人工智能在在線少兒教育中的應用現狀研究

趙淑霞

摘 ? 要：人工智能技術日趨成熟，被不斷應用于教育領域，但當前研究大多面向中學和高等教育，對少兒階段的研究較少。文章以中國知網的核心期刊數據庫為文獻來源，先對近五年人工智能技術在在線少兒教育領域應用研究的關鍵詞進行分析，了解其研究熱點，之后從應用場景、應用形態和關鍵技術入手，闡述當前在線少兒教育領域人工智能技術的應用現狀，最后分析了這一階段在線教育的發展需求，探討其優勢和不足。

關鍵詞：少兒;在線教育;人工智能應用

中圖分類號：G434 文獻標志碼：A 文章編號：1673-8454（2021）21-0039-06

一、引言

近年來，隨著信息技術的不斷發展，在線教育成為很多家庭選擇的教育方式之一。人工智能技術日趨成熟，不斷應用于教育領域，為教育帶來了巨大的變化。然而，當前人工智能在教育領域的應用更多集中在中學和高等教育學段，對少兒階段的研究較少，且不夠深入[1]。本文通過梳理文獻，進一步了解人工智能在在線少兒教育中的應用現狀。首先對近五年的文獻關鍵詞進行分析，了解研究熱點。之后從人工智能技術在在線少兒教育領域的應用場景、應用形態和應用的關鍵技術入手，闡述當前人工智能在在線少兒教育中的應用現狀，最后分析這一階段在線教育的發展需求，分析其優勢和不足。

二、文獻檢索

以中國知網的核心期刊數據庫為文獻來源，通過高級檢索的方式進行檢索，檢索主題詞的組合分別為“人工智能”和“教育”、“AI”和“教育”、“人工智能”和“在線教育”、“AI”和“在線教育”。此外，再單獨以“人工智能教育”“智能教育”“人工智能+教育”“AI+教育”“人工智能應用”等詞條為主題詞進行檢索。檢索時間跨度為2016年1月1日至2020年6月29日，得到文獻362篇，剔除相關會議、通知、訪談、專欄等文獻后，得到文獻共計290篇。對290篇文獻進行深入閱讀和編碼，記錄文章的標題、第一作者、應用學段、應用學科、關鍵詞、發表時間、應用場景、應用形態和關鍵技術，篩選學段為學前、小學面向3～12歲兒童的研究，最終得到有效文獻51篇。

三、研究熱點

對51篇有效文獻按發文時間進行統計發現，近五年來，相關研究逐年增多，2017年至2018年的增長速度最快，如圖1所示，這與2017年《新一代人工智能發展規劃》的發布有關。在政策的支持下，學者們迅速開展了較多研究，在2019年達到巔峰，2020年的文獻只有半年發文量數據，因此發文量較少。

1.關鍵詞共現分析

利用CiteSpace軟件進行關鍵詞共現分析。將時間區間設置為2016—2020年，時間切片設置為1年，節點類型選為關鍵詞。由于有效文獻數量較少，分析時保留所有關鍵詞，得到可視化圖如圖2所示。結果發現，關鍵詞共現圖譜較為分散，如“應用”“自閉癥”“人工智能+”等關鍵詞距離中心較遠，中心性較低。“人工智能”集中出現在圖譜的中心位置，輻射在其周圍的關鍵詞分別為人工智能教育、基礎教育、學前教育、“互聯網+”。大數據、“人工智能+教育”分別形成了較小的中心，大數據周圍輻射了個性化學習、教育機器人，“人工智能+教育”周圍輻射了關鍵技術、深度學習和教育應用。針對人工智能的具體內容，從技術角度來看，“深度學習”算法、“人工智能等關鍵技術”的研究占有一部分;從教育應用的角度來看，“個性化學習”“教育機器人”等人工智能的教育應用研究也占有一部分，聚集在中心詞人工智能的圖譜周邊。整體而言，關于人工智能在在線少兒教育領域的應用研究比較分散，且研究的關鍵詞較為粗略，相關文章中缺乏更加詳細深入的關鍵詞呈現。

