人工智能视域下的我国教育技术研究现状与前瞻

梁友明 吴天生

摘 要

过去的5年，是人工智能高速发展的时期。通过对教育技术专业八大核心期刊检索人工智能的相关信息，利用Citespace、知网可视化分析等软件，对论文的时间分布、来源及机构分布、作者分布、关键词、共现网络、聚类等进行文献计量学分析，得出：过去5年，我国教育技术界人工智能研究与国家政策密切相关，研究紧跟热点，着重培养学生的计算思维等方面的能力，从“教”与“学”两方面进行教育应用方面的研究。但机构的合作缺乏多样性、深入度不足、研究层次不均衡等问题依然存在。基于此，提出：要秉承“以生为本”的总方针，注重多专业的协调发展、加强人工智能六大领域间的合作;注重理论与创新的结合;凸现“智能+”目标，借助人工智能技术促进智慧教育发展。同时，对未来的发展趋势作一定程度的预测，为我国教育技术领域人工智能的进一步研究和发展提供参考。

关键词 教育技术;人工智能;研究热点;统计分析;教育应用

中图分类号 G642.4  文献标识码A  文章编号1005-4634（2022）02-0024-08

0 引言

1956年夏季，为期6周的达特茅斯研讨会（Dartmouth Workshop）诞生了“人工智能”的概念，当时的定义为“人工智能是拥有模拟能够被精确描述的学习特征或智能特征的能力的机器”[1]。 人工智能可以分为弱人工智能、强人工智能及超人工智能3个阶段。目前，我国的人工智能研究仍处于弱人工智能阶段。与国际人工智能的发展相比较，我国人工智能起步较为缓慢，且艰难曲折，人工智能在教育技术界的应用发展也相类似。在疫情背景下，以人工智能为代表的信息技术日趋成熟，其广泛的教育应用为线上线下融合（Online Merge Offline，简称OMO）教学的形成与发展提供了坚实的技术基础[2]。人工智能教育大脑也为教育治理提供了新的思路与路径[3]。但是，目前众多文献计量分析的文献，以人工智能视域下的宏观分析为主，基于教育技术学的视角探究的文献较少。我国人工智能应用于教育领域已有40多年历史，教育技术学需要紧密联系社会新技术的发展而动态调整自身的技术属性。随着人工智能的发展，如何将人工智能更好地与教育技术相结合成为人们关注的焦点，也是教育技术界研究的重点之一。

本研究选取中国知网（CNKI）为数据来源，通过对文献的收集、整理，主要聚焦两个问题：（1）过去五年教育技术领域人工智能的研究现状如何？（2）未来教育技术领域人工智能的研究可能向哪些方向发展？通过对现状进行分析，作出预测并思考未来发展方向。

1 样本收集整理

本研究从中国知网（CNKI）期刊库中，以“人工智能”或“AI”为关键词进行检索，检索时限定年限为2015年1月1日至2019年12月31日（5年时间）。文献来源为《现代教育技术》《中国电化教育》《电化教育研究》《中国远程教育》《开放教育研究》《远程教育杂志》《现代远程教育研究》《现代远距离教育》8本教育技术期刊。选取这8种期刊的原因在于，它们是北京大学出版的中文核心期刊目录（第八版）所遴选的教育技术核心期刊，同时也是教育技术领域的重要刊物，对于探讨教育技术领域人工智能的相关情况具有重要意义。通过以上方式，共检索到文章266篇，剔除会议通知、活动通知、编者按、宣言、邀请函等，最终得出有效文献259篇，以此作为本研究的文献来源。同时，利用可视化分析软件CiteSpace、Excel、知网计量可视化分析等协助完成。

1.1 时间分布

对259篇有效文献进行整理，按时间顺序进行排序，为了更直观地分析国内相关研究动向，绘制出折线图（如图1所示），反映我国近5年教育技术领域人工智能研究的论文数量变化趋势。

可以看到，近5年教育技术领域关于人工智能的研究逐渐增多。根据文献的时间分布，可将近5年教育技术领域人工智能研究划分为两个阶段：（1）起始阶段（2015～2017年）。特别是2015年，相关文献只有6篇，平均每本期刊发表的相关文献数量不到1篇，这表明研究刚刚开始。（2）稳定发展阶段（2018～2019年）。相关研究文献数量的快速增长，说明人工智能受到了广泛的关注。这与国家的政策不无关系——国务院在2017年7月印发了《新一代人工智能发展规划》;教育部2018年4月制定了《高等学校人工智能创新行动计划》[4] 。国家政策“自上而下”进行引领，相关研究开始跟进。2020年，教育部更是加大了硕士研究生的招生规模，重点针对人工智能、临床医学等特定专业。随着國际上以及我国对人工智能的研究逐渐加深，教育技术界也随之变化。本研究预测：2021～2023年教育技术领域人工智能的相关研究将会大幅增长，随后会有适度的理性回归并往纵深化发展，用技术手段促进教育公平等课题也会增多。

