我國人工智能教育研究現狀及主題結構分析

鄭婭峰 傅騫 趙亞寧

摘 要：人工智能教育是當前教育發展的大勢所趨，自提出后受到全球教育研究者的廣泛關注。為充分了解當前國內人工智能教育發展的現狀，文章以CSSCI期刊庫為數據源，以“人工智能”和“教育”為關鍵詞，對相關文獻進行檢索分析。通過可視化方法對高被引文獻、高頻關鍵詞等進行呈現，并采用聚類方法對高頻關鍵詞進行分類，詳細探討各類團的研究內容。最后，總結和討論了人工智能教育各個領域的研究現狀，并提出未來發展建議，為人工智能教育的研究發展提供借鑒。

關鍵詞：人工智能教育;大數據;智慧教育;機器學習

中圖分類號：G434文獻標志碼：A文章編號：2096-0069（2020）01-0021-06

引言

人工智能技術與教育的深度融合對傳統的教育理念、教育體系和教學模式產生了深刻影響，其技術應用和人才培養問題受到我國政府的高度重視。2017年《國務院關于印發新一代人工智能發展規劃的通知》中指出，實施全民智能教育項目，在中小學階段設置人工智能相關課程[1]。2018年4月，教育部發布的《高等學校人工智能創新行動計劃》中，要求構建人工智能多層次教育體系，在中小學階段引入人工智能普及教育[2]。2018年1月，國家自然科學基金委新增F0701 教育信息科學與技術分類，深入推進人工智能和教育學科融合的相關基礎理論、基本方法和關鍵技術研究。

自此，“人工智能+教育”被賦予新的內容和含義，人工智能教育研究被劃分為兩大分類。其一是人工智能賦能教育，即人工智能在教育中的應用。其主要指人工智能技術支撐教育實踐后對教學方式的改變，如精準診斷、個性化推薦、智能導師等。其二是人工智能教育內容，即人工智能教育內容本身及其相關素養能力培養，主要包含多樣的編程教育、創客教育以及計算思維能力、問題解決能力、創新能力等信息素養的培養。為全面呈現當前我國該領域的發展和現狀，研究通過可視化分析方法，采用作者共被引、關鍵詞共現網絡、聚類類團等方法分析該領域研究主題結構及發展狀態，并對人工智能教育未來發展提供一些建議。

一、數據來源與研究方法

為確保數據質量，保證研究的準確性，本研究的數據全部來源于中文社會科學引文索引（CSSCI）來源期刊論文數據庫。以“人工智能”與“教育”為關鍵詞進行檢索，共計134篇。經有效篩選，共選擇有效文獻130篇，出版時間在2000—2019年間。將相關文獻數據從CSSCI庫中導出后，為確保數據的準確性與可靠性，通過手工方式對數據中的語義重復、中英文格式等問題進行清洗處理，如將關鍵詞“AI”“人工智能2.0”替換為“人工智能”等。

研究首先將文獻數據利用CiteSpace工具進行圖譜構建，分析研究領域內的高被引文獻。然后利用高頻關鍵詞及其時區圖展示領域熱點詞發展狀況。最后，利用Bicomb詞頻分析軟件對文獻數據中的關鍵詞進行抽取與統計，同時生成高頻關鍵詞共現矩陣?；谠摴铂F矩陣，使用SPSS統計分析軟件對關鍵詞進行聚類分析，形成研究領域的主題結構分類。

二、研究結果

（一）高被引文獻分析

高被引文獻分析能夠反映出一定時間范圍內被同學科領域引用頻次位居前列的文獻。分析這些最有影響力且學術質量較高的文獻，有利于更準確地追蹤學科的研究動態。研究將數據導入CiteSpace工具中，時間段設置為從2000年到2019年間，時間間隔設置為一年，生成可視化網絡圖譜。圖譜中共出現63個節點，網絡密度達到0.0676，說明文獻間共被引關系相對緊密。該數據也初步表明該領域內研究內容相對集中。

