摘要:基于建构主义学习理论,以高职财经专业《大数据财务应用》课程为载体,探索人工智能技术在DAX语言教学中的应用。针对传统教学中学生代码学习困难、教师教学效率低下等问题,引入DeepSeek大语言模型辅助教学,并构建了“三阶段渐进式”混合教学模式。研究表明,AI辅助教学使学习效率显著提升(p<0.05),错误率下降了50%,60%的学生学习焦虑显著缓解。同时,研究揭示了技术应用瓶颈、学生依赖性和教师能力不足等挑战,提出构建财务业务代码模板库、实施分级训练方案、建立校企协同机制等优化策略。通过实证分析,为职业教育数字化转型提供了可复制的理论框架和实践路径,在提升学生数据分析能力、培养“财务+技术”复合型人才方面具有重要价值。
关键词:人工智能,职业教育,财经专业,DAX语言
0引言
AI(Artificial Intelligence,人工智能)技术的深度赋能与教育场景的创新融合,通过构建个性化学习系统、智能教育决策支持平台及虚实融合的教学环境,正成为推动教育现代化的重要力量。高职财经专业作为培养应用型财经人才的重要阵地,亟须借助AI技术实现教学模式的创新与升级。2023年国家出台《关于加快推进教育数字化转型升级的意见》《职业教育产教融合赋能提升行动实施方案(2023—2025年)》等政策,明确要求深化人工智能、大数据等新技术在教育中的应用,推动智能化教学工具的普及,优化人才培育效能,为高职教育数字化转型提供了政策指引,也为AI技术在高职财经专业教学中的应用创造了良好环境。
然而,当前高职财经专业教学中关于AI技术的应用仍面临诸多挑战。一是技术与实际教学场景融合不足,难以充分发挥技术优势;二是现有教学模式对学生缺乏个性化指导,智能化教学资源不足;三是教师对AI技术的应用能力参差不齐。这些问题严重制约了高职财经专业教学的数字化转型进程。
针对上述问题,本文构建了“三阶段渐进式”混合教学模式,并通过引入DeepSeek,破解学生的“代码恐惧症”。以大数据财务应用课程为载体,为职业教育数字化转型提供了可复制的理论框架和实践方案,并将学生从语法细节中解放出来、专注于业务逻辑分析,提升岗位适应能力,为培养“财务+技术”复合型人才、实现教育链与产业链的有机衔接提供了创新路径。
1人工智能在教育领域的应用现状
随着AI技术的发展,其在教育领域的应用从理论探索逐步走向实践,但也面临诸多挑战。基于认知负荷理论[1],人类接收和处理信息的能力有限,当信息呈现方式不当与任务设计复杂时,会导致外在认知负荷过高,学习困难,学生容易产生畏缩与排斥心理。而AI技术的使用,为降低外在认知负荷提供了新途径。
在教学层面,早期研究主要集中于教育目标的适应性调整。徐经长[2]提出会计教育需从单纯知识传授转向价值观塑造与能力培养,强调职业判断与价值管理能力,为智能时代专业教育目标转型提供思路。周守亮和唐大鹏[3]指出智能化时代财务岗位应从核算向战略财务、业财融合跃迁,会计教育需构建“管理+会计+大数据”知识体系,增加智能会计、数据挖掘等课程,减少传统财务会计比重,凸显复合型人才培养导向。李丰团和贺莹洁[4]明确了“大数据+会计”培养目标,主张将大数据技术与会计理论融合,取消手工记账等过时课程,强化学生数据处理与分析能力。王小红和徐焕章[5]提出“四位一体”培养目标,构建跨学科课程体系,推动传统会计核心课与大数据创新课融合。
教学模式与师资建设方面,马靖杰等[6]提出“财经+大数据+会计”跨界培养模式,通过校企合作引入企业案例,利用财务机器人模拟实务操作。徐志英[7]以计算机应用技术专业为例,介绍智能教学系统通过智能备课、人机交互实现个性化导学。郭蕾蕾[8]提出“师—机—生”三元协同模式,教师设计教学活动,AI辅助生成个性化资源并实时反馈学情。杨思琪[9]委员建议推广“双师型AI课堂”,促进优质资源跨区域共享。师资方面,李丰团和贺莹洁[4]指出高校教师多局限于单一领域,需通过进修、引进技术人才打造跨学科师资队伍。陈淑维[10]分析教师面临技术运用失范等问题,提出构建“AI+教师”研修制度,提升教师智能教育素养。
