（二）政策与理论支撑

1. 政策方面

国家教育政策导向为跨学科育人模式给予了坚实的支撑，就如《新一代人工智能发展规划》中提出要构建新型教育体系，其中包含智能学习以及交互式学习，在《关于深化现代职业教育体系建设改革的意见》中也着重指出深化职业教育供给侧结构性改革，来培养更多高素质技术技能人才、能工巧匠、大国工匠，以及《教育强国建设规划纲要》对推进职普融通、产教融合、科教融汇进行了系统部署。这一系列顶层设计都共同朝着职业教育人才培养模式的深刻变革方向发展。

2. 理论层面

一是情境学习理论，知识是于特定的社会文化情境里，借助参与实践活动得以建构的，这意味着教学需要回归真实的职业世界；二是工作过程系统化课程理论，倡导打破传统的学科逻辑，依照完整的工作过程去组织教学内容，以此培养学生综合职业能力；三是跨学科整合理论，有效的跨学科教学并非单纯地拼凑学科知识，而是围绕一个核心主题或者问题，引领学生在不同学科视角之间建立有意义的联系。这些理论共同为以真实项目为载体、以工作过程为导向的职业教育的主流育人模式赋予AIGC技术给予了支撑。

二、职业教育跨学科育人的困境与AI赋能逻辑

（一）现实困境剖析

以职业教育里的模具专业作为实例，其教学进程主要遭遇三重结构性矛盾，首先是课程内容出现割裂状况，像模具设计，模具材料与热处理等专业课程之间欠缺有机的联系，比如当学生学习模具材料与热处理课程时，很难明白其性能参数是如何影响到后续的模具设计以及模具制造课程，知识呈现出碎片化的形态。其次是存在技术脱节现象，教学内容与产业前沿存在代际差距，对于AI辅助设计、智能工艺规划、数字孪生调试等新设备、新方法涉及比较少，致使毕业生难以迅速适应智能化产线。最后是考核评价不全面，评价体系过度集中于技能操作的熟练度与准确性，主流的项目式、情景式教学在实施过程中，也存在忽视学生系统思维、问题解决能力以及创新能力等高阶职业素养考查的情况，这会在无形中强化“唯技能论”的导向。

（二）AIGC的赋能机制与职业教育适配性

AIGC技术的迅速迭代发展，为解决上述所面临的困境提供了结构性的新思路，其赋能跨学科育人的逻辑主要在以下三个层面：

1.作为知识关联器

AIGC可依据包含前沿技术等在内的海量知识数据，自动构建跨学科知识图谱，比如学生输入“3D打印件翘边怎么办”，它会给出解决建议，还会关联解释“PLA材料的热变形特性”“层间结合力”“环境温度”等多维度因素，帮助学生构建系统性认知。

2.充当认知脚手架

在面对复杂的理论概念之时，AIGC可采用学生能够轻松理解的方式来作出解释，比如说把“模具收缩率”比作“面团在烤箱里会缩小”这种情况，并且还可生成与之相应的可视化示意图，如此一来便可切实降低认知门槛。

3. 身为项目协作者

在项目式教学里，AIGC逻辑性文本生成能力可协助学生去完成初步方案的制定以及成果汇报等相关任务，把学生从繁杂琐碎的信息搜集以及格式整理工作当中解脱出来，让学生可以把更多的精力投入到创造性思考以及决策方面。

特别需要指出的是，这种赋能模式与职业教育贯通培养的实际情况高度契合，它借助统一的模式框架，达成了对不同层次人才的差异化培养，不管是中职生、高职生还是职业本科生，都可在一个源自真实产业需求的项目里，依据自身的认知水平，在AI的帮助下探寻不同深度的关联知识，达成从层次分明的“轻量级”到“深度级”的跨学科整合。

