赵欣雨1,2姚伟1李海涛3

（1.东北师范大学，长春130024；2.辽宁何氏医学院，沈阳110125；

3.东北大学，沈阳110819）

摘要：在我国托育服务体系建设从规模扩张向结构性优化与内涵式提升转型的关键阶段，系统探讨人工智能如何深度赋能“教养医一体化”托育人才培养模式的创新与优化。研究指出，当前该模式在目标设定上存在静态滞后与内容割裂，在培养过程中面临情境失真、反馈迟滞与师资结构失衡三重瓶颈，在保障体系方面则受限于生态约束、协同阻滞与反馈断裂等多重约束，制约了复合型托育人才的有效培养。基于能力本位教育理论与教育生态理论的分析框架，研究提出人工智能可从目标优化、过程创新与保障升级三个维度系统重构培养体系。研究通过分析院校案例与技术实践路径表明，人工智能的深度融入能够推动培养模式从经验驱动转向数据驱动，从模块拼合转向有机融合，从静态管理转向动态优化。

关键词：人工智能赋能 教养医一体化 托育人才培养 能力本位导向

中图分类号：G610     文献标识码：A     文章编号：2097-0609(2026)03-0020-13

一、引言

当前，我国托育服务体系建设正从单一数量扩张转向结构性优化和内涵式提升。《国务院办公厅关于促进3岁以下婴幼儿照护服务发展的指导意见》明确提出，婴幼儿照护服务是生命全周期管理的重要内容，并确立了以国家卫生健康委为主导、相关部门协同推进的新机制。[1]这一变革打破了教育部门单线条管理的传统格局，推动了卫生健康、教育、妇幼等多领域资源的整合。由此，上海市人民政府率先提出要构建教养医结合的专业化服务模式。[2]在此之后，各级政府、社区和机构积极落实教养医一体化的理念，共同推进高品质的托育服务。与此同时，社会和家庭对托育从业人员的科学性、专业性要求显著提高。2024年全国托育行业发展报告显示，家长选择托育园时最看重的因素是“师资水平”，北京和淄博分别有68.4%和65.3%的家长将其列为首要考虑因素。[3]另一项全国性调查也表明，家长和托育机构普遍期待从业人员能够兼具教育保育、养育照护和医疗护理等多种技能，以满足现代高质量托育服务对复合型人才的需求。[4]国际经验显示，发达国家及地区较早重视儿童早期发展人才培养，通过建立高等教育专业、完善培训方案和统一的资格认定体系培养专业人才。[5-7]这些经验凸显了跨学科整合与实践能力在托育人才培养中的重要性。所谓“教养医一体化”托育人才培养模式，是指将教育促进、生活照护与健康管理三大领域有机整合，培养具备“善教育、精养护、懂医学”复合能力的托育专业人才。在培养内容上，该模式突破传统学科分立的知识架构，以真实托育服务场景为依托，将婴幼儿发展促进、早期学习支持、日常照护与营养管理、健康监测与疾病预防、应急处理与康复指导等核心任务转化为一体化的能力单元，形成“教、养、医”相互渗透的知识与能力体系。在培养方式上，该模式强调跨学科课程融合、高仿真情境实训、多主体协同育人等路径，通过“校—企—医”三方联动、虚实结合的教学环境以及项目式、任务驱动的教学策略，使学生在真实或高度仿真的工作生态中实现三重复合能力的生成与迁移。然而，教养医一体化人才培养模式在落地过程中仍面临多重阻力，制约了教养医一体化培养效果的实现。

人工智能的引入，为破解上述困境提供了契机。近年来，国家高度重视人工智能与教育深度融合，将“人工智能+教育”战略提升到前所未有的高度。2025年，教育部发布《中国智慧教育白皮书》，并正式启动“国家教育数字化战略行动2.0”，以集成化、智能化、国际化为方向，推动教育体系全面转型升级。已有研究多聚焦于人工智能赋能教学变革，涵盖智能化课程开发[8]、数字化学习平台[9]、精准过程评价[10]等方面，探讨了AI技术在教育领域的应用机制、典型案例及其对教育公平、质量提升的推动作用。国外如Knewton、Codecademy、耶鲁大学医学智能体等案例，国内如“码上”智能教学平台、“水杉在线”平台、“智能助教”等工具，均已实现AI对教与学流程的有效赋能。然而，现有文献普遍侧重于学科课程和一般职业人才的培养，对人工智能在托育专业人才培养领域的系统机制、理论模型和本土路径缺乏深入研究，尤其对0～3岁婴幼儿托育人才复合能力成长路径、培养过程创新与智能化支撑体系的专门分析相对薄弱。针对教养医一体化托育人才培养模式现存的困境，人工智能能够回应上述困境，其技术逻辑与教养医一体化的整合需求具有一致性，可以嵌入该模式的各环节。换言之，人工智能并非外部附加，而是贯穿目标、过程、保障的机制性增强，既提升科学性与个性化，也强化证据性与可持续性，为教养医一体化托育人才培养提供可复制、可迭代的现代化路径。

