【摘要】生成式人工智能技术的发展塑造了全新的知识生产形态，改变着职业教育课程知识生产的底层逻辑。传统的职业教育课程知识生产越来越不能适应新技术时代创新型技术技能人才培养的要求。从认识论角度看，在人工智能时代，职业教育课程知识生产的转型主要体现在以下四个方面：职业教育课程知识的生产主体将从单一权威走向多元“众包”，生产过程将从专家“决定”走向人机协作，传播方式将从班级授课制走向数字化实践共同体，组织环境将从学校中心走向工作场所为中心的知识网络。
【关键词】人工智能；职业教育；课程知识；认识论；数字化转型
【引用格式】唐林伟.人工智能时代职业教育课程知识的认识论转型[J].中国职业技术教育，2025（20）：46-54.
作者简介
唐林伟，博士，浙江师范大学现代职业教育研究院院长，校聘教授，博士生导师。
随着互联网形态的演化和数字技术的不断创新，生成式人工智能（GenAI）实现了拟人化的知识生成，塑造了全新的知识生产形态，机器与人在功能让渡中建立一种新的平衡，从而在知识生产的模式、体制、逻辑等方面呈现明显区别于传统知识生产框架的特征。人工智能技术在垂直领域的广泛应用，打破了职业教育知识生产的格局，正在形成数字时代的生产范式。当“师—生—机”三元互动教学模式开始在职业教育实践中崭露头角的时候，传统的职业教育课程开发模式与教材形式越来越成为职业教育数字化转型亟须突破的“屏障”。本文依据马克思主义知识论的基本框架，从发生学角度对职业教育课程知识生产主体、过程、传播方式和组织环境进行系统分析，以探寻人工智能时代职业教育课程知识生产的发展趋势，为职业教育课程改革的数字化转型提供理论支持。
一、生产主体：从单一权威走向多元“众包”
以技术知识为主体的职业教育课程知识来源丰富，但最终是由课程专家“决定”的。随着人工智能技术无差别赋权于使用者，去中心的知识生产逐渐衍生出一种宏大的平权效应。在人工智能时代，职业教育课程知识生产的主体将逐步从专家权威走向专家、机器与师生个体的多元“众包”。
（一）职业教育课程知识生产的传统权威
托马斯·休斯所提出的“技术系统”指出，技术是由发明家、工程师、管理者、工人、投资者以及人工制品、组织机构、规章制度和文化历史传统等要素组成的异质系统。技术知识类型不同，来源也各异。技术知识生产主体包括科学家、工程师、大国工匠、民间技艺大师以及一线的技术员、操作工等。
尽管职业教育知识生产者队伍庞大，但不仅个体知识转化为公共知识需要“学术守门人”按照一定的标准进行筛选，而且哪些技术知识可以成为职业教育专业学习的内容、成为专业课程构成要素，以及它们以怎样的次序、结构与形态呈现等，是一个复杂的“开发”与“决策”的过程。
以就业为导向的职业教育需要学生掌握的主要是企业的主流生产工艺、岗位技能和以“够用”为标准的客观形态的理论知识。其课程知识需要依据一定的课程开发模式和技术，在课程专家的技术指导下，对学生的学习内容进行权威筛选。尽管企业“专家型工人”也可能会参与课程开发，但他们是作为技术权威与课程专家一起参与课程开发，课程专家和技术权威一起按照岗位需求“决定”了课程知识及其结构等。
（二）人工智能成为职业教育课程知识生产重要主体
随着大数据和人工智能技术的发展，人类已经不是世界运动规律的唯一发现者。美国数据库专家、计算机科学家詹姆斯·尼古拉·格雷（James Nicholas Gray）提出的“科学方法的革命”理论认为，科学研究依次经历了经验科学、理论科学、计算科学和数据密集型科学四个阶段，与之相对应的研究范式分别是经验范式、理论范式、模拟范式和大数据科学范式。大数据科学范式即所谓的“第四种范式”，它强调通过分析海量数据以揭示模式、测试理论并推动知识的发展，这种范式在处理复杂系统和社会现象时显示出独特的优势，标志着科学研究方法论的重大转变。
