“人工智能+教育”的研究熱點與前沿演進趨勢分析

侯雅莉

(南京曉莊學院,江蘇 南京 211171)

一、 引言

傳統的教育模式在面對日益增長的知識體系和多樣化的學習需求時,顯得捉襟見肘。如何提高教育質量、縮小教育差距、滿足個體化學習需求等問題,一直困擾著教育工作者。人工智能(Artificial Intelligence, AI)技術的出現,為教育領域的改革和創新帶來了新的思路和可能性[1]。習近平總書記強調,中國高度重視人工智能對教育的深刻影響,積極推動人工智能和教育深度融合,促進教育變革創新。國務院印發的《新一代人工智能發展規劃》,明確利用智能技術加快推動人才培養模式、教學方法改革[2]。基于技術和政策的雙重驅動,AI教育發展勢不可擋,正確認識并把握AI教育的機遇與挑戰至關重要。

本文對中國近十年“人工智能+教育”的研究進行了全方位分析,深入探討了AI技術在教育領域的應用效果,通過對已有研究的總結和評價,了解AI在教育領域的優勢和局限性,從而為未來的研究和實踐提供有益的啟示。

二、 研究方法

本文采用文獻計量學分析方法,對“人工智能+教育”的研究進行對比分析,并利用CiteSpace生動地展示分析結果。文獻計量學是一種基于大量文獻數據的定量分析方法,旨在通過對文獻數據的統計分析和圖表呈現,揭示某一領域的發展趨勢、熱點問題和研究熱度等信息[3]。其中,關鍵詞共現分析、共現詞聚類分析以及突發性檢測是本文挖掘AI教育領域研究熱點和前沿趨勢的主要方法。

(1) 關鍵詞共現分析主要用于分析文獻中關鍵詞之間的共現關系,基本思想是通過統計文獻中關鍵詞的共現頻率,揭示不同關鍵詞之間的關聯性。

(2) 基于關鍵詞的共現頻次,聚類分析通過統計文獻中關鍵詞之間的相似性,揭示AI教育領域中的熱點問題。本文利用潛語義索引(LSI)對關鍵詞進行聚類,考慮關鍵詞共現頻次的同時,還考慮了關鍵詞間的語義相似性,因此聚類結果更加準確。 CiteSpace中,聚類模塊值(Q值)和平均輪廓值(Silhouette,簡稱S值)是評價聚類結果優劣的指標,Q值和S值的區間是[0,1)。當S值大于0.5說明聚類合理,大于0.7說明聚類可信,越接近1說明同質性越高;當Q>0.3時,說明聚類結果是顯著的[4]。

(3) 關鍵詞突發性檢測是指挖掘持續時間內出現頻次較高的關鍵詞,對關鍵詞進行突發性檢測有助于把握近10年中與AI教育相關的熱門研究話題的延續性和演變趨勢。

三、 研究結果

(一) 數據來源

近十年,中國在人工智能領域取得了迅速的發展,人工智能在教育領域的影響也得到了廣泛專注。本研究數據來源于中國知網,檢索日期為2023年3月2日,時間跨度為2013至2023年。以篇名、摘要或關鍵詞為檢索范圍,在中國知網的教育理論與教育管理學科中檢索 “人工智能”和“教育”相關的文獻,篩選其中科學引文索引(Science Citation Index,SCI)、北大核心以及中文社會科學引文索引(Chinese Social Sciences Citation Index,CSSCI)收錄的文獻,總計1347篇。數據源概況如圖1所示。根據圖1(a),2013年至2016年是人工智能應用于教育領域的起步階段,自2016年,年度發文量迅猛增加,自2019年,發文量增加變緩,并維持在一個高水平。圖1(b)描述了排名前十的發文機構,主要集中在研究型師范類院校,表現最突出的是不同區域的三所 985院校。圖1(c)繪制了排名前十的期刊,主要集中在高影響力的教育類期刊。

