APP下载

国内人工智能教育文献的知识图谱分析

2021-03-27刘雯王晓春

教育现代化 2021年103期
关键词:教育领域发文图谱

刘雯,王晓春

(首都师范大学 教育学院,北京)

一 引言

人工智能是一门通过计算机技术精确描述人类智能行为的学科,旨在让机器形成判断、推理、感知、决策等思维模式,延伸和扩展人类在不同领域的能力[1]。随着互联网、大数据、计算科学的发展,人工智能与传统行业的结合受到了专家学者的广泛关注,在教育领域,人工智能正在引起一场新的革命。我国2017年7月颁发的《新一代人工智能发展规划》明确提出要发展智能教育,要利用人工智能加快推动人才培养模式、教学方法改革,构建包含智慧学习、交互学习的新型教育体系[2]。2018年教育部发布的《高等学校人工智能创新行动计划》《教育信息化2.0 行动计划》等文件将人工智能上升到国家战略[2]。2019年2月23日,中共中央、国务院印发了《中国教育现代化2035》,文件提出,“互联网、人工智能等新技术的发展正在不断重塑教育形态,知识获取方式和传授方式、教和学关系正在发生深刻变革。[3]”2019年5月16日、2020年12月7日,在北京分别召开两次国际人工智能与教育大会,人工智能赋能教育已成为未来教育变革的重要趋势[4]。

人工智能在教育领域的应用与发展,是机遇也是挑战,如何把握机会迎接挑战无疑是未来人工智能与教育深度融合的重要问题。本文对人工智能教育领域相关文献进行作者、机构、关键词等方面的知识图谱分析,并予以可视化呈现,旨在归纳总结出当前人工智能教育研究的热点内容,并且对未来的发展趋势做出预测,为我国人工智能教育的研究与发展提供经验。

二 数据来源与研究方法

本研究选取中国知网数据库(CNKI)为数据来源进行文献检索,主题词 “人工智能”and“教育”作为检索条件,时间检索跨度设为2010年-2020年,以“北大核心”和“CSSCI”作为来源类别,共检索得到人工智能教育相关文献1832篇。剔除会议、报告、无作者以及与主题不相关的文献,最终获得1505篇有效文献作为研究样本。

本研究主要采用的研究工具为CiteSpace 5.8.R1。CiteSpace是一款信息可视化软件,主要基于共引分析理论和寻径网络算法等,对特定领域文献(集合)进行计量,以探寻学科领域演化的关键路径及转折点,并通过绘制一系列可视化图谱,探测学科演化潜在的动力机制和学科发展前沿[5]。在使用CiteSpace时将文献时间(Time Slicing)设为“2010-2020”;时间切片单位(Years Per Slice)设为1;节点类型(NodeTypes)根据不同的图谱类型进行设置(Author、Institution、Keyword);阈值(Selection Criteria)设置g-index(k=25),可视化(Visualization)选择Static和ShowMerged Network。图谱的节点形状选择圆形(Circle),圆形内部不同年轮的颜色代表相应年份。根据图谱类型的不同,视图等设置也有相应变化,在后续分析中将进行特别说明。同时,本研究还借助Excel办公处理软件对数据进行了简单的初步统计。

三 研究结果与分析

(一) 年发文量分析

从某一研究领域的年发文数量变化情况可以直观地得到该领域的整体发展趋势。因此本研究通过统计2010-2020年人工智能教育领域的年发文量,得到如图1所示的发文量统计折线图。

从图1中可以直观地发现,我国人工智能教育领域的发文量整体呈现先平缓后迅速增长的趋势。从发文量可以看出,2010-2016年处于起步期,年发文量均在30篇以内,并且趋势平缓,发文量在总发文量中贡献率仅为5.5%,主要的研究内容为智能机器人、智能教学系统以及教育大数据方面的研究。2017年为初步发展期,发文量有了明显增长,年发文量接近前7年发文量的总和。2017年中国政府发布的《新一代人工智能发展规划》,引发了专家学者对“人工智能+教育”的深入思考。2018-2019年为迅速发展期,呈快速上升的趋势,年发文量成倍增长,发文量在总发文量中贡献率为50.7%,导致这一现象的可能因素是:教育信息化阶段从1.0时代升级进入到2.0时代,教育智能化受到了国家的高度重视,以人工智能、大数据、物联网等新兴技术为基础,推动新技术支持下教育的模式变革和生态重构是对教育发展的新要求。国际人工智能与教育大会等相关会议的召开,使得各个领域学者的观点产生了多方面的碰撞与融合,形成了百家争鸣的局面。2020年为持续发展时期,年发文量突破了500篇,但是增长速度较前两年略有下降,主要原因可能是突如其来的新冠病毒肺炎疫情让更多的专家学者转而关注在线教育、远程教育以及后疫情时期的教育发展策略。