三、生成式AI赋能的职业教育跨学科育人模式构建

据此，本论文构建了“目标-实施-保障”三位一体的AIGC赋能职业教育跨学科育人模式。

（一）目标层：锚定分层递进的新质人才培养定位

此模式所有的培养目标体系呈现出较为十分突出的层次性，可契合职业教育贯通培养的相关需求。

基础层

中职学生要扎实地掌握模具CAD/CAM以及3D打印操作等核心专业技能，并且可在AI的辅助之下理解1至2个关键的跨学科关联知识。

发展层

高职学生要能使用AI整合多领域知识来开展工艺参数优化工作，同时进行成本核算以及系统调试，让其有较强的工程实践能力以及问题解决能力。

进阶层

职业本科需初步具备可协同人工智能展开新材料以及新工艺应用探索和技术创新的能力，同时拥有较强的绿色制造与创新驱动等职业意识。

（二）实施层：构建“AI+真实项目”四阶教学流程

此模式的关键要点在于，紧紧围绕一个源自企业的真实项目展开，像“新能源汽车后视镜壳的模具开发”这样的项目，设计出四阶递进的教学流程。

第一阶段：任务明确阶段

教师可以利用AIGC去补充任务要求，清晰地明确设计约束、性能要求以及交付标准，在这个阶段里，AIGC可以充当信息枢纽的角色，推送与之相关的行业案例、用户调研数据或者技术标准，比如说，在该项目当中，AI可以自动生成目标用户画像，像年龄、偏好等信息，还可以生成同类产品市场分析报告，以此帮助学生迅速把握设计方向，把抽象的任务转化为具体可感的形式。

第二阶段：计划决策阶段

在此阶段，学生于教师的引导之下，围绕项目所提出的需求展开跨学科知识的剖析活动，比如说，若要解决“零件强度不足”这一问题，就需要对材料性能、结构设计以及成型工艺等方面进行综合考量，在这个过程中，AIGC发挥着“智能导师”的作用，可及时对学生所提出的疑问给予回应。当学生提出“为何选用P20钢而非45#钢制作注塑模？”这一问题时，AI可以罗列出两种钢材在硬度、韧性以及价格方面的对比情况，而且还可以链接到具体的失效案例视频，甚至可以生成一个经过简化处理的热处理工艺流程图，像这样多模态、情境化的知识供给方式，切实有效地为学生的自主剖析提供了支持。

第三阶段：项目实施

学生开始进入实践环节，着手进行模型设计、参数调试以及样件制作，在这个阶段，AIGC扮演着“智能协作者”和“安全哨兵”的角色，比如在3D打印坯体环节，系统可实时监测打印状态，一旦检测到平台温度出现异常或者材料流速不稳定，就会马上发出预警，并且给出可能的故障原因以及解决办法。在CNC加工仿真中，AI可以对学生的G代码进行预演分析，指出潜在的刀具干涉或者过切风险，这种“实践-反馈-修正”的闭环，提升了操作的安全性，又把学生的关注点从“如何操作”引导到“为何如此操作”，加深了对工艺逻辑的理解。要坚持“AI辅助+实际验证”，保证学生可获得真实的触觉以及经验反馈，防止出现技术依赖风险。

第四阶段：反思评价

当项目完成之后，老师会组织成果展示以及多元评价，AIGC可依据全过程的学习数据，像提问记录、方案修改的次数、协作沟通的文本等，生成学生的能力画像，客观地记录学生在问题定义、方案设计、协作沟通等表现，评价重点从“结果对错”转变为“过程增值”，关注学生的思维成长以及创新尝试。比如即便最终产品没有完全达到标准，但是如果学生在过程中呈现出对材料回收利用的思考，或者提出了独特的结构优化方案，那么也应该给予充分肯定，教师在这个阶段的核心任务是引导学生进行深入反思，把AI提供的数据洞察转化为个人成长的内驱力。

（三）保障层：三位一体支撑体系

为确保模式有效运行，需要构建坚实的保障体系。

教师角色发生转型，教师要从单纯的“知识传授者”转变成为“跨学科项目设计师”以及“学习过程引导者”，其核心能力并非单纯是单一技能的熟练程度或者理论知识的宽泛程度，而是对于产业前沿的敏锐洞察力、跨学科知识的综合整合能力以及对AIGC工具的有效驾驭能力，学校可建立“教师数字素养成长培训计划”，以此支持教师实现持续发展。

