新工科背景下“计算机+”学科交叉专业构建理念与路径——MIT苏世民计算学院的启示

本文由《高等工程教育研究》授权发布

作者：刘继安 徐艳茹 孙迟瑶

摘要

“计算机+”学科交叉人才培养是人工智能时代人才培养的重要议题。MIT苏世民计算学院作为其发展交叉学科的中心，以期将计算和人工智能的力量带到MIT所有研究领域，同时也促进其他学科的知识参与塑造计算机技术和人工智能的未来。本文通过详细分析苏世民计算学院的组织构架以及四个交叉本科专业的课程设置方案，发现苏世民计算学院主要具备四个办学特色：“相互塑造”的学科协同发展理念，“吸收孵化”的学科组织建制，“院系联合”的课程组织形式和“丰富、串联、交叉”的课程体系内涵。在理念共识、组织支撑、资源投入与制度保障以及课程体系建设等方面为我国高校新工科背景下的“计算机+”学科交叉专业的建设以及复合型人才培养提供了启示。

关键词：学科交叉  人工智能  MIT  苏世民计算学院

1

引言

新工科背景下“计算机+”学科交叉专业构建理念与路径——MIT苏世民计算学院的启示新一轮科技革命催生了学科交叉会聚，对工程教育提出了新的挑战。由此，以促进多学科交叉融合为重要方向的新工科建设，成为新时代全球高等教育变革的必然选择。理解新工科的“新”，首先需要突破传统的分科思维定式，赋予工科跨越现有学科界限的内涵。[1] 其中，通过工程学科与其他学科的交叉融合进而形成新的学科，是新工科建设的思路之一。[2] 计算机学科因其广泛的适应性与跨学科性，成为高校建设工科学科交叉专业的孵化器。[3]
工科领域学科交叉专业的建设要面向当前与未来社会、经济、技术的发展需求。[4] 人工智能正在深刻地改变人类社会生活，成为国际竞争的新焦点。世界各国纷纷布局人工智能未来发展，其中人工智能人才培养是一个重要议题，而多学科交叉融合是各国高校在建设人工智能学科及专业时的典型特征。[5] 作为世界理工科大学的重要引领者，麻省理工学院（以下简称“MIT”）于2018年10月15日宣布投资10亿美元，以期“在快速发展的计算机技术和人工智能领域提前布局，引领世界发展”。这是有史以来美国学术机构在计算机和人工智能技术领域最大的单笔投资。作为这一投资的核心，苏世民计算学院（MIT Schwarzman College of Computing）是MIT斥资3.5亿美元打造的一个跨学科中心，主要从事计算机科学、人工智能、数据科学及相关领域的工作。[6] 其理念之一是“将计算和人工智能的力量带到MIT所有研究领域，同时也使其他学科的知识塑造计算机技术和人工智能的未来”。
苏世民计算学院成立之前，MIT共有五个学院（School），分别为建筑与规划学院，工程学院，人文、艺术与社会科学学院，斯隆管理学院和科学学院。秉持“相互塑造”的学科协同发展理念，苏世民计算学院以MIT工程学院的电气工程与计算科学系（以下简称“EECS系”）为依托，联合科学学院的生物学系和大脑与认知科学系，人文、艺术与社会科学学院的经济学系，以及建筑与规划学院的城市研究与规划系，开设了以计算机科学为核心的四个学科交叉本科专业，分别为计算机科学与分子生物专业，计算与认知专业，计算机科学、经济学与数据科学专业，城市科学与计算机科学规划专业，由此突破了传统高等教育中“学科分立、院系组织并列”的学科系统结构。[7] 本文试图通过深入分析苏世民计算学院的学科组织设计和课程设置，为我国高校发展以人工智能为核心的学科交叉专业的建设、培养“计算机+”的拔尖人才提供借鉴。

