近40年人工智能教育應用研究的回顧與展望

趙麗華 陳競蓉

（長江大學 教育學院，湖北 荊州434000）

1950年，英國科學家艾倫·圖靈（Alan Turing）發表論文《計算機器與智能》，展開了早期人工智能探索[1]。1956年，在美國達特茅斯學院會議上,與會專家提出機器模擬人類智能的議題及“人工智能”（Artificial Intelli?gence，AI）一詞。70年代以后逐漸形成了諸多人工智能的子領域。近40年來，國內有關人工智能的研究逐漸增多，有關人工智能教育應用的研究也日益引起人們的重視。本文擬運用Bicomb2.01、SPSS21.0、Excel 等軟件，對近40年我國人工智能教育應用研究的成果進行總結分析并展望未來研究趨勢，以進一步深化人工智能教育應用的研究。

一、近40年人工智能教育應用研究的回顧

本文以中國知網（CNKI）數據庫為文獻來源，以Bi?comb2.01、Excel、SPSS21.0 等軟件為工具進行分析。在CNKI 中，以“主題”為限制條件，以“人工智能”和“教育”為關鍵詞進行檢索，剔除會議、通知等非論文后得到640條結果；以“關鍵詞”為限制條件，以“人工智能教育”為關鍵詞進行檢索，剔除會議、通知等非論文后得到126 條結果，共計766 條結果，時間跨度從1978年至2019年3月中旬。

首先，在CNKI 中以NoteFirst 格式導出文獻并存入文件夾，將766 條結果放入Bicomb2.01 進行統計。接著根據高頻詞界分方法統計關鍵詞及頻次，并建立高頻詞的共現矩陣。最后，在SPSS21.0 中對共現矩陣進行聚類分析，得到關鍵詞聚類樹狀圖。本文高頻條目的截取采用“H 指數（H index）”法，即按詞頻降序排列的高頻條目列表中序號為h 的條目的詞頻大于等于h，其后各條目的詞頻小于h，取h 為截取高頻次的閾值[2]。

（一）相關著作多，主要為教育技術學教材及科普類書籍

以讀秀網為檢索平臺，取“人工智能教育”為關鍵詞進行檢索，匹配到相關著作3467 種，取“人工智能教育應用”為關鍵詞進行檢索，匹配到相關著作2304 種。按照內容分析，近40年以來出版的書籍主要分教育技術學教材、人工智能歷史發展及影響、對未來人工智能教育應用的展望。這些書籍或為科普類、或為教材類，主要涉及人工智能技術應用而較少系統地論述人工智能的教育應用，反映出我國人工智能的教育應用還處于初步發展期。

（二）研究分為三個階段，且發文量自2016年起急劇增加

將Bicomb2.01 中對“年份”的統計結果導入Excel 中并生成圖1所示分布圖。近40年來，人工智能教育應用發文情況分為三階段。第一階段：1984年-2002年（初步發展期）。此時人工智能在教育方面應用的探索初步興起，有關人工智能教育應用研究較少，年均發文數量10篇以內。第二階段：2003年-2015年（穩步增長期）。自進入21世紀以來，有關人工智能教育應用的研究逐漸增多，達到一個小高峰，年均發文數量在30 篇左右。第三階段：2016年至今（急劇增長期）。2016年至今，人工智能教育應用的相關研究急劇增加，2017年發文數量達到221 篇，2018年發文數量高達675 篇，進入2019年發文熱度依舊，截至3月中旬，發文數量已經達到58 篇。反映隨著人工智能研究的深入，人工智能教育應用的研究也引起廣泛關注。

圖1 1984-2019.03 論文發表年度分布圖

（三）發文期刊以教育技術領域期刊為主

據統計，源自CNKI 的766 篇文章分別由498 種期刊刊登。其中，刊登量大于等于15 篇論文的期刊為高頻期刊，共14 種。如圖2所示，刊載于《中小學信息技術教育》的論文有55 篇；刊載于《現代教育技術》的論文有43篇；刊載于《遠程教育雜志》的論文有42 篇。這些刊登論文量大于等于15 篇的期刊大部分為教育技術類期刊，反映人工智能教育應用的研究主要存在于教育技術領域，缺乏跨學科研究。

