基于基金支持的人工智能教育應(yīng)用研究綜述*

蔡榮華 高蓉 袁慧

湖南師范大學(xué) 長沙 410006

0 引言

隨著人工智能的不斷發(fā)展，其在教育中的應(yīng)用引起了國內(nèi)外研究者的高度關(guān)注。人工智能教育應(yīng)用的受關(guān)注度愈來愈高，不少學(xué)者投入人工智能教育應(yīng)用領(lǐng)域的研究。各個基金也不斷出現(xiàn)人工智能教育應(yīng)用領(lǐng)域的項目，這些項目記錄了這一領(lǐng)域的研究進度及成果，能在一定程度上反映其研究現(xiàn)狀。國內(nèi)學(xué)者對于人工智能教育應(yīng)用領(lǐng)域的研究已經(jīng)比較完整，但目前仍缺乏對這些基金項目整理所形成的綜述研究，因此，作者基于知領(lǐng)全球統(tǒng)計數(shù)據(jù)庫、中國知網(wǎng)（CNKI）、Web of Science（SCI/SSCI/A&HCI）數(shù)據(jù)庫三個平臺，對人工智能教育應(yīng)用主題公開立項的基金項目進行統(tǒng)計和分析，總結(jié)出這一領(lǐng)域的研究現(xiàn)狀，并對其未來發(fā)展提出建議。

人工智能教育包括把人工智能作為教學(xué)內(nèi)容的人工智能教育教學(xué)和把人工智能作為技術(shù)手段融入教育的人工智能教育應(yīng)用。彭紹東[1]認(rèn)為人工智能教育教學(xué)包括人工智能的知識教育、應(yīng)用能力教育與情感教育，人工智能教育應(yīng)用是基于智能感知、教學(xué)算法與數(shù)據(jù)決策等技術(shù)，利用智能工具自動對學(xué)生、教師、教學(xué)內(nèi)容、媒體及環(huán)境進行分析，精準(zhǔn)地干預(yù)學(xué)生的個性化學(xué)習(xí)與教師的規(guī)模化教學(xué)，形成智能化的教育生態(tài)系統(tǒng)，培養(yǎng)學(xué)生各種素養(yǎng)，優(yōu)化教育的理論與實踐；李振等學(xué)者[2]認(rèn)為教育人工智能應(yīng)用是指通過人工智能技術(shù)去支持自適應(yīng)學(xué)習(xí)和教育輔助工具。汪燕[3]研究得出人工智能教育應(yīng)用研究方向主要關(guān)注人工智能技術(shù)與系統(tǒng)；閆志明等[4]認(rèn)為教育人工智能應(yīng)用的關(guān)鍵技術(shù)是知識的表示方法、機器學(xué)習(xí)與深度學(xué)習(xí)、自然語言處理等；張坤穎等[5]認(rèn)為人工智能教育只有在輔助教育應(yīng)用、建構(gòu)教育場景、重組或重構(gòu)教育時，才能稱為人工智能的教育應(yīng)用。此外，王亞飛等[6]明確指出，“智能教育應(yīng)用”是指人工智能在教育中技術(shù)領(lǐng)域、模式領(lǐng)域與實踐領(lǐng)域的創(chuàng)新性應(yīng)用。

1 研究設(shè)計

1.1 研究方法

本文采用內(nèi)容分析法進行研究。內(nèi)容分析法實質(zhì)上是一種對文獻進行計量學(xué)的統(tǒng)計方法，對定性的問題作出假設(shè)，采用定量工具對研究對象進行統(tǒng)計和分析的處理，最后通過分析數(shù)據(jù)得到具有價值的結(jié)論。內(nèi)容分析法作為教育技術(shù)學(xué)的一種研究方法，是客觀系統(tǒng)地對現(xiàn)存內(nèi)容進行量化的方法。內(nèi)容分析法通常有以下幾個步驟：抽取樣本（抽取的樣本必須具備代表性）、分解內(nèi)容（將內(nèi)容分解成更小的，便于分析的單元）、制定類別（事先要確定分析的維度，從而進行記錄）、統(tǒng)計分析。內(nèi)容分析法更適合表觀、淺層的內(nèi)容，否則分析的結(jié)果會有失準(zhǔn)確性和客觀性[7]。

