我国人工智能教育研究热点与趋势探析

2021-05-23夏颃淇杜璇王嘉妮

中国教育技术装备 2021年7期

夏颃淇杜璇王嘉妮

摘要人工智能在教育领域的应用，为我国教育带来深刻变革。借助可视化知识图谱软件CiteSpaceⅤ，以CNKI数据库为数据来源，对我国人工智能教育研究领域2010—2019年的核心期刊文献进行可视化分析，绘制该领域的发文作者、研究机构、关键词知识图谱，探测该领域的演进路径和研究热点。研究表明，我国人工智能教育经历了起步、探索时期，现正处于繁荣创新时期，近几年的研究热点主要包括智慧教育、机器人教育、计算思维培养、未来教育等。现阶段的研究存在研究力量分散、安全与伦理知识薄弱、师资大量缺乏等问题。未来的研究应以促进教育公平和人工智能安全与伦理为主，同时增强学者之间的合作研究，培养专业师资，探寻人工智能教育公平化、本土化的落实策略。

关键词人工智能教育;CiteSpaceⅤ;可视化分析;教育信息化

中图分类号：G423.04 文献标识码：B

文章编号：1671-489X（2021）07-0071-05

0 概述

1956年，在美國达特茅斯学院举办的夏季学术研讨会中首次提出人工智能概念。在本次研讨会中，John Mc Carthy

提出人工智能（Artificial Intelligence，AI）的具体概念，随后被人们广泛应用，借助大数据、云计算与深度学习，人工智能实现突破式发展[1]。

20世纪80年代，钱学森等学者主张开展人工智能领域的研究[2]，人工智能这一概念首次被我国学者提及。2014年习近平总书记在中科院院士大会上的重要讲话和2015年李克强总理的政府工作报告，都对人工智能给予高度评价。随着教育改革的不断深化，科学技术以及互联网技术的不断增强，我国逐渐将人工智能引入教育领域。2018年4月发布的《教育信息化2.0行动计划》[3]强调要积极发展智能教育，围绕学习者展开智能化教学系统的构建，将人工智能实际应用到教学管理活动中，充分利用智能化技术，不断推动人才培养模式、教育方式改革，积极地进行创新。2019年8月，联合国教科文组织面向国际发布了人工智能与教育大会成果性文件《北京共识——人工智能与教育》[4]，其中明确强调：将人工智能与教育系统积极地进行融合，不断地进行创新，采用全新的教学与学习模式，充分发挥人工智能的优势，构建高度灵活开放的教育体系，保证社会大众能够享受优质的终身学习。

近年来，国家不断出台对人工智能发展的引导和支持政策，可见我国对人工智能教育的重视程度，这对我国开展人工智能教育研究起到重要推动作用。通过知识图谱分析，探索我国近十年人工智能教育研究的热点主题和前沿，有利于把握该领域发展趋势，为人工智能教育领域的研究提供参考。

1 研究设计

样本来源为了比较精确地反映我国人工智能教育领域的研究核心，此次研究将CNKI学术期刊中有关我国人工智能教育的核心期刊作为数据的来源，选择特定主题，检索有关文献，同时用“AI”或“教学”等近义词代替以避免检索缺漏，检索日期为2010-01-01—2019-12-31，共获得文献703篇，对检索结果去重、整理，剔除会议、通知、新闻等无效数据，共得到有效文献643篇。

数据处理首先需要将CNKI导出的RefWorks格式数据利用CiteSpaceⅤ自带的数据转换器转换成可处理文档数据，设置时间跨度为一年，本文研究年段为2010—2019年共计10年，即10个时间切片。结点类型设置为Author（作者）、Institution（机构）与Keyword（关键词）选项，获取本研究范围内各作者与机构合作知识图谱，同时得到关键词知识图谱，对相关的内容作出解读并归纳总结，分析我国2010—2019年人工智能教育领域的研究演进、当前状况以及未来趋势。

