國內近五年人工智能教育的研究熱點及趨勢
——基于多維尺度和社會網絡分析的方法

趙 雨

（揚州大學新聞與傳媒學院，江蘇揚州，225009）

0 引言

隨著信息技術發展，人工智能在現代社會發展中發揮著重要作用，尤其在教育領域更為顯著。1956 年美國達特茅斯學院舉辦的夏季學術研討會上首次正式提出“人工智能”（Artificial Intelligence，AI）這一術語。美國高等教育信息化協會（EDUCAUSE）在2017年《關于教學中的人工智能你應當知道的7 件事》報告中將人工智能定義為“承擔通常被認為需要人類認知過程和決策能力的任務的計算機系統”［1］。在2017-2021 年《地平線報告》中人工智能被選為對未來1～5 年內的教育有著重要影響的技術之一，充分體現了其推動教育改革和發展的潛力。人工智能在解決教育問題與應用中發揮重要作用，應用主要包括智能導師系統、自動化測評系統、教育游戲與教育機器人［2］。

如圖1 所示，據知網數據統計近20 年人工智能在教育領域相關研究的文獻數量總體呈上升趨勢。其中，2000-2014 年相關論文的發文量較少且增長緩慢，可見該主題尚未引起學者的廣泛關注。隨著國務院2017 年印發《新一代人工智能發展規劃》指出了我國教育行業和經濟社會發展對人工智能發展的迫切需求，提出三步走戰略［3］，在此之后人工智能教育成為了教育領域的研究熱點之一。為順應智能環境下教育發展，教育部2018 年印發《教育信息化2.0 行動計劃》中明確指出要堅持走中國特色的教育信息化道路，加快實現“教育現代化2035”［4］。

專家學者們針對不同研究對象從不同角度出發，采用相應的工具展現了人工智能在教育教學中的研究熱點及應用趨勢，取得了一定的成績。為有效識別我國人工智能教育研究的熱點，本文以人工智能教育備受關注后的階段，即2016-2020 年發表的文獻作為研究對象，從關鍵詞詞頻、關鍵詞聚類、多維尺度分析、社會網絡的可視化圖譜、關鍵詞中心度分析等方面進行分析，具象化顯現人工智能教育發展現狀。通過相關數據分析，為我國教育人工智能研究與發展提供思路。

Fig.1 Number of articles published in the area of AI education re?search each year圖1 人工智能教育研究各年份的發文數量

1 研究設計

1.1 數據來源

數據來源于知網數據庫，時間范圍設置為2016 年1 月1 日至2020 年12 月31 日，以“主題”為檢索項進行高級檢索，主題詞設定為“人工智能教育”，選擇“核心期刊”和“CSSCI”為期刊來源，共檢索到681 篇符合條件的文章。接下來，從中剔除不符合主題的文獻后得到567 篇文章作為研究樣本。最后，將樣本以“Notefirst”格式導出后使用相關研究工具進行分析。

1.2 研究過程

研究工具包括Bicomb2.0、Ucinet6.0 和SPSS26.0。具體研究步驟分為：①將相關文獻以“Notefirst”格式導入Bi?comb2.0 中，提取與研究相關的高頻關鍵詞進行詞頻分析，構建詞篇矩陣和共現矩陣；②在SPSS26.0 中對詞篇矩陣進行聚類分析，將關聯性高的關鍵詞聚類，生成樹狀圖，實現對人工智能教育研究主題的分類，同時對相似矩陣進行多維尺度分析構建圖譜；③為分析人工智能教育的研究熱點，通過Ucinet6.0 對共現矩陣進行社會網絡分析，并進行人工智能教育的關鍵詞中心度分析以預測今后的發展趨勢。

