引言

当前，全球数字经济蓬勃发展，以大数据、人工智能、云计算为代表的数智技术正在重塑社会生产方式和人才需求结构。经济学作为社会科学的重要组成部分，其理论范式与研究工具也在快速发展，这对高校经济学人才培养提出了更高要求，学生不仅需要掌握经典理论，更需具备运用数智工具分析现实经济问题的能力。对照现实，高校经济学课程与数字经济对人才的要求之间，已出现明显错位。教学内容滞后于经济实践的更新速度，教学体系仍过度依赖传统模式，但平台算法、数据定价、数字贸易这些新议题却迟迟进不了课堂。课堂仍然是以教师教授为中心，学生能动手、能试错、能按自己节奏走的空间极为有限。评价环节则更像一张迟到的成绩单，过于侧重知识记忆而忽视能力与素养的评估。这些矛盾凸显了传统教学模式在数字经济时代的局限性。与此同时，数字技术被明确为赋能教育变革、构建全民终身学习型社会的关键力量。因此，探究数智化如何系统性赋能经济学课程，不仅是对教学改革迫切需求的直接回应，同时也是对国家战略的实践落地与人才供给端的前置支撑。本研究旨在厘清数智化赋能的内在机制，构建可行的实践路径，为高校经济学课程质量提升提供理论参考。

一、数智化赋能经济学课程的理论基础

（一） 理论基础

1. 建构主义学习理论

建构主义学习理论认为，知识不是通过教师传授被动获得的，而是学习者在一定的社会文化情境中，借助必要的学习资源通过意义建构的方式主动获得的。数智化技术为建构主义教学理念的落地提供了前所未有的支撑。首先，虚拟仿真、数字孪生等技术能够构建高度逼真、可交互的经济运行情境，让学生在“做中学”中主动建构对复杂经济现象的理解。其次，在线协作平台、社交化学习工具促进了学习者之间的社会性交互与协作知识建构，使经济学的思辨与讨论得以延伸至课堂之外。最后，丰富的数字化学习资源为学生自主探索与意义建构提供了充足的支架。因此，数智化赋能经济学课程的核心机制之一，便是通过技术创设主动、情境化、协作的学习环境，深化学生对经济学原理的意义建构。

2. 个性化学习理论

个性化学习理论强调根据学生的个体差异和需求，制定适合每个学生的学习方案，以促进其全面发展。当前，生成式人工智能（AIGC）等数智技术的突破，使个性化学习从理念转向实践。通过动态内容生成与自适应学习机制，AIGC能够根据学生的实时学情，提供“千人千面”的学习材料、练习题目与反馈指导，实现需求与供给的精准匹配。对于经济学课程而言，这些新型的数智技术能够为基础不同的学生提供差异化的数理模型训练，或为关注点各异的学生推荐不同的案例分析与研究课题，真正实现因材施教。

3. 教育评价理论的发展与数智化转向

传统教育评价往往侧重于对学习结果的最终测量，而随着教育评价理论的发展，教育评价不再是简单的“打分”或“排序”，越来越强调评价的发展性、过程性与多元性，即评价应贯穿学习全过程。数智化技术正好能够满足教育评价范式的深刻变革，它使得全过程多元评价成为可能。通过采集学习过程的数据，评价可以涵盖知识掌握、技能运用、参与度、协作能力等多个方面。其次，数智技术可以对学情进行精准诊断与预警，并为学生提供即时、个性化的反馈与干预建议，使评价真正起到促进发展的作用。最后，数智化赋能混合式教学质量评价，能够对“课前—课中—课后”的全环节进行动态监测与量化评估，从而构建起以数据为支撑的课程质量持续改进闭环。这为经济学课程突破“一考定乾坤”的传统评价模式，建立以能力与素养为导向的新型评价体系提供了理论依据与技术工具。

（二）经济学课程数智化转型的整合性理论框架

本研究构建了一个整合性的理论分析框架，以阐释数智化赋能经济学的内在逻辑。该框架以建构主义学习理论和个性化学习理论为理念引领，以发展性教育评价理论为校准导向，以数智化技术为赋能工具。

