摘要：近十年来，国本科专业调整正由规模扩张转向结构优化。基于专业调整的官方数据与典型案例分析，研究发现：新一代信息技术与高端制造、生命健康、绿色低碳等领域的深度融合，正在重塑专业边界、人才培养目标、课程体系与教学方式，推动专业设置由学科本位转向问题与产业导向。专业调整受到政策导向、市场需求与知识演进等多重逻辑驱动，但在新技术快速迭代与不确定的背景下，这些逻辑的节奏和目标差异更易引发冲突。未来，应构建“国家引导—高校自主”协同的新生态，通过前瞻布局、完善人才预测与专业目录、强化内涵建设与差异化发展，提升本科专业体系的适应性与韧性。
关键词：本科专业调整；新技术驱动；质量隐忧；动态调整机制
随着新一代信息技术的迅猛发展，特别是人工智能、大数据、云计算和物联网等的广泛应用，高等教育的学科专业结构正在经历深刻变革。自世纪之交启动大扩招以来，本科专业设置机制逐步从计划管控转向动态调整。1998年《普通高等学校本科专业目录》被压缩至249种，开启了以强化基础为目标的“强基”尝试。随着高等教育大众化的推进，为满足应用型人才培养需求，2012年出台的《普通高等学校本科专业设置管理规定》提出“基本专业+特设专业”的弹性框架，为本科专业的分类布局提供了制度基础。进入新时代，新技术的快速迭代进一步加快了专业结构调整的步伐。教育部数据显示，2023年全国高校共调整本科专业点3389个，2024年增至近4000个，且撤销数量首次超过新增数量，表明专业结构已从数量扩张转向质量与内涵并重的发展阶段。
新技术对本科专业的冲击表现在多重层面。一方面，它直接催生了人工智能、数据科学与大数据技术、智能制造工程等全新专业；另一方面，它推动了学科之间的交叉融合与传统专业的改造升级，使专业结构逐步由“增量扩张”转向“结构优化”。然而，这一过程也伴随诸多隐忧，如同质化趋向、课程体系滞后、师资储备不足以及质量保障缺失等问题，既影响了专业调整的成效，也对高等教育的整体质量提出了挑战。
为此，本文通过分析教育部历年本科专业审批与备案数据，结合典型高校的专业调整案例，聚焦以下三个核心问题：一是过去十年本科专业结构在数量和结构上的主要变化及新技术推动路径；二是新兴专业快速扩张中出现的突出质量问题及其表现；三是这些问题在多重逻辑错位中如何生成并加剧，以及在“国家引导—高校自主”框架下的应对思路。本文力求通过对这些问题的讨论，揭示新技术背景下本科专业调整的逻辑，并为未来的科学布局与可持续发展提供参考。
一、近十年本科专业调整的现实图景
（一）专业点调整常态化，从规模扩张转向结构优化
2012—2024年，专业点调整总量近2.8万个，其中新增备案与审批约2.68万个，撤销和停招约1万个，年均5%的调整率，表明专业调整已成为高校常规工作。2023年成为关键转折点，此前新增规模持续领先（2012—2022年新增占比71.4%），此后专业点撤销与停招力度显著加大，逐渐成为主流态势，标志着调整重心从“数量增长”转向“结构优化”。
（二）新增审批专业：前沿探索与国家战略的双轮驱动
2012—2024年共审批设立了339种新专业。2016—2021年为新专业“涌现期”，年均增设超过30种，2022年后虽有所回落，仍保持每年20～30种的活跃态势（见图1）。
从新增专业的学科分布来看（见表1），工学类专业以绝对优势引领增长，新增量占全部新设专业的34.8%，集中体现了制造强国战略与技术革命的双重驱动。文学和艺术学领域亦有诸多新设专业，尤其以42个东南亚和中欧语种专业为代表，服务于国家“一带一路”建设的国际人才培养需求。
