职业院校人工智能应用指引（2026 版）
教育部职业院校信息化教学指导委员会
为适应智能时代发展趋势，落实中共中央、国务院《教育强国建设规划纲要（2024—2035 年）》、国务院《关于深入实施 “人工智能 +” 行动的意见》、教育部等五部门《“人工智能 + 教育” 行动计划》等关于促进人工智能助力教育变革的战略部署，对 2025 年 5 月发布的《职业院校人工智能应用指引》进行修订，形成《职业院校人工智能应用指引（2026 版）》。
一、总体目标、原则与路径
（一）总体目标
引导职业院校开展适应智能时代的教育教学改革，推进人工智能技术与职业教育的深度融合，培养具备人工智能素养及职业能力的高技能人才，助力产业智能化升级。
（二）编制原则
职业导向：以产业需求为核心，强化岗位所需的人工智能素养及职业能力培养。
分层分类：区分中职、高职专科、职业本科的培养目标。
动态迭代：适应人工智能技术快速发展，动态更新相关课程内容与技能测评标准。
伦理安全：遵循以人为本理念，保护数据隐私，负责任地使用人工智能。
（三）实施路径
以产业需求为牵引、国产技术为支撑、分层递进为策略，通过专业技术升级、课程内容重构，以及师资赋能、校企协同、伦理规范等多维创新，持续推进人工智能深入应用。
二、学生人工智能素养发展
职业院校应面向智能时代产业变革和岗位任务重构，将学生人工智能素养培养融入人才培养全过程，推动其与课程教学、实习实训、第二课堂等有机融合。
（一）学生人工智能素养标准
形成涵盖七个维度、三个层级的素养框架。
七个维度：以人为本的人工智能意识、人工智能社会责任、基础知识与技能、思维与行为、协作与交流、专业能力、职业能力。
三个层级：通识素养层、专业技能层、行业能力层。
（二）学生人工智能素养发展要求
中职：启蒙普及，理解基本概念与应用场景，掌握基础工具使用，树立安全伦理意识。
高职专科：应用实践，理解技术融合应用，熟悉安全法规，能利用 AI 技术解决实际问题。
职业本科：深化拓展，理解核心概念与系统机制，具备创新应用能力，强化伦理与主体意识。
（三）学生人工智能素养评价
评价贯穿课程、实训、实习全环节，采用过程性 + 综合性考核，结合基础测评、项目作业、实操考核、实习表现等，评价结果用于课程改进、个性化辅导和综合素质评价。
三、人工智能通识课程体系建设
遵循中职 — 高职专科 — 职业本科贯通递进原则，建设 “通识素养 — 专业技能 — 行业能力”三层课程体系。
（一）中高本贯通的通识课程体系
中职：基础认知与工具体验，强化概念理解、工具操作及伦理意识。
高职专科：技术应用与实践能力，突出专业场景应用与合规意识。
职业本科：复杂问题解决与创新应用，强化人机协同、系统设计与工程伦理。
（二）分层模块化课程结构
通识素养模块（必修）：AI 基本概念、核心技术原理、数据安全、伦理规范。
专业技能模块（必修 + 选修）：专业智能工具操作、数据分析、机器学习基础应用。
行业应用能力模块（选修 + 实践）：行业 AI 解决方案、业务流程改造、真实项目实践。
（三）课程建设与实施保障
总学时不低于16 学时，采用线上线下混合式教学。
配齐专任教师，引进企业专家担任产业导师。
建设标准化 AI 教学机房，配置轻量级模型环境、低代码平台等。
依托国家级资源库，共建共享案例库、虚拟仿真资源、活页式教材。
构建过程性评价（≥50%）与终结性评价结合的多元评价体系。
四、人工智能专业建设和专业智能化升级
（一）科学发展人工智能相关专业
精准对接产业需求，依据《职业教育专业目录》，结合学校优势，科学规划、规范设置 AI 相关专业，避免低水平同质化建设，深化校企协同育人。
（二）推进已有专业智能化升级
系统修订人才培养方案，更新培养目标，将行业智能化内容融入教学，把企业 AI 真实项目转化为教学案例，改造实训条件，推动传统专业深层次智能化升级。
