摘 要：聚焦 CS2023 计算机科学本科专业，从强化社会伦理与职业道德、精准调整学时、融合胜任力模型、确立双轨策略等方面，深入剖析 CS2023 对 CS2013 的多维度修订，阐述知识模型迭代更新、课程体系优化及个性化教育策略，探讨知识与胜任力模型的构建整合。针对 CS2023 中国化，分析其必要性并提出结合国内产业、引入企业评价机制的策略，结合思政教育，展望其推动计算机本科教育革新，提升国际竞争力，助力中国计算机教育走向世界。

关键词：计算机科学； CS2023；本科教育；知识模型；胜任力模型

0

引 言

在数字化浪潮中，计算机科学技术成为推动经济、社会与科技创新的关键力量。人工智能、量子计算、大数据分析等新技术不断涌现，对计算机科学教育提出了更高要求。传统培养方案在应对这些变化时，暴露出知识更新滞后、教学方法单一、综合能力培养不足等问题。

为适应时代需求，ACM、IEEE-CS 和 AAAI 共同发起 CS2023 项目。正如《CS2023：计算机科学教育知识与胜任力模型并轨的全新探索》[1]一文所述，CS2023 致力于构建面向未来的计算机科学教育本科规范，推动教育领域的深刻反思与革新，为全球高校、教育机构和教育工作者提供交流合作平台，共同探索计算机科学教育的新路径。

1

CS2023工作内容

CS2023 对 CS2013 的系统性修订主要体现在 3 方面：①强化社会伦理与职业道德维度，引入全新知识单元与领域，培养有道德和社会责任的专业人才；②精准调整学时，依据知识体系变化和教育反馈，优化知识点分布、课程分配与学习目标，保障培养体系时效性；③深度融合发展胜任力模型，构建框架与范例，权衡后确立知识与胜任力模型双轨策略，整合优势，满足全球多样教育需求，推动人才培养模式创新。

1.1计算机科学教育知识模型的迭代更新

CS2023 知识模型相较 CS2013 有显著结构性调整与优化。传统知识模型层次分明、逻辑清晰，知识体系被划分为不同知识领域，各领域涵盖多个知识单元，知识单元又进一步细分为具体主题。在 CS2023 中，知识领域扩展至涵盖专业素养，核心主题分为 CS 核心和 KA 核心，选修主题更名为非核心，细化了知识模型内部结构，精准描述知识体系构成与层次关系。

CS2023 知识模型架构如图1所示，在传承与创新间寻求平衡。一方面，剔除因技术迭代而陈旧、不适配学科发展的知识内容，保证知识体系时效性与前沿性；另一方面，引入软件开发、系统开发、应用程序开发等胜任力领域的新兴知识点，使知识模型贴合学科发展，为学生提供与时俱进的知识。目前 CS2023 知识体系由 17 个知识领域组成[2]（见表1）。

为契合计算机科学新兴趋势与热点，CS2023 对知识领域进行重新整合与布局，推动计算机科学教育朝着多元化、前沿化方向深入拓展。原“计算科学”知识领域被拆解并梳理融入“算法基础”和“数学统计基础”，强化了底层知识模块的完整性与系统性。此外，计算科学（Computational Science）知识领域被移除，9 个知识领域被重命名。

这一举措并非仅仅形式上的变更，更是基于对学科内涵的重新理解与精准定位，使知识领域的界定更加清晰准确，能够更好地反映其实际涵盖的知识范畴与研究重点，便于教育者与学习者在教学与学习过程中形成更为明确统一的认知框架。

1.2计算机科学教育课程优化学时分配

在计算机科学教育知识模型的更新进程中，CS2023 首要任务是优化学时分配、精准调整知识点覆盖范围，致力于构建契合学科发展动态、满足多样化教育需求的知识架构。聚焦核心课时，即知识单元的课时分配策略，CS2013 将知识单元分为 Tier-1 和 Tier-2 两个层级，对计算机网络、操作系统等不同知识领域进行相对均匀的课时分配。这种设计理念虽然追求学科知识完整性，使学生涉猎多领域知识，具备多方向发展潜力，但是传统“大而全”的培养方案已经难以应对当今计算机科学技术迅猛发展的态势。为此，CS2023 知识模型更新时，将学时分配与知识领域调整作为关键环节，力求构建更具弹性、适应性与前瞻性的计算机科学教育知识体系，以应对多变的学科发展环境与多元的教育市场需求。

在 CS2023 计算机科学教育体系构建中，计算机专业本科生必备的基础知识框架设定继续延续 CS2013 的 Tier-1 层级知识理念，旨在确立学生后续深入学习与专业发展的前提。在知识领域的纵深拓展方面，CS2023 展现出显著的创新性与灵活性，其内部架构设计充分考虑学生专业方向的多元发展需求，以及教育机构的学科专长差异。CS2023 在课程规划上，精准分配教学时间，设定 270 个课时用于 CS Core 教学，使学生深入理解和应用计算机科学基本原理、核心算法等，为职业发展筑牢根基。同时，KA Core 部分规划 484 个课时，为不同地区院校提供灵活且适应性强的课程指导框架。表2展示了 CS2013 到 CS2023 各知识领域的核心学时分布变化情况[2]。

