生成式人工智能赋能金融学专业课程教学模式创新研究

摘要：生成式人工智能推动教育数字化转型，为高校金融学专业课程改革提供技术支撑。本文结合建构主义与人机协同教学等相关理论，构建“五位一体”的教学模式，将生成式人工智能贯穿金融学专业课程教学全过程。教学实践表明，该模式能够加快教学内容迭代，提升学生课堂参与、案例分析与知识迁移能力，推动考核向过程性评价转变。最后，本文为金融类课程教学改革与生成式人工智能教育应用提供实践参考。

　　关键词：生成式人工智能；教学模式创新；金融学专业课程；教学案例

　　党的二十大报告提出，推进教育数字化，建设全民终身学习的学习型社会、学习型大国。习近平总书记在主持中共中央政治局第五次集体学习时指出：“教育数字化是我国开辟教育发展新赛道和塑造教育发展新优势的重要突破口。”2025年4月，教育部等九部门印发《关于加快推进教育数字化的意见》，明确提出“推动课程、教材、教学数字化变革”，要求“将人工智能技术融入教育教学全要素全过程”，并强调“通过智能学伴、数字导师等探索人机协同教学新模式，实现人工智能驱动的大规模因材施教”。2026年4月，教育部等五部门联合印发《“人工智能+教育”行动计划》，进一步要求“充分发挥人工智能赋能教育变革的引擎作用，推动智能技术与教育全要素融合、全过程贯通、全场景覆盖”，促进“规模教育与个性培养、知识传授与能力培养、技术应用与人文关怀相统一”。教育部高等教育司司长周天华进一步提出，应“将各领域人工智能最新发展和应用融入专业课教学，促进课程体系和教学内容的更新迭代甚至重构”。这些工作部署表明，生成式人工智能赋能高校课程教学改革已从技术层面的自发探索上升为国家教育战略的重要组成部分，为金融类课程教学模式的系统性重构提供了明确的政策依据与行动指引。

　　生成式人工智能是指通过人工智能技术自动生成文本、图像、音频、视频等多模态内容的技术体系[1]。与分析式人工智能偏重识别和预测不同，生成式人工智能具备内容创造和交互生成能力，其发展依托于预训练、大模型和生成性三项关键技术（喻国明等，2023）[2]。近年来，随着GPT系列模型以及国产大模型的快速发展，生成式人工智能已逐步成为教育应用的重要工具[3-4]。《金融市场学》作为金融学专业核心课程，具有理论体系复杂、现实关联紧密、知识更新快速等特点。随着金融科技、量化交易、数字货币等新现象不断出现，金融行业对人才能力结构提出了更高要求，传统以知识讲授和结果考核为主的课程模式已难以充分满足复合型人才培养需求[5]。生成式人工智能凭借文本生成、知识整合、多轮交互和即时反馈等能力，可以推动高校课程教学由“数字化辅助”走向“智能化重构”，其在资料整合、案例生成、智能答疑、分层支持和学习反馈等方面具有明显优势，为摆脱上述困境提供了新的技术路径。

　　一、生成式人工智能与高校金融学课程教学的发展情况

　　（一）生成式人工智能赋能高校金融学课程的现状

　　当前，生成式人工智能赋能教育教学的研究已覆盖思政课、化工课程、设计课程、英语教学和经管类课程等多个领域。在金融学教学方面，已有研究开始关注课程内容优化、项目式教学、个性化支持与智能评价等问题[6-8]，这些研究为金融学专业课程教学改革提供了基础，但围绕课程教学模式、教学案例和具体实施效果的教改研究仍有待补充。基于此，本文围绕生成式人工智能赋能金融学专业课程教学改革展开研究，旨在为金融学专业课程教学创新提供参考。在教育理论上，许芷浩（2025）提出人工智能赋能高校教学的“四维协同”框架，即建构主义、行为主义、系统论与控制论[4]。建构主义强调在真实情境中主动建构知识，行为主义关注即时反馈和强化，系统论强调资源、平台与评价的协同，控制论强调反馈闭环与教学调节。该框架为生成式人工智能深度融入课程教学提供了理论支撑。与此同时，人机协同教学理念强调“教师主导—技术协同”的基本立场（孙妍等，2025）[9]。相关研究表明，AI能够提升学习参与度和知识掌握水平，但在情感支持、价值引导和高阶思维培养方面仍难以替代教师[10]。

　　（二）金融学专业课程面临的现实问题

　　《金融市场学》作为金融学专业课程，课程改革的现实压力主要体现在四个方面。第一，教学内容更新滞后。课程高度依赖现实金融案例与政策动态，但教材更新周期较长，教师单靠传统方式补充案例往往成本高、效率低，容易导致课堂内容与现实脱节。第二，课堂互动不足。课程长期以教师讲授为主，学生在课堂中多处于被动接受状态，案例教学往往停留在现象描述层面，难以真正促进学生问题意识和逻辑分析能力的形成。第三，个性化支持不足。学生在经济学基础、金融理解和数据分析能力方面差异明显，而统一化教学难以兼顾不同层次学生的需求。第四，评价方式单一。课程考核以期末考试为主，平时评价占比有限，且多停留于签到、作业提交等浅层指标，对学生案例分析、研究报告与规范使用AI工具等能力反映不足。

