我國職業教育領域人工智能研究熱點及發展態勢

王敏 阮志紅

摘要：選取CNKI數據庫中的符合研究主題文獻，運用社會網絡分析、系統聚類和戰略坐標分析等可視化方法進行分析，梳理職業教育領域內人工智能技術研究熱點，預測未來發展趨勢，以期為后續研究提供參考與借鑒依據。研究發現，職業教育領域有關人工智能的研究主要集中于智能時代的職業教育理論及人才培養目標的轉變、人工智能環境下的現代職業教育體系變革研究、人工智能環境下“雙師型”教師的培養策略研究。預測未來幾年，人工智能在職業教育領域的研究熱點是深化校企合作，著力培養職業能力以及職業教育開展高質量培訓。

關鍵詞：人工智能;職業教育;共詞分析;可視化

中圖分類號：G712? ? ?文獻標識碼：A

文章編號：1009-3044（2022）16-0163-04

2017年7月，國務院印發《新一代人工智能發展規劃》，首次以國家戰略高度部署人工智能發展[1]。緊隨其后，教育部發布《關于進一步推進職業教育信息化發展的指導意見》，為體現職業的教育特色，“加大人工智能等新技術的應用”，再次強調人工智能與職業教育融合發展的重要性[2]。目前，我國正處于產業結構轉型的關鍵時期，利用人工智能技術賦能職業教育，助力國家產業整體轉型升級，實現職業教育智能化是新時代職業教育促進產教融合、深化校企合作的新路徑，也是職業教育未來發展的必然趨勢。

本研究采用共詞分析法與知識圖譜的研究方法，將已發表的文獻以可視化的呈現方式，表征相關文獻之間聯系強弱[3]。通過文獻梳理，對職業教育領域的有關人工智能的研究熱點進行分析，預測未來發展態勢，以期為我國職業教育領域人工智能的深入研究提供相關支持。

1 研究方法和工具

1.1 研究方法

共詞分析法的原理是通過統計兩個能夠表達某一領域研究主題的專業術語同時出現在一篇文獻的頻次，分析這兩個專業術語之間存在相關關系，如果兩個專業術語共現的次數越多，則表示相關關系越顯著，從而分析預測該領域內研究發展熱點和趨勢[4]。簡短凝練的關鍵詞可以表達文獻的核心觀點，本研究基于關鍵詞的共詞分析來分析預測研究的熱點和未來趨勢。

1.2 研究思路與數據處理工具

本研究的數據處理流程和數據處理工具如圖1所示。

2 研究過程

本研究數據來自中國知網（CNKI），在高級搜索功能的專業檢索框中以“SU=“人工智能”OR SU=“AI”進行檢索，限定檢索文獻分類目錄為社會科學Ⅱ輯下的“職業教育”領域。為了保障樣本文獻質量，來源類別限定為核心期刊和CSSCI，檢索時間截至2021年3月16日，共得到檢索結果是110篇相關文獻。篩選剔除會議通知、非學術文獻、主題不符合等文獻，最終獲得有效樣本文獻84篇。

3 職業教育領域人工智能的研究熱點分析

3.1 數據總體分析

1）文獻發表量趨勢。按照Bicomb2.0軟件操作規范，對職業教育領域中的與人工智能相關的文獻量進行梳理，統計結果如圖2所示。2016年以來，全球人工智能研究進入呈現井噴式發展，但數據檢索表明，職業教育領域內關于人工智能的第一篇文獻是2017年發表的。

從圖2可以看出，檢索數據表明，每年發表的論文數量呈上升趨勢。由于本研究檢索文獻的截止時間是在2021年3月16日，發文量僅有6篇，職業教育領域中人工智能的各方面的研究，仍需持續性地投入大量的經費與人力資源，因此預測2021年與本主題研究的相關文獻的發文量會超越2020年，呈現上升趨勢。

2）作者情況分析。同樣利用Bicomb2.0軟件提取作者字段，總共抽取124位作者，作者個人發文最高量是6篇，如表1所示。根據普萊斯（Price）定律，高頻作者的最低發文量為m≈0.749，經過代入計算m值為2。本研究中高頻作者即為發文量是2篇以上的作者。普萊斯定律認為，高頻作者發文量大約占總發文量50%，符合萊普斯定律的高頻作者有8位，高頻作者的文獻共有84篇，占總文獻總量的32%。表明在職業教育領域中關于人工智能的相關研究作者發文影響力較小，需要不斷地進行探索。職業教育領域的專家還要繼續深入人工智能與職業教育融合的研究。

