同济大学法学教授：当今什么是好专业？选大学还是选专业？ ...

开心常乐 · 发表于 2026-7-2 14:42:21

在我国高考志愿填报过程中，大学与专业的权重会随制度、区域经济以及技术条件等因素的变化而调整。近年来，在不确定性持续增加的背景下，高考志愿填报呈现出明显的“保专业”倾向。学科细分与专业化在一定程度上是工业社会的产物，在人工智能加速替代规则化脑力劳动的时代，以标准化训练为核心的专业优势正被逐渐削弱。相比于“押注”单一专业，更具长期价值的是语言能力、事实发现、价值判断与情境感受等通识能力的培养。因此，在人工智能时代，“好专业”应被理解为有助于提升可迁移能力与可进行持续学习的通识化路径。高等教育改革应朝向通识化与学科交叉的方向发展，这样才能使受教育者更好地适应时代的发展。
来源 | 《新文科教育研究》2026年第1期
作者 | 杨帆，同济大学法学院长聘教授、博士生导师
引言：选大学还是选专业

每年高考志愿填报之际，关于“大学重要还是专业重要”的讨论便会如期而至。在政策导向、就业市场形势、文化观念等多重因素交织之下，不同群体对这一问题的判断常常出现明显分歧。值得关注的是，近年来人工智能技术的快速发展，深刻重塑社会分工的结构和知识的生产模式。在诸多领域，以往由高等教育培养出来的专业性岗位，正在被自动化、智能化系统逐渐替代。这一趋势引发了进一步的思考：我国高等教育中高度分化的专业设置，是否仍能有效回应未来社会对人力资源的需求？在技术快速迭代的背景下，传统意义上“专业对口”的选择是否仍具决定性意义？
围绕大学重要还是专业重要的分歧，长期存在于教育政策制定者、高校管理者学生、家长以及社会大众之间。在实际选择中，支持专业优先的观点占据较大比重。近年来一些具有代表性的自媒体从业者也多秉持此观点。该观点强调专业直接决定未来的职业路径，主张根据市场需求、就业率指标和政策导向选择专业，如计算机、临床医学、法学等，往往被认为具备更高的投入产出比。同时，在公务员考试、研究生招生等制度性路径中，一些特定专业（如法学、中文等）也具有天然的资格门槛，进一步强化了专业对人生发展的路径依赖作用。这种观点的背后，是一种以岗位对接为导向的高等教育认知，将大学教育的功能定位为就业预备的专业训练过程，也是一种求稳的社会心态。
近年来，高考录取分数线的变化为这一趋势提供了直观例证。一方面，部分具有高度专业化定位的院校录取分数呈现显著上升态势。例如，某些以培养特定职业领域人才为目标的行业性高校，如海关学院、警察学院等，凭借相对稳定的就业渠道与明确的职业指向，吸引了大量考生报考，其录取分数已接近甚至超过部分“双一流”综合性名校。另一方面，一些专业设置宽泛、学科门类齐全的综合性大学，尽管拥有“双一流”等重点高校的光环，但其录取分数却出现了显著下降。尤其是在文科或部分理工科就业形势相对严峻的背景下，这些学校的非优势学科专业吸引力减弱，进而导致其整体分数线产生波动。
与之相对的是强调学校优先的立场。该观点认为，大学平台所提供的教育资源、学术氛围、校友网络以及综合声誉等，对学生长远发展可能更具根本性的影响。一所顶尖大学赋予学生的，并非仅仅是某一具体技能的训练，而是思维方式与社会资本的全面提升。在当今社会，这属于少数派观点。
本文所要讨论的问题并不止步于以上传统立场的权衡，而是试图引入一个全新的分析维度，即以人工智能为代表的技术变革如何重塑知识生产的结构性格局。下文将从人工智能对高等教育基本逻辑的挑战出发，分析传统专业设置是否仍具备稳定的社会功能，并进一步探讨语言、思维、跨学科素养等通识能力在新技术背景下的核心价值。通过这一研究思路，试图对“什么是人工智能时代的‘好专业’”这一问题作出间接回应，为当前教育决策提供一个崭新的观察视角。
一、志愿填报参考因素的演化规律

