2024教育技术十大研究热点预测及相关议题

2024教育技术十大研究热点预测及相关议题

《现代教育技术》编辑部

为了积极应对科技进步裹挟而来的教育变革，并精准研判2024年教育技术研究的发展趋势与热点，《现代教育技术》杂志以在线调查问卷的形式，通过问卷星向教育技术学科领域的专家与学者征集了1～10条研究热点。为保障研究结论的有效性与精准性，我们剔除了填写内容不完整、重复提交的问卷，最终获得120份有效问卷，其中包括540条有效的研究热点数据。我们采用质性研究工具Nvivo 11软件对收集的540条研究热点数据进行了文本分析。

首先，将教育技术学专家填写的研究热点数据导入Nvivo 11软件中进行词频统计分析，将关键词的出现频次作为初始的分类指标并设置为自由节点，包括教育数字化、生成式人工智能教育、教育高质量发展、智能教育。其次，重新逐句分析研究热点数据，根据相似关系、结构关系等对节点进行合并形成概括性更强的节点。最后，经过反复阅读与分析，不断调整父节点与子节点之间的逻辑关系与包含关系，最终形成10个一级指标（包括教育数字化、智能教育、生成式人工智能教育、中国式现代化与教育高质量发展、大数据与学习分析、个性化学习、教育元宇宙、学习科学、信息科技新课标、教育技术学科发展）与27个二级指标。

表1 研究热点编码结构

一 教育数字化

以生成式人工智能为代表的数字技术正以不可阻挡之势融入整个教育过程，为教育领域带来了颠覆性的革新，而推动教育数字化与数字化转型则是教育适应新一轮科技革命发展的必由之路[1]。自党的十八大以来，我国从顶层设计层面颁布诸多政策，推动教育信息化进程的跨越式发展。2018年，教育部发布《教育信息化2.0行动计划》[2]，强调要构建数字化教育体系，促进信息技术从“简单应用”走向“深度融合”。2020年，国务院印发《“十四五”数字经济发展规划》[3]，明确提出要推动“数字中国”的建设。党的二十大报告指出要“推进教育数字化，建设全民终身学习的学习型社会、学习型大国”。习近平总书记更是在中共中央政治局第五次集体学习时提出“教育数字化是我国开辟教育发展新赛道和塑造教育发展新优势的重要突破口”。从战略层面而言，教育数字化是教育信息化走深、走实的高级发展阶段，而教育数字化转型则是推进教育数字化战略与政策落地的必然路径。虽然教育数字化转型的研究逐渐增加，但其概念与内涵仍未达成统一共识。舒杭等[4]将数字化转型理解为使用数字技术从根本上颠覆数据传输方式、社会之间的互动交流方式。对于教育领域而言，教育数字化转型意味着新型技术与教育系统深度融合，变革传统的教、学、评、管而形成的教育体系，这一教育体系会随着技术的发展而不断嬗变。杨现民等[5]指出数字化转型的切实落地需要充分释放教育数据的效能，要统筹建设与完善教育数据的共享机制、要用高品质教育数据驱动应用场景创新、要优化与筑牢教育数据的安全防护能力。同样，教育数字化为解决教育资源分配不均、缩小城乡教育资源差距、弥补城乡师资力量差异等教育公平问题[6]，以及实现“所有人都能获得优质教育”的未来愿景提供了无限可能。为全面推动教育数字化转型，实现教育高质量发展，本刊在该方向着重探讨的未来议题如下：

①数字化转型：教育数字化转型的理论研究，包括教育数字化的内涵、发展路径、建设机制；以及教育数字化转型的教学实践研究，包括课程设计、智能技术应用、教学模式创新等。②教师专业发展：围绕教师专业素养培育的路径、策略、意义，以及评估开展理论与实践研究。③数字教材：开展数字教育资源开发、建设、管理、应用等方面的研究，促进教育数字化转型。④教育公平：关注教育数字化背景下的教育资源配置、教育均衡发展、数字鸿沟等教育公平问题。⑤国际政策研究：借鉴国际范围内的教育数字化经验，为我国教育数字化转型提供经验与启示。

二 智能教育

关于智能教育的称谓，是智能教育？人工智能教育？还是人工智能+教育？一直是研究领域争论不休的话题。直至2017年，国务院发布《新一代人工智能发展规划》首次提出“智能教育”一词，指出“要利用智能技术加快推动人才培养模式、教学方式改革，构建包括智能学习、交互式学习的新型教育体系”[7]；2019年，联合国教科文组织在《北京共识——人工智能与教育》大会上提出，高等教育和研究机构要开发或加强人工智能相关课程及研究[8]。