其作用机制在于数智化技术通过数据感知与智能分析，运用个性化理论精准识别学生的个体特征与学习情境，进而基于建构主义动态配置与生成个性化的学习资源、情境与路径。在整个教学过程中，数智化系统进行全过程数据采集与多维度分析，实施以促进发展为目的的形成性评价与反馈。这三个环节相互耦合，形成一个“诊断—适配—教学—评价—优化”的持续迭代闭环，最终驱动课程在教学目标、内容、方法与评价等全要素上向更高阶、更个性、更科学的质量层次演进。这一框架为本研究后续剖析赋能机制与设计实践路径奠定了坚实的理论基础。

二、数智化赋能经济学课程的内在机制

（一）教学资源的智能重构：从静态供给到动态生成

传统经济学课程的教学资源多为静态、统一的内容，难以适应快速变化的经济现实与学生差异化的认知需求。数智化通过数据整合与智能生成技术，实现了教学资源的根本性重构。一方面，利用大数据技术实时抓取并整合宏观经济指标、金融市场数据、企业财报、政策文本等海量真实数据，构建动态更新的“鲜活”案例库与数据库，使教学内容始终与经济运行前沿同步。另一方面，借助生成式人工智能（AIGC），能够依据特定的教学目标和学生学情，自动生成个性化的案例分析、习题及解析，甚至创作虚拟经济学家与学生进行对话。在新技术的支持下，确保了课程内容的前沿性、实践性与适配性，为高质量教学奠定了坚实的资源基础。

（二）教学过程的精准调控：从经验驱动到数据循证

传统教学过程大多依赖教师的判断，这种方式虽然灵活，但难以做到及时和精确，存在一定的模糊性和滞后性，而数智化带来的变化在于，它让教学过程的“可见度”大幅提高：学生的课前准备、课堂互动、课后作业等各个环节都会留下行为痕迹，这些数据经过学习分析技术的处理，可以形成对知识点掌握程度、学习投入状态相对清晰的描摹。基于此，教师可以实施差异化教学策略，在课堂上，通过实时反馈调整课上理论讲授节奏与深度；在课后，针对不同学生的薄弱环节推送相应的资料或练习。过去只能面向大多数学生进行授课，现在在技术加持下可以在不增加额外负担的前提下，照顾到更多学生的学习节奏。同时，系统能够自动规划并推荐最优的个性化学习路径，实现对每个学生学习过程的“一对一”精准导航与调控，从而极大提升了教学效率与针对性。

（三）教学评价的多元化创新：从结果判断到过程增值

过去，经济学课程的评价大多依赖期末一张卷子，分数出来，课程也基本画上句号。这种模式看重的是给结果打分，而不是看过程成长。数智化技术打破了以期末考试为主的单一模式，推动了向全过程、多维度、发展性评价体系的深刻转型。首先，评价内容得以扩展，通过采集学生在模拟经济决策、小组协作等复杂任务中的过程性数据，可以对经济学思维、量化分析能力、解决真实问题能力等高阶素养进行量化评估。其次，评价主体不再由教师单一评价决定，结合同伴互评、机器自动评分，形成多角度、更客观的评价合力。最后，也是最重要的，评价功能从“评判”转向“促进”，不再简单地为了评价而评价，而是基于数据的即时反馈与学情预警，学生能及时了解自身薄弱环节，教师也能据此提供个性化指导，实现“评价—反馈—改进”的闭环，让评价真正成为促进学生发展的增值工具。

（四）师生协同发展的生态构建：从单向传授到共生共长

数智化环境重塑了教学场域中的师生关系与角色，催生了“以学生为中心、师生深度互动、共同成长”的新型教学生态。教师的角色从知识的传授者，转变为教学场景的设计者、数据的解读者、个性化学习的引导者。学生则从被动接受者转变为主动的探究者、知识的建构者与协作的学习者。在这个过程中，数智化平台成为师生协同探究经济问题的工作台，师生对着同一组数据、同一个仿真市场共同探讨，这种深度互动不仅提升了学生的参与感和获得感，也促使教师不断更新知识体系与教学技能，实现教学相长。

三、数智化赋能经济学课程的实践路径

（一）构建“数据驱动”的混合式教学模式

这一路径的核心是将在线学习与线下课堂深度融合，并以学习过程数据为纽带，实现教学活动的精准设计与优化。其实践形成了一套闭环，课前以预习为起点，课中聚焦任务深度，课后延伸拓展学习。