在我国，高考志愿填报作为学生进入高等教育阶段的关键决策行为，其背后涉及多种因素的权衡与选择。在众多变量中，大学和专业历来是被高度关注的核心要素；此外，地域因素、家庭经济状况、社会舆论导向、就业市场环境等也在不同历史时期发挥着重要作用。回顾改革开放以来的社会经济变迁，可以发现，不同阶段社会经济结构、教育政策以及技术条件的变化，都会显著影响考生及其家庭在志愿填报时的考量权重。
改革开放初期直至20世纪90年代中期，我国经济社会仍存留着计划经济时代的部分特征。大学毕业生长期实行“包分配”制度，且多数毕业生会被分配回原籍或生源地所在地区工作。在此背景下，地域因素在志愿填报中的影响并不十分突出，考生及其家庭的主要考量集中于所学专业的性质与前景。这一时期，中国正处于工业化加速阶段，产业结构的升级与分工的细化，使得对特定专业技能的社会需求明显上升。理工科类专业，尤其是与基础工业、能源、交通、机械制造等相关的领域，被广泛视为国家建设的核心力量。许多家庭在志愿选择中优先考虑能够直接对接产业部门的工科专业，因为这不仅意味着较高的分配优先级，还与较为稳定的职业发展路径相联系。相较之下，文科类专业在当时的社会分工体系中被认为实用性不足，就业竞争力相对较弱。“学好数理化，走遍天下都不怕”是这一时期人们进行专业选择时的普遍心态。
20世纪90年代中期以后，随着市场经济体制的确立和深化，高等教育毕业生的就业制度发生了转变，“包分配”被自主择业和市场竞争机制所取代。与此同时，沿海开放城市依托区位优势和外向型经济政策，在改革开放浪潮中率先实现快速发展，形成了显著的区域优势。尤其是2001年中国加入世界贸易组织（WTO）之后，对外贸易、外资企业和跨国公司在沿海地区集中布局，经济贸易、国际商务、金融、外语等文科专业迅速走红。此时，“地域”成为优秀考生在志愿选择中的重要甚至首要考量因素——进入北京、上海、广州等一线城市的高校，意味着更接近优质的就业市场、更频繁的国际交流机会以及更高密度的产业资源。在这一阶段，地域与大学知名度往往绑定在一起，成为志愿填报的“黄金组合”，京、沪等发达地区高校的录取分数线大幅攀升。
进入21世纪，特别是近十年来，我国交通基础设施建设取得跨越式发展。高速铁路网络的迅速铺设与航空出行的广泛普及，大幅降低了地理距离对人流、物流和信息流的限制。同时，互联网和移动通信技术的飞速发展，使得跨地域的学习、工作与协作变得日益便捷。近年来，在部分行业中，远程办公、线上教育等模式开始普及，进一步削弱了地域在职业选择与生活质量上的决定性影响。甚至地区之间的经济发展不平衡也逐渐降低。在北、上、广之后，成都、杭州、武汉等“新一线城市”也迅速崛起。
这一时期，志愿填报的主要权重逐渐回到大学的综合实力与专业质量上。各种版本的高校排名和学科专业排名层出不穷，并通过网络媒体广泛传播。这类排名在一定程度上影响了考生的认知与选择，尤其是对于信息获取渠道有限的中小城市及农村考生而言，更容易依赖这些公开排名来判断院校与专业的优劣。与此同时，在社交媒体与短视频平台的推动下，高考志愿规划师（“高报师”）或志愿填报咨询机构迅速崛起，个别具有较高曝光度和影响力的从业者甚至能够显著影响部分地区的报考风向。这些信息中介一方面通过数据分析、就业趋势解读等方式，帮助考生和家长弥补信息不对称；另一方面，其强烈的观点输出也可能在一定程度上造成选择的同质化倾向。
根据笔者作为高教从业者的参与式观察以及各方呈现的数据，当前高考志愿填报的整体性特征是：以专业选择为主，兼顾高校因素；而地域等因素的影响在大学本科阶段并不十分明显。近几年来，东北地区某著名工科大学的录取分数线迅速升高，被称为“最大赢家”，就是这一现象的最好证明。不少学生和家长认为：未来学生一定会读研的，所以等到毕业后再考虑就业地点不迟。就笔者所在的法学专业来说，近年来全国各高校法学的录取分数线都急剧升高。不少学生和家长也都向笔者表示，法学是“文科中唯一有专业门槛的专业”，或者“公务员招考最多的专业就是法学和中文”。这些观点跟很多“高报师”的主张也不谋而合。
笔者在工作中也发现，一般来说，多数来自普通家庭、中小城市或农村地区的生源，倾向于专业优先的报考路径。这是他们在信息不对称情境下，追求稳定的理性选择。而对极少数家庭条件相对优越、信息渠道比较多元的家庭来说，因为家庭可以为下一代“托底”，所以会鼓励考生根据自己的兴趣选择专业，这类考生更可能优先考虑学校平台，也会更多地考量地域因素。当然也有相当比例的考生在填报志愿时的心态处于这两者之间，所以才会呈现出前文所描述的在“选大学还是选专业”之间的纠结状态。综合来看，在经济社会等大环境相对不确定的情况下，求稳是绝大多数人进行行为选择时最优先考虑的因素。
在这一历史脉络与现实心态的交汇处，本文需要进一步追问：当人们普遍以专业来应对不确定性时，专业能在多大程度上承担这种稳定承诺？申言之，在人工智能时代，专业是否仍然重要？如果重要，重要到什么程度？
二、在人工智能时代专业重要吗

