引言

2025年4月，教育部等九部门联合印发《关于加快推进教育数字化的意见》（教办〔2025〕3号），明确提出“建设一批高校智慧课程”，“制定数字教材建设和管理指导意见，分领域分专业研发一批示范性精品数字教材”，“将人工智能技术融入教育教学全要素全过程”等战略部署。2026年4月，教育部等五部门进一步印发《“人工智能+教育”行动计划》（教科信〔2026〕1号），提出“科学设计‘人工智能+’专业体系、课程体系、教学体系，提高专业设置对产业发展的适配性”。这一系列政策文件的密集出台，标志着我国教育数字化进入全面深化的新阶段，智慧课程建设已成为高校教学改革的核心议题。

在数字金融领域，技术变革对教育教学提出了全新要求。当前，以大数据、人工智能、区块链为代表的数字技术已全面重塑金融业的资产定价模型、风险管控范式、产品服务体系与基础设施架构。智能投顾、量化投资、区块链金融、监管科技等前沿领域日新月异，传统金融学课程在知识更新、教学互动、个性化支持等方面面临严峻挑战。许多高校的数字金融学课程仍沿用传统教学模式，以教师讲授为主，学生被动接受，缺乏有效的互动和反馈机制；课程内容更新滞后，难以反映数字金融领域的最新发展；教学资源单一，缺乏多媒体、交互式、沉浸式的学习体验；学习评价方式简单，难以全面反映学生的学习过程和成果。

智慧课程建设为破解上述困境提供了重要路径。智慧课程是指利用人工智能、大数据、虚拟现实等现代信息技术，对课程的教学内容、教学方法、教学评价等进行智能化升级，实现教学过程的个性化、交互化和智能化（沈火明等，2025）。在数字金融学课程中推进智慧课程建设，不仅能够提升教学效果和学习体验，更能够培养学生的数字素养和创新能力，使其更好地适应数字金融时代的要求。本文以数字金融学课程为研究对象，系统探索智慧课程建设的理论框架、系统架构与实践路径，旨在为金融教育数字化转型升级提供理论参考与实践指导。

一、智慧课程建设的理论内涵与必要性

（一）智慧课程建设的理论内涵

智慧课程是教育数字化背景下课程建设的新形态，它融合了人工智能、大数据、虚拟现实等现代信息技术，对传统课程进行全方位、深层次的智能化改造。智慧课程的理论内涵可以从以下几个维度理解。

从教学理念维度看，智慧课程体现了“以学生为中心”的教育理念，强调根据学生的学习需求和认知特点提供个性化的学习支持（刘伟等，2025）。智慧课程通过采集和分析学生的学习行为数据，识别学生的学习风格、知识水平和学习困难，进而推送适配的学习资源和活动，实现因材施教。

从教学内容维度看，智慧课程实现了教学内容的动态更新和智能组织。通过知识图谱技术，智慧课程将知识点进行结构化建模，构建知识网络，并根据学科发展动态更新知识内容。同时，智慧课程整合了多媒体、交互式、沉浸式的学习资源，为学生提供丰富多样的学习体验。

从教学方法维度看，智慧课程支持多样化的教学方法和互动模式。通过AI助教、智能学伴等工具，智慧课程实现了“师—生—机”三方交互的课堂模式，教师可以专注于高阶思维培养和深度研讨，AI系统可以承担知识讲解、问题解答、作业批改等基础性工作（苏小红等，2026）。

从教学评价维度看，智慧课程实现了学习过程的全程监测和智能评价。通过学习分析技术，智慧课程可以实时采集学生的学习行为数据，分析学习进度和知识掌握情况，提供及时的学习反馈和学业预警，支持过程性评价和形成性评价（余亮等，2025）。

（二）数字金融学课程智慧化转型的必要性

数字金融学课程作为金融学专业的前沿课程，其智慧化转型具有特殊的重要性和紧迫性。首先，数字金融领域知识更新速度快，传统教材和课程内容难以跟上技术迭代步伐，需要通过智慧课程实现内容的动态更新和智能推荐。其次，数字金融涉及大量数据和技术工具，需要通过交互式、沉浸式的学习体验帮助学生理解和掌握。再次，数字金融领域对复合型人才的需求迫切，需要通过智慧课程培养学生的数字素养、创新思维和问题解决能力。最后，数字金融领域的伦理合规问题日益突出，需要通过智慧课程嵌入伦理教育和价值引领。