2 研究结果与分析

发文数量分析此次研究总共用到643篇研究文献，以发表时间为线索进行整理，绘制得到每年发表文章数量趋势图，如图1所示。由图1可发现，2010—2016年，我国对人工智能教育相关的研究一直处于初探阶段，每年发文量变化不大，整体发展平稳且缓慢。从2017年起，研究热度逐年上升，与2016年相比，文献量几乎翻番增长。而2018—2019年，发文量急剧上升，可见这两年间人工智能教育在我国的发展呈现火热趋势，受到学者的广泛关注。

发文机构及作者分析运行CiteSpace，把节点类型设置为机构，时间跨度调整为一年，节点的强度默认Cosine（余弦函数）和Within slices（时间切片内），并且阈值top N=50，挑选路径算法（pathfinder），并修剪合并网络（pruning the merged networks）与修剪片层网络（pruning sliced networks），其他参数默认，得到节点数为236、连线数为109、密度为0.003 9的研究机构共现知识图谱，如图2所示。图谱中呈现了发文量至少为四篇的机构。通过观察可以发现，天津大学教育学院、北京师范大学教育学部、华东师范大学教育信息技术学系和北京师范大学智慧学习研究院的节点较大，由此说明这四所机构的发文量较多，对人工智能教育的研究关注较大，科研能力较强。由节点年轮颜色变化可以看出，最早对此领域有研究的机构是西北师范大学教育技术学院。综观全图，除华东师范大学教育信息技术学系外，节点与节点之间连接普遍较少，多数节点独立存在，说明华东师范大学教育信息技术学系在我国人工智能教育领域的合作研究较为积极，其他机构与机构之间的合作少之又少，均以独立研究为主。

将节点类型设置为作者，其他参数设置同上，得到节点数为286、连线数为194、密度为0.004 8的研究作者共现知识图谱，如图3所示。图谱中呈现了发文量至少为三篇的作者，节点越大的作者发文量越多，分别是任友群（七篇）、杜静（五篇）、黄荣怀（四篇）、刘邦奇（四篇）等。除黄荣怀、杜静两位作者的节点有少量连线外，其他作者多数以独立节点存在，同时通过知识图谱密度0.004 8可以看出，研究作者共现知识图谱结构松散。以上表明我国学者在人工智能教育领域的研究相对落后，缺乏足够的合作意识，因此在后续的研究与分析过程当中要注重这些问题，积极地作出改变与调整。

关键词分析研究热点能够呈现出某个研究领域的核心与未来趋势，对于全面而系统地了解本领域内相关内容至关重要。在文章当中，关键词是整篇文章的提炼，如果关键词出现的频率比较高，也就是说明其为研究的焦点[5]。

把节点类型调整为关键词，剩下的参数调整为机构参数，通过运行获取362个节点和562条连线。首先去除基本关键词“人工智能”“学习”，选择节点形状为圆形（circle），使节点以年轮样式显示，得到高频关键词共现知识图谱，如图4所示。图4中显示共有19个热点关键词，其中节点越大的关键词出现的频率越高，因此，“智慧教育”“智能教育”“教育信息化”等词被提及讨论的频率最高。从年轮颜色变化可以发现，较早出现的研究热点是“机器人”“计算思维”。

在具体研究与分析时，采用对数似然率算法（Log-Like-

lihood Rate，LLR）展开，进而得到相应的研究名称，最终获取如图5所示的关键词聚类知识图谱。设置参数按照大小顯示前10个聚类。

以上述研究为前提，在ClusterExplorer中进行相应操作，获取表1所示内容。针对所有的关键词作出分类与整理，结果表明，不同的聚类研究内容出现交叉。在这种情况下，把国内人工智能教育的研究与分析总结为“人工智能教育理论”“人工智能教育应用”“人工智能教育技术支持”等相关领域，具体情况如下。