两类高校主体引领了新专业的发展方向。研究型大学扮演“知识转化者”角色，将前沿学科转化为本科专业。例如，中国科技大学于2019年首设量子信息科学，复旦大学于2022年开设生物医药数据科学，表明研究型大学已开始将前沿学科方向纳入本科专业体系。行业特色院校则作为“需求响应者”，聚焦特定领域紧缺人才培养，如司法警察学（中央司法警官学院）、信用风险管理与法律防控（湘潭大学）、儿科学（首都医科大学）等专业，紧贴行业转型与服务型政府的现实需求。总体来看，无论是前沿探索还是行业响应，新专业普遍呈现出“国家急需”的鲜明导向。智能制造工程服务于制造强国战略，国际组织与全球治理专业则对接我国全球治理参与需求，专业名称背后体现出强烈的政策意图。
（三）新增备案专业点：新技术牵引下的专业布局
新增备案专业点总量超过2万个，覆盖近700个专业，其中工学、经济学、管理学类占据主导地位，整体呈现出以新技术牵引、多学科交叉融合为特征的多样化发展态势。
首先，围绕新技术形成的新专业成为备案中的主力方向。人工智能专业点从2018年的35个激增至2024年的502个；数据科学与大数据技术、物联网工程、智能科学与技术等相关专业的布点均超过200个，反映出鲜明的技术牵引力。其次，面向国家战略的交叉领域专业加速布点。智能制造工程、数字经济、智能建造、智慧农业、智慧交通等“战略需求型”专业，在政策引导与产业发展的双重驱动下，实现了对大多数省份的覆盖。最后，部分传统专业在新技术赋能与人才需求升级的背景下焕发新活力。商务英语、工程造价、财务管理、小学教育等传统应用型专业，通过融入数字化内容或细化专业方向，获得了新的发展动力。
值得关注的是不同类型高校在专业设置上的分化趋势。应用型高校普遍积极扩充专业，视其为吸引生源、提升就业竞争力的重要手段；而研究型大学的专业结构相对稳定，对大规模备案，尤其是“跟风”开设热门专业持审慎态度，倾向于围绕自身学科优势及国家重大需求开展布局。
（四）专业点撤销：市场逻辑主导下的结构调整
市场逻辑正在推动一场深刻的专业结构重组。近十年累计撤销专业点约1万个，清理进程自2018年起明显加快，2023—2024年撤销数量占总量的60%，标志着高校专业布局正进入深度优化阶段。被淘汰的专业往往具有共性特征：如公共事业管理专业因就业率持续低迷，被多所“双一流”高校主动撤销；广告学专业随着传统媒体影响力下降，陆续在多校停招；信息管理与信息系统专业则因培养方案高度同质化而遭遇大范围清理。在这一轮“洗牌”中，应用型高校对市场变化的反应更为敏锐，承担了约八成的撤销数量；研究型大学近年来也加速“瘦身健体”。例如，四川大学于2024年一次性撤销31个低效专业，体现出从“重申报”到“重优化”的转变。
二、新技术如何重塑专业格局与内涵
与专业审批、备案数量的增减相比，新技术对专业格局与专业内涵带来了更深层次的影响：前者表现为学科边界被打破、交叉重组与群组化布局并行；后者集中体现在培养目标、课程体系与教学组织的系统性变革。
（一）跨界融合与布局优化
新技术重塑专业格局，主要通过三条路径。一是打造学科交汇型新专业。当两个及以上学科在某一共同问题域上形成稳定且不可替代的问题、方法、工具耦合时，往往会催生独立的新兴专业。此类专业不同于在既有专业中简单拼接几门课程，而是围绕共同问题域对核心概念、研究方法、技术工具和课程结构进行系统重组，形成具有独立学科逻辑和应用导向的培养体系。“共同问题域”是指在不同学科交叉处反复出现且具有共通解决逻辑的核心问题。例如，数据建模问题域涵盖预测模型、仿真模拟、模式识别、算法优化等多个子问题；智能诊断问题域既可应用于医学（疾病筛查），也可应用于工程（设备故障预测）和金融（风险识别）；复杂系统构建问题域涉及多模块协同控制、大规模网络优化、跨平台系统集成等。问题域具有跨学科可迁移性和持续演化性，随着技术进步不断吸纳新的理论和工具，从而保持专业内容的前沿性与适应性。典型的学科交汇型新专业包括生物信息学（生命科学×信息）、智能医学工程（医学×信息/控制）、智慧农业（农学×信息/传感）、量子信息科学（物理×信息/计算）等。新生的“学科交汇型专业”不仅连接了不同学科，而且成为推动学科融合与专业布局调整的重要节点。
