人工智能在我国教育领域应用的可视化分析*

刘 勇 生晓婷 李 青



人工智能在我国教育领域应用的可视化分析*

刘 勇 生晓婷 李 青

（北京邮电大学 网络教育学院，北京 100088）

人工智能为我国教育领域带来深刻变革，使教育向智能化方向发展。文章以CNKI数据库为研究对象，基于主题“人工智能”和“教育”、“AI”和“教育”进行检索后对2006～2017年间的文献进行可视化分析。文章首先利用CiteSpace可视化工具，基于关键词网络的关键节点进行研究热点和研究前沿分析，然后通过聚类算法对研究内容进行了详细讨论，最后探讨了人工智能对教育的影响，并对人工智能在我国教育领域的发展进行反思。

人工智能；教学技术；CiteSpace；可视化分析

一 概述

人工智能（Artificial Intelligence，AI）的概念首次在1956年召开的美国达特茅斯会议上提出。自20世纪70年代起，许多国家都开展了人工智能的研究，涌现出了大量的研究成果。2016年，在百度举办的“畅想教育科技高峰论坛”上，来自各领域的专家学者共同探讨了人工智能在未来教育的发展方向[1]。全球新经济行业数据挖掘和分析机构iiMedia Research发布的《2017年中国在线教育行业白皮书》显示，人工智能/大数据技术将使大范围个性化教育成为可能[2]。美国新媒体联盟联合北京师范大学智慧学习研究院发布的《2017中国高等教育技术展望：地平线项目区域报告》中指出，未来4～5年内，情感计算、机器人技术、机器学习等技术将对中国高等学校产生深远影响[3]，而这些技术都是人工智能领域中的主要研究内容。在教育领域，人工智能技术具有极大的创新潜力和应用前景，我国在教育人工智能领域进行了积极的探索和研究，有必要对这些研究成果进行梳理。

二 研究设计

本研究主要聚焦于我国教育人工智能领域的研究热点、研究前沿及关键词聚类这三个方面。本研究借助软件CiteSpace，绘制了教育人工智能应用的知识图谱，并通过内容分析法对检索到的文献进行分析，从而对人工智能技术在我国教育领域中的应用进行了详细梳理和阐述。

1 数据来源

本研究以CNKI学术期刊全文数据库为数据来源，以“人工智能”和“教育”、“AI”和“教育”作为主题词进行检索，选定文献发表时间为2006～2017年，共获得文献1186篇，剔除无作者、无关键词、与主题相关度不高等无效数据，得到有效文献数量共1086篇，其中期刊629篇、硕博士学位论文457篇。

2 研究步骤

本研究首先将所筛选的文献数据经过CiteSpace自带的数据格式转换器进行预处理，再导入到CiteSpace中进行科学知识图谱生成。CiteSpace的参数设置如下：时间段为2006～2017年，时间切片为1年，节点类型为“关键词（Keyword）”，分析数据的阈值为topN%=50%，并采用Pathfinder裁剪方法，最终生成相关图谱。

三 研究结果

1 关键节点分析

（1）热点分析

本研究首先运行CiteSpace使节点以年轮样式显示，然后进行关键词热点分析。本研究对高频词和中介中心性较高（取值高于0.1、带有紫色圆环）的词进行综合分析从而判定热点。除去基本关键词“人工智能”后得到高频与高中介中心性关键词的网络知识图谱如图1所示，图1显示共有9个热点关键词，关键词右侧括号中的数值分别为该关键词的出现频次与中心性值。

上述9个热点关键词可大致归纳为四个方面：①信息技术方面，主要涉及“数据挖掘”、“Agent”和“自然语言处理”，这三个关键词对应相关的信息技术，说明在教育领域主要采用人工智能中的此类技术为教育提供服务；②教育理论知识方面，主要涉及“远程教育”和“在线教育”，这两种教育方式突破了时空界限，更多地运用网络技术与环境开展教育，用户规模巨大，并应用大数据进行数据挖掘，因此与人工智能技术的结合更紧密；③人工智能技术在教育领域中的典型应用，主要涉及关键词“智能教学系统”，通过分析学习行为，提供更好的学习路径；④关键词“智能制造”，它是由智能机器和人类专家共同组成的人机一体化智能系统，它使制造自动化的概念高度集成化、智能化，该热点在我国教育领域中主要应用于制造业的职业技能培训方面。