数据挖掘是一个从大量数据中挖掘有趣模式和知识的过程。在大模型时代，人工智能将能够根据用户需求识别并构建不同数据库之间的模式、关联与趋势，从而成为职业教育课程知识生产的重要主体。人工智能可以基于人类输入的显性知识以及基于机器学习的隐性知识构建新的想法和解决方案，它进行职业教育课程知识生产的机制主要依赖于其强大的学习和生成能力，以及复杂的神经网络结构（包括自编码器、变分自编码器、生成对抗网络和Transformer等）和道德准则的引导。这种机制使得生成式人工智能能够基于专业特色、行业发展趋势以及学生个体的认知特征等直接生成或者与人类专家、教师一起生成高质量、符合期望的职业教育课程内容。
生成式人工智能在职业教育课程知识生产中有着独特的优势。一是先进性。及时“投喂”给数据库的最新数据可以让系统生产出与行业发展密切相关的、能够代表新质生产力的知识内容。人工智能还能通过预测行业趋势，提前生成相关课程内容，帮助学生掌握未来所需的技能，增强课程的适配性。
二是科学性。人工智能系统生成的职业教育课程知识可以突破传统主客对立和知性概念形式逻辑所造成的学科藩篱，天然具备工作过程逻辑的优势。人工智能还能通过持续学习和优化算法，不断提升生成内容的科学性和准确性。此外，人工智能与人类专家的协同可以在发挥人类专家价值引领优势基础上避免其偏见，确保知识的公正性和全面性。
三是人本性。基于学习者学习轨迹、学习兴趣、学习水平等的大数据信息，生成式人工智能可以针对个体具体情况“推送”适合每个学生的知识内容，从而为差异教学奠定基础，达成学生个性发展和全面发展的双重目的。
（三）“个体”在职业教育课程知识生产中的价值不断凸显
尽管人工智能在未来的知识生产中将发挥越来越重要的作用，但机器所能生产的毕竟是在大数据系统中基于一定的算法发现的具有规律性和普遍性的客观知识。海德格尔认为，技术不能被还原为独立于其生产、应用情境以及解释者视域的一套非常明确的规则。我们要想理解技术，必须考虑跟技术绑定在一起的“须臾不离”的人的作用。作为工具的锤子只有在操作和使用过程中才能被理解和把握，客体是在人与其存在的世界的联系中呈现的，从来不存在任何的“物自体”，有的只是情境中被情景化的事物。这种主客一体的具身认识论时刻在提醒我们不能“遗忘了人”。
人工智能时代，当具有重复性的技能和强逻辑性的知识已经成为机器和软件的优势和强项时候，个人在工作一线的真实环境中自下而上体悟到、习得的具有高度弹性、个性和情境依赖性的“软知识”，以及在解决柔性生产过程中遇到问题时所锻炼出的判断力、直觉，还有工作时所秉持的良知、责任心、同理心、工匠精神等，将变得更加重要。这是任何先进的软件和灵活的人形机器都无法替代的。随着大模型技术的发展，不仅个体生成的职业教育课程知识的重要性得到大幅度提升，而且知识发现的便利性在不断提高，其门槛也在不断地降低。个体在实践中发现、形成的知识可以在不经过课程开发权威和共同体认可的情况下，通过网络媒体进行快速地发布和传播，并成为大数据库中数据颗粒从而为新的客观知识的产生贡献智慧。
对学生基于生产、服务和管理一线生成职业教育课程知识的关注具有以下几个方面的价值：一是有助于培养学生的问题解决能力，培养创新型人才。对个体知识的关注有助于发挥学生的主观能动性，尊重学生的个性，让学生在真实的工作任务中解决问题、发挥才干，增强个体的创新意识和创造能力。二是有助于克服单一权威“开发”课程的弊端。岗位“生成”的课程即工作任务本身，这样的课程是“最及时”的课程，保证了职业教育课程知识的先进性、真实性和人本性。三是与人工智能工具生成的客观知识形成互补优势，有助于实现职业教育课程知识生产的“人机协作”。
二、生产过程：从专家“决定”走向人机协作
