我國人工智能教育研究綜述

摘 要：在社會信息化的推動下，人工智能技術在教育領域應用的熱度也在不斷加深。從文獻來源、關鍵詞聚類分析兩個角度，通過Citespace、SATI、UCINET三個可視化分析軟件對中國知網中文數據庫中自1984年至今約25年有關“人工智能教育”的期刊文獻進行分析。研究發(fā)現我國對于人工智能教育研究的范圍逐漸擴大，但在教育領域的應用研究尚且不足。

關鍵詞：人工智能;人工智能教育

中圖分類號：G4 文獻標識碼：Adoi：10.19311/j.cnki.1672-3198.2020.11.093

人工智能（Artificial Intelegence，AI）最早于1956年在達特茅斯會議中被提出，至今已有60余年歷史。從2016年google公司的alphago在與世界頂級圍棋手李石世的人機比賽中取得勝利，到2018年OpenAI five在DOTA 2游戲中戰(zhàn)勝人類5團，人工智能技術在當下信息化和全球化的時代正在不斷強化，逐步脫離弱人工智能的標簽、超越技術的局限，漸進深入到越來越廣泛的領域。我國當代對人工智能的發(fā)展有著高度重視：2017年，“兩會”首次將AI寫入政府工作報告，這是人工智能上升為國家戰(zhàn)略的重要標志。

國家的興盛與否取決于教育，信息化的社會必然對教育信息化有迫切要求。由于人工智能對教育資源分配，實現個性化學習、精準學習和終身學習方面起著重要支撐，因此近年來人工智能教育的相關研究也在不斷加深。本文通過結合Citespase、SATI和UCINET三個文獻可視化分析軟件近25年來關于“人工智能教育”的中文文獻進行分析，以期用更直觀的方式展示國內人工智能教育研究的熱點、發(fā)展歷史和研究現狀。

1 數據來源與研究方法

1.1 數據選擇

通過對中國知網（CNKI）的中文期刊文獻搜索發(fā)現：國內與“人工智能教育”直接相關的文獻較少，文以“人工智能教育”為關鍵詞進行篇名搜索，在中國知網的期刊中除去不相關文獻共篩選出有效期刊文獻780篇。

1.2 研究方法

本文利用Citespace、SATI和UCINET三款軟件對文獻進行可視化分析，通過生成聚類圖譜、關鍵詞頻次表、中介中心性矩陣、共現矩陣等方式，對作者、關鍵詞、來源等進行可視化分析，直觀展示該研究熱點和發(fā)展趨勢。

對于Citespace軟件的使用，由于只能掌握近25年左右的相關文獻，所以將時間按照一年為一段進行切割;由于分析期刊數量并未達到千篇以上，所以直接應用term、type、links、selection criteria、visualization選項的默認值，對于TOP N的選擇也使用了默認值50，即只聚類分析每個時區(qū)排名前50位的節(jié)點。受文獻數量限制本文也沒有對產生的聚類圖譜進行pruning網絡裁剪操作。Citespace聚類圖譜中的Q值（模塊值）和S值（平均輪廓值）是兩個對效果評判的重要指標。一般來說，Q值處于0～1的區(qū)間內，當Q>0.3時意味著所劃分的社團結構是顯著的;當S值高于0.5時被認為聚類是合理的，當S值為0.7時，聚類是高效率且令人信服的。

2 文獻來源統計分析

2.1 年發(fā)布量

將主題為“人工智能教育”的期刊文獻進行轉碼后導入SATI軟件，勾選“年份”選項后進行字段抽取和頻次統計，生成相關文獻在1984年到2020年發(fā)布量統計圖，轉換為折線圖后如圖1所示。

從圖1中的年發(fā)布量變化中可以看出：“人工智能教育”的相關研究總體呈上升態(tài)勢。其中在2008年前涉及量較少，直到2015年左右相關主題文獻年發(fā)布量呈現出急劇增長的勢頭，尤其以2017年到2018年的增長幅度最大。截至到2020年2月相關文獻繼續(xù)保持增長趨勢。

20世紀30年代“人工智能”之父圖靈提出自動機理論，促進了人工智能的研究;在這個背景下，西方人工智能在20世紀50、60年代得到了高度重視和發(fā)展，而當時的中國受蘇聯思想的影響較深，20世紀70年代左右中蘇關系惡化。因此，在20世紀80年代前蘇聯對人工智能的態(tài)度使得當時的中國對人工智能幾乎沒有研究。

20世紀80年代初，錢學森等主張開展人工智能領域的研究，但是受批判主義的影響，人工智能早期在中國的發(fā)展非常艱難;因此1984年前關于人工智能領域的文獻發(fā)布量少之又少;1981年中國人工智能學會正式成立，1984年鄧小平指示“計算機普及要從娃娃抓起”，自此國內對于人工智能的境遇開始好轉，相關文獻發(fā)布量也略有提升。