图1 高频与高中介中心性关键词可视化图谱

图2 突现关键词可视化图谱

（2）前沿分析

本研究选择突现值＞5的关键词作为前沿关键词，除去基本关键词“人工智能”后得到的突现关键词可视化图谱如图2所示。图2中方框示出的是突现值＞5的7个突现关键词，关键词右侧括号中的数值为该关键词的突现值。为进一步从时间维度上显示前沿关键词演进的视图，本研究采用CiteSpace中“时区视图”的呈现方式展示出关键词的更新和相互影响，如图3所示。由图3可知，7个突现关键词出现的时间集中在2006～2007年。

图3 时间区域方式呈现的突现关键词可视化图谱

图4 关键词聚类分析可视化图谱

Agent的研究集中在2006～2008年，教育信息化的普及和远程教育的发展使得基于Agent技术的教育应用研究不断涌现。专家系统的突现时间集中在2006～2012年，在此期间，专家系统由最初的专业化解决专门问题到单学科专业型、应用型系统再到多学科综合型系统不断发展。本体的突现集中在2006～2010年，这一时期随着远程教育的发展出现了各种网络学习系统，创建了各种学习资源。遗传算法突现时间为2006～2011年，应用最多的是智能组卷。智能教学系统的研究集中在2007～2012年，人工智能不断从计算智能、感知智能向认知智能发展，智能教学系统也伴随新技术的出现而改善升级[4]。数据挖掘在教育领域中的突现出现在2007年，一直延续至2015年，是所有前沿关键词中时间跨度最长的，能够应用于远程教育、高等教育等多种教育形式，以及智能教学系统、教学评价系统、教学辅助系统等多种类型的教学系统，为实现个性化学习提供了强大的理论基础和技术支持。

2 聚类分析

本研究针对关键词网络通过对数似然率算法（Log-Likelihood Rate，LLR）进行聚类，并以该类中LLR算子取值最高的特征词的名称作为聚类名称，得到聚类结果如图4所示。由图4可知，共得到12个聚类，本研究将这12个聚类进一步归纳为三大类：教育领域中采用的人工智能技术、人工智能技术在教育领域中应用的产物、人工智能技术对教育理论的影响，下面分别从这三个方面对各聚类内容进行分析。

（1）教育领域中采用的人工智能技术——6个聚类

#0人工智能聚类下提取出的特征词有人工智能、虚拟现实、三维建模等。虚拟现实（Virtual Reality，VR）技术利用计算机产生的实时三维逼真图像，能高度模拟人在环境中的各种感知行为，让观察者有身临其境的感受，并很好地感知和研究客观事物的变化规律。尹伟等[5]从警务实战训练的角度，探索了VR的教学模式，如在公安现场执法教学中，教师可通过VR技术构建案件场景，让学员的语言控制、动作技能、武力使用在虚拟现实中最大限度地得到训练。由于VR技术在各领域中的应用越来越广泛，各高校也陆续开始研发相关课程并予以实施。卢梅丽等[6]对VR技术课程的教学改革进行了研究，通过讲授VR技术来培养高精尖职业技能型人才。

#1本体聚类下提取出的特征词有本体、个性化学习、Agent、智能教学系统等。人工智能领域的学者Neches等[7]最早提出本体（Ontology）一词，认为本体是构成相关领域词汇的基本术语和关系，以及利用这些术语和关系构成的、规定这些词汇外延的规则。Jiang等[8]通过本体来实现学习者在学习过程中的个性化需求。Agent一词在国内通常被翻译为“智能体”或“艾真体”，为实现个性化智能教学系统的应用提供帮助[9]。基于Agent的分布式和集中式网络教学模式，可以针对不同的学生个体提出相应的教学内容，较好地解决了传统教学模式中存在的一些问题[10]。

#5学习分析聚类下提取出的特征词有学习分析、网络学习空间、自适应学习等。美国普渡大学构建的名为“课程信号（Course Signals）”的教师教学支持与学习干预系统，就是利用学习分析的各种技术手段帮助教师了解每个学生的学习情况，不断改进教学方法，并为学习者提供及时且具有针对性的反馈[11]。贺相春等[12]在明确网络学习空间系统架构的基础上，分析了系统的功能演变，提出人工智能驱动大数据分析、虚拟现实技术、可穿戴技术的交叉融合，使得原有的学习环境可以借助智能代理、智能导师、智能学伴等，为学习者提供智能化的学习服务。