二是推动传统专业重组。当新技术逐渐成为行业的基础设施，传统专业的内部结构会随之调整。原本以单一知识主体为核心的专业，会在主干课程之外新增以技术或场景为导向的模块，形成“知识主体+技术/场景方向”的专业培养模式。例如，土木工程专业出现“智能建造”方向，引入BIM（建筑信息建模）、数字孪生等新技术，形成数字化流程下的设计与实施课程模块，替代或重构了原有的结构设计、施工管理等课程；机械工程专业通过融合智能控制、传感技术与工业互联网，发展出“智能制造”方向；农学专业则在物联网和大数据技术下发展出“智慧农业”“精准种植”方向。传统专业重组的核心在于，以新技术为纽带重塑知识关联，并以行业应用场景为导向形成培养特色，保持传统专业在新产业格局中的生命力与竞争力。
三是专业群的集成化布局。新技术驱动下，部分高校不再孤立设置单个专业，而是围绕特定产业链、技术领域或应用场景，将若干相关专业组合成协同发展的专业群。这种模式通常以共享基础课程平台、联合实验实训中心以及交叉师资团队为支撑，形成可以随产业需求动态调整的布局体系。例如，“智能制造—机器人—数据科学”专业群通过共享智能制造实验平台、数据采集与分析课程，实现从产品设计、生产控制到数据驱动优化的全流程覆盖；“智能建造—工程管理—BIM/数字孪生”专业群通过统一的建筑信息平台和仿真系统，支持跨专业协作完成工程全生命周期的数字化管理。专业群的优势在于，在保持各专业独立性的同时，实现了资源利用的最大化与培养目标的协同化，为应对新技术带来的跨界需求提供了组织形式保障。
（二）升级培养目标：能力导向取代知识导向
新技术的渗透促使高校重新审视人才培养的目标。相较以往偏重知识掌握，当前更强调数字素养、跨学科整合、数据驱动决策以及复杂情境下的人机协同等关键能力。这些通识性和专业性的数字化能力正被系统纳入培养方案。一方面，通过开设信息素养类通识课程、开展跨院系协作项目和多学科联合毕业设计，为学生打下共同的知识与技能基础。另一方面，将这些能力要求落实到各专业的课程教学中。例如，智能制造工程在传统机械设计与制造能力之上，新增数字孪生建模、智能控制系统集成等能力模块；数据科学与大数据技术专业强化算法开发、分布式计算与行业数据应用的复合能力；临床医学在诊疗技能之外引入人工智能辅助诊断与大规模医疗数据分析。通识与专能的结合，使培养目标与新技术条件下的产业需求和社会发展更加契合。
（三）改造课程体系：跨领域知识与技能的整合
能力导向的转型推动了课程体系的重构。许多高校在原有学科基础上，增设人工智能基础、编程与算法等通识或专业必修模块，并通过课程群协同实现“共课、共平台、共项目”。例如，浙江大学自2024年起面向全体本科生开设分层分类的通识必修课程“人工智能基础A/B/C/D”，并推进各学科与人工智能的深度交叉融合，构建覆盖全校的“AI+X”“X+AI”课程体系。部分综合性大学与工科院校将Python编程、数据可视化、机器学习等课程纳入专业主干体系，培养数据驱动的分析与决策能力；一些师范院校在教师教育中设置教育数据分析、智能教学工具应用等课程，提升未来教师的数字化教学素养。总体看，课程结构正由单一学科知识传授转向跨领域知识与技能的整合，更贴近技术前沿与学科交叉发展。
（四）创新教学组织方式：项目驱动与跨学科协作并重
