人工智能視域下的我國教育技術研究現狀與前瞻

梁友明 吳天生

摘 要

過去的5年，是人工智能高速發展的時期。通過對教育技術專業八大核心期刊檢索人工智能的相關信息，利用Citespace、知網可視化分析等軟件，對論文的時間分布、來源及機構分布、作者分布、關鍵詞、共現網絡、聚類等進行文獻計量學分析，得出：過去5年，我國教育技術界人工智能研究與國家政策密切相關，研究緊跟熱點，著重培養學生的計算思維等方面的能力，從“教”與“學”兩方面進行教育應用方面的研究。但機構的合作缺乏多樣性、深入度不足、研究層次不均衡等問題依然存在。基于此，提出：要秉承“以生為本”的總方針，注重多專業的協調發展、加強人工智能六大領域間的合作;注重理論與創新的結合;凸現“智能+”目標，借助人工智能技術促進智慧教育發展。同時，對未來的發展趨勢作一定程度的預測，為我國教育技術領域人工智能的進一步研究和發展提供參考。

關鍵詞 教育技術;人工智能;研究熱點;統計分析;教育應用

中圖分類號 G642.4 ?文獻標識碼A ?文章編號1005-4634（2022）02-0024-08

0 引言

1956年夏季，為期6周的達特茅斯研討會（Dartmouth Workshop）誕生了“人工智能”的概念，當時的定義為“人工智能是擁有模擬能夠被精確描述的學習特征或智能特征的能力的機器”[1]。 人工智能可以分為弱人工智能、強人工智能及超人工智能3個階段。目前，我國的人工智能研究仍處于弱人工智能階段。與國際人工智能的發展相比較，我國人工智能起步較為緩慢，且艱難曲折，人工智能在教育技術界的應用發展也相類似。在疫情背景下，以人工智能為代表的信息技術日趨成熟，其廣泛的教育應用為線上線下融合（Online Merge Offline，簡稱OMO）教學的形成與發展提供了堅實的技術基礎[2]。人工智能教育大腦也為教育治理提供了新的思路與路徑[3]。但是，目前眾多文獻計量分析的文獻，以人工智能視域下的宏觀分析為主，基于教育技術學的視角探究的文獻較少。我國人工智能應用于教育領域已有40多年歷史，教育技術學需要緊密聯系社會新技術的發展而動態調整自身的技術屬性。隨著人工智能的發展，如何將人工智能更好地與教育技術相結合成為人們關注的焦點，也是教育技術界研究的重點之一。

本研究選取中國知網（CNKI）為數據來源，通過對文獻的收集、整理，主要聚焦兩個問題：（1）過去五年教育技術領域人工智能的研究現狀如何？（2）未來教育技術領域人工智能的研究可能向哪些方向發展？通過對現狀進行分析，作出預測并思考未來發展方向。

1 樣本收集整理

本研究從中國知網（CNKI）期刊庫中，以“人工智能”或“AI”為關鍵詞進行檢索，檢索時限定年限為2015年1月1日至2019年12月31日（5年時間）。文獻來源為《現代教育技術》《中國電化教育》《電化教育研究》《中國遠程教育》《開放教育研究》《遠程教育雜志》《現代遠程教育研究》《現代遠距離教育》8本教育技術期刊。選取這8種期刊的原因在于，它們是北京大學出版的中文核心期刊目錄（第八版）所遴選的教育技術核心期刊，同時也是教育技術領域的重要刊物，對于探討教育技術領域人工智能的相關情況具有重要意義。通過以上方式，共檢索到文章266篇，剔除會議通知、活動通知、編者按、宣言、邀請函等，最終得出有效文獻259篇，以此作為本研究的文獻來源。同時，利用可視化分析軟件CiteSpace、Excel、知網計量可視化分析等協助完成。

1.1 時間分布

對259篇有效文獻進行整理，按時間順序進行排序，為了更直觀地分析國內相關研究動向，繪制出折線圖（如圖1所示），反映我國近5年教育技術領域人工智能研究的論文數量變化趨勢。

