摘要：人工智能的飞速发展为研究型人才培养带来了机会，对基于人工智能培养研究型人才 的理念、实践与路径进行研究有着重要的意义。通过对国内外高校相关的实践梳理，提出基于人 工智能培养研究型人才的基本思路。基于人工智能培养研究型人才，需要转变教育理念和模式，及 时更新数字教育形态，加强教师和学生人工智能素养的提升，发布适应数字教育发展的政策和引导 计划，加强人工智能平台建设，通过智能教育“新基建 ”助力研究型人才培养。

关键词：人工智能；研究型人才；数字教育

人工智能（AI）的发展一日千里，并且正在以同样的速度渗透到人类的学习、工作和生活当中，快速改变着人类的生存状态。2025年1月份以来，以DeepSeek为代表的大语言模型掀起了新一轮的人工智能热潮，推动了各行各业人工智能的运用。在这些改变当中，教育受到的冲击是最大的：人工智能在知识搜集、整理、表达方面具备的强大优势正在颠覆传统学习方式，逐渐形成教育教学的新样态。其中，人工智能在研究型人才培养方面的潜力是巨大的。人工智能的运用，正在推动形成基于人工智能培养研究型人才的新理念、新实践，也提示了我们推动研究型人才培养的新路径。本文即对这一主题进行分析，以期推动基于人工智能培养研究型人才的理念更新和路径创新。

一、人工智能助力研究型人才培养新理念

基于人工智能的课程建设，为研究型人才培养提供重要保障。研究发现，有效利用人工智能驱动的教育工具，可以使教学方法与学生的需求相一致，为他们在现实世界中的应用做好准备，并解决各教育利益相关方提出的技能差距问题，从而显著提高学术成就①。这些教育工具对技术整合的反应能力为高技能研究人员奠定了基础，他们可以利用这些工具进一步开展研究。当传统专业的AI课程渗透率提高时，学生解决复杂问题的能力也会随之提升，科研创新周期显著缩短。

对研究型人才培养来讲，站到人类科学研究的最前沿，是最需要时间、精力、投入的事情。人类在幼儿园时期就开始知识学习，经过小学、中学、大学，再到研究生，尽管也有教育在大学本科时期，甚至是高中阶段就进行研究能力的培养，但更为典型的研究型人才培养主要是在研究生培养阶段。这一过程不仅耗时、耗力，投入巨大，而且只有很少一部分学生能够脱颖而出，成为研究型人才。引导研究生完成这一系统化的培养过程具有重要意义。

人工智能加速了研究型人才对文献和数据的理解，使他们很容易走到知识的最前沿。在人工智能的加持下，人们可能更有效地整理文献和数据，确保研究人员能够获取最相关的信息，而无需在难以管理的大量学术资料中进行筛选①。通过自然语言处理（NLP）、机器学习等技术，研究人员可以更快、更好地理解现有的文献资料，找到海量知识中最关键的信息，不仅提高了研究的效率，缩短了研究型人才成长的时间，而且提高了培养质量，使得研究型人才能够有更多的时间关注更有用的创新性部分。不仅如此，人工智能还在逻辑推理等方面不断取得突破，使得研究人员能够更好、更快地发现复杂数据背后的规律，从而提升研究型人才对数据的洞察力，使研究型人才的培养效率大幅度提升。对文献和数据的高效学习和管理，大大缩短了研究型人才培养所需要的时间，使他们能够尽快地站在学科的最前沿。

人工智能为研究型人才成长所需要的个性化学习提供了更大的可能性。研究型人才的培养需要个性化学习，而提供个性化学习，需要更大的投入，会使教育的投入成倍增长，这也是制约研究型人才培养在更大范围内拓展的一个主要原因。在人工智能的加持下，这种个性化的培养不仅会在投入上大幅度减少，而且质量也会更高。国内外大学越来越多地营造智能学习环境，利用人工智能根据学生的个人需求定制教育体验②。这在很大程度上改进了个性化学习，同时投入又没有增加太多。尤其是，人工智能不仅可以帮助学生学习，还能分析学生的学习风格和偏好，为研究型人才制定个性化的学习方案和进度。这种形式的个性化已被证明能产生更高的参与度和更好的学习效果，因为它能让研究人员按照自己的节奏取得进步，并专注于与其工作最相关的领域③。这种方法提高了研究人员的积极性，这对有效的研究过程至关重要。