圖2 高頻文章來源表

（四）研究單位多為師范院校或高校師范系，與科研機構的合作較少

根據Bicomb2.01 分析結果，1280 位發文作者（第一作者）來自于802 個單位，其中，大部分研究單位為師范類高校或高校師范系、教育技術系、計算機科學與技術學院，如圖3顯示，陜西師范大學教育學院出現11 次，天津大學教育學院、中國人工智能學會教育工作委員會各出現10 次，華東師范大學、北京師范大學教育學部各出現9 次，首都師范大學、華東師范大學教育信息技術學系各出現7 次；少部分研究單位為企業，如科大訊飛、滬江等公司。這表明有關人工智能教育的研究集中在師范類高校或高校師范系、技術系，相互之間缺乏合作且與科研機構的合作并不密切。

圖3 高頻單位

（五）研究主題集中在五個方面

利用Bicomb2.01 統計高頻關鍵詞，得到766 個關鍵詞，其中高頻關鍵詞23 個，如圖4所示。“人工智能”出現頻次為892 次，“人工智能教育”出現頻次為167 次，其他諸如機器人、智能教育、AI、智慧教育、機器學習等詞也頻繁出現。關鍵詞反映人工智能教育應用研究的核心。

圖4 高頻關鍵詞

將Bicomb2.01 中產生的高頻關鍵詞共現矩陣導入SPSS21.0 中進行聚類分析，得到的聚類分析樹狀圖如圖5所示。根據聚類樹狀圖，將關鍵詞聚合為以下五大主題。

圖5 關鍵詞聚類樹狀圖

1.人工智能教育的影響

包括教學、學習、人工智能、機器人、教育，主要介紹人工智能及人工智能在教育領域應用的歷史及對教育教學、學習的影響。包括對教育目標、課程、教學、評價、教育管理、教育模式、學習方式、人才培養、教師職業發展等的影響。人工智能是為擴展人的智能而產生的新興技術科學。人工智能化教育是人工智能與各種技術和學科交叉形成的教育領域（王運武等，2018）[3]。機器人是隨著科學技術發展、機器人智能發展熱度下的一種新型教學和自主學習的助手，例如：在幼兒教育領域，有教育啟蒙機器人、游戲機器人等。

2.人工智能的教育應用形態

包括專家系統、智能教育、AI、人工智能技術、應用、教育應用。這類主題的文章主要介紹人工智能教育應用的案例。如人工智能教育產品、工具、平臺等。賈積有（2018）介紹了專家系統的作用方式、國內外研究成果，并與其團隊用實驗證明了專家系統對學生學業表現的積極作用[4]。祝智庭等人（2018）認為教育所關注的智能主要包括認知智能、情感智能、志趣智能，智能教育關注開發人的各種智能[5]。楊現民等人（2018）構建了教育領域人工智能的技術框架。

3.人工智能關鍵技術

包括深度學習、機器學習、個性化學習。這類主題的文章則側重于介紹人工智能領域的關鍵技術，并說明這些技術如何為教育教學、管理、學習提供支持。機器學習借助計算機在數據中獲取信息獲得知識并進行預測（賈積有，2018）[6]。機器學習成為了人工智能領域的關鍵技術之一[7]。深度學習是機器學習的一個階段（余凱等，2013）[8]。技術的發展使得打造適合學習者個人的學習方式成為可能，個性化學習成為人工智能關鍵技術的代名詞之一。朱永新（2017）基于學習中心的內在本質提出個性化是未來教育的走向[9]。