可以看到，近5年教育技術領域關于人工智能的研究逐漸增多。根據文獻的時間分布，可將近5年教育技術領域人工智能研究劃分為兩個階段：（1）起始階段（2015～2017年）。特別是2015年，相關文獻只有6篇，平均每本期刊發表的相關文獻數量不到1篇，這表明研究剛剛開始。（2）穩定發展階段（2018～2019年）。相關研究文獻數量的快速增長，說明人工智能受到了廣泛的關注。這與國家的政策不無關系——國務院在2017年7月印發了《新一代人工智能發展規劃》;教育部2018年4月制定了《高等學校人工智能創新行動計劃》[4] 。國家政策“自上而下”進行引領，相關研究開始跟進。2020年，教育部更是加大了碩士研究生的招生規模，重點針對人工智能、臨床醫學等特定專業。隨著國際上以及我國對人工智能的研究逐漸加深，教育技術界也隨之變化。本研究預測：2021～2023年教育技術領域人工智能的相關研究將會大幅增長，隨后會有適度的理性回歸并往縱深化發展，用技術手段促進教育公平等課題也會增多。

1.2 來源及機構分布

從圖2可以看出，《遠程教育雜志》《現代教育技術》《中國電化教育》3本期刊引領著教育技術領域人工智能的發展。《遠程教育雜志》和《現代教育技術》近5年發表相關領域的文章數均超過（達到）50篇。如2021年《現代教育技術》雜志重點關注“智能+教育”的選題，包括“AI+教育”、人工智能實驗室建設、基礎教育人工智能教學等，所關注的選題相較往年變化不大。從論文數量及內容來看，該選題方向在過去5年得到了較好的貫徹，未來也繼續沿著該方向深化研究。相比較，《現代遠程教育研究》及《現代遠距離教育》在人工智能領域的研究文獻較少。

為找出教育技術領域研究人工智能的核心學術團隊及機構，本研究統計了各教育技術機構在8個核心期刊上發表人工智能相關論文的數量，高產機構如圖3所示。北京師范大學、華東師范大學兩所院校以較大優勢排在前兩位，文獻數量分別為42篇及33篇，表明這兩所高校對于教育技術領域人工智能的研究有較強的潛力。

值得一提的是，在該領域大部分為院校研究的大背景下，安徽科大訊飛信息科技有限公司在該領域也有較強的實力與潛力，近5年在這8本期刊的發文量達到6篇。安徽科大訊飛股份有限公司人工智能研究院人員撰寫的——《語音識別技術的研究進展與展望》一文，對語音識別技術的發展情況、最近幾年的關鍵突破性技術進行了介紹[5]。全文在語音識別技術發展史、深度神經網絡對于語音識別聲學建模中的引領作用等方面都作了詳細描述，展現了該機構在人工智能尤其是智能語音方面的領先地位。

1.3 作者分布

對259篇文獻的作者進行分析，可得知教育技術界的哪些學者在研究人工智能相關課題。結果如圖4所示。圖中可以看到，在眾多研究者中，作者肖俊洪發布的文章篇數最多，為7篇。該學者與史蒂芬·道恩斯（Stephen Downes）、拉梅什·錢德爾（Ramesh Chander Sharma）等國外學者均有合作關系，研究主要集中于開放教育、在線學習等方面，在文章中主要承擔“譯”等角色。

排在第二位的是史蒂芬·道恩斯。研究情趣是指論文作者側重研究的一個學科或領域的某些具體方面[6]，史蒂芬·道恩斯是慕課的始創者之一，研究情趣較為集中，均與開放學習、在線學習相關。其他發表文章數較多的作者包括余勝泉、顧小清、任友群、陳蕙若等。學者顧小清的研究情趣則較為廣泛：在深度學習領域，通過語義圖示工具模型的研發，尋求突破碎片化和讀圖所帶來的學習深度缺乏問題[7];對“學習地圖”這一教學設計工具加以研究，以期為智能時代的教師工具提供開發思路;也有對學習分析工具的比較研究等。