2

“相互塑造”的学科协同发展理念

新工科背景下“计算机+”学科交叉专业构建理念与路径——MIT苏世民计算学院的启示

人工智能热潮发展至今，已经形成了复杂的学科交叉路径，包括研究问题交叉、研究方向/领域交叉、相似学科交叉、跨学科交叉，甚至在未来可能产生新的基础学科。[8] 根据苏世民计算学院的官网信息，学院的使命是迎接计算时代带来的硬件、软件、算法以及人工智能等方面的机会和挑战。实现这一使命需要在三个核心领域发力：①支撑计算科学和人工智能的快速迭代与生长；②促进计算学科和其他学科间的合作；③将技术视角与人文以及社会科学视角结合，关注计算与人工智能技术的社会及道德责任。为此，以 “相互塑造”的学科协同发展理念为指导，苏世民计算学院实施了计算教育共同基础项目（The Common Ground for Computing Education）。

该项目每年春、秋两季都会为MIT其他五个学院的教研人员提供一定的基金资助，以鼓励他们与EECS系的教师合作，设计、发展并教授新的跨学科计算机课程，或者改进已有课程，以此来推动计算机与人工智能学科和其他学科的合作。该项目设有常设委员会，共拥有29名成员，分别来自MIT其他五个学院的18个学术部门。成员分属三个分委员会，聚焦于不同的学科领域，包括：①计算科学和工程基础；②程序设计或计算思维基础；③机器学习，数据科学和算法。在设立之初，各分委员会在MIT原有院系的基础上，为该项目设计了不同学科领域的课程原型。常设委员会还负责监督项目的日常运行，并评估如何以最好的方式支持和促进该项目目标的实现。常设委员会评定申请人的标准包括：课程设计是否包含可以被广泛应用的计算机知识，是否将计算机知识有机融合进跨学科领域，是否使学生具备通过计算方式提出并解决某一学科问题的能力，是否由两个以上院系教职人员合作，是否有助于实现不同院系的教育使命等。[9]

3

“吸收孵化”的学科组织建制

新工科背景下“计算机+”学科交叉专业构建理念与路径——MIT苏世民计算学院的启示

MIT其他五个学院的英文名称都是使用的“School”，而苏世民计算学院的英文名称中使用了“College”，从侧面说明了它在建制上的特殊性。在实体组织结构方面，苏世民计算学院首先以EECS系为依托，重组或吸收与计算科学相关的组织。EECS系重组为三个交叉的研究单位：电气工程、计算机科学以及人工智能与决策。重组之后，EECS系及其教研人员共同受雇于苏世民计算学院及工程学院。苏世民计算学院还吸收并发展了MIT与计算学科交叉的学院、研究所、实验室和中心。运筹学中心（ORC）现在同时向苏世民计算学院和斯隆管理学院院长汇报工作，以加强双方学院更广泛的联系。数据、系统和社会研究所（IDSS）除了继续支撑全校统计工作外，重组为技术和政策项目部与社会技术系统研究中心，越来越关注社会责任。为充分发挥科学学院在人工智能和计算科学与工程领域的基础作用，原属于科学学院的计算工程中心（CCE）改名为计算科学工程中心（CCSE），进一步加强其对自然科学领域的关注。改名后，CCSE所有科研人员完全受雇于苏世民计算学院。基于EECS系与其他院系交叉的计算机科学和人工智能实验室（CSAIL），数据、系统和社会研究所下属的信息与决策系统实验室（LIDS）以及智能探索项目（Intelligence Quest）并入苏世民计算学院，他们的科研项目负责人（PIs）或者项目聘用的研究人员完全受雇于苏世民计算学院。

