人工智能在教育领域的研究热点及趋势分析

廖家利，陈 敏

(重庆师范大学智慧教育研究院，重庆 401331)

引言

人工智能是计算机科学的一个分支，主要研究模仿和扩展人类智能的相关理论和实现技术。随着人工智能时代的到来，人类的生产、生活和学习方式也将随之发生变化。教育要明确未来人才培养的目标，注重培养个人终身发展和未来社会发展所需的正确价值观、基本品质和关键能力。目前人工智能在教育领域的相关应用研究尚处于初步阶段，人工智能和教育的融合面临着社会—教育系统发展质量不充分、基础理论研究较薄弱和实践应用领域不均衡三大困境[1]，因此亟需对我国人工智能教育领域的研究热点及发展趋势进行梳理。本研究运用CiteSpace对中国知网数据库(CNKI)人工智能技术在教育领域的相关研究文献进行分析，以期为人工智能在教育中的应用提供参考和借鉴。

一、研究方法

(一)数据采集

本研究以CNKI核心合集为数据来源，用可视化的方法来分析国内人工智能教育领域中的应用。以“人工智能+教育”“AI+教育”为主题词，截至2021年9月1日在CNKI核心期刊上进行检索后共获得1379篇文献，剔除重复、不符合主题的文献，共选取901篇文献作为研究样本。

(二)发表年份和发表数量

为考察人工智能应用于教育领域的成果产出情况，统计了2000—2021年以来的论文数量，研究文献的数量随年份变化如图1所示。从图1可以看出，人工智能技术应用于教育的文献自2016年以来呈现出连年增长的趋势，2018—2021年是快速增长期，发文贡献率高达90.3%，表明近年来，研究学者们愈发重视人工智能在教育领域的相关研究。

图1 研究文献发表趋势

为考察人工智能应用于教育领域的科研人员投入情况，本研究统计了2000—2021年文献的作者数量情况，如图2所示。从图2可以看出，人工智能应用在教育领域的研究者数量总体呈上升趋势，并且从2019年开始，作者数量是2018年的两倍。为考察人工智能应用于教育领域的科研人员投入产出比，统计了2000—2021年单篇论文参与人员数，其变化趋势如图3所示，截止到2020年，单篇论文参与人员比为3.3个作者。从图1至图3的结果可以看出，我国人工智能教育应用研究文献数量不断增长，科研群体规模逐渐扩大，加强了科研合作凝聚力，越来越多的学者开始重视人工智能在教育领域的相关应用。

图2 作者数量变化趋势

图3 单篇论文参与人员比变化趋势

(三)研究方法与思路

本研究采用可视化分析方法，通过作者共现分析、研究机构共现分析、关键词共现聚类分析、关键词网络分析等词频分析法对文献数据进行可视化分析。词频分析法是指利用能够解释或表达文献核心内容的关键词或主题词的频次高低来确定某一领域研究热点和发展动向的文献计量学方法[2]。首先运用CiteSpace对CNKI数据库收录的有关“人工智能+教育”的核心期刊文献进行作者共现图谱和机构共现图谱分析，接着采用词频探测技术进行凸显主题词图谱分析，确定突现主题词，并进行聚类分析，生成代表研究热点的可视化知识图谱。

二、研究作者及机构的合作网络分析

通过对作者的分布情况进行分析，能够看出该领域高产作者的发文量，体现作者及其团队之间的合作情况。运用CiteSpace软件生成“人工智能在教育领域的相关应用”的作者合作图谱(图4)，图4中的每一个节点代表一位作者，节点的大小表示作者发文量的多少，节点之间的连线则代表作者之间进行合作发文，连线的粗细表示合作次数的多少。

从图4可以看出，以黄荣怀(北京师范大学)、任有群(华东师范大学)为主的研究团队存在紧密的学术关联；作者相互之间进行合作的主要有李洪修(天津师范大学)和田露(天津师范大学)、张伟(江苏师范大学)和段世飞(清华大学)、张玲玲(北京开放大学)和张志祯(北京师范大学)等；祝智庭(华东师范大学)、钟绍春(东北师范大学)、杨欣(西南大学)、刘进(北京理工大学)、李海峰(新疆师范大学)、徐晔(天津大学)等人为分散的节点并且节点较大，代表独立发文，鲜少和其他作者进行合作。

