AIedu 日报 · 2026年10月24日（周六）

聚焦：AI 赋能学习 / 高等教育数字化转型 / AI 教育 / 教学改革 本期主条目 8 条 + 快讯 9 条 + 趋势研判 6 条 + AI HOT 侧栏

一、今日速览

二、重点解读

1. 教育部高教司"人工智能赋能高等教育人才培养"系列师资培训在全国高校落地

事件：近日，教育部高等教育司《关于开展 2026 年度"人工智能赋能高等教育人才培养"系列师资培训的通知》在高校密集转发落地——西南大学本科生院、天津外国语大学（10 月 23 日）等相继发布动员通知，要求各教学单位转发至每位教师。这是继 10 月 10 日教育部"人工智能赋能教师发展现场会"之后，面向高校教师的又一国家级系统性培训动作。核心安排：

• 主办与承办：教育部高等教育司主办，北京大学、中国农业大学、北京邮电大学、复旦大学、浙江大学、中南大学与全国高校教师网络培训中心联合承办，邀请教学名师、一流课程负责人、AI 领域专家授课。
• 内容框架：覆盖人工智能通识教育、“人工智能+专业教育”、大模型在教学中的应用、AI 理论与实践研究、AI 伦理风险防范、AI 赋能实验教学改革，贯通"宏观政策解读→实操技能学习"全环节。
• 三大专项模式：未来教师专项（3 门，系统依据素养测评结果智能推送）+ 学科专项（文科/理工科/农科/医科四选一，10 门）+ 实验教学专项（至少 3 门），累计不少于 16 门课程，完成学习并通过线上测试后颁发培训证书。
• 时间节点：即日起登录全国高校教师网络培训中心平台（aigc.enetedu.com）报名学习；2026 年 11 月 30 日前完成全部课程与测试；12 月 31 日前自行导出证书。多校明确"培训计入年度考核继续教育学时统计"。

为什么值得关注：三个信号值得高校关注。其一，“先测评、再推送"已成为国家教师 AI 培训的制度设计——未来教师专项由系统依据测评结果智能推送课程，意味着教师培训从"统一办班"进入"可度量的分层干预"阶段。其二，学科专项做四科分流（文/理/农/医），说明主管部门已认定"通用 AI 培训"不足以支撑学科教学落地，学科化是下一步重点。其三，与教师考核、资格认证的绑定正在成形——《“人工智能+教育"行动计划》已提出"制定教师智能素养标准"并"将人工智能纳入教师资格考试和认证内容”，本次培训计入继续教育学时是这一链条的执行环节。对高校教师发展中心而言，11 月 30 日是硬截止，组织动员窗口只剩一个月。

2. 中南大学校长李建成院士：提出"数智共生大学"范式与"端到端系统架构能力”

事件：10 月 23 日，中国工程院院士、中南大学校长李建成在《中国高等教育》2026 年第 19 期发表《人工智能时代大学教育范式变革》一文（中国教育在线同日转载）。文章把 AI 驱动下的大学新形态概括为**“数智共生大学”**，并给出从底层逻辑到办学任务、风险治理的完整框架：