学习维度上,人工智能为个性化学习提供支撑。郭蕾蕾[8]、朱莎等[11]研究显示,生成式AI如Deep-Seek、讯飞星火能创设沉浸式场景(如模拟编程、实时答疑),提升学生信息意识、计算思维与数字化学习能力。资源整合方面,杨思琪[9]委员建议利用AI整合国家级智慧教育平台与慕课资源,天津多所高校实践显示,智能知识库(如梯度化习题库、AI助教系统)有效提升学习效率[12]。评估方式上,王小红和徐焕章[5]提出“四大课堂协同”多维度评估学生能力,郭蕾蕾[8]指出AI可记录学习过程数据,推动评价从结果导向转向过程导向。利用AI记录和分析学习行为数据,教师能够更精准地掌握学生的学习情况,优化教学安排,避免因教学安排不当增加学生的外在认知负荷。
尽管人工智能应用广泛,但技术局限仍然显著。理论与实际教学场景融合不足,李丰团等[4]指出高校仅将技术用于信息化建设,《会计信息系统》等课程内容过时,未与实务深度融合。王滨[13]提到高职教学中AI多用于基础功能,缺乏财务决策等复杂场景模拟,技术优势未充分发挥。现有教学模式难以满足个性化需求,朱莎等[11]发现生成式AI在信息社会责任培养上效果有限,学生数字伦理认知仍依赖教师引导;郭蕾蕾[8]指出DeepSeek等模型存在“幻觉问题”,生成内容可能包含错误信息,且算法偏见可能导致价值观偏离,需人工审核干预。教师技术应用能力参差不齐是另一瓶颈,陈淑维[10]指出部分教师对AI工具存在“抵触”或“过度依赖”,王晓军和赵文平[14]通过量表分析发现教师在数字化安全与责任等维度能力较弱,制约技术推广。
现有研究表明,人工智能虽推动教育向个性化、智能化转型,但需在技术与教学深度融合、教师能力提升及伦理风险防控等方面持续突破,方能充分释放其教育价值。
针对上述问题,本文基于建构主义学习理论,以大数据财务应用课程为实践载体,引入DeepSeek辅助DAX(Data Analysis Expressions,数据分析表达式)语言教学,构建“三阶段渐进式”混合教学模式,消除学生的“代码恐惧症”,促进AI技术与教学深度融合,提升教师的教学能力和学生的学习效率,为“财务+技术”复合型人才培养及教育链与产业链有机衔接开辟新路径。
2实践案例：人工智能辅助DAX语言教学
2.1案例背景
大数据财务应用是大数据与财务管理专业的核心课程,也是新专业目录中体现新技术与新业态发展的代表性课程。课程共48课时,其中理论教学12课时,实践教学36课时。课程面向大三财经专业学生开设,这些学生主修基础会计、财务管理等传统财务课程,普遍缺乏代码编写基础技能。该课程通过教学编写DAX语言,来实现数据的灵活计算和高效分析,然而这对于没有任何代码基础的财经专业学生来说是一件非常困难的事情。
在课程学习中,学生要实现数据的精准核算与深度分析,就必须要掌握DAX语言代码编写,但由于学生前期没有任何编程语言基础,实际操作时错误率高,在学习DAX语言时极易产生畏难情绪和抵触心理,严重阻碍了学生对课程知识的掌握以及专业技能的提升,亟须通过创新教学方法与技术手段加以解决,以推动教与学的双重升级,提升教学成效与学生学习体验。
DeepSeek等大语言模型能够依据精准的描述性指令,自动生成特定的代码片段,这一特性能巧妙化解财经专业学生在学习大数据财务应用课程中遭遇的代码困境,将原本晦涩难懂的代码编写“黑箱化”处理,学生无需深入探究代码底层逻辑,即可灵活运用代码实现数据处理目标,真正实现人工智能的co-pilot(副驾驶)。
2.2教学实施
案例:计算某企业2024年第一季度期间费用借方合计金额,用于后续分析。
2.2.1传统教学方式
教师讲解DAX语言的基础语法,演示代码的编写过程,然后指导学生进行代码编写。具体流程见图1。