二、数字金融学课程面临的现实挑战

（一）知识更新滞后与内容碎片化

数字金融领域技术迭代迅速，新业务模式、新监管政策、新风险类型层出不穷。然而，传统金融学课程的教材编写周期较长，从立项到出版往往需要2—3年时间，导致课程内容严重滞后于产业发展。以数字货币为例，央行数字货币（CBDC）的研究和试点进展迅速，但许多教材对数字货币的介绍仍停留在比特币等加密货币层面，缺乏对CBDC的深入分析。再以人工智能在金融领域的应用为例，大语言模型、生成式AI等新技术正在深刻改变金融服务的形态，但这些内容在现有课程中鲜有涉及。

此外，数字金融学课程的内容往往呈现碎片化特征。数字金融涉及支付、信贷、投资、保险、监管等多个子领域，每个子领域都有其特定的技术工具和业务逻辑。传统课程往往按照知识点线性排列，缺乏对知识之间内在联系的系统性呈现，学生难以形成完整的知识框架和系统的思维方式。

（二）教学互动不足与个性化支持缺失

传统数字金融学课程以教师讲授为主，学生被动接受，课堂互动有限。大班授课模式下，教师难以关注到每个学生的学习状态和需求，学生的问题和困惑难以及时得到解答。课后答疑主要依靠教师的办公时间，时间和空间受限，无法满足学生的即时需求。

个性化支持的缺失是另一个突出问题。不同学生的知识基础、学习能力和兴趣方向存在差异，但传统课程往往采用“一刀切”的教学方式，缺乏针对不同学生的差异化教学策略。学习进度快的学生感到“吃不饱”，学习进度慢的学生感到“跟不上”，整体学习效果受到影响。

（三）实践教学薄弱与真实场景缺失

数字金融学课程的实践教学面临诸多挑战。一方面，金融数据和业务系统涉及隐私和安全问题，难以直接向学生开放；另一方面，金融市场的复杂性和不确定性难以在实验室环境中完全模拟。许多高校的实践教学仍依赖于商业化的模拟软件，其业务逻辑和数据环境与真实金融机构存在较大差异，学生难以获得真实的“实战感”。

此外，数字金融课程普遍缺乏配套的实践教学内容。受制于数字金融业务本身较强的前沿性与场景难以模拟等现实约束，课程极易出现理论教学与实践教学相脱节的突出问题。实践环节往往后置、独立于理论课程之外，未能与理论讲授实现有机融合，致使学生很难将课堂所学理论知识运用于解决实际问题，实践育人成效大打折扣。

（四）评价方式单一与过程性监测不足

传统数字金融学课程考核评价多以期末闭卷考试为核心，考核重心偏向数字金融基础概念、理论模型与政策条文等知识性内容的记忆与浅层理解，尚未建立起适配数字金融学科特征、面向实践应用、创新思维与复杂金融问题解决能力的多元化综合评价体系。课程过程性评价占比偏低、评价维度单一，教师难以动态追踪学生对于数字金融前沿案例、技术‑业务融合问题的探究过程，无法精准识别学生在理论落地、实操推演中遇到的学习瓶颈，也就难以及时开展个性化、针对性的教学指导。

与此同时，数字金融课程教学评价数据的采集渠道与分析工具较为匮乏。受制于金融仿真数据、前沿业务场景数据获取困难等现实问题，课程难以依托学习大数据开展学情研判，无法支撑精准化教学决策。教师大多依靠课堂表现、期末成绩等有限信息与教学经验判断学生学习成效，缺少量化、客观的学情数据作为改进依据，使得教学优化方向不够清晰，教学改革举措的靶向性和实施效果受到制约。

三、数字金融学智慧课程建设的系统架构

基于上述政策背景和现实挑战分析，本文提出数字金融学智慧课程建设的“四维一体”系统架构，包括数字化教材开发、AI助教集成、知识图谱构建与智能教学平台搭建四大核心模块。四大模块相互支撑、协同运作，共同构成智慧课程的完整生态系统。

（一）数字化教材开发：构建适配行业迭代特征的动态内容体系

数字化教材是数字金融智慧课程建设的核心载体，相较于传统纸质教材内容固化、行业案例滞后、技术场景展示不足等短板，数字化教材可实现数字金融教学内容的动态迭代、多场景多媒体可视化呈现与沉浸式智能交互。结合数字金融技术更新快、行业实践前沿性强、跨学科特征突出的课程属性，数字化教材开发应遵循以下四项原则。

