文章来源:《清华大学教育研究》2026年05期
作者简介:张羽，清华大学教育学院党委书记、教授，研究方向为教育经济学、未来教育与学习；李金赫，马来西亚理科大学教育学院博士生，研究方向为STEM教育、人工智能与教育、科学教育；于济凡，清华大学教育学院助理教授，研究方向为人工智能与教育.DOI:10.14138/j.1001-4519.2026.05.001910
【摘 要】人工智能的快速发展要求高等教育重新审视人才素养的构成及其培养方式。本文采用语义嵌入辅助的多源文献分析，通过语义分组组织材料比较，结合原文核查与概念综合，将人工智能时代的人才素养要求归纳为“智能技术理解与运用、知识探究与专业判断、自主学习与自我发展、审美体验与文化表达、社会参与与公共责任”五个核心维度，涵盖十三项具体内容；同时，讨论以“尝试与改进”为素养的实践取向，说明不同素养要求如何在实际活动中展开并相互联系，将培养内容与学习经历相联系。本文基于跨领域海量文献，采用透明的语义计算和可复现的分析过程，研究结论具有更强的普适性，为高等教育培养目标的重新确认、课程体系改革与育人实践改进提供参考。
【关键词】高等教育；人工智能；人才素养；人才培养；语义嵌入
一、引 言
人工智能正在深刻改变知识生产、劳动实践与社会运行的基本方式，现有人才素养结构已不足以适应未来社会发展。全球大学、产业界以及政策制定者正对未来人才素养的内涵、结构与培养方式展开热烈的讨论，这对于高等教育人才培养模式的创新具有重要指导意义。然而，既有观点或基于个人经验与洞见、或基于特定理论视角或话语体系，不同来源的素养要求仍需在更广泛的人才培养议题下进一步比较、辨析与综合，形成更加普适的素养维度，以支持大学对人才培养改革做出进一步的分析、判断和决策。
围绕面向未来的人才发展，国际组织与学术界已提出多种教育愿景和素养框架。OECD“学习罗盘2030”(Learning Compass 2030)，以学习者能动性为重要基础，强调创造新价值、调和矛盾与困境、承担责任等变革性能力 (transformative competencies)。UNESCO在《一起重新构想我们的未来：为教育打造新的社会契约》中则关注人的尊严、团结与共同责任，以及教育参与塑造共同未来的作用。我国《教育发展“十五五”规划》在“塑造立德树人新格局”部分提出“着力提升学生能力素养”，加强青少年科学素养、批判性思维和创新能力培养，并“强化科技教育和人文教育协同”。在高等教育研究中，埃勒斯（Ulf-Daniel Ehlers）等开展的“NextSkills”研究通过深度访谈与德尔菲专家咨询，以行动能力为核心，将学习与成长、设计与创新、社会共创等能力联系起来。罗燕、刘惠琴通过分析国际机构报告，归纳了高阶认知、沟通、跨学科素养与韧性等共同要求。这些研究表明，面向未来的人才培养既需关注知识与技能，也需关注个体自主发展以及参与共同活动的能力。
针对人工智能带来的新要求，相关研究进一步细化了人与技术互动所需的能力。UNESCO《学生人工智能能力框架》将以人为本的思维、人工智能伦理、技术与应用、系统设计相联系，并设置理解、应用和创造三个进阶层次；OECD与欧盟委员会的人工智能素养框架围绕与人工智能互动、借助人工智能创造、管理人工智能和塑造人工智能等活动组织能力。吴子杰（Davy Tsz Kit Ng）等通过探索性综述，从了解与理解、使用与应用、评价与创造及伦理议题等方面界定人工智能素养。与此同时，马尔考斯凯特（Lina Markauskaite）等主张超越以人工智能为中心的能力观，从技术、认知、社会互动与价值相互关联的关系中理解学习者的发展要求。这些成果为讨论技术运用与更广泛的人才发展要求之间的关系提供了基础。