3）關鍵詞分析。對符合研究主題的文獻關鍵詞進行研究，有助于研究者探索分析領域的熱點及預測發展趨勢。刪除指代不清晰的關鍵詞（如挑戰、發展路徑等），對關鍵詞進行標準化處理（如將AI、人工智能合并為人工智能，高職院校、高職合并為高職院校等）。借鑒同類型研究統計分析標準，如表2所示，在該表中可以發現靠前的25個關鍵詞其出現的頻次占總頻次的40%，較為直觀地反映了人工智能在職業教育領域研究的重心點。

3.2 社會網絡圖譜分析

社會網絡分析方法（Social Network Analysis）是研究一組行動者之間關系的研究方法，主要以數據挖掘量化為基礎，以可視化的圖譜形式更直觀清晰地把各行動者之間聯系強弱呈現出來。

將Bicomb2.0軟件中生成的共現矩陣導入社會網絡分析Ucinet6.0軟件中，繪制高頻關鍵詞社會網絡圖譜，如圖3所示。社會網絡圖譜中正方形節點代表高頻關鍵詞，如果節點大小代表社會網絡中的影響力大小。在網絡中用來連接各個關鍵節點的邊代表各關鍵詞關系密切程度，如果邊的線條較粗則說明它們出現在同一篇文獻中的頻次越高[5]，表示相互關系越密切。從關鍵詞節點大小來分析，除去檢索詞“人工智能”外，職業教育、人才培養、產教融合、專業群和智能制造等構成了職業教育領域的核心關鍵詞。從關鍵詞節點間的連線粗細來分析，人工智能作為中心點，與職業教育之間的線條最粗，說明人工智能在職業教育領域的研究已經嶄露頭角并迅速發展。其次，職業變遷、人才培養、產教融合、校企合作等關鍵詞也較為突出。第三，從整體共詞社會網絡分析圖分析，職業教育治理處在邊緣位置，與其他關鍵詞聯系不密切，說明人工智能在職業教育治理領域研究相對較少，未來這方面的研究還需要不斷探索。

3.3 聚類分析

聚類分析是常用的多元統計分析方法之一。它的統計原理可以理解為“物以類聚”，按照親疏程度進行分類，聚集在一起形成主題類團呈現聚類結果，如圖4所示，生成聚類樹狀圖。結合可視化聚類樹狀圖，人為劃分為三大類團：智能時代的職業教育理論及人才培養目標的轉變（A類團）、人工智能環境下的現代職業教育體系變革研究（B類團）、人工智能環境下“雙師型”教師的培養策略研究（C類團）。

1）智能時代的職業教育理論及人才培養目標的轉變（A類團）。該主題包括人才培養、高職教育、人工智能、第四次工業革命、智能制造、專業群、職業教育、智慧教育和專業設置等8個高頻關鍵詞。

不可否認，未來擁有人工智能的機器人會逐步替代人類從事重復性較強的工作[6]。John Markoff在《與機器人共舞》預測，每當機器人替代一個傳統工作崗位，將伴隨出現3.6個新的工作崗位[7]。專家預測智能時代的職業變遷會有三個維度：職業替代、職業互補和職業創造[8]。想象一下，未來十年人工智能設備已遍布我們生活的方方面面：無人駕駛可以載著我們快樂出游;家庭護理機器人可以及時有效地照顧生病的家庭成員;自動收割、自動播種設備成了新時代的“農民”;制造車間里工業機器人進行著自動化、程序化的各種基礎工作[9]。人類智能更多地投入產品的設計、管理、維護、保養、升級等更能體現人類勞動者獨特的技能性、創造性的工作;智能服務、智慧養老等更能體現人文特色的工作。

目前，職業院校的專業群建設與企業行業聯系不夠密切，缺乏系統設計，專業調整與行業企業對接不夠深入，最終導致學校培養職業技能與行業企業的技能需求嚴重脫節。職業院校需要對目前所開設的相關專業的發展，要具備敏銳的嗅覺，根據產業發展動態及時調整學科專業設置，將新技術融入教育教學，新工藝、新規范等產業先進元素納入教學質量標準和教學研究內容，提高職業教育培養的人才與產業發展需求的匹配度。秦鳳梅學者提出“人工智能+”專業群建設，按照“底層共享、中層分立、高層互選、頂層貫通”原則構建設計出迎合人工智能時代發展的專業課程體系，為社會培養行業通用能力甚至是跨行業能力的復合型人才[10]。

