國內外教育領域人工智能研究熱點比較與前沿趨勢挖掘

摘 要：為剖析國內外教育領域人工智能研究熱點并挖掘前沿趨勢，研究基于Web of Science和中國知網數據庫中以人工智能為主題的文獻數據，使用CiteSpace軟件對其進行知識圖譜繪制和可視化分析。結果表明：從研究熱點來看，國外研究集中于人工智能關鍵技術、以智能導學系統為核心的教育應用、人工智能助力學習理論和教學模式的創新等；國內研究則細化為人工智能技術支持下的課堂教學和學生學習、高等教育改革、教育應用中的人工智能關鍵技術、智能教育體系的建立等。從研究趨勢來看，整合教育大數據的學習者建模、智能導學系統開發、教師角色與素養、學習情感與情感計算、倫理問題等是研究的前沿主題。

關鍵詞：人工智能；教育；知識圖譜；研究熱點；研究趨勢

中圖分類號：TP18；G434 文獻標識碼：A 文章編號：2096-4706（2024）14-0177-07

Exploration of AI Research Hotspots Comparison and Frontier Trend in the Education Field at Home and Abroad

LIN Aodong， WANG Jue， HONG Tingting

（School of Teacher Education， Huzhou University， Huzhou 313000， China）

Abstract： To analyze the research hotspots of AI in the education field at home and abroad and explore frontier trends， it uses CiteSpace software to draw Knowledge Graph and conduct visual analysis of research content. The research data is sourced from literature on AI in Web of Science and CNKI databases. The results indicate that， in terms of research hotspots， international studies primarily focus on key AI technologies， educational applications centered on intelligent tutoring systems， and innovations in learning theories and teaching modes facilitated by AI. Domestic research further refines into classroom teaching and student learning supported by AI technologies， key AI technologies in higher education reform， educational applications， and the establishment of intelligent education systems. From the perspective of research trends， learner modeling， intelligent guidance system developing， teacher roles and competencies， learning emotions and emotional computing， ethical issues integrating educational big data are frontier topics of research.

Keywords： AI; education; Knowledge Graph; research hotspot; research trend

0 引 言

近年來，隨著大數據、云計算、物聯網等信息技術的快速升級，以深度神經網絡、自然語言處理等為代表的新一代人工智能技術飛速發展，成為引領科技革命和產業變革的重要驅動力，正在重塑全球經濟結構，同時給教育領域帶來前所未有的沖擊。國務院先后印發的《新一代人工智能發展規劃》《中國教育現代化2035》對人工智能與教育的融合發展作出明確規劃，人工智能逐漸成為教育研究者多維探賾的焦點。本研究采用文獻計量分析方法，對近20年Web of Science（以下簡稱“WoS”）和中國知網數據庫中的文獻進行知識圖譜繪制和可視化分析，系統探討國內外教育領域人工智能研究的現狀、熱點和趨勢，以期為國內該領域的理論研究和實踐探索提供依據和啟示。

1 研究方法與數據來源

本研究采用CiteSpace軟件對文獻數據進行計量分析，可視化呈現文獻之間的結構關系，以揭示教育領域人工智能研究的現狀、熱點主題和發展趨勢。國外文獻選自WoS核心合集數據庫，在SSCI中檢索TS=（“Artificial Intelligence”OR“machine learning” OR“neural net*”），發表時間限定為“2004.01.01—2023.12.31”，文獻類型為“Article”，領域類別為“Education Educational Research”，經過去重和篩選后共獲得1 203篇國外文獻。國內文獻數據選自中國知網數據庫，將類別限定為“CSSCI”，以主題方式檢索“人工智能”，學科限定為“教育理論與教育管理”，篩除重復文獻和無關文獻后共獲得2004年至2023年2 035篇文獻。

2 發文量分析

為了解教育領域人工智能研究的發展趨勢，統計2004—2023年文獻年發文量，并繪制如圖1所示的變化趨勢圖。從研究文獻年發文量增長幅度來看，2017年為國內外教育領域人工智能研究發展的分水嶺。2017年5月27日，美國DeepMind公司開發的圍棋人工智能程序AlphaGo戰勝人類排名第一的圍棋高手柯潔，引發學界和業界人士對人工智能的廣泛討論。2017年7月8日，國務院發布《新一代人工智能發展規劃》，新政策的出臺進一步推動了研究的發展。自此，人工智能賦能教育漸成趨勢，教育信息化、教育智能化逐漸成為國內外教育改革的關注點和方向標。2019年底，新冠疫情暴發，“停課不停教、不停學”的理念讓線上教育得到了空前的發展，進一步推動了智能技術的教育應用。2022年底，ChatGPT（Chat Generative Pre-trained Transformer）的橫空出世使得生成式人工智能的風頭一時無兩。《彖傳》言：凡益之道，與時偕行。發文量激增的背后，是一個新時代的開啟，人工智能技術的發展將使教育發生顛覆性變革。