由圖譜及統計數據可知，閆志明2017年發表的《教育人工智能（EAI）的內涵、關鍵技術與應用趨勢》為當前引用頻次最高且中心度最高的引文。該文通過對美國政府發布的《為人工智能的未來做好準備》和《國家人工智能研發戰略規劃》兩份報告進行解讀，對教育人工智能的目標、內涵、關鍵技術以及發展趨勢等進行深度解析，并指出教育人工智能所面臨的重要挑戰及其應對方式[3]。該文的高被引量也反映了國內研究者對發達國家技術政策推進的緊密關注。吳永和在2017年發表的《構筑“人工智能+教育”的生態系統》的被引頻次為8次，位列第二。在該文中作者總結了人工智能發展的7個階段，構建了人工智能教育生態系統框架及其核心要素和關系[4]，并據此提出人工智能教育的人才培養體系，為讀者提供了有價值的參考。此外，賈積有于2018年發表的《人工智能賦能教育與學習》也有較大的影響力，該文從知識表示、機器學習、模式識別等不同技術角度分析人工智能對教育的積極正面影響，并對智能教學系統的發展及其相關應用和研究進展進行了詳盡的分析，是從技術角度解讀人工智能教育的一篇較為深刻的文獻[5]。

（二）高頻關鍵詞共詞分析

1.高頻關鍵詞分析

研究將數據導入CiteSpace軟件，節點類型選擇關鍵詞（Keyword），圖表視圖選擇時區圖（TimeZone View）進行高頻關鍵詞可視化分析。時區圖反映了關鍵詞在時間跨度上的知識演進，可以直觀反映關鍵詞的演進路徑。通過時區圖分布，可看出人工智能從2000年起步，并以爆發性的態勢發展。至2002年人工智能與教育開始結合，并出現了機器人教育研究。隨后在2007年與人工智能相關的教育信息化、智能教學系統被大量提出，表明這一時期研究是以人工智能教育應用為主，特別是智能導學系統的研究。2016年到2019年間，是人工智能教育的大爆發時期，人工智能與教育深度融合并引發了教育教學形式的巨大變化，不僅出現了未來教育、智能教育、智慧教育等教育概念，同時還出現了創客教育、個性化學習、深度學習、計算思維等熱點詞。

研究將文獻數據導入Bicomb軟件中進行關鍵詞的提取、統計與分析，統計高頻關鍵詞的頻次。將數據矩陣導入Ucinet軟件中計算得出關鍵詞的中介中心性，表1列出了頻次大于3的關鍵詞的頻次和中介中心性。

由表1可見，人工智能領域的研究圍繞人工智能教育應用、人工智能關鍵技術、人工智能教育載體展開。主要涉及個性化教學、智能教學系統、機器人教育、機器學習、深度學習、編程教育、STEAM教育、計算思維等核心關鍵詞。

2.高頻關鍵詞共現分析

關鍵詞共現矩陣反映了關鍵詞之間的聯系。本研究利用Bicomb軟件研究選取共現頻次大于2的關鍵詞形成關鍵詞共現矩陣，并將生成的共現矩陣導入Ucinet軟件進行可視化分析。在關鍵詞共現網絡圖中，節點的中心度大小通過節點的大小表示。節點之間的連線表示關鍵詞的共現關系，連線越多，則表明關鍵詞之間的聯系越密切。在關鍵詞共現網絡圖中，人工智能的節點最大，中心度最高，占據核心位置。外圍與之相連的關鍵詞包含人工智能教育應用、教育信息化、個性化教育、機器學習等。最外圍包含編程教育、計算思維、創客教育、學習分析等概念，表明了以人工智能為核心的教育應用、技術、方法、載體、目標等更廣泛的研究領域。

（三）主題聚類分析

本文采用SPSS軟件針對關鍵詞進行聚類分析，將距離較近的關鍵詞聚在一起從而形成分析目標。將相異矩陣導入SPSS軟件中，首先對相關的參數進行設置，在繪制中選擇“譜系圖”，在聚類方法中選擇“Ward”方法，生成如圖1所示的聚類譜系圖。