推进产教协同的深化进程，校企合作不应仅停留在浅层的实习安排层面，而要实现升级，构建“AI赋能项目库”以及“智能评价标准”，企业可提供真实的产品需求、失败案例以及工艺数据，教师则负责收集日常项目开展过程中的典型问题，以此来训练和优化校内的AIGC模型，保证教学内容与产业需求保持同步。缪玲所提出的“共研、共建、共育、共治、共赢”六共模式为这一进程提供了明确的行动指引。

健全伦理规制，要对技术应用带来的风险保持警惕，需制定校本的《生成式AI教育应用指南》，明确数据隐私保护的边界，保证算法决策有可解释性，并且始终将“育人”作为根本，以教师作为主导，防止AI技术对师生情感交流以及教育初心造成侵蚀，王钢所警示的“教育主体性消解”以及郑清松强调的“算法歧视”风险，就建议依靠制度设计来进行防范。

四、模式的普适性、风险与推广路径

本文虽以模具专业为例，但它所含的“AI+真实项目”核心逻辑，可以向其他传统工科专业进行迁移，像机电一体化、汽车维修以及建筑工程技术等专业，该模式成功的关键要点在于，是否有能串联起多学科知识的真实职业任务。

同时也务必要警惕两大风险，其一为“伪个性化”风险，如算法数据不足或者给学生推送习惯性的内容，这反倒会对其思维的多样性造成限制，针对这种情况，应当构建“人工干预”机制，教师需要及时判定AI推荐内容是否合理，鼓励学生对AI的建议提出挑战，以此培养其批判性思维。其二是“技术依赖”风险，过度依赖AI有可能致使学生动脑思考能力变弱，可以定期开展无AI教学周、无AI项目等教学活动。

模式要广泛应用，还需从两个方面着手努力，在投入支持方面，可以让教育主管部门发挥牵头作用，去构建共享型的AI教学资源以及算力平台，防止各个学校出现重复投入的情况，以此降低应用的门槛，在政策支持方面，可以把“AI赋能跨学科教学”的探索以及所取得的成效，纳入“双高计划”“职业本科试点”等项目的评价指标体系当中，形成正向激励，促使整个职业教育体系实现协同进化。

五、结语

生成式人工智能并不能解决所有问题，也不是要取代传统教育模式，它是为职业教育的跨学科育人模式打造的一把梯子，本文构建的AIGC赋能职业教育跨学科育人模式，其核心价值在于，依靠技术的力量，把原本分散在不同学科的知识在一个项目里联系起来。使学生拥有足以应对真实、复杂且极具挑战性的职业世界的能力，借助“AI+真实项目”的深度融合方式，希望能够培育出拥有系统思维、人机协同能力以及价值判断力的新型技术技能人才。唯此，职业教育才能真正成为制造强国建设的“新引擎”，在时代浪潮中稳健前行。

参考文献：

1. [1] 左鹏鹏,刘彬.基于AI渗透和产教融合的模具新质人才培养要求及策略[J].模具工业,2024,50(11):76-79.
2. [2] 缪玲,曾祥跃,张新成.人工智能赋能职业院校产教融合人才培养的应用研究[J].职教论坛,2025,41(02):28-35.
3. [3] 孙志燕,宋逸群.人工智能对就业的影响效应探究[J].改革,2025(05):48-59.
4. [4] 郑瑞萍.跨学科项目式学习提升中职生问题解决能力的案例研究[D].上海师范大学,2024.
5. [5] 郭安然.人工智能赋能职业教育发展的研究现状与未来走向[J].职业技术教育,2025(02):36-45.
6. [6] 钟云飞,李学刚.人工智能赋能传统工科专业教学改革路径研究[J].印刷与数字媒体技术研究,2025(03):35-41.
7. [7] 郑清松.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[J].教育与职业,2025(06):42-45.