财经专业学生由于缺乏编程基础技能,在代码编写过程中经常出现语法错误,使得教学进度缓慢、学生积极性受挫,此教学案例采用传统教学方法需要用大约40分钟。此外,由于传统教学资源不足、教学案例滞后,学生在课堂所学知识难以应用到实际数据分析中,导致他们在面对复杂问题时无从下手。教师虽然可以进行针对辅导,帮助学生解决代码编写过程中所遇到的问题,但由于时间和精力有限,无法兼顾所有学生,部分学生可能会因此失去学习兴趣和信心。因此,传统教学方法存在教学效率低、学生畏难情绪高等问题。
2.2.2人工智能辅助教学
运用DeepSeek辅助教学不需要花费大量时间讲解DAX语言的基础语法,而是引导学生如何借助Deep-Seek,将数据分析需求通过自然语言转换得到DAX语言,然后复制生成的代码放入Power BI软件,进行财务数据分析。具体流程见图2。
如根据某一企业2024年度会计分录汇总表,计算该企业2024年第一季度的期间费用借方合计金额,用于后续分析。
第一步:需求描述。
这是一个条件汇总的数据分析,首先要明确计算金额列合计,条件有3个:①时间限制在2024年第一季度,即2024年1月1日至2024年3月31日;②科目限制为期间费用,包含财务费用、管理费用和销售费用;③方向限制为借方。分析需求以后,开始编辑自然语言让DeepSeek进行代码生成,整理需求发送指令“帮我生成DAX语言代码,需求如下:根据会计分录汇总表,计算该企业2024年1月1日到3月31日期间财务费用、管理费用和销售费用的借方合计金额”。
将本案例的自然语言指令整理形成通用的提示词“帮我生成DAX语言代码,需求如下:根据XX表,计算企业XXXX年XX月XX日到XX月XX日期间XXXX(科目)的借方/贷方XX(指标)合计。”可用于同类型需求分析。
从运行结果可以看出,DeepSeek根据自然语言生成的代码,能够清晰准确地反映用户的需求,生成的结果和教师编写的代码运行结果一致。利用AI工具完成以上3步只需要10分钟。可见,借助AI工具可以快速完成代码的编写,解决高职财经专业学生的代码编写困难,可以让学生把更多的精力放在数据分析和业务逻辑理解上,而非纠结于语法细节。
第四步:逻辑追问。
学生根据DeepSeek生成的代码追问每个代码块的含义和作用,教师结合DeepSeek生成的代码说明(如表1)通过分层解析引导学生理解,这一步教学仅需10分钟。
(1)变量定义部分。
用VAR定义日期,提高代码可读性,方便后续随时调整起止时间。
(2)CALCULATE函数。
CALCULATE是DAX语言中最重要的函数,可以叠加筛选条件,进行多条件求和,而SUM函数无法进行多条件求和。
(3)FILTER多层逻辑。
FILTER函数适用于各类条件筛选,“‖”“&&”都是逻辑运算符,分别表示“或”和“且”的关系。让学生尝试将“‖”改用IN运算符运行,可进行多样化搭配。
通过这种追问式学习,学生不仅获得了可运行的代码,而且能理解业务需求到技术实现的转化逻辑,培养学生对人工智能生成结果的批判性验证能力,掌握代码优化思维,如变量复用、条件简化等。
2.3应用效果
人工智能辅助DAX语言教学的实施,显著提升了教学效果,具体体现在学生和教师两个层面。
2.3.1学生层面
1.实操错误率显著下降
通过DeepSeek等AI工具生成代码,学生能够快速获得准确且符合需求的DAX代码,避免了因语法错误和逻辑问题导致的反复调试。教学实践数据显示,采用传统教学方法,学生编写代码报错人数约占总人数的60%,而借助AI编写代码,错误率下降到10%左右,学生的实操错误率下降50%,学习效率大幅提升。
2.学习兴趣与信心增强
AI工具的即时反馈和精准生成能力,使学生能够快速完成数据分析任务,体验到学习的成就感。教学班级调查显示,60%的学生认为人工智能系统的反馈“比教师更及时”,这极大地增强了他们的学习兴趣和信心。