早在2006年，马颖峰等[9]对AI教育应用进行了回顾，认为AI将成为重要的研究热点；2019年，林晓峰等[10]对人工智能发展历程进行了综述，预测2018-2023将是AI“大爆发峰值期”，并提到人工智能教育应用将引发教育伦理道德问题、相关法律法规问题、教育管理问题、师生隐私与数据安全问题等；2022年，胡小勇等[11]提出了人工智能赋能教育高质量发展的路径，包括推动智能教育场景示范应用与教育改革、构筑规模化的高质量教育智能环境、提升师生智能教育素养、培养智能时代的创新型人才、推进优质教育资源减少、正视人工智能应用的伦理安全问题等；孙聘等[12]对我国智能教育政策进行了十年回顾和反思，从基础设施、教师智能教学能力、课程教学与管理应用、评估与保障机制、可持续发展五个方面得出智能教室与智能校园建设是当前智能教育基础设施建设的重点、教师智能教学能力是教师队伍建设的重点、数据驱动的评价与治理是当前课程教学与管理应用的核心、人才培养和科学研究是助力智能教育创新发展的重要保障等。

结合《现代教育技术》编辑部对学术界所做的调研，除却生成式人工智能教育（会有单独部分做介绍），本刊在该方向着重探讨的未来议题如下：

①教育场景：智慧教育的学习空间和场域、教育环境、沉浸式场景的设计与开发，以及国家智慧教育平台、智慧校园、智慧教室的建设。②教育治理：开展智能技术（包括AIGC、AI等）在教育领域内的伦理道德风险、应用规范、监管与审查机制等研究。③智能评价：智能技术支持的教学评估方式的创新与构建、教学成效评估工具的开发，以及评价结果促进教学质量改进与提升。④智能技术：包括但不限于教育学伴、虚拟现实、游戏化等相关的教学实践研究。⑤人机协同：人机协同的教学模式、学习机制、学习形态的创新、构建及实践研究。⑥智能教育模式及智能素养，智能技术下的教学模式、课程模式及师生智能素养相关。

三 生成式人工智能（AIGC）教育

新一代人工智能产品ChatGPT具有强大的文本信息处理、图片生成与创新能力，一经发布就吸引了全球范围内的关注。同时，ChatGPT背后的生成式人工智能技术（Artificial Intelligence Generated Content，AIGC）与大语言模型（Large Language Model，LLM）为教育数字化背景下教学模式革新、课程资源构建、学习质量提高提供了新的途径，因此也被赋予了无限期待[13]。我国网信办等七部门联合发布《生成式人工智能服务管理暂行办法》[14]，明确指出要鼓励AIGC技术在各行业、各领域的创新应用，还要探索优化应用场景、构建应用生态体系。目前学术界对AIGC的看法不一，孙立会等[15]认为如今的基础教育阶段缺乏明确的AIGC应用政策引领与约束，可能会引发过度崇尚技术的拜物主义、教育伦理与价值观冲突、生成内容的信度不足，以及数据隐私与滥用等诸多“不良免疫”反应。卢宇等[16]梳理了AIGC技术的发展脉络与教育应用潜力，指出对教师教学而言，AIGC能生成个性化教学方案、提供教学资源参考及交互式教学支持；对于学生学习而言，AIGC不仅能以人机协同的方式为学生提供动态教学反馈，还能根据学生知识水平提供个性化的学业辅导；对于教学评价而言，AIGC既能自动生成评估学生知识掌握情况的题目，还能提供多维度与不同粒度水平的反馈与评价。综上，AIGC技术的教育应用虽然存在一定的问题和隐患，但也具备促进教育产生积极变革的潜力。伴随AIGC与大语言模型的理论研究成果完善，亟需实证研究来明晰AIGC在真实教育情境中的实际效应，以全面评估AIGC技术对教育的影响。因此，本刊在该方向着重探讨的未来议题如下：

①AIGC教育应用：开展基于AIGC的教育理论与实践研究，包括但不限于教学效果的实证研究、教学实践应用、教学模式设计。②教育大语言模型：探究教育领域内的大语言模型的设计与开发，及其在教、学、评、管理等方面的应用。