数字形态的知识生产可以跨越时空限制，促进知识生产活动的无边界化，突破共同体间的制度壁垒，从而形成知识生产的协作机制。生成式人工智能技术的成熟，为我们突破职业教育课程知识专家“决定”模式的局限、建立人机协作机制、构建技术生态提供了条件。
（一）职业教育课程知识“专家决定”模式的局限
职业教育课程知识来源于复杂多样的技术知识。技术知识的生产，不仅是科学技术理论自上而下的应用，还是技能习得基础上自下而上的技术积累，这是一个双向建构的过程。自上而下的过程是要促使潜在技术转化为现实技术。研发工程师、发明家做出的技术成果，并非企业可以即摘即食的苹果，而是有点像松果和幼松，至少要经过加工和再培训才能用上，期间，问题解决的过程即是新知识产生的过程。
通用技术在各行业应用过程中将产生多种具有行业特色的“地方性”、情境性知识。而自下而上技术积累的过程则是通过个体不断试错，逐渐习得肌肉记忆，然后不断总结规律、提炼客观知识的过程。这是一个“可言传行动”逐渐增加，“直觉”和“意会”类知识逐渐减少，生产的不确定性和“戏剧化”程度不断降低，客观知识不断积累的过程。
然而，不管是通用技术在垂直场景应用中所产生的个体知识和情境性知识，还是个体经验所提炼出的客观知识，职业教育课程知识最终还是主要由课程专家依据课程开发的特定技术模式进行筛选和重组的，是由课程专家“决定”的。在人工智能时代，职业教育课程知识的这种单一权威“开发”模式具有明显不足和缺陷：
第一是滞后性。在技术发展不断加速，新岗位、新职业不断涌现，传统就业岗位大量消失的当下，由课程专家及企业专家型工人联合开发的职业教育课程知识通常需要较长的时间，从企业最新的生产工艺到编入教材再走进课堂，有些知识已经落后于生产实践。
第二是模拟性。从主流职业教育课程模式看，不管是CBE、MES还是工作过程导向课程，其背后的基本理念是基本一致的，即通过课程开发，把企业生产过程通过项目或能力模块教给学生，这些项目和能力模块是对企业生产的模拟，而非企业生产本身。
第三是工具性。权威开发的课程是要按照企业岗位需求“生产”标准化的员工，这样的知识开发模式很难照顾学生的个体需求、促进学生的个性发展，但“个性”恰恰是人相对于机器的“存在论”级别的优势。
（二）职业教育课程知识生产的人机协作机制
在技术知识生产双向构建过程中，人工智能作为知识生产的新主体，其赋能作用主要体现在：一方面，在重组现有知识以产生新知识过程中，人工智能对组织即兴创作（organizational improvisation）至关重要，因为人工智能可以组合数据库中可用的显性知识，以实时响应环境变化，这可以赋能科学技术理论自上而下的应用过程；另一方面，人工智能可解析所收集数据的模式，挖掘规律，并在没有人为干预的情况下创建全新知识集，使组织能够以前所未有的效率利用大数据资源，并从中提炼有价值的洞察，这有助于提升个体知识自下而上的积累的效能。有研究发现人工智能通过自主学习机制可以深入挖掘专家的知识，能在某些情况下产生超越专家的见解，从而更深刻地揭示知识背后隐藏的模式和联系。
在新型的职业教育课程知识生产过程中，可以通过融合人工智能的技术优势与人类教师、专家的教育智慧，构建起“人工+智能”的新型课程知识更新机制，以不断提高职业教育专业课程更新的效率和适配性。在这一新机制中，人工智能的主要角色：①知识矿工，即能够实时抓取产业知识碎片；②结构工程师，即按照课程开发技术的既有逻辑能够搭建或优化课程框架；③模拟训练师，即能够根据课程内容生成虚拟实训场景。而人类课程专家的主要角色：①价值判断者，即对人工智能抓取的知识进行价值判断，筛选关键知识；②伦理审查员，即能够确保技术应用的合规性；③情境设计师，即在现实环境中设计、构建教学场景。