3.专注业务逻辑与数据分析
学生无需深入探究代码的底层逻辑,原本要花费一半以上的时间在代码学习上,而借助AI以后极大的节省了学习代码的时间,而是将更多精力集中在理解业务逻辑和数据分析的核心问题上,提升了学习的深度和实用性。
2.3.2教师层面
1.教学效率提升
传统教学过程中教师需要约40分钟讲解基础语法、演示代码编写和指导学生编写代码,而使用AI辅助教学后仅需20分钟,教学效率提升了50%。AI工具能够自动生成代码并提供详细说明,教师无需耗费大量时间讲解基础语法和调试学生代码,能够将更多精力投入到高阶教学设计和创新中。
2.教学资源升级
教师利用AI工具可以建立丰富多样且实时更新的教学资源库,有效弥补传统教学资源的不足,让教学内容更具多样性与针对性。
3.个性化教学支持
AI工具能够帮助教师实时掌握学生的学习情况,依据每个学生的学习行为数据,制定个性化教学方案。
综上,AI辅助教学能够让学生快速运用DAX语言进行财务数据分析,既降低了学习门槛,又让教师从大量的重复性工作中解放出来,显著提升了教学效率。这种教学模式为高职财经专业教学的数字化转型提供了实践路径,也为职业教育的高质量发展注入了新动能。然而,AI辅助教学在实际应用中,存在技术稳定性差、学生过度依赖、教师技术素养不足等问题。
3 AI辅助教学存在的问题与优化策略
在DAX语言教学里,AI辅助教学成效显著,但同时也暴露出一些关键问题,需要构建系统性解决方案加以完善。具体而言:
3.1技术应用瓶颈
研究发现,在AI辅助DAX语言教学过程中,复杂业务逻辑的代码生成会出现准确率不足的问题,主要表现为多层嵌套函数错误或财务特殊场景处理失败。针对此类技术瓶颈,首先建立“财务业务—代码模板”映射库,开发包含300多个常见业务场景的财务专用模板库,覆盖应收账款分析、成本核算等典型任务;其次构建双阶段审核机制,第一阶段由人工智能进行初审,自动标注低置信度代码并提示风险点,第二阶段由教师进行终审,重点审查高频易错点,特别是涉及USERELATIONSHIP的跨表查询、使用EARLIER的递归计算以及财务科目余额方向调整等关键逻辑,确保生成代码的业务准确性和技术规范性。
3.2教学实施挑战
教学实践表明,学生过度依赖AI工具会导致基础概念模糊,对代码的识别和修正能力明显降低。为解决这一问题,本文设计了科学的分阶段训练方案(见表2),通过渐进式教学策略平衡技术工具使用与基础能力培养。在入门阶段,采用AI全辅助模式(100%代码生成),让学生专注于理解业务需求与代码的映射关系;进阶阶段转为师生协同模式(提供50%框架代码),要求学生补充关键计算逻辑,重点培养时间智能函数等核心技能;最终在综合阶段仅提供需求描述,引导学生独立完成从业务分析到代码实现的全过程,系统培养完整的数据分析思维。通过这种阶梯式教学设计,既发挥了AI工具的效率优势,又确保了学生基础能力的扎实掌握。
3.3教师AI教学能力不足
调研发现,现阶段高职教师对AI技术的运用能力普遍不足,多数仍局限于传统教学方法。针对教师运用AI教学能力不足的问题,本文提出校企深度合作解决方案。首先共建“双师培训基地”,由企业技术专家为教师提供AI工具深度使用培训,通过考核的教师获得“AI教学导师”资格,进而带领教研组开发针对性教学案例;其次建立资源互换机制,学校提供典型场景的教学需求清单,企业则提供真实脱敏数据集及云端GPU算力支持。这种合作模式实现了“产学研用”深度融合,使学生在真实业务场景中掌握AI工具应用能力,通过完成企业实际项目积累工作经验。最终达成“毕业即上岗、上岗即胜任”的人才培养目标,既提升了学生的就业竞争力,又为企业输送了懂技术、会分析的复合型财经人才,真正实现了教育链与产业链的无缝对接。
4结语