上述研究在研究对象、材料来源与学习阶段等方面各有侧重。对于高等教育改革而言，亟需在共同的人才培养议题下，对人才素养相关研究成果进行详细的辨析，并在更广泛的文献范围内开展系统比较与整合，明确不同素养要求的共同内容与概念边界。然而，传统的分析方法对海量文献的整合与讨论往往因巨大工作量而难以真正实施，笼统的讨论又容易受限于个别研究者的主观印象。基于此，本文面向人工智能时代高等教育人才培养，采用语义嵌入（semantic embedding）组织大规模文献的检索与比较，并通过文献回读和概念辨析，归纳人才素养的核心维度与具体内容。在此基础上，进一步讨论不同素养要求在实际活动中的运用与联系，为高等教育人才培养目标的重新确认、课程改革与学习体验的设计提供参考依据。
二、研究方法
本文采用语义嵌入辅助的多源文献分析，将大规模材料的计算组织与原文比较、概念辨析和理论综合相结合。计算文本分析能够大幅提高分析效率、实现对海量研究文本的分析与比较，从而扩大文献比较的范围，为辨析素养内容提供更广泛的材料基础，并为深入阅读提供比较背景。具体概念的形成则需要在计算所揭示的文本关系与原文含义之间反复分析。基于这一研究思路，本文通过语义嵌入与分组组织比较材料，将不同文献中提出的具体素养转化为可供跨文本比较的分析内容，再围绕高等教育人才培养问题开展概念综合，形成内容群并归纳其所属的核心维度。
1. 文献来源与材料整理
文献检索在中国知网、科学网（Web of Science）核心合集和教育资源信息中心（Education Resources Information Center, ERIC）开展，发表年份为近十年（2017年1月至2026年9月）。检索围绕两个相互关联的概念集合展开：一类限定高等教育人才培养，另一类指向人才素养、关键能力、未来能力以及人工智能相关素养。考虑到中文与国际文献在概念使用上的差异，对中国知网采用一条综合检索式覆盖高等教育人才培养中的主要素养表述；国际文献则设置高等教育通用素养、人工智能相关素养和未来素养三条互补检索线（具体的检索式见表1）。三个来源分别实际取得4156、26877、10446份文献。分别在中文和国际来源内部去重，最终共计38701份文献。
材料筛选分别考察主题相关性与文本可用性。对人的素养、专业能力及其培养进行深入分析讨论的材料进入主分析候选集合，共22268份，供进一步选读与素养内容提取；涉及相关理论、教育情境与制度条件的材料另列为理论与情境参照集合，共12180份，为素养概念的辨析、培养情境的解释及制度条件的讨论提供选读来源。各份记录保留来源身份、题名、原始摘要或文献描述及相应版本，使后续选读、概念提取和内容判断能够返回原始材料。
2. 语义分组与比较材料选取
研究采用多语种语义嵌入模型BGE-M3，以文献题名及可得的原始摘要或文献描述为输入，生成向量表示，并以余弦相似度表征文本之间的语义接近程度。语义嵌入将不同术语和表述方式置于可比较的表示空间，为发现大规模材料中的相近讨论与差异性内容提供基础。
在此基础上，对知网与国际来源的主分析候选文献分别采用球面k-means式迭代形成24个语义分组。该方法依据文献向量与标准化组中心的关系组织文本，用于确定进一步阅读的材料范围。研究从各组中选取接近组中心、处于组间边界及随机抽取的材料，同时补充远离各组中心的材料。中心材料用于把握相对集中的讨论，边界材料用于比较相近议题之间的区别，随机与偏远材料则用于接触不同于典型表述的内容。
比较材料的选取与研究问题相联系。对于相近文献中出现的不同素养表述，结合语义位置开展对读；对于不同研究情境中出现的相同概念，则进一步比较其对象、活动和适用条件，并围绕具体问题补充检索。由此，大规模文本分析不仅提供候选材料，也为确定“哪些材料值得放在一起比较”提供依据。分组组织的是文献之间的关系，后续分析则聚焦文献中讨论的具体素养要求。
原文阅读采用生成式人工智能辅助定位、要求提取与材料整理，保留相应原文和解释记录。对摘要不足以支持判断、概念含义存在歧义，或涉及重要理论区别的材料，进一步查阅相关章节，并结合理论文献核对其含义。生成式人工智能承担分析辅助任务，其概括与分类结果通过原文对照进入后续解释。