在人工智能、智能制造工程等新兴专业以及深度融合新技术的传统专业中，项目驱动、任务驱动和跨学科协作的教学呈增长趋势。其动力主要来自三个方面：一是技术知识更新快，课堂讲授难以及时覆盖最新的工具与方法；二是问题“天然”跨学科，需要在项目情境中整合算法、数据与领域知识；三是实践依赖性强，必须在真实或仿真平台上完成从建模到实现的全流程。因此，越来越多的课程通过跨专业教学团队、课程群联动与真实场景任务来组织教学，提升学生的综合解决问题能力。需强调的是，教学创新在不同院校和专业中进度不一，需与资源条件相匹配，循序推进。
总的来看，新技术对专业格局和内涵的影响发生快、覆盖面广、程度深。若高校在资源配置、师资结构、课程质量与办学定位上准备不足，且缺乏相应的制度保障与中长期规划，上述变革可能带来新的质量隐忧与结构性风险。
三、新兴专业办学中的质量挑战与风险
近年来，高校新兴专业数量快速增加，涵盖领域广泛。本文在分析质量风险时，将重点放在由新技术及其应用催生的专业上，因为这类专业在建设基础、师资储备、课程体系和实践条件等方面的矛盾更为集中，能够更典型地反映当前一轮专业调整中的共性问题。虽然它们发展势头迅猛，但在快速推进中暴露出一系列质量隐忧，需要引起高度关注。
（一）“招生导向”下的盲目跟风与低水平重复
面对人工智能、大数据等热门概念的吸引力，部分高校将其视为争夺生源、提升学校关注度的快捷途径，甚至作为缓解招生压力的手段。在缺乏充分论证、师资储备不足、课程体系不完善、实践条件不到位的情况下，便匆忙申报并开设新专业。2018年至今，超540所地方本科高校布局人工智能专业，包括大量师范类、民族类、农林类和财经类高校，这些学校的计算机等相关学科历史较短，甚至存在“白手起家”现象，支撑人工智能专业的学科基础薄弱、师资短缺和配套资源不足的问题显著。这种“一哄而上”的做法导致专业设置高度同质化，不同类型、层次、区域的高校开设相同名称的热门专业，培养目标、课程结构、实践环节大同小异，缺乏基于自身学科优势和区域产业需求的差异化定位，毕业生在就业市场上难以形成独特竞争力。
（二）课程体系与内涵建设滞后
部分高校的新技术专业在课程建设上存在“新瓶装旧酒”现象，课程体系往往只是沿用原有相近专业（如计算机科学与技术、电子信息工程、自动化等）的框架，替换或增加几门带有“智能”“数据”“网络”等字样的新课程，缺乏对新技术知识体系的系统梳理与深度融合。核心课程更新不足，前沿技术的实践环节缺失或流于形式，难以支撑学生形成系统化的技术能力与应用视野。
师资建设的短板进一步制约了内涵提升。具备新技术领域核心知识体系和产业应用经验，并能将最新成果有效转化为教学内容的高水平师资依然稀缺；不少授课教师从传统相关专业转岗，知识更新与技术应用经验不足。外聘企业教师虽能在一定程度上补充力量，但因聘期短、参与有限，难以形成课程体系建设的持续性与连贯性。
此外，新技术专业对实验设备、软件平台、数据资源和算力等有较高要求，而不少地方高校仍停留在传统PC机房阶段，缺乏必要的硬件环境和行业数据支持，实践教学往往停留在验证性实验，难以支撑学生开展综合性、创新性项目训练。教材建设同样滞后，反映最新技术进展且适应本科教学的优质教材匮乏，部分课程依赖翻译教材或临时编写的讲义，难以兼顾内容深度、广度和时效性。
（三）就业预期错位与能力不匹配
专业名称并不等同于能力标签，但学生和家长往往容易产生“热门专业=优质就业”的认知。雇主招聘时更关注毕业生已学习的核心课程、掌握的工具与技术，以及参与过的项目经验。一个名称新颖的专业，如果课程内容陈旧、缺乏实践环节，其毕业生竞争力可能不如一个名称传统但课程体系扎实、项目经验丰富的毕业生。由于课程与师资建设的滞后，不少新技术专业毕业生的能力结构与企业岗位需求存在明显差距，尤其在解决实际问题、掌握核心工具、具备工程化思维和项目经验方面不足。这种能力错位不仅影响就业质量，还可能在短期内造成结构性的人才供需矛盾——低水平重复培养的毕业生面临就业困难，而真正掌握核心技术的复合型人才依然短缺。