2.關鍵詞共現時區圖譜

在關鍵詞共現圖譜的基礎上，生成時區可視化圖，得到人工智能在在線少兒教育中應用的關鍵詞共現時區圖譜，如圖3所示。

從圖3可以發現，2017年出現了較多以“人工智能+教育”為主題的關鍵詞起點，包括“人工智能+教育”“大數據”“人工智能技術”“人才培養”“教育agent”等。這些關鍵詞延伸到2018年和2019年的研究中，延伸出了“深度學習”“教育應用”“基礎教育”“學前教育”“人工智能教育”“關鍵技術”等關鍵詞。之后的研究更加聚焦，關注技術在教育中的應用和在不同學段的應用，同時注重人工智能人才的培養，開展以人工智能為內容的教育，如少兒編程等。2020年的關鍵詞節點頻次較低，一方面因為只選擇了上半年的研究成果進行分析，另一方面，新冠肺炎疫情的突然到來使得在線教學成為主要手段和支撐，導致2020年的研究更加聚焦在基礎設施升級改造[2]、技術平臺支持、教學質量監控保障、教師培訓與服務等方面。

四、人工智能在在線少兒教育中的應用現狀

1.應用場景

當前人工智能教育應用場景分為面向教師和管理者的教學場景及管理場景、面向學生的學習場景與考試場景[3]四類。實際上，考試的場景離不開對學生的測和評。因此本文在原來考的場景中加入評和測，將其歸為一個場景，即考評測。本文基于教、學、管、考評測這四種種應用場景，對51篇有效文獻中的應用場景進行統計，得到圖4所示的結果。當前人工智能在在線少兒教育中的應用，以教為主要的應用場景，其次是教育管理的場景，之后是學生學習的場景，最后是考評測的場景。

在教的場景下，應用較為廣泛的是自適應教學平臺，包含智能教學系統和專家系統等，記錄學習數據，通過生物識別技術捕捉兒童的面部表情和眼部追蹤等[4]，判斷兒童學習情況，幫助教師調整教學節奏。智能教育機器人的應用也比較廣泛，既能作為教學活動的載體，也可以作為教學內容，為學前兒童提供了優質教育資源，還能協助教師豐富教學手段，給兒童提供個性化的解決方案，實現因材施教。教的場景之所以是主要的場景，一是相關研究多從教學、教師的角度進行，對新興技術如何能夠幫助教學更加關注和重視，因此研究成果較多;二是教本身是教學中最主要的形態，3～12歲的兒童在自主學習上缺乏一定的自制力，自主學習能力不足，因此從教的場景切入對教學效果的提升最為直接。

人工智能在教育管理的場景應用也比較多，如教學資源的管理、遠程教育功能的實現、分班排課、幼兒園和小學的校園安全管理、智慧課堂、智慧校園[5]、家校系統的建立。這些應用能夠幫助幼兒園和小學提高管理水平和管理效率，減輕學校管理人員的管理壓力，如把一些管理的功能前置，提前預警，從而預防惡行事件的發生，保證校園、師生安全。未來的學校，在物聯網、大數據、云計算和人工智能的幫助下，會越來越智能，越來人性化[6]。

人工智能在學習的場景應用較少，應用較為廣泛的是伴學類產品，如伴學機器人、智能伙伴、互助同伴、智能代理等[7]，用于伴學和答疑。兒童數字出版可以為閱讀帶來更強的交互性、趣味性、生動性，提供沉浸式的閱讀體驗[8]。學習場景下缺乏口碑較高且深入的應用形態，因此整體的關注度不如教的應用。學的場景排在教和管兩個場景后面，主要是因為學前和小學階段兒童自主學習能力弱，自控力不足，如學前階段低齡段兒童對語言、文字等內容的理解力本身較為缺乏，因此學習場景的應用情況較為復雜，難以有效實施。此外，學習本身是一個復雜的過程，對整個學習過程的監測、學習行為的分析、情緒的識別和分析等需要較為綜合和復雜的技術，需要非常專業的教育學家、心理學家、計算機學家等多方面專家通力協作，才能得到較好的結果。

