國外教育人工智能研究的熱點
——基于知識圖譜的可視化分析

麻娟

(新疆師范大學,教育科學學院，新疆，烏魯木齊 830017)

0 引言

人工智能在教育中的應用是構建智慧教育的重點，是成為未來教育變革的重要趨勢。關于國際教育人工智能的研究，研究者通過對教育技術領域26項國際會議內容的探究，發現國際人工智能前沿主要集中在人工智能時代技術人才、人文教育、人工智能技術與教師的關系以及智能教育系統的設計和開發等[1]。本研究基于Cite Space的可視化研究探索國外教育人工智能2015～2020年研究熱點，并進行總結和展望，為我國教育人工智能的發展提供啟示和借鑒。

1 數據與方法

1.1 研究數據獲取

本研究以Web of Science數據庫核心數據合集作為研究數據來源。檢索范圍為Web of Science核心合集中，以“Educational Intelligen*”和“AI”為主題，文獻類型為Article，語種為English進行檢索，將主題檢索通過高級檢索“or”組配檢索式，再以“Education*”和“Teaching”主題檢索，檢索條件相同，經 “or”組配檢索式，將兩次經過“or”組配的檢索式，通過“and”再次進行組配，確定最終研究文獻為643篇。

1.2 研究工具與方法

Cite Space能夠幫助研究者更好地理解所從事的研究領域，突顯出該領域發展中聚焦的關注點[2]。本研究基于643篇國外研究文獻，通過可視化文本分析和視圖分析，總結國外教育人工智能發展的熱點，深度了解國外教育人工智能發展的趨勢。

2 國外教育人工智能研究的熱點

探尋國外教育人工智能的研究熱點，通過對Web of Science數據庫核心數據合集確定的643篇文獻運用Cite Space進行可視化分析，經過聚類分析得到模塊值為0.758 7，平均輪廓值是0.803 2，說明劃分出來的社區結構是顯著的且聚類高度令人信服。

2.1 文本分析

對關鍵詞頻次和中心關鍵詞進行統計，如表1所示。

表1 2015～2020年國內教育人工智能研究高頻關鍵詞和中心關鍵詞統計

從表1中可以看出，國外關于教育人工智能研究的文獻樣本中，高頻關鍵詞凸顯了系統(system)、模型(model)、設計(design)、診斷(diagnosis)、類神經網絡(neural network)等。從關鍵詞出現的頻次可以看出國外教育人工智能研究范圍更廣泛，聚焦更多新技術領域。中心關鍵詞可以表示在教育人工智能領域演化的重要性，遺傳算法(genetic algorithm)和等級(classification)關鍵詞在國外教育人工智能的研究中扮演重要的角色。

2.2 視圖分析

(1) 關鍵詞共現圖譜分析

圖1中圓圈大小代表該關鍵詞在領域中關注度的大小，人工智能(artificial intelligence)作為檢索詞節點圓圈直徑最大，教育(education)、機器學習(machine learning)、系統(system)、模型(model)、深度學習(deep learning)圓圈直徑大小次之。節點人工神經網絡(artificial neural network)、診斷(diagnosis)、設計(design)等關鍵詞可對我國教育人工智能研究提供借鑒。

(2) 關鍵詞聚類圖譜分析

關鍵詞聚類視圖可呈現不同的研究主題，如圖2中國外教育人工智能研究共分為11大聚類。

圖1 2015～2020年國外教育人工智能的關鍵詞共現圖譜

圖2 2015～2020國外教育人工智能的關鍵詞聚類圖譜

高頻關鍵詞網絡(Internet)、AI(人工智能)屬于聚類#0。JIA[3]利用智能分類算法開發了智能化的教育信息物理系統，用于大學英語課堂教學，取得了有效的課堂學習研究。CHEW等[4]建議開發5G教學框架，以此提高學習動機。在5G時代，人工智能帶來許多新的挑戰，要求教育者不斷更新知識和創新教育，將課程納入新的人工智能領域，實施教學和學習計劃來實現更高的教育目標。

