國內人工智能教育研究現狀分析

摘? 要 為了從不同層面分析國內人工智能教育的研究現狀，基于陳超美教授開發的CiteSpace可視化軟件，對國內以人工智能教育為主題的論文的發文量、發文機構與作者共現、關鍵詞頻次列表以及演化知識圖譜等進行可視化分析，期待得出近年來的研究熱點、發展趨勢等，為相關研究學者提供一些幫助。

關鍵詞 人工智能教育;人工智能;CiteSpace;知識圖譜

中圖分類號：G434? ? 文獻標識碼：B

文章編號：1671-489X（2021）06-0015-04

0 引言

近年來，大數據、云計算、人工智能、“互聯網+教育”不斷沖擊著傳統教育，數字化校園已逐漸向智慧校園轉型，智慧課堂、雙師課堂越來越多地被提及。早在十幾年前，計算機輔助教學已真正意義上走進課堂，現在大數據爆發的時代，人工智能教育更是當今熱詞。鄧琳碧等[1]指出，2018年我國96.7%的中小學校實現網絡接入，多媒體教室普及率達到92.3%，優質教育資源日益豐富。對人工智能教育的定義，吳永和等[2]在《構筑“人工智能+教育”的生態系統》一文中指出，人工智能教育基于人工智能技術，其特征主要體現在創新驅動、重塑結構等六個方面。文章對人工智能教育廣義的理解就是其應用于教育領域，提供更深度的教育教學資源，從一定程度上全面提升教學效率，提供個性化教學，促進學生的個性化發展。

目前教育領域研究學者及專家對人工智能教育的研究層出不窮，但大多局限于對人工智能教育的發展之路、時代變革、國內研究現狀與研究熱點等的論述。縱觀國內學術研究形式，研究學者更多只是通過閱讀幾十篇重要論文以點帶面地完成對整個領域的分析，存在大多沒有數據、缺少數量支持、內容不夠具體、主觀判斷明顯等問題。本文創新之處在于借助于外部工具，即Cite-Space軟件，以知識圖譜的形式對國內人工智能教育研究進行可視化分析，多層面地了解國內人工智能教育的發展。

1 數據來源及研究方法與工具

本文以中國知網為數據來源，為進一步檢索以人工智能教育為主題的文獻，通過高級搜索，檢索條件設置為：主題“人工智能教育”且關鍵詞設置為“人工智能”，來源類別選擇核心期刊與CSSCI，檢索到目前為止的全部期刊論文。在此條件下共檢索出475篇文獻，剔除重復刊載、會議論文及不相干論文，有效篇數為461篇。文獻下載時間為2020年9月。

本文主要基于CiteSpace對國內相關文獻進行內容分析。CiteSpace是陳超美教授使用Java語言開發的，是在科學計量學、數據可視化背景下逐漸發展起來的一款引文可視化分析軟件。本文一方面選取“Author”和“Institu-

tion”作為節點，對發文機構和發文作者進行可視化分析;另一方面選取關鍵詞作為節點，設定合適的閾值，得到關于“人工智能教育”的高頻關鍵詞共現可視化圖譜，借助Excel，通過對關鍵詞進行計量統計和演化圖譜分析，在一定程度上揭示國內人工智能教育研究的熱點領域以及發展階段。

2 國內研究知識圖譜分析

國內文獻發文量分析? 根據圖1所示國內文獻發文量進行分析。

1）國內在1990—2000年間，基本沒有與人工智能教育主題相關的文獻，說明20世紀90年代人工智能教育仍處于發展萌芽階段，國內還沒有很多研究專家對此有深入的研究。

2）2016—2019年文獻發文量呈指數形式增長，此階段人工智能教育在國內進入發展階段，這與我國近幾年人工智能領域的快速發展是息息相關的。其中，2017年，國務院發布《新一代人工智能發展規劃》[3]，提出“實施全民智能教育項目”;2018年，教育部發布《高等學校人工智能創新行動計劃》;等等。這些政策文件促進了人工智能教育的深入研究和應用推廣，可見某一領域的盛行發展離不開國家政策與技術的雙輪驅動。

3）2019年至今，文獻量出現下滑趨勢，結合實際情況，由于新冠肺炎疫情的暴發，人們正在經歷特殊的一年，無疑對教育的影響也是巨大的，但人工智能教育的發展是呈整體上升趨勢的。

核心機構與作者共現分析? 以CiteSpace為軟件分析工具，節點類型選擇“Author”和“Institution”兩個節點，生成共現知識圖譜，如圖2所示。對圖2進行可視化分析，字體顏色越深，表示中心性越強，該作者和機構發表論文數量越多，越具有人工智能教育領域代表性。構成網絡形狀的不同節點名表示該節點與網絡形狀內的節點有合作。

從圖2可以看到：國內以人工智能教育為主題的論文發表機構主要集中在北京師范大學、華東師范大學、東北師范大學、陜西師范大學及首都師范大學等，而論文發表作者大多也是來自上述主要發文機構的人員，有張劍平、王萬森、黃榮懷、賈積有等。不難發現對該主題的研究院校大多集中在高等師范學校，且院校間的網絡形狀構成不多，說明各個研究學院之間沒有形成系統的跨校合作，學科交叉性不強。