四 中国式现代化与教育高质量发展

党的二十大报告提出以中国式现代化推进中华民族的伟大复兴。最近几年越来越多的学者从国家教育系统的宏观发展规律出发，结合国家战略发展需求，提出了中国式教育现代化发展的路径[17]。亦有学者尝试通过内涵界定与概念明晰、特征和发展历程，探讨其与传统现代化理论的区别和联系，以期为中国式现代化发展指明方向[18]。上述研究均讨论到了中国式现代化对教育发展的积极影响，从教育理念、教育体制、教育内容、教育方法等方面探讨了何为中国式教育现代化。此外，围绕中国式教育现代化与教育高质量发展，已有研究主要探讨如何实现教育的全面发展、个性发展和可持续发展；关注中国式现代化与教育改革的关系，分析中国式现代化对教育改革的推动作用，探讨如何在教育改革中实现教育的高质量发展；研究现代化发展与教育公平的关系，探讨如何在教育发展中促进教育公平和社会公正等。上述所涉及研究均为我们后续探讨中国式教育现代化发展的理论建构与实践探索奠定了方向性的基础。基于此，本刊在该方向着重探讨的未来议题如下：

①教育高质量发展：探究教育数字化与智能技术背景下的教育高质量发展。②教育强国建设与教育数字化转型关系研究：探讨数字化技术赋能教育强国建设的路径与策略。③中国式现代化与数字时代的终身学习之间的关系研究：分析中国式现代化对终身学习的需求和推动作用，探讨如何构建终身学习体系和机制。④中国式现代化与技术支持下的农村教育优质均衡发展：研究科技发展对农村教育的影响和挑战，以及数字化转如何驱动落后地区教育的优质均衡发展，旨在促进农村教育的高质量发展。⑤中国式现代化与多元文化教育的关系：分析中国式现代化对多元文化教育的需求和推动作用，探讨数字时代如何培养具有国际视野和跨文化交流能力的人才。

五 大数据与学习分析

大数据技术在教育教学领域的深度应用推动了学习分析技术的快速发展，为优化教学服务质量提供了重要支撑。近十年来，教育领域的专家学者围绕教育大数据和学习分析技术开展了大量的理论与实践研究，聚焦于教育大数据的内涵与价值分析、伦理风险与隐私保护、教育范式变革[19][20]，以及学习分析的基本过程、应用领域、方法与技术、伦理道德等方面[21]。但是随着数据在教育领域应用价值的不断深化与扩散，以及多模态学习分析技术的迅速发展，大数据与学习分析的研究体现出在应用广度与应用深度方面的不足，如何激发大数据在赋能教育评价与教育治理创新变革与发展方面的价值，以及如何激发多模态数据支持的学习分析在揭示“学习黑箱”方面的内在价值成为新的发展趋向。基于此，本刊在该方向着重探讨的未来议题如下：

①大数据赋能的教育质量评价：包括应用模式、发展路径、实践案例、范式推广等方面的研究。②大数据赋能的教育治理：包括治理体系、治理逻辑、治理风险以及治理路径等方面的研究。③多模态学习分析方法：包括利用新兴技术融合多种来源数据对教育教学现象与问题进行深入分析的理论与应用研究。④多模态学习分析应用：包括利用多模态学习分析技术对学习投入、调节学习、知识建构、社会情感等学习特征的深度分析与实证研究。

六 个性化学习

个性化学习是培养创新型人才的重要方式，是信息技术与教育教学深度融合的重要标志，有助于提升教育教学效率与质量，推进教育目标的落实。目前专家学者围绕个性化学习的研究主要聚焦在学习路径规划、学习系统设计、学习资源推荐等方面[22][23]，旨在实现对学习者学习需求的诊断，满足不同学习者的个性化学习需求。但是随着智能技术的快速发展，尤其是以生成式人工智能为代表的新一轮信息技术的变革，传统个性化学习在智能性、诊断性以及推荐性等方面体现出不足，也驱动人们对新技术支持的个性化学习持有更高的期待。基于此，本刊在该方向着重探讨的未来议题如下：

①个性化学习模型的构建：围绕人机协同背景下个性化学习模型构建与应用的系列研究。②个性化学习策略推荐：围绕生成式人工智能在构造提示方面的特性开展个性化学习支持策略的系列研究。③个性化学习资源生成：围绕生成式人工智能在人工反馈方面的特性开展个性化学习资源的生成推荐系列研究。④个性化学习支持服务：围绕构建教育领域的知识图谱提供个性化支持服务的系列研究。