（四）质量保障与评估机制不完善
目前，新技术专业的质量保障和评估机制尚不完善。首先，外部质量评估存在滞后性。现有的本科教学质量评估（如合格评估、审核评估）周期较长，评估标准未能及时反映新技术专业的特点和发展动态，对新增专业的过程性质量监控不足。其次，内部质量保障机制有待加强。一些高校在成功申报新专业后，对课程体系完善、师资培养、实践条件建设等持续投入不足，缺乏有效的内部质量监控、反馈和改进机制，导致专业建设停留在“立项”阶段，未能形成良性的质量发展循环。
此外，外部标准体系也存在空白与滞后。一方面，专业认证尚未覆盖大多数新技术类专业。我国现有的工程教育、师范、医学等认证体系多集中于传统专业类别，对人工智能、数据科学与大数据技术、智能制造工程等新兴专业类别尚无成熟的认证标准和评价体系。另一方面，《普通高等学校本科专业类教学质量国家标准》在这些新兴专业领域要么尚未出台独立标准，要么更新速度滞后于技术发展。这意味着，在没有标准与认证双重约束的情况下，高校在课程设计、实践环节和毕业要求上容易流于形式，难以形成全行业认可的质量标杆。
四、新技术带来的专业调整制度张力：多重逻辑的互动与失衡
过去十年，我国本科专业结构调整的环境发生了深刻变化。新技术不仅改变了产业形态和人才需求，而且使原本相对平稳的专业格局进入多元力量博弈的阶段。已有研究揭示，高校专业调整受到政府政策导向、市场需求信号、学科内在演化和学校自身资源禀赋等多重逻辑的共同作用。政策逻辑以国家战略与宏观政策为导向，强调教育服务国家发展大局；市场逻辑关注生源竞争与就业需求，追求供需匹配与劳动力市场反馈；学术逻辑遵循知识生产和学科发展的内在规律，强调学科知识体系的支撑；办学逻辑体现高校根据自身条件与定位进行差异化发展的选择。理想状态下，多重逻辑相互补充，共同推动专业调整朝着科学、稳健的方向演进。然而在新技术的影响下，它们之间的节奏差异与优先级冲突，正在引发制度张力甚至失衡。
（一）政策逻辑：集中布局与阶段性调整的动态模式
政策逻辑是影响高校专业设置的首要力量，体现为国家和地方政府在科技发展、产业布局及人才战略上的导向性决策。政府通常通过专业目录调整、专项审批、资金引导等手段，直接塑造专业结构。
在新技术背景下，政策引导使得专业设置呈现出“先集中布局、再动态调整”的节奏。政策层面对人工智能、集成电路、智能制造、数字经济等领域的持续加码，为高校提供了明确的方向与资源牵引，促使相关专业在短期内快速铺开。但当国家战略重点随着产业演进而转移时，原有重点领域的专业容易被弱化或整合，又使新兴方向获得快速增长机会。以新能源赛道为例，在光伏产业高速扩张阶段，许多高校增设新能源材料与器件专业；随后行业出现产能过剩，政策重心转向储能与氢能，不少高校又将相关专业调整为储能工程、新能源科学与工程等。区块链与物联网也经历了类似过程：2018年前后在政策与市场的助推下，区块链工程专业进入本科专业目录，30余所高校迅速布局；随着行业降温、政策重心转向“人工智能+实体产业”，不少学校把区块链并入数字经济或金融科技等交叉领域。物联网工程在2010年前后形成规模化布点，如今更多被嵌入智能制造工程、智能建造等专业之中。
上述现象表明，政策逻辑的优势在于能迅速集中资源推动战略性新兴领域的人才培养，但当技术迭代和战略重心转移、政策调整频率过高、学术与资源准备不足时，会导致专业生命周期缩短，进而增加专业结构不稳定性。
（二）市场逻辑：招生竞争和就业导向的双重驱动