二、人工智能赋能教养医一体化托育人才培养目标优化与动态升级

（一）现实困境：目标设定存在动态失配与内容割裂问题

截至2025年，全国开设托育类专业的学校有海南热带海洋学院、河北科技学院、成都文理学院、青岛黄海学院、烟台南山学院等，共计598所院校。其中包含28所本科，570所专科；357所公办，241所民办。职业教育作为托育人才培养的主阵地，承担着托育人才供给的主要力量。其中，婴幼儿托育服务与管理、婴幼儿托育专业于2021年首次设立，与传统学前教育及早期教育所属的教育大类有所不同，该类专业设定为医药卫生大类下的健康管理与促进类，旨在更好地满足社会对婴幼儿早期教育、养育照护和医疗护理的需求。然而，现有的托育人才培养目标体系在设定时，存在动态适应性欠缺与融合度不足的双重困境。

从目标结构来看，现有目标多基于历史经验与相对滞后的行业参照进行设定，未能建立与快速演进的托育服务需求及技术环境之间的动态响应机制。这种滞后性直接导致培养的人才难以应对未来照护场景中的复杂性与不确定性，制约其岗位胜任力的前瞻性与可持续性。同时，现有体系缺乏对学习者个体差异的观照，未能依据学生的个人能力基线、认知风格与成长曲线进行个性化目标调适，致使培养过程难以精准支撑学生的差异化发展轨迹，最终制约了高素质复合型托育人才的有效输出。某幼儿师范高等专科学校在其婴幼儿托育服务与管理专业介绍中强调，学生应能熟练开展婴幼儿喂养、护理、健康监测、意外伤害应急处理、早期教育游戏设计与实施，具备实际岗位适应能力和团队协作能力。[11]然而，在应对突发健康事件、开展跨部门协作或实施家庭指导时，不同学生的知识结构与情境应对能力差异明显，由于目标体系缺乏基于个人成长曲线和学习行为数据的动态调整机制，导致部分学生在关键能力环节出现断层，影响其岗位胜任力的持续生成。

从目标内容来看，当前部分院校制定的托育人才培养目标，虽涵盖了教育、养育、医疗三大领域，但往往以“模块并列”的方式呈现，将三元能力视作相互独立的部分，而非在真实工作中相互渗透、交织的整体。以某科技职业学院为例，其婴幼儿托育服务与管理专业培养方案要求毕业生“系统掌握婴幼儿发展心理学、营养与卫生保健、健康管理、托育机构运营管理等理论知识，能够分析并指导0～3岁婴幼儿的成长与照护过程”。[12]教学目标分别列出“掌握婴幼儿健康评估方法”“具备科学的早期教育设计能力”“能够开展婴幼儿生活照护”等条目，却缺乏“健康评估中结合教育干预”“生活照护中嵌入康复指导”这样的复合型表述。这种割裂式的目标结构，削弱了能力本位教育所强调的“以任务情境为核心、能力整合为导向”的本质要求，使得目标在教学转化与评价实施中容易流于形式，缺乏情境化的可操作性。

这种割裂与失配的并存，使得培养目标难以充分发挥引领培养过程、指向学习成果的功能。一方面，它削弱了教养医一体化复合能力在真实情境中的生成路径，难以在教育、养育、医疗的多元任务中形成自然贯通的行动逻辑；另一方面，也限制了个性化成长轨迹的科学引导，难以实现精准化的人才培养指向。

（二）困境解决：基于能力本位理论的教养医一体化人才培养目标智能优化

1.理论支撑：能力本位教育理论的核心指导价值

在我国职业教育体系中，能力本位导向已成为专业改革与建设的重要理念。所谓能力本位导向，是以真实职业场域对人才的胜任力要求为基准，通过知识、能力与素养“三位一体”结构，构建与岗位需求高度契合的人才培养目标。该设计理念基于能力本位教育理论，其核心是从职业需要出发，组织教学内容、设计教学方法及教学效果评价指标，以培养学生获取职业所要求的能力。[13]近年来，能力本位教育理论持续发展，研究者对“能力”内涵提出了更为系统和动态的解读。Mulde在Competence-Based Vocational and Professional Education一书中指出，现代能力本位不仅要求知识和技能的掌握，更强调情境适应能力、反思与创新能力以及在多元环境中持续学习和自我更新的能力。[14]该观点强调了跨学科整合与复杂任务适应的复合性，这与托育类人才培养的复合型要求高度一致。推行能力本位导向培养目标，既是理论发展的内在要求，也是对当前托育行业岗位结构调整、服务体系转型的现实回应。笔者通过对2025年2月教育部新修（制）订的《职业教育专业教学标准》中托育类专业的职业面向进行了汇总（表1）。

