國內近十年高職教育中人工智能應用的現狀、熱點與前沿

摘要：在AIGC時代的強勁推動下，高職教育中人工智能的應用正成為教育變革的關鍵力量。基于CNKI數據庫的深度分析，本文揭示了近十年國內高職教育中人工智能的現狀、熱點及前沿趨勢。研究聚焦于“人才培養”“產教融合”與“教學改革”等主題。盡管面臨師資力量不足和教學大綱不統一等挑戰，人工智能教育的廣闊前景不容忽視。這些發現為未來研究提供了寶貴參考，并提出了相應建議，以助力高職領域人工智能教育的可持續發展。

關鍵詞：高職教育；人工智能；人才培養；產教融合；教學改革

中圖分類號：G424" "文獻標識碼：A

文章編號：1009-3044（2025）17-0015-04

開放科學（資源服務） 標識碼（OSID）

0 引言

人工智能（AI） 的概念于1956年在達特茅斯會議上首次提出。該概念被定義為“能夠精準捕捉并描述學習特征的機器”[1]。2016年3月，隨著“阿爾法狗”（AlphaGo）在圍棋領域擊敗人類頂尖棋手，人工智能在全球范圍內引發了前所未有的關注熱潮。中國對此尤為重視，早已將人工智能提升至國家戰略的高度。從2015年《中國制造2025》的發布，到人工智能被明確納入《中華人民共和國國民經濟和社會發展第十四個五年規劃和2035年遠景目標綱要》，其在我國發展藍圖中的戰略地位日益凸顯。在教育領域，特別是職業教育方面，國家亦展現出對人工智能融合的深切期待。2017年，國務院發布的《新一代人工智能發展規劃》明確指出，應進一步推廣和深化人工智能在教育領域的應用[2]。隨后，《教育信息化2.0行動計劃》與“十四五”規劃的提出，更是強調了職業教育在信息化時代背景下與人工智能技術深度融合的重要性，以期通過此舉更好地適應全球變革趨勢[3]。此外，《中國教育現代化2035》文件也明確指出，高等職業教育的發展必須與人工智能等前沿科技緊密結合，探索創新性的智慧教育模式，推動高等職業教育體系的改革與升級。因此，本文對2015年9月1日至2024年9月1日關于高職教育中人工智能應用研究的文獻進行統計分析。期望通過研究，全面揭示近十年來我國高職教育中人工智能應用的現狀、熱點及前沿動態，為未來該領域的研究與實踐提供有價值的參考與啟示。

1 研究設計

1.1 數據來源

本研究的數據主要來源于中國知網（CNKI） ，通過高級檢索獲得467篇相關文獻。剔除15篇不相關文獻后，最終篩選出452篇有效文獻。將篩選的文獻數據以“Refworks”格式生成TXT文本，最終以download_*.txt文件格式進行保存。利用CiteSpace 6.3.R1和Excel軟件對數據樣本進行分析，由此得知我國近十年來人工智能在高職教育中應用的具體情況。

1.2 研究工具

采用的分析工具主要是CiteSpace V 6.3.R1和Excel軟件。CiteSpace是科學計量領域的可視化分析軟件，而Excel則用于數據統計。利用這兩種工具可以全面梳理出國內近十年高職教育中人工智能應用的整體發展趨勢和研究過程，從而揭示該研究領域的熱點及其趨勢。