（一）专业决定论：工业社会的逻辑
如前所述，在当代高考志愿填报的公共讨论中，“专业决定毕业去向，甚至决定一生”的观点占据着较为主流的位置。这一判断往往以初次就业结果为核心依据，将专业视为连接教育体系与劳动力市场的关键纽带。从表面上看，这种逻辑似乎不言自明：不同专业对应不同职业赛道，不同专业的含金量差异，最终会在就业率、薪资水平和社会地位上得到体现。然而，如果将这一观念置于更长的历史视野中考察，就会发现，它并非普遍适用的教育原理，而是高度分工的工业社会与特定高等教育制度背景下的产物。
19世纪，以普鲁士为代表的德意志地区在推进工业化和国家现代化进程中，对大学制度进行了系统性重构。在洪堡主导的现代大学改革中，虽然“学术自由”“研究与教学统一”等理念被反复强调，但与之并行的，是高度专业化的学科建制与课程体系的确立。大学被寄予为国家培养专业官僚、工程师、医生和法律从业者等专业人才的使命，高等教育与工业社会、民族国家之间形成了紧密的功能性关联。在这一制度框架中，专业不仅是知识分类的结果，更是社会分工的直接反映：个体通过专业训练，被嵌入工业社会的分工体系之中，成为履行特定职能的“合格零部件”。
这种以专业化为核心的大学模式，随后在不同国家（主要是欧洲大陆和亚洲国家）的工业化进程中被吸收和改造，对20世纪的高等教育结构产生了深远影响。在计划经济体制下，这一逻辑被进一步强化。专业不仅意味着能力训练，也直接对应岗位分配与社会角色定位。正是在这种历史经验的积累中，专业的重要性逐渐被固化为一种常识，成为教育选择中几乎不容置疑的前提。即便在计划经济体制解体、市场机制逐步确立之后，专业在高等教育中的核心地位依然没有迅速松动。这并非偶然，而是转型社会中多重结构性惯性的结果。
一方面，劳动力市场在很长时间内仍然保持着对专业资质的高度依赖。无论是招聘门槛的设置，还是职业资格认证制度，都在客观上强化了专业与岗位之间的对应关系。一些用人单位，尤其是公务部门，在招聘应届毕业生的时候，基于惯性思维、“怕出错”的心理以及“筛掉过多应聘者”的功能需要，总是把应聘者的专业背景卡得很死。另一方面，高等教育规模的快速扩张，使得学历贬值与就业竞争加剧，选对专业被赋予了对冲风险的现实意义。在信息高度不对称的情况下，家庭和考生倾向于依赖“看得见”的专业标签来判断未来的安全性，这也为专业决定论提供了社会心理基础。
近年来，伴随着就业压力上升和社会不确定性增强，越来越多的考生与家长将志愿选择简化为“保专业”策略。自媒体与志愿填报咨询行业的兴起，在一定程度上强化了这种判断逻辑。通过对就业数据、薪酬排名和公务员招考条件等内容的反复呈现，专业被塑造成一种可量化、可预测的稳定承诺。然而，需要警惕的是，这种稳定预期在很大程度上仍然建立在工业社会的经验之上，即默认社会分工结构和职业需求具有相对稳定性。
（二）人工智能对专业化的冲击
人工智能社会对工业社会的替代，可能会从根本上动摇上述前提。当然，这样的结果不一定很快呈现，很有可能会像前几次工业革命那样，逐渐对人们的生活产生颠覆性影响。但与以往的技术变革不同，人工智能不只替代体力劳动或简单工具性工作，也直接介入知识生产、信息处理和决策支持等传统意义上的脑力劳动领域。这一特征，使人工智能对高等教育所培养的专业能力形成了更加直接的挑战。
从技术逻辑上看，人工智能最擅长处理的是高度形式化、规则明确、重复性强的任务。这意味着，那些专业化程度越高、训练路径越标准化、工作内容越可程序化的领域，反而越容易受到技术替代的冲击。长期以来被视为安全选择的不少专业，恰恰具有这样的特征。以法学为例，该专业近年来被频繁称为“文科第一专业”，不仅在高考志愿中热度居高不下，也在公务员考试和公共部门招聘中占据明显优势。然而，从工作内容结构来看，大量法律实践活动本身具有高度的形式理性特征：规范检索、案例比对、文本审查、合同起草等，都依赖于稳定的规则体系和重复性操作。随着自然语言处理和法律智能系统的发展，人工智能幻觉现象逐渐减少，这类工作正在被自动化替代。虽然司法裁判和法律判断仍然涉及价值权衡与情境理解，但专业内部的分工正在发生变化，对单一法律知识训练的依赖显著下降。类似的趋势也出现在会计、审计、翻译、新闻编辑等领域。由此可见，在人工智能时代，“专业门槛”不再天然等同于安全，相反，过度依赖专业标签来规划未来，有可能放大长期风险。
工业社会语境下，专业被期待提供清晰、稳定的职业出口；而在人工智能时代，社会运行机制和职业结构正在向高度不确定性转变，任何试图通过一次性选择来锁定人生路径的策略，都会变得日益脆弱。因此，过度强调专业的重要性，甚至不惜牺牲分数去保专业，其背后的稳定诉求完全可以理解，但这种选择逻辑显然难以应对技术变革所带来的深层重构。人工智能时代与高度分工的工业社会已呈现本质差异：专业不再是终点，而只是起点；不确定性不再是异常状态，而是常态环境。在这样的情境中，真正具有长期价值的，不再是某一具体专业的名称，而是个体在专业学习过程中所形成的理解能力、迁移能力与再学习能力。
三、语言等通识能力为什么重要