贯穿内容发现、概念比较与定向核查的阅读，累计形成1221份来源文本版本记录。阅读记录按来源身份与文本版本保存，用于后续提出概念线索、辨析内容区别和核实解释依据。
3. 内容比较与核心维度归纳
研究以语义分组所选材料为基础，将分析单位确定为文献中讨论的具体素养要求，围绕内容对象、活动方式、质量要求与适用范围开展跨文本比较。对表述不同而内涵相近的要求予以归并，对名称相同但活动指向或判断标准不同的要求保留区别，并辨明特定职业或培养阶段要求的适用边界。同一文献可以包含多项素养要求，语义分组用于组织比较材料，内容类别则依据具体要求之间的关系形成。
研究者在比较具体素养要求、归并相近内容和概括上位类别时，需说明相应的判断依据。对含义不清或存在不同解释的内容，结合已有素养框架与相关理论开展定向阅读，在原文比较与理论参照之间辨析概念内涵及其培养意义。综合前期概念记录、文献对读及原文核查，研究形成十四个内容群，作为具体素养要求与上位培养维度之间的中间层。
在内容群基础上，研究进一步考察各类要求共同回应的人才培养问题，将主要对象相近、知识与活动相互补充、培养目标一致的内容归纳为同一核心维度；对涉及多个维度的内容，依据其主要关切确定组织位置，同时保留跨维度联系。据此，将十三个内容群组织为“智能技术理解与运用、知识探究与专业判断、自主学习与自我发展、审美体验与文化表达、社会参与与公共责任”五个核心维度。
第十四个内容群关注知识与方案的实际运用、试做及依据反馈调整行动。研究以此为内容依据，并结合素养形成、知识运用与反馈行动等相关理论论述，进一步提炼和阐释“尝试与改进”的实践取向，用以说明不同素养内容如何在实际活动中展开并相互联系，具体内涵与教育依据在第四部分进行讨论。
各分析环节的材料范围、处理方式及主要产出见表2。
三、人工智能时代人才素养的核心维度
本文通过语义嵌入辅助的文献比较，结合原文核查与概念综合，将相关素养内容组织为五个核心维度（表3中的十三项具体内容分别对应前述十三个内容群，按其共同回应的人才培养问题归入相应维度）。下文结合文献分析，阐释各维度及其具体内容的内涵与相互联系。
1. 智能技术理解与运用
智能技术理解与运用，是指个体理解人工智能的基本原理及其适用条件，认识使用中的风险与伦理边界，并依据活动目标选择工具、组织人机协作和调整使用方式的素养。该维度以智能技术及其使用为主要对象，包括“人工智能基本原理”和“工具选择与人机协作”两项具体内容：前者提供理解技术的知识基础，后者将这种理解落实为具体的使用安排，共同支持学习者有根据地运用人工智能等前沿技术。
人工智能基本原理主要涉及数据、算法与模型之间的关系，以及机器学习、预测和内容生成等技术的基本机制。未来人才需要理解其基本原理，认识数据质量、模型设计和输入条件对系统表现的影响，并据此辨明技术的能力边界与适用范围。UNESCO《学生人工智能能力框架》便将数据与算法等基础知识同应用技能联系起来，强调学习者理解人工智能的工作方式及其与人的互动。据此，本项内容的重点是形成能够解释技术现象、支持实际选择的基本认识。
工具选择与人机协作关注如何将技术纳入具体活动。工具选择要求学习者结合任务性质、功能特点与自身经验，判断是否使用人工智能、采用何种工具以及如何配置使用条件；人机协作则涉及目标表达、任务分工、交互配合与过程调整。生成式人工智能的使用不仅涉及提出需求和评价输出，还需要判断哪些任务适合交由系统承担，以及如何将生成结果整合到整体工作流程中。因此，工具选择与人机协作既要判断技术是否适用，也要明确哪些资料和任务适宜交由系统处理；对使用目的、受影响者权益与公共后果的判断，则同社会参与与公共责任维度相联系。
2. 知识探究与专业判断