2 結果與分析

2.1 研究現狀分析

2.1.1 年度發文量分布

為了解我國近十年高職教育中人工智能應用的具體發文數量，對該領域每年的文獻發文量變化進行分析統計，可以對該領域的發展現狀進行評價和測量，從而探究該領域的發展趨勢[4]。本研究借助Excel軟件深入分析了2015年9月1日至2024年9月1日期間，聚焦于“高職教育”和“人工智能”兩大主題下的452篇有效文獻，旨在全面揭示該研究領域的發展歷程與現狀，分析結果詳見圖1所示。本研究發現，在2015年至2017年期間，每年有關該主題的文獻發表數量未超過5篇，該數據反映了學者們對該領域的關注度相對較低，其相關研究亦尚處于起步階段。值得注意的是，自2017年開始，人工智能教育相關的文獻數量逐年上升，其中2018年和2020年的上升幅度最大，尤其在2020年達到了87篇的峰值，人工智能在高職教育中的應用受到了前所未有的關注，這與我國政策的實施緊密相關。盡管2021年至2022年因疫情影響，文獻數量略有下降，但2022年后發文量迅速恢復增長。從總體上看，人工智能在高職教育中的應用研究文獻數量近十年呈上升趨勢，只是增長較為平緩，說明近十年我國對人工智能在高職教育中應用的研究仍在不斷探索中。

2.1.2 作者分布情況

為了能夠判斷該研究領域的主要研究力量及其關系，本研究運用CiteSpace軟件選擇“Author”為節點類型，進行可視化繪制，生成發文量超過2篇的作者共現圖譜（如圖2所示） 。從圖中可以清晰地看到該領域研究者之間的合作關系。經過分析可知，N=189，E=26，即共有189個節點，26條連線。作者之間的直接連線表示合作關系，連線越多說明作者之間的合作越緊密，合作發文數量越多。并且從共現圖譜中可以看出，作者名顯示越大說明該作者發文數量越多，其中發文量最多的是丁貴娥，發文數量為4篇；其次是寧和南、蘇命峰和張旭，發文數量均為3篇，其余在圖譜中顯示的作者發文量均為2篇。通過分析文獻可知，以上作者對該領域的研究主題主要集中于高職教育的教學改革、教學模式、人才培養、勞動教育和產教融合等領域。從圖2中還可以看出，在該研究領域中，國內學者存在一定的合作關系，但合作關系并不緊密，仍有大量作者進行獨立研究。由此可見，若要促進該領域的研究與發展，需要加強作者之間的合作，進而形成更多高質量、高水平的研究團隊，增強該領域的研究力量。

2.2 研究熱點分析

2.2.1 關鍵詞共現分析

關鍵詞是作者對整篇文章主題的概括和集中，能夠反映整篇文章的中心內容，因此，分析該領域的關鍵詞情況，可以揭示其總體內容特征和研究內容的各種聯系，以此了解該領域學術研究的發展方向和發展趨勢[5]。本研究利用CiteSpace對高職人工智能教育相關文獻進行關鍵詞共現和中心性分析，通過對關鍵詞及其中心性的分析，旨在深入了解該領域的研究方向及熱點。選擇“Keywords”為節點類型，時間分割（Time Slicing） 定為1年進行可視化分析，最終得到關鍵詞共現圖譜（如圖3所示） 。對圖譜分析可知，其網絡密度為Density=0.0145，網絡節點數N=292，網絡連線數E=614。網絡密度0.0145表明關鍵詞間聯系緊密。在擁有292個節點的情況下，僅需614條連線就能達到這樣的密度，側面反映出關鍵詞之間的關聯程度較高，各關鍵詞并非孤立存在，而是相互交織，形成了一個較為緊密的網絡結構，進一步印證了該圖譜中關鍵詞聯系極為緊密的結論。

在關鍵詞圖譜中，每個圓形節點代表一個特定的關鍵詞，節點及其文字大小直觀反映該關鍵詞在研究文獻中的出現頻次，頻次越高，節點和文字越大，體現了其在研究領域中的重要地位。同時，節點間連線的粗細則反映關鍵詞之間的關聯強度，為理解它們之間的關系提供了有力依據[6]。

在評估關鍵詞的重要性時，不僅需要關注其出現頻次，還要關注其中心性。中心性反映了關鍵詞在圖譜中的重要位置，當關鍵詞的中心性值大于0.1時，意味著其在知識網絡中具有重要地位。通過分析2015—2024年間相關文獻關鍵詞，可以發現，關鍵詞的重要性并非僅由詞頻決定，其中心性同樣關鍵。當一個關鍵詞的詞頻和中心性都較高時，它便成為研究熱點[7]。