高頻關鍵詞機器學習(machine learning)、神經網絡(neural network)、設計(design)屬于聚類#1。WINKLER-SCHWARTZ等[5]提出要縮小人工智能、醫學、教育學之間的知識鴻溝，使機器學習能夠成為醫學中外科教育的新興領域。

高頻關鍵詞診斷(diagnosis)、影響(impact)屬于聚類#2。DAI等[6]開展了一項關于人工智能在課程應用后，學生關于人工智能技術看法見解的調查研究，將收集的數據進行分析，學生的自信心及其對人工智能的了解共同影響著人工智能技術在課堂上的使用情況，該研究表明男生對于人工智能技術的了解要高于女生，同時對人工智能技術非常感興趣，認為人工智能技術是一種強大的技術。隨著在線學習和混合學習的發展，在線學習的評估也需要智能化的手段。SNCHEZ-PRIETO等[7]構建了基于感知的有用性、感知的易用性、使用的態度、行為意圖和實際使用五個方面的人工智能教育評估模型。

高頻關鍵詞教育(education)和中心關鍵詞學生(student)屬于聚類#4。基于人工智能技術的機器人平臺的構建也成為關注的熱點，學生在其中可以實現多樣性的想法。在高等教育中，學生對教育有著不同的需求，迫使探尋個性化學習方法迫在眉睫。XIAO等[8]提出了在學生進入大學前對其學習信息進行分析，將學生信息利用特征方法建模，形成一種基于人工智能的個性化學習模型構建方法，在此方法的基礎上，定制面向高等院校師生設計個性化學習方案，同時應用在高校學生畢業后的職業規劃中。

高頻關鍵詞人工智能(diagnosis)、系統(system)、模型(model)屬于聚類#7。人工智能教學的應用使學生在實際問題中可以使用深度學習或機器學習技術尋找現實世界復雜問題的解決方案，學習同伴間也可以更好的進行協同合作。BERNARD等[9]提出以人工智能來識別學習風格，通過計算智能算法提高學習風格的識別度，當學習者處在不同學習環境中尋求合適的學習風格，使得基于人工智能的專家系統和智能教學系統得以精準化使用。

高頻關鍵詞深度學習(deep learning)屬于聚類#9。在學習科學中，深度學習在學習者情感識別領域使用腦電信號的情緒分析方法來預測積極情緒和消極情緒[10]。SUN等[11]認為大數據和人工智能的綜合能力應用已經成為英語教學的影響因素之一，將人工智能和大數據引入英語教學中，形成了新的英語教學生態環境建設方法。

3 總結

通過梳理國外教育人工智能研究的熱點，主要集中在醫學、教育學、社會學領域，國外教育人工智能研究層次更深入，從學生學習行為的分析逐漸深入到關注學習者情感、情緒、態度的分析，通過構建基于人工智能的模型評估學生的學習情緒，以此提高教學質量和學習效果。在應用層面，國外教育人工智能更多的是通過人工智能技術對模型、算法層的構建，缺乏將這些技術應用于教學中的實證研究。國外重視人工智能在教學中應用效果評估和影響研究，在課堂上使用人工智能技術表明學生關于人工智能技術在課堂中應用的體驗，發現人工智能技術能夠激發學生學習動機和興趣。此外，國外教育人工智能研究更關注人工智能算法層和相關模型的構建，基于大數據的深度學習和機器學習的研究，基于人工智能技術的情感態度的探究，或是應用大數據和人工智能系統構建新的學習生態環境，以及智能化學習系統和導師系統的開發等。

未來,對比國外教育人工智能的發展，國內教育人工智能的發展應多關注初等教育、中等教育、高等教育、職業教育、工程教育、醫學教育等類型教育。隨著在線學習和混合式學習的發展，要注重人工智能技術對在線學習的教學的評估和學習評價。此外，還應注重綜合性系統的研發，為學生學習過程中的發展提供助力。