在人工智能时代，研究并不局限于“学术研究”，美国大学与研究图书馆协会（Association of College and Research Libraries, ACRL）的《高等教育信息素养框架》将研究理解为持续推进的探究，其范围涵盖学术领域及个人、专业和社会生活中的问题。知识探究与专业判断，是指个体依托学科知识与专业方法形成问题、建构解释、评价证据，并对结论及其运用作出有根据的判断的素养。该维度以知识的形成、检验与运用为主要对象，包括“问题形成与知识建构”“证据评价与专业判断”“跨学科、系统思维及项目筹划”三项具体内容。
问题形成与知识建构关注如何从疑问、空缺或分歧中发现值得探究的问题，并通过调查、分析和论证形成新的认识。《高等教育信息素养框架》强调，根据问题确定调查范围、选择研究方法，并在综合不同来源的基础上形成有根据的结论。由此，知识建构既需要调动已有知识，也需要辨认现有解释的不足，在比较不同观点、回应质疑和修订问题的过程中推进理解。
证据评价与专业判断关注材料是否可信、推论是否成立，以及解释和方案是否符合专业要求。未来人才要能辨明证据的来源、形成方式与适用范围，依据学科知识和专业标准作出判断；面对人工智能提供的解释和方案，学习者不仅需要核实具体信息，还应考察问题设定、方法选择和论证过程，使专业判断贯穿任务始终。
跨学科、系统思维及项目筹划关注如何整合不同领域的知识、把握复杂联系并筹划回应未来变化的行动。跨学科要求联系不同学科的概念、方法和解释，辨明其适用范围与互补关系；系统思维要求考察因素之间的相互作用、反馈及连带影响；项目筹划则要求识别关键条件与不确定因素，比较可能的未来情境，并据此考虑行动方向。
3. 自主学习与自我发展
自主学习与自我发展，是指个体基于对自身处境与发展需要的认识，自主选择目标、主动组织学习与发展路径，调节动机、情绪与行动，并在困难和变化中灵活调整和促进自身发展的素养。该维度以个体的学习过程、发展路径与生活安排为主要对象，包括“学习调节与交流反馈”“自我认识与发展规划”“健康生活与个人福祉”三项具体内容，联系怎样学习、向何处发展以及如何维持有意义的生活。在这一维度中，自主性体现在对目标和路径的有意识选择，能动性则体现在主动采取行动、利用支持并依据处境修订安排。“LifeComp”框架关于自我调节、自我效能与个人发展的论述，为理解这些心理与行动内容提供了参照。
学习调节与交流反馈关注学习者如何计划和组织任务，监控理解与进展，并依据实际困难调整策略。卡利斯（David Carless）与鲍德（David Boud）曾将认识反馈的价值、作出判断、管理情绪和采取行动联系起来，强调学习者主动运用反馈的价值。持续推进学习还需要认识自身的动机和情绪，在困难中保持投入，并判断何时坚持有效策略、何时改变方法或寻求帮助。因而，本项内容既包括对自身学习的反思，也包括主动寻求、辨析和运用外部意见。借助人工智能获得解释或修改建议时，同样需要结合学习目标判断其价值，并将反馈转化为进一步尝试和调整的依据。
自我认识与发展规划关注个体如何理解自身兴趣、价值追求、已有经验与能力，并结合现实机会自主形成发展目标和行动路径。埃勒斯关于未来技能的研究强调，学习者需要协调教育机会、职业要求与个人生活，将其转化为自身的学习和行动策略。发展规划既涉及目标选择和阶段安排，也涉及在经验积累与条件变化中修订原有方向。人工智能可以提供规划建议，但对建议的取舍仍需联系个人的价值追求、现实条件与选择代价；在人工智能快速发展的背景下，自主发展也体现为理解技术变化、作出选择，并在必要时调整自身的发展方向。
健康生活与个人福祉将身心需要、生活质量和持续发展联系起来。在这一维度中，这一内容具体体现为认识自身状态，合理安排学习、休息与数字活动，应对压力和挫折，调节生活节奏，并在需要时寻求和利用支持。个人福祉既是持续学习和劳动的条件，也是人才发展应当关照的目的。将其与学习调节、发展规划共同组织，使自主发展体现为对目标、行动和生活的主动安排，而不只是提高任务效率或承受更多压力。
4. 审美体验与文化表达