在实际运行中，苏世民计算学院不断扩充组织人员，并孵化新的组织结构。苏世民计算学院成立之初，除了吸收上述相关学院、研究所、实验室和中心的教研人员外，还与其他五个学院基于共享原则双聘了25位教研人员。他们被视为连接苏世民计算学院跨学科组织结构的桥梁，其研究和教学工作可以给双方学院带来共享的价值。另外，苏世民计算学院计划再聘用25位新员工作为其计算科学、人工智能和相关学科领域的核心力量。“关于计算的社会和伦理责任行动小组”（SERC）致力于协助、支持和协同在全校计算教育和研究活动中加强社会和伦理责任感。该行动小组由两位新的副院长领导，一位来自工程、科学或计算领域，另一位来自社会科学与人文领域。高级计算研究中心（Center for Advanced Studies of Computing）则开展项目导向的预研，每学期或学年聚焦特定的研究话题，作为孵化新的研究、学术、教育和政策工作项目的种子。由于预研话题并不限于单个学者的研究方向，因此中心的研究人员既有来自MIT，也有来自其他机构和产业界，不仅包括教职员工，还包括博士后和高年级学生，且接受全职和兼职两种工作模式。[10]

4

“计算机+”学科交叉课程生态系统

新工科背景下“计算机+”学科交叉专业构建理念与路径——MIT苏世民计算学院的启示

苏世民计算学院的人才培养目标是具备“计算机+”能力的“双语型”人才（computing bilinguals），他们既懂得计算语言，又懂得他们学科领域的“语言”。为了实现这一人才培养目标，MIT给予苏世民计算学院的学生跨院系或跨学科项目的双重“学籍”。此外，苏世民计算学院还建构了“计算机+”的学科交叉课程生态系统，包括“院系联合”的课程组织形式与“丰富、串联、交叉”的课程体系内涵。

（一） “院系联合”的课程组织形式

MIT每个学院下设不同的系或学科方向，开设不同的专业，授予相应的学位。MIT每个系都有自己特殊的代码，例如EECS系的代码为6，生物学系的代码为7等。苏世民计算学院以计算机科学为核心的四个本科交叉专业的代码为：计算机科学与分子生物专业（6-7）、计算与认知专业（6-9）、计算机科学、经济学与数据科学专业（6-14）、城市科学与计算机科学规划专业（11-6），四个专业均授予理学学士学位。[6] MIT每一门课程也都有自己独特的代码，同一个系开设的课程代码都以该系的代码开头，例如6.0001课程由EECS系开设。分析发现，苏世民计算学院四个本科交叉专业的课程组织形式具有“院系联合”的特征，即整体课程体系设置以工程学院EECS系为核心，辐射其他五个学院12个不同的系。[11]

例如，计算机科学与分子生物专业（6-7）由工程学院EECS系（6）联合科学学院的生物学系（7）举办。该专业关注计算生物和分子生物学的新兴领域，以培养“能够应对计算生物学和分子生物学领域的挑战，迎接可能机遇”的专业人才为目标。[12] 课程设置以创新、综合、顶峰课程（Capstone）和选修科目为特色，为学生提供坚实的生物学与计算机科学基础。除了6、7两个系列的课程外，该专业还联合了科学学院的化学系（5）和工程学院的生物工程系（20）开设课程。

计算和认知专业（6-9）由工程学院EECS系（6）联合科学学院的大脑与认知科学系（9）举办。该专业关注计算机和工程视角下的脑科学以及认知和机器学习的新兴领域。课程体系具有灵活性，课程内容从基于生物视角的人工智能到大脑神经回路反向工程，能够满足不同学生在这一领域的广泛兴趣。[13] 除了6、9两个系列的课程外，该专业还联合了科学学院的数学系（18）共同开设课程。

计算机科学、经济学和数据科学专业（6-14）由工程学院的EECS系（6）联合人文、艺术与社会科学学院的经济系（14）举办。该专业旨在培养学生具备经济学、计算机和数据科学领域的一系列技能组合。在课程体系设计上，该专业的经济学方向包括微观经济学理论和计算经济学的必修课和选修课，这些课程将帮助学生理解经济学不同领域是如何使用数学模型以及统计证据来思考问题。该专业计算机科学方向的课程则涵盖一系列互补性知识，包括学习算法、优化以及与计量经济学越来越交叉的机器学习等。此外，该专业也包括几门数学课，例如线性代数、概率、离散数学和统计等。[14] 除了6、14两个系列的课程外，该专业还联合了数学系（18）和管理系（15）开设课程，其中管理系属于斯隆管理学院。