根據聚類分析的結果，研究將人工智能教育領域劃分為四個類團。

類團1：智能教育理論。

智能教育理論是人工智能教育領域的基礎研究內容，包括學習空間、人機協同、教育信息化、教育現代化、智慧教育、教育技術、遠程教育、教育等關鍵詞。大量的高頻引用論文也多集中在理論和方法層次。這是因為，一方面，傳統的教育理論和教育方法已經不太切合人工智能時代下的教育，人工智能時代的教育需要更加切合的教育理論和方法;另一方面，人工智能教育需要一個全方位的理論指導和應用圖景介紹，方便教師盡快理解人工智能在教育中的可行應用。該領域由智慧教育、教育現代化等關鍵詞組成。當前，關于智能教育理論的研究主要集中在以下幾個領域：國內外人工智能及人工智能教育政策文件及行動計劃的解讀、人工智能教育已有的研究評述與展望、人工智能背景下的教育理論與方法創新。如蔣鑫對美國頒發的《國家人工智能研發戰略規劃》和《美國機器智能國家戰略規劃》進行詳細解讀，指出其人工智能支持教育變革方面的政策轉變，以期為我國未來教育人工智能戰略的制定提供借鑒[6]。王珠珠則對教育信息化2.0時代的智能教育核心要義和實施途徑進行了深入討論和論證[7]?？傮w上而言，新的技術的發展對原有教育理論將產生推進作用，并深入理解新興技術與教育的適切性問題，推動教育理論的不斷更新具有重要意義[8]。

類團2：智能教育應用。

智能教育應用研究是人工智能教育領域的重要研究內容，包括人工智能教育、人工智能應用、人工智能、個性化教學、在線學習、人工智能技術、智能教學系統。該領域學術論文數量較多，研究主要集中在對人工智能賦能教育教學方式、評價、決策等方面，由個性化學習、在線學習、人工智能技術、智能教學系統等高頻關鍵詞組成。從當前文獻研究可看出，大規模在線學習中的個性化學習和智能教學系統為當前主流的教育應用研究，兩者通常進行相互結合。個性化教學通過確立明確的個體目標，實時收集個體行為、認知數據，幫助學生選擇最佳的學習策略。智能教學系統則通過采集數據，構建模型，為個性化的教學方式提供良好的實現途徑。該領域當前整體的研究趨勢是探索如何從教育的實際需求出發開發各類智能教育應用。如余明華在其文獻《人工智能視域下機器學習的教育應用與創新探索》中就對應用與教育領域的機器學習方法進行了匯總分析，充分闡述了機器學習對學生行為建模、學習表現預測、學習支持和評測方面的典型應用案例[9]。潘云鶴在其《人工智能2.0與教育的發展》中就對人工智能2.0時代對教育的影響進行了詳細的闡述，指出了大數據智能、媒體智能等對個性化教育及學習效率效果的重大提升作用[10]。

類團3：智能教育技術。

人工智能教育研究領域主要依賴核心技術的使用，包括技術方法和核心算法兩大內容。這一類團主要由教育大數據、學習分析、機器學習、深度學習和區塊鏈等幾個高頻關鍵詞組成。其中，教育大數據是人工智能實施的基礎數據支撐，而學習分析則是重要的技術支撐。研究多以教育大數據為支撐，根據教學中學生認知發展規律的變化，提取重要指標，發現學習規律，為優化學習路徑、促進教學監督與干預提供證據支持[11]。機器學習是人工智能的核心，機器學習研究如何使計算機自動進行學習的方法，具有從信息中歸納知識，進行聚類、關聯分析、預測及可視化等各種能力，其適用于各種大小規模不同的數據集。而深度學習屬于機器學習的子類，其更依賴于大規模數據的使用。近幾年，大規模開放教育平臺迅速發展，其為深度學習提供了海量的學習和評測樣本，促進了學習增強、學習預測、學習遷移、知識表征、自適應學習等多個教育領域的發展[12]。

