国内人工智能教育研究现状分析

摘  要 为了从不同层面分析国内人工智能教育的研究现状，基于陈超美教授开发的CiteSpace可视化软件，对国内以人工智能教育为主题的论文的发文量、发文机构与作者共现、关键词频次列表以及演化知识图谱等进行可视化分析，期待得出近年来的研究热点、发展趋势等，为相关研究学者提供一些帮助。

关键词 人工智能教育;人工智能;CiteSpace;知识图谱

中图分类号：G434    文献标识码：B

文章编号：1671-489X（2021）06-0015-04

0 引言

近年来，大数据、云计算、人工智能、“互联网+教育”不断冲击着传统教育，数字化校园已逐渐向智慧校园转型，智慧课堂、双师课堂越来越多地被提及。早在十几年前，计算机辅助教学已真正意义上走进课堂，现在大数据爆发的时代，人工智能教育更是当今热词。邓琳碧等[1]指出，2018年我国96.7%的中小学校实现网络接入，多媒体教室普及率达到92.3%，优质教育资源日益丰富。对人工智能教育的定义，吴永和等[2]在《构筑“人工智能+教育”的生态系统》一文中指出，人工智能教育基于人工智能技术，其特征主要体现在创新驱动、重塑结构等六个方面。文章对人工智能教育广义的理解就是其应用于教育领域，提供更深度的教育教学资源，从一定程度上全面提升教学效率，提供个性化教学，促进学生的个性化发展。

目前教育领域研究学者及专家对人工智能教育的研究层出不穷，但大多局限于对人工智能教育的发展之路、时代变革、国内研究现状与研究热点等的论述。纵观国内学术研究形式，研究学者更多只是通过阅读几十篇重要论文以点带面地完成对整个领域的分析，存在大多没有数据、缺少数量支持、内容不够具体、主观判断明显等问题。本文创新之处在于借助于外部工具，即Cite-Space软件，以知识图谱的形式对国内人工智能教育研究进行可视化分析，多层面地了解国内人工智能教育的发展。

1 数据来源及研究方法与工具

本文以中国知网为数据来源，为进一步检索以人工智能教育为主题的文献，通过高级搜索，检索条件设置为：主题“人工智能教育”且关键词设置为“人工智能”，来源类别选择核心期刊与CSSCI，检索到目前为止的全部期刊论文。在此条件下共检索出475篇文献，剔除重复刊载、会议论文及不相干论文，有效篇数为461篇。文献下载时间为2020年9月。

本文主要基于CiteSpace對国内相关文献进行内容分析。CiteSpace是陈超美教授使用Java语言开发的，是在科学计量学、数据可视化背景下逐渐发展起来的一款引文可视化分析软件。本文一方面选取“Author”和“Institu-

tion”作为节点，对发文机构和发文作者进行可视化分析;另一方面选取关键词作为节点，设定合适的阈值，得到关于“人工智能教育”的高频关键词共现可视化图谱，借助Excel，通过对关键词进行计量统计和演化图谱分析，在一定程度上揭示国内人工智能教育研究的热点领域以及发展阶段。

2 国内研究知识图谱分析

国内文献发文量分析  根据图1所示国内文献发文量进行分析。

1）国内在1990—2000年间，基本没有与人工智能教育主题相关的文献，说明20世纪90年代人工智能教育仍处于发展萌芽阶段，国内还没有很多研究专家对此有深入的研究。

2）2016—2019年文献发文量呈指数形式增长，此阶段人工智能教育在国内进入发展阶段，这与我国近几年人工智能领域的快速发展是息息相关的。其中，2017年，国务院发布《新一代人工智能发展规划》[3]，提出“实施全民智能教育项目”;2018年，教育部发布《高等学校人工智能创新行动计划》;等等。这些政策文件促进了人工智能教育的深入研究和应用推广，可见某一领域的盛行发展离不开国家政策与技术的双轮驱动。

3）2019年至今，文献量出现下滑趋势，结合实际情况，由于新冠肺炎疫情的暴发，人们正在经历特殊的一年，无疑对教育的影响也是巨大的，但人工智能教育的发展是呈整体上升趋势的。

核心机构与作者共现分析  以CiteSpace为软件分析工具，节点类型选择“Author”和“Institution”两个节点，生成共现知识图谱，如图2所示。对图2进行可视化分析，字体颜色越深，表示中心性越强，该作者和机构发表论文数量越多，越具有人工智能教育领域代表性。构成网络形状的不同节点名表示该节点与网络形状内的节点有合作。

从图2可以看到：国内以人工智能教育为主题的论文发表机构主要集中在北京师范大学、华东师范大学、东北师范大学、陕西师范大学及首都师范大学等，而论文发表作者大多也是来自上述主要发文机构的人员，有张剑平、王万森、黄荣怀、贾积有等。不难发现对该主题的研究院校大多集中在高等师范学校，且院校间的网络形状构成不多，说明各个研究学院之间没有形成系统的跨校合作，学科交叉性不强。

关键词频次列表+关键词聚类图分析  文章在Cite-Space生成关键词知识图谱的基础上，对频次八次以上的关键词进行统计分析，生成关键词列表，如表1所示。

从频次上看，因为检索条件，去掉人工智能的最大频次，关键词频次在15次以上的有智慧教育、智能教育、高等教育、深度学习等，均是当前人工智能教育领域广大研究学者趋向于研究的热点。其中，智能教育是智慧教育的实践路径，智慧教育对智能教育具有导向作用。智能教育根据发展阶段包含三个内涵：智能技术支持的教育、学习智能技术的教育和促进智能发展的教育[4]。当前发展阶段正处于并将长期处于三阶段并行发展的时期，实现教育与人工智能的真正融合发展。