2 研究分析與結果

2.1 關鍵詞詞頻分析與統計

利用Bicomb2.0 提取了共計979 個關鍵詞。由表1 可見，當閾值設置為9 時可導出23 個高頻關鍵詞，這23 個關鍵詞出現的頻次均大于9 次，總呈現頻次為619 次，占關鍵詞總頻次的33.28%，高頻關鍵詞數量較少。其中，人工智能（291）、智能教育（33）與智慧教育（28）的頻次較高，說明與這些關鍵詞相關的研究較多。

Table 1 High-frequency keywords（top 23 keywords）表1 高頻關鍵詞（前23個）

對關鍵詞進行共詞分析構建共現矩陣和詞篇矩陣。其中，共現矩陣為無向對稱矩陣，對角線的值代表關鍵詞詞頻［5］，部分高頻關鍵詞的共現矩陣見表2。

Table 2 Partial high-frequency keyword co-occurrence matrix表2 部分高頻關鍵詞共現矩陣

2.2 關鍵詞聚類分析

采用SPSS 26.0 軟件對詞篇矩陣進行聚類分析，選擇譜系圖和二元法以“落合”方式生成相似矩陣，如表3 所示。同時生成樹狀圖，如圖2 所示。結合聚類分析結果可將人工智能教育的研究主題分為3類，如表4所示。

類1 指出，隨著人工智能+教育時代到來，教育技術領域發展了諸多新技術，機器學習、深度學習等技術逐漸被廣泛應用。學習分析的本質就是數據分析，通過對復雜數據集進行分析，能更好地為學習者提供服務，以作出最優決策。

Table 3 Partial high-frequency keyword similarity matrix表3 部分高頻關鍵詞相似矩陣

Fig.2 Clustering analysis of co-words in artificial intelligence educa?tion圖2 人工智能教育共詞聚類分析

Table 4 Classification of artificial intelligence education research top?ics表4 人工智能教育研究主題分類

類2 表明，職業教育和高等教育都是我國人才培養的重要階段，要不斷變革教學模式，開啟智能教育時代。智慧教育的5 大基本特征，即學習環境傳感器豐富多樣、“數據驅動”式教學無處不在、個性化與自適應學習普遍采用、學習資源共享共生成為常態、人工智能技術廣泛運用［6］。智能教育強調以學者為中心，但目前教育分析的數據都來源于互聯網，因此對未來教育提出了更高的要求。

類3 研究指出，如今人工智能與教育密不可分，人機協同能夠帶來雙重智慧，是未來的發展方向之一。在智能教育領域普遍認可的兩個方向：一是人工智能教育，二是教育人工智能［7］。

2.3 多維尺度關鍵詞分析

多維尺度分析利用“降維”反映二維空間中復雜關鍵詞之間的聯系，對象呈點狀分布，具有高度關聯性的對象會被聚集成一個類團［8］。通過SPSS26.0 軟件對高頻關鍵詞的相似矩陣進行多維尺度分析，選擇多維刻度（ALS?CAL），根據數據創建距離，選項選擇組圖，標準化方法選擇Z 得分。繪制多維尺度分析圖譜如圖3 所示，當壓力系數（Stress）=0.290 26，擬合系數（RSQ）=0.491 24 時，擬合效果較好。

Fig.3 Multidimensional scale analysis atlas圖3 多維尺度分析圖譜

“相關理論概念”領域的人工智能教育與教育人工智能的歐氏距離較近，兩者與人工智能+教育的歐氏距離較遠，可見人工智能在與教育融合的過程中已取得了一定的成績，但仍有許多方面有待加強。

“教育應用”領域的高等教育、職業教育是未來人工智能教育主要的應用領域，也是我國人才培養的重要階段。智慧教育、智能教育可加快教育信息化的步伐，促進教育變革。

人機協同是未來教育發展的重要方向。“人工智能教育技術”領域關鍵詞之間距離最大，大數據、教育大數據是機器學習的重要數據來源，在未來人工智能教育研究中，可不斷推進、完善個性化學習體系，結合學習分析、深度學習等新技術推進人工智能教育應用。