市场逻辑在高校专业调整中充分反映为前端的生源市场竞争和后端的就业市场需求。在新技术背景下，市场逻辑会带来不同类型的波动与风险。在生源数量趋于稳定甚至下降的背景下，部分高校尤其是地方本科高校，将开设热门新技术专业视为吸引考生、提升报考热度的捷径。例如，人工智能、大数据、数字经济等专业在高考志愿填报中热度高涨，一些学校即便缺乏师资与设备保障，仍仓促上马，以期在招生宣传中抢占风口。这种“招生导向”往往忽视了后续的人才培养质量，导致“招得来、留不住、教不好”的问题。与此同时，新技术背景下，就业市场需求波动频繁、周期缩短。一些新兴岗位，如短视频运营、数据标注等，在某一时期需求旺盛，吸引高校快速设置相关专业或方向，但这类岗位生命周期短，容易被技术迭代替代。高校若缺乏长期评估与动态调整机制，盲目响应这种“脉冲式需求”，可能使学生在毕业时面临岗位萎缩、就业率下降的风险。
因此，市场逻辑虽有助于高校贴近社会与产业需求，但若过度依赖短期信号，容易陷入“追热点—降温—再追热点”的循环，加剧专业调整的频繁性与波动性。
（三）学术逻辑：知识演进与交叉生长的内在牵引
学术逻辑遵循知识生产与学科演化的内在规律，新技术往往通过科研积累—课程形成的转化—专业成型的路径进入本科教育。近年涌现的生物信息学、计算社会科学、智能制造工程等专业，基本源于长期的交叉研究与学术共同体逐步形成的共识。一些研究型高校利用自身在量子信息、生命与数据交叉、智能交通等领域的研究沉淀，先形成课程与方向，再推进为独立专业，其优势在于能够较好地保证课程体系的系统性与前沿性，减少“学用脱节”。但当政策与市场的推进节奏快于学术积累时，学术逻辑的稳定性会受到冲击：缺乏成熟知识体系支撑与课程深度的专业容易出现“新瓶装旧酒”，短期内难以建立可持续的内涵建设机制。由此可见，学术逻辑是专业建设的“硬核基础”，但其滞后性决定了若与政策、市场节奏脱节，就会导致课程体系更新滞后和培养质量下降的风险。
（四）办学逻辑：资源条件与办学定位的互动
办学逻辑是指高校基于自身的办学传统、学科基础、师资队伍和区域环境等资源条件，在专业调整中做出的自主选择与战略取舍。它决定了，即便处于相同的政策导向与市场环境，不同高校的专业布局仍会呈现出差异化格局。
第一，资源优势塑造专业布局的深度与方向。研究型大学通常依托雄厚的科研平台和高水平师资，将专业调整与学科优势深度绑定。例如，清华大学在建设人工智能专业时，依托计算机科学与技术系、自动化系、电子工程系等优势学科，以及人工智能研究院等高水平科研平台，将前沿科研成果与本科教学深度融合，形成“科研—教学”联动优势。相比之下，应用型高校更多面向区域产业需求调整专业。例如，东莞理工学院依托珠三角发达的智能制造产业集群和东莞市建设“先进制造业强市”的战略需求，整合学校在机械工程、自动化、电子信息等领域的教学科研资源，创办智能制造工程专业，与本地龙头企业共建产业学院和联合实验室，实现人才培养与产业升级的深度对接。
第二，高校发展定位引导专业设置选择。以深圳技术大学为例，其创校初期即明确“高水平应用型”定位，将专业布局聚焦于先进制造、新材料、人工智能等新兴产业链，采用“学院+产业研究院”一体化模式；而一些综合性大学则更多在传统与新兴学科之间保持平衡，注重学科门类的多元性与稳定性。
第三，资源约束会影响专业调整的节奏。新技术专业往往需要高成本的软硬件投入，而部分中西部和地方本科高校在经费、师资、科研支撑等方面存在短板，即使政策和市场信号强烈，也难以大规模布局此类专业。因此，院校多采取渐进式策略，如先在原有专业下开设新技术方向或模块课程，再根据条件逐步升级为独立专业。
总体而言，办学逻辑是一种以高校可持续发展为核心的专业布局思维。资源和定位的差异，使部分高校能够形成竞争优势，但也使一些资源不足的学校在面对外部压力时被迫“随波逐流”，从而加剧了制度张力。
