人工智能在教育领域的研究现状与特征分析

高丹阳　张双梅

摘   要：智能技术对人们的生活方式和思维方式具有不可忽视的影响。人工智能与教育的融合，对我国教育教学的变革起到了巨大作用。为进一步了解人工智能在我国教育领域中的研究现状，本文以中国知网（CNKI）为数据来源，以2015-2019年发表的264篇国内人工智能研究文獻为对象，运用CiteSpaceⅤ分析工具进行可视化分析，采用社会网络分析的方法，梳理并阐述了当前我国人工智能的研究现状，并运用内容分析法分析人工智能在国内教育中的研究特征，以期为后续研究做好基奠。

关键词：人工智能;知识图谱;CiteSpaceⅤ;社会网络分析

中图分类号：G434 文献标志码：A 文章编号：1673-8454（2019）13-0028-05

一、引言

随着科技的快速发展，各种新技术层出不穷。人工智能作为当前的新兴技术，在各个领域都发挥着重要作用，推动了社会各领域从数字化、网络化向智能化的跃升，深刻改变着人们的生活方式和思维模式。人工智能是通过机器延伸，提高人们社会治理能力和水平的新兴技术，它涉及心理学、计算机科学、信息科学、哲学等多个学科的融合研究[1]。国务院印发的《新一代人工智能发展规划》指出，随着人工智能的快速发展，教育呈现出深度学习、跨界融合、人机协同、群智开放、自主操控等新特征，人工智能技术在教育中的应用越来越重要[2]。近年来，人工智能技术与教育的融合，从很大程度上推动了我国教育的发展，智能教室、智能助手等技术的应用，在教育教学中发挥了巨大作用。研究人工智能在我国教育领域中的应用现状及特征，有利于促进我国教育科研的发展，同时增强人工智能技术与教育的深度融合。

二、数据来源及研究过程

本文聚焦人工智能在教育领域中的应用研究，通过检索中国知网（CNKI）核心期刊以及CSSCI期刊，对人工智能相关研究的作者、关键词及热点主题内容进行了探讨，绘制了人工智能的知识图谱，并对国内人工智能的研究特征进行了详细论述。

1.数据来源

研究数据全部来源于中国知网，以“人工智能”为主题在社会科学Ⅱ辑中的教育理论与教育管理、学前教育、初等教育、中等教育、高等教育、职业教育、成人教育与特殊教育等几个教育学科范围内进行文献检索。来源类别为核心期刊和CSSCI期刊，检索时间跨度为2015-2019年，共得到524条检索结果。然后经过多次筛选，共剔除会议通知类、访谈记录类、文件解读类、无作者、无关键词以及其他与研究主题相关性较低的文章等260篇，最终得到有效文章264篇。

2.研究过程

首先从中国知网进行相关文献的检索并筛选有效文章，然后用Excel软件统计2015-2019年相关文章的发文量，分析其研究趋势;接着利用CiteSpaceⅤ分析软件将这些文章进行数据的转换及导入，对264篇文献进行作者合作网络分析、关键词共现分析以及聚类分析等，并生成相关知识图谱，呈现出国内人工智能的可视化研究主题现状;最后通过内容分析法，分析人工智能在教育领域中的文献研究特征并进行详细阐述。

三、研究现状

1.发文量统计

发文量统计图能够比较清晰地显示人工智能在教育领域中发表的文章数量。将筛选好的文章进行各年份发文量统计，利用Excel软件录入文章的发表年份及各年的发文量，然后做出发文量与时间的折线统计图，并显示其线性。图1所示为2015-2019年人工智能的发文量统计，从图中可以看出，教育领域关于人工智能的研究从2015年到2018年一直呈上升趋势，说明人工智能的研究一直在发展，2017-2018年是发展的飞速时期，众多学者开始关注人工智能技术在教育中的应用。从线性图中还可以发现，2015-2019年由于发文量与时间呈线性关系，发文量逐年增加，由此可以推测2019年人工智能与教育的研究还会呈上升趋势，将会是近几年相关学者研究的热点内容。《教育信息化2.0行动计划》中也指出，要实施“智慧教育创新发展行动”，大力推进智能教育，推动人工智能在教学、管理等方面的全流程应用，利用智能技术加快推动人才培养模式、教学方法改革等。因此，关于人工智能的研究还会呈增长态势，研究内容将更广泛、深入。

