摘 要：数智时代以人工智能和数字技术为核心的数智劳动快速普及，驱动劳动形态、劳动要素与人才需求发生深刻变革，对高校劳动教育提出全新要求。当前，高校劳动教育在教学内容、课程结构、评价体系、价值引领等方面与数智时代劳动需求明显脱节。高校劳动教育存在的四大现实困境：劳动者数智素养供给与“人技协同”需求错配、智能劳动资料在教育场域工具化误置、对非物化劳动对象存在认知盲区与价值遮蔽、数智劳动伦理与价值观引领体系缺位。因此，高校数智劳动教育范式亟待重构路径：以培养具备数智劳动能力、创新转化能力、正确劳动观念与审慎劳动态度的新时代劳动者为目标，将数智化劳动资料与非物化劳动对象纳入教育过程，突出协同合作与创新突破的核心素养，强化数智劳动与专业教育深度耦合，坚守马克思主义劳动价值观引领，构建适配新质生产力发展的高校劳动教育体系。
关键词：数智劳动；高校劳动教育；马克思主义劳动要素理论；劳动价值观；范式重构
一、从传统劳动到数智劳动
助劳动资料按预定的目的作用于劳动对象，最终劳动是马克思主义政治经济学的核心概念，劳动过程与劳动对象合并，实现两者的否定性统马克思对劳动过程的经典定义是“人以自身的活一。马克思的劳动观揭示了“劳动创造人本动来中介、调整和控制人和自然之间的物质变换身”的价值意蕴，“劳动三要素与价值观”的经典的过程”。框架，不仅是剖析社会物质生产的理论基石，也为在《资本论》中，马克思对劳动过程进行了简解构高校劳动教育体系提供了方法论。
单要素的基本划分，即有目的的活动或劳动本身，数字技术的嬗变使劳动形态发生深刻变革。劳动对象和劳动资料。在这一过程中，数字时代的许多劳动业已有别于传统产业劳动，“直接掌握”劳动资料的劳动者将劳动资料“置于许多被冠以“数字劳动”概念的劳动形态开始出
自己和劳动对象之间”从而将自身的活动传导到现。英国学者克里斯蒂安.福克斯（Christian劳动对象上去。在马克思的劳动解放思想Fuchs）扩展了“数字劳动（digital labours）”的概念。在福克斯看来，无论是为制造手机或电脑设备等数字终端而进行的采矿活动，还是硅谷的软件开发或社交媒体的使用，都可以被归纳为“利用身体、智力和/或机器作为生产工具，对自然资源、从自然中提取的资源以及文化与人类经验进行加工，以生产数字媒介的劳动”。换句话说，无论是主动嵌入还是被动参与，与信息技术、数字技术相关的所有劳动，即便是“非物质化的”，只要其产出了数字化相关的结果，都可以被称为数字劳动。毫无疑问，数字技术的发展构成了对传统劳动概念的时代延展。
在数字技术基础上跃升的人工智能技术，让劳动的形态、方式以及价值的创造过程进一步裂变，并在社会发展的全部领域引发了关注。作为“数智时代背景下产生的一种新型劳动形式”，数智劳动呈现出了数字劳动和人工智能相结合的样态，自动化和智能化软硬件的出现使劳动者得以从重复的、繁琐的劳动中脱身，既革新了劳动的方式，抬升了效率的同时，也带来了破碎的劳动时间、恒变的劳动内容、虚拟的劳动空间、间接关联的劳动要素。劳动数智化的到来，意味着劳动要素结构的系统性重构。这种本体论层面的重构不可避免地对建立在传统工业劳动基础上的高校劳动教育范式提出挑战。如何在马克思主义劳动要素理论视域下重新审视并重构数智时代的高校劳动教育，已成为培育新质生产力、赋能国家高质量发展亟待回应的时代课题。
二、马克思主义视域下劳动要素的数智化演进
（一）蜕变的劳动者：从体力支出者到“数智素养”主体
在马克思看来，劳动者是生产力中最活跃的因素，在生产力中起主导作用。劳动者拥有自由意志，具备生产经验与技能，包括体力劳动与脑力劳动，通过使用劳动资料对劳动对象进行改造，是价值的创造者……这些在马克思主义理论诞生的时代业已归纳出的劳动者特征，在数智化的今天仍然显著。时代变化，劳动者与生产力的关系不断被更新诠释，但观其本质，劳动者一直都是推动生产力发展的主体力量。所不同的是，在数智化的时代里，劳动者更因其掌握的知识、技能与经验直接关系到生产力系统的质量与效率，成为高质量发展要求的首要资源。
科技拉动的生产力进步过程中，劳动者的力量从未缺席。在数智时代的熔铸下，熟练使用数智技术作为生产工具的劳动者表现出了传统劳动者不曾具备的特质，他们应对复杂性问题和创新解决问题的能力更强，既有完整的专业知识体系，也有专业跨界的知识储备，与单纯的工具使用者不同，其表现出了与技术工具的共生性特征，在劳动的过程中自主性以及所具有的批判思维更为明显。
除了个体维度表现出的智慧、体能、才干等适配数智劳动的特征，从马克思的劳动对象化视角观察，数智时代劳动者个体间的合力协作程度也超过传统劳动。劳动者跨越时空阻断、突破专业壁垒，在劳动对象化的过程中产生创意，化解问题，将“社会化劳动”的内涵进一步丰富，将劳动的价值擢升至更高水平。毋庸置疑，那些扎实存在的素养、知识能力和广泛具备的人技协同及独立的主观能动性，是数智化劳动和从事数智劳动的劳动者之间双向构建相互作用的结果。
（二）剧变的劳动资料：从实体工具到模型算法