一是内容动态更新原则。数字化教材需建立常态化、可持续的内容迭代更新机制，紧跟金融科技监管政策、底层技术变革、行业创新业务的发展趋势，及时将数字金融领域最新监管文件、前沿技术应用、典型风险案例、行业创新实践纳入课程资源库。一方面可联动商业银行、金融科技企业、地方金融监管部门、行业协会开展产教合作，定期获取脱敏后的业务运行数据、真实项目案例；另一方面可在教材板块中设置“监管热点追踪”“金融科技前沿速递”“数字风险案例库”等特色专栏，实时更新行业最新动态；同时探索共建共享的内容众包更新机制，邀请业界技术专家、金融实务从业者与一线授课教师共同参与教材内容打磨与案例更新，破解数字金融教材内容易滞后于行业实践的难题。

二是多媒体融合原则。数字化教材深度融合文本、实景图片、行业音频、实操演示视频、原理动画、交互式金融图表等多类型教学资源，打造可视化、场景化的数字金融学习环境。例如讲解区块链、人工智能、大数据风控等底层技术原理时，可配套动画演示区块链账本结构、分布式共识运行机制；讲解智能投顾、数字人民币、供应链金融科技等业务模块时，插入实操视频，直观展示平台运营流程、产品业务模式以及用户真实交易场景，化解数字金融技术原理抽象、业务场景难以线下复刻的教学痛点。

三是交互式设计原则。数字化教材嵌入多元化交互式学习模块，包括章节自测习题、前沿案例研讨任务、金融业务模拟操作、线上专题讨论区等，引导学生由被动接收知识转向主动探究数字金融问题。例如讲授数字金融风险管理章节时，可搭建交互式风险仿真场景，让学生在模拟环境下开展金融科技风险识别、风险处置决策并实时观测决策带来的市场结果；讲解量化投资、算法交易等实操内容时，内嵌交互式代码运行窗口，支持学生在线编写、调试并回测简易量化投资策略代码，实现理论知识与实操训练即时联动。

四是个性化适配原则。数字化教材搭建分层化、可选择的学习资源库，支持生成个性化学习路径，依据学生金融学基础水平、实操能力、学习进度以及研究兴趣，精准推送差异化的数字金融学习内容与实践任务。例如针对金融基础薄弱的学生，配套推送金融基础补学资源、概念精讲微课与基础练习题，夯实理论根基；对于具备一定基础、能力进阶的学生，则推送前沿文献拓展阅读、行业深度报告、高难度仿真实训项目以及科研探究任务，满足不同层次学生深度学习、创新探索的成长需求。

（二）AI 助教集成：构建人机协同的教学新模式

AI 助教是数字金融智慧课程建设的重要支撑，依托大模型人工智能技术，面向师生提供智能化教学服务，涵盖智能答疑、个性化辅导、作业辅助评阅、学情诊断、精准资源推送等功能，助力破解数字金融知识点更新快、实操门槛高、案例场景复杂等教学难题。

在智能问答层面，AI 助教依托大语言模型解析学生自然语言问题，结合数字金融课程上下文给出针对性解答，区别于通用搜索引擎碎片化的检索结果。例如学生提问 “什么是流动性挖矿”，AI 助教可在给出概念定义的基础上，联动课堂讲授的 DeFi 相关知识，进一步阐释其运行机制、收益模式与金融风险隐患。在学习辅导层面，AI 助教追踪学生学习进度与知识点掌握程度，定制差异化学习路径。当检测到学生在智能合约、算法风控等重难点章节练习正确率偏低时，自动推送配套微课、拓展案例与专项习题，补齐学生知识短板。在作业批改层面，AI 助教完成客观习题的自动批阅，并可针对数字金融案例分析、方案设计类主观作业开展初评，从分析框架、逻辑推演、金融原理运用、风险研判等维度给出反馈建议，有效减轻教师批阅负担。在学情分析层面，AI 助教实时采集课堂学习、仿真实训、课后练习等多维度行为数据，生成班级学情报告、学生个人学习画像、重难点知识掌握热力图，对学习滞后学生及时预警，为教师优化数字金融案例教学、实训安排提供量化依据。在资源推荐层面，AI 助教结合学生学习兴趣与能力方向精准推送拓展资源。针对有意深耕量化投资、金融科技监管、区块链应用等方向的学生，定向推送前沿文献、行业调研报告、实训项目与课程资源，拓展学生行业视野。

