我国人工智能教育发展现状、趋势与发展建议

2020-12-01刘雪英亓建芸

软件导刊 2020年10期

刘雪英亓建芸

摘要：人工智能发展迅速，人工智能教育逐渐受到教育工作者重视。从文献分布、关键词词频、关键词聚类、突现关键词等4方面，利用Cite Space软件对CNKI数据库中1984-2019年关于人工智能教育的911篇中文期刊论文进行可视化分析。分析发现，国内人工智能教育相关研究起步早，但缺乏实践经验。要将人工智能教育落实到教育教学实践中，宏观层面需要政府及有关部门的政策与资金支持，规范数据共享标准;微观层面需对相关教师及教学资源开发人员进行培训，构建合作共同体。

关键词：人工智能教育;人工智能;Cite Space;可视化分析

DOI：10. 11907/rjdk. 201142

中图分类号：TP434文献标识码：A 文章编号：1672-7800（2020）010-0258-05

Abstract： At present， artificial intelligence and related technologies have attracted much attention. After the third artificial intelligence wave， “Artificial Intelligence Education” has received more and more attention of educators. Starting from the four aspects of literature distribution， keyword frequency， keyword clustering and keyword emergence， this paper makes a visual analysis of 807 Chinese periodical papers on “artificial intelligence education” in CNKI database from 1984 to 2019 using Cite Space software. It is found that the research on AI education in China started early， but lacked practical experience. In order to further implement AI education in teaching practice， it is necessary to train relevant teachers and teaching resource developers.

Key Words： artificial intelligence education; artificial intelligence; Cite Space; visual analysis

0 引言

人工智能（ Artificial Intelligence， AI）是计算机科学的一个分支，是一门研究运用计算机模拟及延伸人脑功能的综合性学科[1]，研究主要集中在问题求解、专家系统、机器学习、模式识别、人工生命、神经网络等领域，其研究成果在医学、艺术等领域广泛应用。近年来，利用人工智能技术促进教育信息化发展成为重要趋势。教育人工智能（Education Artificial Intelligence，EAI）是人工智能与学习科学相结合形成的一个新领域，旨在通过人工智能技术，更深入细致地观察、理解学习如何发生、如何受到外界各种因素影响，进而为高效学习创造条件[2]。许多专家學者从不同角度对人工智能教育教学应用进行深入探究，取得丰硕成果。本研究尝试从文献分布、关键词词频、关键词聚类、突现关键词等方面，具象化显现人工智能教育发展现状，以期为我国教育人工智能研究与发展提供思路。

1 数据来源与研究方法

1.1 样本选择

笔者以1984-2019年为检索时间，以中国全文数据库（CNKI）为文献来源，以“主题=人工智能教育”或 “题名=人工智能教育”（模糊匹配）为检索条件，获得期刊论文共976篇，人工剔除无效论文后得到有效样本文献911篇，将样本文献以EndNote文件读取格式导出，进行转码处理，形成本研究所需样本数据库。

1.2 研究方法

采用可视化分析方法从所得图表分析教育人工智能领域研究主题与发展趋势。选用SATI 3.2对检索到的文献进行分析，得到载文量排名前20的期刊及载文情况。按照被引用次数由高到低排序，综合得出排名前10的作者。选用Cite Space 5.3.R4版本作为研究工具进行关键词词频及共现分析、关键词的共现时区图谱分析、关键词聚类及时序演进分析，预测教育人工智能研究发展趋势。

2 文献分布

从年发文量分析、文献来源分析和高被引作者分析3部分阐述文献分布情况。

2.1 年发文量分析

通过文献检索获取有效论文911篇，不均匀地分布于各年份，如图1所示。由图1可知，论文发表量总体呈逐年递增趋势，表明学者对教育人工智能关注度逐渐提高，研究范围逐渐扩大。