人工智能可以更好地辅助研究型人才在研究领域有所创新。人工智能凭借其强大的数据处理和模式识别能力，能够显著提升研究型人才在各自研究领域内的创新能力。大量的研究实践证明，人工智能工具可以帮助研究人员提升对数据的理解，从海量的数据中识别出有用的模式，提出假设，根据假设进行统计分析等，这些任务在当今数据驱动的研究领域至关重要④。在学术写作和传播研究成果方面，人工智能也具有显著优势。人工智能工具可以帮助研究人员起草、编辑和排版手稿，从而有效优化出版流程⑤。通过简化这些任务，研究人员可以将更多精力放在其工作的智力贡献上，而不是与出版相关的后勤挑战上，因为这些挑战往往既耗时又容易出错。更为有益的是，这一科研流程，能够以实际操作的方式成为一种最有效的教学方式。作为研究助手的人工智能不仅能提示每一步研究的过程，需要的资料和使用的方法，而且还将这一过程转化为教学，让学生亲身参与其中，更高效率、更高质量地完成研究型学习。

人工智能将研究型人才的培养从一般的琐碎工作中解放出来，能够更加关注高阶的思维和能力培养。比如研究型人才培养所需要的批判性思维、创造力和创新性问题解决等，这对有效地研究和学术写作至关重要。这种转变不仅优化了研究过程，还营造了一个更有吸引力的环境，特别是让教育工作者有更多的时间与学生和研究人员进行有意义的互动①。人工智能在教育领域的优势还在于其促进批判性思维的能力。通过在教育实践中接入人工智能，可以增强学生批判性思考的能力，包括围绕人工智能的伦理考虑和研究成果的更广泛影响②。此外，人工智能在推动研究型人才的合作精神方面也有出色的表现。人们发现，以人工智能为中心的竞赛，如黑客马拉松或编码竞赛，通过挑战参与者的创造性思维和开发解决复杂问题的创新方案，促进了合作研究的发展③。

人工智能素养框架的建立对于研究型人才的培养至关重要，它为学习者提供了一个基础，使他们能够驾驭道德问题，同时培养数字时代所需的重要技能④。教育工作者必须利用这些技术资源来增强学生的信心，拓展他们的学术技能，从而提高整体研究质量⑤。

尽管人工智能在推动研究型人才培养的过程中表现优异，但我们仍然需要警惕人工智能在教育中的负面影响。虽然人工智能工具可以提高研究能力，但也有可能助长过度依赖，在缺乏定期认知参与的情况下，可能会导致技能衰退⑥。培养研究型人才的一个重要方面是，在从人工智能能力中获益的同时，在人工和人工智能之间保持平衡。

二、人工智能助力研究型人才培养新实践

随着人工智能突飞猛进地发展，国内外高校都在向人工智能教学发力，希望通过人工智能助力研究型人才培养。这些实践，既有人工智能软硬件平台方面的建设，也有教育理念与教育模式方面的革新，同时也与教育行政部门、教育工作者和学生等教育主体的认知和水平密切相关。

转变教学理念与教育模式，是以人工智能助力研究型人才培养的主要实践。课程改革首当其冲，这也是人工智能对教育影响最大、最直接的方面。更受到人们追捧的是学科和专业交叉培养，有利于实现面向问题的创新型人才培养。除此之外，人工智能伦理、体验式学习等都有着重要的意义。通过构建“课程—平台—制度”三位一体的智能化教育生态，不仅能实现传统专业的数字化重生，更将培养出具备跨域知识整合力、人机协同创新力、技术伦理决策力三大核心竞争力的新型研究型人才，最终形成教育供给侧改革与产业需求侧升级的双向赋能格局。