劳动资料是人们在劳动过程中所运用的物质资料或物质手段。它不仅是衡量生产力水平的尺度，也是划分经济时代的客观标志。马克思说：“各种经济时代的区别，不在于生产什么，而在于怎样生产，用什么劳动资料生产”。进入人工智能时代，被数字智能科技所驱动的社会里，以深度学习算法、大语言模型、云计算平台为代表的“去物化”劳动工具，开始与传统的物化劳动工具相融合，这些带着数字、虚拟、云端、远程等特质的劳动工具让劳动资料发生了“非物质转向”。
兼具感知、学习能力的人工智能技术，让越来越多的体力和脑力劳动滑落至被取代的处境，当数智化设备实现了“黑灯工厂”的无人化生产，当模型算法展现出强大的自主运行能力时，人们不禁产生困惑：智能劳动资料是否已经取代了人类活劳动，成为价值的独立源泉？
面对这样的困惑，马克思在其《政治经济学批判（1857—1858年手稿）》中的论断依然振聋发聩：“自然界没有制造出任何机器，没有制造出机车、铁路、电报、走锭精纺机等等……他们是人类的手创造出来的人类头脑的器官；是物化的知识力量。”许多学者据此深入分析后坚定认为，给生产方式带来巨大变革的无形化、智能化的劳动资料仍然属于物质要素范畴，其本身并不创造价值，本质仍然是人类劳动的“技术存在物”，是人类物化劳动嵌入其中的劳动资料。这些“具有开放性、虚拟性和信息化特征”，“凝聚人类智慧的先进数字技术和智能设备”的算法与模型的广泛使用，让诸如信息筛选、数据分检等这种曾经需要消耗大量时间和人力成本的工作变得迅捷灵活。不断涌现的数字化、智能化劳动资料在使全社会的生产体系发生质变的同时，也对劳动者的素质素养提出了更高的要求。
（三）多变的劳动对象：从自然资源到数据要素
马克思将劳动对象视作劳动过程的直接原料，是劳动者在生产过程中所作用的、被改造的物质材料。人类从原始社会一路走来，那些在劳动过程中被改造或加工的劳动对象，也从完全天然的传统资源，发展为经过劳动加工改造后再投入生产过程的客观存在物。作为反映和体现生产力发展水平的重要标志，不同历史阶段的劳动对象恰是彼时人类劳动实践范围的投影。当信息、数据、代码这种可见却无形的劳动对象出现时，这些可以呈现指数级增值的数据要素开始“驱动数字空间与物理空间的深度互嵌”，并“持续拓展生产可能性边界”。
数智时代的劳动对象类型极大丰富，其范围和内涵不断扩大，并且已然呈现出“新质化趋势”。这些数智化的劳动对象虽然不再局限于有形的实体，但它们全部都是活劳动在数智化时空的凝结，并且和有形产品一样，是劳动者可以直接作用、加工、增值的劳动对象——数智时代的劳动对象。迥异于传统的劳动对象，这些数智时代的劳动对象使得劳动的过程发生变化，广泛的协作中，大量的直接劳动变为间接劳动，牵涉其中的要素也如学者所言，发生着“从线性组合向生态共生”的演进，全要素生产率也实现了非线性跃升。
（四）劳动价值观的再造：本质坚守与形态演进
作为马克思主义分析人类社会历史发展演进的核心概念之一，“劳动”不仅是人类特有的、自由而有意识的社会实践活动，也是实现人类生存、发展和自我解放的根本手段，是价值产生的唯一来源。在数智时代，这一价值内核并未发生根本改变。一方面，人工智能本质上仍是人类过往知识与数据的汇聚，属于“物化劳动”的延伸，其运转依然依赖人类活劳动的参与，无法凭空创造新价值；另一方面，数智工具对重复性劳动的替代，恰恰为人类摆脱机械必然性、迈向自由全面发展提供了前所未有的技术支撑。因此，马克思主义崇尚劳动的核心价值观在数智时代依然具有强大的解释力与生命力。
然而，随着劳动要素的数智化演进，劳动价值观的现实表征正发生深刻变化。前文所述的劳动资料的虚实协同与劳动对象的数据泛化，使得劳动过程逐渐脱离了传统的物理时空与具身性辛劳。这种非物质化、交互式的劳动新形态，模糊了劳动与休闲、生产与消费的边界，容易使青年群体产生去劳动化的认知错觉。传统的以流汗出力为表征的奋斗观念，正受到数智时代轻量化、虚拟化劳动体验的强烈冲击。
正是马克思主义不变的价值内核与数智要素演进带来的认知错位之间产生了巨大的现实张力。当传统的劳动教育理念遭遇这种因劳动形态虚拟化而引发的价值观重塑时，原有的教育模式与话语体系已难以有效回应青年学生的认知困惑，这使得新时代的高校劳动教育不可避免地陷入了多维度的现实困境。
三、数智时代高校劳动教育的多维困境
以马克思主义劳动要素理论为镜鉴，结合当前高校劳动教育实践中真实困境与深层需求的质性研究发现，当前高校劳动教育实际与数智时代劳动形态的演进之间存在着显著的错位与脱节。这些困境并非传统劳动教育问题的简单延续，而是根植于劳动三要素的数智化转型之中，呈现出鲜明的时代特征。
（一）劳动者之困：素养供给滞后于“人技协同”的结构性错配
数智时代的劳动者需具备跨学科知识、人技协同及创新解决问题的素养。然而，当前高校劳动教育在劳动者培养上，却往往深陷供需悖离的困境。具体表现在两方面，其一，教育内容对“数智素养”的回应存在认知不足。今天，将劳动教育等同于劳其筋骨的刻板认知仍然存在，许多在实际生产前沿都已罕见的纯体力劳动，大学生却要投入专门时间去“学”。相当数量的高校劳动教育的内容仍大比例停留在简单体力劳动范畴，未能将传统的具身性劳动与数智技术有机融合；另一方面，即便部分教育内容涉及技术应用，也常被降格为单纯的“软件操作”或一般性职业技能训练，忽视了在技术赋能中培养学生的数智劳动精神与创造性价值引领。这种偏差的深层原因，不仅在于对劳动教育育人功能的窄化，更源于作为“教育劳动者”的高校师资队伍自身面临数智素养匮乏的本领恐慌，导致供给侧无法提供高质量的人技协同教育。