图4 作者合作网络图谱

不同研究机构之间的合作情况如图5所示。图5中的节点代表研究机构，节点的大小表示研究机构发文量的多少，节点之间的连线则代表研究机构之间进行合作发文，连线的粗细表示合作次数的多少。从图5可以看出，北京师范大学教育学部、天津师范大学教育学部和河南师范大学教育学部等机构之间合作紧密，西南大学教育学部、华东师范大学教育学部与江苏师范大学智慧教育学院等机构之间跨院校合作，与作者合作分析相吻合。

图5 研究机构合作网络图谱

整体来看，学者们对人工智能在教育领域的相关应用高度关注，不同研究机构的作者之间相互合作，共同探讨有关人工智能在教育中的应用问题。

三、研究热点分析

为了解人工智能教育应用的研究进展，本研究通过CiteSpace软件对期刊研究关键词进行聚类，采用最大似然法(log- likelihood ratio，LLR)对人工智能在教育中的应用进行聚类分析。根据关键词网络中的Modulariy Q和Mean Sihouette两个指标揭示其基本特点。其中，Modulariy Q是用来评价网络聚类效果的指标，其值越大，表明网络聚类效果越好[3]。Mean Sihouette是用来评价网络同质性的指标，取值范围在0～1之间，其值越接近于1，表明同一聚类中文献同质性越高，聚类越合理；当Mean Sihouette>0.5时，表明关键词网络聚类结果理想。

从图6可以看出，Modularity Q值为0.4415，表明研究样本的关键词聚类效果良好，内部连接关系紧密。Mean Sihouette值为0.6076，大于0.5，表明同一聚类文献基本达到同质要求。隐藏较小聚类和无意义聚类获得如图6所示，得到6个主要聚类：智慧教育、智能教学系统、高等教育、思想政治教育、学科建设、人机协同。聚类提取的特征词如表1所示。“智慧教育”下提取特征词为智能教育、教育信息化2.0、教育变革、未来教育、个性化学习，研究热点可归为人工智能促进教育新生态发展。“智能教学系统”提取的特征词为教育大数据、教育人工智能、机器学习，“人机协同”提取的特征词为学习、计算思维、人机共生，将这两个聚类的研究热点可归为“人工智能+教育”的应用。“高等教育”提取的特征词为人工智能、深度学习、教育应用，“学科建设”提取的特征词为人才培养、职业教育、新工科，将这两个聚类的研究热点可归为人工智能引发人才培养变革。“思想政治教育”提取的特征词为教育、智能时代、教师角色、变革，研究热点可归为人工智能技术引发思想政治教育变革。

图6 关键词聚类知识图谱

表1 研究前沿聚类

(一)人工智能促进教育新生态发展

随着人工智能技术和各领域不断融合发展，人工智能技术的产生再次引发技术变革，其在教育领域的普遍应用，推动着教育进行结构性变革。教育信息化从90年代发展至今，经历了初级阶段电化教育、发展阶段数字教育和现阶段教育信息化，教育信息化的最高形态为智慧教育，即培养智慧型人才[4]。人机关系由信息系统向自动化再到自主代理的转变，从主从关系向智能主体的转变[5]。具体而言，人工智能技术与虚拟现实技术、5G通信技术、区块链等技术融合创新应用，改变传统教师的教和学生的学，实现教师智能化备课、情景化教学，学生个性化学习、自主学习，从教育环境、教育管理、教育实践等多个层面系统性、结构化地重塑未来教育样态。《关于推进教育新型基础设施建设构建高质量教育支撑体系的指导意见》[6]中提出，支持有条件的学校利用信息技术升级教学设施、科研设施和公共设施，促进学校物理空间与网络空间一体化建设，为培养智慧型人才打下基础。

