AIEd 知识库AIEd KB
本页内容

本页面已译为中文。文章页面仍以英文撰写。 阅读本页的英文版本

概念

商科教育

创建 2026-08-20 · 更新 2026-10-09

本页是英文页面的机器翻译，尚未经母语者审校。

商科教育中的 AI —— 人工智能在商科、经济与管理的教学与学习中的应用，以及让学生为融入 GenAI 的职场做好准备。商学院面临双重使命：把 AI 作为一门科目和教学法工具整合进课程，同时培养学生能在专业实践中负责任且有效地使用生成式 AI。

值得思考的问题

  • 商学院面临双重使命：把 AI 作为科目和工具整合进课程，同时培养学生能在专业实践中负责任地使用 AI。在读之前，你认为这两件事中哪一件是当前多数商科项目做得对的，哪一件被亏待了？
  • 一项以学生为据的框架发现学生高度投入，也认识到自己需要 GenAI 技能以求职——但同时又想在不无意间构成学术不端的情况下使用 AI。为什么一个学生可能既想用 AI，又同时担心因它违规？
  • 关于建构性对齐的研究发现，GenAI 是利大于弊还是弊大于利，由课程整合的程度塑造——是整合，不是附加。在一门商科项目中，"整合"是什么样的，与只是在上面加几个 AI 工具有什么不同？
  • 十年的研究指出课程连贯性、教师准备度与评价效度上的持续缺口。如果你要为一门面向 AI 整合职场重新设计商科课程，这三个缺口中你会先处理哪一个，为什么？
  • 商科是生成式 AI 采纳最快的领域之一，因此毕业生面临紧迫的 AI 就绪压力。金融、营销或管理领域的雇主实际看重的 AI 技能，可能与学生当前在课堂上学到的有何不同？

引言

商科教育中的 AI 是AI in education（教育中的人工智能）中一条不断成长的学科特定线索。商学院必须让学生为生成式 AI 无处不在的未来职场做好准备，这既需要 AI 素养，也需要领域内的具体应用（金融、营销、管理、经济、创业）。研究凸显了把 AI 用作教学法与专业工具，与管理学术诚信、伦理使用及评估重设计之间的张力。

