近40年人工智能教育应用研究的回顾与展望

赵丽华 陈竞蓉

（长江大学 教育学院，湖北 荆州434000）

1950年，英国科学家艾伦·图灵（Alan Turing）发表论文《计算机器与智能》，展开了早期人工智能探索[1]。1956年，在美国达特茅斯学院会议上,与会专家提出机器模拟人类智能的议题及“人工智能”（Artificial Intelli⁃gence，AI）一词。70年代以后逐渐形成了诸多人工智能的子领域。近40年来，国内有关人工智能的研究逐渐增多，有关人工智能教育应用的研究也日益引起人们的重视。本文拟运用Bicomb2.01、SPSS21.0、Excel 等软件，对近40年我国人工智能教育应用研究的成果进行总结分析并展望未来研究趋势，以进一步深化人工智能教育应用的研究。

一、近40年人工智能教育应用研究的回顾

本文以中国知网（CNKI）数据库为文献来源，以Bi⁃comb2.01、Excel、SPSS21.0 等软件为工具进行分析。在CNKI 中，以“主题”为限制条件，以“人工智能”和“教育”为关键词进行检索，剔除会议、通知等非论文后得到640条结果；以“关键词”为限制条件，以“人工智能教育”为关键词进行检索，剔除会议、通知等非论文后得到126 条结果，共计766 条结果，时间跨度从1978年至2019年3月中旬。

首先，在CNKI 中以NoteFirst 格式导出文献并存入文件夹，将766 条结果放入Bicomb2.01 进行统计。接着根据高频词界分方法统计关键词及频次，并建立高频词的共现矩阵。最后，在SPSS21.0 中对共现矩阵进行聚类分析，得到关键词聚类树状图。本文高频条目的截取采用“H 指数（H index）”法，即按词频降序排列的高频条目列表中序号为h 的条目的词频大于等于h，其后各条目的词频小于h，取h 为截取高频次的阈值[2]。

（一）相关著作多，主要为教育技术学教材及科普类书籍

以读秀网为检索平台，取“人工智能教育”为关键词进行检索，匹配到相关著作3467 种，取“人工智能教育应用”为关键词进行检索，匹配到相关著作2304 种。按照内容分析，近40年以来出版的书籍主要分教育技术学教材、人工智能历史发展及影响、对未来人工智能教育应用的展望。这些书籍或为科普类、或为教材类，主要涉及人工智能技术应用而较少系统地论述人工智能的教育应用，反映出我国人工智能的教育应用还处于初步发展期。

（二）研究分为三个阶段，且发文量自2016年起急剧增加

将Bicomb2.01 中对“年份”的统计结果导入Excel 中并生成图1所示分布图。近40年来，人工智能教育应用发文情况分为三阶段。第一阶段：1984年-2002年（初步发展期）。此时人工智能在教育方面应用的探索初步兴起，有关人工智能教育应用研究较少，年均发文数量10篇以内。第二阶段：2003年-2015年（稳步增长期）。自进入21世纪以来，有关人工智能教育应用的研究逐渐增多，达到一个小高峰，年均发文数量在30 篇左右。第三阶段：2016年至今（急剧增长期）。2016年至今，人工智能教育应用的相关研究急剧增加，2017年发文数量达到221 篇，2018年发文数量高达675 篇，进入2019年发文热度依旧，截至3月中旬，发文数量已经达到58 篇。反映随着人工智能研究的深入，人工智能教育应用的研究也引起广泛关注。

图1 1984-2019.03 论文发表年度分布图

（三）发文期刊以教育技术领域期刊为主

据统计，源自CNKI 的766 篇文章分别由498 种期刊刊登。其中，刊登量大于等于15 篇论文的期刊为高频期刊，共14 种。如图2所示，刊载于《中小学信息技术教育》的论文有55 篇；刊载于《现代教育技术》的论文有43篇；刊载于《远程教育杂志》的论文有42 篇。这些刊登论文量大于等于15 篇的期刊大部分为教育技术类期刊，反映人工智能教育应用的研究主要存在于教育技术领域，缺乏跨学科研究。

图2 高频文章来源表

（四）研究单位多为师范院校或高校师范系，与科研机构的合作较少

根据Bicomb2.01 分析结果，1280 位发文作者（第一作者）来自于802 个单位，其中，大部分研究单位为师范类高校或高校师范系、教育技术系、计算机科学与技术学院，如图3显示，陕西师范大学教育学院出现11 次，天津大学教育学院、中国人工智能学会教育工作委员会各出现10 次，华东师范大学、北京师范大学教育学部各出现9 次，首都师范大学、华东师范大学教育信息技术学系各出现7 次；少部分研究单位为企业，如科大讯飞、沪江等公司。这表明有关人工智能教育的研究集中在师范类高校或高校师范系、技术系，相互之间缺乏合作且与科研机构的合作并不密切。

图3 高频单位

（五）研究主题集中在五个方面

利用Bicomb2.01 统计高频关键词，得到766 个关键词，其中高频关键词23 个，如图4所示。“人工智能”出现频次为892 次，“人工智能教育”出现频次为167 次，其他诸如机器人、智能教育、AI、智慧教育、机器学习等词也频繁出现。关键词反映人工智能教育应用研究的核心。

图4 高频关键词

将Bicomb2.01 中产生的高频关键词共现矩阵导入SPSS21.0 中进行聚类分析，得到的聚类分析树状图如图5所示。根据聚类树状图，将关键词聚合为以下五大主题。