2.研究作者合作网络分析

为了能够快速而清楚地了解到研究智慧学习的核心作者及其研究团队信息，对研究作者进行了合作网络分析。选定时间范围为2015-2019年，切片间隔为一年，节点类型（Node Types）为作者（Author），其他为默认值，经过调整，最终生成如图2所示的作者合作网络图。导出节点信息，得到相关作者及其发文量，可以发现祝智庭为发文量最多的作者，共发表相关文章5篇，对人工智能在教育中的研究贡献较大;其次，是程平、贺相春、南旭光、盛群力、牟智佳、张进良以及郭绍青等人，发文量均在3篇及以上，对该领域的研究也作出了较大贡献。

通过分析生成的作者合作网络图，可以发现，人工智能在教育领域中的研究已经形成了几个研究小团体，其中，贺相春、郭绍青、张进良等人的研究小团体比较有影响力。但是在该领域研究中尚未形成一个比较大的研究合作团体，各学者之间还缺乏一定的沟通交流，需加强团队合作。

3.研究热点分析

（1）关键词共现分析

为了清晰地了解当前人工智能的研究热点，对关键词进行共现分析。先将转换后的数据项目导入到CiteSpaceⅤ中，时间范围选择2015-2019年，时间切片为1年，节点类型选择关键词（Keyword），其他为默认值，生成关键词共现图谱。然后对同义词进行合并，得到的关键词共现图谱如图3所示。图中共有99个节点、214条连线，密度（Density）为0.0441。

根据关键词出现的频率可以发现人工智能在教育领域中的热点研究内容。可以依据普莱斯定律确定频次的临界值，计算公式为M=0.749（Nmax）1/2，其中M为关键词的最低出现频次，Nmax为指定时间范围内关键词的最高出现频次[3]，当某个关键词的出现频次不低于M时，这个关键词就可以认为是该领域研究的一个热点内容。除去基本的关键词人工智能（AI）后，可以发现，出现次数最多是深度学习和大数据，各出现15次，根据普莱斯定律，Nmax=15，计算得出M=2.9，即出现3次及以上的关键词为研究热点，如表1所示的核心关键词及其出现频次，共有44个热点词汇。其中人工智能、深度学习、大数据、机器人、智慧教育和人才培养出现的次数均在10次以上，是研究的核心热点，其次还有教育大数据、智能教育、机器学习、学习分析、创客教育、计算思维等关键词的频次均大于3，也是研究的热点内容。

（2）关键词时区分析

关键词时序分布图可以帮助我们更加清晰地了解各个时区人工智能与教育研究的主要内容。从人工智能关键词时序分布图（如图4所示）可以看出：2015年最初主要是关于机器人的研究，研究的内容比较单一;到2016年，对人工智能的研究逐渐增多，2016年到2018年是人工智能研究的发展时期;随着时间的推移，2018年人工智能在教育领域中的研究角度更加广泛，不仅仅局限于人工智能技术的研究，而呈多元化发展，如人工智能时代、机器人教育、自适应学习等。

通过以上对各时间人工智能研究内容的分析，可以推测，2019年关于人工智能在教育领域中的研究会更加深入，一方面是在现有基础研究的基础上继续深入讨论;另一方面是挖掘不同的角度，比如对学习者的学习分析、学习支持、精准教学等方面的研究。

（3）主题聚类分析

①聚类结果

采用LLR（Log-Likelihood Rate）算法进行聚类分析，对关键词进行分类整理，从而了解人工智能在教育中的研究主题类别。运用CiteSpace中的聚类功能进行聚类分析，共得到七个聚类结果，其中Modularity=0.5872、Mean Sihouette=0.6547，说明聚类结果比较成功。这七个结果依次为：#0智能教育、#1教育、#2深度学习、#3个性化学习、#4教学、#5大数据智能、#6信息技术。

第一，#0智能教育包括教育信息化、教育现代化、智慧教育、信息素养、人机协同、“互联网+”教育、未来教育、田园教育、人工智能课程、融合创新、核心素养、混合智能、AI教育、个性化教育、教学设计等关键词。主要针对人工智能技术进入教育领域，对教育所产生的一系列影响，将技术与教育进行融合，进行信息化、智能化的教育。

第二，#1教育包括学习方式、通用人工智能、转识成智、自然智能、智能教学系统、軟技能、慕课、教师专业发展、机器教育、STEM/STEAM、人工智能教育应用、智慧教育、智能教育、人机共教、教师职业、自适应学习、教育应用、自主智能系统等关键词。