21世紀后很多人工智能課題獲得863計劃、973計劃、國家自然科學基金重點等項目的大力支持，人工智能在教育領域應用的相關研究和文獻也呈上升態(tài)勢;2015年至今，“人工智能教育”相關的文獻研究發(fā)布量表現出突破性劇增是因為2014年習近平總書記在中科院院士大會上的重要講話和2015年李克強總理在十二屆全國人大會議中都時對人工智能給予了高度評價。近年來國家不斷出臺對人工智能發(fā)展的引導和支持政策，這對開展人工智能研究起了重要推動作用;2017年，在國務院發(fā)布的《新一代人工智能發(fā)展規(guī)劃》中確立了我國人工智能“三步走”的戰(zhàn)略目標;2018年潘云鶴院長在上海召開的世界人工智能大會上指出人工智能將進入2.0時代。在人工智能突飛猛進的態(tài)勢下，深入對人工智能教育的研究有利于我們落實科技強國、人才強國發(fā)展戰(zhàn)略與教育現代化2035的指導思想。

2.2 期刊分布

與年發(fā)布量分析方式同理，勾選“來源”選項后進行字段抽取和頻次統計：1984年到2020年“人工智能教育”主題相關文獻所屬期刊前五位分布如圖2所示。

通過SATI進行頻次統計發(fā)現大部分期刊來源較為分散，具有一定程度集中性且發(fā)布數排名前五位的分別是：《中小學信息技術教育》《現代教育技術》《中國信息技術教育》《遠程教育雜志》和《中小學電教》。

其中《遠程教育雜志》是CSSCI來源期刊，關注于國內外現代遠程教育、教育技術及相關領域前沿和發(fā)展;《現代教育技術》是國家級學術刊物、CSSCI來源期刊和中國教育技術學會會刊，面向教育信息化等諸多領域;《中小學電教》是國內最具有影響力的電教類核心期刊之一，關注于現代化教育教學現象和教學管理;《中小學信息技術教育》和《中國信息技術教育》關注于發(fā)展教育信息化。

通過對文獻發(fā)布量排名前五位的學術雜志進行分析得出：“人工智能教育”的研究有著很高的專業(yè)性和技術性;它很大程度屬于教育技術學研究領域，其發(fā)展需要教育技術學相關技術人員的支持和推動;同時它對于實現教育信息化、優(yōu)化遠程教育、提高信息素養(yǎng)和實現深度學習領域起著重要作用。

3 研究熱點分析

研究熱點的分析是通過運用Citespace、SATI、和UCINET三個可視化分析軟件，對“關鍵詞”分別進行頻次統計、聚類分析、中心度分析分析得到的。由于文獻來源量不能以千計數，所以沒有涉及突現詞分析，即本文無法精準預測“人工智能教育”的未來發(fā)展趨向。

3.1 關鍵詞頻次統計

將780篇與“人工智能教育”相關的期刊文獻轉碼導入到SATI軟件中，設置好相應參數后選擇“關鍵詞”——字段抽取——頻次統計。關鍵詞出現頻次分別有182、20、12、11、9、8、6、5、4、3、2、1，關鍵詞出現頻次越多代表研究相關性和熱度越高。除去頻次為1、2、3的關鍵詞后，所剩相關性較強、熱度較高的關鍵詞如表1所示。

從表1熱度較高的關鍵詞分析可以得出：與“人工智能教育”相關的研究主要體現于人工智能技術在教育教學領域的應用層面，這體現了教育信息化的背景;這種應用需要借助大數據智能教學系統等開設人工智能課程、教學過程中使用教育機器人;人工智能教育已經應用于職業(yè)教育和中小學教育階段，而且涉及遠程教育和網絡教育的研究和優(yōu)化;人工智能技術在教學中的應用是一種智能教育，它改變了教學模式轉變了傳統的人才培養(yǎng)理念，有利于實現深度學習和個性化學習，提高了教師和學生的信息素養(yǎng);教育教學領域要實現人工智能技術的應用需要教育技術學專業(yè)人員的投入與支持，這一點在與上文中文獻來源和作者分布的分析中也有所體現。

3.2 關鍵詞聚類分析

將1984年到2020年的相關文獻轉碼后導入Citespace軟件，time slicing設為1，node types選擇keyword，生成780篇文獻關鍵詞的聚類圖。關鍵詞的中介中心性越小代表研究相關度越低，雖然有些關鍵詞地出現頻次較高，但是與研究主題的相關性較小或者沒有相關性。所以需要將關鍵詞的中介中心性列表按照從大到小的順序排列，隱藏中介中心性較低的關鍵詞。由于所剩有效關鍵詞的中介中心性差距較大，且為了美觀和體現聚類圖的有效性，調整term labling標簽中threshold項，使聚類圖譜中只顯示中介中心性排名前十位的關鍵詞。調整后的關鍵詞聚類圖譜如圖3所示。