通过高校学生社群定向投放线上问卷，在对全国不同类型高校的251名本科生的方便抽样调查中，有接近70%（68.7%）的学生认为其参与过的劳动教育内容“与所学专业关联度低”，65.1%表示“未涉及任何数字工具或智能技术的应用实践”。更值得警惕的是，仅12.4%的学生认同“现有劳动课程有助于提升未来职场所需的数智技能”。
焦点小组访谈进一步揭示了学生的深层困惑。一位机电类专业的大三学生坦言：“我参与过的劳动课是间隔一周花一个下午帮保洁大爷在校园里除草、擦垃圾桶。老师说目的是培养吃苦精神。我觉得这和我在实习中用软件进行电路设计、做绘图完全不同———后者才是我理解的‘劳动’。”另一位管理专业学生则指出：“如果劳动教育只是重复体力活，那和体育课还有啥区别？我更希望参与像‘用大数据分析本地消费趋势’这样的项目，既有脑力挑战，又能服务社会。”
从体力支出转向人技协同是数智时代对劳动者设置的新要求。数智劳动者需具备运用算法、数据等新型劳动资料的能力。但高校真正的困境并非摒弃具身性劳动，而是传统的劳动教育过程未能将数据获取、分析工具使用、基础编程思维等数智时代的基本素养与具身劳动相融合，导致学生陷入认知和技能的双重错位。
其二，是教学模式与协同突破的特质相悖。数智劳动强调跨时空、跨专业的分布式协作，但高校现有的劳动教育项目多以院系、班级为单位组织，活动形式封闭、协作范围有限。这种“封闭”与“有限”体现在多个维度上。空间维度上，劳动教育仍局限于物理校园场域，未能有效引入远程协作平台、云工作环境等数字基础设施，使学生难以体验跨地域、跨时区的协同劳动情境；主体维度上，协作对象多限于同班同学或本专业师生，缺乏与企业工程师、数据分析师、AI训练师等真实职业角色的互动接口，导致“社会化劳动”的广度与复杂性被严重压缩；过程维度上，劳动教育中的学习任务往往预设标准答案、强调流程统一，忽视了在不确定性环境中通过多源信息整合、动态角色切换与共识协商等方式达成创新突破的实践路径。此种预设－执行型教学逻辑，与数智劳动所强调的探索－迭代－共创范式背道而驰。
结构化访谈中，多位一线教师也表达了对现行教学模式局限性的无奈。某高校劳动教育课程负责人表示：“我们很想引入企业真实项目，但受限于课时、安全责任和校企对接机制，最终只能退回到可控的校内公益劳动或志愿服务。”而在对多名来自不同学校的参与过校级劳动项目的大学生进行深度访谈时，超过九成受访同学提到“协作对象是本班（或本年级）同学”“任务步骤固定，（因为简单易上手）基本上没有试错或创新空间”。
问卷数据从另一个角度印证了这一困境：仅有9.7%的学生表示曾在劳动教育中使用过在线协作文档、项目管理软件（如腾讯文档、飞书等）或云开发环境；71.5%认为劳动任务“结果导向明确，过程缺乏开放性”。一位参与过“校园文创设计”劳动项目的学生在访谈中回忆：“我们是五人小组，组队时就做好了分工还建了群，确定了谁画图、谁写文案、谁打印，之后大家就分开去做了。群里也没怎么讨论，大都是大家的进度汇报，最后交上去的东西就是各自任务的集合，我们也不确定这算不算是共同劳动创作。”这种缺乏深度交互模式，使得学生的学习所得无法与行业实际衔接，高校培养应用型、复合型人才的目标难以实现。教育供给滞后于人技协同的素质要求是不争的事实。
（二）劳动资料之失：智能工具在教育场域中的工具化误置
劳动资料不仅是劳动者作用于劳动对象的中介，更是社会生产力发展水平的物质标志。数智时代的劳动资料已从实体工具演变为虚拟化、智能化、可编程的新型生产资料。然而，高校在引入这些新型劳动资料时，普遍存在“重硬件、轻融合”，“形式接入、实质脱嵌”的失配困境，具体表现为三个维度的工具化误置：
首先，智能劳动资料在教育场景中常被简化为“黑箱化”的操作终端，而非需要理解、批判与再创造的劳动对象化载体。部分高校虽配置了AI实训平台、大数据分析系统或虚拟仿真环境，但教学设计仍沿袭传统技能训练逻辑：学生仅需按预设流程点击按钮、输入参数、输出结果，整个过程缺乏对算法逻辑、数据偏见、模型局限及其社会伦理后果的反思性介入。这种“黑箱式”学习过程，使本应激发主体能动性的智能劳动资料退化为被动执行指令的封闭系统。问卷数据显示，在使用过数智化劳动实训工具的受访学生中，仅有18.6%曾被要求分析或思考输出结果的合理性或潜在偏差，89.2%认为“操作流程标准化，几乎没有自主调整空间”。焦点小组讨论中，多名学生坦言：“感觉就是复制粘贴，就像一个工具人”，有的学生坦言：“我们不是在用AI劳动，更像是在给AI打工。”
这种异化体验不仅背离了马克思所强调的“劳动资料是人的器官延长”的辩证关系，更遮蔽了数智时代劳动者对技术系统的主体性掌控能力这一核心素养。