（三）知识图谱构建：实现知识的结构化与智能化

知识图谱是数字金融智慧课程建设的重要支撑。针对数字金融横跨技术、业务、监管，知识点交叉繁杂的课程特点，对课程知识点开展结构化建模，搭建互联互通的知识网络，实现课程知识的系统化组织与智能化应用，具体应用如下。一是构建课程知识体系。利用知识图谱抽取、归类数字金融学知识点，建立层级分明、逻辑关联紧密的知识框架。以 “数字货币”核心节点为例，向下拆解加密货币、稳定币、央行数字货币等子节点并继续延伸细分；同时建立横向关联，打通数字货币与区块链技术、货币政策、金融监管等知识点的内在联系，厘清跨模块知识逻辑。二是生成个性化学习路径。依托知识图谱内置的知识点前置依赖关系，自动适配不同学生的学习路线。面向零基础学习者，推送从基础概念到行业应用的渐进式学习路径；针对具备基础的学生，生成覆盖多模块的专题探究路径，保证进阶内容学习前前置知识已掌握到位。三是强化 AI 助教问答能力。将知识图谱与大语言模型融合，优化答疑效果。学生提问时，系统优先调取图谱内的课程结构化知识，再通过大模型完成内容生成。“知识图谱 + 大模型”的混合模式，既保障数字金融前沿问题作答的准确性、可解释性，又兼顾输出内容通俗易懂。四是整合统筹教学资源。以知识图谱作为资源挂载框架，将课件、演示视频、行业案例、实训习题绑定至对应知识节点，实现教学资源结构化存储与智能检索。师生可通过知识图谱快速调取某一数字金融主题下的全部配套资源，提升案例、实训资源的使用效率。

（四）智能教学平台搭建：实现教学过程的数字化与智能化

智能教学平台是数字金融智慧课程建设的核心载体，深度整合数字化教材、AI智能助教、课程知识图谱等核心模块，搭建一站式、一体化的教与学服务体系，适配数字金融技术迭代快、实操性强、场景多元化的课程特点。平台建设重点围绕以下四个方面开展。一是模块化、可迭代的平台架构设计。平台采用模块化、高拓展性架构，支持功能灵活配置与持续升级，适配数字金融前沿内容与实训场景的动态更新。整体搭建内容管理、个性化学习、智能交互、学情大数据分析、系统管理五大核心模块，各模块通过标准化接口实现数据互通、功能联动，可按需新增金融仿真、量化实训等特色教学功能，保障平台长效适配课程教学需求。二是多终端、个性化的用户体验设计。平台秉持简洁高效的设计原则，优化操作界面与交互逻辑，降低学生数字金融实操学习的操作门槛。全面适配PC、平板、移动端多终端访问，支持学生随时随地开展理论学习、案例研读和仿真实训。同时开放个性化设置权限，学生可自主调整界面风格、学习提醒、消息通知等内容，适配个人学习习惯，提升自主学习效率。三是规范化、高安全的数据治理体系。数字金融教学涉及大量学生实训数据、学习行为数据，数据敏感度高。平台严格遵循数据最小化原则，仅采集教学与实训必备数据，建立完善的数据分类分级管理制度。针对学情数据、模拟交易数据、实训操作记录等不同类型数据实施差异化防护策略，通过全程加密传输与存储，筑牢数据安全防线，杜绝数据泄露、篡改与滥用问题。四是多元化、高兼容的开放集成能力。平台具备良好的开放性与兼容性，可无缝对接校内教务系统、在线考核系统、学情管理系统，实现教学数据互联互通。同时适配数字金融实操教学需求，支持接入在线编程环境、量化分析工具、金融虚拟仿真平台、数据可视化工具等第三方教学资源，丰富课程实操教学场景，完善数字金融理论+实训的一体化教学体系。

四、实施策略与保障措施

（一）加强顶层设计与系统规划

智慧课程建设是一项系统工程，需要加强顶层设计和系统规划。学校层面应制定智慧课程建设的总体方案和实施路线图，明确建设目标、重点任务、责任分工和保障措施。院系层面应根据学科专业特点，制定具体的建设方案，确定优先建设的课程和重点突破的方向。课程团队应围绕教学目标，系统设计智慧课程的功能模块和内容资源，确保技术应用的针对性和有效性。

在数字金融学课程的智慧化建设中，可以遵循“先试点、后推广”的策略，选择1—2门核心课程作为试点，集中资源进行重点建设，积累经验后再逐步推广到其他课程。试点课程的选择应考虑课程的代表性、教师的积极性和技术实现的可行性等因素。

（二）提升教师数字素养与教学能力

教师是智慧课程建设的关键主体，其数字素养和教学能力直接影响智慧课程的建设质量和应用效果。提升教师数字素养需要从以下几个方面着手：一是开展系统性的培训，帮助教师掌握智慧课程建设所需的技术知识和操作技能，包括知识图谱构建、AI工具使用、数据分析方法等；二是建立教师学习共同体，组织教师开展智慧教学研讨、经验分享、协同备课等活动，促进教师之间的相互学习和共同成长；三是鼓励教师参与智慧教学研究和实践，将智慧课程建设纳入教学改革项目和教学研究课题，为教师提供必要的经费和时间支持；四是建立激励机制，将智慧课程建设成果纳入教师绩效考核和职称评审，激发教师参与智慧课程建设的积极性。