#6专家系统聚类下提取出的特征词有专家系统、推理机、计算机辅助教学（Computer Aided Instruction，CAI）等。专家系统可以在程序系统中存储某个专门领域的专家知识（知识库），并且拥有类似领域专家解决实际问题的推理机制（推理机），最终实现人机的互动（人机接口）。方利伟等[13]利用机器人语言设计了一个实时专家系统，它可以自动获取传感器信号，根据预先设置好的规则库进行推理，得到下一步执行的指令，从而控制机器人的行动。推理机一般在专家系统中用来控制、协调整个系统[14]。这些技术将人工智能理论变成实践并应用于CAI系统中，形成智能计算机辅助教学系统，可以帮助学生对大量知识进行选择、判断、处理。

#10关联规则聚类下提取出的特征词有关联规则、遗传算法、试题库、智能组卷等。关联规则的挖掘算法被应用于包括教育在内的很多行业和研究领域。例如，通过改进的Apriori关联算法挖掘出高职院校教务信息中的规则，用于构建学生培养模型、成绩预警模型、教学质量评估模型等。此外，关联规则也可以对基于遗传算法的智能组卷系统进行考试数据的挖掘与分析[15]。余红朝[16]在分析传统的组卷算法和策略的基础上，结合遗传算法，以知识点为基本的考查点，把试题个数作为试卷最重要的约束目标，提出了改进的自动组卷算法，并在实际运行中证明自动组卷算法能快速生成质量相对较好的试卷。

#11媒体融合聚类下提取出的特征词有媒体融合、科技革命、网络技术等。电子和信息技术的普及应用开启了第五次科技革命[17]。媒体融合指的是各种媒介呈现多功能一体化的趋势，信息传输通道变得多元化，报纸、电视等传统媒体与互联网、手机、智能终端等新媒体结合起来，为信息、知识的传播提供了不同形式、不同平台。如贾宁[18]基于物联网和移动互联网实现了一个校园教育互联系统，充分利用手机短信、定位、摄像头服务、射频识别等功能，使学生、家长、老师之间可以无缝连接沟通。

（2）人工智能技术在教育领域中应用的产物——3个聚类

#2智能机器人聚类下提取出的特征词有智能机器人、机器人教学、智能制造等。随着人工智能越来越多地被应用于教育教学中，类似朗读课文、点名、监考、收发试卷等这样的辅助性或重复性劳动可以由人工智能替代老师完成[19]。东京理科大学小林宏教授制造的仿人机器教师“萨亚”可以在面部呈现6种表情，会讲大约700个单词、300个短语，并且可以对一些词语和问题做出回应，还可以学会讲各种语言[20]。除此之外，周兰菊等[21]从智能制造企业的岗位能力需求出发，分析了智能制造的特点和技术技能人才岗位能力需求的变化，并结合学校的实践，探索并提出了适合智能制造企业人才需求的高职人才培养的一些新举措。

#3高考状元聚类下提取出的特征词有高考状元、语音识别、科大讯飞等。2017年，学霸君公司研发的智能教育机器人Aidam与两人一组的6名高考状元同台挑战了2017年高考数学试题，完成了整张试卷的解答，并按照评分标准得到了134分的最终成绩，三组高考状元分别得到146分、140分、119分[22]。科大讯飞是国内最大的智能语音技术提供商，广东高考英语的口语环节目前由科大讯飞提供的计算机语音技术完成考核，不需要再投入任何师资；在与广东省考生经过几年磨合后，2015年即实现以机器评阅为主、人工审核为辅的全新评阅方式。另外，科大讯飞还推出了一款叫“e天说”的英语学习应用，用于学生口语训练[23]。

