我国“人工智能+教育”领域的研究热点与演进趋势

周 晔 张刚要

（南京邮电大学 教育科学与技术学院，江苏 南京 210023）

一、引言

纵观历史，教育工作者和研究人员一直对技术助力教育变革和激发学生学习潜力充满热情。随着人工智能围棋软件AlphaGo一举打败世界围棋大师李世乭，以自然语言处理、计算机视觉、生物特征识别为关键技术的人工智能获得全球关注。教育工作者和研究人员注意到人工智能技术在推动教育改革方面的极大潜能：通过创设智能学习环境，为学生的学习提供精准、个性化的学习支持，利用教育大数据进行智能化管理，形成人机协同的教育决策模式（陈丽，郭玉娟，高欣峰，谢雷，郑勤华，2019）。但教育人工智能，抑或是人工智能教育，只侧重于技术或教育的单方面。因此，既关注教育领域中的人工智能技术，又对挖掘人工智能技术的教育理论与意义抱有较高期待的“人工智能+教育”应运而生。

目前，教育领域围绕“人工智能+教育”展开研究的文献数量呈现持续增加的态势，但现有研究主要从某一类人工智能技术应用于教育的单一角度出发，探究某项技术的教育应用效果，或是系统性探究这一领域下的某一分支。总体而言，呈现各自为营的领域研究状态，不足以构成对“人工智能+教育”的整体性解释，相关热点与演进趋势尚不明确。鉴于此，本研究基于共词分析法，以聚类树状图与战略坐标图两种可视化方式，分析“人工智能+教育”领域当前的研究热点及演进趋势，探索未来的发展空间，为教育工作者和研究人员循证实践提供参考。

二、数据来源

本研究在国家大力推动人工智能与教育深度融合的基础上，探求“人工智能+教育”领域的研究热点与演进趋势。由于相关文章的数量庞大，质量参差不齐，且对“人工智能”技术和教育的研究恰是教育技术学的研究内容之一。因此，本研究聚焦能够体现“人工智能+教育”研究领域现有水平的教育技术学领域8种核心期刊，在中国国家知识基础设施（China National Knowledge Infrastructure，简称CNKI）数据库中以（“人工智能”并含“教育”）或者（“AI”并含“教育”）或者（“智慧教育”或含“智慧学习”或含“智能教育”）为主题词进行检索，分别对8种期刊在2008年1月至2021年4月所收录的文章进行筛选与分析。

三、研究过程

本研究在前人研究的基础上，结合实际情况，分以下四个步骤展开研究。

第一步，处理样本文章的相关数据。按照前文所述的样本期刊与文献套录的方法，共获得与“人工智能+教育”领域相关的554篇文章，剔除访谈、会议通知等非学术性论文，最终得到有效样本404篇，文章分布情况如表1所示。

表 1 “人工智能+教育”相关样本文章分布

表2 高频关键词表

图 1 “人工智能+教育”研究领域的系统聚类树状图

第四步，在聚类的基础之上，利用关键词之间的共现关系得出各主题类团的向心度与密度（Lee &Jeong, 2008）数据（见下页表3），根据该数据制作战略坐标图。对于类团来说，密度越大，表明该类团内部紧密联系的程度越高，维持和发展自身的能力越强，已有的相关研究就越趋向系统化、成熟化；向心度越高，说明这一类团与其他类团之间联系的频次越高，也就越趋于研究领域的核心地位。

表3 各类团的向心度值和密度值

四、研究结果

（一）“人工智能+教育”领域研究热点透视

对于系统聚类结果的判读，主要通过黏合力确定中心关键词，并分析类团内关键词组合的语义关系，对各类团进行命名。同时采取以下辅助方法：①在已有的样本中检索含有共现词汇对的文章，若无相关检索结果可求助于CNKI数据库，探析共现词汇对之间的关系；②请教熟悉“人工智能+教育”研究情况的专家和教育工作者，寻求他们对类团命名的建议。结合上述方法，本研究最终将“人工智能+教育”领域的研究主题划分为6个类团（见表4）。