（三）建立数据安全与伦理合规机制

智慧课程建设涉及大量学生学习数据的采集、存储和分析，需要建立完善的数据安全与伦理合规机制。数据安全方面，应建立数据分类分级管理制度，对不同敏感程度的数据采取不同的保护措施；应确保数据传输和存储的加密安全，防止数据泄露和篡改；应建立数据访问控制机制，限制数据的访问权限和使用范围；应建立数据安全事件应急响应机制，及时发现和处置安全事件。

伦理合规方面，应遵循数据最小化原则，只采集教学必需的数据，避免过度采集和滥用数据；应保障学生的知情权和选择权，明确告知学生数据的采集目的、使用方式和保护措施，允许学生选择是否参与数据采集；应建立数据使用规范，禁止将学生数据用于商业目的或未经授权的第三方共享；应关注AI算法的公平性和透明性，避免算法歧视和偏见，确保AI助教对所有学生一视同仁。

（四）构建持续迭代与质量保障机制

智慧课程建设是一个持续迭代的过程，需要建立质量保障和持续改进机制。一是建立用户反馈机制，定期收集教师和学生对智慧课程的使用体验和改进建议，作为优化升级的依据。二是建立数据分析机制，通过对学习行为数据、教学效果数据的分析，评估智慧课程的应用效果，识别存在的问题和改进空间。三是建立版本更新机制，定期对智慧课程进行功能升级和内容更新，保持课程的先进性和时效性。四是建立示范推广机制，总结提炼智慧课程建设的成功经验和典型做法，通过研讨会、培训班、案例集等方式进行推广，发挥示范引领作用。

五、结论与展望

本文以教育数字化政策为背景，系统探索了数字金融学智慧课程建设的理论框架与实践路径。研究表明，智慧课程建设是推动金融教育教学变革、培养数字金融复合型人才的关键路径。通过数字化教材开发、AI助教集成、知识图谱构建与智能教学平台搭建四大核心模块的协同运作，智慧课程能够有效破解传统数字金融学课程面临的知识更新滞后、教学互动不足、个性化支持缺失、实践教学薄弱、评价方式单一等现实困境。

智慧课程建设的核心价值在于：一是实现了教学内容的动态更新和智能组织，确保学生所学知识与产业发展同步；二是实现了教学方法的交互化和智能化，提升了学生的学习兴趣和参与度；三是实现了学习支持的个性化和精准化，满足了不同学生的差异化学习需求；四是实现了教学评价的过程化和数据化，支持了基于证据的教学改进；五是实现了教育资源的开放共享和协同创新，促进了教育公平和质量提升。

当然，智慧课程建设在实施过程中也面临一些挑战，如技术融合深度不足、教师数字素养参差不齐、数据安全与伦理风险、建设成本与可持续运营等问题，需要在实践中不断探索和完善。未来研究可以进一步关注以下方向：一是大语言模型等前沿AI技术在智慧课程中的深度应用，探索更加智能、更加人性化的教学交互模式；二是智慧课程的评价标准和质量认证体系，建立科学合理的智慧课程评价指标和认证机制；三是智慧课程的跨校共享和协同建设，推动优质智慧课程资源的开放共享和协同创新；四是智慧课程的国际化发展，借鉴国际先进经验，提升我国智慧课程建设的国际影响力。

总之，在数字金融快速发展的时代背景下，智慧课程建设为高校金融教育改革提供了重要机遇。高校应当把握教育数字化的战略机遇，积极推进智慧课程建设，为培养适应数字金融时代的高素质人才、为建设金融强国和教育强国贡献力量。

参考文献：

1. [1] 刘伟,谢海斌,陈少飞.AI时代人工智能基础课程建设与思考[J].高教学刊,2025,11(36):5-8+16.
2. [2] 沈火明,龚晖,富海鹰.智慧课程构建：从数字赋能到教学模式的创新转型路径[J].中国大学教学,2025(09):10-17+2.
3. [3] 苏小红,何钦铭,郝兴伟.数智时代计算机基础智慧课程建设与人机协同教学创新[J].中国大学教学,2026(06):23-30.
4. [4] 余亮,邓双洁,张馨月.人工智能技术赋能教育的演进脉络、内在逻辑和发展趋势[J].电化教育研究,2025,46(06):13-20+28.