從表1數據來看，“人工智能”的出現頻次最高，中心性值最大，且遠超0.1閾值，充分說明“人工智能”是該領域研究的核心起點。而“高職教育”“高職院校”“高職”“學習”等關鍵詞，也因較高的頻次和中心性，成為該領域研究的重要熱點。這些關鍵詞共同構成了人工智能在高職教育領域應用研究的關鍵框架，為未來研究方向提供了指引。

2.2.2 關鍵詞聚類視圖分析

關鍵詞聚類是對關鍵詞之間相關性進行統計與分組，能夠幫助了解相關領域的研究前沿和熱點[8]。利用CiteSpace對關鍵詞進行聚類分析，生成了包含6個聚類的知識圖譜（見圖4） 。圖譜中，聚類模塊值Q高達0.5342，遠超0.3的閾值，同時聚類平均輪廓值S也達到了0.8474，顯著超過0.7的標準。這兩項指標均有力證明了關鍵詞聚類的顯著性和分析結果的可靠性。據此，我們將研究主題明確劃分為三大核心領域：人工智能教育、人才培養及大數據，為后續研究提供了堅實基礎。

1） 人工智能教育。與人工智能教育相關的聚類主要包括#0人工智能教育、#高職教育、#高職、#高職院校、#學習，主要的主題詞有“人工智能”“高職教育”“智能制造”“勞動教育”“互聯網+”“交互設計”“人臉識別”“創業教育”等。近十年間，“人工智能+”戰略如火如荼，高職院校勇立潮頭，率先開設人工智能系列課程，涵蓋機器學習、深度學習、自然語言處理等前沿領域。在智能制造、物聯網等新興領域，高職院校更是積極探索“產教融合”新模式，通過緊密的校企合作與項目驅動，讓學生親身體驗人工智能技術的魅力，解決實際問題，助力學生技能提升。這不僅彰顯了高職院校在人工智能教育方面的卓越成果，更凸顯了“人工智能+”戰略對高職院校教育的深遠影響，為智能制造、勞動教育等領域注入新的活力和可能。

2） 人才培養。主要的聚類是#6，聚焦于“人才培養”“校企合作”“實踐教學”“數字化”及“就業”等核心主題。其中，“人才培養”占據核心，凸顯了對高質量技能型人才的重視。“校企合作”作為關鍵策略，強調教育與產業的深度融合，以提升學生實踐能力和職業素養。“實踐教學”作為重要環節，是理論知識與實踐操作的橋梁，對培養學生實際工作能力至關重要。“數字化”技術為人才培養帶來新機遇，通過資源共享和優化配置，提高培養質量。最終，所有努力均旨在促進學生高質量就業，使其成為市場所需的高素質技能型人才。

3） 大數據。主要的聚類是#5，其核心主題詞涵蓋“大數據”“智能時代”“會計教育”“元宇宙”等。該聚類并非僅局限于“大數據”本身，而是深入探索在“智能時代”浪潮中，大數據如何與人工智能技術緊密結合，共同驅動教育教學的智能化飛躍。尤其是在高職會計專業，大數據技術的應用表現突出，成為變革的關鍵。通過精準的數據分析與深度挖掘，能夠為會計教育提供前所未有的精確與高效決策，引領教育創新。更值得注意的是“元宇宙”這一前沿概念的融入，為大數據教育開辟了全新的廣闊空間，預示著這不僅是一次技術革新，更是教育理念的飛躍，大數據聚類正引領我們邁向更加智能和高效的未來。