這些專家學者分布在不同的機構、不同的年齡段，既有學科領域內的知名學者，也不乏年輕學者，甚至是一線教師。他們的研究維度大不相同：任友群作為教育部教師工作司司長，他的4篇相關文章均是從較宏觀的視角進行分析，如對聯合國教科文組織發布的相關工作報告進行解讀[8]，或從教育視角初探，從“人工智能的發展需要教育做什么”以及“人工智能的發展能為教育帶來什么”兩個維度闡述[9]。武漢市光谷第一中學的教師吳鑫，則帶領學生探索人工智能領域寓教于樂的創客教學策略[10]。由此可見，教育技術領域的人工智能研究既有傳承也有創新。

2 研究熱點及應用分析

2.1 教育技術領域人工智能研究熱點

CiteSpace是美國德雷塞爾大學陳超美教授研發的信息可視化工具，該軟件專門用于學術文獻分析。CiteSpace可以根據文獻共被引關系，通過自動抽取施引文獻的關鍵詞或名詞短語產生聚類（Cluster）標識，并用于歸結研究聚焦點，每一個聚類可以被認為是一個聯系相對緊密的獨立研究領域[11]。本研究采用聚類分析方法，繪制教育技術界對人工智能研究的可視化圖譜，以此得出研究熱點及時序變化。

2.1.1 關鍵詞共現分析

具體分析步驟如下：首先，在中國知網選取需分析的文獻，全部導出為Refworks，之后將數據加載到CiteSpace，通過“Format Conversion”將數據轉換為該軟件可讀取的格式。再將數據導入到CiteSpace中。運用該方法設置的具體參數如下：“Time Slicing”設置為“2015～2019”，“Years Per Slice”為“1”;“Term Source”一欄對“Title”“Abstract”“Author Keywords”“Keywords Plus（ID）”4項均進行勾選，即將標題、摘要、作者、關鍵詞4項設置為抓取源。“Selection Criteria”將“Threshold”[1]設置為“5”。閾值選擇提供了多種數據篩選的策略[12]， 本研究選擇Top N選擇（選擇N=50），即對每個時區前50個高頻出現的節點進行截取。得到的聚類圖如圖5，并將頻數排名前10的關鍵詞導出見表1，中介中心性排名前10的關鍵詞導出見表2。

通過對表1和表2的對比分析，可發現兩個表中的關鍵詞既有一定的差別，也顯現了一定的雷同性。兩個表格中，共出現了8個頻次和中心性都較高的關鍵詞：人工智能、大數據、學習分析、機器學習、智慧教育、計算思維、個性化學習、人機協同。這些關鍵詞就是教育技術屆人工智能研究網絡的重要節點，該領域的研究也多是圍繞這些關鍵詞展開工作。在頻次排名中，教育信息化、深度學習的中心性沒有進入前十;中介中心性排名中，創客教育、MOOC的頻次沒有進入前十。這表明：教育信息化、深度學習雖然受到廣泛關注，但其內部連接性較差;創客教育、MOOC是教育技術領域當下熱門的素質教育或教學活動組織形式，與人工智能的發展也密切相關，但二者的結合并未引起研究者的廣泛熱議，或者說，如何更好地結合還未有成熟的方案，有待進一步研究。

在這些關鍵詞中，既反映出對信息素養培養的重視，如計算思維;也有對熱點的追隨，如機器學習、大數據等。同時，對于“教育信息化”等教育界的新的行動計劃，也與人工智能掛鉤并得到了研究落實。這表明，教育技術領域人工智能的研究是多層次、多維度的，技術層面的深入探討、政策的落地、應用的施行，都在學者的研究之列。

2.1.2 時序分析

本研究在聚類圖基礎上，將“layout”設置為“Timeline View”，按時間片段統計得出教育技術界人工智能關鍵詞時序圖譜，如圖5所示。教育技術領域人工智能研究按年代分類，可看出大致趨勢：2015～2016年研究較為表層，這兩年關鍵詞較少，這與研究處于起步階段、文獻數量不足有密切關系。2016年被稱為“VR元年”，經過一年的沉淀與發展，虛擬現實技術與人工智能結合也開始得到研究;2017年關鍵詞開始增多，初步出現了研究的分化，大數據、深度學習、智慧教育等領域出現了研究成果;2018年則主要集中于教育信息化2.0、智能教育、機器人等方面，可以看出國家政策對該領域的發展開始起引領作用，也從側面反映出了國家重視人工智能與教育的融合發展;2019年，5G、區塊鏈等高新技術被廣泛討論，同時，從教學設計、教師教育、教育改革等關鍵詞可看出，對教育教學本身的研究也在增多。

