为响应教育部《关于深化职业教育教学关键要素改革的意见》（教育部教职成〔2026〕1号）中关于“推动人才培养模式从知识传授向能力提升转型”的要求，本文针对生成式AI冲击下数据可视化课程技能训练主导的价值危机，阐述论文了新时代职业院校人才培养、教育教学改革在全流程遵循程技能培养为核心的基础上，积极关注和应对AI时代人工智能对传统教育教学人才培养模式的风险和挑战，围绕AI新技术、新技能、新职业、新岗位、新场景需求，强化教师逻辑思维、分析探究、人才培养转向创新能力。
生成式AI时代职业教育数据可视化课程的价值重构与教学转向
孙羽晨 董泽建 齐耕智
摘要：为响应教育部《关于深化职业教育教学关键要素改革的意见》（教育部教职成〔2026〕1号）中关于“推动人才培养模式从知识传授向能力提升转型”的要求，本文针对生成式AI冲击下数据可视化课程技能训练主导的价值危机，阐述论文了新时代职业院校人才培养、教育教学改革在全流程遵循程技能培养为核心的基础上，积极关注和应对AI时代人工智能对传统教育教学人才培养模式的风险和挑战，围绕AI新技术、新技能、新职业、新岗位、新场景需求，强化教师逻辑思维、分析探究、人才培养转向创新能力。学生人工智能素养；强化教师逻辑思维思维能力，实现技能模块价值优化和重构目标，凝练出数据思维、业务理解、设计判断、项目治理与伦理规范五大核心价值。
在此基础上，构建了“三阶五维”AI协同教学模式，即以课前、课中、课后三阶段为载体，以五大核心价值为统领，探索以柱状图教学为载体的实践路径，引导学生从对AI的盲目依赖进阶为主动驾驭，并自然融入课程思政。本文旨在为职业院校应对技术变革、提升人才培养与岗位适配性提供理论参考与实践指导。
关键词：关键要素改革；生成式AI；教育数据可视化；价值重构
一、研究背景与意义
当前，以大语言模型为代表的生成式AI已全面渗透数据分析行业。Python可视化代码、Echarts配置以及大屏交互逻辑等传统核心技能均可由AI快速生成。职业教育数据可视化课程因此面临根本性冲击：大量教学内容可被替代，课程合理性遭受质疑——AI能够生成可视化代码，职业院校为何还要开设此课程？学生投入时间学习传统内容，其价值究竟何在？这种疑问已直接导致学生学习动机弱化、教师教学方向迷失。
2026年教育部《关于深化职业教育教学关键要素改革的意见》明确要求职业教育应顺应技术迭代，推动人才培养模式从知识传授向能力提升转型。在此背景下，课程改革已非渐进优化，而是生存性抉择。若继续沿袭传统教学路径，将错失技术倒逼改革的战略窗口期，必须从被动应对转向主动重构。
在理论层面，本文引入社会生态系统理论，以多因素交互作用审视课程改革，丰富数字化背景下职业教育教学改革理论内涵，突破传统数据可视化课程认知局限，构建AI时代职业教育课程价值理论框架，并借鉴组态路径思维，阐明课程价值实现系多要素协同耦合之结果。实践层面，本文直面一线教学困惑，以具体案例回答“AI时代可视化课程如何施教”的问题，为职业院校相关专业提供可操作的AI协同教学方法，明晰教师教学边界、核心任务及AI应用路径，切实提升人才培养与产业岗位的真实匹配度。
图1 传统教学vs AI时代教学转向对比图
为更直观呈现生成式AI对课程教学逻辑带来的深刻影响，传统数据可视化课程与AI时代教学重心的差异如图1所示。课程目标正由单一技能训练逐步转向思维培养、业务理解与综合能力提升。
二、AI时代职业教育数据可视化课程的核心价值重构
生成式AI能够承担部分重复性与标准化数据处理与可视化生成任务，但在数据理解、业务分析与决策支持等环节，仍依赖人的参与。职业教育面向生产一线培养高技能与复合型技术人才，其核心竞争力不在于单一技术执行效率，而在于能够结合业务场景进行综合分析与应用。依据2026年职教教学关键要素改革要求，数据可视化课程应摒弃工具训练的传统定位，确立以思维能力、职业素养及综合实践为核心的新价值体系。该体系不可被AI替代的教学价值集中体现在五个方面。唯有数据思维、业务理解、设计判断、项目治理与伦理规范协同发力，学生才能真正驾驭AI而非被AI替代。
（一）培养数据思维，形成对数据的理解与判断能力