其次，在管理层面，高校对新型劳动资料的教育整合存在保守性倾向，以探索为目的教育初衷被刚性的管理诉求所遮蔽。出于管理便利、风险规避或评价标准化的考量，许多数智劳动教育项目将智能工具限定在高度结构化的任务框架内，禁止学生修改模型、使用境外工具或探索非预期路径。某“双一流”高校老师坦言：“学校建设的数智实训平台，明确规定学生不得访问底层代码，也不能连接外部API……学校的管理是严肃和制度化的，万一出错或引发数据泄露，会是大问题。”一位负责并参与过劳动课程的一线教师也表示“学生安全是学校对劳动教育课的第一要求，之后还要考虑劳动成果的可量化、可评分。如果让学生自由探索，最后交上来五花八门的东西，老师就无法打分了”。
这种“去风险化”逻辑直接抑制了学生的创造性实践。问卷调查显示，因担心违反规定而“经常”放弃尝试新操作的学生比例有44.2%，“有时”放弃的比例为35.7%。一位曾参与智慧农业模拟项目的学生在访谈中回忆：“我有过用自己写的Python脚本优化农资采购模型的念头，但很快作罢，因为系统只允许调用内置函数，所以按标准操作流程选择一些参数走一遍流程就行了，不用做别的尝试。”这种去风险化的实践实训过程是在实施层面，剥夺了学生在试错、协商与迭代中获得和理解“数智生产如何发生”的关键经验。正如马克思指出，劳动资料不仅是生产的手段，更是“社会生产方式的指示器”；若教育过程回避其内在的复杂性与矛盾性，则无法引导学生把握数智生产力的历史方位与变革逻辑。
最后，在课程体系层面，新型劳动资料面临结构性缺位，未能真正嵌入劳动教育的核心环节。《大中小学劳动教育指导纲要》明确规定的本科阶段劳动教育学时数的下限为32学时。无论是依托专业课程，抑或开设劳动专题教育必修课，以适配专业培养全过程为基准，严肃认真地展开具体的劳动课程无疑是重要的。这一刚性要求本应成为推动劳动教育内涵升级的契机，但在实践中常被异化为课时拼凑或名称置换。如给原有实践课程更换名字使其成为独立开设的劳动教育专题必修课；把“整体性的课程任务、模块化的课程设计肢解为零敲碎打的课时融入”。
在对包括B大学、T大学等知名高校在内的20所“双一流”高校官网发布的劳动教育修读要求进行抽样分析，有15所高校的“新时代劳动理论”“精品慕课”等线上课程学习直接计入劳动教育学时。在实践学时部分，“劳动习惯养成”“公益志愿服务”“双创比赛”等内容多被设计为修习板块，未做任何数智化改造。仅有2所高校提供了“3D打印魔力创造”和“智慧助老：AI赋能社区关怀实践”这种数智化指向鲜明的劳动教育实践课内容。
访谈中，一位同学曾提及，“同一位老师，同样的内容，师姐去年上的时候叫‘创新创业项目实践’，是‘学科拓展选修（课）’。到我们届时叫‘创新创业实践’是‘专业拓展课’，因为是‘专业劳动教育模块’课，所以是必修（课）了。”类似的情况在接受访谈的高校老师那里也被提及，一位受访教师曾用“形式合规”来形容自己所在学校对于“32学时”劳动教育教学的内容安排，并且表示这种现象较为普遍。
这些现象的根源在于，高校尚未建立起能够贯通技术理解、伦理思辨与实践创造的跨学科劳动教育课程体系。受制于师资结构单一、设施投入不足、评价机制滞后等现实约束，智能劳动资料往往沦为硬件展示，而非驱动教育范式转型的结构性要素。
（三）劳动对象之蔽：对非物化生产要素的认知盲区与价值遮蔽
数智时代的劳动对象开始从自然物质向数据、信息等非物化要素转变。这类新型劳动对象虽无形无质，却具有可编码、可复制、可增值的经济属性，并成为数字资本积累的核心载体。然而，当前高校劳动教育在认知框架与实践设计上仍停留于工业时代的实体范式，对非物化劳动对象的性质、价值及其教育转化路径缺乏系统理解，主要表现为以下三个方面：
第一，在事实认知层面，对劳动对象的认知仍囿于实体。当前大多数劳动教育项目普遍预设劳动对象为物理世界中的具体物品，其劳动加工过程强调体力投入与成果可见。这种认知惯性使得教育者难以将用户行为轨迹、社交网络关系、算力等无形要素识别为可被加工、增值的劳动对象，更对设计出相应的教育实践活动普遍缺乏深入探索。
这一实体依赖在实践中表现得尤为突出。12位接受结构化访谈的老师中有9位明确表示把数据作为劳动对象进行劳动课教学设计不容易。其中一位教师坦言：“我们能想到的劳动就是整理图书、美化教室，你说让学生‘加工社交媒体评论数据’？这更像是某门专业课的作业，怎么能算劳动？未来也许可以，但一定不能作为主要内容，劳动课嘛，还是得让学生‘动’。”
问卷调查在学生侧也发现了相似的认知局限。当被问及“你认为哪些活动属于大学劳动教育课的内容”时，排在认知比例前三位的选项为“打扫卫生/校园绿化（70.52%）”“手工制作/维修（58.17%）”和“志愿服务（36.65%）”，明显高于含有现代专业学习、数字技能及创新实践相关的选项。这一结果表明，当前学生对劳动教育内涵的理解，主要停留在校园日常生活服务和基础手工劳动的层面，对于劳动教育所应涵盖的生产性、创造性、数字性及服务性等更广泛、更深层次的现代劳动形态，认知存在明显不足和局限。
由于相当数量的师生对“劳动对象”的理解仍被锚定在物理世界。这使得劳动教育难以回应数智时代“生产什么”的根本变化，高强度的数据处理过程被排斥在对“劳动对象”的定义之外，窄化了数智时代劳动教育的客观外延。
第二，在意义建构层面，传统的价值无法与数智时代的发展相适应，导致非物化劳动面临价值虚无的困境。与之相照应的是高校劳动教育尚未能建立起一套有效的机制，帮助学生像理解实体产品的价值一样，去理解、感知和认同这些非物质性劳动成果的价值所在。