如果说前文已通过对专业逻辑的历史回溯与现实反思，初步动摇了专业决定论的稳固地位，那么随之而来的问题便是：在专业不再具有决定性意义的前提下，高等教育究竟应当着力培养何种能力？换言之，当人工智能不断进入信息处理和知识生产的核心领域，人之为人的不可替代性究竟体现于何处？
（一）语言能力：人机协同时代的核心能力
在当下公共舆论中，一种颇具代表性的看法认为，既然人工智能已经能够进行高质量的机器翻译和文本生成，那么学习语言的必要性就势必下降。近年来，外语类专业在高招志愿填报过程中越来越冷门，就是最好的例证。笔者认为，这一判断看似合乎直觉，也有一定的合理性，但实则误解了语言能力在人工智能时代所处的地位。
从哲学史视角审视，大语言模型的成功恰恰是对20世纪哲学“语言转向”之后的一系列理论判断的有力论证。无论是洪堡将语言视为“民族精神的外化”，海德格尔提出“语言是存在的家”，还是维特根斯坦关于“语言界限即世界界限”的命题，以及“萨皮尔-沃尔夫假说”所揭示的语言与思维结构之间的决定性关联，这些看似抽象的哲学观点，都在当代人工智能技术中获得了出人意料的现实呈现。大语言模型展示了语言与现实世界之间的密切联系，语言甚至被证明是主观与客观世界之间的桥梁，更是思维的载体。
从功能层面观察，大语言模型通过对语言结构、语境关联和概率关系的极致模拟，展现出接近人类理解模式的效果。这一事实恰恰说明了语言本身就是人类认识世界、组织经验和进行思维活动的核心媒介。语言能力并非仅仅是附着在思维之外的表达工具，它也是思维本身的组成部分。甚至可以说，一个人能够说出什么样的话，在很大程度上取决于其如何理解世界、如何区分事实与观点、如何进行因果和价值判断。因此，如果将人脑形象地理解为一种“生物智能系统”，那么人的语言能力与其思维复杂度、抽象能力和理解深度之间，存在着高度相关性。
更为重要的是，在人工智能时代，语言不再只是人与人之间的交流媒介，更成为人与机器进行有效协作的关键接口。无论是通过提示词与模型交互，还是在复杂系统中进行需求描述、目标设定和结果校正，语言能力都直接决定了个体能否准确表达意图、理解反馈并进行反思性修正。因此，语言能力决定了个体能否有效嵌入到一个人机协同的知识网络之中，以及能否在智能系统的支持下扩展自身能力边界。从这一视角看，在我国中学阶段长期被视为基础学科的语文、数学和外语，本质上都可以理解为不同形式的语言训练，即自然语言、形式语言与符号语言。甚至计算机科学中的编程学习，本身也是一种高度结构化的语言实践。这一事实进一步说明，语言能力不只是文科学生的专属技能，而是所有人在人工智能时代都必须具备的基础能力。
当然，强调语言能力在人工智能社会中的重要性，并不是说多数人都应当在报志愿时选择外语专业或语言类专业，而是意味着语言能力的训练应当作为重要的通识模块，成为高等教育培养体系中的重要环节。这里所说的语言能力，并不仅限于狭义的外语或母语表达能力，而是包括逻辑组织、概念界定、批判性分析和抽象表达等一系列能力。在人工智能日益嵌入人们日常生活的时代，高等学校应该越来越重视对学生语言能力的培养，“外语+X”等新型交叉专业设置非常值得鼓励。
（二）超越语言的通识能力：人工智能难以替代的能力维度
如果说语言能力构成了人机协同的基础接口，那么语言之外的一系列通识能力，则构成了人工智能暂时难以触及也难以替代的能力维度。这些能力主要体现在三个方面：事实发现的能力、价值判断的能力，以及更为综合的情感和情境感受力。