• 历史脉络：大学教育范式历经四种——博洛尼亚制度化专业教育、柏林洪堡研究大学、威斯康星社会服务、斯坦福创业教育，四者层层叠加而非彼此替代；“数智共生大学"是在此基础上的第五次叠加。
• 三个深层逻辑：知识生产主体重组（基础模型研发依赖巨量算力与工程化团队，产业界首次大规模反向推动甚至部分主导学术议程，大学不再天然占据全部知识前沿中心）；科研过程人机协同化（AI for Science 成为继实验、理论、计算、数据密集型之后的第五范式，改变"提出问题—形成假设—验证—转化"的时间结构）；大学组织运行闭环化（“课程—科研—转化"由串联变并行循环，学习评价在全过程持续生成证据）。
• 四条转型路径（含国内外样本）：清华大学的校级统筹+学科知识基础设施（AI 学伴、AI 讲伴、备课助手、学科知识引擎、成长助手；结论是"专业教学不能直接依赖通用大模型，需构建可信的领域知识图谱与校内应用规范”）；复旦大学的课程体系重构（AI-BEST 把 AI 课程分为基础、核心、进阶、垂域应用，以"X+AI"双学位推动交叉培养制度化）；亚利桑那州立大学的平台合作与治理规则并行（与 OpenAI 合作、ChatGPT Edu，同时做数据使用、合规边界、用户培训的制度安排）；佐治亚理工学院的课程智能体嵌入（Jill Watson 基于课程许可资料与 RAG 提供全天时答疑）。
• 五项办学转型重点任务：建设 AI 公共基础课与交叉课程群（形成"AI+法学/医学/材料/人文社科"模块群）；推进评价方式改革（每门课明确"允许/限制/禁止"三类 AI 使用任务，高风险能力如临床判断、工程安全、法律论证、科研诚信保留无 AI 或限 AI 评估场景）；重建教师发展体系（不止教工具操作，覆盖 AI 教学设计、学习分析、提示工程、学科知识库建设、伦理治理、评价改革、学生心理支持）；建设校级 AI 基础设施（统一身份认证、模型接入、数据分级、日志审计、知识库管理、风险评估，避免各院系碎片化采购和无序接入）；深化产学研协同但不把人才培养完全交给短期市场需求。
• 人才目标：从"掌握单项技能"提升为"统筹复杂问题解决全过程”，概括为**“端到端系统架构能力”**——贯通问题识别、任务分解、知识整合、模型选择、方案实施、协同沟通和责任承担。
• 四类风险：数据治理与隐私、学术诚信与评价失真、认知替代与能力分化（AI 既可能缩小差距，也可能放大数字鸿沟）、知识产权与科研伦理。

为什么值得关注：这是目前高校校长层面体系化程度最高的一篇范式论述，且罕见地把"大学存在的本体论基础"摆到台面上——“产业界首次大规模反向推动甚至部分主导学术研究议程"这一判断，比常见的"AI 是工具"论述要激进得多。两个提法值得直接引用到校内改革文本：一是**“端到端系统架构能力”给了人才培养目标一个可拆解的六要素定义；二是“避免各院系碎片化采购和无序接入”**直指当前高校 AI 建设的普遍病灶——各学院各自买模型、各自接 API，既无法审计也不形成数据资产。此外文章对评价改革的提法（按任务类型区分允许/限制/禁止）已是可直接落地的操作口径。

3. 同日两单校企协同：电子科大×华为共建数智校园，华南农大×科大讯飞共筑农业大模型

事件：10 月 23 日，两所高校同日与企业达成 AI 战略合作。

• 电子科技大学 × 华为：战略合作协议签署仪式在清水河校区举行，双方将在共建高质量人才培养体系、深化科研创新、携手打造数智校园标杆三大领域深度合作。签约同时，电子科大面向全球发布**“通感算一体化智能系统综合大挑战"AI+交叉学科创新实践方案**，以产业真实场景与前沿技术命题牵引关键核心领域拔尖创新人才培养。华为四川公司负责人出席，华为常务监事姚福海表示将在课程建设、实习实践、学科竞赛、培训认证等方面持续投入。双方此前已共建全球最大 5G 试验外场与"智能基座"产教融合协同育人基地。
• 华南农业大学 × 科大讯飞：科大讯飞集团副总裁周佳峰一行来校调研，校长薛红卫、副校长温小波接待。薛红卫提出共建大数据应用中心、农业领域大模型、未来学习中心等平台，深化教育数字化与人才联合培养，推动校企师资互通共享。周佳峰表示希望依托华农优势学科打造农林领域全国标杆大模型，建设"AI+农科"交叉人才培养基地与农科特色的未来学习中心。双方就签署全面战略合作协议、共建未来学习中心达成共识。