3 研究現狀

為進一步了解國內外教育領域人工智能研究的熱點，對文獻數據進行關鍵詞共現分析和聚類分析，并展示頻次前10的關鍵詞（中心性＞0.1），如表1所示。采用提取的聚類標簽繪制關鍵詞聚類圖譜，如圖2、圖3所示。

3.1 國外研究熱點

依據高頻關鍵詞和聚類標簽，進一步將國外教育領域人工智能研究熱點劃分為人工智能關鍵技術、以智能導學系統為核心的教育應用、人工智能助力學習理論和教學模式的創新等。

3.1.1 人工智能關鍵技術

應用機器學習算法進行模式識別與分類，對學生檔案建模并分析學生和模擬學習行為，可以改進課堂教學、預測學生成績等[1]。自然語言處理用于理解和分析文本數據，以支持自動化評估和反饋。例如，Botelho等[2]將學生日志數據與機器學習和自然語言處理相結合，根據學生對開放式問題的回答情況預測學生的分數，并為教師推薦適當的反饋信息。Spikol等[3]采用多種機器學習算法對多模態學習分析數據進行分類，洞察學生在項目化學習中取得成功的關鍵因素。Wu等[4]在大型在線論壇上應用機器學習進行文本分類，并使用機器學習分類的Facebook信息來預測學生的課程成績，識別有掛科風險的學生。此外，機器學習還能為學校和教育行政部門提供技術支持以改進其教育服務水平。例如，Hew等[5]應用機器學習和情感分析技術剖析MOOC的課程特征和學生對于MOOC的看法，并確定了預測學習者滿意度的相關因素。

3.1.2 以智能導學系統為核心的教育應用

智能導學系統基于學習者模型、算法和神經網絡，可為學生提供最優的學習路徑和可供選擇的學習內容，同時給予認知支架和幫助[1]。經過數十年的發展，智能導學系統已得到廣泛的應用，并逐漸輻射到自適應學習系統、教育游戲、教學機器人等研究領域。Rachels等[6]測試了多鄰國（Duolingo）作為游戲化語言學習應用在二語習得課堂上的實效性，并證明了游戲化語言學習應用能有效提高二語學習者的學業成績和學業自我效能感。此外，機器人嵌入真實教學環境的方式可以為學生提供生動的交互體驗，同時還能提高學生的社交技能。Keren等[7]進行了一項試點研究，他們在幼兒園使用機器人（KindSAR）協助教師教授孩子幾何思維，同時通過互動游戲來幫助學前兒童改善元認知發展。

3.1.3 人工智能助力學習理論和教學模式的創新

人工智能與不同學習理論和教學模式相結合，可以提供個性化、自主和實踐導向的教育體驗。例如，建構主義理論可以驅使兒童通過個人有意義的經歷，與學科建立積極聯系。Sysoev等[8]在早期識字應用SpeechBlocks II中設計了自適應腳手架機制，助力兒童識字學習。Chu等[9]提出了專家系統指導的自我調節學習方法，在基于數字游戲的學習過程中培養學習者的自主學習能力。此外，伴隨人工智能技術在教育領域的應用，以聽課、記筆記為基礎的傳統教學方法已無法滿足課堂需求。Mohamed等[10]將翻轉課堂和以問題為導向的教學模式應用到數理邏輯課程中，使學生能夠在課堂以外利用智能導學系統學習知識，再在真實課堂中組建學習小組，應用所學知識解決問題。

3.2 國內研究熱點

依據高頻關鍵詞和聚類標簽，將國內教育領域人工智能研究熱點劃分為人工智能技術支持下的課堂教學和學生學習、高等教育改革、教育應用中的人工智能關鍵技術、智能教育體系的建立等。