1.3计算机科学教育课程体系的精准分类

在计算机科学教育领域，课程体系的精准分类与构建对于人才培养质量起着至关重要的作用。传统的 Tier-1/Tier-2 分类模式如图2[2] 所示，在一定程度上已难以满足当下计算机科学教育发展的需求，亟待向一种更具针对性和专业性的分类方式转变。

在主题分类维度，CS2023 将主题进一步区分为核心主题（CS Core）与非核心主题（KA Core），以此区分不同知识点在专业知识体系中的重要程度与优先级，确保学生能够把握关键知识要点，同时兼顾学科知识的广度与深度。图3所示为 CS Core/KA Core 分类体系。

CS Core 聚焦计算机科学本科毕业生必备的基础核心知识主题，是专业知识体系的基石，对毕业生学术与职业发展至关重要，能确保其具备进入计算机科学领域的基本专业能力与知识广度。KA Core 则侧重于特定知识领域（Knowledge Area，KA）内专业、深入的主题，适合在专业课程中深入讲解，为学生构建精细专业的知识架构，满足其在特定领域深入研究或实践的需求，提升细分领域专业造诣与竞争力，为其特定方向的深入发展奠定基础。

从传统分类模式向 CS Core/KA Core 分类模式的转变，为计算机科学教育的课程设计、教学实施及人才培养目标的精准达成，提供了更科学有效的指导框架，推动计算机科学教育发展，以适应技术与行业发展趋势，培养创新能力与专业素养兼备的计算机科学人才。

1.4基于核心知识体系的个性化教育策略

鉴于全球计算机科学教育资源的多样性与就业市场需求的差异性，KA Core 的课时规划给予各院校自主空间，院校可依据自身师资力量、地域就业市场导向及发展定位与特色优势，针对性设计与开设专业课程。

通过灵活精准的知识架构设计与课时分配策略，CS2023 形成丰富教学资源池，该资源池并非刚性统一模板，而是为全球各类院校提供高度适应性与可定制性的教育资源框架。同时，CS2023 的资源框架与指导原则为院校课程体系设计指明方向，为教学关键环节提供科学参考依据，促进全球计算机科学教育在保持基本学科规范一致的基础上，实现多样化、个性化与高质量协同发展，为计算机科学领域输送适应时代需求、具备专业素养与创新能力的复合型人才，推动计算机科学技术在全球的持续创新与广泛应用。

2

知识模型与胜任力模型的构建、整合与发展

2.1胜任力模型构建：从知识分类到五元组实践指南的升华

在胜任力模型的构建方面，CS2023 对不同的知识领域进行了系统分类，将其映射到对应的胜任力领域，这些领域大致与软件、系统和应用这3个计算机科学二级学科相契合。在此基础上，CS2023创 新性地提出了“胜任力框架”这一关键概念，用以清晰界定胜任力模型的整体架构（如图4所示）。

胜任力模型被定义为一系列精细且具体的胜任力规范的集合，每一项胜任力规范都通过一个五元组进行精确刻画，包括特定情境下需要完成的具体任务，从技术视角明确阐述的胜任力声明，成功执行该任务所必需的专业知识储备，实践操作中所需的技能技巧，以及职业情境下不可或缺的品行素养。这一五元组定义方式与 CC2020 所提及的胜任力模型基本定义相呼应，但 CS2023 在其基础上进行了更深入的探索与细化，通过对每个元素的详细阐释与实例补充，将胜任力规范从抽象概念转化为具有可操作性的实践指南，从而构建出一个更为详实、精准且实用的胜任力模型（如图5[2]所示）。

这一模型不仅为教育者在课程设计与教学实施过程中提供了明确的能力培养目标与教学评价标准，还为学生在个人职业能力发展规划方面提供了清晰的方向指引，促进计算机科学教育从单纯的知识传授向综合能力培养的全面转型，以更好地应对快速变化的科技行业对人才素质的多元需求，推动计算机科学教育在全球范围内的高质量发展与创新实践。

2.2胜任力模型 VS 知识模型：多维视角下的深度辨析

在计算机科学教育中，胜任力模型和知识模型是构建课程体系的关键理论基础，却常被混淆。胜任力模型以任务为导向，聚焦学生实际任务中的综合表现，将知识、技能与专业素养视为有机整体并加以整合评估，注重能力的实用性与可操作性。知识模型则侧重知识体系构建，关注知识领域、单元和主题的分类、逻辑关系及层级结构，强调知识的完整性与系统性。在评估方式上，胜任力模型基于学生实际任务表现，从行为、决策及成果多方面综合判断，更贴近实际工作场景，直观反映综合能力。知识模型多通过考试、作业等量化考核知识掌握程度，侧重知识层面评估，对知识运用的综合能力评估不够全面。在应用场景中，胜任力模型常用于职业教育和实践导向教育，紧密对接岗位需求，助力学生向职场过渡。知识模型广泛应用于学术教育，为学生提供理论基础与知识架构，助力学术研究与专业发展。