本文基于建构主义学习理论,通过实际教学情况证实,人工智能技术在高职财经专业DAX语言教学中具有显著的应用价值。根据教学实验数据显示,人工智能辅助教学使学习效率显著提升(p<0.05),学生代码错误率下降50%,同时60%的学生反馈AI工具有效降低了学习焦虑感。这些数据充分证明,人工智能辅助教学不仅大幅提升了教学效率和代码准确性,更通过技术赋能改善了学生的学习体验。
本文拓展了AI在教育领域应用的理论范畴,基于认知负荷理论阐述AI降低外在认知负荷的作用机制,为“财务+技术”跨学科教学提供了理论参照,为职业教育数字化转型提供了可复制的理论框架。
在教学模式创新方面,本文提出了“三阶段渐进式”混合教学模式,构建了一套完整的教学实施路径。该模式首先以AI全辅助(100%代码生成)作为入门阶段,让学生在零基础情况下快速体验业务需求到技术实现的完整流程,建立学习信心;随后进入师生协同阶段(50%人工修正),教师引导学生对AI生成的半成品代码进行调试优化,在实践过程中深入理解语法规则和业务逻辑;最终过渡到独立实践阶段(仅使用AI验证),学生独立完成代码编写,仅借助AI工具进行结果核验,从而真正掌握自主分析能力。这种阶梯式的教学设计既充分发挥了AI工具的效率优势,又确保了学生基础能力的扎实培养,实现了技术赋能与传统教学的深度融合。
本文为培养“财务+技术”复合型人才提供了新路径,但仍存在一定局限性:一是样本代表性不足,研究样本来源于本校财经专业,样本规模较小且缺乏跨院校对比;二是研究周期短,研究数据仅来源于一个学期的课程教学,尚未形成持续追踪数据。
未来研究可扩大样本范围,开展多校对比实验,并延长跟踪周期,进一步探索AI技术与职业教育深度融合的长效机制。
参考文献
[1]SWELLER J.Cognitive load during problem solving:effects on learning[J].Cognitive Science,1988(12):257-285.
[2]徐经长.新时代我国大学会计学教学应处理好的几个关系[J].中国大学教学,2018(5):19-23.
[3]周守亮,唐大鹏.智能化时代会计教育的转型与发展[J].会计研究,2019(12):92-94.
[4]李丰团,贺莹洁.大数据时代财会专业人才培养模式的改革[J].中国管理信息化,2021,24(15):50-53.
[5]王小红,徐焕章.大数据时代下会计人才培养模式研究[J].会计之友,2021(16):119-125.
[6]马靖杰,陈园,李燕.大数据时代数智化财会人才的培养[J].山西财经大学学报,2023,45(S2):237-239.
[7]徐志英.人工智能教学系统在高职院校教学中的应用:以计算机应用技术专业为例[J].辽宁高职学报,2023,25(5):38-41.
[8]郭蕾蕾.生成式人工智能驱动教育变革:机制、风险及应对:以DeepSeek为例[J].重庆高教研究,2025,13(3):38-47.
[9]杨思琪.推动人工智能赋能教育高质量发展[N].新华每日电讯,2025-03-10(13).
[10]陈淑维.人工智能时代高职教师教学发展的现实挑战与路向选择[J].职业技术教育,2024,45(35):56-60.
[11]朱莎,李嘉源,况秀林,等.生成式人工智能何以赋能学生数字素养培育:基于信息科技课程的实证研究[J].中国电化教育,2025(2):75-83.
[12]张雯婧.以DeepSeek为引擎打造“智慧教育”新范式[N].天津日报,2025-03-03(1).
[13]王滨.人工智能技术在大数据与会计专业教学中的应用[J].科技经济市场,2023(12):134-136.
[14]王晓军,赵文平.数字化转型背景下职业院校教师数字素养结构维度与量表开发[J].中国职业技术教育,2024(17):34-45.
文章出自SCI论文网转载请注明出处：https://www.lunwensci.com/guanlilunwen/82890.html