2.2 文献来源分析

通过对人工智能教育文献来源期刊及载文量分析，得到载文量排名前20的期刊。由表1可知，国内研究人工智能教育的学者分布在各领域，20种期刊中有5种科技类期刊，表明人工智能在教育教学中的应用备受技术研究者关注。

2.3 高影响力作者分析

通过分析人工智能教育论文发表情况，检索出1 180名作者，按发文量排出前10位作者，如表2所示。对样本中被引频次较高的论文深入剖析，可知人工智能教育不仅引起高校教育工作者广泛关注，在医学等领域也备受青睐。

3 研究过程

3.1 关键节点分析

3.1.1 热点分析

对高频关键词和中心度较高（中介中心性大于0.1）的词进行分析，判定人工智能教育的研究方向与热点[3]。本研究选取关键词作为节点，对样本数据进行分析，时间切片为1年，项目选择方法为“Top N=50”，生成图2所示的关键词共现网络、表3所示的关键词词频及表4所示的关键词中心度排序。

图2显示共有605个节点和1 634条连线，经过聚类计算后模块值（Q值）为0.710 7，平均轮廓值（S值）大于 0.798 6，意味着划分出来的社团结构显著。综合分析表3、表4，将频次排名前20的高频关键词大致归纳为3个方面：①人工智能相关技术方面，涉及到“大数据”“机器学习”和“专家系统”等关键词，对应相关的人工智能技术，说明在教育领域主要采用此类技术为教育提供服务;②人工智能教育理论方面，涉及到“智慧教育”“远程教育”等关键词，此类教育方式多采用技术支撑教学，在线用户较多，需要大数据作为技术支撑，与人工智能技术结合更为紧密;③人工智能教育应用方面，涉及到“职业教育”“个性化学习”等关键词，在教学过程中为学生提供个性化服务，在职业教育中应用广泛。

基于关键词的相关研究文献共现知识图谱如图 2 所示。

3.1.2 前沿分析

在聚类基础上选择Cite Space可视化知识图谱中的Time Zone View功能得到关键词共现时区图谱，反映关键词出现的时间和关键词之间的关系。本研究选择突现强度排名前8的关键词作为前沿关键词，如表5所示。

专家系统作为人工智能的主要研究方向和关键技术，自1984年出现之后其研究一直持续到2015年。“特殊需要的学习者”和“听觉障碍”两个关键词结合相关文献分析，可知相关研究将人工智能技术应用到特殊教育领域，延伸人的器官功能，弥补学习者因身体缺陷带来的学习障碍。计算机辅助教学（CAI）是人工智能进入教育应用的着陆点，人工智能教育就是从计算机辅助教学视角提出的。20世纪90年代，远程教育成为人工智能教育发展方向。计算机辅助教育和远程教育的出现，将人工智能教育从注重技术应用转向重视教育本身。2000年起，教育技术专家学者成为研究人工智能教育的中坚力量。2003年出现 “教学”关键词，使人工智能技术支持教育教学环境创设和教学资源开发转向课堂教学应用。

3.2 聚类分析

针对关键词进行聚类得到12个聚类，如图3所示。将12个聚类进一步归纳为人工智能相关技术、人工智能教育理论和人工智能教育应用3大类。

3.2.1 人工智能相关技术

人工智能相关技术有3个聚类，分别为#3专家系统、#5人工智能技术、#10虚拟现实，该大类下提取出的关键词有计算机辅助教学、机器人、智能制造、虚拟现实、三维建模等。由此可知，此3个聚类都侧重人工智能相关技术。傅钢善等[4]提出基于专家系统的移动学习模式，整合已有網络学习资源，充分发挥专家系统特点，实现一种全新的移动学习模式，是人工智能技术融入教育应用的一次有益尝试。随着人工智能技术在教育教学中广泛应用，人工智能替代教师完成批阅试卷、朗诵课文等重复性劳动[5]。虚拟现实技术较多应用于实验实践教学，其应用价值更多体现在职业教育中。虚拟现实在师范生从业技能教育、建筑设计、高危实验、土木工程及医学试验等领域应用潜力巨大[6]。