可以看出，当前托育类专业横跨医药卫生、健康管理与教育领域，直接服务于居民服务业、学前教育及托育行业，其核心岗位涵盖婴幼儿发展引导、健康照护、早期教育、机构管理等多元方向。上述专业结构和岗位导向，决定了托育类人才培养必须具备多学科融合能力与全局视野。也正因此，能力本位导向的托育类人才培养，要求学生成长为“善教育、精养护、懂医学”的复合型托育人才。该人才培养模式以服务0～3岁婴幼儿整体发展为目标，打破传统学科壁垒和岗位分工逻辑，强调教育、养护、医疗的内在融合与协同育人，可以概括为一种基于实际照护情境构建的、多专业协同驱动的人才培养新范式。该模式所具有的独特性，关键源于其立足于服务对象的身心整体发展特征、以学生为中心的教育理念以及职业任务的高度综合性。这些现实条件决定了传统“按学科分工培养”的模式无法匹配岗位需求，必须通过系统融合重构育人逻辑。其本质并非“学科拼盘”，而是一种面向真实工作任务、注重能力迁移与综合运用的整合性教育路径。这一培养定位，不仅是对知识结构的广度要求，更体现为岗位胜任力、实际操作能力与职业素养的全面提升，能够适应托育服务行业多样化、专业化与高质量发展的需求。

2.设定逻辑：基于真实职业情境的能力要求转化

针对当前目标体系中存在的融合不足与动态适应性欠缺等问题，能力本位教育理论明确提出，目标设定应源于真实职业情境中的综合能力要求，并做到可观测、可评价、可迁移。人工智能技术正是基于该理论对“能力整合”与“证据导向”的内在要求，通过自然语言处理与知识图谱技术，从多源行业文本、岗位规范与真实案例中系统识别和提取一体化能力要素，推动目标设定从经验依赖走向结构化与数据化。人工智能通过机器学习与行为建模技术，实时融通多模态学习数据与行业需求变动，实现对目标的持续校准与个性化调整，从而克服传统目标体系的静态固化与群体统一局限，支持面向个体、情境与需求变化的目标迭代。人工智能赋能培养目标优化，是指将人工智能技术系统性嵌入培养目标设定全流程，构建更加契合托育行业整体性、协同性与个体化成长需求的动态目标体系。具体而言，它以人工智能为核心技术支撑，对托育专业人才培养目标的设定逻辑、结构表达与实现路径进行全面数字化升级。其核心不仅是将传统目标进行数据化转译，更在于依托行业大数据、学习行为分析与岗位胜任力建模，将教育、养育、医疗三重复合能力转化为可观测、可追踪、可适配的多维指标系统，使目标体系紧密贴合真实岗位情境，从根本上避免“能力口号化”倾向。

3.实现路径：人工智能支持的目标动态优化闭环

基于上述理论指引与现实诉求，人工智能赋能的目标优化构建为一个多层次、系统化的智能闭环过程，涵盖目标要素建设、目标分解与开发、目标动态校正、目标反馈与评价以及目标持续优化与创新五个关键环节（图1）。该框架具有清晰的逻辑结构与功能定位，目标要素建设作为基础，依托自然语言处理与知识图谱技术实现能力要素的结构化提取与标准化表征，确保目标来源的科学性与全面性；目标分解与开发承接要素层，借助智能场景建模与虚拟仿真将宏观目标细化为可分阶、可操作的具体能力节点，保障目标的落地性与可教学性；目标动态校正通过机器学习与行为识别对学生学习过程进行实时监测与建模，依据个体成长轨迹动态调整目标内容与难度，增强目标的适应性与个性化水平；目标反馈与评价运用智能诊断与数据可视化工具，为师生提供全过程、多维度的发展性反馈，推动目标达成从终结性判断转向过程性支持；目标持续优化与创新则基于系统累积数据与外部环境变化，通过AI辅助决策与知识发现实现目标体系的周期迭代与前瞻调整，形成自我进化的发展机制。这五个环节相互衔接，利用人工智能的数据处理、推理与迭代能力，构成一个可动态调整的教养医一体化目标体系。