在比较脑力劳动与体力劳动（如建设、改造、制作、耕种等）带来的成就感时，问卷数据显示，绝大多数学生（90.04%）认为脑力劳动带来的成就感不低于体力劳动，其中认为“差不多”的比例最高（46.61%）。但在回答“是否清楚如何衡量非物质劳动成果的社会或经济价值”时，仍有19.52%的学生表示“不太清楚”或“完全不清楚”；认为自己“非常清楚”的比例为29.08%，余下为“大致了解”。交叉分析反映了一个有趣的认知差异：选择认为脑力劳动成就感“更高”的学生在如何衡量非物质劳动成果的社会或经济价值时，却有1/5表示“不太清楚”甚至“完全不清楚”。这部分学生对脑力劳动感到“有成就”的主要原因是主观的心理满足，而非基于对社会/经济价值的理性量化认知。他们在感性上认可脑力劳动，但在理性上却缺乏评估其市场/社会价值的标尺。
焦点小组讨论中，有学生表达了对“无形成果”的价值困惑。一位经济统计专业学生说：“给分析模型写代码其实很累，经常熬夜，但外人觉得我只是坐在电脑前点鼠标，我体院的同学就说看不懂我的工作，还说跟打游戏差不多，反正就坐着。哈哈，偶尔让他说得连我自己都会怀疑这算不算劳动，有没有价值？”
这种劳动价值观的塑造在数智语境下面临“锚点缺失”的挑战，易导致前文所述的劳动虚无感，不知不觉间给数智劳动烙上了“不真实”“不辛苦”甚至“不值得尊重”的印象。这种价值感知的断裂，不仅削弱了劳动教育在价值观塑造上的功能，更可能加剧对隐藏在算法背后的隐性数字劳工如程序员、数据标注员、内容审核员等的社会性忽视，背离马克思所主张的劳动是人类本质实现的根本立场。
第三，在评价机制层面，在非物质劳动中，创新性、迭代性和协同性远比“完成度”更具教育意义。然而，现有劳动教育评价体系中的缺陷却无法适配非物化劳动对象的“不可见性”。现有劳动教育评价多依赖出勤记录、书面报告或教师主观打分，既无法捕捉学生在数据处理、模型调试、协作共创等过程中的认知投入与能力成长，也难以衡量其对劳动成果社会价值的理解深度。
问卷数据清晰地揭示了评价机制的滞后性，传统的“文字报告”（82.87%）和“考勤记录”（66.93%）仍以高占比占据“劳动学习成绩主要评定依据”前两位。排在其后的是“小组互评”（54.18%）和“日志/视频”（51.39%）。这些相对传统的评价形式对过程中的协作质量、问题解决策略、技术应用深度等关键维度几乎未被纳入考量。一位曾组织暑期社会实践实训工作的老师说：“今年有一组同学选择做‘AI助老服务调研’，他们非常认真，（假期）反复修改访谈提纲，主动联系社区老人，其间还做了志愿者教老年人使用大模型APP。我很想给这组学生高评价，但最终也仅能给他们打高几分而已。因为一直以来学院沿用的是‘报告完成度+实训态度’打分标准，这套标准对于选题和实训执行过程的评价是有限的。”
尽管传统评价方式在评定依据中占据绝对主导，问卷数据却呈现出一组有趣的认知反差——超过六成学生认为传统评价方式“完全能”或“基本能”反映其劳动学习成绩，但同时对“Portfolio（过程性文档）”类新评价方式的支持比例也突破了六成（61.35%），紧随其后的是“行业导师/企业专家评价（54.98%）”“服务对象/用户反馈（51.39%）”。这种看似矛盾的选择，实则折射出当前劳动教育评价中的现实困境：在以体力劳动为主的传统教育场景中，学生长期处于“结果导向”的评价惯性中，对现有评价方式的认可更多源于其认知熟悉度与操作便利性，而非对评价科学性的主动认同；而对过程性档案的高支持度，则暴露了学生对自身劳动过程中“认知投入”“协作质量”等隐性价值被忽视的不满，以及对更贴合数智时代劳动特征的评价体系的迫切需求。这种“被动接受现有评价”与“主动期待新评价”的并存状态，恰恰印证了传统评价机制与学生发展需求之间的错位，也凸显了重构劳动教育评价体系的必要性与紧迫性。
以体力劳动为主的传统劳动教育中，学生个体间的学习过程差异性小，过程性评价的功能和价值无法凸显，更谈不上对劳动过程中的创新、协作、解决问题等能力进行量化，难以发挥对学生劳动学习的引导作用。劳动教育评价导向与时代契合度低，不能满足日益多元化的劳动教育需求。有学者曾将劳动教育评价形容为推进其发展的“指挥棒”，然而当这根指挥棒仍指向有形世界的旧坐标时，其将注定无法引导教育驶向数智生产的深水区。
（四）劳动价值观之滞：数智劳动伦理话语体系的建构缺位
传统的劳动形态孕育了甘于吃苦、乐于奉献、勤俭节约、守法奉公等质朴的劳动精神。然而，随着数智时代中劳动类型和内容的丰富，劳动成果——这些人们借由其体悟劳动精神的“锚点”逐渐非物质化，甚至不可见，逐渐萌生的“劳动虚无感”使劳动精神与劳动者之间本应相互确证的价值与身份的双向赋能开始弱化。
马克思曾深刻揭示资本主义生产中的“劳动异化”现象，即劳动者与其劳动产品、劳动过程、类本质及他人相疏离。在数智时代，异化并未消退，反而以更隐蔽、更系统的方式演化：从工业时代的体力异化，转向以算法控制、数据剥削和平台规训为特征的认知异化，如劳动者无法理解自身劳动的逻辑与目的；情感异化，如内容审核员被迫处理创伤性信息却无情感支持；甚至关系异化，即人与人之间的协作被中介化为人与系统的交互。