七 教育元宇宙

自2021年“元宇宙”概念受到社会各界广泛关注后，教育领域专家学者围绕教育元宇宙开展了热切讨论与研究，包括教育元宇宙的基础认知、应用场景、关键技术、系统建构以及实践路径[24][25]，并将教育元宇宙视为教育发展的新形态，认为对教育教学活动将产生变革性影响[26]。然而，随着教育元宇宙研究的深入，以及各类应用场景的出现，专家学者围绕教育元宇宙变革教育生态与教育模式的观点也变得更加理性，逐渐开始关注教育元宇宙在教育教学中的实践应用、与教育教学的深度融合以及教育元宇宙发展过程中面临的伦理与技术风险等问题。基于此，本刊在该方向着重探讨的未来议题如下：

①教育元宇宙理论探究：元宇宙技术与教育教学的整合方式、教育新理念探究、教育元宇宙实践应用。②教育元宇宙相关的教育实践研究：包括教学情境、教学效果方面的实证研究。③教育元宇宙的应用伦理研究：包括潜在伦理风险、技术伦理表征、风险规避策略等方面的理论研究。④教育元宇宙与生成式人工智能的结合研究：包括生成式人工智能对其应用场景、教学资源、学习支持以及现实需求等方面的理论与实践研究。

八 学习科学

学习科学源起美国，涉及认知科学、教育心理学、计算机科学、人类学、社会学、信息科学、神经科学、教育学、教学设计等多个学科[27]。它是面向教育领域的核心问题，即人是如何学习的和如何实现更好地学习，在教育技术变革的背景下，回归人学习的本质能够为教育技术研究提供理论支点，并且学习科学跨学科的特点也具有极强的包容性和解释力。伴随人工智能技术的不断发展，学习环境的设计、学习策略的重构将逐渐成为重要的研究话题。基于此，本刊在该方向着重探讨的未来议题如下：

①跨学科：跨学科学习、跨学科教学，以及跨学科课程与教学案例设计方面的研究、学习科学理论研究。②智能技术背景下的学习科学研究：包括学习策略、学习环境等方面。

九 信息科技新课标

信息科技新课标研究是教育技术领域理念落地的抓手，以及师范人才培养的重要支撑。从信息科技新课标颁布以来的政策与管理实施现状来看，无论是研究者，还是区域管理者、一线教师，都十分关注如何从区域或学校层面设计机制以推动信息科技教育的落地发展。已有研究主要围绕以下三个方面进行了相关研究：一是信息科技课程设置与内容，重点关注了如何合理设置信息科技课程，通常涉及确定课程目标、设计教学内容和教学方法等多环节和流程[28]。在此类研究中，不少学者探讨了信息科技课程与其他学科的融合，以及如何培养学生的信息素养和技术能力。二是信息科技课程的教学策略设计，着重关注如何有效地教授信息科技课程，分析教师角色的转变、学生参与度的提高以及教学资源的利用等[29]，并基于此类型的讨论进一步提出了信息科技课程开展创新教学方法和策略[30]，如项目制学习、合作学习和问题解决等。三是信息科技课程实施情况的评估与评价，不少研究者关注如何评估学生在信息科技课程中的表现和学习成果，探讨了各种评估方法和工具[31]，如考试、作业、项目和实践等，并提出了相应的评价标准和指标。然而过去的研究大多聚焦在课程设计、实施与评估层面，缺少对信息科技课程与人才培养关系的系统性关注。基于此，本刊在该方向着重探讨的未来议题如下：

①围绕新课标的信息科技课程设计：如基于信息科技新课标的教材、课程、教学设计的开发等。②新课程标准的应用落地路径研究：如信息科技新课标核心素养的教育实践与培养策略。③课程标准与学生发展之间的关系：探讨如何根据学生身心发展规律来制定和调整信息科技课程标准，以更好地提升学生的数字素养、创新力、学习力和迁移力。④课程标准实施和科技创新人才培养的关系与实施研究：探讨如何在信息科技课程中培养科技创新人才将成为重要的研究方向，包括探索如何在教学中体现“科”与“技”并重，以及如何通过信息科技课程来培养学生的科技创新能力。⑤信息科技课程的跨学科融合：随着信息科技成为独立学科，如何在教学中实现其与其他学科的融合将是一个重要的研究方向，研究者需要探讨信息科技课程与数学、物理、化学等学科之间的联系，以及如何在教学中实现跨学科的教学设计。⑥信息科技教师的专业发展与教学策略提升：研究者和实践者应更加关注教师在信息科技课程中的专业发展和教学策略，深入探讨如何提高教师的信息科技素养，以及如何设计和实施有效的信息科技教学方法与策略。