此外，基于人工智能技术的机器学习、深度学习的研究已在教育应用领域扮演重要角色。其中，余明华等[5]通过对机器学习的作用对象、作用过程等方面的分析，探讨机器学习和智慧教育的适切性，说明人工智能与智慧教育引领教育教学的创新，已经成为教育信息化发展的必然趋势。高伟等[6]也指出人工智能应用于教育的关键技术，包含大数据、知识图谱、机器学习等。

频次在10次以下的关键词比如个性化学习、学习分析等，一直是研究的核心价值所在，不容忽视。

演化图谱分析  本文在关键词聚类的基础上选择Time-Zone生成演化图谱，归类性地调整相关节点后进行分析，如图3所示。人工智能教育的发展大体分为三个阶段。

第一阶段为萌芽阶段，人工智能于教育的应用集中于远程教育，促进了教育技术理论指导下的远程教育的发展。1998年，梁焱遂等[7]指出，基于计算机网络技术和人工智能的远程教育系统已经成为发展重点。

第二阶段为发展阶段，机器人的出现促进了教育教学多渠道发展。在中国知网上以机器人教育为主题词进行检索，被引最多的是2006年张剑平等[8]的《机器人教育：现状、问题与推进策略》。该文指出，教育机器人是一种十分典型的数字化益智玩具，能够以不同角度、多样的形式发挥其教育功能，达到寓教于乐的目的。

第三阶段为广度发展阶段，该阶段研究学者对人工智能教育的应用研究朝着多层次发展，经加工处理，大致分为三个方面：一是在人工智能时代，基于智能教育和智慧教育的教育变革;二是基于人才培养，更多的研究趋向于教育的定向发展阶段，包括未来教育、高等教育、职业教育、思想政治教育等的发展;三是智能化的发展研究，即在大数据的驱动下，为更好地服务于个性化学习和学习分析等，更多地依赖于计算机应用的机器学习和深度学习的人工智能技术的研究发展。

3 结论与启示

1）从发文量上看，国内研究虽晚，但近几年基于国内形势发展，发展速度迅猛，论文量呈指数形式增长，该领域学者成果颇丰。近一年虽发文量有下降趋势，但疫情期间“停课不停学”等政策举措的实施，使在线教学顺利推行，无疑在为后续的研究发展积蓄力量。

2）分析关键词聚类图谱，当前国内研究热点聚焦于教育大数据、机器学习、深度学习、个性化学习等。基于教育大数据，利用机器学习、深度学习等人工智能技术进行个性化的学习分析等将在很长时间内成为研究的热点。

3）结合发文机构及发文作者，可知人工智能教育的研究机构和人员大多集中于高等师范院校及这些院校的教师，交叉性以及跨学科性不强。各个研究院校应该突破地域限制，加强跨校区合作的沟通交流。

4）结合timeline时区图，纵观国内人工智能教育的发展研究阶段，人工智能应用于教育的发展不是一蹴而就的，前期的研究奠定了很强的研究基础;未来随着人工智能技术的不断发展和应用，其与教育领域的融合定会不断推动教育创新，更个性化地促进教与学。技术时代的受益者应该紧跟教育领域的发展步伐，不断学习人工智能教育相关的新知识，促进教育进一步发展。

尽管人工智能教育的发展已成为当前教育阶段的研究热点，但与此同时也存在很多需要改进的方面。杨现民等[9]指出，教育数据的数量与质量存在短板，教育业务复杂多样，教育用户对人工智能技术存在应用价值和角色关系上的双重困惑，专业教师队伍与课程体系缺乏等，都是客观存在的问题，都亟待解决，同时是今后研究中的关注点。

参考文献

[1]邓琳碧，陈昂，啜宁.人工智能教育的发展现状与态势分析[J].信息通信技术与政策，2019（06）：26-28.

[2]吴永和，刘博文，马晓玲.构筑“人工智能+教育”的生态系统[J].远程教育杂志，2017，35（05）：27-39.

[3]国务院.新一代人工智能发展规划[A/OL].（2017-07-20）[2020-08-20].http：//www.gov.cn/xinwen/2017-07/20/content_5212064.htm.

[4]祝智庭，彭红超，雷云鹤.智能教育：智慧教育的實践路径[J].开放教育研究，2018，24（04）：13-24+42.

[5]余明华，冯翔，祝智庭.人工智能视域下机器学习的教育应用与创新探索[J].远程教育杂志，2017，35（3）：11-21.

[6]高伟，刘苗苗.人工智能时代教育人工智能研究与应用现状、问题及对策[J].软件导刊，2020，19（01）：59-63.

[7]梁焱遂，韩正之.多媒体远程教育系统[J].电子技术，1998（11）：3-5.

[8]张剑平，王益.机器人教育：现状、问题与推进策略[J].中国电化教育，2006（12）：65-68.

[9]杨现民，张昊，郭利明，等.教育人工智能的发展难题与突破路径[J].现代远程教育研究，2018（3）：30-38.

*基金项目：北京市2020年度首都师范大学实验室开放基金“学生课题”申报项目“基于文献数据的教育技术论文题目和关键词数据挖掘”（基金编号：018-2055160）。

作者：姜亚亭，首都师范大学教育学院硕士研究生，研究方向为教育信息化绩效技术（100000）。