考評測應用場景較少，大多是作為工具的替代性應用，從重復的工作中解放教師和家長。如口語測評系統能夠更好地診斷學生語言的發音問題，提供更精準的反饋和強化。以大規模標準化測試為主的智能測評系統，除了對客觀題做出非常準確的判斷外，對主觀題和語言學習方面的評價也在進一步發展。通過在系統中設定作文評價標準，可以對學生的寫作風格、手法、結構等進行分析，為學生的寫作提供智能化修改服務;通過設定答題評價標準，分析學生的解題步驟及思路，對學生的答題進行評價，使答題過程更加規范。考評測場景下的應用較少，主要是由少兒的年齡特征造成的，較少對學前兒童進行學業考試和評價。

整體而言，人工智能技術發展推動教育領域變革，在教和考評測的場景下解放教師生產力，輕松取代重復性工作，促進教師角色的轉變。解放教師，使其可以更關注學生作為“人”的精神構建和成長[9]，將更多時間和精力放在創新教學上，有更多時間與學生交流，而且還可以根據數據為學生提供個性化反饋，從測評方面把握學生知識點的薄弱環節，進行專攻。不過，人工智能不應只是簡單的替代重復勞動，應該在學生的個性化學習、自主學習方面有更深入的期待。

2.應用形態

對文獻中的應用形態進行編碼統計發現，人工智能技術的應用形態較為分散。此外，不同文獻對相同的應用形態有不同名稱，如智能導學系統[10]、智能導師系統[11]、智能教學系統[12]、智能教育平臺[13]等，其英文名字均為“Intelligent Tutoring System，簡稱 ITS”。因此，在編碼時將以上不同名稱的系統統一為自適應學習系統。統計發現，當前主要應用形態有7種，如圖5所示，自適應學習系統是最主要的應用形態，其次為智能教育機器人，之后依次是智能批改評閱系統、教學平臺、智慧課堂、智能測評系統、VR/AR。整體而言，應用較為簡單，且各類智能化產品的普適性較低，大多借鑒了其他教育階段的成果[14]。

（1）自適應學習系統

自適應學習系統通過人機交互、虛擬現實、自適應學習、知識圖譜等智能技術，基于大數據，支撐精準的學情判斷和科學的學習路徑推薦，便于教師掌握整個教學過程，從而及時調整、分析、評價和反思，實施數據驅動的過程化、精準化教學評價[15]。通過多途徑形成人工智能與教育的雙向賦能態勢，助推“人工智能+教育”的良性發展。針對不同需求對海量教學數據進行智能整合，從而輔助和優化教學過程[16]。課程內容滿足個性化發展，根據兒童的學習興趣和認知水平選擇適合的學習資料，結合兒童的興趣愛好和自信心提供適合其學習的教學材料，如圖像、聲音、視頻等，多感官接觸，激發好奇心和興趣。

不過，當前自適應學習的產品大多關注單一狹窄領域[17]，如學生某一科目學習的情況，從而專注通過技術方式提升學生的學習效果，對學生的綜合能力發展、身心健康等方面關注不足。人工智能教育的應用核心在于是否可以滿足未來教育的需要，而未來教育的大方向強調關注學生的認知過程，發展學生的批判思維能力、問題解決能力，促進學生全面發展[18]。因此，除了單一學科的自適應學習，更應重視藝術和文化的審美能力、創新創造能力、交流溝通能力等的培養，主動探索人工智能技術在兒童綜合素質培養方面的應用。由此可見，加強人工智能技術在教育中的應用仍然任重道遠。

（2）智能教育機器人

智能教育機器人以靈活啟動學習資源、記錄學習過程、監督學生學習質量的特點，起到服務學習的作用[19]。近幾年是教育機器人大爆炸的時代。智能教育機器人的應用十分廣泛，種類較多。國內教育機器人主要面向家庭和教師教學兩個不同方面[20]。

面向家庭的早教機器人以早教和陪護功能為主，與幼兒實現智能互動，同時提供豐富的教學和娛樂資源，如經典故事、算術、中英翻譯等，貼心陪伴孩子，教孩子學習知識，激發孩子對知識的好奇心和探索欲，并輔助家長看護孩子[21]。面向教師教學的伴學機器人具有強大的輔助教學、管理教學等功能。一方面充當智能化的教具，通過與學生的互動進行自我學習，掌握學生的更多數據和特點;另一方面，通過采集學生特點進行因材施教和精準推送，輔助教師開展教學活動。