圖1 數據源概況

(二) “人工智能+教育”領域研究熱點

關鍵詞是對論文主題和內容的簡明概括。通過構建關鍵詞共現網絡,將文獻中的關鍵詞作為節點,節點之間的連線表示這些關鍵詞在同一篇文獻中出現的頻率或者共現次數。然后,利用節點的中心性識別出網絡中的重要節點或者子群。在此基礎上,使用LSI將關鍵字共現網絡分為若干個子圖,每個子圖代表一個研究主題。本節對1347篇AI教育的文獻進行分析,最終得到17個聚類(如圖2—圖9),得到的Q值為0.8595,輪廓系數為0.9641,聚類結果合理且可信。在每個聚類圖中,關鍵詞的字體越大,該關鍵詞的共現頻次越高,節點間的連線越粗,則關系越緊密。依據聚類主題,下面將從核心技術、學習方式、教學測評、人才培養、教育變革、師生角色、倫理問題七個角度分析AI教育的研究熱點。

圖2 以“人工智能”“深度學習”為主題的聚類圖

1. 核心技術

人工智能在教育領域的應用技術分布在三個聚類,每個聚類的核心技術分別是霧計算、深度學習和機器人(圖2、圖3)。

圖3 以“機器人”為主題的聚類圖

(1) 霧計算

霧計算是一種新型的計算模式,可以將數據處理和存儲功能分布到網絡的邊緣,即近用戶端的設備上。這樣可以降低數據傳輸時延和帶寬壓力,同時提高計算和存儲資源的利用效率。在教育領域,霧計算可以將教育數據存儲在本地設備上,利用邊緣計算能力進行數據處理和分析,從而支持個性化學習和教育資源的高效使用[5]。數據湖是一種存儲大數據的架構,可以將各種類型和格式的數據存儲在同一個數據池中,并在需要時對其進行分析和處理[6]。數據湖可以用于管理和存儲學生的教育數據,包括學習記錄、測評結果、個人信息等。這樣可以為學生提供更加全面和精準的學習管理和支持。霧計算和數據湖為精準管理、代際傳遞和反饋回路提供了不可或缺的技術支持。

(2) 深度學習

深度學習是機器學習的分支,兩者都是通過訓練算法使計算機具備從數據中自動學習和提取知識的能力。深度學習主要側重于使用神經網絡處理復雜的非線性數據,而機器學習則包括更廣泛的算法[7]。數據挖掘可以幫助教師分析學生的學習行為、成績趨勢、教學資源的使用情況等,從而為優化教學策略提供有力支持。在深度學習、機器學習和數據挖掘的基礎上,專家系統通過模擬人類專家的思維過程,實現對知識的自動獲取和推理,它是一種基于知識庫和推理機制的人工智能應用[8]。在教育領域,語義圖示可以用于構建知識地圖、概念網絡等,幫助學生形成清晰的知識體系[9]。語義圖示與深度學習、機器學習和數據挖掘等技術相輔相成,共同促進教育資源的優化和學生學習效果的提升。

(3) 機器人

區塊鏈和機器人作為兩大熱門技術,對教育行業產生了深遠的影響[10]。區塊鏈技術以其去中心化、安全可靠、透明公開的特點,可以記錄學生的學習過程,包括成績、表現、技能等方面的信息,形成完整的學習檔。這有助于教育機構對學生的綜合評價和個性化教學[10-11]。區塊鏈技術也可以促進教育資源的共享和交流,打破地域和學科的界限,實現優質教育資源的公平分配[12]。機器人技術通過人工智能、自然語言處理等技術,不僅可以充當智能教學助手[13-14],而且能夠完成個性化教學[15-16]、在線答疑和情景模擬等工作。區塊鏈和機器人推動了智慧校園的建設,智慧校園作為一個基于人工智能技術的綜合性教育平臺,實現了學校管理、教學資源、學習環境等多方面的智能化[17]。

2. 學習方式

人工智能對學習方式的影響分別圍繞在線學習和智慧課堂展開(見圖4)。慕課作為在線學習的重要組成部分,通過大規模開放式課程,為廣大學生提供了豐富的學習選擇[18-19]。在鄉村教育方面,人工智能技術的廣泛應用有助于縮小城鄉教育資源差距。通過在線學習、慕課和平臺建設,鄉村學生和城市學生都能享受到優質的教育資源,進一步縮小了城鄉之間的教育差距。

圖4 以“在線學習”“智慧課堂”為主題的聚類圖

基于中臺架構和邊緣計算的技術支持,智慧課堂、精準教學、協作學習對高校教學和教師教育等方面帶來了深刻影響[20-21]。智慧課堂是以人工智能技術為核心,將教育資源、教學方法、教學評價等多種元素有機融合,實現個性化、智能化的教育環境[22]。精準教學側重于通過大數據分析,實現對學生學習需求、能力特點的精確把握,從而提供針對性強的教學方案[23]。協作學習則強調學生之間的相互合作與交流,以提高學習效率[24]。