课程改革是开展人工智能赋能教学的最重要，也是最常见的场景。比较成熟的课程改革之一是AI赋能课程建设。作为国内人工智能教育的领头羊，清华大学在2023年就部署人工智能课程，2024年更是启动AI赋能教学试点的改革。这项试点计划将涵盖全校100门课程，以清华大学计算机科学与技术系与智谱华章公司共同研发的千亿参数多模态大模型GLM作为技术基础。另一个比较成熟的改革是项目式学习实践，也成为人工智能课程改革的常见方式。爱丁堡大学生物医学AI博士培训中心，要求学生通过AI技术解决药物研发难题，培养跨学科问题的解决能力。中国科学技术大学采用本硕贯通的培养方式，专注于培养世界级的人工智能人才，强调理论与实践的紧密结合，显示出该方式的有效性。另外，多所大学还在实施体验式学习计划，让学生接触人工智能在现实世界中的应用。这种方法可以让学生直接接触人工智能工具，从而通过亲身体验巩固他们的理解。研究表明，学生参与人工智能项目可以培养批判性思维和解决问题的能力，这是创新研究工作的基本特征①。例如，利用人工智能技术的合作研究项目可以帮助学生获得实用技能，同时促进有意义的探索，继而进一步实现他们的学术和职业目标。

要充分利用人工智能在研究型人才培养方面的潜力，调整教学方法也至关重要。我们鼓励教师采用既能反映人工智能变革前景，又能兼顾其潜在风险的教学方法，例如依赖人工智能系统完成研究任务②。将教育工作者在人工智能技术方面的持续专业发展作为优先事项的机构，能更好地让教学人员有效利用这些工具，并营造有利于创新和探究的环境③。这种适应最终会带来更高质量的教育实践和更高水平的研究成果。

通过学科交叉的方式为学生提供更多的课程和应用场景，是各大学通行的做法。清华大学通过设立“人工智能学堂班”，实施“AI+X”课程项目，促进人工智能与其他学科的交叉融合，培养学生的跨学科思维能力。卡内基·梅隆大学定位培养跨界、复合型人才，通过跨学科任务培养学生的批判性和探究性思维。人工智能素养的培养并不仅仅局限于计算机科学或技术领域，它正被纳入多个学科的课程中，反映了人工智能本身的跨学科性质。教育计划正在进行调整，以纳入与各行各业相关的人工智能内容，确保来自不同学术背景的学生获得基本的人工智能能力④。这种广泛的人工智能素养提高了学生开展人工智能应用研究的通用性，最终丰富了学术环境。

重视人工智能伦理的教学，也是实践之一。研究发现，人工智能教学不仅要了解其技术要素，还要解决影响人工智能应用如何影响社会的伦理问题⑤。无论是人工智能的专业学生，还是只是借助人工智能完成其他专业的学生，都需要认识人工智能技术的影响。一般的大学都会将伦理讨论纳入人工智能培养当中，这样可以确保学生不仅能熟练使用人工智能工具，还能考虑其社会影响①。国外名校哈佛大学、麻省理工学院、斯坦福大学都在人工智能课程开设方面突出了伦理和社会责任的重要性。清华大学的人工智能课程强调技术与人文的结合，开设了多门涉及人工智能伦理与社会影响的课程，如《人工智能伦理导论》等，其他高校，如北京大学、北京邮电大学等校也加强了人工智能伦理方面的教学。

提升教师的人工智能素养，是各大学以人工智能赋能研究型人才培养的基础性工作。世界各地的大学越来越重视提高教师的人工智能素养，以培养研究型人才。教育工作者需要为人工智能的变革能力做好准备，准备程度的提高与教育成果的有效性直接相关②。因此，为了应对受人工智能技术影响的社会变革，将人工智能融入教育课程对于培养教师的能力，对于培养一支知识渊博的学术队伍至关重要③。实施旨在提高教师人工智能素养的综合培训计划，是加强基于人工智能培养研究型人才的重要项目。这些项目强调在研究中理解人工智能概念、应用和伦理影响的重要性。例如，易卜拉欣强调了有针对性的专业发展计划的必要性，以确保教育工作者能在教学和研究活动中有效利用人工智能工具④。