類團4：智能教育內容。

在人工智能戰略的總體目標和創新性人才培養的要求下，當前的人工智能教育內容與相對成熟的創客教育、STEAM教育、機器人教育形成自然連接。該類團主要由機器學習、創客教育、STEAM教育、計算思維和編程教育等高頻關鍵詞組成。這些教育內容所蘊含的創新素質培養、合作精神、問題解決能力、批判性思維等培養目標與人工智能教育培養總體目標相一致。從研究的趨勢來看，該領域研究主要集中在中小學人工智能課程體系、教學模式及創新能力及核心素養等幾個方面。研究思路也逐步從單純的人工智能知識教育過渡到整合人工智能的教育，教育形式和教育模式都不斷創新。如傅騫研究中探索了圖形化編程工具在提升學生的計算思維能力方面的顯著效果[13];謝忠新從認知發展視角提出了對中小學人工智能課程內容建設的想法[14];祝智庭則在其《面向人工智能創客教育的國際考察和發展策略》一文中，為面向人工智能的創客課程建設提出建議，指出了科普課程、嵌入式課程、項目性和整合性課程的不同目標及組織形式[15]。

三、研究結論

從人工智能作用的對象出發，我們可以總結得出，當前人工智能教育研究主要應在以下三個方面不斷深入探索。

（一）人工智能優化教學內容，完善學生知識體系

人工智能可以通過兩個維度來優化教學內容，完善學生知識體系。一個維度是在內容本身，即在教學內容中加入人工智能的相關知識，方便學生應對未來的知識需求;另一個維度則是組織形式，利用人工智能可以更好地組織教學內容，方便學生理解。未來社會的運行將會建立在人工智能及物聯網基礎上，學生們只有理解了人工智能、物聯網等基本原理才能應對未來的需求，所以基于人工智能的相關課程必須充實到現有的教學內容中。對于組織形式而言，借助于人工智能技術，知識可以以知識圖譜的形式進行組織，形成網狀的知識依賴圖，從而可以以更加科學的方式進行教學，也為個性化的教學提供了基礎。

（二）人工智能改善教學環境，激發學生創新能力

人工智能對教學環境的支持可以在對學習內容進行重新組織和重構的基礎上，對學習活動進行跟蹤和分析，對學習時空進行感知和適應，對教學活動進行評價與優化。為實現這些目標，人工智能技術不僅應提供人與教學環境的自然交互、基于情境感知的自適應教學、基于學習者行為的自動評價與反饋等，還應關注學習環境對學習成就的影響，從而制定有效的環境支持策略，提升學生的學習效果和效率。更為重要的是，當前人才培養目標正在向具有核心素養的創新性人才過渡，人工智能對學習環境的支持必然也應順應這一變化，注重對學生的創新能力培養的支持，即通過拓展實踐環境和空間環境，使學習者在課上和課下、真實和虛擬環境中都能產生創新的行為。

（三）人工智能改進教學過程，增強學生學習效果

人工智能可以為教學過程提供支持，可以應用于學習、診斷、練習、測評等學習過程之中。這些應用通過收集海量教學和學習數據，實施細粒度分析，追蹤每位學習者的知識和能力發展情況，提升學習分析的精準度，進而為學習者提供及時干預措施和學習輔助。在此過程中，人工智能在教育中的應用與研究應在充分了解學習過程的基礎上，積極吸收和借鑒學習科學及認知心理科學等最新研究成果，依據學習者認知特征規律構建更為精準的學習支持模型，有效提高學習效果。更進一步，人工智能對教學過程的支持還將有效改變現有評價方式。技術的多維接入，使得教師可以使用多樣的設備采集任意過程數據，對學生的邏輯思維、情緒體驗等進行多角度的綜合評價，實現更加精準的智能導學與基于核心素養能力的個性化評價。

當前的人工智能教育研究還處于初級階段，未來還有很長的路要走，筆者建議后續的研究從以下幾個維度展開：在教學內容上，從學科整合角度出發來構建分層的人工智能教學課程體系。整合是為了通過綜合實踐來培養學生解決實際問題的能力，分層則是為了在不同的學段提供合適的人工智能課程。在教學環境上，從促進學生創新和分享的角度來設計智能教學環境。好的教學環境并不只是方便老師或學生完成已有知識的被動學習，而是應該激勵學生進行知識的創新應用和分享，并形成創新到分享又激勵創新的正向循環，持續地進行創新和分享。在教學過程上，從學生核心素養角度出發來研究人工智能支持下的教學過程。我們相信，伴隨著人工智能教育應用的不斷研究和實踐、教與學效率的不斷提高，人工智能教育最終會促進師生共同發展，培養滿足時代需求的人才。