表4 研究主题类别结构及黏合力

1. 教育人工智能伦理

“教育人工智能伦理”一词的出现，是因为在智能技术与教育联合的过程中缺乏有效的哲学思考与道德考量，出现了技术依赖、学习主导权偏移以及社交与情感剥夺等失范现象，导致一系列诸如自动化决策机制问责、算法偏见与数据隐私泄露之类伦理问题的产生。众所周知，教育是一项培养人的事业，且具有不可逆性，这意味着，在教育人工智能设计到使用的全过程，都必须遵循一定的伦理规范。围绕教育人工智能的伦理问题，我国研究者进行了初步的探索，相应地发展出描述性（谭维智，2019；于英姿，胡凡刚，2020）、批判性（苏明，陈·巴特尔，2019；冯锐、孙佳晶，孙发勤，2020）以及规范性（张刚要，梁青青，2020；邓国民，李梅，2020）三种研究框架。

2017年国务院印发的《新一轮人工智能发展规划》（国发〔2017〕35号）中就已提及“要开展与人工智能应用相关的民事与刑事责任确认、隐私和产权保护、信息安全利用等法律问题研究”，但政策主要落实在自动驾驶、服务机器人等应用基础较好的细分领域，教育领域目前还未有相关的政策与行业规范。因此，目前亟需对教育中的人工智能伦理问题开展深入的、系统的专门性研究。国内现有的相关研究大多在教育学单学科框架下进行问题解构，但教育中的人工智能伦理问题极其复杂，没有人学、伦理学、法学和技术哲学的参与，很难找到满意的答案。因此，对教育中的人工智能伦理问题展开系统研究，需要在多学科融合的视野下进行综合问题解决，进而为教育人工智能伦理风险的规避与治理提供保障。

2. 智慧教育

2008年，IBM公司提出“智慧地球”的概念。随后“智慧”理念便延伸到各行各业，“智慧教育”便是“智慧”理念在教育中的映射。本质上，智慧教育是教育信息化发展到新境界的衍生物，是教育信息化2.0行动的航标，是智能教育的理想化形态，更是教育现代化实现进程中的最新追求。祝智庭和贺斌（2012）认为“智慧”具有双重性，既是目的（智慧作为学习的结果）又是手段（学习作为运用智慧的过程），“智慧教育”便可以理解为综合利用智能技术和智慧教学法，鼓励学习者选择、适应和塑造社会环境并不断创造出制品和价值，最终培养出高智能人才的过程。目前，我国学者对于“智慧教育”的研究大致集中在三个方面：①内涵与价值阐释（王运武，彭梓涵，张尧，王宇茹，2020；祝智庭，魏非，2018）；②关键技术研究（胡钦太，郑凯，胡小勇，林南晖，2016；陈金华，2019）； ③智慧教育与教育革新（林德全，2020；李树英，2019）。

总体说来，当前的智慧教育研究多浮于理论，现实中既缺乏对“智”的思考又缺乏对“慧”的布局，相关的实证研究由于实施规模与技术条件的限制，应用和推广均异常艰辛，整体呈现“全而不精”的研究态势。未来的研究需要关注以下两个方面：一是理性思考与实践创新双向并行，弥合产学研之间的断层，加快智慧校园、智慧教室的建设与推广；二是在“育人为本”与“社会为本”之间寻求新的平衡。为响应“促进学生全面发展”的国家号召，智慧教育应进行以下转变：教学内容向培育高阶思维转变；评价指标从单一走向多元；教学管理从线下走向线上，从而开启以培育“智慧素养”为旨趣的智慧教育新生态。

3. 大数据驱动的精准教学

早在20世纪60年代，奥格登·林斯利就将“精准教学”这一概念用于学生学业表现的研究，并在特殊教育和阅读教学中取得了成功。当时的精准教学是指教师记录分析学生的学习表现和行为数据，根据学生的学习进度和偏好调节教学策略，这一过程离不开教师的经验指导。如今，大数据驱动的精准教学依托新兴的人工智能技术，实时、无干扰地记录学生在听课、研讨、测试等课堂全过程的学习行为与数据，并自动生成分析报告，为教师教学策略和学生学习路径的调整提供精准的数据支持。我国学者的贡献主要集中在以下三方面：①大数据驱动精准教学的价值探析（郭利明，杨现民，张瑶，2019；楼中楠，朱哲，2019）；②大数据驱动精准教学的学习分析研究（刘敏，郑明月，2019；雷云鹤，祝智庭，2016）；③精准教学平台的设计与应用（张奕，2019；刘宁，王琦，徐刘杰，余胜泉，2019）。