为什么值得关注：这两单放在同一天看，折射出高校 AI 校企协同正从"捐赠设备/共建实验室"升级为"人才体系+校园底座+行业大模型"三位一体。尤其值得注意的是两点共性：一是**“未来学习中心"成为新的共建标的**（华农明确、电子科大以"数智校园标杆"表述），说明企业的切入点正从"科研合作"转向"教与学的空间和组织形态”；二是行业垂域大模型成为校企共建的核心资产——继天津大学储能垂域大模型、安徽师大教师教育垂域大模型之后，农林领域标杆大模型进入议程，垂类模型正在从单点突破走向行业铺开。对地方高校而言，这类合作的关键在于守住"人才培养方案、课程标准与质量评价的主导权在校方"这条边界。

4. 杭州电子科技大学：牵头成立全国首个人工智能开源生态学院，用开源弥合"教学—产业时间差”

事件：10 月 23 日，《浙江教育报》报道杭州电子科技大学以"开源为桥、产业为场"探索 AI 开源生态赋能人才培养的新路径。核心做法：

• 问题起点：AI 技术迭代极快，高校教学与产业实践之间存在**“时间差”**。教务处处长林菲认为，AI 开源生态育人恰好能弥合这份时间差——“将产业里最新的技术、最真实的场景引入课堂，让高校里有想法的学生走进产业”。
• 组织载体：牵头成立全国首个人工智能开源生态学院，打造 AI 学习中心、OPC 孵化中心、人才评价中心、行业赋能中心四大中心，贯通"入门—创造—认证—产业落地"完整成长链。院长徐旭初的表述是"学生的课堂在真实项目里，导师来自大学、基金会、社区与产业一线”。
• 课程机制：与魔搭社区、科鲸（杭州）、蚂蚁集团等合作，把企业最新技术与真实业务场景直接做成开源教程和夏令营课题，面向所有学生开放；学生产出的成果在真实场景中接受全球开发者检验。
• 成果示例：大三学生黄迦南组队参加世界人工智能开源大赛总决赛，挑战"具身未来"赛道双臂赛题，训练模型让双臂机器人完成整理杂乱桌面、插插头、叠碗等任务；网络空间安全专业大二学生吴林斌从科鲸 AI 夏令营入门，现已在 GitHub 独立维护自己的开源项目。
• 微专业体系：面向全校本科生开设"人工智能开源生态运营"“OPC 人工智能创新创业"“人工智能开源应用开发”3 个 AI 开源方向微专业，每个微专业相当于一个面向岗位的完整课程包。

为什么值得关注：在"高校自建垂域大模型"与"采购商业平台"两条主流路线之外，杭电给出了第三条路线：以开源生态作为教学内容的更新机制。其价值在于解决了一个真实痛点——教材与课程永远滞后于产业，而开源仓库是实时更新的，学生提交的代码和文档会收到全球开发者的真实反馈，这本身就是一种"真实受众评价”。同时"人才评价中心+微专业认证"把开源贡献转化为可认证的学习成果，绕开了"开源活动算不算学分"的老问题。对工科院校尤其是地方工科院校，这是一条投入相对可控、可复制的路径。

5. 暨南大学公布 2026 年"教学智能体"立项 101 项：智能体建设进入项目制与分类管理

事件：10 月 22 日，暨南大学本科生院教务处公布 2026 年"教学智能体"建设项目立项名单。经个人申请、学院初审、专家评审、学校公示等程序，确定立项 101 项，并按用途分为三类：

管理机制上：项目经费分两年拨付；2027 年 4—5 月组织专家对建设进度、建设成效、2026 年经费执行情况开展中期检查，中期检查结果作为后续实施与结题验收的重要依据，中期检查不通过的项目不予拨付后续建设经费；鼓励各单位在经费、场地、设备、人员方面给予配套支持。

为什么值得关注：这条数据的价值在于它是一份可参照的"高校智能体建设清单结构"。三点值得借鉴：一是三分法分类（垂域/场景/课程辅助）比笼统的"AI 教学应用"更容易分配资源与验收——课程辅助类占 65%，说明当前高校智能体的主力仍是"单课助教"，垂域类仅 16 项，说明学科知识引擎仍是稀缺品；二是经费分两年拨付 + 中期检查不通过即停拨，把"立项即完工"的常见问题前置为过程管理；三是规模参照——一所综合性大学一年内 101 项，说明智能体建设已从"试点几门课"进入"批量立项"阶段。同期西安文理学院上线"AI 融合门户+智能体广场"、上海东海职院上线"DHC Agent HOME"平台，智能体正成为高校 AI 落地的标准中间件。

