应用文献计量法研究人工智能在高等教育领域的应用发展现状

余必胜 蒋凌雁

摘要：利用文献题录信息统计分析工具SATI，结合社会网络分析软件Ucinet，可视化工具Netdraw，选取CSSCI作为期刊来源类别，时间范围在2015-2020年，对“人工智能”与“高等教育”为共有主题的87篇有效文献进行分析和讨论。结果表明文献发表近6年呈正增长趋势;少数机构发文量在文献总发文量占比达一半;通过关键词社会网络实证分析，提取了44个关键词，表明人工智能与高等教育及人才培养这3个关键词是整个结合领域的核心，以地平线报告、大数据、产教融合等作为补充和扩展，最终形成以人工智能为中心的教育发展模式;對高频关键词进行聚类分析，提炼4个表明近6年研究趋势的热点词。

关键词：文献计量;社会网络分析;人工智能;高等教育

中图分类号：G43      文献标识码：A

文章编号：1009-3044（2021）28-0012-03

开放科学（资源服务）标识码（OSID）：

1 背景

通过文献计量方法进行数据分析，可以客观、直观、形象地反映人工智能与高等教育的结合领域的研究热点及研究演化情况，通过更直观地观察和整合文本信息，找到数据中隐藏的规律和联系[1]。本文对近6年来基于CSSCI上关于人工智能与高等教育作为共有为主题的文献进行计量，对高频关键词进行社会网络化分析，研究人工智能在高等教育领域的应用发展现状。

2 研究方法以及数据来源

本文采用文献题录信息统计分析工具web版SATI4.0，社会网络分析软件Ucinet6.716，可视化工具NetDraw2.713，数据来源于中国知网，将中国学术期刊网络出版总库中的学术期刊文献作为研究对象，对“人工智能”与“高等教育”作为共有主题进行研究。

检索条件：主题设置为“人工智能”*“高等教育”，作者范围不限，时间范围从2015年至2020年。选取中文社会科学引文索引（CSSCI）作为数据来源类别，学科限定在自动化技术、计算机软件及计算机应用、教育理论与教育管理、高等教育等4个范围，共检索出87篇学术期刊;将由此形成的文献题录信息数据作为目标对象进行分析研究。

3 文献计量分析

文献发表的数量是表明该研究领域热度的一个重要指标。通过对人工智能、高等教育两个主题的分析，有助于我们预测未来的走向[2]。

3.1 文献发表年份

对87篇学术期刊的文献题录信息数据进行统计，得到近6年 “人工智能”和“高等教育”结合领域的文献发表年趋势（见图1）。

文献年发文量总体趋势提高，从2018年到2019年，文献发文量年增长率达到514.3%，增长趋势明显，显示这一时期人工智能在高等教育领域的应用研究得到了更多的关注。

3.2 文献作者所属机构

将134所文献作者所属机构中的二级机构合并到一级机构（如将北京理工大学社会科学院和北京理工大学计算机学院均归并到北京理工大学），得到一级机构94所，文献出现频次在2次及以上的机构26所（见表1）。机构占比27.7%的26所机构发表文献82次，文献占比94.3%，表明研究人工智能与高等教育的机构有集中的趋势。前26所机构中，24所为高校，高校在人工智能与高等教育领域明显投入了更多的精力与关注度。

3.3 文献所属期刊

对目标对象进行相关文献所属期刊分析，得到发文量前十的期刊（见图2）;中国电化教育、开放教育研究、电化教育研究、中国远程教育、远程教育杂志、教育研究、社会科学战线、现代教育技术等8家期刊在6年间刊发在2篇及以上关于人工智能与高等教育主题的文献共计25篇，占全部87篇文献的28.7%，这8家期刊更加关注人工智能和高等教育的结合领域，并且在这个领域研究的权威性更高。

4 文献关键词社会网络实证分析

4.1 高频关键词分析与确定

用SATI4.0对文献题录数据进行关键词词频分析，生成50*50阶的关键词共现矩阵，经过Ucinet计算，得到度中心度（Degree centrality）、中介中心度（betweenness centrality）、接近中心度（Closeness centrality）。度中心度体现的是关键词在学习网络中的凝聚力;中介中心度更高的关键词则起到将不同主题连接的作用;接近中心度体现的是该关键词的亲和度与辐射力[3]。删除与“智能教育”含义相近的关键词 “智慧教育”;删除3个度中心性和中间中心性均为0的词 “中国高等教育学”“信息技术”“法律科技”;删除2个中间中心性为0，度中心性和接近中心性均为倒数的关键词“法学教育”、“2017地平线报告”，最终筛选出44个关键词， 按照度中心度、中介中心度、接近中心度的降序排列，得到高频关键词中心度分析表（见表2）。出现频次比较高的关键词依次是人工智能、高等教育、地平线报告、人才培养、教育信息化、大数据等。它们代表了近6年来在人工智能与高等教育结合领域的研究热点。