4.教育信息技術的研究

包括教育信息化、智慧教育、未來教育。此類主題的文章介紹人工智能教育應用的衍生主題。南國農（2002）認為教育信息化是在教育中運用現代信息技術進一步促進教育現代化的過程[10]。余勝泉（2012）認為教育信息化的重點不僅在于發揮技術效率的提高作用，更要發揮技術改變教育生態環境的作用[11]。2018年4月，教育部發布了《教育信息化2.0 行動計劃》。教育信息化致力于實現教育信息及知識的共享，同時也可以促進教育公平，緩解教育資源分配不均造成的問題。祝智庭（2018）指出智慧教育在學習環境、教學和學生個性化學習方面起著積極作用[12]。黃榮懷（2014）認為智慧教育是教育信息化的進階，并論述了智慧教育的三重境界[13]。未來教育探討在人工智能的大背景下，教育的發展方向、發展模式和各種可能性。

5.人工智能與學科教育的融合設計

包括中小學、人工智能課程、人工智能教育、職業教育、人才培養等。此類主題的文章側重于介紹不同階段、不同類型的人工智能教育應用。人工智能技術的發展給人工智能技術的教學提出了新要求，也催生了人工智能課程，目前的研究側重課程改革與實踐。在職業教育領域，2019年2月13日，國務院發布了《國家職業教育改革實施方案》。對“雙師型”教師需求增大，若有了人工智能的輔助，這種創新性團隊的建設將會更加完備。人工智能在職業教育領域提高了教學和實踐的效率，也加速了職業教育治理的變革與創新[14]。在信息化、智能化技術的發展和支撐下,職業院校人才培養方式將更加智慧化。在人才培養方面，人工智能的教育應用包括對人才的培養、教育、評價等的研究。

二、未來人工智能教育應用研究的展望

近40年來，無論是在研究領域、研究內容、研究技術的使用、還是在研究論文發表上，人工智能的教育應用研究都取得了很大的進步，但仍存在一些不足。如跨學科研究不夠深入；研究缺乏與學科教學改革實踐的結合；人工智能教育的歷史發展和影響的研究論文較多，本土化研究少；研究缺乏合作。本文認為未來人工智能教育應用研究應注重以下四個方面。

（一）進一步開展人工智能教育應用的跨學科研究

雖然，在教育目標、課程、教學、評價、教育管理、教育模式、學習方式、人才培養、教師職業發展以及人工智能教育產品、平臺等方面已有諸多研究，但是研究視角單一，且發文期刊主要存在于教育技術領域，缺乏跨學科研究。未來，研究應廣泛而深入，增加對不同層次、不同類型教育的研究，同時利用不同學科視角和資源優勢開展人工智能教育應用的研究。

（二）促進人工智能與學科教學改革實踐的結合

現有關于人工智能教育應用的研究存在技術性與教育性不平衡的問題，一方面局限于技術人員對人工智能技術的介紹，而缺乏與學科教學改革實踐的有效結合。另一方面，局限于從事學科教學改革實踐的教師缺乏對人工智能教育應用的理解，而只是進行研究的可能性預測。為此，需通過培訓等方式加強一線教師對人工智能教育應用的深入理解，促進人工智能與各學科具體教學改革實踐相適應。

（三）加強人工智能教育的本土化研究

歐美等國在人工智能教育應用方面的研究較久，已有眾多成果，如在機器學習、自然語言處理、智能教學系統等應用方面已經取得了很大的進步。我國研究者在借鑒的同時要結合國內的教育政策、教育情境、教育者和學習者的實際情況，并充分考慮國家、地方、學校的教育發展規劃和局限進行人工智能教育應用的研究。

（四）深化“校校合作”和“校企合作”

雖然，近40年來研究人工智能教育應用的高校和機構越來越多，但研究分散，相互之間缺乏合作，各高校、企業的研究優勢沒有充分整合。在今后的研究中，各研究單位應積極開展合作，發掘不同高校、機構或者企業的資源優勢，形成優勢資源互助合作鏈，促進研究進一步深化。