2）人工智能環境下的現代職業教育體系變革研究（B類團）。在該主題中包括智能時代、工作世界、職業替代、校企合作、新職教集團等關鍵詞。面對人工智能的如火如荼發展，職業教育需要跟上其發展腳步，占領人才培養高地，培養能夠適應“智能生產”的以信息素養為核心能力的職業技術人才。通過和企業聯合培養的方式，是職業院校提高學生職業素質的最為有效的對策，是辦好現代化職業教育的關鍵所在。我國區域發展不平衡，中西部職業教育發展程度也存在很大差異，不同區域校企合作機制也存在很大差異。徐曄，黃堯[11]等學者提出構建校企深度融合的混合式教學模式，校企共同組建師資力量，利用人工智能技術設計開發虛擬仿真實訓系統，打造符合行業標準的教學資源，實現培養復合型技術技能人才的人才培養目標，確保職業教育系統與整個社會系統的人才供需動態平衡。

職業教育必須打通內外部立交橋，優化類型定位，一體化設計中職、高職、本科職業教育培養體系，通過“政校行企”多方共建，健全多元辦學格局，集中優勢資源共同構建“教、學、做”融通開放的教學模式，開展“崗課賽證”一體化人才培養，探索符合職業教育特點的人才培養模式。

數字化技術時代的到來，為打破無形邊界提供了可能。互聯網、人工智能、大數據、VR、AR的發展，極大地解除了創設“真實”世界的經濟和技術限制，從而推動了教育場景的革命性變革。數字技術可以推動更廣泛的產教融合、資源共享、協同育人，推動無邊界學校發展。

3）人工智能環境下“雙師型”教師的培養策略研究（C類團）。為了培養人工智能背景下復合型高技能智能人才，目前職業院校的教師更應該去了解人工智能的發展與研究趨勢，積極開展人機協同、人機交互等教學方式優化教學過程。

職業教育的特點決定了職業教育教師身份的“雙師型”：一是從事課堂教學工作，需要教育理論素養，二是從事特定的職業活動，需要企業實踐技術素養。培養雙師型教師的途徑有下列幾種：一是吸納引進企業人工智能高素質人才進入教師隊伍;二是職業院校建立人工智能研發創新中心，聘請企業高端人才擔任現代學徒制教師，促進職業院校教師成長;三是校企聯合培養高素質人工智能“雙師型”教師[12]。

近年來，我國職業院校與企業之間校企合作取得了一些成果，但多數校企合作還處于淺層次合作，沒有建立深度校企合作的長效機制。利用校企合作模式培養“雙師雙能型”教師，需要職業院校與企業雙方共同積極參與。但由于學校企業雙方利益不同，教師很難真正融入企業實際生產，企業技術人員也難以長時間擔任教職人員，因此達不到預期效果。如何充分利用人工智能技術打造一支智能化“雙師雙能型”教師隊伍呢？運用人工智能等技術創建可視化虛擬技術建設“交流與共享”培訓合作平臺，以云端培訓形式創新教師培訓模式，經過“目標+內容+過程+評價”四個環節，以大數據快速精準定位教師職業能力特征構建。促成職業院校“雙師雙能型”教師培訓與人工智能技術相互融合，實現“雙師型”教師“雙能力”的形成[13]。

3.4 戰略坐標分析

1988年Law等人首次提出“戰略坐標”分析法，以二維坐標方式呈現某研究領域內主題之間的影響程度以及研究主題內部關系的算法[14]。橫坐標（X軸）表示向心度（Centrality），用于衡量不同主題之間的相互聯系程度，向心度越大，則代表研究主題之間的相互影響程度越高，說明該研究主題在該領域中與其他研究聯系越緊密，研究主題地位越重要;縱坐標（Y軸）表示密度（Density），用于衡量研究每個主題內部各關鍵詞之間聯系的緊密程度，密度越高，則表明研究主題在該研究領域中發展越穩定。

通過戰略坐標圖分析，分布在第一象限的是智能時代的職業教育理論及人才培養目標的轉變（A類團），如圖5所示，A類團的向心度和密度都明顯優于B類團和C類團，這表明A類團這類主題處于研究網絡中心，與其他主題聯系密切且內部結構相對緊密。分布在第二象限的人工智能環境下的現代職業教育體系變革研究（B類團），向心度相對高，密度較低，表明校企結合、產教融合和職教集團與其他主題研究聯系密切，而內部研究結構不緊密，研究尚需要進一步加大力度。在人工智能背景下，利用技術優勢建立起現代化的職業教育體系的研究具有進一步發展趨勢。分布在四象限的人工智能環境下“雙師型”教師的培養策略研究（C類團），向心度和密度都很低，表明職業教育“雙師型”教師的培養策略研究還處于整個領域的邊緣，內部結構松散，研究也相對不成熟。教育理念先進、專業理論扎實、實踐經驗精湛、應用能力較強的“雙師雙能型”教師隊伍是培養適應智能時代的高質量復合型人才的必要條件。