3.2.1 人工智能技術支持下的課堂教學

在人工智能賦能教育中，將“機器”邏輯與“人類”意識相融合，構建人機協同的課堂教學模式，助力實現智能化精準教學[11]。例如，劉應亮等[12]利用iWrite英語寫作教學與評閱系統構建人機協同下的英語寫作教學模型，并借助人工智能技術分析學生學業數據。孫眾等[13]結合自然語言理解和計算機視覺等技術，構建了課堂教學分析框架，包括識別教學事件與劃分教學階段、生成不同教學階段的教學法結構序列、分析言語和行為交互、教學解讀、人機協同改進課堂教學等環節。陸吉健等[14]關注學生學習過程中視覺、聽覺、觸覺等多模態數據，提出將混合現實技術融入中學數理實驗，設計“多模態+人機協同”教學模式。

3.2.2 人工智能技術支持下的學生學習

人工智能技術的介入有助于培養學生的問題解決能力、協作能力和批判性思維等。近年來，研究者對學習干預、自適應學習、學習者畫像等方面較為關注。武法提等[15]提出以學習者多模態數據為基礎，由機器智能和專家經驗協同決策的精準學習干預模型，主要包括問題診斷、策略匹配、策略實施、效果驗證四個階段。李建偉等[16]根據自適應學習的工作原理設計了成人本科英語學習軟件，并就該軟件在北京郵電大學網絡教育學院應用的情況進行了詳細的分析，以此檢驗自適應學習系統的成效。艾興等[17]對數智融合驅動下的數字孿生學習者進行了前瞻性分析，認為AI、5G、XR、全息技術的融合運用為構建數字孿生學習者創造了條件，提出學習者數字畫像向數字孿生學習者演變的發展趨勢。

3.2.3 人工智能背景下的高等教育改革

人工智能促進了產業智能化與就業結構的快速轉型，同時也推動了高等教育的深刻變革。胡清華等[18]基于對國內外人工智能人才培養目標、課程體系、實踐體系、師資隊伍的調研分析，提出人才培養過程中要注重校企之間的深度合作。人工智能技術的迅猛發展不僅推動了人工智能新興學科的建設和人才培養，還對傳統學科產生了深遠影響。近年來，高等教育研究者正積極推進新文科、新工科、新醫科、新農科的學科建設。此外，人工智能技術還將賦能拔尖人才培養計劃，為高等院校人才培養提供新思路、新模式。

3.2.4 教育應用中的人工智能關鍵技術

人工智能應用教育領域的核心技術包括機器學習、深度學習、自然語言處理、情感計算、大數據等。例如，李慧[19]關注不同情感狀態對學習效果的影響，將情感詞典和機器學習相結合，提出了基于學習體驗文本的學習者情感分析模型。羅楊洋等[20]將五種基于機器學習構建的學生成績預測模型作為研究對象，分析了混合教學場景下解釋學生成績預測模型時需要關注的重點。深度學習是發展自適應學習系統、實現個性化學習的重要突破口，在教育大數據挖掘領域得到廣泛的應用，如利用深度學習技術分析學習者心理和行為、追蹤學習效果、預測學習表現、輔助教師教學等[21]。自然語言處理和情感計算是人工智能與教育領域的研究熱點，葉芮杏等[22]設計了AI全科教師知識體系及雙師課堂混合智能模式，同時構建了問答對話系統、學習者表情特征檢測系統，收集多模態數據。

3.2.5 人工智能推動智能教育體系建立

近年來，“智能教育”作為研究熱點引發學者們的廣泛探討，其內涵包括教學人員學習人工智能技術、將智能技術應用于教育實踐、構建促進智能發展的教育[23]。郭紹青等[24]認為，“智能教育”是智慧教育的組成部分與支撐條件，應當以智慧教育理念引領智能教育。劉邦奇等[25]構建了由基礎支撐平臺、核心技術平臺、學習支持系統、應用場景、保障體系組成的智能教育總體框架，并詳細闡述了核心技術平臺和實施策略。孫聘等[26]在分析當前智能教育政策研究的基礎上，結合教育信息化的政策框架與智能技術應用特點，構建了智能教育政策理論框架。邢西深等[27]探討了智能教育背景下基礎教育發生的變化，并提出了面向智能教育的基礎教育發展新思路。