關鍵詞頻次列表+關鍵詞聚類圖分析? 文章在Cite-Space生成關鍵詞知識圖譜的基礎上，對頻次八次以上的關鍵詞進行統計分析，生成關鍵詞列表，如表1所示。

從頻次上看，因為檢索條件，去掉人工智能的最大頻次，關鍵詞頻次在15次以上的有智慧教育、智能教育、高等教育、深度學習等，均是當前人工智能教育領域廣大研究學者趨向于研究的熱點。其中，智能教育是智慧教育的實踐路徑，智慧教育對智能教育具有導向作用。智能教育根據發展階段包含三個內涵：智能技術支持的教育、學習智能技術的教育和促進智能發展的教育[4]。當前發展階段正處于并將長期處于三階段并行發展的時期，實現教育與人工智能的真正融合發展。

此外，基于人工智能技術的機器學習、深度學習的研究已在教育應用領域扮演重要角色。其中，余明華等[5]通過對機器學習的作用對象、作用過程等方面的分析，探討機器學習和智慧教育的適切性，說明人工智能與智慧教育引領教育教學的創新，已經成為教育信息化發展的必然趨勢。高偉等[6]也指出人工智能應用于教育的關鍵技術，包含大數據、知識圖譜、機器學習等。

頻次在10次以下的關鍵詞比如個性化學習、學習分析等，一直是研究的核心價值所在，不容忽視。

演化圖譜分析? 本文在關鍵詞聚類的基礎上選擇Time-Zone生成演化圖譜，歸類性地調整相關節點后進行分析，如圖3所示。人工智能教育的發展大體分為三個階段。

第一階段為萌芽階段，人工智能于教育的應用集中于遠程教育，促進了教育技術理論指導下的遠程教育的發展。1998年，梁焱遂等[7]指出，基于計算機網絡技術和人工智能的遠程教育系統已經成為發展重點。

第二階段為發展階段，機器人的出現促進了教育教學多渠道發展。在中國知網上以機器人教育為主題詞進行檢索，被引最多的是2006年張劍平等[8]的《機器人教育：現狀、問題與推進策略》。該文指出，教育機器人是一種十分典型的數字化益智玩具，能夠以不同角度、多樣的形式發揮其教育功能，達到寓教于樂的目的。

第三階段為廣度發展階段，該階段研究學者對人工智能教育的應用研究朝著多層次發展，經加工處理，大致分為三個方面：一是在人工智能時代，基于智能教育和智慧教育的教育變革;二是基于人才培養，更多的研究趨向于教育的定向發展階段，包括未來教育、高等教育、職業教育、思想政治教育等的發展;三是智能化的發展研究，即在大數據的驅動下，為更好地服務于個性化學習和學習分析等，更多地依賴于計算機應用的機器學習和深度學習的人工智能技術的研究發展。

3 結論與啟示

1）從發文量上看，國內研究雖晚，但近幾年基于國內形勢發展，發展速度迅猛，論文量呈指數形式增長，該領域學者成果頗豐。近一年雖發文量有下降趨勢，但疫情期間“停課不停學”等政策舉措的實施，使在線教學順利推行，無疑在為后續的研究發展積蓄力量。

2）分析關鍵詞聚類圖譜，當前國內研究熱點聚焦于教育大數據、機器學習、深度學習、個性化學習等。基于教育大數據，利用機器學習、深度學習等人工智能技術進行個性化的學習分析等將在很長時間內成為研究的熱點。

3）結合發文機構及發文作者，可知人工智能教育的研究機構和人員大多集中于高等師范院校及這些院校的教師，交叉性以及跨學科性不強。各個研究院校應該突破地域限制，加強跨校區合作的溝通交流。

4）結合timeline時區圖，縱觀國內人工智能教育的發展研究階段，人工智能應用于教育的發展不是一蹴而就的，前期的研究奠定了很強的研究基礎;未來隨著人工智能技術的不斷發展和應用，其與教育領域的融合定會不斷推動教育創新，更個性化地促進教與學。技術時代的受益者應該緊跟教育領域的發展步伐，不斷學習人工智能教育相關的新知識，促進教育進一步發展。

盡管人工智能教育的發展已成為當前教育階段的研究熱點，但與此同時也存在很多需要改進的方面。楊現民等[9]指出，教育數據的數量與質量存在短板，教育業務復雜多樣，教育用戶對人工智能技術存在應用價值和角色關系上的雙重困惑，專業教師隊伍與課程體系缺乏等，都是客觀存在的問題，都亟待解決，同時是今后研究中的關注點。

參考文獻

[1]鄧琳碧，陳昂，啜寧.人工智能教育的發展現狀與態勢分析[J].信息通信技術與政策，2019（06）：26-28.

[2]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（05）：27-39.

[3]國務院.新一代人工智能發展規劃[A/OL].（2017-07-20）[2020-08-20].http：//www.gov.cn/xinwen/2017-07/20/content_5212064.htm.

[4]祝智庭，彭紅超，雷云鶴.智能教育：智慧教育的實踐路徑[J].開放教育研究，2018，24（04）：13-24+42.

[5]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.

[6]高偉，劉苗苗.人工智能時代教育人工智能研究與應用現狀、問題及對策[J].軟件導刊，2020，19（01）：59-63.

[7]梁焱遂，韓正之.多媒體遠程教育系統[J].電子技術，1998（11）：3-5.

[8]張劍平，王益.機器人教育：現狀、問題與推進策略[J].中國電化教育，2006（12）：65-68.

[9]楊現民，張昊，郭利明，等.教育人工智能的發展難題與突破路徑[J].現代遠程教育研究，2018（3）：30-38.

*基金項目：北京市2020年度首都師范大學實驗室開放基金“學生課題”申報項目“基于文獻數據的教育技術論文題目和關鍵詞數據挖掘”（基金編號：018-2055160）。

作者：姜亞亭，首都師范大學教育學院碩士研究生，研究方向為教育信息化績效技術（100000）。