审美体验与文化表达，是指个体在感受艺术形式、理解文化的过程中丰富经验，并通过想象、理解与诠释、形式探索及表达活动形成并交流意义的素养。该维度以审美经验、文化形式及其意义为主要对象，包括“审美欣赏与文化理解”和“审美评价、创造与文化表达”两项具体内容：前者侧重对文化对象的感受与理解，后者侧重对表达形式与意义关系的评价、形式探索和创造性表达，共同关注人在文化生活中的体验与意义建构。
审美欣赏与文化理解关注学习者如何通过观看、聆听和体会感受形式，联系文化背景与生活经验理解其意义。这里的欣赏既涉及对节奏、结构、形象等形式特征的辨认，也涉及对情感、意蕴及文化差异的体察。审美感受与文化理解相互促进：文化知识帮助学习者认识作品的语境，细致的欣赏也使既有知识获得具体的经验内容。
审美评价、创造与文化表达关注如何将经验、情感和意图转化为可以感受和交流的形式。其中“评价、创造”涉及对艺术、文化形式与意义关系的比较、阐释、取舍和再造，文化表达则指进入具体作品与交流活动，从而进入一种共同意义空间的建构。在人工智能参与内容生成的情境中，还涉及对材料、风格和呈现方式作出选择，并通过修改形成适切表达。
5. 社会参与与公共责任
社会参与与公共责任，是指个体理解他人并参与共同活动，与他人共事，并对行动涉及的伦理问题、权利关系及公共后果作出判断，承担相应责任的素养。该维度以人际关系与共同生活为主要对象，包括“理解他人与关怀回应”“沟通协商与合作”“公共判断与责任行动”三项具体内容，既关注具体交往中的理解与配合，也关注共同活动对更广泛群体的影响。
理解他人与关怀回应关注能否辨认他人的情感、经验与需要，从其处境理解言行，并作出适切回应。关怀既需要倾听和换位思考，也需要通过询问、确认和后续回应修正自己的理解。技术辅助的交流可以提供信息和表达建议，但如何回应具体他人的困难，仍应结合其实际需要与关系情境加以判断。
沟通协商与合作关注如何使不同参与者达成共识并协调行动。学习者需要结合交流对象、目标受众和活动情境选择沟通方式，澄清误解、协商分歧，在合作中展现对他人的承认与尊重，使共同活动既能推进任务，也能容纳不同经验和意见。人工智能介入信息整理、表达转化与工作协调时，学习者同样需要确认信息是否被准确理解、分工是否合理，以及参与者能否对共同决定作出回应。
公共判断与责任行动进一步关注行动目的、伦理问题、权利关系及其对受影响者的后果。本项内容包括辨认行动和数据使用涉及的主体，判断使用目的及其影响，关切隐私、公平以及利益与负担的分配，并采取与自身角色和实际控制范围相称的行动回应问题。UNESCO框架关于安全、负责的使用及人的伦理与法律责任，为智能技术情境中的这些判断提供了具体参照。责任行动可以体现为围绕共同事务开展调查、提出有根据的建议、参与协商及修订方案，将公共判断与责任行动联系起来，使社会参与既有对他人处境的理解，也有对共同生活条件的关切。
四、人才素养的实践取向与维度贯通
五个核心维度明确了人才素养的主要内容，但概念上的维度划分不意味着实际活动中的彼此分离。除构成上述维度的十三项内容外，文献比较还形成了“实践中的尝试与改进”内容群。“尝试”和“改进”作为两个动词，指向将知识、解释与方案付诸实施，并依据实践反馈调整行动，表现出明显的横贯性特征。参照芬兰课程改革中的“横贯能力（transversal competence）”理念，本文将其提炼为一种实践取向（practice-oriented perspective），以此讨论不同素养要求如何在具体活动中展开，以及该取向对五个核心维度的贯通作用。
1. 人才素养的实践取向
素养不仅体现为个体掌握的知识、技能与态度，也体现为这些资源在具体情境中的运用。OECD“学习罗盘2030”进一步以“预期－行动－反思”循环说明学习者如何通过经验与反思深化理解、调整行动。比利特（Stephen Billett）关于实践学习的研究同样指出，学习取决于个体的实际参与，以及情境所提供的参与机会与支持。因此，仅列明素养的内容要求，尚不足以说明其如何在实践中形成和发展。