图 1 年发文量分布图

(二) 作者、机构研究情况分析

为进一步探究人工智能教育领域的发文作者以及研究机构的详细情况和各自的合作关系,本研究利用CiteSpace绘制了作者合作图谱和机构合作图谱,分别如图2、图3所示。

在图2所示的作者合作图谱中,节点大小代表该作者的发文量,节点之间的连线代表作者之间的合作关系,连线的颜色代表作者首次合作的时间,粗细代表作者合作发文量的大小。本研究分析得到节点323个,节点连线254条,其中仅显示最大的前10个合作关系。图中可以看出,最复杂的合作网络是以黄荣怀和曾海军为中心的合作网络。黄荣怀教授是北京师范大学互联网教育智能技术及应用国家工程实验室主任,曾海军教授任北京师范大学智慧学习研究院副院长。两位专家主要的合作领域为教育机器人以及智能学习环境。华东师范大学教授、兼任教育部教师工作司司长的任友群是发文量较多的专家之一,他和同机构的专家万昆、冯仰存以及江苏师范大学的专家郑旭东有一定合作。国际知名远程教育专家、汕头开放大学肖俊洪教授与外国专家学者合作密切,主要研究领域为开放教育以及高等教育。

图中网络的密度为0.0049,合作水平不高,并且多数为专家学者之间的合作,表明人工智能教育还处在研究和发展的阶段,并未真正深入到课堂实践当中,人工智能和教育的深度融合将是未来一段时间内重要的发展方向。

基于对1505篇文献作者所属机构的统计,得到图3所示的机构合作图谱,图中节点数共有288个,网络连线有188条。节点大小代表该机构的发文量,节点之间的连线的颜色代表机构首次合作的时间,人工智能教育相关研究发文总量位居前六的机构分别是西南大学教育学部、天津大学教育学院、北京师范大学教育学部、华东师范大学教育学部、北京师范大学智慧学习研究院以及华东师范大学教育信息技术学系。这些机构主要为高校的信息技术学院以及教育学院等院系,这说明人工智能教育相关的研究主要集中在高校,特别是师范院校展开,大学在人工智能教育领域的研究和发展方面具有引领作用。另外讯飞教育技术研究院、科大讯飞股份有限公司等机构也有相关论文产出,由此可见一些人工智能相关企业对人工智能在教育领域的应用也具有较高关注度,这些机构在人工智能教育产品的研究与开发方面将会发挥重要作用。

从机构合作网络图中可以看出,发文量最多的六所机构和其他众多科研机构构成了图中最复杂的合作网络,从连线的颜色分布可以发现多数机构在近两年形成了一定的合作关系,这也将是未来人工智能教育领域的发展趋势,各个机构之间将取得更加紧密的联系,构成一个或多个具有凝聚力的研究群体。

图 2 作者合作图谱

图 3 机构合作图谱

(三) 关键词与研究热点分析

关键词是从文章标题、摘要或者正文中提取出来的对表述文章中心内容有实际意义的词汇。通过对关键词的分析,可以在一定程度上把握某一领域的研究热点与研究现状。本研究用CiteSpace对收集到的人工智能教育领域一千多篇文献进行关键词的共现、聚类等可视化分析。在进行分析之前,将关键词中的同义词、近义词进行合并(例如:将关键词aied合并入人工智能教育),使分析结果更加具有可信度。

1.关键词共现分析

节点类型选择Keyword,网络裁剪方式选择寻径法( PathFinder)进行图谱绘制,得到如图4所示的关键词共现图谱,图中有449个节点,596条网络连线。为了突出重点,本研究将关键词中频度大于等于13的节点进行标签显示。