1.2 數(shù)據(jù)來源

如表1所示，本文的研究資料來源于知領(lǐng)全球統(tǒng)計數(shù)據(jù)庫、中國知網(wǎng)（CNKI）、Web of Science（SCI/SSCI/A&HCI）數(shù)據(jù)庫三個平臺上公開立項的項目。其中知領(lǐng)平臺根據(jù)篇名“人工智能教育”進行模糊檢索，得到六萬多條項目，與“人工智能教育”相關(guān)項目僅有10 條，故根據(jù)篇名“人工智能教育”進行精確檢索，得到數(shù)據(jù)11 條。中國知網(wǎng)（CNKI）項目庫根據(jù)項目名稱“人工智能教育”檢索，得到已立項項目146 條，其中145 條處于在研狀態(tài)，1條處于已結(jié)項狀態(tài)。Web of Science（SCI/SSCI/A&HCI）根據(jù)篇名“artificial intelligence”，語種“English”進行模糊檢索，得到數(shù)據(jù)212 條。三個平臺共得到369 個立項項目。

表1 數(shù)據(jù)來源

將上述這些文獻以自定義格式輸出，將得到的數(shù)據(jù)分為人工智能教育教學(xué)與人工智能教育應(yīng)用兩個主題，通過對項目名稱、摘要與關(guān)鍵詞進行研讀分析，確定項目是否與該主題相關(guān)，并確定該項目歸屬哪個研究主題。對相同項目進行合并，最終得到與人工智能教育應(yīng)用主題相關(guān)的項目131 條。

2 數(shù)據(jù)分析

如表2所示，本研究設(shè)計了分析框架，對131條基金項目從時間、來源、內(nèi)容三個方面分析。內(nèi)容方面又從研究主體、研究對象、研究方法與研究領(lǐng)域四個維度[8]進行統(tǒng)計和分析，系統(tǒng)地梳理人工智能教育應(yīng)用這一領(lǐng)域的研究現(xiàn)狀。

表2 分析框架

2.1 時間分析

如圖1所示，從人工智能教育應(yīng)用相關(guān)項目在時間的分布來看，人工智能教育應(yīng)用相關(guān)的項目在2012年到2017年很少，在2012年僅有1 條，在2013年到2016年一條都沒有，在2017年也只維持在2 條。2018年開始有一定提升，盡管提升幅度較小，但也表明研究者開始關(guān)注這一研究領(lǐng)域。2019年呈現(xiàn)出良好的上升趨勢，相關(guān)項目數(shù)量為69 條，占總數(shù)量的52.67%，處于直線上升階段，這表明國內(nèi)學(xué)者開始關(guān)注并重視這一領(lǐng)域的發(fā)展。

圖1 2012-2021年間基金數(shù)量分布

2.2 來源分析

如圖2所示，從項目的來源分布來看，人工智能教育應(yīng)用相關(guān)省級項目共有98 條，占比74.81%。其中吉林省最多，達到15 條，其次是河南省12 條，山東省11 條。而四川、新疆、青海、內(nèi)蒙古、河北等省份對該領(lǐng)域的研究較少，僅有1條；國家級項目共有27 條，占比20.61%。其中數(shù)量最多為國家社科基金教育學(xué)項目9 條、教育部項目9 條（教育部產(chǎn)學(xué)合作協(xié)同項目4 條，教育部人文社會科學(xué)研究項目4 條，教育部其他項目1 條）。其次為全國教育科學(xué)課題6 條。由此可見，在人工智能教育應(yīng)用相關(guān)項目中大部分為省級項目，國家級項目較少。

圖2 基金來源數(shù)量分布

2.3 內(nèi)容分析

基于對三個平臺收錄的近十年來的人工智能教育應(yīng)用相關(guān)項目的分析，本研究將從研究主體、研究對象、研究方法和研究領(lǐng)域四個方面進行特征總結(jié)[7]。

2.3.1 研究主體

如圖3所示，研究主體人員分布在學(xué)校與企業(yè)中，并大多集中在學(xué)校，學(xué)校研究人員對其關(guān)注度高，占比90%。部分企業(yè)也有所關(guān)注，但僅有13個項目，說明企業(yè)對于人工智能在教育中的應(yīng)用領(lǐng)域關(guān)注度較低。