数字素养与人工智能相关研究进一步呈现了这种实践取向。马伊塞拉（Tabisa Mayisela）关于大学新生数字素养的个案研究显示，工具操作、信息综合与协作交流可以在同一学科任务中相互联系，技术、认知和社会情感方面的要求并非分别存在于彼此独立的活动之中。哈奇森（Amy Hutchison）等针对人工智能支持读写活动提出的概念框架，则将提示语设计、批判性评价、理解调节和文本修订等理解为相互联系的实践，强调其组合方式随目的、任务和情境而变化，而不是按固定顺序掌握的能力层级。
借鉴上述研究，五个核心维度可以被理解为辨析人才素养内容的不同角度，而素养的实践取向关注这些要求如何在共同活动中得到运用和协调。在“实践中的尝试与改进”中，“尝试”指将已有认识投入行动、在探索中获得经验的过程。它不仅是执行预定方案，也包括通过行动发现和澄清问题。这与经验学习中的主动试验，以及反思实践所强调的行动探索相呼应：学习者不必在充分确定解决方案之后才开始行动，也可以在行动中逐步认识问题。“改进”指依据实践中的发现与反馈，修订认识和行动的过程。反馈素养研究强调，反馈的教育意义在于学习者能够理解信息、作出判断并采取后续行动。因而，改进不仅涉及已有成果，也涉及问题理解、行动目标与实施方式。尝试为改进提供经验，改进又为后续尝试形成新的依据，二者相互衔接。
2. 实践取向对五个核心维度的贯通
“尝试与改进”的横贯性在于，同一种实践过程可以同时调动不同维度的素养内容，而各维度又分别为行动提供不同的判断和依据。为说明这一实践取向如何作用于不同维度，本文结合五个核心维度的既有内容，对其在具体活动中的表现作说明性整理（见表4）。
各维度的内容为尝试提供指引，也为改进提供判断依据。例如，在人工智能辅助的真实任务中，工具选择与人机分工需要依据专业目标和证据要求作出安排；对生成内容的核查，又可能促使学习者调整工具、交互方式及任务分工。当任务涉及作品创作与交流时，材料、风格和呈现方式的选择，需要联系表达意图、审美体验与文化理解；对他人需要及行动后果的考虑，则可能进一步影响表达方式与协作安排。学习者对自身理解、能力和发展目标的认识，也影响其如何寻求支持、运用反馈和继续探索。上述情形说明，不同素养要求可以围绕具体活动形成联系，而不必被分别安排于彼此隔离的任务之中。
由此，可以从这一实践取向理解五个核心维度的相互联系与贯通。
五、结论与展望
本文通过语义嵌入辅助的多源文献分析，对海量相关文献进行综合，将人工智能时代人才素养要求归纳为“智能技术理解与运用、知识探究与专业判断、自主学习与自我发展、审美体验与文化表达、社会参与与公共责任”五个核心维度，包含十三项具体内容，并从“尝试与改进”的实践取向出发，讨论不同素养要求在实际活动中的展开与联系。
既有未来能力与人才培养研究为认识高等教育人才发展的整体要求提供了重要基础，人工智能素养研究则进一步阐明了人与技术互动所需的能力。本文在此基础上的主要贡献，是突破单一视角的局限，跨领域分析较大规模的文献，通过透明的语义计算，可复现地归纳提炼更具有普适性的人才素养核心维度。研究结论既回应人工智能带来的新要求，也重新确认既有核心素养的培养价值。在此基础上，本文借鉴贯通素养以及行动与反思的讨论，以“尝试与改进”进一步说明不同素养要求在实际活动中的运用与协调，将素养内容的辨析与学习经历的组织相联系。
在培养目标与课程组织层面，五个核心维度可以作为高校审视培养方案的目标参照，帮助高校结合专业特点，考察现有课程体系与实践活动对不同素养要求的覆盖情况，为课程内容与实践安排的调整提供依据；在教学过程与学习评价层面，“尝试与改进”提示高校关注学生是否获得了实际探索和持续修订的机会。教学过程应为开展调查、试验、表达与协商等学习活动提供支持，也应为开展过程性评价创造条件。
本研究基于特定检索范围内的文献比较与概念综合，文献来源、检索范围和文本可得性会影响所呈现的素养要求，相关内容及其适用方式仍需在不同专业和教育情境中继续考察。后续研究可结合专业课程与实践案例，分析这些素养要求如何转化为具体任务与活动形式，并据此修订相关内容与行动表述。