雖然智能教育機器人在少兒階段的應用較為廣泛，但兒童的發展既要涉及知識的學習，同樣也需要情感的建構。一些固定的知識學習可以通過智能機器人的輔助實現，但對于兒童人格、能力、情感、態度等內容的發展和培養，智能機器人難以實現。此外，機器人的設計應根據兒童的身心發育特點，從而保障其應用效果。我國目前研發的教育機器人在適用性、性價比、功能等方面比較單一，功能劃分不夠明確，特色不強[22]，仍需進一步加強。

（3）智能批改評閱系統

將拍照搜題、智能批改、機器閱卷可編碼為智能批改評閱系統，屬于替代式教育。替代式教育可以代替教師執行部分任務，如閱卷、批改、考試結果的判斷、作業和練習的檢查等，還能提供針對性的反饋診斷報告，指導學生進行修改，一定程度上解決了教師因作文批改數量大而導致的批改不精細、反饋不具體等問題。

（4）其他應用形態

基于人工智能構建個性化的學習推送服務平臺，可以實現資源的交流互動、資源分享、資源推送、課程直播服務等功能，屬于功能集成的教學平臺。智慧課堂用于課堂教學中，可以整合多元化的教學資源，支持教師多樣化的課程講授方式，通過人工智能技術輔助教師教學，能針對不同學生的特點，設計相應的課程和教學活動，為學生提供智能化的學習服務。智能測評系統主要應用于口語測評的場景。利用人工智能技術，對發音進行準確性檢測，精準定位存在發音問題的詞語、音素等，自動生成測試報告并提供標準發音，可以對兒童口語發音、語言流利性、語法掌握、情感調用等進行評分、糾錯和指導反饋[23]。VR/AR創設虛擬課堂，消除實驗實踐的物理距離隔閡，促進和實現學生之間的資源共享，尤其是實驗設備設施昂貴的情況下。如在遠程教學場景中，學生能夠遠程進入虛擬課堂開展化學或物理實驗操作，教師能夠感受到學生的動作并在必要的時候進行糾正，同時學生也能夠看到、聽到和感受到教師的指導動作，實現師生遠程觸覺交互。

3.應用的關鍵技術

當前，應用于教育的人工智能關鍵技術[24]包括很多，如深度學習、機器學習、教育大數據、學習分析、教育數據挖掘、語音識別等，但不同學者對人工智能在教育中應用的關鍵技術主要有哪些，持有不同觀點。為了進一步了解當前人工智能在教育中應用的關鍵技術，對研究中提及的關鍵技術進行編碼。編碼分為兩個維度，首先是對關鍵技術手段進行記錄并對技術手段出現的次數進行統計，之后采用學者楊現民提出的人工智能技術框架[25]按照技術層級進行編碼。

（1）關鍵技術手段

統計發現，有26篇文章完全沒有提及關鍵技術，有3篇提及了關鍵技術，但沒有陳述具體的技術，而是用了諸如“人工智能技術”等描述較為寬泛的詞匯。有22篇文章提及關鍵技術較為詳細，如圖像識別、語音識別等。本文主要對22篇詳細提及關鍵技術的文章進行了深入統計。在統計過程中將相同關鍵技術在不同論文中的表述方式進行了統一，如將面部識別、人臉識別，統一為人臉識別;將文本識別、文字識別統一為文本識別;將虛擬現實、VR統一為VR;將機器視覺、計算機視覺，統一為計算機視覺;將知識表示、知識表征、知識的表示方法，統一為知識表征等。在統一表述之后，進行詞頻統計，選取詞頻在5次以上的關鍵技術，得到如圖6所示的結果。

在少兒階段，應用較為廣泛的人工智能關鍵技術依次是大數據分析、VR、語音識別、自然語言處理、情緒識別和分析、圖像識別這六個關鍵技術。《人工智能標準化白皮書（2018版）》中將人工智能關鍵技術分為機器學習、知識圖譜、自然語言處理、人機交互、計算機視覺、生物特征識別和虛擬現實/增強現實7項[26]。本文所得結果只有兩項技術與其相同，分別是自然語言處理和虛擬現實技術。教育應用中更加強調大數據分析技術，對學生的學習行為數據、教學資源數據、管理數據等進行挖掘、處理和分析。此外，知識圖譜和人機交互雖然也是應用于教育的關鍵技術，但出現的次數并不多。實際上，知識圖譜是一種復雜的數據分析和決策支持有效手段，將人類專家的知識、經驗、思維和邏輯存儲，幫助計算機從大量無序的信息資源中重構知識之間的連接，有效組織各學科的知識體系，為實現精準教學和個性化學習提供前所未有的發展空間。因此，知識圖譜技術被提及的次數較少，說明當前人工智能在教育中的應用不夠深入，缺乏對整體學科知識體系的整合，未來應加強知識圖譜技術的應用。