6. 学习科学实证：CMU 等 153 人证明课程研究——聊天机器人用得越多，后续考试越低

事件：10 月 22 日，卡内基梅隆大学 Eason Chen、Ken Koedinger 等团队在 arXiv 发布《Supporting or Replacing Students’ Reasoning? Cognitive Offloading in AI-Assisted Proof Learning》（arXiv:2610.31481）。研究在一门本科证明类数学课程中对 153 名学生采用**错峰开放（staggered-access）**设计：学生被随机分配为"早访问组"与"晚访问组"，先后获得 AI 聊天机器人与作业反馈接口。核心发现：

• 作业提高不等于考试提高：在只有早访问组可用的阶段，该组作业分数高出 2.56 分，但两组考试成绩无显著差异——AI 支持的作业表现并未转化为可检测的考试增益。
• 剂量—反应关系为负：在全体学生都获得访问权限后，每向 AI 聊天机器人多发 100 条消息，与后续考试成绩降低 3.02 分相关。
• 自我效能的中介路径：中介分析显示，较低的基线自我效能 → 更多使用聊天机器人 → 更低考试成绩的间接关联显著；自我效能每降低 1 分，通过聊天机器人使用对应减少 0.62 个考试分。
• 关键对照组：作业反馈接口（要求学生在获得反馈前先提交自己的证明尝试）与考试成绩无负相关。
• 作者结论：学生可能正用聊天机器人卸载本应自己完成的认知推理；研究明确建议不要用聊天机器人做 AI 辅导，而应探索嵌入课程活动的 tutor。

为什么值得关注：这项研究的价值在于它同时给出了负向证据与正向设计原则。负向证据部分与此前马里兰大学 2379 人 RCT（课程内置 GPT-4o 学习助手使期末成绩下降 0.37 个标准差、在线活动参与下降 0.90 个标准差）、慕尼黑工大三组 RCT（成绩提升但知识零增益）方向一致，“AI 提升作业表现但不提升学习"已从个别发现变成可重复的规律。正向设计部分更值得高校直接抄作业：“先提交自己的尝试，再获得反馈"这一顺序本身就是干预变量——同样是基于 AI 的支持，作业反馈接口没有负效应，聊天机器人有。这意味着课程设计中真正要守的不是"用不用 AI”，而是**“学生是否先付出自己的推理”**。此外，自我效能低的学生受损更重，提示 AI 辅导可能放大而非缩小学生间差距，这与中南大学李建成文中"认知替代与能力分化"的风险判断相互印证。

7. OECD × 欧盟委员会报告在都柏林发布：AI 素养被定义为高级 STEM 技能的基础

事件：10 月 23 日，OECD 与欧盟委员会联合报告《Policies for Developing Advanced STEM Skills in Higher Education》（《高等教育中发展高级 STEM 技能的政策》）在爱尔兰都柏林举行的**欧盟高等教育总司长会议（DG HE Meeting）**上正式发布，作为爱尔兰担任欧盟理事会轮值主席国期间的议程之一。报告核心：

• 定义：高级 STEM 技能被定义为学科、跨学科、横向与职业四种能力在复杂科技问题与负责任创新中的综合运用，而非以特定专业、学历或职业界定。科学素养与 AI 素养为其提供基础——使人能够评估证据与 AI 输出、理解其局限并负责任地使用。
• 五大瓶颈：进入 STEM 高等教育 → 坚持与完成 → 向高级阶段进阶 → 进入职场与技能有效使用 → 职业生涯中的技能更新。
• 四大政策优先事项：入学与坚持完成；进阶与技能更新；专业项目更新；职业进入与高级技能的有效使用和持续发展。
• 八条建议：从个人、院校、雇主、系统四个层面提出选项，强调落实需要跨政策部门协同。
• 方法支撑：由 OECD 秘书处组织的"高等教育高级 STEM 技能发展互学小组”（Mutual Learning Group）深度研讨形成，覆盖多国研究者、政策制定者与高校实践者。
• 欧盟委员会评价：报告印证了其《技能联盟》（Union of Skills）与《STEM 教育战略计划》愿景，并指出可借由 STEAM 等整合路径应对关键劳动力与技能短缺。OECD 教育与技能司司长安德烈亚斯·施莱歇尔表示，政策制定者真正的问题是"如何创造条件，让更多人发展高级 STEM 技能、有效使用它们并在整个职业生涯中不断 renew"。