人工智能教育的目的是，通过人工智能技术，更深入、更细致地观察、理解学习是如何发生，如何受到外界各种因素影响，进而为高效的学习创设条件[7]。技术应用的深度取决于技术本身的发展。因此，人工智能在教育教学中的应用深度及效果由人工智能技术的发展程度决定 [8]。人工智能关键技术包括问题求解、专家系统、机器学习、神经网络、模式识别和人工生命等。其中，机器学习作为热门研究领域、Python语言作为目前机器学习中最主流的语言已进入高中信息技术课程体系。人工智能与云计算、大数据等先进技术的结合促进了人工智能与教育的深度融合。

3.2.2 人工智能教育理论

人工智能教育理论有4个聚类，分别为#0人工智能、#1人工智能教育、#6教育人工智能和#8 AI，在该大类下提取出关键词有创客教育、远程教育等，由此可知此4个聚类都侧重教育理论。王小根等[9]分析了机器人教学现状与存在的问题，将创客教育与机器人教育相融合，构建切实可行的教学模型，结合具体案例说明此教学模型下机器人教学活动设计的方法。创客教育作为一种有效的教学模式，助力国家创新性人才培养，如清华大学打造的“三创”创客空间，引领全国高等院校的创客教育[10]。实行创客教育，使学生成为知识的创造者，提高学生创新意识与创新能力[11]。

人工智能理论研究发展迅速，其中，以机器学习和深度学习为关键支撑的人工智能技术，对个性化学习进行重塑和再造，人工智能技术提供的个性化学习服务又推动个性化学习理论发展。由于受教学条件制约，人工智能教育理论研究仅停留在理论层面，需进一步将理论与实际应用结合。

3.2.3 人工智能教育应用

人工智能教育应用4个聚类分别为#2智慧教育、#4机器人教育、#7智能教育、#9课程材料，该大类下提取关键词机器人教学、语音识别、科大讯飞、个性化学习等，可知该聚类都属人工智能在教育教学中的应用。机器人教育是创新教育的有效平台，也是信息素养培养的良好载体[12]。以机器人为载体，通过机器人模拟教学场景对学生进行个性化辅导、教学训练等，提升教学质量。科大讯飞作为教育技术引领企业，研发覆盖“教、学、考、评、管”产品体系，进行了大量机器人教学实践，积累了宝贵经验[13]。

人工智能教育应用分为两个方面：①人工智能作为一门课程进入信息技术课程体系，为人工智能发展储备人才;②人工智能作为一种技术进入教育领域，为学生创设高效的学习条件，规划科学的学习路径，提供个性化学习服务[14]。采用人工智能技术对区域或校内教学、考试、管理等场景数据进行分析，为管理者提供技术支持。

4 人工智能教育发展建议

人工智能教育在中国起步较早，但在教育实践中还未形成成熟的应用体系。我国人工智能教育要突破瓶颈，向更深层次方向发展，需从以下几方面着手。

（1）重视人工智能在教育领域的应用，提供政策支持，加大资金投入。信息化时代要求教育实现个性化、精准化，尤其强调因材施教和终身教育。人工智能技术可以很好地规避人类在教育过程中由于班级授课制导致的教学雷同性和粗泛化。2017年《国务院关于印发新一代人工智能发展规划的通知》中指出，要建立以学习者为中心的教育环境，提供精准推送的教育服务，实现日常教育和终身教育定制化[15]。人工智能发展离不开资金支持，应加大资金投入力度，吸引人才积极投入到人工智能教育建设中。