首先，目标要素建设阶段，依托自然语言处理（NLP）与知识图谱技术，系统整合托育行业标准、岗位说明、真实案例与专家经验，对教养医一体化核心胜任力要素进行语义识别、结构化抽取与多维分类。例如，利用文本挖掘与语义聚类技术，对大量岗位要求、服务场景文本进行高频概念识别，将“健康照护”“情感支持”“家庭沟通”“危机干预”等一体化复合能力转化为可量化、可追踪的目标要素。其次，在目标分解与开发环节，结合托育实际情境，应用智能场景建模与虚拟仿真，如VR/AR、智能仿真引擎等技术，将整体目标拆解为分阶段、分场景、分层级的具体任务。AI通过分析行业案例和模拟服务过程，将如“健康风险预警”“婴幼儿突发事件应对”“家园共育协同”等典型任务细化为行动节点和评价标准，为课程开发和实训设置提供细粒度的目标模板，实现目标体系的多维映射与具体化。第三，目标动态校正阶段，依赖于机器学习、行为识别与过程挖掘等AI方法，对学生在学习、实训、实践全过程中生成的多模态数据，如操作日志、互动记录、情境表现等进行实时采集和建模。AI可根据学生在一体化任务中的能力成长轨迹，动态调整其阶段性目标难度和内容，实现目标设定的自适应进化。例如，针对“教中有养、养中有医”的综合任务，AI可自动分析学生在知识整合、协作沟通和危机处置等方面的实际表现，智能优化其成长路径与目标权重分配。第四，目标反馈与评价环节，运用智能诊断、可视化分析与数据挖掘工具，为学生和教师提供全过程的能力成长反馈。AI自动生成“教养医一体化能力成长报告”，以数据可视化形式呈现关键胜任力维度的提升与短板，支持教师进行精准指导、差异化干预，同时推动学生自我调节和目标内化。系统还可利用情感计算和语义分析，对学生在复杂服务情境中的情绪反应与沟通表现进行评价，增强目标反馈的全面性和科学性。最后，目标持续优化与创新环节，通过AI辅助专家群体决策和知识发现，实现目标体系的周期性迭代升级。基于跨年度、跨院校的学生发展大数据，AI持续分析目标体系与行业岗位变化、用人单位反馈、最新政策导向的耦合度，不断调整和完善核心目标要素，提升目标体系的前瞻性和适应性。由此，培养目标优化形成以人工智能为支撑的动态闭环系统，实现“目标设定—分解开发—过程校正—智能反馈—持续创新”的全过程智能赋能。

三、人工智能赋能教养医一体化托育人才培养过程完善与协同创新

（一）现实瓶颈：培养过程存在情境失真、反馈迟滞与师资失衡三重困境

教养医一体化托育人才培养以教育为主导、养育为基础、医疗为支撑，旨在通过多学科融合与实践导向的路径，在真实或高度仿真的工作情境中培养具备可迁移复合能力的专业人才。该模式强调教育引导、生活照护与健康关爱的系统性整合，要求人才不仅掌握各领域知识技能，更能够在复杂照护场景中实现三者的有机协同。在实际培养过程中，其预期效果仍面临挑战，尚未能有效支撑复合型能力的生成与迁移。当前的培养过程存在三重现实瓶颈，具体表现为情境真实性不足、反馈机制滞后与师资协同障碍。

首先，教学情境的真实性与连续性显著不足。受安全伦理、成本控制与风险管控等因素制约，现有实训体系难以提供高保真、长时程、多任务并发的真实岗位场景。教学多局限于低风险、片段化的技能练习，无法还原托育服务中“教、养、医”多线程交织的复杂工作生态。其直接后果是，学生在标准化操作中虽能达标，却普遍缺乏对婴幼儿细微体征、行为信号与环境线索的敏锐觉察与整合应对能力，一旦面临突发状况或多重任务压力，易出现判断延迟、处置失当等问题。

其次，教学反馈机制存在严重滞后与证据链断裂。课堂、实训与实践环节之间缺乏统一的评价标准与数据采集规范，导致反馈主观性强、离线化严重。对关键操作行为与互动过程缺乏客观、连续、可追溯的记录，同一学习表现在不同场域中难以实现有效对标与拼接。评分者间一致性低，进一步削弱了评价信度。其结果是不能为师生提供及时、精准的能力诊断与发展建议，学生经验难以系统化为可迁移的实践图式，制约了一体化胜任力的有效形成。