#8人类智能聚类下提取出的特征词有人类智能、李世石、谷歌公司、技术浪潮等。2016年3月5日，谷歌公司的围棋人工智能AlphaGo在与韩国棋手李世石的一场轰动全球的“人机大战”中，以总比分4:1获胜，AlphaGo的围棋世界排名由此跃升至世界第二。2017年5月，中国棋王柯洁向AlphaGo发出了挑战，最终结果是AlphaGo获胜。虽然代表人类智慧的柯洁在比赛中以失败告终，但是这场比赛本身的历史意义远远超过其结果的胜负[24]。大家的讨论也使教育领域掀起了一股人工智能技术浪潮，为此，奚骏[25]提出教师要关注技术、辨别技术、引领技术，从而促进教育公平、助力教育创新、实现教育与技术的双赢发展。

（3）人工智能技术对教育理论的影响——3个聚类

这3个聚类分别是#4教育理念、#7创客教育和#9高等教育，而该大类下提取出的特征词有教育理念、创客教育、高等教育、远程教育等。由此可知，这三个聚类都侧重教育理论，涉及教育理念的转变。随着创客教育的兴起和教育信息化进程的加快，基于远程教学方式的个性化教育在教育人工智能领域占据重要地位。如在睿易云教学系统中，学习者课前自主学习和课后系统根据学习者的反馈重新制定课堂设计，通过这样的课堂设计理念，大大提高了教学效果[26]。国务院印发的《新一代人工智能发展规划》中指出，为了推进我国人工智能技术的发展，要大力推进编程教育并且设置人工智能相关学科，在教育中融入更多信息化元素[27]，创客教育为国家培养信息化创新型人才提供了一种有效的教育模式。如清华大学以创意、创新、创业“三创融合”的核心理念打造“三创”创客空间、开发多维立体化课程、开设创新创业学位教育、举办各类赛事及活动，为在全国高等院校中实行创客教育起到了引领示范的作用[28]。创客教育在高等教育中的应用使学生成为知识生态系统中的积极贡献者[29]，使他们能够创造性地思考问题、实践创新过程。

四 研究讨论

1 人工智能对教育的影响

通过上述CiteSpace对关键节点的可视化分析以及对于聚类后的文献分析，可以了解到人工智能对教育的影响主要体现在以下几个方面：

①人工智能作为教学目标和教学内容。目前，我国在中小学教学中设置编程课程来为学生的计算机编程能力打下基础[30]。此外，人工智能是涉及机器学习、自然语言处理等许多复杂技术的学科，所以在高等教育中，许多院校已经开设了人工智能学院、人工智能相关专业，以系统地培养专业性与研究性人才[31]。

②人工智能增进学生对学习内容的深度理解。教育信息化的发展使许多数字化的新媒体进入教室，教学内容通过多种方式呈现出来，帮助教师和学生更方便、更有效地进行传授和学习。虚拟现实技术出现后，课程内容发生了很大变化，不再是单纯的文字或者二维幻灯片，而是通过三维的物体、动画、视频等形式呈现，甚至现实中无法通过肉眼观看的内容（如电流的走向、人体血液的流动等）都可以在虚拟环境中实现，并生动直观地给学习者展现出来，从而增进学习者对学习内容的深度理解。

③人工智能助力教学评估。智能测评系统在全程参与学习者的学习过程后，对学习结果进行评价、测试和分析，并反馈结果，从而达到完善方案的目的。例如，目前国内外一些相对有影响力的智能导师系统都拥有测试和评估的功能，它们能记录并评价学习者的学习行为，并在这个过程中达到不断优化教学的目的[32]；在英语教学中，智能测评系统可以诊断学习者在英语写作中存在的错误，分析原因并采取纠正和指导措施，可以使用智能语音识别技术，代替人工进行口语考试等[33]。

2 人工智能在我国教育领域中的反思

基于上述可视化结果和内容分析，对人工智能在我国教育领域中的研究反思如下：

①加强人工智能背景下教师和技术人员的培养和深度合作。教师在教学活动中发挥着非常重要的作用，人工智能技术在教育领域的应用程度离不开教师对人工智能技术的理解。然而与人工智能中的技术发展相比，人工智能在教育领域中的应用存在一定的滞后性。究其原因，主要是人工智能涉及的技术非常复杂，实际应用中需要具有一定专业背景知识的人来实现其功能，而具有这种背景知识的专业人士又往往缺乏教育理论基础，因此应加强两个领域专业人士的沟通合作，才能开发出更智能化的教育产品。