　　二、生成式人工智能赋能金融学专业课程的教学模式构建

　　针对上述问题，本文构建“目标重塑—内容重组—过程重构—评价重建—治理重设”的教学模式，体现课程教学改革的系统性特征。具体而言，教学目标重塑强调知识、能力与素养并重；教学内容重组突出由教材逻辑向问题逻辑和案例逻辑转变；教学过程重构则通过课前、课中、课后的人机协同链条增强教学互动性与针对性；教学评价重建突出过程性、多元化和能力导向；教学治理重设则为AI融入课程提供规范保障。生成式人工智能技术贯穿整个模式，为课程资源更新、情境生成、学习支持与反馈诊断提供基础支撑。

　　在目标层面，课程目标由单纯知识掌握转向知识、能力与素养并重。知识目标强调金融市场结构和运行规律的系统掌握，能力目标强调政策分析、案例解读和AI工具使用能力，素养目标强调金融伦理、风险意识和学术规范。在内容层面，课程内容由教材章节逻辑转向问题逻辑，围绕“利率如何影响资产价格”“金融创新如何改变市场结构”“监管政策如何作用于金融稳定”等问题模块展开，增强课程的现实导向。在过程层面，构建课前—课中—课后的人机协同链条。课前利用AI生成导学任务、预习问题和知识图谱；课中围绕真实案例开展AI辅助分析、小组讨论和角色模拟；课后通过AI支持作业反馈、研究拓展和学习反思。在评价层面，建立课堂参与、案例分析、项目任务、学习反思和期末综合考核相结合的多元评价体系，突出过程性和能力导向。在治理层面，明确AI使用边界，建立AI使用声明和学术诚信规范，避免学生形成技术依赖或出现学术不端。

　　三、教学案例设计与实施效果评价

　　（一）以“利率变动与债券市场运行”为例

　　“利率变动与债券市场运行”是金融市场学课程中的重点难点。学生通常能够记住“利率上升、债券价格下降”的结论，但对其内在逻辑理解较浅。教学对象为金融学专业学生，学生已完成经济学原理和货币金融学课程学习，但现实案例分析能力不足。本单元教学目标包括三个方面：一是知识目标，理解利率、债券价格和收益率之间的关系，掌握货币政策影响债券市场的基本逻辑；二是能力目标，能够结合真实案例分析利率变化对债券市场及相关市场的影响；三是素养目标，提升规范使用AI工具进行学习和分析的意识。

　　教学流程分为三个阶段。课前，教师借助AI生成导学任务单，内容包括核心概念、图示说明和预习问题，学生完成简短预习并提交预习问题。课中，教师以某次央行降息后国债市场波动为案例导入，利用AI生成事件背景摘要和时间线，组织学生围绕“降息为何推动债券价格上涨”“市场预期如何影响债券市场”“债券市场变化是否会影响股票市场和商业银行行为”等问题展开小组讨论。随后开展“央行—商业银行—债券投资者”角色模拟，由AI补充各角色立场，帮助学生理解不同主体的行为逻辑。课后，学生完成市场观察报告和学习反思日志，说明AI在学习中的具体使用方式及局限。本单元评价由课前导学20%、课堂讨论与角色模拟30%、市场观察报告40%、AI使用规范与反思日志10%构成。评价重点从结果正确转向参与过程、分析逻辑和规范意识。

　　（二）教学实施效果与对比分析

　　从实施效果看，改革后学生课堂参与度明显提高。课堂观察表明，学生发言频率增加，小组协作更积极，问题讨论更具针对性。AI生成的导学材料和案例问题降低了学生进入讨论的难度，增强了课堂参与感。

　　在知识理解方面，学生不再只停留于结论记忆，而能够从债券定价、市场预期和政策传导等角度解释市场变化。课后报告中，部分学生还能够将债券市场变化与股票市场、商业银行资产配置和投资者行为联系起来，说明其知识迁移能力有所增强。在个性化支持方面，基础较弱学生主要利用AI理解概念和梳理逻辑，基础较强学生则更多利用AI构建分析框架和拓展资料，说明该模式在一定程度上满足了不同层次学生的学习需求。在学习投入度方面，由于课前、课中和课后任务均纳入过程性评价，学生学习不再集中于期末复习阶段，而是贯穿整个教学过程。问卷反馈显示，多数学生认为该模式更能帮助其理解现实金融问题，也更能激发学习兴趣。

　　但改革过程中也暴露出一些问题：一是个别学生存在直接套用AI表达的倾向，独立思考能力仍需强化；二是AI生成内容偶有逻辑跳跃和概念模糊，需要教师审核把关；三是教师在教学设计、内容甄别和过程组织中的工作要求更高，对数字素养提出了新的挑战。

　　四、结语

　　生成式人工智能为金融学专业课程教学改革提供了重要机遇。通过构建“目标重塑—内容重组—过程重构—评价重建—治理重设”的教学模式，并将其应用于“利率变动与债券市场运行”单元，可以看出，AI在促进内容更新、增强课堂互动、支持分层学习和优化过程评价等方面具有明显优势。教学实践表明，该模式能够有效提升学生的课堂参与度、案例分析能力和知识迁移能力，也有助于改善整体学习体验。但同时应看到，生成式人工智能并不能替代教师，课程改革的关键仍在于教师主导、规范治理与学生AI素养提升。未来应在更多教学单元和更长时间尺度上开展持续跟踪研究，进一步验证其在金融类课程中的适用边界与推广价值。

文章来源：《重庆科技报》https://www.zzqklm.com/w/qt/35273.html