教育技術與人工智能技術的研究成果較少，處于相對邊緣的地位，這也是目前人工智能教育研究領域最為關注且有待解決的問題之一。

2.4 社會網絡分析

將共現矩陣導入UCINET6.0，構建人工智能教育高頻關鍵詞的社會網絡圖譜，如圖4 所示。圖中節點越大表明該關鍵詞出現頻次越多，節點間連線越粗表明關鍵詞之間關系越密切［9］。

Fig.4 High-frequency keyword social network atlas圖4 高頻關鍵詞社會網絡圖譜

由社會網絡圖譜可知，除檢索關鍵詞人工智能外，人工智能+教育、智能教育、智慧教育等關鍵詞出現頻次較多，教育之“智”該如何發展引起了學者們的廣泛關注，是當前的研究熱點。圍繞人工智能核心關鍵詞產生了機器學習、教育大數據、學習分析、大數據等熱點話題，并且關鍵詞之間的關系較為密切，由此可見相關技術在教育領域的應用較為廣泛。

在以上關鍵詞周邊又產生了遠程教育、機器人、人才培養、教育變革、教育應用等話題，可見其在教育領域的應用中已取得了一定的成果，但在圖譜中仍處于邊緣地區且與其它關鍵詞距離較遠，是相關研究領域的薄弱之處，隨著研究的深入有望成為今后研究的重點。

2.5 關鍵詞中心度分析

將共現矩陣導入UCINET6.0 中進行關鍵詞中心度分析，經過“變換——對分”操作后轉換為二值關系矩陣計算中間中心度，多值關系矩陣用于計算度中心度，整體網絡密度采用的多重測量（Multiple Measures）值為0.466 7，結果見表5。其中，關鍵詞節點的點中心度、接近中心度及中間中心度反映節點的地位和其它關鍵詞節點之間的關系。

Table 5 High-frequency keyword centrality analysis table表5 高頻關鍵詞中心度分析表

續表

由表5 可知，人工智能+教育、智慧教育、智能教育、深度學習、教育大數據的點中心度排在前5 位，說明它們在人工智能教育研究領域中處于重要地位；人工智能、智慧教育、智能教育、人工智能+教育、機器學習的中間中心度排在前5 位，說明它們在網絡圖譜中是連接結點的重要橋梁；教育應用、教育、職業教育的中間中心度接近0，可見它們處于網絡邊緣。

3 人工智能教育熱點

3.1 理論概念

“人工智能＋教育”是人工智能與教育的深度融合，“人工智能＋”時代背景下的教育發生了巨大變化。人工智能教育（Artificial Intelligence Education，AIE）是將人工智能應用于教育領域，讓學生對人工智能技術建立基本認知［10］。教育人工智能（Educational Artificial Intelligence，EAI）是一個新領域，尚未形成標準定義，重在使用人工智能技術促進教育發展改革［11］。智慧教育作為一種新型教育模式，以培養創新人才為目標，強調學生個性化學習，促進資源共享。

3.2 技術服務

機器學習是基于大數據的統計分析過程［12］，能不斷學習大量數據預測新數據。目前，智能教育技術已被廣泛應用，現階段已借助“極課大數據”等現代化教學平臺開展精準化教學。

此外，機器學習領域的一個新方向是深度學習（Deep Learning），通過構建分層模型，建立從底層信號到高層語義的映射［13］，提升教學效果，目前深度學習已在圖像和語音識別等應用中廣泛使用。人工智能教育提供的學習服務貫穿課前預習、課堂教學、作業批改、在線考試等整個學習過程。利用大數據等技術優化傳統教學模式，為學生提供個性化學習方式。通過對數據進行收集和分析，推送具有針對性的資源與服務，George 等［14］認為學習分析的教育價值主要體現在為教育機構的變革提供指南和幫助教育工作者改進教學方式，在多大程度上共享學習者的個人數據仍是教育領域爭議的焦點。