首先是事实发现的能力。在具备更强空间和时间感知能力的“具身智能”出现之前，现有的人工智能（尤其是大语言模型）虽然在处理既有数据、识别模式和进行推断方面表现出强大的优势，但其前提始终是对已有信息的读取和利用，而无法主动进行新的事实发现。大语言模型的有效推理和决断，往往有赖于人们将准确的事实以恰当的语言向其进行输入。然而，在现实社会中，许多关键事实并不是以结构化数据的形式存在，也没有办法被人工智能直接读取，而是隐藏在复杂的社会关系、制度运行和人际互动之中。对事实的发现，往往需要研究者进入具体情境，通过观察、访谈、追问和比较，逐步构建对现实的理解。这种能力超越了简单的信息检索，是一种高度依赖判断力、经验和情境敏感性的实践活动。理想状态下，新闻学、社会学、人类学等学科长期以来正是通过系统地训练这种能力来理解社会运行的复杂性，这些学科的重要性也在于此。
其次是价值判断的能力。人工智能可以在既定价值函数和规则框架内进行优化，但“从AI目前的发展来看，没有理由认为AI自身就具有理解力以及认识和回应道德理由的能力”。在现实决策中，尤其是涉及公共事务、伦理冲突和社会治理的问题时，往往不存在唯一最优解，而是需要在不同价值之间进行权衡。这种判断无法通过简单的计算来完成，而必须建立在对社会规范、历史经验和道德直觉的理解之上。适当设置政治哲学、伦理学等通识课程，可以通过对经典问题和思想传统的讨论，帮助学生理解价值冲突的复杂性，并形成自我反思的能力。
最后是情感和情境的感受力。这种能力最为综合，在理论上也最难以被替代。尽管人工智能在情感识别和情绪模拟方面取得了一定进展，但其“理解”仍然停留在表层模式匹配的层面。人在具体情境中对他人情绪、社会氛围和隐含意义的把握，往往依赖长期的社会经验和情感共鸣。“正是人类特有的道德能力造就了地球上绝无仅有的人类智能”。这种能力在教育、医疗、司法、公共服务等领域尤为重要，也是许多“人类职业”能够持续存在的重要基础。
基于以上原因，本文认为，在人工智能时代，部分传统上被视为“通识性”或“非实用性”的课程，如新闻学、社会学、历史学、政治哲学、伦理学等，非但没有过时，反而应当成为高等教育体系的重要组成部分。当然，这并不意味着简单重复过去文科专业课的“机械化”教学模式。如果这些课程仍然停留在机械记忆、概念背诵和标准化考试的层面，那么人工智能会比人类更为擅长，其教育价值将被大大削弱。所以，高校通识课程的教学方式与考核机制也需要发生转变。通过案例分析、情境模拟、讨论式教学及跨学科合作等手段，引导学生在真实或准真实的问题情境中运用知识、作出判断，才可能培养上述能力。这无疑对高等教育从业者提出了更高要求，同时也对大学的教学组织方式提出了新的挑战。
综上所述，语言能力及其与之相关联的各种通识能力，构成了人工智能时代高等教育中最具基础性和前瞻性的能力体系。这些能力旨在培养个体的核心素养，使人能够与智能系统协同工作，并在不确定环境中持续学习和作出判断。甚至可以说，语言等通识能力教育的目标，不在于培养与机器竞争的人，而在于培养能够驾驭、理解并反思机器的人。正是在这一能力维度上，人之为人的独特性，才可能在人工智能时代得到真正的保存与发展。
总结与讨论：从专业化到通识化的能力培养

