基于CiteSpace的国内人工智能教学研究热点及趋势分析

陈池荷 张文泉 李 琛 王强国

（1.陆军工程大学军械士官学校 湖北·武汉 430075；2.陆军装备部驻武汉地区军代局驻武汉地区第三军代室 湖北·武汉 430300；3.中国人民解放军69243部队 新疆·昌吉 831500）

1 研究背景及数据来源

1.1 研究背景

近年来，人工智能的发展推动着教育发生深层次变革，《新一代人工智能发展规划》显示：在教育领域中，我国提倡构建包含智能学习、交互式学习的新型教育体系，推动人工智能在教学、管理、资源建设等全流程应用。当前正处在新工业革命时代，人工智能教学是教育技术领域颇受关注的研究课题之一。

1.2 数据来源

本文研究数据引用自中国知网（CNKI）“北京大学中文核心数据库”。以“主题”为检索项，以“人工智能&教学”为检索式，以“2016年到2021年”为检索时间范围，以“北大核心”为检索类别，共检索894篇文献。通过人工方法删除会议通知、人物访谈、文件讲话、重复发表的文献及与主题不相关文献之后，最后一共得到834篇有效文章。

2 研究结果统计与分析

2.1 人工智能教育领域期刊论文统计分析

2.1.1 作者分析

运行CiteSpace得到人工智能教学研究的作者共现图谱。该网络十分零散（密度:Density=0.0054），虽然作者数量较多（节点数：N=222），但绝大多数作者之间缺少合作（连线数:E=132），大多数作者都为独立研究，仅存在少量两至三人的小规模合作团体。

2.1.2 机构分析

机构发文量分析。从表1发文量前10位机构来看，发文量最多的是北京师范大学教育学部，高达20篇。西南大学教育学部次之，发文量为15篇。分列三至十位的均为师范类高校，这表明其已成为该研究领域的主力，并且已取得了较为丰硕的学术成果。

表1：发文量前10位机构（单位：篇）

图1：机构合作网络分析图

图2：关键词聚类分析图

机构合作关系分析。从图1机构合作网络分析图看出，人工智能教学领域内共有209家研究机构，机构间的连线数为144，密度仅为0.0066。表明各机构分布零散，仅有少数几个机构之间存在着合作。主要存在三种合作形式：一是师范类高校之间的合作。如北京师范大学教育学部和西南师范大学教育学部的合作等；二是同一研究机构内部之间的部分合作：例如华东师范大学内部学院之间的合作；三是以某些师范类高校为中心，和同一地区内政府机构的合作，如华东师范大学与上海市教育委员会等之间的合作。

以上两点反映了该领域的研究虽然得到学术团体的关注，但多为独立研究或者地区性的少数机构间的合作研究。总体而言，研究人员和机构合作意识不够，知识与研究成果的共享与流动性不强。

2.2 人工智能教学研究热点分析

2.2.1 人工智能教学的研究热点呈现

衡量研究热点的两个重要指标分别为关键词频次和中心性。结合高频关键词与中心性两方面分析结果，发现国内人工智能教学研究热点集中于人工智能、大数据、人才培养、智能教育等方面；连接两个不同教学领域的关键枢纽为人工智能、大数据、智能教育、人才培养，具有高中心性的关键词对其他关键词具有较高影响力

2.2.2 基于人工智能教学关键词聚类的研究热点分析

为了进一步探索研究前沿，本研究利用CiteSpace软件的关键词聚类分析，经过聚类计算后模块值(Modularity，Q值)为0.5027，Q值＞0.3，表明划分出来的社团结构是显著的。平均轮廓值（Silhouette，S值）为0.8062，S值在0.7时，聚类是高效率令人信服的。

因此，这些聚类一定程度上折射出我国人工智能教学研究领域的研究热点，包括#0人才培养、#1人工智能、#2教育人工智能、#3智能教育、#4智慧教育等共10个主要聚类标签。关键词聚类分析图如图2所示，其中十字标志表示每个聚类包含的标识词。

因文章篇幅所限，仅对前五个聚类进行分析：

聚类#0人才培养：包含前五个关键词为人才培养；课程体系；人工智能时代；模仿学习；学科发展。处于中心位置的节点分别是人才培养和课程体系。在人工智能时代的人才培养研究领域方面，刘兰等演研究者认为，工作任务的变迁呈现了新特征。与之相适应的，技能人才培养模式应作出调整，从改变过于偏重知识灌输的教学模式和转变教学内容两方面入手，构建数字技能、创新创造、人际交往相结合的人才培养体系。

聚类#1人工智能：包含前五个关键词为人工智能；大学教学；开放大学；大数据；人工智能时代。在人工智能与大数据背景下，智能技术以其特殊优势在大学教学场景中被广泛应用，有研究者指出，现今的大学教学正在遭受“技术”“同质”“单向”等思维特征的束缚，李洪修，吴思颖认为大学的教学思维应回归学生生命本真的本原思维，促进学生个性化发展的异质思维，塑造交互性共同体的交互思维。

聚类#2教育人工智能：包含前五个关键词为教育人工智能；数据挖掘；人工智能伦理；数据伦理；学科建制。不仅限于大学教学思维方面，罗生全，王素月认为，大学以往的教学伦理正在发生变革，为应对教学伦理面临的挑战与变革，应注重大学教师基于人工智能的教学伦理素养的有力提升以及大学生基于人工智能的教学伦理素养的着力培养。许多学者将目光投向了教育人工智能的利益相关者伦理、社会伦理、数据伦理等方面，不少学者认为，在将教育人工智能大范围的投入应用之前，有必要慎重考虑教育人工智能伦理原则的构建。

聚类#3智能教育：包含前五个关键词为智能教育；数字孪生；教育应用；人机共生；数智融合。智能教育聚类中这些关键词的出现，表明了目前，很多学者已经逐渐将研究方向转移至后人工智能教育时代的学习形态，例如：“人机学习共生体”，数智融合驱动下的数字孪生技术等富有前瞻性的研究领域。

聚类#4智慧教育：包含前五个关键词为智慧教育；教育变革；职业教育；地平线报告；互联网+教育。人类目前处于第四次工业革命时代，教育变革正朝着智慧教育（以互联网+教育为代表）发展。其中节点“地平线报告”表明，在人工智能教学研究方面，我国目前许多研究仍是基于美国高等教育信息化协会（EDUCAUSE）发布的《地平线报告》。这表明，我国的许多研究仍建立在借鉴领先国家研究成果的基础之上。

3 结论与讨论

综合前文的统计分析和可视化分析，梳理出国内人工智能教学研究热点及趋势有如下特征。一是人工智能正在推动教育革新，人才培养体系正在做出相适应的调整，教育的思维变革正在悄然发生；二是教育人工智能的伦理原则亟待构建，在教育人工智能的大规模投入应用前，需要为其安全有效的利用奠定伦理道德基础；三是人工智能教学研究主题更加多元化，未来几年可能将聚焦于“机器人”“新工科”以及“人机学习共生体”等更加多元化的主题。