通过国家级战略推动人工智能的发展，也是各国的通行做法。早在2017年，中国就制定出台了《新一代人工智能发展规划》，明确到2030年人工智能理论、技术与应用总体达到世界领先水平，成为世界主要人工智能创新中心。这推动了一批像清华大学、上海交通大学、哈尔滨工业大学等高校的人工智能建设。除了国家级战略外，江苏省教育厅专项资金支持36所高校开设AI专业，47门课程入选国家级一流本科课程，形成政策—资源联动效应。2023年9月7日，联合国教科文组织颁布了《生成式人工智能教育与研究应用指南》，这是全球首份生成式AI相关的指南性文件，旨在促使生成式AI更好地融入教育，对人工智能工具使用的年龄限制、数字鸿沟、深度伪造等内容进行了规定，也提出了利用人工智能辅助教学、科研等想法。

建设合适的人工智能模型，用于培养研究型人才，也是实践的组成部分。斯坦福大学作为人工智能研究的重要基地，建立了世界上第一个人工智能实验室（SAIL），在人工智能的开创性工作中发挥了重要作用。2024年，在华东师范大学化学学科建设与学科交叉发展论坛上，化学领域大模型ChemGPT2.0正式发布，同期发布的还有以具身智能机器人化学家“华24”为核心的自动化化学合成平台，标志着化学研究与人工智能技术深度融合的新纪元。2024年，同济大学与腾讯集团共同发布了“同济—腾讯大设计大模型行动（TT）”，有力推动了该校在建设学科方面的优势。智能教育新基建的深化需同步推进工具革命与模式创新——建设AI增强型研究课程体系，将传统知识传授转化为“问题发现—智能工具调用—混合验证”的闭环训练，最终形成“领域模型即科研基础设施”的新型教育生态。

三、人工智能助力研究型人才培养新路径

通过分析人工智能助力研究型人才培养新理念与新实践，我们可以总结研究型人才培养的新路径。这一路径是一个综合的改革方案，包括了互相关联的五个方面。尤其是教育行政部门、教育工作者和受教育者的协同联动非常重要。

第一，转变教育理念和模式，及时更新数字教育新形态，以人工智能赋能研究型人才培养。一方面，树立人工智能时代人才培养的新理念。在人工智能时代，人才培养目标应该更加注重批判思维、问题意识、创新思维、实践能力等方面的培养，同时加强人文关怀和社会责任的培养。另一方面，打造人工智能时代研究型人才培养的新模式。重构教育教学模式，更有利于教师和学生在教与学的过程中融入人工智能。

基于人工智能培养研究型人才的教育模式构建也是非常重要的，问题导向学习（Problem-BasedLearning，PBL）和项目导向学习（Project-BasedLearning，PjBL）是其中两种重要的模式。构建基于人工智能的教学新模式，通过基于问题的教学，教师应该鼓励学生借助人工智能工具界定问题、分析问题、解决问题，借以形成其科学的知识结构和敏锐的问题意识，并提升解决问题的能力。再比如，构建项目式教学，鼓励教师开设以项目实践为导向的课程，体现以学生为中心的教学，引导学生整合多学科知识，解决复杂问题，最终形成可展示的成果。

第二，加强教师人工智能素养的提升，改革教育教学模式，为人工智能赋能研究型人才培养提供师资支持。在人工智能深度介入教育领域的背景下，教师人工智能素养已成为研究型人才培养的关键变量。当师生处于人工智能技术应用的同一起跑线时，系统化提升教师AI素养可有效规避“技术反驯化”风险，实现从知识传递者向智能导师的角色跃迁。

据联合国教育、科学及文化组织（United Nations Educational,Scientific and Cultural Organization）《人工智能与教育战略指南》、中国教科院《智能教育发展白皮书》及多所“双一流”高校实证研究，教师在人工智能时代应具备人工智能知识与技能、人工智能教学融合能力、人工智能思维与问题解决能力、人文关怀和社会责任、人工智能伦理与安全意识等，这对于以人工智能赋能研究型人才培养十分重要。可以从技术认知层、教学重构层、思维发展层、风险管控层等多个维度构建教师人工智能的基本素养，并在教师职后能力培养中体现出分层培养体系、评价激励机制等手段，建立“人类智能+人工智能”双螺旋发展模式，使教师成为AI时代研究型人才培养的价值锚点与技术舵手。