城市科学和计算机科学规划专业（11-6）由工程学院的EECS系（6）联合建筑与规划学院的城市研究与规划系（11）举办。该专业重视发展学生在城市规划和政策方面的基础能力，包括伦理与正义、统计、数据科学、地理空间分析、视觉化、计算科学、机器人以及机器学习。该专业为学生提供面向客户的课程，使学生基于情景解决问题。由此，学生可以将他们学到的理论与实践结合，应用于计算机和城市科学的交叉领域。[15] 除了11、6两个系列的课程外，该专业还联合了工程学院的机械工程系（2）、建筑与规划学院的建筑系（4），科学学院的地球、大气与行星科学系（12）和数学系（18），以及斯隆管理学院的管理系（15）共同开设课程。图1展示了苏世民计算学院“院系联合”的课程组织形式。

图 1  苏世民计算学院“院系联合”的课程组织形式

（二）“丰富、串联、交叉”的课程体系

MIT所有院系的课程体系都包括学校必修课程、学院专业课程两大模块，其中学院专业课程分为必修课和选修课。分析其内涵发现，苏世民计算学院四个本科交叉专业的课程体系表现为：“丰富”的课程选择、“串联”的课程网络以及“理、工、文交叉”的课程内容。

1.丰富的课程选择

MIT学校必修课程包含了五个分模块，即基础科学，人文、艺术与社会科学，限制性科技选修课，实验课和体育课。在基础科学模块下，MIT要求所有学生必修2门数学课程、2门物理课程、1门化学课程和1门生物课程，学生可根据自己的实际情况从7门物理、5门数学、5门生物和3门化学中选择不同难易程度的课程。在人文、艺术与社会科学模块下，每个学生必须修读8门课程，包括，人文、艺术与社会科学三大学科各自1门课程，1-2门选修课程以及3-4门集中课程。集中课程的意思是学生可从学校提供的30多个授课领域中选择一个领域集中修读其课程。限制性科技选修课模块为学生提供了50多门课程选择，学生必须修读2门，且规定至多有1门是由本院系开设的。体育课模块除要求学生必须掌握游泳技能，为学生提供了50多门不同的体育课程选择，学生必须修读其中4门课程。实验课模块则为学生提供了将近60门课程。[16]

此外，苏世民计算学院四个交叉专业也为学生提供了丰富的学院专业选修课程。例如，计算机科学与分子生物学专业（6-7）的生物学选修课实现了18选1，计算与认知专业（6-9）的项目选修课（Program Electives）实现了22选1，计算机科学、经济学与数据科学专业（6-14）的经济学选修课实现了15选3，城市科学与计算机科学规划专业（11-6）的城市科学选修课实现了20选3。

由此可见，MIT学校必修课程模块和苏世民计算学院专业选修模块拥有丰富多样的课程，为苏世民计算学院每个学生提供了个性化选课的空间。

2.串联的课程网络体系

在学院专业课程模块下，苏世民计算学院四大本科交叉专业的大部分课程都包括先修或者同修课程，前者指需要先修哪门课程，后者指必须同时修哪门课程。[17] 另外，先修和同修课程基本上都是由苏世民计算学院之外的其他院系开设的，例如，计算机科学与分子生物专业（6-7）的学生若要选修生物工程系开设的“生物工程实验导论”（20.109），除必须先修学校必修课程要求的生物和化学课程、EECS系开设的“计算思维和数据科学”（6.0002）外，还必须先修生物工程系开设的“生物分子系统热力学”（20.110[J]）和数学系开设的“微分方程”（18.03）。计算和认知专业（6-9）的学生若要选修“电路与电子学”（6.002），就必须先修学校必修的物理课程，同修机械工程系开设的“工程数学：线性代数与常微分方程”（2.087）或数学系开设的“微分方程”（18.03）。下图2展示了苏世民计算学院四个本科交叉专业通过先修或同修的形式，串联MIT其他五大学院课程而形成的课程网络。