②贯彻落实政府对人工智能的支持政策。自2014年以来，我国政府部门先后在各种场合和重要政府文件中强调人工智能发展的重要性。2018年4月2日，教育部印发《高等学校人工智能创新行动计划》，引导高校以世界科技前沿为目标，强化基础研究，实现前瞻性基础研究和引领性原创成果的重大突破，进一步提升高校人工智能领域科技创新、人才培养和服务国家需求的能力[34]。在未来的几年中，要将优化高校人工智能领域科技创新体系、完善人工智能领域人才培养体系、推动高校人工智能领域科技成果转化与示范应用作为教育发展重点任务。

③重视人工智能教育带来的隐私和歧视问题。学生的学习行为数据是学生的隐私，在未来是否可以尝试让学生拥有自己的数据，并有权决定是否将其交给学校或其它教育机构来分析使用。另外，在智能教育平台的产业中要制定相应的隐私标准，让行业中的开发者和运营者有标准可循。此外，人工智能条件下的预测算法可能会产生不同程度的歧视。比如，学校非公开地尝试用机器学习的技术分析、预测学生的成绩，并通过这个结果来挑选或决定是否录取学生。当然我们不能说这样的方式是完全有偏见的歧视行为，但是相应的解释性工具是必须的，我们需要令人信服的理由来解释机器决策的结果。

五 结束语

作为21世纪的尖端科学技术之一，人工智能对教育领域的影响十分深远[35]。本研究基于人工智能在我国教育领域中近12年的文献研究，对研究热点和前沿进行了可视化分析，通过这样的方式直观、清晰地获取我们想了解的信息，并进行总结分析。此外，本研究还通过聚类分析对研究内容进行了讨论，据此探讨了人工智能对我国教育领域的影响，并进行了反思。

需要指出的是，本研究也存在一些不足：①本研究虽然尽量在文献的“质”和“量”上达到平衡，但由于文献本身的主题词归类可能存在偏差，人工的数据筛选也存在偶然性，一些非学术类的文献可能会为研究的结论带来少量误差；②本研究虽然通过关键词、突现术语等可以推测出当前的研究热点和未来的研究趋势，但这样的概括分析具有一定的主观性，导致对未来研究方向的概括存在一定的局限性。基于此，在后续研究中，本研究会继续关注人工智能技术的发展，并追踪其在教育领域中的应用。

[1]卢楠.从IBM、百度、Udacity等公司的尝试,看人工智能如何应用于教育领域[OL].

[2]艾媒咨询.艾媒报告:中国成人在线外语教育行业白皮书[OL].

[3]地平线项目.2017新媒体联盟中国高等教育技术展望:地平线项目区域报告[OL].

[4]陈凯泉,沙俊宏,何瑶,等.人工智能2.0重塑学习的技术路径与实践探索——兼论智能教学系统的功能升级[J].远程教育杂志,2017,(5):40-53.

[5]尹伟,姬艳涛.VR虚拟现实教学模式探索——以警务实战训练应用为视角[J].公安教育,2017,(11):25-29.

[6]卢梅丽,龚昕.虚拟现实技术课程教学改革研究[J].教育现代化,2017,(39):65-66、87.

[7]Neches R, Fikes R E, Gruber T, et al. Enabling technology for knowledge sharing[J]. AI Magazine,1991,(3):36-56.

[8]Jiang X, Tan P. Learning and inferencing in user ontology for personalized semantic web services[C]. International Conference on World Wide Web. ACM, 2006:1067-1068.

[9]蔡自兴,贺汉根.智能科学发展的若干问题[J].自动化学报,2002,(S1):142-150.

[10]吴战杰,秦健.Agent技术及其在网络教育中的应用研究[J].电化教育研究,2003,(3):32-36.

[11]郑旭东,杨九民.学习分析在高等教育领域内的创新应用:进展、挑战与出路[J].中国电化教育,2016,(2):2-7.

[12]贺相春,郭绍青,张进良,等.网络学习空间的系统构成与功能演变——网络学习空间内涵与学校教育发展研究之二[J].电化教育研究,2017,(5):36-42.

[13]方利伟,张剑平.基于实时专家系统的智能机器人的设计与实现[J].中国教育信息化,2007,(16):69-70.