在学校条件逐渐成熟的情况下，通过角色分配，我们将能够实现“机器洞察规律，人类把握方向”的新型课程知识生产生态。以“工业机器人系统运维”课程为例，表1呈现了人机协作进行职业教育课程知识生产的基本过程。
（三）建设人机协作课程知识生产的技术生态
当前自下而上的职业教育数字化课程改革实践正在形成人机协同的技术生态系统并重塑职业教育课程建设的底层逻辑，根据技术发展现状和目前应用的实际情况，应重点做好以下工作：
一是建立知识可信保障体系。知识可信度是人机协作知识生产的首要挑战，我们需要建立分层级的质量管控体系。第一是“双盲校验系统”，即职业教育课程专家与AI系统各自独立完成知识验证：人类专家侧重内容的教育适用性审查，AI系统则通过知识图谱交叉验证、文献溯源等技术手段进行逻辑自洽性检测。第二是利用区块链技术构建分布式课程版本库，每个知识节点的修改都需要经过智能合约认证。第三是引入第三方验证平台，实现课程内容与行业标准的自动校准。
二是搭建全流程的技术伦理治理框架。技术伦理治理是人机协同进行课程知识生产的制度基石。在数据输入层，可以通过敏感词过滤算法屏蔽军事技术、生物工程等受限领域内容；在算法层，应采用价值观对齐技术，确保生成内容符合社会主义核心价值观；在输出层，设置人工复核关卡，特别是对涉及安全操作规范的内容进行重点审查。
三是打造深度协同的人机交互范式。教师与AI系统的深度协同需要重构传统教研模式。首先，建立“提示词工程”培训体系，开发包含语义解析、上下文理解等模块的AI对话训练系统。其次，构建“人机教研共同体”，可以采用联邦学习技术（Federated machine learning/Federated Learning）打造分布式智能体。每个教师配备专属数字助教，通过持续交互训练形成个性化知识模型。最后，建立反馈进化机制，将教学过程数据实时回传AI系统，形成“开发—教学—优化”的闭环迭代。
四是构建智能化的技术支撑平台。硬件基础设施是体系运行的物理载体，需要建设“三库一系统”支撑体系：产业知识库对接工信部等工业大数据平台，实时获取企业的生产数据；教学要素库采用知识蒸馏技术，将产业数据转化为教学参数；案例资源库集成AR/VR素材，积累3D实训案例。而数字孪生系统的建设尤为关键，需整合BIM、物联网等技术构建虚拟教研室，实现课程动态调整的可视化。
三、传播方式：从班级授课制走向数字化实践共同体
传统以“教师、教材和课堂”为中心的班级授课制在客观知识的传播上被证明是高效的，但这种高度组织化的教学与知识传播模式即将遭遇学生个体崛起所引发的矛盾和冲突，更加灵活、弹性、以学生为中心的学习组织模式将成为职业教育课程知识传播的主流方式。
（一）班级授课制及其在人工智能时代面临的挑战
最初的职业教育是基于工作场所真实工作任务的师傅带徒弟的技能训练。工业革命的浪潮扫荡了传统学徒制的基础，职业中技术含量的不断增加和资本主义的机器大生产模式使得传统学徒制的教学内容、培养效率都落后于时代发展的需求。19世纪下半叶，一些资本主义国家开始通过义务教育法，并且开始明令禁止童工的使用，以开发人力资源、服务产业发展为目的的公立学校教育开始发展起来，传统学徒制教育形式走向瓦解。
第二次工业革命之后建立起以义务教育和班级授课制为主要特征的现代教育制度。班级授课制这种将固定数量的学生按照年龄和学习特征编入不同班级的教学组织形式极大地提高了技术知识传播的效率，学生开始被“批量”“生产”出来，它促进了教育公平，成为各个国家人力资源开发的重要工具。可以说，班级授课制是与第二次工业革命生产方式相匹配的职业教育课程知识传播方式。因为在“泰勒制”的生产流水线上，工人所从事的是高度重复性的工作，他们不需要创新与创造，听话、守时、效率高、操作娴熟是他们的美德。但班级授课制在育人方面的僵化、同质化以及对学习者个性发展的束缚等弊端，随着信息时代的到来开始受到越来越多的批判。