图 2  苏世民计算学院“串联”的课程网络

分析发现，除了6和7的课程系列，计算机科学与分子生物专业（6-7）还以先修和同修课程的形式串联了化学系（5）、大脑和认知科学系（9）、数学系（18）、生物工程系（20）开设的课程。类似地，计算与认知专业（6-9）以先修和同修课程的形式串联了土木与环境工程系（1）、机械工程系（2）、生物学系（7）、数学系（18）、语言学与哲学系（24）开设的课程。计算机科学、经济学与数据科学专业（6-14）以先修和同修课程的形式串联了土木与环境工程系（1）、管理系（15）、数学系（18）开设的课程。城市科学与计算机科学规划专业（11-6）以先修和同修课程的形式串联了土木与环境工程系（1），机械工程系（2），建筑系（4），经济系（14），航空学及航天学系（16），数学系（18），数据、系统与社会研究所（IDS）开设的课程。

3.“理、工、文交叉”的课程内容

首先，MIT学校必修课要求学生修读六门数学、物理、生物和化学课程。另外，苏世民计算学院四大本科交叉专业的课程设置中都包含了数学、化学和生物学等基础科学课程中的某一类或某几类。其中，计算机科学与分子生物专业（6-7）包括生物学和化学系课程，计算和认知专业（6-9）包括数学系课程，计算机科学、经济学和数据科学专业（6-14）包括数学系课程，城市科学和计算机科学规划专业（11-6）包括数学系课程。经计算，苏世民计算学院四个本科交叉专业的课程体系中共涉及了14门科学学院基础科学课程，包括5门化学系课程、5门生物学系课程和4门数学系课程，这体现了MIT苏世民计算学院对基础科学学科的重视。

MIT学校必修课还要求学生必须修读人文、艺术与社会科学三大类学科各自1门课程，2门技术类课程。由图2进一步可知，苏世民计算学院四个本科交叉专业课程体系涵盖了理学学科，工学学科以及人文、艺术与社会科学学科。这充分体现了苏世民计算学院将技术与人文结合、“理、工、文交叉”的课程内容特点，也可以看作是苏世民计算学院培养具备“计算机+”能力的“双语型”人才的重要实现路径。

5

苏世民计算学院对高校“计算机+”学科交叉专业建设的启示

新工科背景下“计算机+”学科交叉专业构建理念与路径——MIT苏世民计算学院的启示

人才培养是新工科建设的核心任务。[1] 在现代高度科技化的社会中，工作场景变得越来越复杂。因此，劳动力市场亟需具备多样化知识的复合型人才。人工智能的发展使许多行业不得不面对并且适应与机器人或者系统一起工作的“混合型”工作方式。人工智能时代的大学有责任向学生提供“应对机器人带来的挑战的教育”（robot-proof education），使学生兼具新的素养和认知能力，培养驾驭未来的能力。[18] “计算机+”学科交叉专业的建设成为高等教育回应时代挑战的重要举措。工科领域学科交叉专业的建设不是不同学科间的简单叠加，而是不同学科间逻辑关系的有机融合。然而，现实中以计算机学科为核心的学科交叉专业建设的实践，存在仅仅是将计算机技术作为一种工具，不同学科间的人才培养体系仍然相对封闭的问题。[3] 苏世民计算学院为高校在新工科背景下建设“计算机+”学科交叉专业，培养具有“计算机+”能力的复合型人才提供了启示，包括理念共识、组织支撑、资源投入与制度保障、课程体系建设四个方面。