这种新型异化已在学生群体中初现端倪。在焦点小组讨论中，一位参与过数据标注实习的学生描述了典型的认知异化：“每天要给近千张图片打标签，第二天会知道（这批标注）的合格率和返工列表。别的就不知道了。不知道图片标注完是干什么的，也不知道质量合格的那些是不是AI马上就能用了。”
问卷调查显示，60.56%的学生曾在算法决策中产生过负面情感体验，23.91%的受访者曾频繁感受到算法的不尊重；更有68.13%的人承认很少甚至从不会思考日常使用的数字工具背后是否存在伦理问题。这表明，虽身处数智劳动环境，当代大学生却普遍缺乏对其内在权力结构与伦理风险的自觉认知。
在此背景下，数智劳动精神亟需注入如算法正义、数据主权、技术向善的伦理新内涵。然而，当前高校劳动教育在价值观引领上明显滞后，尚未构建起能够回应上述伦理挑战的教育话语与实践体系。课程内容仍固守传统美德叙事，缺乏对算法正义、数据主权、平台责任等前沿议题的介入；教学方式多停留于道德说教，未能通过情境模拟、伦理辩论或跨学科项目引导学生反思技术背后的权力结构。
结构性访谈揭示了教育供给的严重脱节。在受访的12位劳动教育课程负责人中，无一人将“数智劳动伦理”列为课程目标；12人表示“从未在教学中讨论过算法偏见或数据隐私问题”。一位马克思主义学院教师坦言：“我们讲‘劳动光荣’，但很少追问：当劳动被平台算法隐形化、碎片化之后，‘光荣’还如何体现？这个问题我们自己也没想清楚。”
与此同时，学生对伦理教育的渴求却十分强烈。问卷数据显示，74.1%的学生支持在劳动教育中增加关于“算法伦理与数据隐私保护”；针对算法歧视、数据泄露等的“真实案例复盘与辩论”（47.01%）和模拟算法决策后果、角色扮演等“沉浸式模拟体验”（35.46%）等互动形式，明显超过“专家讲座与理论授课”等单向灌输受到受访者的期待。焦点小组中一位法学专业学生在访谈中表达了他的思考：“如果劳动教育只教我们‘要勤劳’，却不教我们‘如何在数字世界中捍卫劳动者的尊严’，那它就失去了时代意义。”
这种语境迟滞，使劳动教育难以承担起抵抗新型异化、重建劳动尊严的时代使命。若不能在数智劳动教育中嵌入对异化机制的批判性认知与价值自觉，就无法帮助学生在智能洪流中确立起作为“有意识的类存在物”的自主掌控力，亦难以树立构筑面向未来的数字劳动伦理原则与精神内核。
四、高校数智劳动教育改革探索
（一）数智时代劳动者的基本素养框架
在相当长的历史阶段，在体力劳动、脑力劳动、简单劳动、复杂劳动的分类基础上，人们曾将体力劳动与简单劳动划为一类，将脑力劳动与复杂劳动划为一类，线性地认为体力劳动与脑力劳动是两种即便不互斥，也鲜有相交的劳动形态。在曾经的认知里，劳动者从事简单体力劳动是无门槛的，但想要从事脑力劳动则需要接受教育乃至有针对性的培养。人们逐步意识到在劳动过程中，体力劳动与脑力劳动是相融合的，“只是在不同历史时期有的以体力劳动为主，有的则以脑力劳动为主”。
传统生产方式被数智科技极大改变，劳动方式和价值的产生过程也随之改变，“知识生产在价值创造过程中独立出来，知识本身越来越成为衡量价值的尺度”。随着劳动及劳动要素在数智时代呈现出的新特征不断被总结归纳，人们对数智劳动场景的观察和理解日渐深入，数智时代劳动教育着力培养和训练的劳动者应该具备的特征已然清晰：
首先，要“有观念”，要清楚地意识到，数字与人工智能技术不仅是当下这般形貌，更会以远超当前认知的形式成为未来社会发展运行的必要条件。数智环境不仅仅存在于校园阶段，更会成为社会工作环境的常态。无论适应与否，喜恶与否，人都要在未来与数智技术相处。高校培养的人才要从观念上做好对数智时代适应的认知调校；其次，要“有能力”。劳动者的数智化能力和素养决定了其学习过程和个人成长中使用和驾驭相关技术工具的程度。在数智化协同已然出现且必将成为常态的时代里，对诸如机器学习、深度学习、自然语言、计算机视觉这样的人工智能基本原理和应用场景加以掌握，有能力熟练地使用数字工具，顺畅地进入人机互动的学习和工作情境并快速正向地产出，会是下一阶段对劳动者能力的基础要求；第三，是“会转化”。当劳动者主动运用数据、算法、人工智能等数字化工具和技术的过程变得得心应手时，数智思维的构建便也在悄然形成，与之紧密关联的创新会变得“寻常”起来。数据的驱动、算法的赋能、可视化的呈现让新颖可行的想法、方法、产品或服务出现，经济或社会效益在可验证、可迭代的创新中产生。最后但同样重要的是要“有态度”，以往若干次技术革命教给人类的重要一课就是对科学技术保持谨慎和警醒。诞生于人类智慧的科学技术却往往最是考验人类。迟滞于科技发展的伦理规范构建，曾引出了许多无济于事的事后补救；因追逐效率而逐渐固化的算法偏见，也正在加剧甚至恶化社会不公。未来的劳动者必须坚信，唯有对过程和结论秉持审慎和批判的态度不辍，才能在对科技向善、数据安全、AI造假和技术伦理的把握中留有足够的容错空间和转圜机会。
（二）高校劳动教育数智化提升路径