4 前沿趨勢

為進一步了解國內外教育領域人工智能研究趨勢，對關鍵詞進行突現分析，得到突現詞圖譜，如圖4、圖5所示。綜合突現詞和研究熱點分析，可以預測研究的前沿趨勢。

4.1 整合教育大數據的學習者建模

學習者建模正在不斷演進，以適應不斷變化的學習環境和學習需求。在過去，研究人員常常使用機器學習技術來構建學習者模型，以更好地跟蹤學習者的進展情況。Rosé等[28]指出，盡管機器學習通過具有許多參數的復雜過程準確地預測了學習表現，但這種“黑盒”預測模型不會為教育工作者提供可操作的見解。黃濤等[29]認為，在智能教育場域中，建立有效的學習者模型需要利用大數據和人工智能技術來全方位收集和分析多種類型的數據，可以幫助教育工作者更好地理解學習者的認知過程、學習行為和學習成效，從而實現個性化教育、智能評估和學習診斷等。

4.2 智能導學系統開發

伴隨新技術的不斷涌現，如何將其應用于智能導學系統尚待進一步的探究。此外，國內學者在智能導學系統方面的研究主要集中在理論探討層面，缺乏對系統的實際開發和技術應用。Dutt等[30]利用模糊神經網絡技術在特殊教育領域識別具有學習障礙的學生，將智能導學系統應用于特殊教育領域，擴大了智能導學系統的應用邊界，有助于增強教育的包容性和公平性。徐升等[31]提出在生成式人工智能和大語言模型范式下開發高效的智能導學系統，并介紹了如何利用大語言模型實施蘇格拉底式教學。因此，教育研究者亟須了解人工智能技術前沿，從而為智能導學系統的開發提供助力，更好地適應不斷變化的教育環境。

4.3 教師角色與素養

人工智能時代的教育變革影響著教師角色與素養的適應性調整與升級。智能技術介入下的教育要求教師角色在技術應用、學習服務、教育教學、主體屬性等方面進行必要的轉變[32]。在智能時代，教師是數字教學資源呈現與傳播的掌舵者，是精準化教學推薦的決策者，也是學生智能學習中的情感補位者[33]。人工智能時代的教師專業素養是對原有教師信息素養的轉型升級，體現出智能化與人性化相統一的特征，教師需具備技術認知、數據應用、資源整合、人機協同、創新教學、倫理安全等方面素養[34]。因此，在師資培養方面，如何提高教師智能技術意識，促進教師智能技術創新應用都是當下研究者積極探討的問題。

4.4 學習情感與情感計算

學習情感是影響學生學習體驗、認知加工、學習成效及高階思維能力的重要因素。情感計算技術可用于評估、跟蹤學生的學習投入程度與情感狀態，為設計人性化智能教學產品、創設人機交互教學場景提供可能性。具體而言，情感計算技術可應用于情感智能體、可穿戴設備、智能導學系統等，能夠增強在線教學中的師生情感體驗，提升孤獨癥兒童的情緒感知能力，發展智能教育中的學習投入測評[35]。研究者應積極探究學習情感的作用機制，開發人工智能多模態學習情感識別系統，并將其應用于學習支持、學習干預與學習決策。

4.5 倫理問題

在技術與教育融合過程中，技術的先進性與教育領域的既有倫理規則發生沖突，會引發新的教育倫理、技術倫理問題。人工智能會帶來諸多倫理風險，例如智能推薦系統可能會造成學生同質化發展傾向，智能學習分析可能會侵犯學生隱私，虛擬教學環境可能導致師生出現主體性異化。此外，智能技術引入教育教學也會引發盲目的科學崇拜、人機關系的道德危機、更深層次的歧視、不公等倫理風險等[36]。智能聊天機器人模型ChatGPT在為教育創造價值的同時，也伴隨著一定的倫理風險，包括學術公平的失信與失衡、數據隱私的泄露與濫用、機器算法的歧視與偏見、師生關系的弱化與破壞等[37]。由此可見，人工智能時代的教育倫理問題是現代化教育治理中不容忽視的關鍵矛盾之一。研究者需要針對人工智能教育倫理風險的本質、內在原因、挑戰與困境、消解路徑，以及人工智能教育倫理的內涵框架、基本原則等展開深度探討。