第一，理念共识。第四次科技革命浪潮中，人工智能正在不断地促进学科融合，加速某些学科专业的改造，推进新的学科专业生成。[19] 新工科背景下，高校首先需要树立“计算机与人工智能+”的学科交叉理念，并持续深入推进学科交叉实践。然而，学科交叉实践涉及多学科间不同程度的融合与重组，跨学科组织间在资源配置与协调管理等方面容易产生冲突。具体到个人身上，是坚守自己的专业发展方向与研究兴趣，还是转型至新的领域，这涉及到相关学科内全体成员的利益。如果广大教学科研人员、学生与管理人员不能形成理念共识，那么学科交叉实践中就会充满诸多矛盾。苏世民计算学院“相互塑造”的学科协同发展理念带来的启示是，学科交叉的最终目的不是重新调整利益分配，而是以“知识”为桥梁，通过不同学科间的渗透与“相互塑造”，服务人才培养和学科发展。新工科背景下，高校“计算机+”学科交叉专业发展的需要以人才培养、学科发展、知识探究为凝合剂，形成理念共识。

第二，组织保障。一定的组织形式是高校交叉学科建设与发展的载体。然而，受限于我国当前的国家学科制度，大多数高校的发展思路仍然表现出传统“分科”式思维惯性，在组织运行中，“单位制”的院系概念挥之不去。苏世民计算学院通过“院系联合”辐射MIT全校五大学院，这种学科交叉的组织形式带来的启示是，高校应克服“分科”式学科发展思维，建立“计算机与人工智能+”的多元协同发展理念，通过建立交叉学科实体组织，使计算机和人工智能学科与其他理、工、文学科相互促进、相互成就，进而培养具备“计算机+”能力的复合人才。

第三，资源投入与制度保障。3.5亿美元的增量投入，使得苏世民计算学院能够顺利搭建科研平台、引进人才并实现机构重组。就学科基础而言，苏世民计算学院不是“白手起家”，而是充分利用了MIT原有的计算机学科基础，采用“吸收孵化”的学科组织建制，不仅重组了EECS系，还吸收了与计算学科相关的研究中心和实验室及其科研人员等，进而孵化出独具特色的研究领域，尤其是通过双向聘用或者全职聘用的人事制度，综合考虑到了各方关键利益相关者的需求与发展。这一切都为苏世民计算学院的后续发展打下了良好基础。当然，资源的吸收与再分配，制度的制定等都需要学校决策层通过反复论证、协商，最终使各方达成共识，高校在借鉴苏世民计算学院“吸收孵化”的学科组织建制之前，应通过不同渠道收集意见，听取建议，制定完善的计划方案。

第四，课程体系建设。课程体系设计的优劣关系到学科交叉实践能否真正落地，人才培养目标能否真正实现。苏世民计算学院交叉课程生态系统由“串联”的课程网络设计、“丰富”的课程选择与“理、工、文交叉”的课程内容构成，真正实现了“计算机+”的课程交叉融合，为高校“计算机+”交叉课程体系的内涵建设提供了借鉴。笔者在调研国内高校计算机学科课程设置时发现，不仅学校必修课没有给予学生足够的选择空间，甚至出现学校和学院专业选修课“N选N”的现象。MIT校级必修课程和苏世民计算学院专业课程不仅为学生提供了丰富的课程选择，课程内容更是体现了“理、工、文交叉”的特点。我国高校可借鉴苏世民计算学院课程生态网络建设的组织联合、学科串联思路，通过合理的组织制度安排，建构符合我国国情的“计算与人工智能+理” “计算与人工智能+工”“计算与人工智能+文”的交叉学科，培养相应的复合型拔尖人才。

（致谢：感谢MIT工程学院电气工程与计算科学系博士研究生杨宇恒对本文资料收集以及翻译工作的支持）

参考文献：

[1]林健. 面向未来的中国新工科建设[J].清华大学教育研究，2017，38(2):26-35.

[2]胡德鑫. 学科演进视域下新工科建设制度困境与行动路径[J].高等工程教育研究，2020(3):49-54.