将数智技术工具学习纳入劳动教育内容。在数智技术不断驱动的高等教育阶段，劳动教育应不断探索传统体力劳动以外的教育内容，将例如数据获取及管理、可视化呈现、综合决策等技术性任务作为劳动实践的核心环节。通过良好的教学设计，引导学生学习使用不同类型的数字及人工智能工具或平台，让学生在安全、可重复的数智技术环境中完成数字劳动，掌握数智时代信息、资源获取，以及技能经验积累的路径与习惯，奠定借助使用数智技术学习和工作的能力基础。
强化数智劳动与专业基础的耦合。高校的学科专业众多，不同学科的数智化浸润程度存在差异，数智劳动教育需要针对这一情况，围绕专业所对应行业的数字化转型需求进行劳动教育内容的筛选与设计，劳动教育内容与行业实际情况适配对接。对于理工科而言，智能生产管理数字化车间实训或人工智能辅助实验室相关的劳动项目较容易组织构建。而对于文管类专业，诸如文本挖掘、行业发展分析、数智化营销等人工智能和大数据技术驱动的教学内容则应被给予广泛重视，将高校劳动教育作为未来专业工作场景的模拟或预演，培养学生在数字人文领域的劳动能力。
将协同合作置于数智劳动教育的核心。个体层面，劳动者通过获取和掌握数智技术，实现了劳动效率的提升。但从社会层面看，数智劳动快速、高效、流动等特征产生的先决条件是多主体协同体系的支撑。高校劳动教育教学设计应凸显数字劳动跨地域的分布式工作特征。无论是学生承担不同任务，从不同层面沟通协调解决问题的传统PBL项目式学习模式；还是基于AI实训平台或校企间、校际协作项目的劳动实训，在数智劳动教育教学过程中强化协作机制的功能和作用十分重要，并以此为基础，引导学生对数智劳动主体多元协同互联互通的特征特质的学习与认知。
在数智化语境下坚持马克思主义劳动价值观的塑造。尽管数智技术重塑了劳动工具、对象与场景，但“劳动是知识与技能的有机统一”的马克思主义劳动价值观仍是高校劳动教育的根本指向。以培养公正、公平、法治、诚信等为目标的劳动价值观也不会改变。作为价值观教育的重要形式，传统劳动教育承载的功能和作用在数智时代将得到完整保留。同时，系统应融入科学哲学、技术哲学、风险评估等内容，帮助学生在数智技术实操实训中形成科学审慎、诚信敬业的劳动态度和价值取向。
结论与展望
数智技术赋能下，劳动者、劳动资料、劳动对象的内涵和外延虽然发生了深刻变化，但马克思主义劳动价值论的核心要义从未动摇。作为人类社会发展至数智时代而产生的崭新劳动形态，在日益扩大的范围和规模中，数智劳动因其协作、创新的特质在价值创造中的主导作用不断凸显。
高等教育作为培养高素质劳动者的重要渠道，其在劳动教育实践与数智时代产业需求之间存在着巨大的鸿沟。在我国，劳动教育的目的和内容始终紧跟国家和社会发展的需要，在历史的演进中留下了清晰可溯的变迁过程。固守于传统的劳动体验、缺乏与专业融合的课程体系、简单的评价方式，以及数智时代下对劳动精神再诠释的缺位……所有这些共同构成了制约高校劳动教育发挥其时代育人功能的现实困境。基于此，高校劳动教育的内容与范式重构，已成为关乎能否培养出驾驭新质生产力，支撑国家高质量发展的高素质人才的关键之一。充分抓住高校劳动教育这块阵地，坚定适配数智时代用人需求的原则，接受并推动高校劳动教育内容的数字化转型已成为高校劳动教育改革需要回应的必答题。
展望未来，高校数智劳动教育体系的构建与完善，需要在以下几个方向持续深化：首先，在认知层面，高教工作者须进一步凝聚共识，将数智素养视为当代劳动者核心素养的关键组成部分，从助力国家新质生产力培育的战略高度，推动劳动教育的数智化转型；其次，在实践层面，各级高等院校亟需加强跨学科、跨领域的协同探索，特别是促进教育学、马克思主义理论、信息科学和具体专业学科间的深度交融。探索引入不同教育主体，共同评估研判开发创建与本专业契合度高的数智劳动教育项目、内容与课程模块；第三，在机制层面，紧跟国家在深化产教融合方面的战略引领，在遵循国家高教工作有关要求推动高校劳动教育工作的过程中，探索打通高校与数智化程度高的组织、机构、企业合作的制度关卡，将真实的与数智技术相关联的产业问题引入高校劳动教育教学过程，让学生在“做中学”的图景不再止步于设想。未来的研究可聚焦于不同专业数智劳动教育的效果评估、数智劳动价值观培育的具体机制等议题，持续推动该领域的理论创新与实践深化。
（本文参考文献略）
Paradigm Reconstruction and Reform Pathways for Labor Education in Higher Education Institutions in the Digital-Intelligent Era: An Exploration Based on Marxist Labor Factor Theory
LiuChang ZongYixiang