5 結 論

本研究采用了文獻計量法，從總體格局和發文主題兩個角度對2004—2023年國內外教育領域人工智能研究文獻進行計量分析，得出以下結論：從研究熱點看，國外研究集中于人工智能關鍵技術、以智能導學系統為核心的教育應用、人工智能助力學習理論和教學模式的創新等；國內研究則細化為人工智能技術支持下的課堂教學和學生學習、高等教育改革、教育應用中的人工智能關鍵技術、智能教育體系的建立等。國內外教育領域人工智能研究熱點總體趨同，但國外研究側重人工智能在教育教學中的應用以發展教育教學理論，國內研究更注重系統性、前瞻性的理論探討和建構以進一步支撐其在教育教學中的具體應用。從研究趨勢看，整合教育大數據的學習者建模、智能導學系統開發、教師角色與素養、學習情感與情感計算、倫理問題等是當前研究的前沿主題。因此，未來研究應深入探討如何有效整合大數據技術，設計出更加智能的教育教學系統，優化教師角色和素養，探究學習情感與情感計算的關系，以及思考如何解決倫理問題，以推動人工智能在教育領域的可持續發展。

參考文獻：

[1] ZAWACKI-RICHTER O，MARIN V I，BOND M，et al. Systematic Review of Research on Artificial Intelligence Applications in Higher Education - Where Are the Educators？ [J].International Journal of Educational Technology in Higher Education，2019，16（1）：1-27.

[2] BOTELHO A，BARAL S，ERICKSON J A，et al. Leveraging Natural Language Processing to Support Automated Assessment and Feedback for Student Open Responses in Mathematics [J].Journal of Computer Assisted Learning，2023，39（3）：823-840.

[3] SPIKOL D，RUFFALDI E，DABISIAS G，et al. Supervised Machine Learning in Multimodal Learning Analytics for Estimating Success in Project-based Learning [J].Journal of Computer Assisted Learning，2018，34（4）：366-377.

[4] WU J Y，HSIAO Y C，NIAN M W. Using Supervised Machine Learning on Large-scale Online Forums to Classify Course-related Facebook Messages in Predicting Learning Achievement within the Personal Learning Environment [J].Interactive Learning Environments，2020，28（1）：65-80.

[5] HEW K F，HU X，QIAO C，et al. What Predicts Student Satisfaction with MOOCs： A Gradient Boosting Trees Supervised Machine Learning and Sentiment Analysis Approach [J/OL].Computers & Education，2020，145[2023-11-05].https：//doi.org/10.1016/j.compedu.2019.103724.

[6] RACHELS J R，ROCKINSON-SZAPKIW A J. The Effects of a Mobile Gamification APP on Elementary Students’ Spanish Achievement and Self-efficacy [J].Computer Assisted Language Learning，2018，31（1-2）：72-89.

[7] KEREN G，FRIDIN M. Kindergarten Social Assistive Robot （KindSAR） for Children’s Geometric Thinking and Metacognitive Development in Preschool Education： A Pilot Study [J].Computers in Human Behavior，2014，35：400-412.

[8] SYSOEV I，GRAY J H，FINE S，et al. Child-driven， Machine-guided： Automatic Scaffolding of Constructionist-inspired Early Literacy Play [J/OL].Computers & Education，2022，182[2023-11-09].https：//doi.org/10.1016/j.compedu.2022.104434.

[9] CHU S T，HWANG G J，CHIEN S Y，et al. Incorporating Teacher Intelligence into Digital Games： An Expert System-guided Self-regulated Learning Approach to Promoting EFL Students’ Performance in Digital Gaming Contexts [J].British Journal OF Educational Technology，2023，54（2）：534-553.

[10] MOHAMED H，LAMIA M. Implementing Flipped Classroom that Used an Intelligent Tutoring System into Learning Process [J].Computers & Education，2018，124：62-76.

[11] 陳凱泉，張春雪，吳玥玥，等.教育人工智能（EAI）中的多模態學習分析、適應性反饋及人機協同 [J].遠程教育雜志，2019，37（5）：24-34.

[12] 劉應亮，劉勝藍，楊進才.社會文化活動理論視域下人機協同教學及應用探索——以iWrite協同英語寫作教學為例 [J].中國電化教育，2022（11）：108-116.

[13] 孫眾，呂愷悅，施智平，等.TESTII框架：人工智能支持課堂教學分析的發展走向 [J].電化教育研究，2021，42（2）：33-39+77.

[14] 陸吉健，周美美，張霞，等.基于MR實驗的“多模態+人機協同”教學及應用探索 [J].遠程教育雜志，2021，39（6）：58-66.