毋庸置疑，大数据科学和学习分析技术的兴起，构筑了精准教学进一步发展的技术平台。但大数据驱动的精准教学还面临着以下问题，亟待我们做出理论与实践高度契合的前瞻性思考。一方面，大数据只能呈现事实，却无力解释背后的原因。因此，将“数据素养”的培育纳入教师专业发展应成为新常态。另一方面，心理学研究表明，人的认识活动在很大程度上受到情感的影响。因此，亟需将学习者的情感状态纳入精准教学的学习分析框架之中，并通过跨学科的整合性研究提高学习分析的准确性和鲁棒性。

4. 智能教学与自适应学习

智能教学（也叫智能导学或智能导师）是认知科学、教育学、心理学与计算机科学交叉融合的产物，旨在通过模拟教学决策或设置虚拟代理使教学机器智能化与类人化，而在网络环境下，智能教学又与适应性超媒体系统有效地结合在一起，为自适应学习系统提供了科学依据与技术框架。自适应学习系统将智能化的“教”与适应性的“学”融为一体，能够实现学习路径的智能化导航和学习内容的自适应呈现，为“个性化学习”“智适应学习”的实现提供了一条崭新的道路。这一主题的相关研究可分为三类：①学习者画像研究（师亚飞，彭红超，童名文，2019；菅保霞，姜强，赵蔚，2020）；②智能教学系统与自适应学习平台的设计与开发（刘勉，张际平，2019；卢文辉，2019）；③相关的发展性研究（梁茜，皇甫林晓，2019；李海峰，王炜，2018）。

如今，人工智能算法虽能为决策模拟和智能导航的实现提供有力支持，但智能教学与自适应学习自身的功能及其效果有待进一步完善。以往的智能教学系统与自适应学习平台由于缺乏学习资源的多元表征，在教学中仅发挥辅助性功能，课堂知识传授的主力军仍然是教师，学习者进行自主探究学习的条件有限。当前，在人工智能技术的推动下，有望帮助智能教学与自适应学习实现由知识传授向知识共生的转变。

5. 新兴智能技术的教育应用

以虚拟/增强现实、5G为代表的智能技术，凭借高交互、低时延的技术优势，创设出高度沉浸与多元感知的资源整合型学习环境，能够即时满足学习者的动态学习需求，并为其提供智能化与个性化兼备的学习支持。同时，区块链凭借其去中心化、防伪溯源以及智能合约的核心优势，在教育数据治理时能够确保数据的透明性、有效性和可靠性，为教育管理提供了一条创新发展路径。我国学者的工作主要聚焦在两个方面：①新兴智能技术支持的学习环境研究（李亮，朱津津，祝凌宇，2019；胡国良；黄美初，2020）；②新兴智能技术支持的教育管理研究（曲一帆，秦冠英，孔坤，李博，2020；梁青青，张刚要，2020）。

毫无疑问，新兴智能技术的教育应用被社会大众寄予“实现教育信息化”的美好愿景，实际上它对教育革新的实际效用与预期效用之间存在着鸿沟。主要原因是技术研发与实践应用之间的断层难以弥合：新兴智能技术层出不穷，出于商业目的，企业研发人员对相关教育应用的研发热情也持续高涨，而教学一线普遍还停留在以投影仪和白板为教学媒体的阶段。因此，新兴智能技术的教育应用要想在教育中真正发挥效用，亟需解决包含教学适用性、技术成熟度等因素在内的伦理和技术成本问题。另外，我们也应该注意到，大部分教育应用目前最为关切的仍然是学习绩效，对情感、价值观之类的因素关注颇少，它们已然沦为“应试教育的帮凶”。因而，新兴智能技术的教育应用需要社会乃至国家层面的正确引导，方能逐渐推动教育的革新与发展。