2.1.3 聚類分析

為進一步揭示各個主題的關系，探究主題聚類的分布情況，筆者對該部分進行聚類分析，并將最大聚類數設置為7。結果顯示Q值=0.627 1，S值=0.588 8，聚類結構顯著，且是合理的。這些聚類在一定程度上反映了當前教育技術界人工智能的研究前沿（見圖6）。

聚類1是學習分析。此類研究更多聚焦于技術如何融入終端，促進終端的功能提升，進而支持[HJ52x]學生學習。如張國云等[13]分析了物聯網、云計算、大數據、三維計算、人工智能5種技術在教育APP中的應用。早在春秋戰國時期，我國大教育家孔子就曾提出要“聽其言而觀其行”，通過談話和觀察實施針對性教育，這就是“因材施教”。在學習分析技術的支持下，多維度、量化方法對學生進行科學分析成為可能，能有效促進“教師教”向“學生學”的視角轉變。

聚類2是計算思維。計算思維的培養越來越受到重視，《2017普通高中信息技術課程標準》也將“計算思維”列為四大核心素養之一。學者對計算思維的研究集中于兩方面：一是論述計算思維“為什么”重要，在這個維度上，計算思維通常與編程能力、計算技能等關鍵詞一并出現，它們是密切相關的。二是如何更好地培養、測評學生的計算思維。由于計算思維更多是內隱的，教師進行測量時，容易將計算思維簡單化地等同于編程工具的掌握程度。因而需要對其“顯式”呈現，如郁曉華等[14]構建基于可視化編程的計算思維培養模式，促進學生計算思維的發展和評價手段的創新;王美玲等[15]利用流程圖，記錄并顯性化學習者的思維從識別問題到解決問題的全過程。

聚類3是教育信息化2.0。學者對教育信息化的政策解讀、機制變革、熱點分析、學校發展、人才培養等多方面展開研究。鄭旭東等[16]明確指出：智慧教育2.0就是教育信息化2.0階段要發展的教育新生態。這也表明教育信息化2.0絕不僅是智能技術的革新，而是在智能技術的引領下，帶動教學模式、師資隊伍、人才培養等全方位的變革。

聚類4是深度學習。機器學習是人工智能的核心，深度學習是機器學習的新興研究方向。對人工智能的研究由來已久，近年來之所以人工智能研究取得較大突破，主要得益于深度學習技術。在教育領域，研究者主要討論深度學習技術特征、教育應用及發展趨勢。但必須指出，以上所述是引用計算機領域“深度學習”的說法，而對于教育中的“深度學習”，是一種促進學生知識建構的學習方式，是與“淺層學習”的說法相對的，因此也常被稱為“深層學習”。這是教育技術界對“深度學習”概念的兩種不同理解。

聚類5是5G。5G技術是新一代移動通信技術的引領者，具有高速率、大容量、低時延、高可靠等特點。5G與虛擬現實技術結合，使遠程異地沉浸式教學成為可能，營造“智能虛擬現實”環境，能給予師生“真實感”“空間感”“智能化”三重滿足。朱珂等[17]指出，無人機是人工智能在教育領域應用的重要載體。在“AI+5G”的配合下，未來無人機也會朝著人機融合，甚至全自動控制的方向發展。

聚類6是微課。微課也被稱為“微課程”，是用5～8分鐘左右的時間針對某一學科知識點進行講解，其以“短小精悍”為主要特點。學者主要以微課作為數字資源，以“人工智能”“機器人教學”等作為學習內容，開展相應的研究。如王同聚[18]在中小學機器人課程中，構建了“微課導學”教學模式：課前學生利用微課和自主學習任務單進行自學，課中通過微課解決重難點和促進知識內化，課后利用微課查漏補缺。在這個教學模式，微課的使用貫穿學習的全過程，并充分體現了“以學生為中心”的特點。