最后，师资队伍结构失衡，协同教学机制不畅。全国82所高职院校托育类专业办学调研显示，任教教师中学前教育背景占绝大多数，早期教育专业出身仅占15.85%，医学类背景教师明显不足，且相当比例由非相关专业转岗；在教龄与职称方面，部分教师职业年限前半段并非从事相关领域，职称结构亦未呈合理的“正态分布”，显示出专业匹配度与复合性不足、岗位能力结构失衡的现实。跨领域专家参与教学多呈临时性、片段化，缺乏稳定、深度的嵌入式协作机制，导致“教、养、医”在教学实施中难以实现有机统整，影响了复合型能力培养的连贯性与系统性。类似地，有研究指出高职托育人才培养中存在课程体系与医育融合需求失配、实践教学与专业化需求错位等问题，亟须构建“校、企、医”三方协同的产教融合路径。[15]

（二）瓶颈突破：人工智能赋能培养过程的系统性解决方案

1.理念引领：面向过程瓶颈的智能化升级导向

人工智能在教养医一体化培养过程中的赋能，本质上是以能力本位教育理论为指导，针对培养过程中已识别的三大现实瓶颈进行的系统性优化与效能提升。这一理念的确立，既直接呼应了《教育强国建设规划纲要（2024—2035年）》提出的要以教育数字化、人工智能等新技术助力教育变革，为人才培养开辟发展新赛道的战略要求[16]，也与教育部推动的“师—生—机”三元协同、智能课程、精准画像等智慧教育新范式高度契合。在“师—生—机”三元协同的智慧教育范式中，教师并非被技术替代的旁观者，而是三元协同的设计者、引导者与质量守护者。人工智能赋能教养医一体化人才培养，能否真正落地，关键在于教师能否实现角色转型与能力跃升。

在理念层面，人工智能赋能的核心定位是对现有培养过程的“增强”与“补位”，而非体系重构。其理论基础植根于以国家与国际权威框架为上位依据完成顶层设计。以联合国儿基会、世界卫生组织、世界银行等联合发布的《养育照护促进儿童早期发展——助力儿童生存发展、改善健康、发掘潜能的指引框架》所设定的健康、营养、安全与保障、回应性照护及早期学习机会五大领域为课程母题[17]，以国家卫生健康委《3岁以下婴幼儿健康养育照护指南（试行）》提出的生长发育监测、营养与喂养、交流与玩耍、生活照护指导、伤害预防、常见健康问题的防控与照护[18]六项重点内容为能力要点与质量底线。通过智能化手段将抽象的素养要求转化为可训练、可评价的具体教学过程。

这种赋能理念的确立，使人工智能在三个关键维度发挥重要作用：在情境构建方面，作为高保真环境的构建者，通过智能技术扩展实训场景的广度与真实度；在反馈机制方面，作为数据驱动的诊断者，实现学习表现向客观证据的转化；在师资协同方面，则作为跨领域协作的连接器，为核心教师提供嵌入式支持。这一理念框架的确立，为后续具体实施机制的构建提供了理论依据和方向指引。

2.机制创新：数据驱动的动态协同作用机制

在机制运行层面，人工智能赋能的协同作用体现为一个以数据流为核心、多层次互动的动态循环系统。该机制将情境构建、过程评价与师资协同三个环节联系起来，采用“操作—数据—决策”三层架构，在不改变原有培养体系结构的前提下，提高了运行效率与适应性人工智能赋能（图2）。

从情境构建到过程评价，将训练数据作为分析基础。智能仿真、VR/AR等高保真情境所采集的学员操作日志、行为序列、生理指标（如模拟婴幼儿反应数据）及环境交互数据，构成了多模态、时序性的“训练证据链”。这些数据不再是孤立的行为记录，而是经由算法清洗、标注与结构化，转化为可计算、可对比的分析单元，为后续的能力诊断提供客观、连续的输入。从过程评价到师资协同，运用诊断报告驱动精准干预。基于训练数据，多模态分析模型自动生成的能力诊断报告，不仅包含量化评分，更揭示能力短板、认知模式及决策逻辑。该报告通过智能教学支持平台，定向推送给相关领域教师，并依据知识图谱自动关联推荐教学资源、策略案例及协作任务，使得师资协同从“经验协商”转向“证据指引”。在此过程中，教师承担着关键决策者角色：依据AI提供的诊断证据，结合自身专业判断与教育伦理，选择适宜的干预策略、调整教学节奏，并决定何时需要引入跨领域专家协作。教师不再是数据报告的被动接收者，而是人机协同中的意义建构者与行动发起者。从师资协同到情境构建，利用教学反馈重塑实训生态。师资团队依据诊断报告所采取的差异化辅导、跨领域集体备课或课程调整措施，会反向输入至情境构建系统。例如，针对学员普遍薄弱的“婴幼儿突发性情绪安抚中的医疗配合”能力，系统可自动调整仿真情境中的任务组合、增加复合型危机案例，或生成新的训练脚本，从而实现情境内容的迭代优化与个性化适配。