课前，教师可以利用智能平台发布预习材料，并设置引导性问题。系统自动记录学生预习时长、测验结果等，生成学情分析报告，帮助教师精准定位教学重点和难点。课中，教师基于前期生成的学情报告，聚焦共性疑难点进行精讲，并组织小组协作，利用平台上的实时经济数据进行即时分析、政策模拟讨论。课后平台根据课堂练习表现与课后作业数据，自动推送差异化的巩固练习、拓展阅读或更具挑战性的研究任务，实现教学内容略有不同，但目标一致：让学习在课后继续发生，且适得其所。

（二）开发“虚实结合”的经济学仿真实验体系

通过构建高度仿真的虚拟实验环境，可以让学生在近乎真实的决策情境中理解复杂的经济机制与博弈行为，改变经济学理论的抽象性常使学生感到隔阂的印象。

利用多智能体仿真技术，构建虚拟商品市场、金融市场或拍卖市场的市场机制模拟。学生可扮演消费者、厂商、投资者、政府等不同角色，在动态变化的价格、供求、政策环境中进行决策，并即时观察自身决策对市场均衡的微观影响与宏观结果，从而深刻理解“看不见的手”的作用机理与市场失灵现象。开发宏观经济政策模拟沙盘，学生可扮演中央银行或财政部官员，调整利率、税率、政府支出等政策变量，系统基于校准的宏观经济模型实时模拟出对GDP、通胀、就业等宏观指标的短期与长期影响，使学生在反复试错中掌握政策权衡与传导机制。

此外，在线实验平台可以便捷地组织实施经典的博弈论实验（如囚徒困境、公共品博弈）或行为偏见测试（如锚定效应、损失厌恶），快速收集大量实验数据，并即时进行统计分析，让学生亲身验证和体会理论假设与真实行为的差异。

（三）实施“伴随式”智能评价与反馈系统

该路径旨在将评价嵌入学习全过程，利用智能技术实现评价的自动化、个性化与诊断性。当前，基础层面的操作已经相对成熟。对于名词解释、简答题、计算题这类有明确答案的题型，系统可以直接从题库调取、自动批改，学生提交后几秒内就能看到对错、拿到解析，这既回应了学生的即时反馈需求，也把教师从大量重复劳动中释放出来。面对论述题或分析报告这类开放性作业，自然语言处理工具能做初步筛查：语句通不通顺、结构是否完整、主题有没有偏离，系统先过一遍，减轻教师机械性批改负担。其次，多模态学习分析不仅分析作业和测验分数，还整合学生在讨论区的发言质量、观看教学视频学习点等数据。最后，系统还具备一定的预警能力，当检测到学生长时间未登录、多次未签到、连续作业分数下滑等情况时，可自动向学生发送个性化的提醒与鼓励信息，并同时预警教师关注学生状态，使教师能够在学期中及时进行人工干预和辅导。

总结而言，上述三条实践路径并非孤立，而是相互支撑、协同作用的有机整体。数据驱动的混合式教学是主干框架，虚实结合的仿真实验是深化理解的核心抓手，伴随式的智能评价是确保质量的校准工具。三者共同将数智化赋能的机制落到了具体的课程设计、教学活动和评价改革中，为经济学课程质量的系统性提升提供了实施方案。

四、结语

数智化并非经济学教育的附加工具，而是驱动其内核变革、实现质量跃升的关键力量。它通过重构资源、调控过程、创新评价，使得经济学课堂正从“老师讲、学生听”的静态模式，转向数据可追踪、反馈可循环、路径可选择。但这并不意味着技术会自动带来好教育，要让这一重底层逻辑落地，需要的不是零星尝试，而是系统性的规划，唯有通过系统性的战略规划、持续的能力建设与开放的制度创新，才能将这一潜能充分释放。

经济学教育的最终目标是让走出校门的经济学人，能够驾驭复杂数据，理解正在成形的智能经济逻辑，也在不确定性中保有批判与创造的能力。这是经济学教育必须回应的问题，也是它正在经历的重塑。

参考文献：

1. [1] 季林丹,金晓锋,徐进,等.“新医科”背景下数智化赋能《医学遗传学》课程建设的探索与实践[J/OL].中国生物化学与分子生物学报,1-11[2026-02-12].
2. [2] 吴文哲,季林丹,陈坤.虚拟仿真实验教学项目建设的挑战与对策[J].中国大学教学,2023(10):69-74.
3. [3] 罗微.“政产学研用”协同育人模式下民办高校的数智化管理人才培养[J].中国管理信息化,2025,28(05):229-232.