图5 关键词聚类树状图

1.人工智能教育的影响

包括教学、学习、人工智能、机器人、教育，主要介绍人工智能及人工智能在教育领域应用的历史及对教育教学、学习的影响。包括对教育目标、课程、教学、评价、教育管理、教育模式、学习方式、人才培养、教师职业发展等的影响。人工智能是为扩展人的智能而产生的新兴技术科学。人工智能化教育是人工智能与各种技术和学科交叉形成的教育领域（王运武等，2018）[3]。机器人是随着科学技术发展、机器人智能发展热度下的一种新型教学和自主学习的助手，例如：在幼儿教育领域，有教育启蒙机器人、游戏机器人等。

2.人工智能的教育应用形态

包括专家系统、智能教育、AI、人工智能技术、应用、教育应用。这类主题的文章主要介绍人工智能教育应用的案例。如人工智能教育产品、工具、平台等。贾积有（2018）介绍了专家系统的作用方式、国内外研究成果，并与其团队用实验证明了专家系统对学生学业表现的积极作用[4]。祝智庭等人（2018）认为教育所关注的智能主要包括认知智能、情感智能、志趣智能，智能教育关注开发人的各种智能[5]。杨现民等人（2018）构建了教育领域人工智能的技术框架。

3.人工智能关键技术

包括深度学习、机器学习、个性化学习。这类主题的文章则侧重于介绍人工智能领域的关键技术，并说明这些技术如何为教育教学、管理、学习提供支持。机器学习借助计算机在数据中获取信息获得知识并进行预测（贾积有，2018）[6]。机器学习成为了人工智能领域的关键技术之一[7]。深度学习是机器学习的一个阶段（余凯等，2013）[8]。技术的发展使得打造适合学习者个人的学习方式成为可能，个性化学习成为人工智能关键技术的代名词之一。朱永新（2017）基于学习中心的内在本质提出个性化是未来教育的走向[9]。

4.教育信息技术的研究

包括教育信息化、智慧教育、未来教育。此类主题的文章介绍人工智能教育应用的衍生主题。南国农（2002）认为教育信息化是在教育中运用现代信息技术进一步促进教育现代化的过程[10]。余胜泉（2012）认为教育信息化的重点不仅在于发挥技术效率的提高作用，更要发挥技术改变教育生态环境的作用[11]。2018年4月，教育部发布了《教育信息化2.0 行动计划》。教育信息化致力于实现教育信息及知识的共享，同时也可以促进教育公平，缓解教育资源分配不均造成的问题。祝智庭（2018）指出智慧教育在学习环境、教学和学生个性化学习方面起着积极作用[12]。黄荣怀（2014）认为智慧教育是教育信息化的进阶，并论述了智慧教育的三重境界[13]。未来教育探讨在人工智能的大背景下，教育的发展方向、发展模式和各种可能性。

5.人工智能与学科教育的融合设计

包括中小学、人工智能课程、人工智能教育、职业教育、人才培养等。此类主题的文章侧重于介绍不同阶段、不同类型的人工智能教育应用。人工智能技术的发展给人工智能技术的教学提出了新要求，也催生了人工智能课程，目前的研究侧重课程改革与实践。在职业教育领域，2019年2月13日，国务院发布了《国家职业教育改革实施方案》。对“双师型”教师需求增大，若有了人工智能的辅助，这种创新性团队的建设将会更加完备。人工智能在职业教育领域提高了教学和实践的效率，也加速了职业教育治理的变革与创新[14]。在信息化、智能化技术的发展和支撑下,职业院校人才培养方式将更加智慧化。在人才培养方面，人工智能的教育应用包括对人才的培养、教育、评价等的研究。

二、未来人工智能教育应用研究的展望

近40年来，无论是在研究领域、研究内容、研究技术的使用、还是在研究论文发表上，人工智能的教育应用研究都取得了很大的进步，但仍存在一些不足。如跨学科研究不够深入；研究缺乏与学科教学改革实践的结合；人工智能教育的历史发展和影响的研究论文较多，本土化研究少；研究缺乏合作。本文认为未来人工智能教育应用研究应注重以下四个方面。

（一）进一步开展人工智能教育应用的跨学科研究

虽然，在教育目标、课程、教学、评价、教育管理、教育模式、学习方式、人才培养、教师职业发展以及人工智能教育产品、平台等方面已有诸多研究，但是研究视角单一，且发文期刊主要存在于教育技术领域，缺乏跨学科研究。未来，研究应广泛而深入，增加对不同层次、不同类型教育的研究，同时利用不同学科视角和资源优势开展人工智能教育应用的研究。

（二）促进人工智能与学科教学改革实践的结合

现有关于人工智能教育应用的研究存在技术性与教育性不平衡的问题，一方面局限于技术人员对人工智能技术的介绍，而缺乏与学科教学改革实践的有效结合。另一方面，局限于从事学科教学改革实践的教师缺乏对人工智能教育应用的理解，而只是进行研究的可能性预测。为此，需通过培训等方式加强一线教师对人工智能教育应用的深入理解，促进人工智能与各学科具体教学改革实践相适应。

（三）加强人工智能教育的本土化研究

欧美等国在人工智能教育应用方面的研究较久，已有众多成果，如在机器学习、自然语言处理、智能教学系统等应用方面已经取得了很大的进步。我国研究者在借鉴的同时要结合国内的教育政策、教育情境、教育者和学习者的实际情况，并充分考虑国家、地方、学校的教育发展规划和局限进行人工智能教育应用的研究。

（四）深化“校校合作”和“校企合作”

虽然，近40年来研究人工智能教育应用的高校和机构越来越多，但研究分散，相互之间缺乏合作，各高校、企业的研究优势没有充分整合。在今后的研究中，各研究单位应积极开展合作，发掘不同高校、机构或者企业的资源优势，形成优势资源互助合作链，促进研究进一步深化。