在人工智能时代，标准化的知识传播与授受模式很难培养出柔性生产需要的高素质从业者。在工业4.0的柔性生产模式下，大量重复劳动被机械手取代，员工最可贵的品质是在自动生产线出现意外时的应急处理能力，以及与此相匹配的创新能力、问题解决能力、领导力等。学校教育亟须实现人才培养的“柔性化”和“个性化”变革，以适应“精益工业4.0”生产的要求，凸显人类相对于机器的优势。因此，培养创新型技术技能人才成为职业教育人才培养的核心目标。从文化角度讲，职业教育数字化转型是要从工业革命时代“批量生产”的“标准”文化走向后工业时代彰显人文特征的“创新”文化。
（二）人工智能时代自我组织学习方式的兴起
自我组织学习（Self-Organized Learning）是一种强调个人在学习过程中的主动性和自主性的学习方式。在这种学习模式中，学生自己设定学习目标、选择学习内容、制定学习规划，并对自己的学习进度和成果进行评估。这种学习方式鼓励学习者根据自己的兴趣和需求进行学习，而不是被动地接受，它是一种典型的以学生为中心的学习模式。除了自主性、个性化的突出特点，自我组织学习还具有以下三个特征：一是高弹性。学习者可以根据自己实际情况安排学习计划和进度，并能适时做出灵活的调整。二是反思性。学习者需要对自己的学习过程和结果进行及时的评价与反思，以便调整学习策略，提高学习质量。三是互动性。虽然自我组织学习强调个人自主，但并不意味着放任和孤立的学习。学习者可以通过小组合作，以项目为载体，共同解决问题、完成任务，从而提升个体的工作能力。
随着人工智能技术在教学中的广泛应用，教育的数字化转型在推动学校逐渐形成自我组织学习的教学模式。例如，“自适应评估”可以让学生在学习的最佳时间进行恰当的评估。计算机自适应测试（Computerized Adaptive Testing，简称CAT）使用迭代算法来适应不同学生的能力水平——如果学生在前面的问题上答得很好，就会出更难的问题。据估计，英国大约有25%的学校已经开始使用不同形式的自适应评估系统，未来人工智能将管理每个学生的数据，为每个学生提供符合其个人实际情况的学习计划。
工业革命以前，家长们一般都希望能够通过师徒制的形式让孩子子承父业；工业革命浪潮席卷下的学校教育是在为流水线批量“生产”企业定制的工人；人工智能时代，当人的个性和创新成为机器无法替代的品质的时候，以自我组织学习为特征的知识传播方式将成为未来的主流，因为只有自我组织的学习环境才能培养与机器竞赛与合作的合格从业者。
（三）构建人工智能时代的数字化实践共同体
尽管传统学徒制的根基已经随着现代工业生产模式和技术革命的发展而土崩瓦解，但学徒制在学习任务的设置、学习组织以及学习效果等方面的优势却得到不断地挖掘，这为今天职业教育的教学改革提供了思路和方向。班级授课制在教育数字化转型中出现的不适，在创新型人才培养中的各种不足，加上智慧技术的“倒逼”，在新的教育技术手段加持下的新型学徒制将成为职业教育课程知识传播的重要方式。
教育人类学家J·莱夫（Jean Lave）和E·温格（Etienne Wenger）通过自己的研究揭示了传统学徒制工作组织环境中工作场所学习的社会性与合作性特征。在实践共同体之中，学习者能够真正不断参与到工作实践中，逐步构建自己的职业身份，从新手成长为专家。学习不应被看作是孤立的认知过程，而是应当嵌入到社会文化实践中去理解和进行。他们的研究推动了教育领域对学习定义和学习过程的重新思考，促进了以学习者为中心、以实践为导向的教学模式的发展。然而，传统学徒制是资源密集型的“精英教育”模式，因为三五个学徒就需要一位知识渊博或技艺精湛的师傅来教学，学徒培养效率低、成本高，不能适应现代企业生产对高素质技术技能人才在数量上的需求。这是其消失的重要原因。