知识库研究中的商科教育 AI

  • 以学生为据的框架。 Drummond 与 Dale（2026）提出了一个以学生为据的概念框架，用于在整个商科学位项目中整合 GenAI，基于一项 149 名英国学生的案例研究。学生高度投入，认识到职业所需的 GenAI 技能，并想在不无意间构成学术不端的前提下使用 AI。
  • 十年的研究。 Espino 与 Espino（2026）对 2015–2024 年商科教育中 AI 的 213 篇论文做了文献计量映射，识别出四个簇群：AI 驱动的商科教育转型、创新数字教学法、AI 强化的个性化，以及与数字经济对齐的商科教育——并指出课程连贯性、教师准备度与评价效度上的持续缺口。
  • 建构性对齐。 Zhou 等人（2026）分析了一家英国商学院的 17 个 GenAI 采纳案例，发现教学法收益与风险之间的平衡由课程整合的程度塑造——建构性整合带来更好的结果。
  • 学生视角下的课程。 Rook 与 Plumb（2026）依托一个顶点课程单元中的 166 名商科本科生，发现对把 GenAI 整合进课程有强烈支持，并列出三个优先领域：理解与优化 GenAI 功能、探索跨情境的应用、处理伦理与法律维度。
  • 从记忆到在模糊中判断。 Shi、Dai 与 Zhang（2026）为管理课程提出三种生成式 AI 机制——把经典理论对照真实文件拆解为假设与边界条件、在教科书版本之间追踪新兴案例，以及一个由 AI 角色生成颠覆性事件与级联后果的模拟。
  • 机构采纳。 Al-Rahmi（2026）考察了高等教育中 AI 采纳的机构与技术驱动因素（使用 TOE + Diffusion of Innovations 框架，n=300 名教职工），与商学院及其所属机构如何采纳 AI 驱动的决策支持和智慧学习平台相关。
  • 商科模拟游戏中的对话智能体。 Wenzel、Geiger 与 Liening（2026）开发并评估了一个 AI 增强的对话智能体（Lara），用于在商科模拟游戏中为体验式创业学习提供自适应教学支持。该 CAIS-GBL 框架立于公平优先的设计立场与通用学习设计之上，瞄准认知、动机、情感与社会文化层面的参与，并在师范生与 BSG 参与者中的评估显示出对认知/社会存在及自我调节学习支持的正面评价——这是在模拟式商科教育中规模化形成性反馈的一个样板。
  • 面向复杂应用任务的智能体式 GAI。 Ilieva 等人（2026）围绕一门电子商务课程开发了 AGAI-HE 框架，其学习任务要求比较商业模式、权衡市场与运营约束、为战略建议辩护——这类多步应用工作是"提示—回应"式聊天机器人支持得很差的。他们 130 名学生的感知研究发现，聊天机器人与智能体支持在学习提升、个性化、决策支持与工作流组织上都高于传统在线学习，但智能体与聊天机器人之间无显著差异，而最强的认可落在三者结合上。对商科项目而言，其读法是：采纳是一个关于 AI 支持如何排序与治理的教学设计问题，而不只是工具升级（智能体式人工智能）。
  • 评价与评分创新研究不足。 Mesny、Roberge-Maltais 与 Galy（2026）调查了四本领先管理教育期刊（AMLE、JME、Management Learning、IJME）20 年间的 58 篇与评价相关的论文——大约每年三篇，多集中在 2010 与 2014 年的专刊——发现相对于其塑造学习的核心地位，评价与评分研究不足。自评与同伴评价主导了论述（几乎占整个语料库的一半，主要用于总结性评价小组作业）；真实评价主要通过技术中介的模拟出现，且常与体验式学习混为一谈；而再评价、基于标准的评分与不打分则几乎缺席。作者敦促管理教育者更主动、更互惠地参与这些创新，建议以增量实验（不打分作业、单项任务的再评价、基于标准的评分量规）为基础，辅以项目层面的协调与有据可查的 Scholarship of Teaching and Learning 证据。
  • 商科作业的自动评分需要语料特定的验证。 在 BrandSim 模拟中 60 篇学生营销帖上，Li（2026）发现一个LLM与人工均值的一致性仅达 ICC(2,1) = .435——确定性规则为 .091，等权混合为 .266——而加入研究者撰写的锚点后 LLM 升到 .846，且未改变任何学生分数。
  • 把 AI 教学作为一流的过程设计元素。 Jalali（2026）在一门 152 名学生的课程的六个模块中，于每个 BPM 生命周期阶段放置一个 AI 决策检查点，让学生先构建一个可运行的 LLM 受理智能体，然后在某个检查点发现真正的瓶颈是一个两人的欺诈调查队列。

经济与管理教育

商科教育中的 AI 横跨经济学与管理学两个核心学科。知识库的覆盖集中于教学法与课程维度（AI 如何在商科项目中教与被使用）以及职业就绪维度（让学生为 AI 整合的职场做准备）。关键主题包括AI 素养、生成式 AI在商业职能中的应用、伦理与诚信考量，以及课程与评估重设计，以反映 AI 整合的专业实践。

为什么商科教育中的 AI 重要

商科是生成式 AI 采纳最快的领域之一，因此商学院面临让学生为 AI 整合职场做好准备的紧迫压力。研究强调，有效的整合是课程驱动且以学生为据的——不只是加几个 AI 工具，而是重新设计项目，使 GenAI 素养、伦理判断与真实应用贯穿学位结构。这使商科教育与知识库关于AI 素养、教师准备、评估重设计与 AI 时代课程改革的更广泛主题相连。

对商科教师的启示

  • 以课程驱动、以学生为据的方式整合 AI。 以学生为据的框架与学生视角都显示，学生想要职业所需的 GenAI 技能，也想在无无意不端的情况下使用 AI——要设计让 AI 素养、伦理判断与真实应用贯穿学位结构的项目。
  • 建构性地对齐课程。 建构性对齐研究发现，课程整合的程度决定 GenAI 是利大于弊还是弊大于利——是整合，不是附加。
  • 处理持续存在的缺口。 十年的研究指出课程连贯性、教师准备度与评价效度上的缺口——在项目设计中优先处理这些。
  • 让学生为 AI 整合的职场做好准备。 把 AI 素养、伦理使用与领域应用（金融、营销、管理、经济）作为核心能力而非选修来强调。

关联概念

关联文章

元数据

学科Business Education
层次Higher Ed
技术与方法生成式人工智能
教育中的人工智能基础教育中的人工智能, 课程设计
SourceHistoryEditChat

嵌入此页

复制下面的代码，将本页嵌入学习管理系统或其他网站。嵌入版本只显示页面内容 — 网站的页眉、导航和页脚会被隐藏。