(二)人工智能引发人才培养变革

人工智能技术加快了社会生产力的发展，导致各产业专业技术人才缺失，新工科教育的出现，是为了加快培养经济发展急需的人才，积极布局面向未来技术和产业的新专业。陈劲等人[7]认为，这是人工智能与产业深度融合的新阶段，人工智能将深刻影响新工科学科的建设活动。人工智能与智能制造、自动驾驶、语音、图像、文字的结合，将促进工科人才的培养。在新工科教育背景下进行教育变革，改变以往的人才培养模式，加快人工智能在高等教育、职业教育中的应用，促进学生创新素养的发展，培养社会所需要的人才。随着人工智能技术在教育教学中的应用，教师在教学中的角色定位也随之发生了变化，教师不仅需要掌握学科教学知识，还需要了解人工智能在教学环境中的应用，通过人工智能技术深入分析学生的特点，全面系统地了解学生，还可以利用人工智能系统开展教学，实现教育资源优化[8]。程姗姗等人[9]认为人工智能技术能够帮助教师进行更复杂的教学决策，未来在人工智能技术的支持下形成虚拟教学助理，辅助教师完成基础工作。

未来随着人工智能等各式新兴技术的发展，培养适应人工智能时代的新型人才应从基础教育开始。目前，人工智能课程已逐步进入中小学，我国对中小学人工智能教育的重视程度越来越高。小学阶段通过可视化编程、初级机器人编程等课程内容，培养小学生的信息意识、计算思维等素养，提升小学生学习人工智能知识的兴趣。初中阶段初步了解人工智能的知识体系、基本原理以及应用场景，进一步提升计算思维。高中阶段学生能够发现自身的能力和特长，形成不同学习重点的分科分流。由于技术更新迭代的速度快，在基础教育阶段更重要的是培养学生对新兴技术学习的能力，形成计算思维和创新思维，能够更好地适应智能社会。

(三)“人工智能+教育”的应用

1.人工智能学习平台分析学习者特征

为了科学全面地实现对学习者的学习分析，探索学习者的学习规律，在人工智能技术支持下，将自然语言处理、计算机视觉、语音识别、生理信息识别技术和平台采集技术相结合，扩展学习分析的数据感知通道，实现基于文本、语音、视频、生理信息、在线学习行为等数据的多元采集与融合，利用机器学习和深度学习等技术实现对学习者在学习过程中所产生的各种信息数据的融合分析[10]，通过智能平台形成学生学习行为报表，教师通过报表能够清晰地看到学习者的学习状态，及时干预、针对性地对学习者进行因材施教，促进学习者进行自我反思，从不同方面来优化和促进学习者的个性化学习。

2.智能导学系统促进学生个性化学习

智能导学系统是借助人工智能技术，让计算机扮演专家指导者进行模拟教学，为学习者提供个性化学习体验的适应性学习支持系统[11]。智能导学系统专注于机器或智能系统的设计，有助于实现更具目的性和主动性的学习过程，以解决各种问题，包括动机、情感、原则、道德和技术本身的性质[12]。韩建华等人[13]构建了基于智能导学系统的学习过程模型。该系统可以创建个性化的学习路径，使学习者对学习问题的认识建立正确的因果关系，从自身和教师的角度学习相应的教学方法、注意事项和学习技巧。此外，系统可以随时跟踪学习者与系统的互动，监督学习者的学习情况，提供个性化的学习指导和激励机制，有效促进学习者的个性化学习。

3.智能管理系统构建智慧校园

智慧校园是以人工智能技术为支撑，以推动智能校园建设为目的的人性化、个性化的高层次智能校园形态。机器学习、自然语言处理、虚拟与增强现实、情感计算是众多学者较为关注的核心智能技术。刘金扬等人[14]从基础设施层、公共平台层、应用系统层、师生交互层四个横向层次及信息安全体系、标准规范于运营管理体系两个纵向体系对智慧校园进行规划。赵磊磊等人[15]从基础设施、数据平台、应用服务、技术规范四个层面提出人工智能场域下智慧校园的建设框架。当前要进一步推进智慧校园建设，建设技术效能与人文关怀并重的智慧校园。