图4 关键词共现图谱

在关键词共现图谱中,节点大小代表关键词频度,节点越大表明该关键词在文献中出现的频次越高。图中可以看出,2010-2020年在人工智能教育领域文献中关键词频度较高的有人工智能、大数据、人工智能时代、智能教育、深度学习、人才培养、教育信息化等,这些领域都是专家学者较为关注的研究热点。其次图中还可以看出人工智能、人工智能教育、教育信息化、人才培养、教育技术、教学改革、地平线报告等关键词的年轮最外圈为紫色,表明这些关键词都具有很高的中介中心性[6]。中介中心性高的节点对其他节点之间的联系起到控制作用,反映了其在整个网络中的重要地位[6]。在对图4进行宏观分析的基础上,本研究对关键词的频次及中介中心性进行了定量统计分析,具体数据如表1所示。

表1 关键词频度和中心性统计表

表中分别统计了频次和中介中心性最高的前10个关键词,可以看出人工智能、人才培养、教育信息化不仅有较高的频次,还有较高的中介中心性,表明这三个方面在人工智能教育领域研究中的热度和主题性均很高,是领域内的研究重点。在高频关键词中,人工智能时代是人工智能的上位词。深度学习是人工智能领域的一个重要分支,而大数据是人工智能技术的基础,三者有密不可分的联系。智能教育是智慧教育创新发展行动的途径,而人工智能教育是智慧教育的一种新模式。职业教育和高等教育是人工智能应用于教育这一研究的重要领域。在高中心性关键词中,地平线报告的中介中心性高达0.50,在网络中处于最重要的地位。《地平线报告》由新媒体联盟发表的,通过Delphi迭代研究方法,最终确定出未来一到五年之间,可能在教育中普及应用并成为主流的六项新兴技术的研究报告,长期以来在教育领域改革和发展中起着重要作用,未来也将是引领人工智能教育发展的重要刊物。

2.关键词聚类分析

为更好把握人工智能教育领域的热点主题,以关键词共现图谱为基础,利用CiteSpace将关键词进行聚类,聚类算法采用LLR算法,并显示最大的前8个类别,得到如图5所示的关键词聚类图谱。

聚类网络的模块值(Q值)为0.8905,大于0.3,表明聚类社团结构显著,平均轮廓值(S值)为0.9607,大于0.7,表明聚类是高效率且令人信服的[5]。图中的聚类从大到小依次为人工智能、高等教育、教育人工智能、个性化教育、教学改革、媒体融合、人工智能技术以及教育大数据。考虑到人工智能、教育人工智能为本研究的研究主题和对象,不作为研究热点主题进行分析,因此将剩余六个主要聚类归纳为人工智能教育的技术支持、人工智能促进教学改革以及人工智能促进个性化教育。

图 5 关键词聚类图

图 6 关键词时序图谱

人工智能教育的技术支持包括“#媒体融合”“#6人工智能技术”和“#7教育大数据”。这类热点主题主要的研究内容是如何将深度学习、5G、智能机器人等技术更好地应用于教育教学领域。所涉及的领域包括:媒体融合背景下教育发展问题、利用普适计算和虚拟现实技术构建智慧学习环境、智能代理等技术支持在线学习、通过大数据的收集和分析建立智能化的管理系统、教育机器人在学生的学习过程中进行动态评价和反馈、利用教育大数据分析教育教学潜在问题等诸多方面。

人工智能促进教学改革包括“#1高等教育”和“#4教育改革”。《新一代人工智能发展规划》指出,要将人工智能技术应用于教学、管理和学习资源建设等方面[7],推进人才培养模式和教学方法改革,构建中国特色社会主义新时代的教育体系。人工智能在学习环境、学习方式、教学方式、教学管理、教学评价等方面都产生了深刻影响。随着创新驱动发展的国家战略的提出,大规模高素质创新人才的培养对高等教育和职业教育提出了新的要求。人工智能如何促进高等教育改革,促进教育公平,促进教育个性化与规模化也是学界研究的重点问题。

人工智能促进个性化教育即“#3个性化教育”。个性化学习一直是教育改革发展的核心目标,从“因材施教”理念的提出到“差异化教学”“精准教学”模式的探索[8],无不体现着对个性化学习的追求,而传统教学的班级授课制和有限的技术支持难以满足个性化学习的要求。在人工智能时代,智能识别技术为精准识别学习者的个性化特征提供了有力的技术支撑[8]。数据挖掘与学习分析、智能推荐、情感计算等技术可以为学习者设置不同的学习目标,并且提供个性化内容推荐和学习评估。人工智能技术在在线学习领域已经得到了广泛应用,未来也仍将助力个性化教育系统的构建。