6. 机器人教育

一般而言，机器人教育有两层含义：一是通过教授机器人的相关知识与技能来培养学生的高阶思维和科学素养；二是突破原有的教学形态，让机器人分担教师教学过程中的部分工作，成为课堂的基本要素之一。在这样的课堂中，教师与机器人发挥各自优势，协同实现个性化教育与公平的教育，促进人的全面发展。鉴于我们的研究意图，本研究对“机器人教育”的理解定位在后一种含义上。相关研究主要集中在三方面：①机器人赋能未来教育的价值探析（柳晨晨，宛平，王佑镁，杨刚，2020；张尧，王运武，2019）。②关键技术研究（高博俊，徐晶晶，杜静，黄荣怀，2020；卢宇，薛天琪，陈鹏鹤，余胜泉，2020）。③机器人教育中的人机协同研究（黄甫全，伍晓琪，唐玉溪，陈思宇，曾文婕，2020；汪时冲，方海光，张鸽，马涛，2019）。

就目前的发展态势来看，实现课堂中的协同教学无疑是推动机器人教育发展的关键。但为实现人机协同的目标，教师需要付出更多努力。首先，对于教师来说，进行“双师课堂”教学不仅需要熟悉智能机器人的功能，了解与之相关联的系统使用与数据解读的方法，更需要将这些智能设备及其功能合理地整合到教学过程中。因此，教师不但需要提升自身的信息技术与数据素养，还需要提高教学设计之类的专业素养，将人机协同贯穿到课堂教学的每一环节中。其次，智能机器人帮助教师从重复机械的工作中解放出来，教师的价值从“教书”转移到“育人”上。那么，学校及相关部门有必要开展有关价值引领、职能转变与教学分工等方面的教师培训，以帮助教师较好地适应角色转换。

（二）“人工智能+教育”领域研究主题演进趋势分析

根据表3的数据，我们以向心度为X轴，密度为Y轴，以二者的平均值为原点绘制出二维坐标系，即战略坐标图（见图2）。

图 2 “人工智能+教育”研究领域的战略坐标图

分布在第一象限的是B、C类团，即“智慧教育”与“大数据驱动的精准教学”两个研究主题。由图2可以直观地看出，这两个主题的密度和向心度均高于平均值且密度值远超其他四个主题，属于“人工智能+教育”领域中的核心研究主题。

“智慧教育”这一研究主题的向心度处于绝对高度，该主题内部的关键词（教育信息化、教育信息化2.0、智能教育、智慧学习环境）都能与其他研究主题的关键词形成搭配在同一篇文章中出现。不难看出，在“人工智能+教育”这一研究领域，教育信息化、智慧教育等关键词为其提供宏观层面的战略引领，在领域内占有比较重要的地位，是领域中的研究热点。另外，智慧教育研究范畴较广且视角众多，理论不断创新，具有远大的发展前景。因此，“智慧教育”这一研究主题维持和发展自身的能力较强，能在相当长的时间段内保持较高的词频，不易消失。

而“大数据驱动的精准教学”的密度处于绝对高度。原因在于：精准教学的研究起步较早，理论体系较完善。在此背景下，该主题从学习分析、数据支持到策略调整形成了较严密的研究体系。值得一提的是，精准教学被认为是实现个性化学习的高效教学方法，与智慧教育、智能教学、新兴智能技术之间存在着非常紧密的联系，使得这一主题在相关领域中表现活跃，具有顽强的生命力。随着时间的推移，社会对于精准教学、个性化学习的诉求愈加强烈，“大数据驱动的精准教学”这一主题的相关研究将会愈发重要。

分布在第二象限的是类团A，即“教育人工智能伦理”。由图2可知，类团A的密度高于平均值而向心度为最低值，属于“人工智能+教育”领域中的独立研究主题。这表明：①该研究主题内部联结强度较高，目前的研究集中于对人工智能伦理问题的描述、批判与规范，研究体系初具雏形。②由于该研究主题和其他主题之间的联系不紧密，在“人工智能+教育”研究领域中表现不活跃，维持和发展自身的能力较差，该主题发展到一定阶段之后，很有可能因为缺乏发展的动力而逐渐消失。③该研究主题尚属于“人工智能+教育”研究领域的新问题，相关研究还处于早期探索阶段，研究群体与研究内容相对独立，处于非核心地位。虽然近些年来该主题类团逐渐受到研究者关注，但它始终是“人工智能+教育”领域的支流之一，无法与推动领域发展的“智慧教育”“大数据驱动的精准教学”等研究主题相比。