圖3 研究主體數(shù)量分布

2.3.2 研究對象

如圖4所示，這些研究主要側(cè)重對學(xué)校學(xué)生、學(xué)校教師和企業(yè)員工的介紹。多數(shù)研究將學(xué)生作為研究對象，占83.76%，其次是教師。研究對象為非學(xué)校群體的項目很少，僅有1 條。說明研究對象主要集中在學(xué)校，研究范疇較為狹窄。

圖4 研究對象數(shù)量分布

2.3.3 研究方法

如圖5所示，從研究方法來看，實證研究僅有2 條，應(yīng)用研究和策略研究數(shù)量相對較多；說明研究者對于人工智能教育應(yīng)用這一領(lǐng)域所進行的實證研究很少，大多停留在理論層面。

圖5 研究方法數(shù)量分布

2.3.4 研究領(lǐng)域

如圖6所示，研究領(lǐng)域主要集中在建設(shè)與落地人工智能教育的技術(shù)、模式和實踐領(lǐng)域[6]。其中，技術(shù)領(lǐng)域主要解決的問題是有哪些技術(shù)可以應(yīng)用到教育場景中及如何應(yīng)用這些技術(shù)。技術(shù)領(lǐng)域的研究類型多種多樣，對于教育平臺的構(gòu)建的研究最為常見：“翻轉(zhuǎn)課堂”--人工智能引領(lǐng)職業(yè)教育平臺新模式、哆唯實境--沉浸式人工智能教育平臺、AI++ 人工智能教育門戶及新媒體平臺、基于Kubernetes 集群的TensorFlow 人工智能教育云平臺研究、基于虛擬儀器技術(shù)的人工智能圖形化教育開發(fā)平臺、人工智能教育創(chuàng)新平臺、人工智能時代面向青少年階段的編程思維普及教育平臺建設(shè)、針對中小學(xué)生的人工智能教育平臺的開發(fā)與應(yīng)用、人工智能學(xué)前大數(shù)據(jù)教育云平臺項目、基于校企融合的民辦院校人工智能領(lǐng)域人才培養(yǎng)體系及創(chuàng)新教育平臺構(gòu)建、人工智能科普教育公共服務(wù)平臺及應(yīng)用示范等。其次是對測評系統(tǒng)、教學(xué)系統(tǒng)等技術(shù)系統(tǒng)的研究：“人工智能+”在線教育個性化推薦系統(tǒng)研究、STEAM 教育理念下兒童人工智能教育仿真教學(xué)系統(tǒng)的研究與設(shè)計、面向人工智能教育的無人駕駛系統(tǒng)研究與實踐等。

圖6 研究領(lǐng)域數(shù)量分布

模式領(lǐng)域主要解決的是應(yīng)用場景應(yīng)怎樣選擇合適的教育模式，如何有效整合技術(shù)、產(chǎn)品和方案等這類問題。這類研究包括了各種人才培養(yǎng)模式：“人工智能+新工科”教育視角下的職業(yè)院校創(chuàng)新創(chuàng)業(yè)人才培養(yǎng)模式和實踐研究、新工科與人工智能教育背景下機器人教育助力計算機類專業(yè)學(xué)生創(chuàng)新能力培養(yǎng)模式的探索與實踐等，教育教學(xué)模式：人工智能在音樂教育模式拓展中的應(yīng)用研究、人工智能背景下法學(xué)教育模式轉(zhuǎn)型研究等，還有各種學(xué)習(xí)模式、考試模式、管理模式、評價模式等。

實踐領(lǐng)域主要討論如何推動人工智能教育應(yīng)用的實踐及人工智能技術(shù)在教育的實踐應(yīng)用中的價值、意義和影響。主要有人工智能教育在中小學(xué)及高校中的應(yīng)用：河南省中小學(xué)人工智能教育應(yīng)用實證研究、人工智能在中小學(xué)教育教學(xué)中的應(yīng)用研究、全民智能時代K-12 人工智能教育師資的培養(yǎng)、教育人工智能在日語聽力教學(xué)中的應(yīng)用研究、人工智能背景下成人高等教育會計專業(yè)實踐教學(xué)改革研究等；其次是對學(xué)生和師資的培養(yǎng)：基于人工智能教育的師范生創(chuàng)新能力培養(yǎng)研究、全民智能時代K-12人工智能教育師資的培養(yǎng)、基于人工智能教育的大學(xué)教師核心素養(yǎng)培訓(xùn)、構(gòu)建人工智能時代職業(yè)教育培訓(xùn)體系的思考、人工智能時代金融高等教育的學(xué)習(xí)遷移與創(chuàng)新人才培養(yǎng)研究、人工智能教育時代一流師資的教學(xué)能力培養(yǎng)研究、人工智能時代教師能力模型與教師教育實踐研究等，還包括一些人工智能與其他學(xué)科的融合：人工智能融合外語教育：價值、挑戰(zhàn)及應(yīng)對策略，網(wǎng)絡(luò)環(huán)境下人工智能與體育教育的融合研究等。

