人工智能在教学领域的研究热点与发展趋势探析

宋雪莹　高天梦

关键词：人工智能；教育教学；词频分析；聚类分析

中图法分类号：G632 文献标识码：A

1引言

近年来，人工智能逐渐进入教育领域，并不断促进教育教学发展。《地平线报告（2017—2021）》指出，人工智能技术在教育教学中起关键性作用，其在教育中的推动作用重大，主要有智能测评工具、智能专家系统、教育机器人以及智能分析系统等。国家支持人工智能与教育教学融合发展，2022年4月，教育部印发《新时代基础教育强师计划》，指出要全面推动人工智能在教师队伍培养中的重要作用，全面提高教师素养，逐步促进教师教育改革。教育与技术的深度融合使得人工智能技术在教育教学领域不断发挥关键性作用。与此同时，人工智能技术的出现势必会使教育信息化持续发展。推动人工智能技术在教育教学领域的应用，旨在将人工智能与教育教学深度融合，促进教学模式创新与教学方式变革。

2数据方法与工具

2.1数据来源

本文以国内中文学术期刊库——中国知网（CNKI）作为主要的数据基础，以“人工智能”“教育教学”为主题词进行检索，检索文献的类型为期刊论文，来源类别为“SCI来源期刊”“核心期刊”和“CSSCI”，选取近十年的文献，共检索出382篇相关文献，过滤会议通知、征稿简则、重复发表的文章后，共得到有效文献361篇，从有效文献中提取关键字进行分析。

2.2研究方法

本文采用了共词分析法，此方法来自文献计量学领域的共被引概念，即当两个可以表达某一学科领域主题的关键词在同一篇文献中出现时，说明这两个关键词之间存在一定联系。当出现的频次越多，即说明它们之间的联系越密切。因此，本文采用来自统计分析技术中的关键词频次分析和聚类分析等多元分析方法，将国内人工智能在教育教学领域相关研究的重要关键词加以提取、分类，从而归纳出该领域的研究热点、主题与发展趋势。

2.3研究工具与思路

（1）收集数据。通过CNKI数据导出功能，以NoteFirst为格式导出361篇有效文献并另存为.txt格式的文本文件，导出的文本文件主要包括每篇文献的题目、作者、摘要、关键词、期刊名称五个字段。（2）使用Bicomb 2.0建立关键词词频统计表、词篇矩阵和共现矩阵。（3）进一步刻画人工智能相关研究高频关键词之间的距离和相似度，对其关键词得到共现网络。

3数据统计与结果分析

3.1论文发表年度分布

某研究领域文献的发表数量能在很大程度上表明该领域研究的理论水平和发展趋势。由图1可知，2012年～2022年，文献数量整体呈上升趋势；2012年～2017年，增长缓慢，没有大幅度变化，学者对此领域关注度不高；2017年，国家发布了《新一代人工智能发展规划》，提出人工智能是教育领域的关键一环，人工智能教育成为社会发展的必然要求。由此，学者对人工智能在教学领域的研究逐渐增加，且热情持续高涨。

3.2高频关键词分析

高频关键词主要反映了某一研究领域的关注热点。特定研究领域固定时间段内大量研究成果的关键词集合，有利于增进其他学者了解该研究领域的发展趋势、研究热点以及前沿理论。本文应用Bicomb书目分析软件提取文献中的关键词集合。高频词的选择标准一般为截取的高频词累计频次达到总频次的40%左右，本文选择词频≥5的30个关键词作为高频关键词，可以初步反映出我国近年来人工智能在教育领域的研究热点和发展动向，如表1所列。除了“人工智能”主题检索词，排在前10位的高频关键词分别是人工智能技术（72次）、教育信息化（17次）、智能时代（17次）、人工智能时代（16次）、学习者（15次）、智能教育（13次）、人机协同（12次）、人工智能教育（11次）、深度融合（9次）、职业教育（9次）。以上统计出的10个核心高频关键词反映了国内人工智能在教育教学领域的研究热点，在人工智能快速发展的时代背景下，目前研究者关注的重点已从基本理论的界定，过渡到了重点集中在具体教育领域的应用、教学模式以及學科核心素养等。人工智能在教学中的应用主要是教育机器人、智能测试、智能游戏、智能教育等。

由表1可知，人工智能与教育相融合较为热门的模式有人机协同、智慧课堂、在线教育以及机器学习，其中人机协同是教学中的一大创新，为教学带来了新机遇。由此可见，学者对于教学模式的探索较多。学生是教学活动的主体，表1中职业教育和高等教育是“人工智能+教育”被广泛研究的对象且研究价值较高。高等教育和职业教育是两个重要的学习阶段，教师要把握住最佳的教学机会，为学习者提供智能教学新模式。教育技术频次较少，说明学者对其关注度不高，而人工智能又属于教育技术的分支学科，因此应当加强对其研究与发展。