另外，關鍵技術之間存在交叉，如情緒識別和分析是使用人臉識別、語音識別和分析等進行的深入處理，在分析后進行解釋。人臉識別應用較為廣泛，如教學管理中的校園安全管理系統，用于教師的考勤、師生的門禁、身份認證等。此外，在課堂管理中，還包括人臉檢測跟蹤、人臉關鍵點定位等技術，用于學生聽課情緒和專注程度的判斷標準。關鍵技術的交叉一定程度上說明當前研究對技術的探討不夠深入，對“關鍵技術”的定位不夠清晰，此外，也說明人工智能的底層技術發展較快，形成了不同層面的關鍵技術。因此，也需要將其放在教育應用的技術框架中。

（2）關鍵技術層級

教育人工智能的技術框架分為五個層面，從最底層到最頂層，依次是教育數據層、算法層、感知層、認知層、教育應用層[27]，如圖7所示。教育數據層是框架的基礎層面，包括很多數據，如學生行為數據、學校（機構/平臺）管理數據、教學資源數據、學生評價數據等，可以對數據進行采集、處理以及存儲。算法層是核心，主要包括機器學習和深度學習。機器學習能夠基于大量數據自動識別模式并發現規則，在學生行為建模、預測學習表現、預警失學風險、學習支持與測評等方面具有十分重要的作用[28];深度學習在文本識別、語音識別、圖像識別等方面的識別準確率遠超過傳統技術的識別能力[29]。感知層是讓機器具備感知外部世界的能力，如可以像人一樣能聽、能看、會說、會認，該層由識別技術構成。認知層比感知層更進一步，強調讓機器能夠讀懂識別出的內容的內在含義。認知層的關鍵技術包括自然語言處理、知識表示方法、智能代理、情感計算等。技術框架的最頂層是教育應用層。該層是各種人工智能技術應用的集中體現，具有不同的應用形態，如智能導學、智能批改、智能教育機器人、分班排課、VR/AR教學、教育智能管理等[30]。

上述劃分更加清晰地呈現了人工智能技術及其應用。將關鍵技術按照該框架進行分類計數，得到少兒階段6個關鍵技術在技術框架各層面的分布，如圖8所示。結果發現少兒階段應用的感知層關鍵技術最多，其次是教育應用層，然后是認知層，接下來分別是教育數據層和算法層。關鍵技術主要分布在感知層和教育應用層。感知層的技術得到了快速發展，在教育中衍生出很多應用，如拍照搜題、拍照批改、智能閱卷等，將教師從重復工作中解放出來，作為替代式教育非常成功的應用形態，得到了更多學者的關注和研究。

當前關鍵技術研究對認知層的關注不夠，從個性化教學、自適應學習等新興理念來看，認知層與人工智能的聯系更加緊密，除了能夠利用技術識別語音、圖像、文字等內容外，還可以在此基礎上進行深入分析，為教育應用提供支持。當前自適應學習系統雖然會對學生的行為數據進行分析，但應用效果并不理想，底層知識模型和學習模型構建不夠科學，難以對學生進行準確的分析和干預。因此，結合各層面技術，人工智能的應用在個性化教學、對學生全面評價方面應有更深入的期待，在后續研究中，應當加強對認知層技術的關注和應用。

五、應用展望

人工智能在在線少兒教育領域的運用，取得了一些成效和影響，但整體仍處于發展的起步階段，依然面臨著許多困境。一方面，要大力發展人工智能產品的研發力度，合理運用人工智能技術[31]，提高技術服務品質[32]。不僅關注學生的知識習得，更要關注自主學習和全面發展的培養，幫助教師更好地理解學生學習的過程，并幫助學生更加高效地學習，促進建模能力、實際問題解決能力、協作能力等高階能力的培養[33]。另一方面，要加強數據監管，嘗試進行科學的數據共享，最大化發揮人工智能技術的價值。盡管人工智能產品運用于在線少兒教育可以有效解決當前存在的一些問題，但也不能盲目亂用，應該以尊重少兒的個性和尊嚴為前提，遵循少兒身心發展的普遍規律，恰當運用人工智能技術，實現少兒個性化、適宜性發展[34]。

參考文獻：

[1][14]宋丹，李茂林，胡珍，等.人工智能在學前教育中的應用淺探[J].今日科苑，2019（10）：31-42.