第三，加强学生人工智能知识、能力与素养的培养，引导学生改变学习方式，是人工智能赋能研究型人才培养的核心与根本。研究型人才需要具备人工智能的基本知识、能力和素养。人工智能素养的提升，会显著提升学生的研究型能力，在研究选题、文献综述、研究设计、数据收集与分析、论文写作、润色、修改，甚至是投稿方面都会有较大的帮助。

融合人工智能基础理论、技术应用与学科应用，形成“2+1”的培养体系，是快速提升研究型人才人工智能素养的基本模式。基于浙江大学《大学生人工智能素养红皮书（2024）》、北京市教委课程改革方案及多所高校实践验证，我们将智能时代学生素养框架概括为三个维度。一是基础理论层，包括人工智能发展历程、基本概念、核心技术、应用领域、机遇挑战等理论；二是技术应用层，包括熟练运用提示词工程、多模态生成工具、智能体开发平台、辅助编程等应用；三是学科融合层，实现AI技术与专业领域的深度耦合，包括智能政务、智能教育、智能社会科学研究、智能自然科学研究等。与这一“基础理论—通用技能—学科融合”的培养模式相呼应，应该建立2门人工智能通识课与1门学科与人工智能融合课的“2+1”课程体系，这是实现学科交叉融合，快速提升学生基于人工智能的研究能力的一个合理选择。

第四，加强政策分析与研判，发布适应数字教育发展的政策和引导计划，以人工智能助力研究型人才培养。认真研究人工智能兴起对教育的影响，及时调整教育政策，一方面可以规制人工智能可能对研究型人才培养的负面影响；另一方面还可以更好地发挥人工智能对研究型人才培养的助力作用。教育行政部门应该更多地提供政策引导，筑牢人工智能赋能研究型人才发展的制度基座。

基于经济合作与发展组织Organisation for Economic Co-operation and Development）《教育人工智能政策指南》、教育部《高等学校人工智能创新行动计划》及全球顶尖高校转型经验，尽快建立起基于人工智能的专业调整和培养模式。在学科专业调整中更加注重“智能+”的培养战略，加强学科交叉，引导形成如“人工智能+”的学科专业培养模式，助力传统学科专业转型升级。建立起以人工智能为内容的微专业、微学科，使学生能够及时、灵活地接受人工智能的教育，助力研究型人才的培养。

第五，加强人工智能平台建设，加强智能教育“新基建”，为人工智能赋能研究型人才培养打下基础。人工智能的发展日新月异，各种各样的通用大模型层出不穷。但值得注意的是，研究型人才的培养需要“大模型”的垂直应用，也需要在更加专业的领域建设适合研究型人才培养的“小模型”。这是数字教育时代新的基础设施建设，是以人工智能赋能研究型人才培养的关键。

构建垂直领域智能教育基础设施是人工智能赋能研究型人才培养的技术前提，需通过“通用基座—学科融合”双层架构破解大模型与研究型人才培养需要的人工智能底座。这是基于当前人工智能技术迭代呈现的双重趋势：一是通用大模型，尤其是通用大模型的开放性生态，为基于人工智能培养研究型人才提供了低成本、高效率的基础智能支撑；二是基于通用模型提供垂直领域解决方案，开发面向研究型人才培养的领域微模型（Domain-specificSlimModels），其技术实现路径包含：基础层搭建安全可控的智能算力平台（如基于国产芯片的本地化模型部署），核心层运用知识蒸馏技术构建轻量化学科模型（如生物信息学专用DSM-Transformer架构），应用层开发模块化智能体组件库（含科研数据分析、学术伦理审查等垂直工具链）。例如，实现DeepSeek模型的本地部署，在通用模型的基础上加强知识库、智能体的建设，都能够非常有力地支持研究型人才的培养；建设AI课程，为传统的知识学习提供更好的问题导向模式，等等。

佟德志，天津师范大学国家治理研究院院长

文献来源：《天津师范大学学报社会科学版》2025年第3期