第三，#2深度学习包括高等教育、教学改革、产教融合、校企合作、教育应用、集成服务、泛在学习、学习环境、学习科学、精准管理、多元智能、非正式学习、智慧教学、仿脑机理、情感智能、智能学科与技术、深度教学、工具性思维、人工智能思维、智能材料、语义分析等关键词。

第四，#3个性化学习包括个性化学习、机器学习、学习分析、教育大数据、人工智能+教育、学习空间、精准教学、翻转课堂、个性化教学、人机协作、学习结果预测、交互、学习服务、深度融合、虚拟课堂、因学定教、学习行为等关键词。

第五，#4教学包括大数据、在线学习、人工智能教育、自适应学习、知识图谱、智适应学习、智慧学习环境、远程教育、物联网、信息交互、研究性学习、教学交互、系统设计、脑科学、学习通用设计、模型构建、移动学习、智慧教室、远程开放学习、技术赋能学习、开放教育资源、教育决策等关键词。

第六，#5大数据智能包括大数据智能、人才培养、终身学习、人工智能2.0，职业教育、跨媒体智能、个性化教育、自主智能系统、群体智能、跨媒体学习、智能图书馆、素质培养、教育管理、数据融合、智能账务、计算机博弈、试题关联网络、试题推荐系统等关键词。

第七，#6信息技术包括信息技术、机器人、机器人教育、创客教育、教学设计、合作学习、教育教学、机器智能、教育机器人、机器人竞赛、配对编程、配对学习、功能定位、创客学习、学习体验、创新技能教育、融合方式、教学模式、混合现实、智创空间等关键词。

②聚类分析

通过对有效文献进行内容分析，进一步归纳总结为理论研究与信息技术研究两个大方面研究内容。具体来讲，理论研究涉及到教育教学变革、学习者学习、人才培养等研究;信息技术研究包含技术及其成果等研究。

教育教学的变革研究：具体来说主要是教学模式的研究以及智能教学、教师专业发展等理论研究。如刘勉、张际平在研究虚拟现实概念的基础上，将虚拟现实技术融入课堂教学，构建了未来课堂环境的“Va A（VR and AR）”教学模式[4];尹睿等人在汲取神经科学研究成果的基础上，构建了人工智能教学系统，推动智能课程的产生[5];宋灵青等从立德树人、重塑教师角色、变革教学方式等八个方面阐述了“AI”时代教师专业发展的途径[6]。总体来讲，对教育教学的变革研究主要就是人工智能技术与教学的深度融合，带动课堂教学、教师角色等的转变。

学习者学习的相关研究：主要体现在学习方式、学习环境等方面。学习方式的研究主要有深度学习、个性化学习、机器学习等[7-9];王萍等人在对智能虚拟助手的概念及其关键技术分析的基础上，提出了涵盖交互层、功能层、技术层以及能力层在内的智能虚拟助手下的学习支持系统框架，并讨论了其开发和实现方式[10];塔卫刚从学习科学的角度出发，研究了学习环境设计的问题，并提出了学习环境设计面临的人机共生的交互、反思学习的需求以及创新创造思维这三大挑战[11]。人工智能技术的发展，在学生的学习、学习分析以及个性化需求等方面发挥着重要作用，为学生提供了各方面的学习支持，促进其学习效果的提升。

人才培养研究：主要包括人工智能人才的培养以及人工智能背景下其他各方面人才的培养。如张茂聪等人在讨论我国人工智能人才培养现状的基础上，从科学建设人工智能一级学科、鼓励高校培养人工智能交叉人才以及推进产学研合作的培养模式三个方面提出我国人工智能人才的培养途径[12];李秋斌阐述了人工智能技术的发展对职业教育产生的影响，提出人工智能背景下职业教育中人才培养的四个问题，并就如何进行职业教育人才培养进行了详细的论述[13]。人工智能的发展对人才培养提出了要求，智能机器人、机器人助理等产品兴起，人们在学习生活中的角色也发生了一系列变化，为适应社会技术的发展，人才培养的方向也是一个值得思考的问题。

信息技术研究：人工智能技术在教育中关于信息技术方面的研究，主要是关于人工智能技术产生的一系列成果的讨论研究，如智能机器人、学习支持系统等。魏雪峰等人提出了教育测评机器人理念构想，具有三大功能模块、四层系统架构与五个应用策略，并在实际课程中展开了实践研究，验证了教育测评机器人对于提升学生成绩和自我效能感是有效的，可以满足学生的个性化需求[14];陈凯泉论述了人工智能技术应用在教育中催生新型智能教学系統，可以进行更加精准的学情判断和科学的学习路径推荐，用以支持学生的个性化学习[15]。教育信息化发展以及学生的个性化需求等促进了相关学者对智能技术的研究，智能学习系统、智能教师等的研发，能够有效地促进学生的智能学习。

