陈蓉,郑振龙

• 1:厦门大学管理学院

摘要(Abstract)：

生成式人工智能改变金融工程课程的知识获取与学习产出形态,使课程目标不再停留于公式推导、工具应用和答案获得。本文基于《金融工程》教材二十余年建设实践,构建“价值引领—中国实践—人机协同—证据评价”的一体化改革框架:以金融工程服务实体经济、配置风险和明确边界的专业逻辑落实价值引领;以中国市场制度、主体行为和产品创新生成原创教材内容;通过基于问题的学习(Problem-Based Learning,PBL)组织真实问题解决,训练问题界定、模型实现、结果复核和责任说明能力;以过程证据评价替代单一答案评价,将AI使用记录、模型假设、数据代码可复现性、风险解释和答辩表现纳入考核。文章进一步提出教材模块、PBL项目、AI使用规则和持续改进路径,为AI时代模型化课程改革提供参考。

关键词(KeyWords)： 金融工程;教材建设;课程思政;中国自主知识体系;问题导向学习;生成式人工智能

Abstract:

Keywords:

基金项目(Foundation): 国家自然科学基金“可转债行为定价模型与市场效率”（项目编号：72371210）

作者(Author): 陈蓉,郑振龙

DOI: 10.19766/j.cnki.zgzqqh.20260903.001

参考文献(References)：

• [1]中共中央国务院.教育强国建设规划纲要(2024—2035年)[Z].2025. [2]教育部.高等学校课程思政建设指导纲要[Z].2020. [3]Miao F,Holmes W.Guidance for generative AI in education and research[R].Paris:UNESCO,2023. [4]Barrows S H.A taxonomy of problem-based learning methods[J].Medical Education,1986,20(6):481-486. [5]Hmelo-Silver C E.Problem-based learning:What and how do students learn?[J].Educational Psychology Review,2004,16(3):235-266. [6]Savery J R.Overview of problem-based learning:Definitions and distinctions[J].Interdisciplinary Journal of Problem-Based Learning,2006,1(1):9-20. [7]Biggs J,Tang C,Kennedy G.Teaching for quality learning at university[M].Milton-Keyness:Open Uni-versity Press,2022. [8]陈蓉，张不凡，姚育婷.波动率风险和波动率风险溢酬：中国的独特现象[J].系统工程理论与实践，2019,39(12):2995-3010. [9]Zheng Z,Jiang Z,Chen R.AVIX:An improved VIX based on stochastic interest rates and an adaptive screening mechanism[J].Journal of Futures Markets,2017,37(4):374-410.
• (1)郑振龙,陈蓉.《金融工程》(第六版)[M].北京:高等教育出版社,2024.