(四)人工智能技术引发思想政治教育变革

大数据和算法是人工智能最核心的部分，若搜集数据不够客观，算法设计以利益为导向将会引起一系列不公平现象的发生，导致思想政治教育面临着数字鸿沟的挑战。数字鸿沟将加剧现有的不平等和差异，边缘化和贫困人群更容易被排除在人工智能教育之外，形成恶性循环，潜在地对主流意识形态造成危害。随着人工智能技术的发展，近年来，越来越多的研究者开始关注人工智能背景下思想政治教育面临的挑战、应对和变革。如富旭[16]认为当前思想政治教育在人工智能背景下面临话语意义流失、话语场域离散、话语认同消解的困境，因此需要结合人工智能时代算法传播机制的新特点，从思想政治教育的话语供给、话语活力以及话语实效等方面创新话语建构路径，使思想政治教育实现因事而化、因时而进、因势而新。思想政治教育运用人工智能驱动创新，要尊重大学生的体验。各种智能技术的使用，并不是标准化、模板化的，而是要结合学校具体情况进行智能定制。

四、研究结论与启示

本研究运用CiteSpace文献计量软件对人工智能应用于教育领域2000—2021年的901篇文献进行了核心作者、核心地区、研究热点和前沿等分析，主要得出以下结论和启示：

(一)研究结论

人工智能在教育领域的研究呈增长态势，大致经历了萌芽探索期和迅速爆发期。从2016年开始，随着人工智能技术的发展，关注人工智能技术在教育领域中应用的学者明显增加，人工智能技术不再是简单的技术应用，而是其对教育领域所产生的影响，在高等教育、职业教育和基础教育中促进了人才培养的变革，革新人才培养模式，加快培养社会急需人才。目前人工智能技术持续受到广大学者们的关注，研究团体和研究机构之间相互紧密合作，学者们共同探索人工智能技术在教育教学中的应用，推动教育信息化的发展，随着5G技术的发展和应用，将进一步催生人工智能技术和教育融合创新发展与应用。

人工智能在教育领域中的研究热点聚焦在人工智能教育、人才培养、智慧教育、深度学习、人机协同、未来教育等方面。在人工智能技术的支持下，促进人才培养和引发的教育变革，融合创新教育服务体系，其中人工智能技术与教学内容、教学媒体和知识传播路径的多层次融合，突破了传统教育方式的限制，提供跨学科、跨媒体、跨时空的智能教育服务供给，人工智能助推教师队伍建设，以及人工智能背景下思想政治教育面临的挑战、应对和变革。

(二)研究启示

(1)加强自动化与人机交互。人工智能应用在教育领域的主要方式是通过机器学习来建立人类学习的规则，能够替代教师的部分职能，为学生进行指导和反馈，提供个性化教育教学服务。但是目前如何建立人工智能可识别规则仍旧是难题，比如培养学生的计算思维，人工智能怎样观测和识别学生在学习过程中所形成的计算思维，如何对其量化；怎样通过采集的数据对学生的“学”和教师的“教”进行综合能力的评价等等。因此人工智能应用首先需要实现可自动化获取海量数据，其次给定清晰明确的概念界定和规则，这需要专家学者们从教育理论和技术实现两个方面进行挖掘和探索，有针对性地投向学习者，搭建可实现的逻辑框架。

(2)助力情感智能与人文关怀。人工智能技术的发展与教育应用使得研究者们更加关注技术本身，未来人工智能技术的发展应更加针对情感智能。可以利用多模态情感识别技术促进师生情感互动，将人脸识别技术、语音识别技术和自然语言处理技术进行融合，从而提高情感识别的准确率，优化教师的情感表达和决策。此外，教师要及时对学生进行情感干预，消除情感计算技术对师生情感互动的负面影响，通过情感干预促进师生情感交互与共鸣。