參考文獻

[1]國務院.國務院關于印發新一代人工智能發展規劃的通知[EB/OL].（2017-07-20）[2019-08-09].http：//www.gov.cn/zhengce/content/2017-07/20/content_5211996.htm.

[2]教育部.教育部關于印發《高等學校人工智能創新行動計劃》的知[EB/OL].（2018-04-03）[2019-08-09].http：//www.moe.gov.cn/srcsite/A16/s7062/201804/t20180410_332722.htm.

[3]閆志明，唐夏夏，秦旋，等.教育人工智能（EAI）的內涵、關鍵技術與應用趨勢：美國《為人工智能的未來做好準備》和《國家人工智能研發戰略規劃》報告解析[J].遠程教育雜志，2017，35（1）：26-35.

[4]吳永和，劉博文，馬曉玲.構筑“人工智能+教育”的生態系統[J].遠程教育雜志，2017，35（5）：27-39.

[5]賈積有.人工智能賦能教育與學習[J].遠程教育雜志，2018，36（1）：39-47.

[6]蔣鑫，洪明.從“NSTC規劃”到“CSIS規劃”：美國人工智能賦能教育的顛覆與創新[J].中國遠程教育，2019（7）：27-37.

[7]王珠珠.教育信息化2.0：核心要義與實施建議[J].中國遠程教育，2018（7）：5-8.

[8]李政濤，羅藝.面對信息技術，教育學理論何為？[J].華東師范大學學報（教育科學版），2019，37（4）：1-12.

[9]余明華，馮翔，祝智庭.人工智能視域下機器學習的教育應用與創新探索[J].遠程教育雜志，2017，35（3）：11-21.

[10]潘云鶴.人工智能2.0與教育的發展[J].中國遠程教育，2018（5）：5-8，44，79.

[11]魏順平.學習分析技術：挖掘大數據時代下教育數據的價值[J].現代教育技術，2013，23（2）：5-11.

[12]趙慧瓊，姜強，趙蔚.教育大數據深度學習的價值取向、挑戰及展望——在技術促進學習的理解視域中[J].現代遠距離教育，2018（1）：17-25.

[13]傅騫，解博超，鄭婭峰.基于圖形化工具的編程教學促進初中生計算思維發展的實證研究[J].電化教育研究，2019，40（4）：122-128.

[14]謝忠新，曹楊璐，李盈.中小學人工智能課程內容設計探究[J].中國電化教育，2019（4）：17-22.

[15]祝智庭，單俊豪，閆寒冰.面向人工智能創客教育的國際考察和發展策略[J].開放教育研究，2019，25（1）：47-54.

Research Status of Artificial Intelligence Education and Analysis of Subject Structure

in China

ZHENG Yafeng1，2，FU Qian2，ZHAO Yaning3

（1.School of Computer and Information Engineering，Henan University of Economics and Law，Zhengzhou，Henan，China 450000;

2.Faculty of Education，Beijing Normal University，Beijing，China 100875;

3.Collaborative Innovation Center for Transport Studies，Dalian Maritime University，Dalian，Liaoning，China 116026）

Abstract： Artificial intelligence education is a big trend for current educational development，and has won a wide attention among global educational researchers since its proposition.In order to have a fully understanding of the current developing situation of artificial intelligence education in China，this paper，taking CSSCI periodical database as data source，and“artificial intelligence”and“education”as key words，has done a searching and analysis to related literature.This paper has also presented highly quoted literature and high-frequency key words through visualized method，classified the high-frequency key words through cluster method，and discussed the research content of different class groups in detail.At last，this paper has make a conclusion and discussion of the research status.

Key words： artificial intelligence education;big data;smart education;robot learning