3.关键词时序分析

将CiteSpace的视图(Visualization)模式由Cluster View 更改为TimeZone View,得到关键词时区图谱如图6所示。时区视图侧重于从时间维度表示研究的演进,某一时区文献越多,说明该领域处于繁荣时期,相反,则处于低谷期。对时区视图分析,可以快速分析研究趋势和研究前沿[5]。通过分析时序图,可以将2010-2020年人工智能领域的研究情况分为四个阶段,分别是2010-2012年、2013-2014年、2015-2016年以及2017-2020年。

根据图6可以看出,2010-2012年为人工智能教育的起步阶段,核心的关键词为人工智能、教育信息化、信息技术,这三个词在2018-2020年仍然作为关键词出现,说明这些领域是人工智能教育研究的基础与重心。通过对其他关键词和相关论文的研究发现,这一阶段机器人在辅助教学中的作用也是一大研究热点,教学改革开始成为一个独立的研究主题。起步阶段的研究主要以理论研究和国外人工智能教育应用的热点为主。

2013-2014年人工智能教育出现了短暂的低谷期,这一阶段关键词较少,研究从理论的分析转到了对学习过程的分析,利用数据挖掘和建模技术增强学生对教与学的理解,并为其提供有效的个性化教育。人才培养和教育改革也是主要的研究主题。这一阶段还处在人工智能教育从理论到实践的探索与过渡阶段,没有形成一定的研究热点。

从2015-2016年的研究趋势可以看出,这一时期人工智能教育的研究方向开始逐渐转向人工智能技术在教育领域的应用,出现了深度学习、机器学习、自然语言处理、大数据分析等技术和在线学习、“慕课”等概念,充分表明了专家学者对人工智能+教育有了更深层次的理解,并将人工智能技术根据具体情况灵活运用于教育的各个领域。

2017年人工智能教育的研究有了一个跳跃式的增长,之后2018-2020年研究态势趋于平稳。从2017-2020年的变化可以看出该领域研究的内容更加细化,包括智能教育、职业教育、高等教育、自适应学习、区块链、人机协同、信息素养、智慧校园等多个研究热点。不管是从理论还是应用都较之前更加成熟,未来人工智能教育的发展将更加细化全面,充分改进与创新,促进教育信息化与教学的个性化发展。

四 结语

本研究通过使用CiteSpace以及Excel办公软件对人工智能教育领域2010-2020年相关文献进行了可视化分析和研究,得到如下结论:

(1)通过对年发文量的分析发现,人工智能教育的相关研究正处在快速发展的阶段,并且趋势较为稳定。我国已充分认识到人工智能与教育融合发展的重要性,在近三年颁布了多份发展智能教育的相关文件,可以认为在未来较长一段时间人工智能教育仍然是教育领域一大研究热点。

(2)通过对作者和机构的研究情况分析发现,人工智能教育的研究机构多为高校的教育学院、教育技术学院以及智慧教育研究中心等,而发文较多和具有影响力作者也多为这些机构的专家教授。作者和机构之间有一定的合作关系,但是有一定规模的合作网络仅有一到两个。随着人工智能与教育的深度融合,人工智能教育产品的开发、人工智能技术在学校教育中的应用都会受到广泛关注,高校与中小学和人工智能企业的合作将更加密切。

(3)通过对关键词的分析发现,人工智能相关技术、教育信息化和教育改革是人工智能教育领域的研究热点和不变的主题,这点在关键词共现、聚类和时序中均有体现。未来人工智能教育的发展趋势有以下两点:

①数据驱动的人工智能将引领教育信息化发展的新方向。教育大数据可以解释教育现象、揭示教育领域潜在的发展规律并且预测未来的发展趋势,而智能技术将数据进行分析和利用,使人工智能教育从经验主义走向了实用主义。

②教育信息化推动教学改革。随着教育信息化2.0时代的到来,教育学习环境的构建、教学资源的开发、教育过程的优化、学生的信息素养的提高等方面都将产生系统性变化。人工智能技术在促进教育公平和个性化的同时,也将促进教育的深刻变革。

猜你喜欢

教育领域发文图谱
七部门联合发文 进一步完善和落实积极生育支持措施
基于图对比注意力网络的知识图谱补全
图表
校园拾趣
爷孙趣事
以牙还牙
基于文献计量的数据素养及其教育领域研究态势分析
主动对接你思维的知识图谱
江江西率先突破高考、教师交流、民办教育深化综合改革
反差——阿伦德