十 教育技术学科发展

一个学科以及该学科服务的工作领域，往往依赖于该学科的基本理论生产才能获得可持续发展，教育技术学科的可持续发展亦然。反观教育技术学科的发展，一波又一波研究者在新技术与教育结合方面不断推陈出新，却唯独忽视了对教育技术基本理论生产的投入，导致对于教育技术学科本身发展的相关研究被“稀释”了。无论从人员结构上（越来越重视技术性人才的纳入），还是从研究议题的集体选择（较多跟随技术热点）来看，这都不太利于深入思考学科发展问题。基于此，本刊倡议在未来研究中，重回对学科建设的关注，通过对底层理论的建构和发展，获得学科以及领域的真正的可持续发展，并预测未来围绕教育技术学科发展与基本理论生产的相关议题如下：

①学科理论发展：构建中国特色教育技术学科基本理论的相关研究。②教育技术理论与方法研究：关注教育技术的理论基础和方法论，包括教学设计、学习理论、评估方法等，探讨如何将教育技术应用于教学，以提高教学效果和学生学习成果。③教育技术与课程整合的基本理论研究：关注如何将教育技术与课程内容相结合，以提供更丰富、个性化的学习体验；研究不同学科领域中教育技术的应用，并探索如何设计和开发相应的教育资源和工具。④教育技术与教师专业发展的基本理论研究：关注教育技术对教师专业发展的影响和支持、研究教师在教育技术应用中的角色和能力需求，以及如何提供相关的培训和支持机制。⑤教育技术与学生学习的基本理论研究：关注教育技术对学生学习过程和学习成果的影响、研究不同年龄段学生的学习特点和需求，以及如何利用教育技术来促进学生的学习动机、参与度和自主学习能力。⑥教育技术与教育评估的基本理论研究：关注教育技术在评估中的应用和影响、研究不同类型的教育技术评估方法和工具，以及如何利用教育技术来提高评估的有效性、适切性和准确性。⑦教育技术与社会变革关系的基本理论研究：关注教育技术对社会变革的影响和作用、研究教育技术在不同社会背景下的应用和发展，以及如何应对教育技术带来的挑战和机遇。

[1]陈丽,张文梅,郑勤华.教育数字化转型的历史方位与推进策略[J].中国电化教育,2023,(9):1-8+17.

[2]中华人民共和国教育部.教育部关于印发《教育信息化2.0行动计划》的通知[OL].

[3]国务院.国务院关于印发“十四五”数字经济发展规划的通知[OL].

[4]舒杭,顾小清.教育数字化转型的现实基础与行动框架[J].现代教育技术,2022,(11):24-33.

[5]杨现民,吴贵芬,李新.教育数字化转型中数据要素的价值发挥与管理[J].现代教育技术,2022,(8):5-13.

[6]王一岩,朱陶,郑永和.智能教育产品助推教育数字化转型:价值定位、实践逻辑与推进策略[J].现代教育技术,2023,(7):16-24.

[7]国务院.国务院关于印发新一代人工智能发展规划的通知[OL].

[8]UNESCO. Beijing Consensus on Artificial Intelligence and Educaiton[OL].

[9]马颖峰,肖晓飞.AI教育应用研究的回顾与反思——我国教育技术界十年AI应用研究回眸[J].现代教育技术,2006,(4):76-79.

[10]林晓峰,谢康.人工智能现状及其教育应用的理性思考[J].现代教育技术,2019,(8): 12-17.

[11]胡小勇,孙硕,杨文杰,等.人工智能赋能教育高质量发展:需求、愿景与路径[J]. 现代教育技术,2022,(1):5-15.

[12]孙聘,蒋宇.我国智能教育政策十年回顾与反思[J].现代教育技术,2022,(12): 68-75.

[13]焦建利.ChatGPT:学校教育的朋友还是敌人？[J].现代教育技术,2023,(4):5-15.

[14]国家网信办等七部门.生成式人工智能服务管理暂行办法[OL].