为什么值得关注：这份报告把 AI 素养明确写进了"高级 STEM 技能"的地基位置，而不是当作附加的数字技能——表述是"评估证据与 AI 输出、理解其局限并负责任地使用"，与国内高校正在做的"善判 AI"“批判性使用"高度同构，可作为通识课目标表述的国际参照。更重要的是它的公平视角：报告强调高级 STEM 技能发展机会"分布不均”——从中学科目选择、高质量教学、经济支持到实习网络，每一环的不平等都会累积，且"进入 STEM 岗位不等于该岗位需要高级技能"，因此技能规划应诊断短缺的成因而非假定需要更多 STEM 毕业生。这一点对国内正在大规模扩张 AI 专业、微专业的高校是一记提醒：规模扩张不等于能力供给。

8. UNESCO《AI 时代守护教育的公共福祉》：以"协商式治理"应对六大转变

事件：联合国教科文组织（UNESCO）于 2026 年 9 月 10 日发布讨论文件《在人工智能时代守护教育的公共福祉：协商式治理的理由》（Sustaining education as a common good in the age of AI: The case for deliberative governance），10 月 23 日由北京师范大学国际与比较教育研究所等机构在国内推介解读。核心内容：

• 六大挑战性转变：从公共决策转向私人选择；从培养完整的人到陷入"能力假象"；从教师专业判断转向监督自动化系统；从学习者作为人转向数据主体；从促进平等的手段变为加剧鸿沟的因素；从公共治理能力转向技术依赖。
• 现实基础：师生已在缺乏指导或支持的情况下广泛使用 AI，治理明显落后于发展。推动普及的不仅是工具易用与政府鼓励，更是规模空前的商业化力量——2025 年 91% 的知名 AI 模型源自私营部门，市场高度集中，单一供应商掌控关键供应链环节超过 80% 的份额，决定系统运作方式的决策主要由少数几家私营企业做出。
• 深层变化：生成式 AI 不再只是从人类创作的素材中筛选，而是自主生成内容并采取行动——生成答案、起草文稿、进行评估，实时承担了部分通常伴随认知发展过程的思维工作；这些系统往往由商业目标驱动而非为了促进学习，训练数据缺乏透明度，评估与安全标准尚不成熟，控制权高度集中。
• 主张：以"协商式治理“把 AI 进入教育的条件重新置于公共决定之下，通过教师准备、数据治理、公平设计和治理能力建设四条路径，使 AI 服务于教育而非反过来重塑教育。

为什么值得关注：与常见的"AI 教育伦理原则"不同，这份文件的独特之处在于把问题框架从"如何规范使用"提升到**“谁来公共地决定”**。六条转变中，“从培养完整的人到陷入能力假象"和"从学习者作为人转向数据主体"这两条尤其适合作为高校 AI 治理文件的论证起点——前者呼应了作业表现提升但知识零增益的实证，后者呼应了学习分析、学生画像全面铺开后的数据伦理问题。同时 91% 知名模型来自私营部门、单一供应商掌控 80% 以上供应链份额这组数据，为高校"自建算力+垂类模型+开源替代"的路线提供了国际层面的论据支撑，也解释了为何 UNESCO 强调"公共治理能力"本身需要建设而非外包。