分布在第三象限的是类团E和类团F，分别是“新兴智能技术的教育应用”与“机器人教育”两个研究主题。从图2可以直观地看出，这两个类团的向心度与密度均低于平均值，且类团E的密度为最低值，表明这两个研究主题与其他主题之间的联系不够紧密，且自身主题内部的联结较松散，研究成熟度较低，处于领域的非核心地位，属于“人工智能+教育”领域的边缘研究主题。

“新兴智能技术的教育应用”这一研究主题的密度为六个类团中的最低值，说明该主题内部聚焦点分散、联结强度较低，已有的研究还不足以构成体系。现阶段，新兴智能技术层出不穷，相关的教育应用也在不断地更新换代，已有的研究不够集中且内部相关概念缺乏一致性，因而该主题仍处于缓慢的发展阶段，研究成熟度较低。虽然这一主题的研究历史较短且系统化程度较低，发展尚不成熟，但从图2可以直观地看出，与“机器人教育”相比，这一主题的向心度更接近平均值。这表明该主题在“人工智能+教育”领域占有一定的地位，就目前的发展态势看来，尚有一定的提升空间。

相比同一象限中的“新兴智能技术的教育应用”，“机器人教育”的密度较高，向心度较低。形成这种分布情况的原因大致有以下两点：①二者尚属于新事物，相关的研究均不足以构成体系。而“机器人教育”这一主题的研究指向明确，相关研究的聚焦点较集中，内部的联结程度自然要高于“新兴智能技术的教育应用”；②“机器人教育”这一主题由于学科应用较窄，囿于计算机科学基础知识与技术应用，与其他主题之间的联系并不密切，导致其向心度值较低。

类团D位于第四象限，即“智能教学与自适应学习”这一研究主题。由图2可知，类团D的密度低于平均值，而向心度却紧随类团B，位居第二，属于“人工智能+教育”领域中的潜力研究主题。这表明：①主题中的关键词之间互动不频繁，内部结构松散，不能很好地自成一体。原因主要是：自适应学习是智能教学发展到一定阶段的产物，与智能教学一脉相承。因而，二者在一定程度上具有相互替代性，同时出现在同一篇文献中的可能性较低。不难发现，六个主题类团中，“智慧教育”的包容性极强，而这一研究主题内部联结强度较低，发展极不稳定，在发展的过程中很容易分化出“学情预测与分析”之类的新研究主题，又或者被一些类似于“智慧教育”且范畴较广的研究主题所兼并。②该主题中的关键词在其他研究主题中也同样受到重视，在“人工智能+教育”研究领域表现活跃度高。该主题中的智能教学、认知诊断以及自适应学习，能和其他主题中的智慧教育、精准教学、学习分析之类的关键词形成搭配在同一篇文献中出现。该主题在领域中表现活跃，具有较大的发展潜能，极有可能成为“人工智能+教育”研究领域的核心主题。

五、结论与展望

教育的未来与新技术的发展有着内在的联系，人工智能的进步为教学和学习提供了新的可能性的同时也提出了挑战，它有可能从根本上改变教育的内部结构和治理范式。“人工智能+教育”日益为教育工作者和研究人员所关注。本研究利用共现词汇对分析可视化的技术方法，对“人工智能+教育”领域的主题内容进行了相关的分析和研究：聚类树图展现出“人工智能+教育”研究领域的主题结构，战略坐标图则清晰地反映出各研究主题之间的关系，揭示了各研究主题当前的发展状况（核心度和成熟度）。研究结果显示：主题类团B（智慧教育和类团）、C（大数据驱动的精准教学）处于领域核心地位；类团D（智能教学与自适应学习）同样在领域中占有重要地位，研究发展前景广阔；类团A（教育人工智能伦理）的独立性较高；类团E（新兴智能技术的教育应用）和类团F（机器人教育）现阶段的研究相对狭窄，需要寻求新的出路与机遇。本研究致力于厘清“人工智能+教育”领域的研究热点，帮助该领域教育工作者与研究人员了解把握未来发展趋势，有关该领域主题结构与关系模型有待进一步探讨。

注释

① 此处沿用所引用文献[35]中的“粘合力”。