2.3 時序圖譜分析

時序圖作為一種分析工具，其特性在于能夠鎖定關鍵詞首次出現的年份，并在后續每次出現時，于首次出現的位置增加頻次計數，直觀表現為關鍵詞對應的圓形節點逐步增大。當某關鍵詞與其他關鍵詞在同一文獻中并存時，二者便會以線條相連，構建起一個動態的知識網絡。這種可視化方式不僅有助于研究者把握探究領域的研究脈絡，還能為預測其未來趨勢提供有力支持。鑒于此，本文采用CiteSpace軟件對時序圖進行深度剖析，旨在洞察并預測該研究領域的未來走向。

通過圖5可以清晰地捕捉到人工智能在高職教育領域的發展軌跡，進而對其未來趨勢進行合理預判。以2018年為例，該年份涌現出數量最多的高頻關鍵詞（頻次不低于10次） ，其中“人才培養”“智能時代”“產教融合”與“大數據”尤為顯著。這一年，《教育信息化2.0行動計劃》的頒布，明確強調了信息化教育在高職教育中的核心地位。人工智能的廣泛滲透，既給傳統教育理念帶來了挑戰，也為高職教育注入了新活力。在此背景下，高職院校積極擁抱AI技術，與企業攜手合作，推動校企合作模式廣泛應用。通過產教融合，高職院校著力培養高素質技能人才，以貼合社會需求。由此可見，高職教育未來必將與人工智能等前沿技術深度融合，為此，高職院校需深化校企合作，探索智慧教育模式，加快教育信息化步伐，推動教育制度的改革與創新。

3 結論與展望

本研究表明，人工智能在高職教育中的研究熱度逐漸上升，應用實踐尚處于起步階段，未來潛力巨大。為促進人工智能教育的持續健康發展，必須從多個維度協同推進，跟蹤技術前沿。

1） 完善利益保障機制：政府牽頭，聯合行業、企業及學校等多方力量，制定明確標準和規范，健全利益保障制度，為教育合作奠定堅實基礎。

2） 構建合作網絡：各高校、研究機構及研究者應打破壁壘，加強團隊合作與交流，定期舉辦研討會、工作坊等活動，共享研究成果與經驗，推動教育創新與產業升級。

3） 加強教師專業培訓：針對人工智能跨學科的特點，教師需具備多元化、專業化的知識體系。高職院校應提供培訓機會，幫助教師更新知識體系，拓寬人工智能視野，提升教學水平，助力教育質量飛躍。

4） 深化“產教融合”：借助校企合作、工學結合等多種形式，推動教育與產業深度融合，使教學內容契合產業實際需求，促進教育與產業協同發展。

參考文獻：

[1] MCCARTHY J，MINSKY M L，ROCHESTER N，et al.A proposal for the Dartmouth summer research project on artificial intelligence：August 31，1955[J].AI Magazine，2006，27（4）：12-14.

[2] 國務院.國務院關于印發新一代人工智能發展規劃的通知[A/OL].（2017-07-20）[2023-09-20].http：//www.gov.cn/zhengce/content/2017-07/20/ content_5211996.htm.

[3] 李文，許艷麗.工作世界的變革與“智能+職業教育” 的應對[J].高等工程教育研究，2021（2）：169-175.

[4] 張婉麗，洪偉斌，黃皓炫，等.基于CiteSpace的中外煤礦智能化研究可視化分析[J].礦業研究與開發，2023，43（9）：26-33.

[5] 林寶燈.近十年我國高等教育評價研究現狀與前沿演進：基于CiteSpace知識圖譜的可視化分析[J].西南民族大學學報（人文社會科學版），2022，43（5）：233-240.

[6] 王秋菊，陳彥宇.多維視角下智能傳播研究的學術圖景與發展脈絡：基于CiteSpace科學知識圖譜的可視化分析[J].傳媒觀察，2022（9）：73-81.

[7] 胡澤文，孫建軍，武夷山.國內知識圖譜應用研究綜述[J].圖書情報工作，2013，57（3）：131-137，84.

[8] 石小岑，李曼麗.國際MOOC研究熱點與趨勢：基于2013—2015年文獻的Citespace可視化分析[J].開放教育研究，2016，22（1）：90-99.

【通聯編輯：唐一東】