[15] 武法提，高姝睿，田浩.人機智能協同的精準學習干預：動因、模型與路向 [J].電化教育研究，2022，43（4）：70-76.

[16] 李建偉，葛子剛，張愛陽.自適應學習系統在成人本科學士學位英語學習中的應用研究 [J].現代教育技術，2020，30（3）：59-65.

[17] 艾興，張玉.從數字畫像到數字孿生體：數智融合驅動下數字孿生學習者構建新探 [J].遠程教育雜志，2021，39（1）：41-50.

[18] 胡清華，王國蘭，王鑫.校企深度融合的人工智能復合型人才培養探索 [J].中國大學教學，2022（3）：43-50+57.

[19] 李慧.面向學習體驗文本的學習者情感分析模型研究 [J].遠程教育雜志，2021，39（1）：94-103.

[20] 羅楊洋，韓錫斌.混合課程學生成績預測模型的可解釋性探究 [J].中國遠程教育，2022（6）：46-55.

[21] 陳德鑫，占袁圓，楊兵.深度學習技術在教育大數據挖掘領域的應用分析 [J].電化教育研究，2019，40（2）：68-76.

[22] 葉芮杏，孫福海，黃甫全.AI全科教師開發：基礎、模型與關鍵技術 [J].電化教育研究，2022，43（3）：42-50.

[23] 祝智庭，彭紅超，雷云鶴.智能教育：智慧教育的實踐路徑 [J].開放教育研究，2018，24（4）：13-24+42.

[24] 郭紹青，華曉雨.論智慧教育與智能教育的關系 [J].西北師大學報：社會科學版，2022，59（6）：139-147.

[25] 劉邦奇，王亞飛.智能教育：體系框架、核心技術平臺構建與實施策略 [J].中國電化教育，2019（10）：23-31.

[26] 孫聘，蔣宇.我國智能教育政策十年回顧與反思 [J].現代教育技術，2022，32（12）：68-75.

[27] 邢西深.邁向智能教育的基礎教育信息化發展新思路 [J].電化教育研究，2020，41（7）：108-113.

[28] ROSé C P，MCLAUGHLIN E A，LIU R，et al. Explanatory Learner Models： Why Machine Learning （Alone） is not the Answer [J].British Journal of Educational Technology，2019，50（6）：2943-2958.

[29] 黃濤，王一巖，張浩，等.智能教育場域中的學習者建模研究趨向 [J].遠程教育雜志，2020，38（1）：50-60.

[30] DUTT S，AHUJA N J，KUMAR M. An Intelligent Tutoring System Architecture Based on Fuzzy Neural Network （FNN） for Special Education of Learning Disabled Learners [J].Education and Information Technologies，2022，27（2）：2613-2633.

[31] 徐升，佟佳睿，胡祥恩.下一代個性化學習：生成式人工智能增強智能輔導系統[J].開放教育研究，2024，30（2）：13-22.

[32] 郭炯，郝建江.智能時代的教師角色定位及素養框架 [J].中國電化教育，2021（6）：121-127.

[33] 趙磊磊，馬玉菲，代蕊華.教育人工智能場域下教師角色與行動取向 [J].中國遠程教育，2021（7）：58-66.

[34] 王丹.人工智能視域下教師智能教育素養研究：內涵、挑戰與培養策略 [J].中國教育學刊，2022（3）：91-96.

[35] 蔣艷雙，崔璨，劉嘉豪，等.教育領域中的情感計算技術：應用隱憂、生成機制與實踐規約 [J].中國電化教育，2022（5）：91-98.

[36] 盧佳，陳曉慧，楊鑫，等.智能技術教學應用倫理風險及其消解 [J].中國電化教育，2023（2）：103-110.

[37] 王佑鎂，王旦，梁煒怡，等.ChatGPT教育應用的倫理風險與規避進路 [J].開放教育研究，2023，29（2）：26-35.

作者簡介：林奧棟（1996—），男，漢族，浙江溫嶺人，碩士研究生在讀，研究方向：人工智能教育應用；通訊作者：王玨（1981—），女，漢族，浙江桐鄉人，碩士生導師，講師，博士，研究方向：教育信息化、計算思維教育和人工智能教育研究。

收稿日期：2024-01-13

基金項目：2023年湖州師范學院“四新”教育教學改革研究項目（JG202345）；2023年湖州師范學院研究生科研創新項目（2023KYCX10）

DOI：10.19850/j.cnki.2096-4706.2024.14.036