（三）建立智能化专业分析平台与技能测评体系
利用 AI 分析产业、岗位数据，预测人才供需，为专业调整提供依据。
编制行业及专业能力图谱，构建智能化技能测评体系，开发基于大模型的评测系统。
生成个性化学习建议，智能匹配就业需求，提升就业匹配度。
五、人工智能教学模式创新
（一）个性化学习与技能训练
采集多模态学习数据，利用 AI 教学系统分析学习行为，形成学情报告，规划个性化学习路径，推荐适配资源，提供针对性答疑，实现 “一人一策”。
（二）项目驱动与案例教学
对接企业与行业协会，建立协同机制，引进本地企业真实智能化任务与案例，实现教学与生产过程无缝对接，指导学生与 AI 协同学习。
（三）智能化实训教学
利用 AI 优化实训资源配置与进度规划，基于数据反馈动态调整实训设计。
融合 AI 与虚拟仿真技术，构建 “三高三难” 实训场景，利用 AI 进行实训引导与动作纠偏。
构建 “校内 + 线上 + 远程” 融合实训环境，实现多主体协同指导，探索远程协同实训新模式。
（四）多主体协同实习管理
建立企业与岗位需求库，智能匹配学生与企业；利用智能工具实现实习全周期管理；依托 AI 感知实习环境与学生行为，预警安全风险。
（五）精细教学管理与虚拟教学研究
开发智能决策工具，辅助教学资源配置与精细管理；智能推荐教研资源与合作机会，将智能助手融入虚拟教研室，提升教研效率。
六、教师人工智能教学胜任力提升
（一）教师人工智能教学胜任力标准
形成涵盖六个维度、三个层级的能力框架。
六个维度：以人为本的理念、社会责任、知识与技能、教学应用、职业能力、专业发展。
三个层级：普及层、深化层、研发层。
（二）培训与发展要求
采用 “分层分类 + 产教融合” 策略，开展全员培训。
普及层：熟练使用 AI 教学工具开展教学。
深化层：熟练使用行业常用 AI 技术与方法开展教学。
研发层：参与企业 AI 项目，具备行业应用研发能力。
联合企业建设 “双师型” 培训团队，将企业项目经验转化为教学案例。
（三）胜任力提升保障
构建技术赋能平台，实现数据驱动的精准诊断与持续跟踪。
将 AI 教学胜任力纳入教师评价考核，构建动态评价机制。
建立激励机制，宣传先进理念与成功案例，营造创新氛围。
七、人工智能伦理与安全要求
（一）加强伦理教育
将伦理教育贯穿教学全过程，培养师生批判性使用 AI 的意识与能力，建立人机协作关系，引导学生理解 AI 原理与局限，坚守诚信与职业道德。
（二）严格数据隐私与算法公平
建立数据全生命周期管理制度，实施分级分类管理，防止数据滥用。
建立内容审核与算法公平评估机制，确保关键决策可解释性，纠正算法偏见。
（三）健全敏捷协同的治理机制
建立责任清单与问责机制，明确各方职责；建立常态化安全审计机制，实施风险分级管理；引入第三方评估，形成共建共治格局。
（四）加强人工智能的合规建设与应用
建设或引入大模型、智能体时，确保语料合法、内容合规，优先采用国产技术，建立安全运维体系，保障安全可控。
八、人工智能应用的保障措施
（一）人工智能应用的组织保障
设立智能运行中心（IOC）或 AI 教育中心等专门机构，建立统筹领导、协调落实的运行机制，出台专项工作方案，统筹推进专业升级、课程建设、模式创新等工作。
（二）职业教育人工智能专用大模型应用
联合共建行业 — 专业大模型，降低通用模型 “幻觉” 概率，提升专业适用性。
参与专用大模型建设，提供场景需求，参与试点验证与应用反馈。
将大模型作为专业升级、课程改造、实训建设、师资提升的重要支撑。
加强内容审核与伦理规范，确保符合教育规律与伦理要求。
（三）人工智能应用的技术保障
构建云边端协同的 AI 算力与服务环境，支撑校内安全稳定应用。
引入通用大模型、行业大模型、智能体等，建设 AI 基座，提供算法支撑。
集成 AI 与智慧校园系统，完善数据接口、身份认证、权限管理等机制。