3.实践验证：案例支撑的技术实施体系

在实现机制的指导下，本研究提出具体可行的技术路径，并通过实践案例验证其有效性。该路径整合现代信息技术手段，形成了层次清晰、相互支撑的实施体系。

在情境构建技术方面，数字孪生与智能仿真的应用已取得显著成效。以广西城市职业大学智慧托幼现代产业学院为例，将AI与大数据深度嵌入课程开发，联合企业共同打造“智能托育设备应用”“托育机构数字化管理”等新型课程，并主动对接“1+X幼儿照护”职业技能等级证书标准，把行业技术规范直接转化为教学情境与考核依据，实现了课程内容与真实服务场景的无缝衔接，提供了可复用的“行业—院校”协同课程范式。通过部署智能情境生成系统，将婴幼儿发育监测、应急处理等核心能力要求转化为可训练的标准化场景。该系统构建的递进式实训序列，使学习者在高度仿真的环境中逐步掌握复合型能力，有效解决了情境真实性不足的问题。

在过程评价技术方面，多模态数据分析提供了可靠支撑。江汉艺术职业学院数字化托育实训中心的实践表明，通过部署近400个智能感知节点，系统能够自动采集学生在典型任务中的操作轨迹、互动表现与应急反应等关键数据，并通过算法模型实时计算“操作规范度”“响应及时性”等量化指标，为教学改进提供客观依据。这种基于证据的评价方式有效解决了传统评价中主观性强、反馈滞后的问题，使教学过程优化具有明确的方向性。这种基于证据的评价方式不仅提高了评估的客观性，更为教学改进提供了明确方向。

在师资协同技术方面，智能教学支持平台发挥了关键作用。通过构建专业知识图谱和远程协作系统，既为核心教师提供了跨领域教学支持，又为行业专家创造了精准指导的通道。这一技术方案在保持现有师资结构的基础上，通过智能备课系统、共评估机制和远程督导平台的协同应用，显著提升了师资队伍的整体效能。其中，智能备课系统基于知识图谱与行业标准，为核心教师自动生成融合多领域知识的教学方案；共评估机制通过多模态数据分析实现教学过程的标准化评价；远程督导平台则为跨领域专家提供了精准介入的通道。这一机制在保持现有师资结构的基础上，有效弥合了不同专业背景教师之间的协作缝隙，形成了稳定高效的教学共同体。

该技术路径的创新价值在于，通过成熟技术的系统性整合与案例验证，形成了可推广的实施模式。各技术模块既相对独立又相互支撑，共同构成了完整的解决方案，为培养过程的持续改进提供了可靠的技术保障。

四、人工智能赋能教养医一体化托育人才培养保障升级与系统演进

（一）现实制约：保障体系的三重生态约束

教养医一体化托育人才培养的高质量发展，须以全方位、系统化的培养保障机制为基石。一个理想的保障体系应涵盖教学条件、管理机制与质量评价三大子系统，形成有机联动、协同共生的教育生态，从而为复合型能力生成提供持续稳定的支持环境。从教育生态理论的视角来看，人才培养体系可被视为一个复杂的生态系统，其健康运行依赖于系统内各要素之间及其与外部环境之间的动态平衡、物质能量循环与信息流畅交换。[19]该理论强调系统的整体性、关联性与动态演化性，要求内部“生态位”精准定位、子系统间“走廊”畅通、系统与外部环境之间保持适应性互动，以维持系统的稳态与可持续发展。然而，现实中的保障体系远未达到这种生态化要求，主要面临以下三重“生态约束”。

其一，系统生境破碎化，承载力与适配性显著不足。根据教育生态理论，生境的完整性是能力发展的基础。然而，当前校内实训环境往往只能提供孤立、低保真的技能训练片段，无法还原托育服务中教养医多线程并发的真实生态；校外实践基地则因数量有限、开放机制不稳、安全伦理标准不一，难以与校内环节形成有效衔接。对全国高职院校托育类专业的办学调查表明：各校实践基地平均仅9.7家，且58.54%的高校认为现有基地不足以满足培养需求，这种生境破碎化直接导致学习环境“给养”不足，无法支持学习者通过持续的身体—环境互动建构整合性胜任力，制约了复合能力的生成效率与迁移效果。