3. 教育變革

作為教育變革的前沿陣地,高等學府在教育方式上更加注重人機協同和精準教育,未來教育輸出中將更加重視培養學生的信息素養和創業教育(見圖5)。

圖5 以“教育”“智能技術”“智能教育”“信息技術”為主題的聚類圖

在AI教育時代,計算思維成為必備的素質,學生需要掌握如何運用計算機解決問題、分析數據等能力[25],學生應具備保護個人信息、預防網絡攻擊等基本技能[26],同時需要具備辨別、評估、利用信息的能力,以便在海量信息中篩選出有價值的內容[27]。在人工智能的輔助下,教學設計應注重個性化、差異化,滿足學生多樣化的需求[15]。情感計算則能夠讓計算機更好地理解學生的情感需求,從而提高學生的學習體驗[28]。

4. 教育測評

圖6顯示,隨著人工智能與教育的深度整合,教育評估的方法和目標也將經歷重大的變革[29]。人工智能可以通過大數據技術對學生的學習數據進行深度挖掘,實現對學生學習成績、學習習慣、勞動素養等多維度的全面評估。這種評估方式不僅準確度高,而且可以為后續的學習分析提供數據支持[30]。其中,勞動素養是個體綜合勞動能力與素質的體現,涵蓋知識、技能、態度等方面,具有在人工智能時代適應技術發展和職業要求的重要性[31]。

圖6 以“知識圖譜”“工具理性”為主題的聚類圖

5. 人工智能背景下師生角色的重定位

泛在學習與智慧教育的興起引領教育角色轉變,在人工智能輔助教育中,教師和學生的角色發生了變化[32]。教師不再是單純的知識傳授者,而是學生學習過程中的引導者和輔助者[33];學生則從被動接受者轉變為主動探索者,更加注重自主學習和發揮創造力(見圖7)。

圖7 以“教師角色”“智慧教育”為主題的聚類圖

6. 人才培養

人工智能在推動人才培養的同時,也對其提出了新的要求,主要表現在核心素質和職業教育兩個方面(見圖8)。

圖8 以“人才培養”“大數據”為主題的聚類圖

核心素養是人才培養的基礎。在人工智能時代,學生需要具備批判性思維、創新能力、團隊協作等基本素質,以適應未來社會的需求。在此基礎上,新工科和新文科作為兩個重要的教育領域,分別強調工程技能和人文素養的培養,以滿足不同行業的人才需求。新工科是指以AI為代表的新興工程技術領域,其在人才培養中的地位日益凸顯。新工科的發展要求教育體系進行調整,增加相關課程設置,培養具備創新能力、跨學科素養的工程技術人才[34-35]。新文科則關注人文素養和社會責任感的培養,以提升學生的思辨能力和領導力[36]。

人工智能技術為職業教育提供個性化學習方案[37],可以通過模擬真實商業場景,幫助學生提高商業思維和實踐能力[38]。人才培養目標更加注重培養學生的商業能力和技能。

7. 倫理問題

AI在助力技術創新、教學創新和教育治理的同時,也帶來了倫理問題。在數據安全方面,隨著大量教育數據的產生和應用,數據安全和隱私保護成為了亟待解決的問題[39]。在教育倫理方面,AI技術應用于教育需要尊重學生的隱私權、知情權和選擇權(見圖9)。

圖9 以“倫理策略”“數據倫理”為主題的聚類圖

(三) “人工智能+教育”前沿發展趨勢

對“人工智能+教育”領域的共現關鍵詞進行突現詞檢測得到11個突現詞,如圖10所示。這些關鍵詞是2013—2023年期間在共現網絡中出現頻率驟增的詞匯,代表了“人工智能+教育”在每個階段的研究前沿。圖10中,“Year”表示關鍵詞突現開始的年份,且持續時間至少為1年,“Strength”表示關鍵詞突現的強度,“Begin”和“End”分別表示關鍵詞突現開始和結束的年份。2013至2023年期間,中國的AI教育經歷了初步探索、實踐階段、深入發展、創新發展四個階段。

圖10 2013—2023年”人工智能+教育”領域的研究前沿演變

1. 初期探索階段(2013—2016年)