三、快讯速递

四、趋势研判

1. 国家教师 AI 培训体系完成"测评—推送—认证"闭环。 从"人工智能+教育"行动计划提出教师智能素养标准，到国家智慧教育平台教师发展中心升级，再到高教司三大专项、16 门课、智能推送与继续教育学时挂钩，教师 AI 素养已不再是倡导性要求，而是一条可考核、可认证、有截止日期的执行链。11 月 30 日是今年第一个全国性硬节点。

2. 大学范式论述从"工具论"转向"本体论"。 中南大学李建成提出"数智共生大学"并直言"产业界首次大规模反向推动甚至部分主导学术研究议程"；上海财经大学同期把人才目标从"会用 AI"改成"善用、善判、善治 AI"。校长层面的公开表述正在集体越过"AI 是教学辅助工具"这条线，进入大学存在的理由与知识主导权层面。

3. 智能体建设进入"批量立项 + 过程验收"的项目制阶段。 暨南大学 101 项、西安文理学院智能体广场、上海东海职院 DHC Agent HOME、天津财大"AI+“智慧课程——共同特征是有分类、有经费分期、有中期检查。智能体已从展示品变成需要走立项、验收、结项流程的教学建设项目，这也意味着明年上半年会集中出现第一批"中期检查不通过"的样本。

4. 校企协同的标的从"实验室"转向"未来学习中心 + 行业垂域大模型”。 同日的电子科大×华为（数智校园标杆）、华南农大×科大讯飞（农业大模型+未来学习中心），加上此前的农业、储能、教师教育垂域模型，垂类模型正从单点突破走向行业铺开；“未来学习中心"开始成为校企共建的标准配置项。

5. 学习科学实证已形成稳定方向：作业增益 ≠ 学习增益，且设计顺序是关键变量。 CMU 153 人错峰研究（每百条消息 -3.02 分，作业反馈接口无负效应）、马里兰 2379 人 RCT（-0.37 SD）、慕尼黑工大三组 RCT（成绩提升但知识零增益）、OSU 299 人"认知债循环”——结论高度一致：无约束的聊天机器人式辅导倾向于替代推理，而"先提交自己的尝试再获得反馈"的接口不产生负效应。课程设计的抓手由此明确：不是限制用不用，而是强制学生先付出自己的推理。

6. 国际治理把"谁来公共地决定"推到前台。 UNESCO 用"六大转变"和 91% 模型来自私营部门、单一供应商掌控 80% 以上供应链份额的数据，把议题从"规范使用"升级为"教育公共福祉的协商式治理"；OECD×欧盟则把 AI 素养写入高级 STEM 技能的地基。两者共同指向：高校的 AI 自主权（自建算力、垂类模型、开源生态、数据治理）正在成为一项公共治理议题，而不只是技术选型。

五、AI HOT 侧栏（10 月 22—23 日）

六、编辑视角：今天最值得做的一件事

如果只做一件事，建议是把"先提交自己的尝试，再获得 AI 反馈"写进课程设计。今天的学习科学证据（CMU 153 人错峰研究）给出的不是"少用 AI"，而是**“改顺序”——作业反馈接口因为要求学生先提交证明尝试，与考试成绩无负相关；聊天机器人因为可以直接要答案，每百条消息对应后续考试降低 3.02 分。这一条对课程大纲的改动极小（只需要在作业提交流程里加一道"先提交初稿/思路"的门槛），却是目前实证支持度最高的干预设计。配套的第二步是明确每门课的“允许 / 限制 / 禁止"三类任务清单**（中南大学李建成文中的提法），把边界写进教学文件而不是靠师生默契。

数据来源：中国教育在线、中国新闻网安徽、中国教育新闻网、浙江教育报、电子科技大学新闻网、华南农业大学官网、暨南大学本科生院、天津外国语大学、西南大学本科生院、天津财经大学教务处、西安文理学院、绵阳城市学院教务处、腾讯新闻、OECD、UNESCO、arXiv、Frontiers in Psychology、Economic Times、AI HOT（aihot.news）

本期共 8 条主条目 + 9 条快讯。已主动回避前两日已报道的天津大学储能垂域大模型、安徽师范大学"赭麓知教”、上海东海职院 DHC Agent HOME 等重复条目。

@WoLoveAI