今天，移动互联网、虚拟现实、增强现实、元宇宙等技术在解构班级授课制的同时，更有助于打破时间和空间限制，打造新型的虚实结合、跨年级、跨区域的具备自我组织学习特征的数字化实践共同体，从而有效地解决传统学徒制的培养效率问题。生成式人工智能与学校教师或企业师傅的协作机制将实现对传统学徒制的回归与超越。在这种数字赋能的实践共同体中，教师将成为学习的组织者和促进者，而学生则可以借助现实和虚拟网络的便利性向同辈中的知识或技能权威学习，在强大人工智能的辅助下成为学习的真正主体，在真实的工作任务和问题情境中习得基于生产流程的工作过程知识，锻炼和提高各种高阶认知能力。
四、组织环境：从学校中心走向工作场所中心知识网络
从职业教育课程知识生产和传播的组织环境看，单纯的学校环境已经越来越不能适应创新型职业人才培养的需要，教育技术的发展也对学校作为客观知识学习的权威地位提出了巨大挑战。适应工业4.0人才培养的要求，“精益学习工厂”模式为我们提供了借鉴，但长期来看，随着生成式人工智能功能的不断强大，我们应逐步构建起以工作场所为中心的知识网络才能真正满足企业生产对人才培养的需要。
（一）学校本位职业教育的迟滞与脱节
一直以来，学校都被看作是知识传授的正规场所，学校教育也是我们眼中的“正规教育”。古代学校的产生是教育与生产劳动相分离的结果，文字的使用造就了社会文化知识的复杂性，学校像是一种保存剩余物质的机构，像是一个剩余遗产的继承人一样，它接受和保存了那些无法直接通过日常生活经验而被传递的社会文化遗产。19世纪前半期的教育大变革使学徒制体系开始转变为普遍的学校教育。对职业教育而言，把正规的学校教育看作是技能学习之地，把知识技能的授受放在学校里面也仅有不到200年的历史。今天，随着技术的进步和教育数字化转型的发展，现代学校作为职业教育的中心或主导的地位正在受到严峻的挑战。
首先，学校职业教育的滞后性。尽管学校可以“适度”超前培养学生，但这个“度”却难以把握，且由于职业教育的“功利性”，“超前”与“当下”就业又极易产生冲突和矛盾。迅猛的科技革命亦让学校职业教育的知识更新目不暇接，预测新专业的产生和相关专业的技能要求将变得越来越困难，一些知识与技能走进学校课堂的时候就已经是过时的，学校职业教育与真实工作世界的鸿沟将变得越来越大。目前，生成式人工智能技术的发展让学校课程内容面临两方面的矛盾：一是学校课程内容的有限性与技术生成知识指数级增长之间的矛盾；二是学校课程内容的滞后性与新知识快速更新之间的矛盾。
其次，学校职业教育的刻板性。自学校教育普及以来，其知识传播往往是按照所谓“教授主义”（instructionism）的常识性假设进行设计的。这些假设形成了与现代学校制度相匹配的教育理念与实践体系：①知识是有关世界的事实（facts）和问题解决的程序（procedures）的集合；②学校教育的目的是将这些陈述性和程序性知识传授给学生；③教师是陈述性知识和程序性知识拥有者，教师的工作是把这些知识传授给学生；④学生学习的内容、顺序通常由专家研究决定，而非根据学生实际如何学习而定。教授主义适应了工业化社会经济发展的需求，然而，随着时代的发展，这种复杂的正规教育的运行机制却越来越表现出刻板性和活力的欠缺，学生的主体性受到桎梏，个体差异也很难得到恰当的关注。
再次，学校职业教育的优势在逐渐消失。古代学校是远离具体知识的，即使是现代学校也更多是客观知识学习和传播的场所。学校只是职业教育实施主体的一方，离开了企业的深度参与，学校职业教育只能培养“毛坯”员工，被称为“职业准备教育”。随着互联网技术以及线上学习社区的发展与成熟，客观知识的来源、生产与传播路径越来越多样化，学习空间正在从课堂走向课外、从线下拓展到线上、从学校拓展到校外，一个庞大的学习空间网络正在迅速展开。而生成式人工智能的快速发展，让以生产和传播客观职业教育课程知识见长的职业学校的优势黯然失色。