其二，生态位定位模糊，走廊通道尚未真正贯通。教育生态学强调，系统中各主体需有清晰的生态位界定与功能分工，并通过高效的走廊机制实现物质、能量与信息交换。现实中，多元主体间的功能边界却存在大量重叠或真空，协同多依靠临时性协议而非制度化通道。课程标准、实践手册与安全规范在不同系统间互不兼容，导致“知识走廊”与“数据走廊”堵塞，“人员走廊”因缺乏稳定的跨机构授权与轮岗机制而难以畅通，“应急走廊”也因响应链条冗长、决策规则不清而无法实现快速闭环。其结果是系统间交换效率低下，资源难以共享，协同成本高昂，无法为一体化培养提供稳定支持。

其三，反馈循环断裂，评价对象单一且缺乏闭环机制。一个健康的生态系统须具备基于反馈的自我调节与演进能力。然而，当前质量评价体系存在双重缺陷：一方面，评价对象单一，主要聚焦于学生学业成绩的终结性考核，缺少对培养模式本身的系统性评价，即未对教养医一体化模式在目标设定、过程设计、保障运行等方面的合理性与有效性进行定期诊断；另一方面，反馈机制断裂，毕业生追踪数据、用人单位反馈与社会评价信息在指标、口径与载体上各不相同，多源数据难以整合与互操作，评价结果未能闭环反馈至培养目标、过程与保障系统，导致无法精准诊断培养系统的关键断点与演化方向。反馈信息在传递过程中大量衰减或扭曲，致使系统难以根据环境变化进行及时调适，破坏了系统的动态适应性与可持续性。

（二）生态演进：保障体系的智能化升级

人工智能对保障体系的改进，遵循教育生态理论的系统性、动态性与协同性原则，将原本分散的子系统整合起来，为人才培养提供可调整的技术支持环境。面对当前保障系统在生态完整性、协同连续性与动态适应性方面的现实约束，教育生态学理论为破解这些困境提供了核心指引：必须修复系统“生境”，疏通多元“走廊”，并建立高效的“反馈循环”机制，以恢复系统的整体性、关联性与自我调节能力。人工智能的深度介入，正是从这一理论诉求出发，为培养保障体系的系统性升级提供了坚实的技术支撑与实现路径。其赋能价值并非简单的工具叠加，而是通过数据驱动、智能感知与算法优化，重构保障体系的运行逻辑，使其从传统静态、割裂的模式走向智能、动态和可持续的新阶段。

在教学条件保障方面，人工智能通过构建“智慧生境”回应“生境破碎化”问题。依托数字孪生、物联网与环境感知技术，AI可集成校内实训基地与校外实践基地的物理环境、设备状态与操作数据，构建虚实融合、全程连贯的托育服务情境。例如，通过高精度传感器与行为建模，系统能够动态模拟婴幼儿生理指标与行为反应，为学习者提供高保真、可回溯、多模态的交互环境，有效扩展了“教育生境”的承载力和情境真实性，为具身化学习提供持续稳定的环境给养。目前，全国多地智慧托育产业学院与行业企业联合共建AI感知教室、托育云平台和远程实训基地，形成“校企—线上—线下”三位一体的智能化保障体系。AI还可自动监测教学设备运行、资源使用与环境适宜性，及时预警保障短板，提升教学硬件与环境的智能化管理水平。

在管理机制设计方面，人工智能通过搭建“智能走廊”化解“生态位模糊”与“协作阻滞”难题。基于跨域数据中台与智能合约技术，AI可打通教育机构、托育行业与医疗系统之间的“人员、知识、数据与应急”四大走廊，实现多元主体在统一规则下的低摩擦协作。例如，通过智能排课与资源调度算法，系统可依据师资能力、实践基地容量与专家可用时间，自动生成跨机构人员流动方案；利用自然语言处理与知识图谱技术，将不同来源的课程标准、照护规范与安全阈值整合为统一可操作的标准库，支撑跨系统语义对齐与功能嵌合，从而在制度层面保障一体化培养的协同效率与稳定性。贵州经贸职业技术学院智慧托育产业学院与当地政府、企业以及贵阳市妇幼保健院合力共建人才培养基地，并通过共建产业班进行订单式人才培养，积极探索省域级现代职业教育体系建设新模式。[20]