（2）加强合作共同体构建，发掘人工智能与教育的结合点。利用人工智能技术提高教育质量，仅仅依靠传统教师是不够的，目前一线教师对人工智能技术了解甚微，很难找到人工智能与教育的结合点，在教育教学中应用人工智能更是天方夜谭。为使人工智能技术更好地促进教育发展，校企合作是重要途径之一。企业能为高校提供用户和技术支撑，高校则利用人工智能技术对知识进行重组，对学习行为进行智能化分析，以此实现互惠共赢[16]。因此，应加强企业与高校的合作，形成合作共同体，助力人工智能促进教育发展。

（3）规范数据处理标准，促进数据共享。人工智能以大数据为依托，随着技术的发展，在线资源大量出现。在线学习过程中收集的数据内容众多，数据处理效率低，数据泄露风险大。而大数据处理技术能对大量的、结构复杂的数据进行处理，提升数据处理效率，并能优化存储处理后的数据[17]。但学校的数据管理没有形成统一标准和规范，为防止数据泄露，企业和学校之间几乎不进行数据共享，给人工智能教育发展和研究造成障碍。因此，规范数据处理标准，实现数据共享迫在眉睫。

（4）对教师进行人工智能培训，提高其应用人工智能的意识与能力。目前，教师对人工智能技术了解甚微，对人工智能在教育教学中的应用效果不清晰，以至很难开展人工智能教育活动。因此，应关注教师专业发展，通过培训提高教师人工智能教育水平。注重人工智能在教育教学中应用案例的讲解，培养教师人工智能意识，使教师具备人工智能应用的意识和能力，促进人工智能教育应用与研究发展。海淀区教育科学研究院技术中心的人工智能实验室，开设多期培训班，开展人工智能技术应用、人工智能环境构建、人工智能周边应用、人工智能在教育中的应用等内容学习，提高人工智能师资专业知识水平[18]。

5 结语

人工智能作为当下主流技术，对教育教学影响深远[19-31]。本文利用可视化软件对我国35年来人工智能教育文献进行研究。人工智能技术应用于教育行业主要表现为两个方面：①人工智能技术的发展使教学手段多样化，促进了教育信息化水平提高;②人工智能本身作为一个学科融入到教学体系中，人工智能相关知识走进中小学课堂。提出了人工智能教育发展建议并预测了未来发展趋势。但本研究方法是对关键词进行概括分析，主观性较强，提出的建议难免存在一定的局限性。后续将对人工智能教育研究和发展状况进行跟踪，为人工智能发展提供数据支持。

参考文献：

[1] 张剑平. 关于人工智能教育的思考[J]. 电化教育研究，2003，24（1）：24-28.

[2] 茹丽娜，唐烨伟，王伟，等. 我国教育人工智能研究综述[J]. 中国信息技术教育，2019，18（7）：90-93.

[3] 袁润，李莹，王琦，等. 用R语言分析关键词集共现网络研究[J]. 现代情报，2018，17（7）：88-94.

[4] 傅钢善，李婷. 3G时代基于专家系统的移动学习模式[J]. 中国电化教育，2010，20（4）：106-111.

[5] 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[EB/OL]. http：//sanwen8.cn/p/34fFTTF.html.

[6] 张建武，孔红菊. 虚拟现实技术在实践实训教学中的应用[J]. 电化教育研究，2010，31（4）：109-112.

[7] 潘小芳，郭瑞迎. 人工智能与人：智能教育时代理想师生关系的重塑[J]. 教学研究，2018，17（6）：58-64.

[8] 吴晓如，王政. 人工智能教育应用的发展趋势与实践案例[J]. 现代教育技术，2018，17（2）：5-11.

[9] 王小根，张爽. 面向创客教育的中小学机器人教学研究[J]. 现代教育技术，2016，15（8）：116-121.

[10] 李川. 清华大学创客空间考察学习及思考[C]. 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），2016：45-61.

[11] S·亚当斯贝克尔，M·卡明斯，A·戴维斯，等. 新媒体联盟地平线报告：2017 高等教育版[J]. 开放学习研究，2017，16（2）：1-20，62.