（二）面向工业4.0的学习工厂
学习工厂（learning factory）是一种基于真实生产和管理过程，以问题和行动为导向，面向高校、企业和研究机构的具有多种功能整合的实践学习场所。学习工厂不是对工业生产流程的简单复制，而是在强调基于工作任务和问题解决的教学论观念基础上，为学员提供优化的学习过程，以此将真实的工作世界引入课堂教学。学习工厂最初产生于19世纪90年代的美国，近年来，随着技术发展对员工职业能力要求的不断提高以及传统学校职业教育弊端的凸显，全球多个国家开始尝试建立学习工厂以便为新一轮产业革命的发展提供高质量的人才。
针对工业4.0对企业员工能力的要求，精益学习工厂（Lean Learning Factory）基于真实生产流程，将价值链管理有机融入整个学习过程的系统化运营的学习和培训场所。精益学习工厂的基本培养目标是，满足企业生产需要，培养学生实践操作能力、复杂问题解决能力以及创新思维，培养复合型、创新型工程技术人才。在精益学习工厂学习的学生可以在真实的工作场景中通过真实工作任务，不断发展面向柔性生产需要的各种知识与核心能力：不仅包括基本的工作过程知识，而且包含机器所无法取代的创新、对突发问题处理和解决的能力，以及协作、共情、分享等沟通协调方面的能力。
从德国精益学习工厂的实践和成效看，学习工厂实现了研究、教育和服务企业生产等多种功能。在学习工厂中，学生通过工作任务，研究如何规划工厂、如何精细化组织生产、如何开发新的生产技术、如何实现样机的批量生产等，这是研究功能，是知识的创造过程。这样的研究，其新成果、新技术可以实现与企业生产的无缝对接，帮助企业进行技术攻关和生产效率的持续改进。这种生产、研究、教育一体的学习模式，打破了学校职业教育传统“三中心”的学习场域观，彰显了学生在学习中的主体地位，有效地培养了学生的综合职业能力。学习工厂作为连接教育与产业的桥梁，对于克服学校本位职业教育的不足、培养人工智能时代工业4.0企业所需要的各种职业能力，以及促进职业教育课程知识创新与传播、提高技术技能人才的适配度、推动科技创新与产业发展具有重要的意义。
（三）构建以工作场所为中心的职业教育课程知识网络
随着劳动组织方式的变革，职业学习与工作过程的联系更加紧密，而工作过程知识的获得必须通过案例性的工作场所学习实现，因此工作岗位重新成为重要的学习场所。从企业内部看，生产升级改造过程中自适应生产流程需要员工与具体生产系统之间人机相互适应的训练，提供包括数据建模、解释和维护人工智能系统性能的培训。而技术技能人才要把掌握的技性科学知识（technoscience）转变成综合职业能力也离不开真实的工作环境。
在英国，尽管各种官方文件在持续强调高技术的重要性，但劳斯莱斯公司把学徒制和企业的职业教育的技能培养放在未来先进生产中“极端重要”的地位。从这些现实不难发现，现场工作能力（living laboring capacity）正变得愈加重要，而工人在遇到重大问题时能及时正确地做出决策，需要的不仅仅是理性和逻辑，还需要在工作实践中通过反复试错和不断自我矫正才能获得的知觉、本能和情感。
因此，不管是从设施、设备、技术，还是工人综合职业能力培养，未来学校本位的职业教育都需要进行重大改变。借鉴学习工厂的理念与经验，建立以工作场所为中心的，涵盖职业院校、企业大学、产业学院等多场所，线上线下、虚实结合的职业教育课程知识网络，实施企业主导，基于校企深度合作的高端学徒制人才培养，才能为学生有效的学习提供必备的物理条件与有效的社会组织环境，为知识内化和迁移创造机会。