在质量评价体系方面，人工智能通过建立双重评价闭环机制，同时回应“人才培养质量”与“培养模式质量”两个评价对象。其一，对人才培养质量的评价：AI基于多模态学习数据自动生成个体化的“教养医一体化能力成长报告”，实现从终结性评价向过程性、发展性评价的转型。已有研究构建了包含道德与理念、保育知识、保育技能的三维测评模型，为AI驱动的能力评价提供了可参考的指标框架。[21]其二，对培养模式本身的评价：AI整合跨年度、跨院校的学生发展数据、用人单位反馈、行业岗位变化及政策导向，运用归因分析与预测建模，识别模式在目标、过程、保障中的结构性断点，并生成优化建议。双重评价结果通过智能教学支持平台反馈至培养目标、培养过程与培养保障三大子系统，形成“目标设定—过程实施—保障支撑—双重评价—反馈优化”的完整逻辑闭环，推动人才培养模式在持续的数据驱动下实现自我进化（图3）。

［参考文献］

[1]国务院办公厅.国务院办公厅关于促进3岁以下婴幼儿照护服务发展的指导意见[EB/OL].https://www.gov.cn/zhengce/content/2019-05/09/content_5389983.htm.

[2]上海市人民政府.上海市托育服务三年行动计划(2020-2022年)[EB/OL].https://www.shanghai.gov.cn/nw48503/20200921/0001-48503_65687.html.

[3]潘伟涛,刘昊.2023-2024年全国托育行业发展报告[R].北京:首都师范大学学前教育研究中心,《托幼瞭望》,2024.

[4]杨丽.0-3岁婴幼儿托育服务专业人才供需状况与优化配置研究[M].北京:北京师范大学出版社,2023:23-25.

[5]张明珠,赵爽,逯桠楠.托育机构保育人员资格准入的国际经验与启示[J].教育发展研究,2022,42(02):47-54.

[6]刘文婷.早期教育专业人才培养课程设置的研究综述[J].科教文汇(上旬刊),2021,(04):131-132.

[7]洪秀敏,王靖渊,朱文婷.第四代评价理论视域下国际托育机构质量评价的价值意蕴、路径选择及启示[J].教育发展研究,2022,42(02):28-35+46.

[8]苏小红,何钦铭.人工智能赋能教与学场景和模式革新的探索:以程序设计课程为例[J].中国大学教学,2025,(06):65-72.

[9]蔡旻君,张书琦.生成式人工智能赋能跨学科主题学习:之由、之道与之径[J].中国教育信息化,2025,31(04):34-45.

[10]张煜明,周婷.人工智能赋能教师教学过程评价模型研究[J].中国教育信息化,2025,31(05):89-97.

[11]川南幼儿师范高等专科学校.婴幼儿托育服务与管理专业[EB/OL].https://www.cnyz.edu.cn/p/0/?StId=st_app_news_i_x638300400450979867

[12]北京科技职业学院教育学院.婴幼儿托育服务与管理专业人才培养方案(2023版)[EB/OL].https://www.5aaa.com/article/2eafc0d7f36b/

[13]ADEDEJIA, RAPHEALO, OPEYEMIO, etal. Integrating construction craft skill acquisition in the built environment curriculum using a competence based education approach [J]. Res J Appl Sci. 2017, 12(3/4): 295-303.

[14]Mulder M, ed. Competence-Based Vocational and Professional Education: Bridging the Worlds of Work and Education[M]. Cham: Springer, 2017: 277-279.

[15]韩瑞,邹莹,张星星.医育融合背景下的高职托育人才产教协同培养路径研究[J].早期儿童发展,2025,(04):22-30.

[16]中共中央、国务院.《教育强国建设规划纲要(2024-2035年)》[N].人民日报,2025-01-20(1).

[17]世界卫生组织,联合国儿童基金会,世界银行集团.养育照护促进儿童早期发展:助力儿童生存发展、改善健康、发掘潜能的指引框架[R].日内瓦:世界卫生组织,2018.

[18]国家卫生健康委办公厅.3岁以下婴幼儿健康养育照护指南(试行)[EB/OL].(2022-11-19)[2025-08-06].http://www.gov.cn/zhengce/2022-12/01/content_5729780.htm.

[19]Bavedenbrenner U. The Ecology of Human Development: Experiments by Natureand Design[M]. Cambridge,Mass.:Harvard University Press,1979:010.

[20]张永健.现代产业学院建设困境与路径探究:以贵州经贸职业技术学院智慧托育服务产业学院为例[J].科教导刊,2024,(13):8-10.

[21]丁利芳,严仲连.3岁以下婴幼儿保育人员专业素养测评模型构建研究[J].早期儿童发展,2025,(03):55-70.

基金项目：本文系辽宁省高校基本科研项目“新文科与新医科融合培养复合型学前教育专业人才的实践研究”（项目编号：LJ112413610005）和辽宁省教育科学“十四五”规划 2025 年课题“幼有优育背景下普惠性托育服务实践路径研究”（项目编号：JG25CB161）的阶段性研究成果。