在初期,學習分析和深度學習技術逐漸引起關注,為提高教育質量和個性化教學提供了技術支持。通過對學生的學習數據進行挖掘和分析,可以為教育者提供有關學生學習情況的詳細信息,從而有針對性地提高教學效果[40]。其次,深度學習可以用于語音識別、圖像識別、自然語言處理等多個方面,為學生提供更加智能化的學習體驗[41]。初期的主要目標是通過AI技術提高教學質量、輔助教師進行批改作業、評估學生表現等任務,提高教育效率、實現個性化教學[42]。

2. 實踐階段(2017—2018年)

在這一階段,中國政府高度重視AI教育的發展,出臺了一系列政策和規劃,為AI教育提供了有力的政策支持。各大高校、科研機構和企業紛紛加大對AI領域的投入,通過合作共建、資源共享等方式,整合教育資源,共同推動AI教育的發展[19]。在此背景下,各大高校和教育機構積極探索AI教育的新模式,如實驗性教學、項目式學習、在線與線下相結合等,以培養學生的創新能力和實踐能力[43]。

3. 深入發展階段(2019年)

在這一階段,AI教育呈現出多元化、綜合化的特點,旨在培養具有全面素質、創新精神和實踐能力的人才,以適應社會發展的需求[44]。AI教育不僅注重學生的理論知識積累,同時也強調實踐能力、心理健康和政治信仰的培養[45]。同時,AI教育招生策略更加注重選拔具有創新精神和實踐能力的學生。選拔過程不再單純依賴于考試成績,而是結合學生的實際操作能力、團隊協作能力等多方面因素進行綜合評估[46]。

4. 創新發展階段(2020—2023年)

這一階段的特點主要體現在教育變革和元宇宙兩個方面,它們共同推動著教育領域的變革,為學生提供了更加個性化、有趣和高效的學習方式,有望為未來教育發展帶來更多的可能性。AI技術不僅使教育過程變得更加智能化、個性化和高效[47],而且還可以實現對學生學習過程的實時監控和評估,為教育決策提供數據支持。元宇宙作為一個虛擬的、數字化的世界,可以為學生提供沉浸式的學習環境,使他們能夠在虛擬世界中親身體驗和探索知識[48]。

與此同時,ChatGPT實現了語言邏輯上的元宇宙并快速成為AI教育的熱門話題。一方面,元宇宙為ChatGPT提供了一個廣闊的應用場景;另一方面,ChatGPT為元宇宙在教育領域的應用提供了強大的支持。鑒于目前的研究現狀,元宇宙教育將成為未來AI教育領域的研究前沿。然而,元宇宙教育也面臨著諸多挑戰和問題,包括較高的技術成本、信息安全以及學生的心理健康。AI教育將不斷優化元宇宙教育的技術和應用,為未來教育帶來革命性的變革。

四、 結語

本文利用文獻計量學對我國近十年AI教育領域的文獻進行量化分析,并對該領域的研究熱點和前沿趨勢進行可視化操作。關鍵詞聚類結果顯示,我國AI教育的研究熱點分布于核心技術、學習方式、教學測評、人才培養、教育變革、師生角色、倫理問題等七個方向。在此基礎上,對AI教育研究的關鍵詞進行了突現分析,根據關鍵詞突現時間將研究前沿的發展劃分為四個階段:初期探索、實踐階段、深入發展和創新發展階段。

人工智能在教育領域所帶來的機遇和挑戰已經引起了國內研究型師范類院校的高度重視。同時,隨著人工智能技術的迅猛發展,越來越多的AI技術得以實際應用于教育領域。隨著核心技術的不斷發展,特別是深度學習等技術的廣泛應用,學習方式得以創新。個性化學習系統、虛擬實境等基于核心技術的創新性學習方式逐漸嶄露頭角,進一步推動了教學測評方法的更新。在這一過程中,自動化評估系統、學習行為分析等技術與個性化學習方式相結合,為更精準的教學測評提供支持。AI技術帶來的教育變革不僅改變了教學方式,也重新定義了師生的角色。教師不再僅是傳統的知識傳授者,更成為引導學生利用AI工具學習的導師,學生在個性化學習中發揮更為活躍的作用。新型師生互動方式對倫理問題提出了新的挑戰,需要更嚴謹的倫理規范和監管機制。未來,如何通過教育變革迎接元宇宙的落地,將是熱門的研究主題。