综上所述，新技术的外生冲击通过政策、市场、学术与办学四重逻辑的错位与冲突，积聚为制度张力，并在专业调整中表现为“增—撤—组”的结构性结果以及由此引发的质量隐忧。基于这一逻辑链条，可以进一步提出三个命题：其一，当政策与市场的运行节奏快于学术知识的积累时，容易出现“新瓶装旧酒”的课程体系与培养目标错位现象；其二，当院校资源不足与市场导向叠加时，专业同质化与低水平重复的风险显著增加；其三，当外部标准与认证覆盖滞后时，新增专业的质量不确定性明显上升。上述命题在一定程度上揭示了新兴专业办学中质量风险的成因，也为后续的治理建议提供了逻辑支撑。
五、构建面向未来的专业动态调整新生态
在新技术持续冲击，以及政策、市场与知识等多重逻辑交织的背景下，本科专业调整不能再停留在“国家发文件—高校被动跟进”的单向链条，而应形成“国家引导—高校自主”协同的新生态。国家需要在战略层面研判前沿和紧缺人才需求，并通过制度与资源配置加以引导；高校则结合自身条件主动谋划，走差异化、特色化的发展道路，将国家战略转化为契合优势与区域需求的可持续方案。
2025年8月28日，中央教育工作领导小组印发的《高等教育学科专业设置调整优化行动方案（2025—2027年）》（以下简称《行动方案》），提出急需学科专业超常布局、基础学科跃升、新兴交叉学科孵化、存量学科专业优化、学科专业内涵更新、培养模式改革深化六大行动，为新一轮改革指明了方向。本文提出的对策建议，正是在这一政策框架指导下展开的。
（一）强化国家战略导向与宏观调控
国家层面应在前瞻性布局和制度供给上发挥主导作用。对于半导体装备、生物育种、量子信息、脑机接口等关键领域，要实施超常布局，探索本硕博一体化的长周期培养模式，避免人才断层；同时加大对数学、物理、化学、生物等基础学科的支持，推动基础学科跃升，为新兴学科提供知识源泉。在机制建设上，应建立跨部门协同的国家人才供需对接大数据平台，实时监测产业与就业趋势，定期发布5—10年中长期预测报告，提升人才供给的前瞻性与精准性。在专业目录管理上，应推动形成“基本专业（稳定）+特设专业（灵活）+交叉专业（孵化）”的格局，缩短目录调整周期，打通本科、硕士与职业教育的联动渠道，并简化新兴专业的论证和审批流程，为高校开展前瞻性探索预留制度空间。
（二）深化高校主体责任与质量治理
在国家战略引导之外，高校应切实承担起专业内涵建设的主体责任，落实《行动方案》提出的新兴交叉学科孵化和存量优化的任务。首先，要建立校院两级质量治理体系，将技术更新周期、课程迭代频率、师资结构和就业反馈等指标纳入常态化评估，构建预测—预警—调整的内部循环，避免“重申报、轻建设”的短期行为。其次，要健全外部质量保障与退出机制，对长期招生低迷、就业率偏低、课程评估不达标的专业实行预警—整改—退出的动态管理，并推动形成国家层面的质量认证体系，尤其在人工智能、大数据、智能制造等新兴领域制定统一标准。通过“内部治理+外部认证”的双重路径，推动专业质量改进与结构优化的良性循环与持续改进，实现从数量调控向质量提升的转型。
（三）推进课程与培养模式改革
针对《行动方案》提出的内涵更新与培养模式改革深化任务，关键在于课程体系、人才培养模式和教师能力的系统革新。在课程体系上，应将人工智能、数据科学等新技术知识深度嵌入专业主干课程与实践环节，而不是简单设置零散的选修模块；通过知识链条的系统重组，使传统学科逻辑与新兴技术形成内在耦合。在培养模式上，要广泛推行跨学科项目制、校企联合实训和真实场景驱动的课程设计，将学生置于复杂问题情境中进行训练，提升其综合运用与创新能力。同时，应推动“AI+X”“X+AI”常态化覆盖各类学科专业，使跨界能力成为通识化要求。在师资建设上，要形成科研、教学、产业的良性循环，促使教师将参与前沿科研和产业研发的最新成果快速转化为教学内容，避免学术与应用脱节。
（郭卉，华中科技大学国家教材建设重点研究基地（智能制造与机器人）专职研究员、教育科学研究院教授。）
（来源：《中国大学生就业》）