本文的问题意识源于在高考志愿填报季反复出现却始终难以形成共识的现实问题：大学与专业究竟哪个更为重要，考生又应当如何理解和选择所谓的“好专业”？通过对改革开放以来志愿填报参考因素演化的回顾，以及对专业逻辑在人工智能时代所面临挑战的分析，本文试图说明，围绕大学、专业与能力培养之间关系的判断，并非一成不变，而是深受社会结构、技术条件与教育制度变迁的影响。
从历史经验看，在不同的发展阶段，人们在志愿填报中侧重的因素存在差异。计划经济与工业化加速时期，专业往往被视为通往岗位和职业身份的确定通道；市场化改革推进和区域差异显现阶段，地域和城市平台的重要性显著上升；而在交通与信息条件改善之后，大学整体水平和平台资源再次进入考生视野。近年来，随着就业压力增大和社会不确定性增加，专业的重要性被进一步凸显，甚至成为志愿选择中的首要乃至唯一标准。考虑到家庭和个体对稳定性的普遍追求，这一趋势具有现实合理性，但未必具有长远合理性。
本文认为，现阶段高考志愿填报过程中对专业的过度重视，本质上仍然是大工业社会高度分工逻辑在当代情境中的延续。在这一逻辑框架下，专业被期待提供明确、稳定且具可预测的职业出口。然而，人工智能技术的发展正系统性地改变这一前提条件。大量依赖重复训练、形式理性和标准化流程的工作，正逐步被智能系统替代或重构，传统意义上以“对口就业”为核心价值的专业优势也因此不断被削弱。与其说人工智能降低了某些具体专业的地位，不如说它动摇了“专业即稳定承诺”的制度想象。
在这一背景下，真正具有长期价值的，不再是某一具体专业的名称或短期就业表现，而是个体在教育过程中所形成的不可替代能力，尤其是人机协作能力、语言与理解能力、价值判断能力以及在复杂情境中发现问题和作出决策的能力。正如前文所论证的，这些能力的培养，往往依赖于更具开放性和综合性的通识教育体系。经济合作与发展组织（OECD）在2025年5月发布的报告《在强大的人工智能时代，教师应该教什么，学生应该学什么？》中指出，在人工智能时代的教育系统中，“并非学生都需要学习所有的内容，也不必总是学习相同的内容”，教学的重点应该“放在跨学科灵活运用思想上”，让学生学会“从系统而非学科的角度思考”。这些都显示了通识化教育在今天和未来的重要性。近年来教育部提出的“四新”（新工科、新医科、新农科、新文科）建设给予高等教育本科阶段的交叉学科建设、通识教育更大的想象空间。在未来的教育中，知识进路和探索方式均应当从根本上加以重新考虑，文科、理科、工科等传统专业的划分将不断模糊乃至消失。高等教育核心理念需要由追求“就业导向”逐渐向“能力培养导向”进行过渡，“推动高校人才培养模式从‘知识传授为主’转向‘能力素质并重’的深刻变革”。这一转变过程可能会比较艰难，因为它涉及高校管理体制中很多既有的观念和制度惯性，但却是一个不得不经历的过程。