如圖6所示，從人工智能教育應(yīng)用相關(guān)項目在三個領(lǐng)域的分布可以看出研究者對于模式領(lǐng)域的研究數(shù)量最多，三個領(lǐng)域的研究較為均衡，說明研究者對于這三個領(lǐng)域都有較高的關(guān)注度。

3 建議與不足

為了促進人工智能教育應(yīng)用的發(fā)展，本文從研究主體、研究對象、研究方法和研究領(lǐng)域四個方面提出以下建議。

1）研究主體方面，研究主體主要來自學(xué)校，要提高不同行業(yè)的研究人員對于人工智能教育應(yīng)用的重視度，尤其各企業(yè)要加強這方面的研究，加快人工智能與教育的融合。

2）研究對象方面，人工智能教育應(yīng)用的相關(guān)研究可以指向除學(xué)校教師、學(xué)校學(xué)生和企業(yè)員工以外的更多群體，將人工智能教育應(yīng)用到更多場景。

3）研究方法層面，人工智能教育應(yīng)用相關(guān)的項目中僅有兩個實證研究的項目，大部分研究者都集中在策略研究和應(yīng)用研究。人工智能教育應(yīng)用相關(guān)的項目實證研究少，在做好相關(guān)理論研究的基礎(chǔ)上，將其落實到教育教學(xué)中，從實踐層面加速人工智能在教育中的應(yīng)用。

4）研究領(lǐng)域方面，在技術(shù)領(lǐng)域中，研究者對于技術(shù)的研究已經(jīng)相對成熟，未來要加強對技術(shù)的倫理道德教育。比如在各種教育平臺的開發(fā)過程中，學(xué)生的學(xué)習(xí)水平，能力等級，學(xué)習(xí)數(shù)據(jù)等都屬于隱私數(shù)據(jù)，要加強對于學(xué)生信息安全的監(jiān)管。在模式領(lǐng)域，雖然研究數(shù)量較多，但是其研究內(nèi)容比較混亂，研究思路不清晰，需要研究者結(jié)合相關(guān)理論對現(xiàn)有模式做更加深入的研究與完善。在實踐領(lǐng)域，人工智能教育的實踐主要有在學(xué)校的教育教學(xué)中運用人工智能技術(shù)以及在企業(yè)中對相關(guān)的教育產(chǎn)品進行推廣兩種形式。教學(xué)實施者不能完全運用人工智能技術(shù)進行教育教學(xué)，人工智能相關(guān)教育產(chǎn)品的研發(fā)者又無法對教學(xué)案例進行剖析和總結(jié)。

同時，人工智能教育的應(yīng)用場景大多被設(shè)定為學(xué)校教育，使其研究范疇較為狹隘，后續(xù)的研究應(yīng)更加注重于將人工智能教育應(yīng)用到除學(xué)校外的更多元場景。

4 結(jié)束語

盡管知領(lǐng)全球統(tǒng)計數(shù)據(jù)庫、中國知網(wǎng)（CNKI）、Web of Science（SCI/SSCI/A&HCI）數(shù)據(jù)庫三個平臺具有很高的權(quán)威性，但不可否認(rèn)，由于項目立項周期較長，某些相關(guān)項目還未統(tǒng)計在以上三個平臺等一系列原因，收集到的數(shù)據(jù)具有一定的滯后性。數(shù)據(jù)的收集、整理和分析是由人工完成，難免會出現(xiàn)差錯和缺漏。但本文的目的是基于人工智能教育應(yīng)用主題，通過對國內(nèi)已經(jīng)公開立項的基金項目的分析，進一步了解國內(nèi)人工智能教育應(yīng)用的研究內(nèi)容和研究熱點。文章的結(jié)論可能存在一定的不足，但希望能對人工智能教育應(yīng)用的研究有所幫助。