聚類7是計算機輔助教學（Computer Assisted Instruction ， 簡稱CAI）。廣義而言，任何將計算機應用到教學過程中的教學方法，只要有利于教學，實現教學最優化，都屬于計算機輔助教學。從這個角度而言，將目前流行的三維動畫、視音頻、虛擬現實等引入教學過程中，都屬于CAI。許多學者都開始了將人工智能應用于CAI系統的嘗試。如王筱竹等[19]將“大聲說程序”（Ask Program Aloud）引入計算機編程教學，學習者對編程的學習興趣、社交友好性和技能轉化能力均得以提高。

2.3 主要應用

通過對研究熱點的可視化分析，大致知道近5年教育技術領域人工智能研究的發展走向。在259篇論文中，題目包含“應用”的有50篇，接近1/5的文章均為對技術應用的分析。從教育的角度來看，研究的最終目的是要為師生服務，并促進教育的發展。教與學相關軟件的應運而生及推行，為人工智能在教育技術領域的應用成為可能。

楊現民等提出，人工智能教育應用主要聚焦于智能導學、自動化測評、拍照搜題、教育機器人、智能批改、個性化學習、分層排課、學情監測等8個方面[20]。本部分試圖從“教”與“學”兩方面對相關應用進行分類，并對其效果開展研究。

在“教”的方面，人工智能教育應用的主要對象是教師。如北京詞網科技有限公司研發的“批改網”，在學習分析技術等支撐下，具有實時跟蹤、自動批改、實時反饋功能;網龍華漁教育科技有限公司研發的“未來教師”機器人，能協助教師，使教師從大量的重復性工作中得到“解放”，從而教師能專注于教學活動本身。

在“學”的方面，51Talk擁有“Air Class“在線教育平臺，能使用自然語言回答問題;而小猿搜題軟件能夠通過快速識別圖像并分析檢索所的內容，在拍照搜索、在線答疑等場景中得到應用。

從技術發展的角度看，人工智能的發展可分為計算智能、感知智能、認知智能3個階段[21]。從計算智能階段的“能存會算”，到感知智能階段的“能聽會說、能看會認”，人們正在向認知智能，即“能理解、會思考”階段突破。

相關的教育應用及軟件層出不窮，開源系統、教育機器人、自適應學習系統也應運而生。如科大訊飛的“阿爾法蛋”，擁有科學的理論體系，提供場景化學習的同時，實現智能反饋。但在真實情景的使用評測中，對話機械、靈活性不足的問題依然存在，實現認知智能還有很長的路要走。

無論是教師的“教”，還是學生的“學”，人工智能無疑都在影響著教育，并促進教育向縱深化發展。基于人工智能的教育軟件，為個性化教學及分散教學提供了支持。但并不代表著有了“合適”的軟件，就能促進教育發展：一是這些軟件的價格不等，甚至一些開發成本高的軟件價值不菲，并不是所有師生都能享有平等使用軟件的權利。二是即使獲得了軟件的使用權，對于教師的培訓效果也會影響學生的吸收率。對于擁有較長教齡的教師，他們擁有豐富的教學經驗，有自己的教學原則及方法，但對于新事物不易接受，相對于新手教師而言，要做出改變往往較為困難。因此，數字鴻溝、教育差距可能會進一步拉大，特別是在技術尚未完善，未大范圍普及應用的初期。

3 研究結論與思考

本研究利用CiteSpace可視化分析軟件、Excel、知網計量可視化分析，通過對來源及機構分布、關鍵詞共現分析、時序分析等的分析，對近5年我國教育技術領域人工智能作了研究熱點、發展趨勢等方面的探討，得出以下結論。

第一，機構多樣性不足，且機構間合作缺乏。如上分析，在相關領域發表論文數前六的單位中，有5所高校，而機構只有1所——安徽科大訊飛信息科技有限公司。研究人員多為院校教師，企業與其他機構人員較少，這就會導致來自業界的最新動態可能無法及時傳達。而發表論文數較多的高校院系，如華東師范大學教育信息技術學系，其主要合作網絡是華東師范大學課程與教學研究所、華東師范大學開放教育學院，校外合作網絡較少。其他高校及機構也存在同樣情況，甚至合作數為零，彼此資料交流匱乏，造成信息的不對稱，不利于研究的深入。各機構間應加強合作與交流，打造雙贏格局。