[14]方毅.嵌入式仪表设计专家系统推理机设计与实现[D].杭州:浙江大学,2006:6-7.

[15]黄海.基于人工智能的考试系统研究与实现[D].成都:西南交通大学,2015:12.

[16]余红朝.基于遗传算法的组卷研究及题库系统实现[D].重庆:重庆大学,2008:20-51.

[17]余少华.“信息改变了美国”读后感——牢牢抓住全球第五次科技革命的战略机遇期[J].新远见,2012,(8):53-59.

[18]贾宁.面向智能终端的校园教育互联系统的研究与实现[J].计算机科学,2017,(s2):573-576.

[19]北京师范大学智慧学习研究院.2016年全球教育机器人发展白皮书[OL].

[20]本刊编辑部.人工智能的教育应用[J].今日教育,2017,(9):11.

[21]周兰菊,曹晔.智能制造背景下高职制造业创新人才培养实践与探索[J].职教论坛,2016,(22):64-68.

[22]允中,量子位.直击高考人机大战:技术、争议与人族胜利[J].智能机器人,2017,(3):14-17.

[23]刘胜男.吴晓如:人工智能如何改变教育?[J].中国传媒科技,2015,(7):52-54.

[24]孙冰.“阿尔法狗”留下的兴奋与忧伤[J].中国经济周刊,2016,(12):84-85.

[25]奚骏.教师该如何应对“新技术热潮”[J].人民教育,2017,(20):8.

[26]季友勇.睿易云教学——引领教学大翻转[J].人民教育,2017,(12):83.

[27][30]国发〔2017〕35号.新一代人工智能发展规划.[OL].

[28]李川. 清华大学创客空间考察学习及思考[A]. 中国武汉决策信息研究开发中心、决策与信息杂志社、北京大学经济管理学院.“决策论坛——企业党建与政工创新工作发展学术研讨会”论文集（下）[C].中国武汉决策信息研究开发中心、决策与信息杂志社、北京大学经济管理学院:《科技与企业》编辑部,2016:1.

[29]S·亚当斯贝克尔,M·卡明斯,A·戴维斯,A·弗里曼,C·霍尔给辛格,V·安娜塔娜额亚婻,殷丙山,高茜,任直,刘鑫驰,曹红岩,王济军,赵广元,邵恒.新媒体联盟地平线报告:2017高等教育版[J].开放学习研究,2017(02):1-20+62.

[31]邢弈涵.这些国内高校已经成立人工智能学院,并开设了相关专业[OL].

[32]冯黎.关联规则分析技术在高职院校教务管理中的应用研究[D].兰州:兰州大学,2009:20-21.

[33]刘清堂,黄景修,雷诗捷,等.PST视角下智能导师系统的设计与新发展——以句酷批改网为例[J].现代教育技术,2017,(5):81-87.

[34]中华人民共和国教育部.高等学校人工智能创新行动计划[OL].

[35]徐鹏,王以宁.国内人工智能教育应用研究现状与反思[J].现代远距离教育,2009,(5):3-5.

Visualization Analysis of Artificial Intelligence Applied in the Field of Chinese Education

LIU Yong SHENG Xiao-ting LI Qing

Artificial Intelligence (AI) has brought about profound changes to our country’s education and made education develop into the intellectualized direction. The article took China National Knowledge Infrastructure (CNKI) database as research object and conducted a visualization analysis of the literature between 2006 and 2017 based on themes of “artificial intelligence” and “education”, “AI” and “education”. Firstly, the visualization tool of CiteSpace was used to investigate the research hotspot and research frontier based on the key nodes of keywords network. Then, the research content was further discussed through the clustering algorithm. Finally, the influence of AI on education was analyzed, as well as the reflection on the development of AI in our country’s education.

artificial intelligence; teaching technology; Citespace; visualization analysis

G40-057

A

1009—8097（2018）10—0027—08

10.3969/j.issn.1009-8097.2018.10.004

本文为北京市教育科学“十二五”规划2016年度课题“大数据时代教师数据素养能力构成和发展研究”（课题批准号：CCFA16119）的阶段性研究成果。

刘勇，副教授，博士，研究方向为教育数据分析、数据挖掘，邮箱为liuyong001@bupt.edu.cn。

2018年5月25日

编辑：小西