Abstract: In the digital-intelligent era, the rapid diffusion of digital-intelligent labor driven by artificial intelligence and digital technologies has profoundly transformed labor forms, labor factors, and talent demands, posing new challenges and requirements for labor education in higher education institutions. Drawing upon the analytical framework of Marxist labor factor theory and employing mixed-method research involving faculty members and students from multiple universities, this study systematically examines the evolving characteristics of the three labor factors in the process of digital-intelligent transformation. The findings reveal four major challenges confronting current labor education in universities: the mismatch between the supply of students’ digital-intelligent literacy and the demand for human-technology collaboration; the instrumental misplacement of intelligent means of labor within educational settings; cognitive blind spots and value obscuration regarding immaterial objects of labor; and the absence of a comprehensive ethical and value guidance framework for digital-intelligent labor. The study demonstrates that existing labor education is significantly disconnected from the labor demands of the digital-intelligent era in terms of teaching content, curriculum structure, assessment systems, and value orientation. To address these challenges, a fundamental reconstruction of the paradigm of digital-intelligent labor education is required. Such a paradigm should aim to cultivate a new generation of workers equipped with digital-intelligent labor competencies, innovation and transformation capabilities, sound labor values, and prudent attitudes toward labor. It should incorporate digital-intelligent means of labor and immaterial labor objects into the educational process, emphasize collaboration and innovation as core competencies, strengthen the integration of digital-intelligent labor education with disciplinary and professional education, and uphold the guiding role of Marxist labor values. Through these efforts, a labor education system aligned with the development of new quality productive forces can be established within higher education institutions.
Key words: digital-intelligent labor; labor education in higher education institutions; Marxist labor factor theory; labor values; paradigm reconstruction
初审：胡天扬
复审：孙振东
终审：蒋立松