第二，研究情趣較為集中，研究深入度有待提升。在眾多的研究中，研究情趣多以應用問題為主，或針對熱點問題，如教育信息化2.0，這固然反映了研究者們緊跟時代熱點，力爭走在研究前列。但對于扎實的理論研究以及深入技術層面的研究相對較少，研究的深度和廣度有待提升。

第三，目前國內教育技術領域人工智能研究重點集中在以下兩方面：一是將應用研究作為重點。包括對某系統平臺的剖析，以及對技術、模式的應用分析，但研究整體處于初級階段。二是對領域的研究不夠均衡。UCLA計算機科學教授朱松純將人工智能歸納為計算機視覺、自然語言理解與交流、認知與推理、機器人學、博弈與倫理、機器學習六大主要領域[22]。目前教育技術界在計算機視覺、自然語言理解與交流兩個領域的研究較多，而對于其他領域的研究相對較少，人工智能分學科間的融合研究不足。

第四，上述的研究雖然都為教育界乃至教育技術界的人工智能研究作出了不同程度的貢獻，但是這些成果也都大體存在著一些不足：研究主要集中于普通教育及職業教育領域，而對于特殊教育的關注較少[23]，中小學層面的研究相比高校的研究也較少。

在我國教育技術領域人工智能的研究逐漸深入并取得一定成就的同時，也應該清醒地認識到發展過程中的不足，從全局角度去量度研究中存在的問題，在一定程度上對未來該領域的發展作更充分的預期和規劃。通過分析近5年國內教育技術領域人工智能現狀，作出以下思考。

第一，多專業、多領域協調發展，百花齊放。人工智能不是單獨的學科或獨立的技術，其發展需依靠多專業、多領域的協同發展。如實現語音交互主要依托語音識別、語音合成、自然語言處理三大主要的關鍵技術[24]，計算機硬件配置的發展和提高為多層神經網絡的實現提供了必要的硬件設施[25]，人工智能的發展也建立在云計算、大數據技術發展的基礎上。深度信念網絡、遞歸神經網絡、卷積神經網絡等深度學習技術模型的改進及應用，也為研究的進一步深入助力。但從文章的內容分析，一些高新技術的研究更多隸屬于概念范疇，相關研究應該要遠離浮躁，不要為了追求“熱點”而“熱點”，也要注重研究的“落地”，研究應在實踐中切實可行。

第二，基于學習科學與知識建構，以生為本。人工智能教育軟件的研發，要基于學習科學的觀點，而不是教授主義或者行為主義。學習科學家也發現，學習者想要取得更好的學習效果，可以嘗試將知識外化并表達。學生利用相關軟件學習時，應盡量使其還原真實環境中的“現場感”，使學生感受到群體協作的力量，而不是孤獨的學習個體，研究中要更注重“以生為本”。教育技術界研究的目的是促進該學科發展，同時也促進該領域學生的發展與進步。研究中對于學生層面的研究，如何在人工智能時代下促進師生互動及學生的個性化發展依然是重點課題。

落實到教學層面，我國中小學教學依然以班級授課制、分科課程為主，這有利于系統知識的傳授和教師主導性的發揮。但學科的分離導致知識支離破碎。綜合課程可有效地對學科知識進行融合，人工智能在中小學的綜合應用可以以此為突破口，并采用研究性學習模式，在建構主義理論的支持下，將技術有效應用于學生的綜合發展與綜合評價。

第三，加強人工智能六大學科間的緊密聯系，取長補短。目前的人工智能正處于弱人工智能向強人工智能發展的階段，未來還有可能向著超人工智能的方向邁進。按照學者朱松純將人工智能按6個領域進行分類的標準，研究的偏向性有所側重，而對于六大學科間的教育技術交叉研究不足。六大領域在概率建模和隨機計算的模式下，會逐漸找到融合交叉點，是一個走向統一的過程。如果單純只研究某個領域，不踏出交叉領域研究的步伐，無異于故步自封。