[2]黃榮懷，汪燕，王歡歡，等.未來教育之教學新形態：彈性教學與主動學習[J].現代遠程教育研究，2020，32（3）：3-14.

[3]上海艾瑞市場咨詢有限公司.中國AI+教育行業發展研究報告2019年[R].艾瑞咨詢系列研究報告，2020：43-87.

[4][5][26]王有學，高潔.論人工智能技術發展及其在教育中的應用[J].中小學電教，2019（4）：6-9.

[6]李鵬華.人工智能在中小學及學前教育管理中的應用[J].現代交際，2018（2）：171-172.

[7]穆萍，羅永霞，蘭虹.人工智能教育應用[J].新時代學刊，2019（2）：137-141.

[8]李欣，劉子建.增強現實技術在兒童數字出版中的運用[J].出版廣角，2018（14）：65-67.

[9]顧明遠.立足教育本質看“人工智能+教育”[J].中小學數字化教學，2019（9）：1.

[10][30][33]張立山.“人工智能+教育”的發展歷史與研究進展[J].人工智能，2019（3）：8-14.

[11]李海峰，王煒.國際領域“人工智能+教育”的研究進展與前沿熱點——兼論我國“人工智能+教育”的發展策略[J].遠程教育雜志，2019，37（2）：65-75.

[12]邱雪蓮，齊振國，李京澳.人工智能在基礎教育領域的發展路徑探究[J].數字教育，2018，4（5）：52-56.

[13]吳強.試論人工智能在中小學智慧教學中的應用[J].科技風，2019（31）：36-37.

[15]王佑鎂，宛平，趙文竹，等.科技向善：國際“人工智能+教育”發展新路向——解讀《教育中的人工智能：可持續發展的機遇和挑戰》[J].開放教育研究，2019，25（5）：23-32.

[16]梁松，賴錦輝.“人工智能+教育”時期高校學科建設新探[J].現代計算機（專業版），2018（30）：57-60.

[17]蔡恩澤.“人工智能+教育”變革任重道遠[J].互聯網天地，2019（6）：35-38.

[18]華璐璐.人工智能促進教學變革研究[D].南京：江蘇師范大學，2018.

[19]方海光，仝賽賽，杜婧敏，等.基于區塊鏈技術的智慧學習機器人設計研究——面向大規模學習服務系統的智慧學習機器人[J].遠程教育雜志，2017，35（4）：42-48.

[20]汪時沖，方海光，張鴿，等.人工智能教育機器人支持下的新型“雙師課堂”研究——兼論“人機協同”教學設計與未來展望[J].遠程教育雜志，2019，37（2）：25-32.

[21]張晨晨，殷雪峰，李鶴.早教機器人：教育與人工智能的絕妙融合[J].湖北農機化，2019（17）：15.

[22]董荻.人工智能與教育的融合——智能機器人在學前教育領域的應用[J].教育教學論壇，2019（31）：1-2.

[23]顧雯，王娟.人工智能技術在漢語教學中的應用[J].軟件導刊，2020，19（6）：39-43.

[24]徐嘉欣，張浩.我國近十年“人工智能+教育”研究熱點分析[J].軟件導刊，2019，18（8）：8-11，15.

[25][27][32]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.

[28]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（3）：11-21.

[29]劉勇，李青，于翠波.深度學習技術教育應用：現狀和前景[J].開放教育研究，2017（5）：113-120.

[31]趙雨晨.人工智能時代對學前兒童學習影響研究[J].佳木斯職業學院學報，2018（4）：297.

[34]楊洋，陳維維.人工智能技術發展及其在幼兒教育中的應用[J].軟件導刊，2020，19（2）：132-135.

（編輯：王曉明）