[15]孙立会,周亮.面向中小学的生成式人工智能教育政策制定路向——基于日本《中小学生成式人工智能教育应用指南》的分析[J].中国电化教育,2023,(11):53-61.

[16]卢宇,余京蕾,陈鹏鹤,等.生成式人工智能的教育应用与展望——以ChatGPT系统为例[J].中国远程教育,2023,(4):24-31、51.

[17]刘秀峰,杜茜茜.中国式教育现代化的演进逻辑与路向前瞻[J].教育发展研究,2023,(6):10-17.

[18]吕寿伟,侯永丽.中国式教育现代化的传统根基：历史反思与精神重构[J].中国远程教育,2023,(7):1-10.

[19]杨现民,唐斯斯,李冀红.发展教育大数据:内涵、价值和挑战[J].现代远程教育研究,2016,(1):50-61.

[20]张君,林小红,耿雨歌等.隐私计算+区块链：教育数据伦理研究的新视角[J].现代教育技术,2023,(9):27-36.

[21]李海峰,王炜.学习分析研究：基本框架和核心问题——2022版《学习分析手册》的要点与思考[J].开放教育研究,2022,(6):60-71.

[22]李康康,袁萌,林凡.联邦个性化学习推荐系统研究[J].现代教育技术,2022,(2):118-126.

[23]郑雅倩,李新,李艳燕,等.人工智能视域下个性化学习路径推荐:机理、演进、价值与趋势[J].现代远距离教育,2023,(3):39-47.

[24]蔡苏,焦新月,宋伯钧.打开教育的另一扇门——教育元宇宙的应用、挑战与展望[J].现代教育技术,2022,(1):16-26.

[25]刘革平,高楠,胡翰林等.教育元宇宙：特征、机理及应用场景[J].开放教育研究,2022,(1):24-33..

[26]马婧,金妍池,杨阳,等.教育元宇宙:互联网教育新形态的系统建构与实践应用[J].现代教育技术,2023,(7):99-107.

[27]尚俊杰,庄绍勇,陈高伟.学习科学:推动教育的深层变革[J].中国电化教育,2015,(1):6-13.

[28]王帆,邢瑶,高露.信息科技课程六条逻辑主线的潜在分布与发展方向——2022年全国初中信息技术优质课分析[J].电化教育研究,2023,(11):97-104.

[29]仇森,郭芳,黄荣怀.基于信息科技课程标准的资源开发:原则、思路和路径[J].课程.教材.教法,2023,(6):133-138.

[30] 万昆.跨学科学习的内涵特征与设计实施——以信息科技课程为例[J].天津师范大学学报(基础教育版),2022,(5):59-64.

[31] 魏雄鹰,朱莎,钟战华.义教信息科技课程学业质量标准研究[J].中国电化教育,2023,(7):85-90.

特别感谢热点提供者：

蔡慧英、曹培杰、陈迪、陈向东、陈奕桦、丁永刚、杜娟、段春雨、范瑾、方兵、方旭、冯永华、付海东、傅龙、高铁刚、高雅茹、葛文双、顾小清、管恩京、管秀、韩晓玲、郝丹、侯浩翔、胡凡刚、胡金艳、黄焕、贾同、江波、蒋艳双、晋欣泉、炕留一、兰国帅、李小娟、李新、李振华、李艳、李振、李志河、梁林梅、梁云真、廖宏建、廖剑、刘邦奇、刘和海、刘永贵、卢国庆、卢佳、卢强、逯行、罗江华、马志强、毛刚、穆素、乜勇、钱逸舟、钱震、权国龙、任飞翔、尚俊杰、石映辉、首新、孙立会、孙聘、孙田琳子、孙艳超、唐烨伟、田爱丽、田浩、田阳、万昆、王改花、王靖、王凯丽、王雪、王佑镁、王亚飞、王运武、王志军、魏顺平、魏雪峰、吴南中、吴秀圆、吴长城、武滨、武小鹏、徐显龙、徐振国、薛耀锋、杨刚、杨海茹、杨文正、杨现民、叶新东、殷丙山、尹春晓、袁磊、袁满、张炳林、张晨曦、张栋科、张海、张洪孟、张进良、张慕华、张慕文、张妮、张琪、张育桂、张志新、赵磊磊、郑旭东、翟雪松、周海军、周进、周亮、周楠、周晓清、朱珂、朱永海、祝士明等

感谢浙江师范大学逯行、江苏师范大学李新、江南大学刘俊杰参与数据分析及文字整理工作。