第四，凸顯“智能+”目標，實現“智慧教育”。2019年的兩會，總理的政府工作報告已連續第三年出現“人工智能”，并且“智能+”也被首次寫入，以促進傳統行業的升級與萬物互聯。隨著“智慧地球”概念的提出，在教育領域也廣泛探索“智能+校園”、智慧校園的實現路徑。在人工智能的加持下，能為學生創造“深度學習”的環境。廣東省教育廳于2018年底發布的《廣東省中小學智慧教室建設指南（試行）》等文件，為智慧教育、“智能+”教育的進一步規范化助力。但必須指明的是，“智能+教育”的發展也依然處于初級階段，常見的如電子書包實驗項目屬于智慧課堂的初級形式，要將應用“落地”并取得良好效果，還較為困難。

第五，注重理論與創新的融合，用創新引領發展。教育技術是一門交叉學科，融合了教育學、心理學、傳播學等多學科理論。人工智能的發展同樣建立在算力、算法、大數據等技術增進的基礎上。實現“人工智能+教育”，需要信息技術、教育技術、人工智能技術三大基石協調并進。但同時，教育技術學科作為交叉學科發展方向的不明晰，新一代人工智能基礎理論體系的建立，如何突破應用基礎理論的瓶頸并與教育技術前沿應用相結合，這些問題仍需要時間的考驗，挑戰依然巨大。因而要加強學科自身的理論、研究方法建設。近年來，人工智能技術飛速發展，教育技術界對其應用也正在增長，但教育理論的創新程度，特別是教育技術界的理論創新不足。若理論發展跟不上技術發展的步伐，容易使應用盲目發展。因此，在相關問題的研究方法上要尋求突破，既要有驗證性方法，也要有探索性方法。前者強調從理論出發，自下而上地聚焦理論檢驗或證明，而后者關注理論的生成和構建，如扎根理論則是其中的典型方法。

4 結束語

科學技術是教育變革的內生動力，人工智能將從根本上改變教育：無論是教學工具、學習方式、知識獲取和教師培訓等方面都將發生翻天覆地的變化。對近5年文獻分析后得出結論：我國目前教育技術領域人工智能研究處于初級階段。作者、機構間應加強合作，在技術層、算法層、應用層等多方面展開研究，而不僅限于應用層面。在未來相關的研究上，要注重哲學研究與科學研究相聯系，探索性方法與驗證性方法都應該成為研究者開展研究的科學方法，要注重理論的生成和建構。在國家政策的引領下，促進信息技術、教育技術、人工智能技術研究的緊密性，同時在研究中，要注重“以生為本”，注重跨學科的融合。在人工智能技術的加持下，教育的未來正在向我們走來。

參考文獻

[1] 徐堅，王維平.我國人工智能教育發展及現狀研究——基于1976—2017年中文文獻的CiteSpace可視化分析[J].信息化研究，2017，43（6）：1-6.

[2] 祝智庭，胡姣.技術賦能后疫情教育創變：線上線下融合教學新樣態[J].開放教育研究，2021，27（1）：13-23.

[3] 顧小清，李世瑾.人工智能教育大腦：以數據驅動教育治理與教學創新的技術框架[J].中國電化教育，2021（1）：80-88.

[4] 周志華.創辦一流大學人工智能教育的思考[J].中國高等教育，2018（9）：52-53.

[5] 王海坤，潘嘉，劉聰.語音識別技術的研究進展與展望[J].電信科學，2018，34（2）：1-11.

[6] 張志新，陳博，朱永海，等.我國慕課研究的現狀與問題分析[J].現代教育技術，2017，27（12）：101-107.

[7] 顧小清，馮園園，胡思暢.超越碎片化學習：語義圖示與深度學習[J].中國電化教育，2015（3）：39-48.

[8] 任友群，萬昆，馮仰存.促進人工智能教育的可持續發展——聯合國 《 教育中的人工智能：可持續發展的挑戰和機遇 》 解讀與啟示[J].現代遠程教育研究，2019，31（5）：3-10.

[9] 任友群.人工智能的教育視角初探[J].遠程教育雜志，2018，36（5）：37.

[10] 吳鑫.小學創客教育初級人工智能作品的設計——以開源機器人“小菠蘿”存錢罐作品為例[J].現代教育技術，2018，28（6）：122-126.

[11] CHEN C M.CiteSpace II：detecting and visualizing emerging trends and transient patterns in scientific literature[J].Journal of the American Society for Information Science and Technology，2006，3（57）：359-377.