1）人工智能教育理论。该项理论的研究多以“人工智能+教育”为核心延伸出“智慧教育”“教育人工智能”“信息技术”等相关教育理论分支，都是在人工智能与教育融合的基础之上进行研究探索，是传统教育面对人工智能时代的调整与回应。而学生模型指的是通过记录学生的基本信息、认知水平、学习风格和学习内容，为学生提供个性化学习指导。

2）人工智能教育应用。核心的关键词有机器人或者智能导师系统。众所周知，机器人为人工智能与教育融合的主要代表之一，在中小学信息技术课程和高校竞赛中被广泛使用。2016年10月21日，刘延东副总理出席了全球机器人大会开幕式，并且发表重要讲话，指出：“伴随着机器人技术的飞速发展，对于智能化生产、改善生产效率、创造经济收入等具有极其重要的意义，因此要积极地进行创新与改革，推动该项产业快速发展，打造智能互惠共赢的现代社会。”[6]另一个应用的核心代表是“智能导师系统”，人工智能能够模拟人类能力和智慧行为，其应用于教育领域，便可以作为智能导师模仿真人教师与学生互动，实现一对一的个性化教学，是人工智能教育应用的产物之一。

3）人工智能教育技术支持。人工智能教育技术支持主要体现在“网络学习空间”“数据可视化”上。教育应用和教育技术支持是息息相关的，因为在大数据、云计算和深度学习这三大核心驱动力的支持下，人工智能不仅可以作为学习环境来提供新型学习方式，也可以作为技术工具来支持学习过程，教育应用正常使用的前提必然是良好技术的支持。“网络学习空间”是在人工智能技术的支持下，跨越时空界限，平衡教育资源分配，逐步实现“一人一空间”网络学习状态，是促进教育公平的途径之一。而“数据可视化”则需要人工智能大数据的核心特征，将学生的学习状态、知识水平以图表的形式直观地呈现，是学生自评、教师评价的参考。

研究趋势演进分析突现词作为某一时间段内突然被频繁提及、讨论的关键词，可以用来反映某一时间段内的研究趋势。在控制面板中选择Burstness，调整最小周期为一年，得到如图6所示的关键词突现知识图谱。通过观察可以发现，“教学方法”“实验教学”“计算思维”“机器人”等词的突现年份最早，是人工智能教育探索的最初领域，其中“机器人”一词突现持续的时间最长，是2011—2016年持续受到关注的话题。2014—2017年，接连突现的关键词有“慕课”“教学改革”“网络学习空间”，而2018—2019年突现的关键词主要有“学习分析”“个性化教育”“教育信息化2.0”。因此，可以把我国人工智能教育研究划分为不同的时期，具体包含起步时期、探索时期、繁荣创新时期。

1）起步时期（20世纪80年代—2015年）。20世纪80年代初，钱学森等主张开展人工智能领域的研究，但是受批判主义的影响，人工智能早期在我国的发展非常艰难;1981年，中国人工智能学会[7]正式成立;1984年，邓小平指示“计算机普及要从娃娃抓起”：这一系列事件标志着我国人工智能教育开始缓慢发展。然而与人工智能的相关技术发展对比，表现出很强的滞后性，也就是说应用相对落后。根源在于人工智能的技术比较复杂，相关的从业人员必须具备相关的专业知识与技能，才能够发挥其功能，但是掌握专业知识与技能的人才，往往理论基础匮乏[8]，所以从我国学者提出人工智能到其在教育领域出现，经历了近30年的时间。起步时期的人工智能教育主要探究“教育方法”“实验教学”等概念，为教学而设计的智能教学系统还不多[9]，人工智能教育理论也不够成熟，因此，这一时期的文献以尝试、摸索为主。

2）探索时期（2016—2017年）。探索时期的人工智能教育概念是面向全体的、大众的。慕课、网络学习空间等概念都开始尝试融合人工智能来更新平台功能建设，这一类学习平台也从数字化转变为数据化[10]，朝着“智慧学习空间”的方向发展。探索时期的人工智能教育跨越了正式学习与非正式学习的鸿沟，让不同需求的学习者都能通过大数据获得个性化学习内容，体现出普遍化、大众化的特点。