胜任力模型和知识模型内涵、特点及应用场景各异，相辅相成且不可替代。教育者应深入理解二者区别，在课程设计与教学实践中合理运用，有机结合知识传授与能力培养，依据学生发展阶段和教育目标优化教学，培养兼具扎实知识与较强胜任力的高素质人才，满足社会和行业对计算机科学专业人才的多样需求，推动计算机科学教育持续发展。

2.3知识模型传承创新与胜任力整合驱动的教育范式变革

CS2023 的使命不仅在于更新知识模型，更致力于实现知识模型与胜任力模型的有机整合与统一，达成两种模型培养方案间的灵活转换[2]（如图6所示），以满足不同教育机构的多样化需求。这种整合意义深远，打破传统单一知识导向培养模式的局限，将能力培养与知识传授置于同等重要地位，旨在培育兼具扎实专业知识、出色实践能力与职业素养的复合型人才。

从教育实践看，这种整合为教师提供了丰富教学资源与方法。课堂教学中，教师可依据知识模型结构设计针对性任务情境，引导学生运用知识解决实际问题，提升胜任力。对教育机构而言，整合有助于制订更科学的人才培养计划。在学术研究方面，整合为计算机科学领域研究提供新思路与方法。深入研究两者内在联系和相互作用机制，推动学科发展创新。CS2023 倡导的知识模型与胜任力模型整合，是一场意义深远的教育范式变革。它为学生提供优质教育，为计算机科学领域发展注入活力。持续探索实践下，这一变革将在未来教育中发挥更重要的作用，培养更多创新与实践能力兼备的优秀人才。

3

CS2023 中国化融合发展策略

随着计算机科学技术的发展和国际教育交流的密切，引入 CS2023 国际教材对提升中国计算机科学教育水平至关重要，但要充分考量其中国化的必要性，使其适配国内教育体系、契合产业需求。因此，对 CS2023 国际教材进行中国化调整，契合教育体系连贯性，是保障教学质量的关键。

3.1结合国内产业案例

3.2引入企业评价机制

引入企业评价机制，邀请企业参与学生评价，如组织企业专家评审课程项目，将实习表现纳入评价体系。企业可以根据实际工作中的需求，对学生的实践能力、职业素养等方面进行评价。例如，定期组织企业专家到学校对学生的课程项目进行评审，提出实际工作中的意见和建议。

3.3加强思政教育

加强思政教育尤为重要。在计算机科学领域，数据安全、隐私保护、技术伦理等问题日益凸显，思政教育能够引导学生树立正确的价值观和职业道德观，在教学中融入国家信息安全战略、技术伦理等内容，激发学生爱国情怀。通过引入和加强思政教育，学生能够深刻理解技术应用的社会责任，在面对复杂的技术决策时，秉持正确的道德准则。例如，在讲解数据加密技术时，融入国家信息安全战略和保密意识教育，让学生明白保护国家和公民数据安全的重要性。思政教育还能激发学生的爱国情怀和民族自豪感，激励他们将个人的职业发展与国家的科技进步紧密结合，为中国计算机科学产业的自主创新和发展贡献力量，推动中国在全球计算机科学领域占据重要地位，实现科技强国的目标。

4

结 语

CS2023 在计算机科学教育领域引发深刻变革，其全面革新教育内容、方法与评价体系，为全球计算机科学教育提供新范式，也为中国计算机科学教育带来国际化与本土化创新机遇。在全球教育格局中，我国计算机学科教育不应仅追随国际先进水平，更要主动发声，迈向国际教育舞台中心，展现特色与实力。在“走出去”分享成果的同时，要积极倾听国际声音，结合中国教育体系、产业需求和文化特色，推进 CS2023 中国化。在持续更新迭代中紧跟技术潮流，通过加强师资培训提升教育实施水平，在国际交流合作中汲取多元经验。

展望未来，期待 CS2023 推动计算机科学教育本科规范向国际化、专业化、前沿化发展，为全球提供前瞻性、实用性的本科教育指导，促进全球计算机科学教育协同发展与质量提升，满足专业人才培养需求，增强全球教育体系的适应性与竞争力，为行业发展筑牢人才根基，注入创新活力。让我们共同努力，期待中国计算机教育在全球舞台大放异彩。

参考文献：

[1] 向乔, 刘雨桐, 孔令和, 等. CS2023: 计算机科学教育知识与胜任力模型并轨的全新探索[J]. 计算机教育, 2023(4): 9-14.

[2] Kumar A N, Raj R K, Aly Sh G, et al. Computer science curricula 2023[M]. New York: ACM, 2023.

作者简介：高聪明，男，副教授，研究方向为存储系统、体系结构、计算机教育，gaocm@xmu.edu.cn；陈珊（通信作者），女，副教授，研究方向为思想政治教育、计算机教育，cschenshancs@163.com。