[3]杨国富，余敏杰. 新工科背景下学科交叉建设研究的国际比较[J].高等工程教育研究，2019(3):57-61+86.

[4]林健. 多学科交叉融合的新生工科专业建设[J].高等工程教育研究，2018(1):32-45.

[5]刘进，钟小琴. 全球人工智能人才培养的政策比较研究:以中美英加四国为例[J].重庆高教研究，2021，9(2):39-50.

[6]MIT.MIT News[EB/OL].[2021-11-01].https://news.mit.edu/2018/mit-reshapes-itself-stephen-schwarzman-college-of-computing-1015.

[7]武建鑫. 重塑自身以塑造未来:人工智能时代的“MIT方案”[J].比较教育研究，2020，42(2):24-31.

[8]吕文晶，陈劲，刘进. 第四次工业革命与人工智能创新[J].高等工程教育研究，2018(3):63-70.

[9]MIT.Common ground项目介绍[EB/OL].[2021-11-05].https://computing.mit.edu/cross-cutting/common-ground-for-computing-education/call-for-proposals/.

[10]MIT.苏世民计算学院组织结构[EB/OL].[2021-11-01].https://computing.mit.edu/wpcontent/uploads/2020/11/MITSchwarzmanCollegeStructure.pdf.

[11]MIT.苏世民计算学院专业介绍[EB/OL].[2021-11-01].https://computing.mit.edu/academics/undergraduate-programs/.

[12]MIT.苏世民计算学院6-7课程介绍[EB/OL].[2021-11-05].http://catalog.mit.edu/degree-charts/computer-science-molecular-biology-course-6-7/.

[13]MIT.苏世民计算学院6-9课程介绍[EB/OL].[2021-11-05].http://catalog.mit.edu/degree-charts/computation-cognition-6-9/.

[14]MIT.苏世民计算学院6-14 课程介绍[EB/OL].[2021-11-05].http://catalog.mit.edu/degree-charts/computer-science-economics-data-science-course-6-14/.

[15]MIT.苏世民计算学院11-6课程介绍[EB/OL].[2021-11-05].http://catalog.mit.edu/degree-charts/urban-science-planning-computer-science-11-6/.

[16]MIT.MIT学校必修课介绍[EB/OL].[2021-11-05].http://catalog.mit.edu/mit/undergraduate-education/general-institute-requirements/#text.

[17]MIT.MIT课程介绍[EB/OL].[2021-11-05].http://student.mit.edu/catalog/help.html#what.

[18]AOUN J E.Robot-proof:higher education in the age of artificial intelligence[M].Cambridge:MIT Press，2017:29-53.

[19]刘进，吕文晶. 人工智能时代应深化研究生课程的学科融合[J].学位与研究生教育，2021(8):40-45.

基金项目：

全国教育科学十三五规划国家一般项目“研究生科研资助在创新人才培养中的作用机理与制度构建”（BIA170171）

作者简介：刘继安，中国科学院大学公共政策与管理学院教授，教育学博士；徐艳茹，中国科学院大学公共政策与管理学院博士后、中国科学院大学特别研究助理，教育学博士；孙迟瑶，中国科学院大学中丹学院硕士研究生。

本期编辑 | 菖蒲转载自：《高等工程教育研究》2022年第4期 19-24页。

排版、插图来自公众号：MOOC（微信号：openonline）

扫码即可申请加入在线教育交流群

更多资讯

产权及免责声明

本文系“MOOC”公号转载、编辑的文章，编辑后增加的插图均来自于互联网，对文中观点保持中立，对所包含内容的准确性、可靠性或者完整性不提供任何明示或暗示的保证，不对文章观点负责，仅作分享之用，文章版权及插图属于原作者。如果分享内容侵犯您的版权或者非授权发布，请及时与我们联系，我们会及时内审核处理。

了解在线教育，
把握MOOC国际发展前沿，请关注：
微信公号：openonline
公号昵称：MOOC