3.3 教育應用

職業教育改革要順應時代潮流，在教育內容、策略、政策等方面要與人工智能領域的需求相適應。未來高等教育應更注重教育的公平和多樣化，美國《2021 年地平線報告（教學版）》中指出隨著K-12 階段的分化越早出現，許多學生在開始接受高等教育時已遠遠落后于同齡人［15］，這種現象在我國相對落后的地區更為明顯。因此，教育應用的普及是迫切需要解決的問題。為此，“21 世紀能力”對人才培養提出了更高要求，要逐步形成中小學基礎教育、大學高等教育和社會終身教育的一貫制教育。

3.4 發展方向

“人工智能＋教育”的一個分支是“智能教育（Intelli?gence Education，IE）”。祝智庭等［16］認為智能教育應具有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三方面的內涵，人工智能不能完全取代教師，兩者應當共同承擔教育功能［17］。

人機協同是人工智能教育的發展趨勢，是智能技術與教育相互融合的重要方式，二者發揮各自的智能優勢，共同促進教育發展。教育變革體現為人工智能教育可有效促進教學資源、教學環境、教與學方式的改革。2020 年新冠疫情期間，全國中小學和高校普遍采用在線學習方式。因此，應當重視在線學習平臺建設和教師在線教學培訓工作，并且高等教育機構應多措并舉，為學習者提供高質量的在線學習服務平臺。在科技迅速發展的今天，只有主動變革才能更好應對未來的挑戰和機遇。

4 人工智能教育的發展趨勢及建議

基于對研究熱點的分析，結合我國人工智能教育發展現狀，提出以下4點建議：

（1）重視人才培養，推動國際合作，打造高水平創新發展平臺。2020 年印發的《關于“雙一流”建設高校促進學科融合加快人工智能領域研究生培養的若干意見》中指出將擴大人工智能方面研究生的招生規模［18］，反應了我國對人工智能教育的重視，只有不斷培養創新型專業人才，才能走在世界前列。同時，學習歐美等國先進的教學經驗，采用多學科交叉融合，加快“教育現代化2035”的實現進程，才能更好面對未來教育的發展趨勢及挑戰。要加快推進人工智能技術與教學的深度融合就必須要建立以學習者為中心的教育環境，注重以人為本，為人才培養提供更好的教育服務平臺。

（2）提升信息素養，設置人工智能相關課程。全國多地中小學、校外輔導機構已開設了機器人、Scratch 編程等相關課程教學，然而部分中小學專門為機器人教育而開設一門獨立的教學課程仍存在許多困難［19］，主要原因包括信息技術和教學課程未能很好地進行深層次整合、教學模式不成熟、教學時間不足等。因此，學校應大力推廣編程教育，實施編制考核評價標準，聯合社會機構開發和推廣編程教學軟件、教育游戲，共同構建智能化、個性化的教育體系，開啟智能教育新時代。

（3）加強教師隊伍建設和開發團隊研發能力。青年教師在教育教學中能主動應用人工智能技術，而中年教師適應了以往的教學模式，對人工智能應用了解不夠深入，要加強教師培訓，促使教師在教學過程中注重“學教并重”，探索新型教學模式，不斷提高教學水平和自身專業能力，促進人工智能教育應用與研究發展。另一方面，希望相關的開發團隊加大對教育領域的了解和研究，不斷突破技術壁壘。通過研發人員和教育者之間協同合作，將教學技術落實到日常教學中。

（4）加強倫理教育，立法推行，規范教育數據處理與應用。人工智能應致力于教育公共服務，現階段教育數據被惡意泄露等問題已受到人們的普遍關注，在線教育過程中產生的數據資源內容豐富，可作為未來教育研究的數據來源。政府應根據校園建設發展規劃出臺相關新政策和法規，建立強有力的監督治理機制，保障新技術在實際教學中良性發展。學校則要加強對硬件資源和軟件資源的管理，加強技術保障，建立安全可靠的防火墻，形成統一標準和規范，保護教育數據安全。