为顺应数字中国建设浪潮，推进数智赋能人才培养，近日，政治与公共管理学院公共事业管理系召开“数智赋能拔尖创新人才培养”专题座谈会，深入探讨如何将数字智能技术与高等教育深度融合，尤其是聚焦拔尖创新人才培养核心任务，探索新路径、凝聚新共识、谋划新举措。会议在热烈而务实的氛围中持续数小时，与会代表进行了充分且富有建设性的交流。本次会议由孙菊教授主持。

会议伊始，讨论聚焦于“拔尖创新人才培养”核心议题。与会教师一致认为必须坚持立德树人根本任务，准确把握本科教育的基础性地位。会议形成了强烈共识，即创新人才的涌现必须以扎实的知识根基和严谨的学术训练为前提。本科阶段的首要任务是引导学生构建完整的知识体系、掌握核心方法论、养成终身学习的能力，切忌盲目追求“创新”口号而忽视基础夯实，要避免进入“拔苗助长”式的培养误区。

与会教师提出，科学的拔尖创新人才培养体系应体现“分层分类”原则。对于大多数学生，应聚焦于高质量的通识教育和专业基础教育，培养其成为具备扎实功底和良好素养的优秀人才。与此同时，必须建立一套科学、灵活的发现机制与特殊培养通道，用于识别和支持真正具有特殊潜质和突出兴趣的“天才”或“偏才”。对于这部分学生，应突破传统培养方案的约束，赋予其更充分的选课自由、项目研究权和自主学习空间，鼓励其跨学科探索和个性化成长。这种“因材施教”的理念，正是数智技术可以发挥巨大作用的地方，也即通过数据分析和智能推荐为每个学生精准“画像”，从而提供定制化的成长方案。

人工智能技术，特别是机器学习、大数据分析在教育领域的应用前景，成为会议的讨论热点。与会教师对利用AI辅助人才筛选与评价的可能性进行了深入探讨。理论上，教师可以利用算法模型对学生的学业成绩、科研活动、社会实践、创意作品乃至行为数据等特征进行整合与分析，从而构建多维度的学生能力模型，以期更早、更科学地识别出具有创新潜质的人才苗子。然而，会议对此保持了审慎态度。当前，将人工智能技术应用于人才评价仍面临诸多挑战：一是数据壁垒问题，校内不同系统间的数据尚未完全打通，形成“数据孤岛”现象；二是数据质量与规模问题，有效的模型训练需要大量高质量、有标注的数据，而教育数据的采集、清洗和标注成本高昂；三是算法公平性与伦理风险，模型可能存在偏见，如何确保其决策的透明、公平且无损学生隐私，是需要严肃对待的重大课题。因此，会议认为，AI在人才评价中应定位为“辅助工具”而非“决策主体”，其目的在于为教师提供更多维度的参考信息，最终的人才判断与培养决策仍需依靠教师的专业智慧和人文关怀。

最后，与会教师表示支持并鼓励以项目为导向的学习。院系可以为学生提供真实的应用场景和问题导向的课题，引导他们将课堂所学的理论、方法与技术工具相结合，在解决实际问题的过程中深化理解、锻炼能力。这种“做中学”的模式，不仅是培养创新实践能力的有效途径，也是数智赋能落地的最直观体现。

未来， 政治与公共管理学院将继续秉持“教与学的革命”精神，勇于探索、大胆实践，努力构建一个更加开放、灵活、智慧、以学生成长为中心的教育生态系统，为培养能够引领未来的拔尖创新人才贡献“武大智慧”和“武大方案”。

（政治与公共管理学院公共管理系 供稿供图）