3）繁荣创新时期（2018年至今）。据不完全统计，截至2018年，我国各地区就已推出十几种与中小学人工智能相关的课程、教程或教材[11]。从2018年起，大量研究不断涌现，人工智能教育的研究已经进入白热化，在教育信息化2.0的背景下，“个性化教育”“学习分析”等研究热点被研究学者广泛讨论。这一阶段的研究更趋向于针对个体的学习，强调一对一的学习模式，解锁教育新形态。

3 研究结论与反思

本研究借助CiteSpaceⅤ软件，对近十年中国知网中有关我国人工智能教育的核心期刊进行可视化分析和研究，通过对知识图谱的解读以及对关键文献详细梳理后得出以下结论与反思。

1）从发文量可以看出，从2017年起，我国该研究领域发文量激增，说明人工智能教育已经引起我国学者的广泛关注，“人工智能+教育”“教育人工智能”等核心热词的出现，正将该领域的研究推向高潮。

2）从发文作者和发文机构来看，无论是作者之间，还是机构之间，并无密切的合作研究经历，大多数作者与机构仍是以单独研究为主，个人的研究主题也相对单一，说明我国学者目前的合作意识不强。另外，学者与机构多数来自高校，极少数来自中小学，因此，研究以理论和政策解读为主。笔者认为，目前我国人工智能教育的发展真正需要的是推进办法与落实策略。如何让人工智能教育成体系、本土化，应是未来几年的研究热点之一。

3）从研究热点及趋势来看，我国人工智能教育主要是围绕机器人教育、计算思维培养、智慧教育等话题进行研究。经过研读文献发现，除中小学和高校相关专业进行人工智能教育以外，高等职业教育、新闻、口译、医学等领域也踊跃尝试“人工智能+教育”的模式来进行人才培养，但目前人工智能教育领域的伦理机制还没有得到很好的回答[12]，忽视了对学生安全与伦理方面的教育。另外，在师资方面，虽然自2017年起已经有了“AI教师”“双师课堂”[13]等概念，但如何培养人工智能教育领域的优秀师资，如何让AI教师在辅助教师、丰富教学过程的同时，不替代教师的角色，也是当下应该考虑的问题。

总之，今后研究应以重塑教育结构[14]和促进教育公平为目标，探寻人工智能教育成体系、本土化的推进策略，培养学生人工智能安全与伦理意识，关注学生情感态度价值观的发展，培养人工智能教育复合型人才，保证教育信息化的稳步推行，促进我国人工智能教育蓬勃发展。■

参考文献

[1]梁迎丽，刘陈.人工智能教育应用的现状分析、典型特征与发展趋势[J].中国电化教育，2018（3）：24-30.

[2]李月白，江晓原.钱学森与20世纪80年代的人工智能热[J].西安交通大学学报（社会科学版），2019（6）：24-29.

[3]教育部关于印发《教育信息化2.0行动计划》的通知[A/OL].（2018-04-18）[2020-05-02].http：//www.moe.gov.cn/srcsite/A16/s3342/201804/t20180425_334188.html.

[4]联合国教科文组织正式发布国际人工智能与教育大会成果文件《北京共识——人工智能与教育》[EB/OL].（2019-08-

28）[2020-05-02].http：//www.moe.gov.cn/jyb_xwfb/gzdt_

gzdt/s5987/201908/t20190828_396185.html.

[5]林德明，陳超美，刘则渊.共被引网络中介中心性的Zipf-Pareto分布研究[J].情报学报，2011（1）：76-82.

[6]刘延东出席2016世界机器人大会开幕式并致辞[EB/OL].

（2016-10-20）[2020-05-02].http：//www.gov.cn/xinwen/

2016-10/20/content_5122305.htm.