4.2 关键词社会网络的构建

利用Netdraw绘制出44个关键词共现的社会网络知识图谱（见图3）。每个节点表现“人工智能”与“高等教育”结合领域的高频关键词，节点之间的连线表示关键词之间的关系[4]。

4.3 网络中心性分析

从表2和图3看出人工智能与高等教育及人才培养出现的度中心度与中介中心度明显高出其他的关键词，意味着这3个关键词是结合领域的核心，它们起到沟通其他节点的作用，地平线报告、大数据、产教融合等作为补充和扩展，形成以人工智能、高等教育及人才培养为中心的教育发展模式。

4.4 聚类分析

聚类（cohesive subgroups）是一个行动者的子集合，在此集合中的行动者之间具有相对强烈的、紧密的、直接的、经常的或者积极的关系。它根据子群内部各成员之间关系的强弱相对于子群外部关系强弱划分类，并且可以根据指定的数目了解类的情形[5]。通过Ucinet软件对高频关键词进行聚类分析，得到关键词聚类（见表3）、聚类矩阵密度表（见表4）。

本文关键词聚类分为8个类别（Clusters）（见表4）。

类别1的关键词代表的文献研究热点在于：泛在学习环境下，利用人工智能、机器学习、大数据等进行个性化的教与学，同时要产教融合，体现了教与学的变革，提炼热点“变革”。

类别2的关键词集中在智能教育、教育技术的改进，提炼热点“教育技术”。

类别3的关键词是针对智能时代，建设智慧校园，以学生为中心，进行个性化学习，提高学生的数字素养，提炼热点是针对时代变迁，教育变革所做的“对策”。

类别4的关键词集中在高等教育的人才培养模式，涉及专业教育及毕业后的就业，在学科建设中需要创新，提炼热点“人才培养”。

类别5、7、8关键词均只有2个，关键词间黏合度不足。类别6的关键词密度为0，表明关键词与其他关键词没有紧密的关系。对这4个类别不予归纳命名。

5 结束语

本文系统分析了中国知网近6年来有关人工智能与高等教育作为共有主题的文献，从相关数据得出结论：1）近6年文献发表呈正增长趋势，2018年到2019年间的增长率更高;2）少数机构在发表的文献中占据更大的比例，表明在结合领域的研究有集中的趋势，高校在人工智能与高等教育领域投入了更多的精力与关注;3）中国电化教育、开放教育研究、电化教育研究、中国远程教育、远程教育杂志、教育研究、社会科学战线、现代教育技术等8家期刊更加关注人工智能和教育的结合领域，并且在这个领域研究的权威性更高;4）通过关键词社会网络实证分析，提取了44个人工智能与高等教育结合领域的关键词，表明近6年处在泛在学习环境的人工智能大变革时代，高等教育变革要做相应的对策，建立新的人才培养模式，在学科建设中进行创新，以学生为中心，进行个性化教与学，提高学生的数字素养。

参考文献：

[1] 潘黎，王素.近十年来教育研究的热点领域和前沿主题——基于八种教育学期刊2000—2009年刊载文献关键词共现知识图谱的计量分析[J].教育研究，2011，32（2）：47-53.

[2] 苏雨若，黄立志.2012—2019：我国教育技术领域人工智能研究综述——基于SATI3.2分析工具[J].天津电大学报，2019，23（3）：59-63.

[3] 贾旭楠.基于关键词共现和社会网络分析法的我国企业竞争情报热点主题研究[J].情报探索，2019（8）：114-121.

[4] 张静，周道军，郭彦青.基于知识图谱对我国民族文化认同研究热点的可视化分析[J].齐齐哈尔大学学报（哲学社会科学版），2017（2）：29-32.

[5] 劉军.社会网络分析导论[M].北京：社会科学文献出版社，2004：53.

【通联编辑：谢媛媛】