[12] 陳悅，陳超美，劉則淵，等.CiteSpace知識圖譜的方法論功能[J].科學學研究，2015，33（2）：242-253.

[13] 張國云，楊文正，趙梅.“技術賦能學習”視域下新興技術在教育APP中的應用前瞻分析[J].中國電化教育，2018（10）：107-117.

[14] 郁曉華，肖敏，王美玲，等.基于可視化編程的計算思維培養模式研究——兼論信息技術課堂中計算思維的培養[J].遠程教育雜志，2017，35（6）：12-20.

[15] 郁曉華，王美玲.流程圖支持下的計算思維培養實踐研究[J].中國遠程教育，2019（9）：83-91.

[16] 鄭旭東.智慧教育2.0：教育信息化2.0視域下的教育新生態—— 《 教育信息化2.0行動計劃 》 解讀之二[J].遠程教育雜志，2018，36（4）：11-19.

[17] 朱珂，王瑋，楊露彬.“5G+無人機”技術的教與學：場景、路徑與未來應用展望[J].遠程教育雜志，2019，37（4）：33-41.

[18] 王同聚.“微課導學”教學模式構建與實踐——以中小學機器人教學為例[J].中國電化教育，2015（2）：112-117.

[19] 王筱竹，OSUNDE J，BARTHAUD D，等.人工智能輔助會話式編程：一種性別包容的程序設計教學法[J].中國遠程教育，2018（8）：70-78.

[20] 高婷婷，郭炯.人工智能教育應用研究綜述[J].現代教育技術，2019，29（1）：11-17.

[21] 中商情報網.特征：人工智能發展階段簡述與中國人工智能發展[EB/OL].（2017-08-24（[2020-09-18].http：//www.askci.com/news/chanye/2015/09/14/163037x642.shtml.

[22] 朱松純.淺談人工智能：現狀、任務、構架與統一[EB/OL].（2017-11-07）[2020-09-18].http： //www.stat.ucla.edu/～sczhu/research_ blog.html#VisionHistory.

[23] 王永固，王蒙娜，李曉娟.人工智能在兒童學習障礙教育中的應用研究綜述[J].遠程教育雜志，2018，36（1）：72-79.

[24] 姚永剛.基于云計算的人機對話系統研究與實現[D].廣州：華南理工大學，2013.

[25] 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，2017，23（5）：113-120.[ZK

Status and prospects of educational technology research in China from perspective of artificial intelligence

LIANG You-ming1，WU Tian-sheng2

（1.College of Education，Capital Normal University ，Beijing[KG4]100037，China;

2.College of Educational Science and Technology，Guangdong Polytechnic Normal University，

Guangzhou，Guangdong[KG4]510665，China）

Abstract

The past five years have been a period of rapid development of artificial intelligence.The article retrieves relevant information about artificial intelligence through eight core journals of education technology major，and uses Citespace and CNKI visual analysis software to analyze the time distribution，source and organization distribution，author distribution，keywords，co-occurrence network，clustering，etc.of the paper.The analysis shows that in the past five years，the research on artificial intelligence in the educational technology community in China has been closely related to national policies.The research has closely followed the hotspots，focusing on the cultivation of students′ ability in computational thinking and other aspects.However，problems such as insufficient cooperation diversity，insufficient depth of research，and uneven research levels still exist.Based on this，this article proposes to adhere to the general principle of "student-centered"，pay attention to the coordinated development of multiple disciplines，and strengthen cooperation between the six major areas of artificial intelligence;focus on the combination of theory and innovation;highlight the "intelligence +" goal，and use artificial intelligence Smart technology promotes the development of smart education.At the same time，make a certain degree of forecast for the future development trend，and provide a reference for the further research and development of artificial intelligence in the field of education technology in China.

Keywords

educational technology;artificial intelligence;research hotspots;statistical analysis;educational application

收稿日期2020-09-18

基金項目廣東省研究生教育創新計劃項目（2017JGXM-ZD24）

作者簡介梁友明（1995—），男，廣東肇慶人。博士研究生，主要研究方向為智能學習支持環境。 ?通信作者??吳天生（1976—），男，廣西合浦人。碩士，副教授，碩士生導師，主要研究方向為教育技術實踐與應用。