AI可以基于给定数据生成可视化结果，但无法自主判断数据的真实性、有效性。职业教育课堂的首要价值，正是弥补这一缺陷——培养学生的数据素养与数据思维，包括数据来源辨识、数据逻辑理解、数据清洗、异常数据识别等能力。学生只有真正理解数据背后的逻辑，才能为AI提供科学合理的提示词，才能判断AI生成结果是否可信和可用。
我校“智慧小青”教学平台已建成人才培养质量管理系统，系统自动爬取主流招聘网站的数万条岗位信息，构建专业技能图谱、知识图谱等，覆盖大数据、人工智能、通信技术等专业群。平台利用自然语言处理技术，自动分析工作岗位的典型工作任务和职业能力，已完成多个专业的人才培养方案智能编写。在实际教学中，我们将平台生成的数据图谱作为课堂案例，引导学生对照岗位能力要求进行数据理解训练。学生通过比对平台提供的真实岗位数据与AI生成的图表结果，逐步建立起数据来源辨识、异常数据识别等思维习惯。
（二）强化业务理解，搭建数据与场景之间的桥梁
数据可视化不仅是图表制作，更是对业务问题的表达与支撑。AI不具备真实场景的业务认知，无法理解行业流程、管理需求、用户痛点和决策场景。职业教育应依托产教融合优势，将企业真实业务流程和岗位实际问题引入课堂，帮助学生建立“业务-数据-可视化-决策”的完整逻辑链条。
我系通过社会服务项目引入多家公司真实案例，如“3D点云”三维数据处理项目。学生需完成数据清洗、特征提取、统计分析等任务，并制作点云分布散点图、分类柱状图及决策看板大屏。同时融入电商用户行为分析、物流运输优化、制造质量监控等行业真实数据，学生在理解业务流程后完成数据提取与可视化图表制作，实现从业务问题到可视化表达的完整闭环。
（三）提升设计判断，形成可视化表达的审美与规范能力
AI生成的可视化结果往往趋于标准化、同质化，缺乏针对性的视觉表达与用户体验优化。优秀的数据可视化不仅要准确，更要清晰、美观、易用且符合传播规范。课堂教学应重点培养学生的视觉素养与信息设计能力，帮助学生判断哪种场景适合柱状图、折线图或地图可视化，如何符合企业视觉规范与行业展示标准。
我系依托授课平台建立可视化案例库，收录柱状图、折线图、散点图、热力图等常见图表类型的多份学生作品。课程教学中，结合企业真实规范，制定配色方案、字体规范、标注要求、图表类型选择指南等可视化设计标准。通过对比平台中的“优秀作品库”与“常见问题库”，学生对设计规范的掌握程度显著提升。
（四）突出项目治理，培养全流程项目实施与写作能力
企业真实的数据可视化项目并非单一图表制作，而是包含需求沟通、需求分析、数据采集处理、可视化开发、测试迭代、交付验收与运维优化的完整工作流程。AI仅能参与其中某一技术环节，无法完成全流程治理与团队协作。而职业教育课堂可以依托项目化教学，还原企业真实工作场景，培养学生的需求理解能力、项目管理能力与沟通协作能力。
我系依托智慧职教平台内置的过程化管理功能，实现全流程教学支持：课前环节自动推荐学习资源并生成自主学习路径；课中环节记录学生的交流提问、头脑风暴和课堂测验等表现；课后环节实现智能作业批改与分析。数据可视化课程采用项目化教学，学生以团队形式完成完整的可视化项目，项目完成率保持在90%以上。
（五）树立伦理规范，强化数据安全与可视化责任意识
AI在数据使用、结果呈现中存在数据泄露、误导性及版权争议等风险，且不具备伦理判断能力。职业教育承担立德树人根本任务，必须在课堂中融入数据安全、伦理规范与职业责任教育，帮助学生树立正确的技术观与职业观。
课程教学中，我系注重将课程思政自然融入各教学环节。例如，在讲解数据偏差时，引入“乡村振兴数据统计关乎民生决策”的案例，强化学生的社会责任意识；在分析AI生成错误时，强调“大国工匠精神从细节打磨”，培养学生严谨负责的职业态度。
三、职业教育数据可视化课堂的AI应用实践路径
图2 学生能力成长路径金字塔
基于课程价值重构目标，本文进一步构建课前、课中、课后三阶段AI协同教学路径，如图2所示。通过全过程教学设计，实现“学、练、评、改”闭环，促进学生能力持续提升。
（一）课前教师利用AI提升备课效率并聚焦核心教学目标。
以柱状图教学为例，教师可让AI快速生成不同行业的柱状图基础代码与案例数据，并筛选出最贴合专业岗位需求的案例作为课堂主案例。教师还应预判学生可能出现的典型问题。例如学生直接让AI生成“绘制班级成绩柱状图”的代码，很可能会出现坐标轴混乱、无数据标签及配色杂乱等问题。教师可提前准备好这些问题代码，作为课堂上的反面案例，引导学生进行分析和纠错。