3.3关键词共现网络

高频关键词词频分析可以初步反映出人工智能在教育领域的研究热点。为进一步明晰国内外研究的主题结构与关键领域，需要对高频关键词进行聚类分析。聚类分析是将数据集划分为若干组或类的过程，使得同一组内的数据对象具有较高的相似度，不同组内的数据对象则不相似。在某个主题研究的众多关键词中，应用聚类分析的方法可以将彼此联系密切的关键词聚集在一起，从而形成不同的类，进而表达该领域分支的组成，具体如图2所示。

除了主要关键词“人工智能”，还出现了“智能时代”“人工智能技术”，说明关于“智能”的关注度较高。关于“在线教育”“课堂教学”等教学模式，与其紧密相连的是“信息技术”“人机协同”“智能”，说明教学模式的开展需要技术做支撑。但有些应用处于较边缘位置且频次较少，说明对其研究并不深入，需要在以后的研究中逐步深入。

“高等教育”和“职业教育”是人工智能融合教育的重要学习阶段，需要进一步研究与发展，将教学模式的创新融入教学阶段，可以培养高素质人才。

4结论与反思

4.1理论概念

时代对教育提出的新要求，使得人工智能与教育的不断融合形成了“人工智能+教育”，人工智能教育是将人工智能融入教育教学领域，以促进个性化教学、精准化教学、智能化教学。人工智能教育主要指的是将人工智能技术应用于教学活动中。人工智能教育主要涉及知识的表示方法（一阶谓词逻辑、产生式、框架、语义网络）、逻辑推理、深度学习等，主要应用于数据挖掘、智能测评、情感计算、专家系统、问题求解等领域。因此，需要为人工智能领域培养高素质人才，促进其在教育教学领域中的发展。

4.2教师培养

人工智能推进了教师课堂中的精准化教学，有利于学生的个性化学习。智能时代的来临为教育教学带来了新的机遇，而教师作为教学中的关键角色，是否能很好地把握技术、进行智能教育至关重要。这在一定程度上对教师的专业水平提出了更高的要求。在未来的教育教学活动中，教师将不再有烦琐重复的教学任务，更多的是向专业化、素养高方向转变。

4.3教学模式

智能时代为学习者提供了海量智能化的学习资源，学习者可以在短时间内获取大量学习资源。其要求学习者具有一定的学习能力、搜集资源能力以及分辨过滤资源优劣的能力，需要教师重新设计教学内容，以便学习者更好地进行学习。

4.4技术支持

机器学习基于大数据的统计分析过程，能不断学习大量数据并预测新数据。目前，智能教育技术已被广泛应用，许多学校利用现有的现代化教学平台开展精准化教学。

另外，机器学习领域的一个新方向是深度学习，通过构建分层模型，建立从底层信号到高层语义的映射，进而提升教学效果，目前深度学习已在图像和语音识别等领域中被广泛使用。人工智能教育提供的学习服务贯穿课前预习、课堂教学、作业批改、在线考试等整个学习过程。利用大数据等技术优化传统教学模式，可以为学生提供个性化的学习方式。通过对数据进行收集和分析，可以推送具有针对性的资源与服务。George等认为学习分析的教育价值主要体现在为教育机构的变革提供指南和帮助教育工作者改进教学方式，在多大程度上共享学习者的个人数据仍是教育领域争议的焦点。

4.5发展方向

“人工智能+教育”的一个分支是智能教学。祝智庭认为智能教育应具有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三方面的内涵，人工智能不能完全取代教师，两者应当共同承担教育任务。人机协同是人工智能教育的發展趋势，是智能技术与教育相互融合的重要方式，二者发挥各自的智能优势，共同促进教育发展。教育变革体现为人工智能教育可有效促进教学资源、教学环境、教与学方式的改革。2020年，疫情防控期间，全国中小学和高校普遍采用在线学习方式。因此，应当重视在线学习平台建设和教师在线教学培训工作，并且高等教育机构应多措并举，为学习者提供高质量的在线学习服务平台。在科技迅速发展的今天，只有主动变革才能更好应对未来的挑战和机遇。

应重视人工智能课程的设计与开展。虽然许多中小学校开展了人工智能相关课程，如编程、教育机器人等，但普遍存在设施不完善、教师信息素养不高等问题。还有一些学校教学课程建设不成熟，未能较好地整合人工智能与教育，不同教师也存在教育水平差距。学校应大力支持人工智能相关课程的开展，设置考核制度，使教学更加精准化、智能化、个性化，全力促进教育信息化发展。

作者简介：

宋雪莹（1997—），硕士，研究方向：教育技术学。

高天梦（1999—），硕士，研究方向：教育技术学。