四、研究特征

通过对以上内容的研究分析，可以发现，人工智能在教育领域中的研究呈现出从理论到实践、从现象到本质、从单一到多元等特征。

首先，人工智能在教育领域中的研究是从理论讨论到实践应用的研究。人工智能这一新技术的出现，受到了教育领域各专家学者的诸多关注，对人工智能理论进行讨论，如深度学习、AI时代的教师专业发展以及课堂的教学模式等等。伴随人工智能技术的发展以及国家政策的大力支持，人工智能的一些成型产品也应用到了实际教育教学当中，如学习分析技术、智能助手等，并对其教育教学的应用效果进行了讨论分析，从而促进教学质量的提升。

其次，人工智能在教育领域中的研究是从现象到本质的递进研究。人工智能技术初期在教育领域中的研究仅限于外部层次，对这一技术的了解不够充分，只能是基于表层研究，如简单的机器人研究;随着研究的逐渐深入，开始对人工智能在教育中一些比较具体的问题进行深入探讨，如人机交互、智能考试系统、智能助教、智能感知等问题，研究的层次逐渐深入。由此可以发现，我国对于人工智能的研究呈现出层层递进的特征，而后期的研究也会更加深入，研究视角也会更多样化。

最后，人工智能在教育领域中的研究是从单一到多元化的研究。从研究的关键词时序图可以明显发现，人工智能领域的研究主题逐渐增多，不仅仅是简单的机器人研究，研究的内容越来越多样化。单纯对技术的研究已不能满足新时代下教育教学变革的要求，为应对新形势、新挑战，要从当前教师教学和学生的需求出发，研究人工智能在教学和学习中的应用及其效能。从多角度去探讨人工智能在教育领域中所发挥的功能作用，如智能识别、智能助手、精准教学等等，从而满足学生的个性化需求，提升教学质量，促进教育信息化2.0时代我国教育教学的不断发展。

五、结束语

为促进教育信息化的发展，还需不断加强对人工智能的研究，将技术与教育深度融合，构建信息化学习环境和学习资源，加强课堂教学的智能评价、人机交互以及智能学习分析，深入讨论如何运用人工智能做到精准教学等，从多角度、多层次去探讨，不断推动学校教育教学质量的提升以及人工智能人才的培养。

参考文献：

[1]徐鹏，王以宁.国内人工智能教育应用研究现状与反思[J].现代远距离教育，2009（5）：3-5.

[2]国发[2017]35号.国务院关于印发新一代人工智能发展规划的通知[Z].

[3]丁学东.文献计量学基础[M].北京：北京大学出版社，1992.

[4]刘勉，张际平.虚拟现实视域下的未来课堂教学模式研究[J].中国电化教育，2018（5）：30-37.

[5]尹睿，黄甫全，曾文婕，曾育芬，潘蕾琼，陈思宇，伍晓琪.人工智能与学科教学深度融合创生智能课程[J].开放教育研究，2018，24（6）：70-80.

[6]宋灵青，许林.“AI”时代未来教师专业发展途径探究[J].中国电化教育，2018（7）：73-80.

[7]祝智庭，彭红超.深度学习：智慧教育的核心支柱[J].中国教育学刊，2017（5）：36-45.

[8]牟智佳.“人工智能+”时代的个性化学习理论重思与开解[J].远程教育杂志，2017，35（3）：22-30.

[9]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.

[10]王萍，石磊，陈章进.智能虚拟助手：一种新型学习支持系统的分析与设计[J].电化教育研究，2018，39（2）：67-73.

[11]塔卫刚.学习科学视野下学习环境设计研究[J].现代教育技术，2018，28（6）：5-10.

[12]张茂聪，张圳.我国人工智能人才状况及其培养途径[J].现代教育技术，2018，28（8）：19-25.

[13]李秋斌.人工智能背景下高职人才培养的思考[J].职教论坛，2018（10）：132-136.

[14]魏雪峰，刘永渤，曲丽娟，王晓宇.教育测评机器人的理念构想与教学应用研究[J].中国电化教育，2018（12）：25-30，53.

[15]陈凯泉，沙俊宏，何瑶，王晓芳.人工智能2.0重塑学习的技术路径与实践探索——兼论智能教学系统的功能升级[J].远程教育杂志，2017，35（5）：40-53.

（编辑：王晓明）