学生利用AI完成基础预习以降低入门难度。学生可提前通过AI查询柱状图的适用场景及核心参数的含义，并尝试用自然语言向AI提出简单的可视化需求，观察AI生成的代码与图表，从而在预习中初步感知AI的工具价值与局限，带着思考进入课堂。
（二）、课中课堂教学的核心是“避AI之短、扬人之优”
将AI作为辅助工具，把课堂时间集中在思维训练、业务理解、设计判断等AI无法替代的环节。以柱状图教学为例，具体操作分为任务导入、核心训练以及答疑解惑三个环节，同时自然融入课程思政。
在任务导入环节，教师结合行业真实岗位任务，利用AI生成沉浸式业务场景，如电商企业月度销售分析。AI快速呈现基础柱状图，教师引导学生观察图表是否清晰传达决策信息，让学生理解可视化不仅是画图，更是为了辅助决策。
在核心训练环节，教师先讲解柱状图核心要素，然后布置任务：给定班级成绩数据，要求学生按成绩区间（80-100分、60-79分、60分以下）分组绘制柱状图。学生直接将简单指令交给AI，结果常出现未正确分组、标签缺失、坐标轴不明、配色杂乱等问题。此时教师引导学生复盘：“为什么AI不符合要求？是提示词不精准，还是自身需求不清晰？”让学生意识到AI需要清晰的需求输入，这正是数据思维与分析能力的缺失。教师顺势融入课程思政：数据可视化关乎企业决策甚至民生福祉，一个参数错误可能造成重大损失，大国工匠精神正是从细节打磨。随后带领学生优化提示词，让学生比较两次结果的差异。
在答疑解惑环节，教师针对学生共性问题进行集中讲解，重点指导需求分析逻辑与AI结果可信度判断。
（三）课后：利用AI延伸教学场景，实现学、练、评、改的闭环
课后练习的核心是强化思维与提升能力，同时培养学生自主使用AI的能力，为未来岗位应用奠定基础。教师利用AI根据学生课堂表现与知识掌握情况，生成分层课后任务。学生提交课后作品后，利用AI对作品的代码规范性、图表准确性、数据合理性进行初步批改，生成详细的批改报告，指出存在的问题，如代码存在语法错误或图表类型选择不符合业务场景等，并给出初步的优化建议。教师则重点对学生的方案设计、思维逻辑及伦理意识进行评价，结合AI的批改结果，给出针对性的改进意见，实现精准反馈。
（四）教学模式总结
综上，本文构建了“三阶五维”AI协同教学模式。其中，“三阶”指课前、课中、课后三个教学阶段，通过“学、练、评、改”闭环实现能力螺旋提升；“五维”指数据思维、业务理解、设计判断、项目治理与伦理规范五大核心价值，构成不可被AI替代的教学目标体系。该模式以AI为辅助工具，以思维培养为主线，以课程思政为价值引领，引导学生从对AI的盲目依赖进阶为主动驾驭，为职业院校数据可视化课程改革提供了可复制、可推广的实践框架。
四、结论
图3 AI协同教学路径图
从人才培养目标看，本文所构建的“三阶五维”AI协同教学模式，推动了学生能力由基础工具操作逐步向业务分析、项目治理与创新决策跃升，其成长路径如图3所示。
生成式AI的普及并未削弱数据可视化课程的价值，反而倒逼职业教育回归育人本质，实现教学价值的系统性重构与教学模式的创新升级。面对“AI能写代码，为何还要学”的时代追问，职业教育的答案清晰明确：AI替代的是技术执行，不可替代的是人的思维、判断、理解、协作与责任；而与AI共存是新时代职业教育的必然选择，不是被动接受AI，而是主动驾驭AI，让AI成为提升教学质量、培养学生能力的有力工具。
数据可视化课程应主动顺应技术变革，坚持需求牵引与标准引领，推动教学重心从工具操作转向思维培养，从代码编写转向能力提升，从单一技能训练转向综合职业素养培育。尤为重要的是，AI无法替代教师在课程思政融入中的核心作用，教师可结合课堂实操、项目实训、答疑指导等每一个环节，将职业素养、家国情怀、责任意识等思政元素自然渗透，让学生在掌握专业技能、学会与AI共存的同时，树立正确的职业观与价值观。
作者简介：
孙羽晨：山东轻工职业学院信息工程系教师
董泽建：山东轻工职业学院信息工程系教师
齐耕智：山东轻工职业学院现代职业教育研究工作室集体笔名
腾讯微博