4 研究結論與展望

結合上述社會網絡圖譜、聚類樹狀圖以及戰略坐標圖的結果可知，職業教育領域關于人工智能的研究熱點重要集中在智能時代的職業教育理論及人才培養目標的轉變，人工智能環境下的現代職業教育體系變革研究，人工智能環境下“雙師型”教師的培養策略研究。每個研究都相對不成熟，需要進一步深入研究，大多數研究還僅停留在表面層次，有很多學者僅把人工智能當成研究背景，沒有真正將人工智能技術應用到研究中，難以體現人工智能和職業教育的深度融合。而基于“人工智能+學習型社會”的發展，“人工智能+社區”職業教育培訓服務和“人工智能+終身職業教育”以及相關的教育評價和治理機制等研究鮮有涉及。顯然，職業教育正逐步擁抱人工智能時代，但是人工智能技術并未真正實現職業教育的智能化和專業化的發展目標，在未來幾年人工智能在職業教育領域的研究仍然是研究熱點。

4.1 以培養能力為本位，深化校企合作

密切關注行業企業與人工智能融合的前沿動態，分析未來職業潛在需求，深入調研專業崗位需求，制定人才培養方案。未來的工作世界是人機協同工作的社會。未來職業技能需求是運用人工智能技術解決工作中的現實問題，并與人工智能協同創造新產品、新服務。畢業生結構性失業是目前職業教育需面對和解決的難題。職業教育是與經濟社會聯系最為緊密且有別于普通教育的一種類型教育，職業教育的跨界屬性決定了學生職業能力無法在企業一側或者職業學校一側完成，因此需要企業與學校“雙主體”共同參與人才培養全過程。校企合作基于職業能力培養和評價標準作為起點，共同開發活頁式、工作手冊式等新型教材，切實促進學生職業能力提升。

4.2 職業教育開展高質量培訓

隨著人工智能技術與傳統行業不斷融合創新，新行業、新崗位不斷涌現，保留下來的傳統職業崗位也會因融合人工智能技術而進行升級換代。未來工作世界是“學習-工作-再學習-再工作”多重循環模式。職業教育積極探索運用信息化技術創辦“人工智能+互聯網”教育模式，即為全體在校生、未來需要接受繼續教育和技能培訓社會人員提供多途徑、多層次的職前和職后高質量職業培訓。

參考文獻：

[1] 國務院.《新一代人工智能發展規劃》[EB/OL].（2017-07-20）[2021-03-20].http：//www.gov.cn/xinwen/2017-07/20/content_5212064.html.

[2] 教育部.《教育部關于進一步推進職業教育信息化發展的指導意見》[EB/OL].（2017-09-05）[2021-03-20].http：//www.moe.gov.cn/srcsite/A07/zcs_zhgg/201709/t20170911_314171.html.

[3] 鐘偉金，李佳.共詞分析法研究（一）——共詞分析的過程與方式[J].情報雜志，2008，27（5）：70-72.

[4] 李穎，賈二鵬，馬力.國內外共詞分析研究綜述[J].新世紀圖書館，2012（1）：23-27.

[5] 陶紅，唐婷.大數據在職業教育領域的研究熱點與發展態勢——基于共詞分析的視角[J].職教論壇，2020，36（6）：145-153.

[6] 唐林偉.人工智能時代，我們需要怎樣的技能？[J].職教論壇，2017（17）：1.

[7] Markoff J.與機器人共舞：人工智能時代的大未來[M]. 郭雪，譯.杭州：浙江人民出版社，2015：18-19.

[8] 呂建強，許艷麗.重新發現人類勞動的價值：智能時代的職業變遷與職業教育應對[J].成人教育，2021，41（2）：55-59.

[9] 張祺午.職業教育如何應對人工智能時代[J].職業技術教育，2017，38（21）：1.

[10] 秦鳳梅，莫堃.“雙高”背景下高職“智+”專業群構建[J].教育與職業，2021（6）：47-50.

[11] 徐曄，黃堯.人工智能與高等職業教育的關系探究[J].中國職業技術教育，2020（24）：67-72.

[12] 王鑫明.論“人工智能+”現代學徒制創新型人才培養體系的構建[J].教育與職業，2020（8）：56-62.

[13] 古翠鳳，劉雅婷.基于人工智能的高職院校“雙師型”教師培訓設計[J].職教論壇，2020，36（8）：82-90.

[14] Law J，Bauin S，Courtial J P，et al.Policy and the mapping of scientific change：a co-word analysis of research into environmental acidification[J].Scientometrics，1988，14（3/4）：251-264.

【通聯編輯：唐一東】