由此也可以迂回地回应本文最初提出的问题：什么才是人工智能时代的“好专业”？本文认为，“好专业”不应被理解为最容易就业或者最不容易失业的专业，而应被理解为那些有助于个体在不确定环境中持续发展的学习路径。在高等教育体系尚未完成从“就业导向”向“能力导向”的整体转型之前，考生在现实选择中或许更应关注两点：其一，尽可能选择学习内容具有基础性、可迁移性和适用广泛性的专业，如文、史、哲、数、理、化等基础学科。这些专业虽然在“初次就业”市场上显得没那么热门，但是却可以为学生后续的发展打下一定基础，在考研的方向选择方面也相对宽泛。其二，优先选择通识教育资源较为丰富、鼓励跨学科交叉、学术氛围相对开放的综合性大学。通过这样的选择，个体或许更有可能适应人工智能社会对人的全面发展和长期成长所提出的新要求。
从这一意义上看，人工智能时代高等教育所面临的核心任务正在发生结构性转变。随着以高度分工和专业对口为特征的人才培养模式逐渐显露其局限性，高等教育亟须在通识教育导向与学科交叉机制的系统建构之上加大投入。在这一框架下，语言表达与概念澄清、逻辑推理与批判性分析、事实发现与证据意识、价值判断与伦理反思等基础能力，应在人才培养体系中占据更为重要的位置，使学生具备在高度不确定的社会与技术环境中持续学习、重组知识和调整行动策略的能力。同时，学科交叉也需从课程层面的简单叠加，转向以真实问题为中心的教学组织模式，在人文社会科学与理工技术之间形成稳定且可交互的知识结构，帮助学生理解技术运行、制度安排与社会生活之间的复杂关联。
相应地，高校的课程设置、教学组织与评价体系亦需同步调整。尤其在文科类专业中，应逐步弱化以机械记忆和标准化答案为核心的考核逻辑，强化在具体情境中进行论证、调查与判断的能力评价体系，并为教师开展跨学科教学与讨论式学习提供制度支持。在指标导向上，也应更强调教师的宽广视野和交叉研究水平，而不仅仅是在特定领域内的专精程度。换句话说，高校需要引进和培养更多“狐狸式”的博雅学者，而不仅仅是“刺猬式”的专家，对学者们学术生产的评价标准也应有所调整。唯有如此，通识化与学科交叉才能从理念层面的倡议转化为可持续的人才培养机制，使大学在人工智能时代真正承担起其根本使命——培养能够与智能系统协同工作，同时保持价值自觉与公共责任的现代公民与专业人士。这一转向，既关乎考生在志愿填报中如何理解“好专业”的标准，也关乎高等教育制度如何面向未来重塑自身的定位。
点击进入下方小程序
获取专属解决方案~
责任编辑 | 郭晴晴
审核人员 | 张文硕
本文声明 | 本文章仅限学习交流使用，如遇侵权，我们会及时删除。本文章不代表北大法律信息网（北大法宝）和北京北大英华科技有限公司的法律意见或对相关法规/案件/事件等的解读。

安雅熙______ · 发表于 2026-7-2 14:45:46

经济不景气什么专业都不行

淡悸de优伤 · 发表于 2026-7-2 14:48:17

听起来好像有理，但是总又感觉哪里不对劲。各个院系都自负盈亏，那么学校就不用投入了。让老师自负盈亏，你给他什么平台？拿什么让他创造研究？再说创新性研究哪有这么容易？如果一个专家教授自己空手能自负盈亏，干嘛到你们学校？

		自动登录	找回密码
密码			立即注册

同济大学法学教授：当今什么是好专业？选大学还是选专业？ ...

浏览过的版块