從圖3可以看出與“人工智能教育”主題相關的文獻研究重心是人工智能技術在教育教學中的應用，這種教育方式引申出智慧教育和智能教育。人工智能技術在教育領域中的應用需要借助于專家系統等平臺的支持，且主要作用于職業(yè)教育層面（在上文中有所體現）。

關鍵詞聚類圖譜中，N=494，E=1205，density=0.0099，即在隱藏中介中心性為0.00的關鍵詞后，所剩余的關鍵詞組成的聚類圖譜中共有494個節(jié)點，它們之間有1205個相關關系。在聚類圖譜中，S值和Q值越接近于1代表聚類之間的相關性越大，本文中關鍵詞聚類圖譜的Q值等于0.7881，S值等于0.8225，說明本文的關鍵詞聚類圖譜結構明顯，效率和信服度極高。但是由于受期刊文獻數量限制，故而沒有采用pruning剪切，所以pruning值等于0。

3.3 研究熱點分析

本文利用SATI和UCINET軟件對相關文獻進行了中心度分析，旨在說明25年來“人工智能教育”的研究熱點。本文通過將文獻轉碼導入SATI軟件，在完成相應參數設置后抽取字段、統計頻次并生成關鍵詞共現矩陣并轉碼導入UCINET軟件，設置相應參數后進行可視化導入生成關系圖并調整相應參數進行中心度分析，如圖4所示。

圖4表示，以人工智能為研究核心延伸出了：深度學習、機器學習、智能教育、學習分析、大數據、智能教學系統、學習方式、人機協作、個性化學習、教育大數據、教育人工智能、智慧教育等相對成熟的熱點探究;對于中外層的：機器智能、跨媒體智能、人才培養(yǎng)、終身學習、教育理念、個性化教育、通識教育、群體智能、教育創(chuàng)新等則屬于新興研究熱點;對于邊緣地區(qū)較少關系連線的節(jié)點，如：教育本質、教育缺陷、新工科、課程教學等則是出于研究起步階段的關鍵詞或者是目前而言較冷門的研究方向。

UCINET生成的研究熱點分析關系圖是Citespace和SATI生成的關鍵詞聚類分析和關鍵詞頻次表的綜合和提升，不僅對關鍵詞熱度進行可視化的直觀展現，而且對相關領域研究有一定的研究方向預測作用。

4 結束語

本文結合了三種文獻可視化分析軟件：Citespace、SATI和UCINET對與“人工智能教育”相關的近25年中文文獻進行分析，對人工智能技術在教育領域的應用和發(fā)展歷程、研究熱點進行了直觀化的展示。自“人工智能”被提出至今已經發(fā)展了60余年，而我國對于人工智能技術在教育領域的應用研究歷程卻僅僅為25年左右且主要集中于近5年，人工智能在世界中的發(fā)展態(tài)勢突飛猛進，已經逐步開始了跳出技術范圍的高度智能化的進程。教育信息化應該作為社會信息化的支柱，而不是緊跟社會信息化的腳步。俗話說“打鐵要趁熱”，相關研究者應該趁著近年來人工智能教育的發(fā)展勢頭加大研究力度，以期為教育信息化的深入開展墊好基礎。

本文對國內“人工智能教育”的分析有一定不足：（1）由于對中國知網中文獻資源的擁有度有限，因此可視化分析的結果有一定的局限性;（2）本人對于Citespace和UCINET兩款可視化分析軟件的使用能力有限，沒能進行加權算法和交互信息算法等深度分析程序，沒能更好地融合三款軟件的優(yōu)勢;（3）本文對關鍵詞中心性的分析中僅采用了中心性排名前十的關鍵詞，使研究數據的范圍一定程度縮小。

參考文獻

[1]Mccarthy J，Minsky M L，Rochester N，et al. A Proposal for the Dartmouth Summer Research Project on Arti cial Intelligence[J]. Journal of Molecular Biology，2006，（01）：279-289.

[2]杜占元.人工智能與未來教育變革[J].中國國情國力，2018，（01）：6.

[3]侯劍華.CiteSpace軟件應用研究的回顧與展望[J].現代情報，2013，（4）：102.

[4]陳超美.CiteSpace知識圖譜的方法論功能[J].科學學研究，2015，（2）：243-246.

作者簡介：胡倞茜（1995-），女，漢族，河北邢臺人，碩士，安徽師范大學教育科學學院，研究方向為計算機教育應用。