1.2 来源及机构分布

从图2可以看出，《远程教育杂志》《现代教育技术》《中国电化教育》3本期刊引领着教育技术领域人工智能的发展。《远程教育杂志》和《现代教育技术》近5年发表相关领域的文章数均超过（达到）50篇。如2021年《现代教育技术》杂志重点关注“智能+教育”的选题，包括“AI+教育”、人工智能实验室建设、基础教育人工智能教学等，所关注的选题相较往年变化不大。从论文数量及内容来看，该选题方向在过去5年得到了较好的贯彻，未来也继续沿着该方向深化研究。相比较，《现代远程教育研究》及《现代远距离教育》在人工智能领域的研究文献较少。

为找出教育技术领域研究人工智能的核心学术团队及机构，本研究统计了各教育技术机构在8个核心期刊上发表人工智能相关论文的数量，高产机构如图3所示。北京师范大学、华东师范大学两所院校以较大优势排在前两位，文献数量分别为42篇及33篇，表明这两所高校对于教育技术领域人工智能的研究有较强的潜力。

值得一提的是，在该领域大部分为院校研究的大背景下，安徽科大讯飞信息科技有限公司在该领域也有较强的实力与潜力，近5年在这8本期刊的发文量达到6篇。安徽科大讯飞股份有限公司人工智能研究院人员撰写的——《语音识别技术的研究进展与展望》一文，对语音识别技术的发展情况、最近几年的关键突破性技术进行了介绍[5]。全文在语音识别技术发展史、深度神经网络对于语音识别声学建模中的引领作用等方面都作了详细描述，展现了该机构在人工智能尤其是智能语音方面的领先地位。

1.3 作者分布

对259篇文献的作者进行分析，可得知教育技术界的哪些学者在研究人工智能相关课题。结果如图4所示。图中可以看到，在众多研究者中，作者肖俊洪发布的文章篇数最多，为7篇。该学者与史蒂芬·道恩斯（Stephen Downes）、拉梅什·钱德尔（Ramesh Chander Sharma）等国外学者均有合作关系，研究主要集中于开放教育、在线学习等方面，在文章中主要承担“译”等角色。

排在第二位的是史蒂芬·道恩斯。研究情趣是指论文作者侧重研究的一个学科或领域的某些具体方面[6]，史蒂芬·道恩斯是慕课的始创者之一，研究情趣较为集中，均与开放学习、在线学习相关。其他发表文章数较多的作者包括余胜泉、顾小清、任友群、陈蕙若等。学者顾小清的研究情趣则较为广泛：在深度学习领域，通过语义图示工具模型的研发，寻求突破碎片化和读图所带来的学习深度缺乏问题[7];对“学习地图”这一教学设计工具加以研究，以期为智能时代的教师工具提供开发思路;也有对学习分析工具的比较研究等。

这些专家学者分布在不同的机构、不同的年龄段，既有学科领域内的知名学者，也不乏年轻学者，甚至是一线教师。他们的研究维度大不相同：任友群作为教育部教师工作司司长，他的4篇相关文章均是从较宏观的视角进行分析，如对联合国教科文组织发布的相关工作报告进行解读[8]，或从教育视角初探，从“人工智能的发展需要教育做什么”以及“人工智能的发展能为教育带来什么”两个维度阐述[9]。武汉市光谷第一中学的教师吴鑫，则带领学生探索人工智能领域寓教于乐的创客教学策略[10]。由此可见，教育技术领域的人工智能研究既有传承也有创新。

2 研究热点及应用分析

2.1 教育技术领域人工智能研究热点

CiteSpace是美国德雷塞尔大学陈超美教授研发的信息可视化工具，该软件专门用于学术文献分析。CiteSpace可以根据文献共被引关系，通过自动抽取施引文献的关键词或名词短语产生聚类（Cluster）标识，并用于归结研究聚焦点，每一个聚类可以被认为是一个联系相对紧密的独立研究领域[11]。本研究采用聚类分析方法，绘制教育技术界对人工智能研究的可视化图谱，以此得出研究热点及时序变化。

2.1.1 关键词共现分析

具体分析步骤如下：首先，在中国知网选取需分析的文献，全部导出为Refworks，之后将数据加载到CiteSpace，通过“Format Conversion”将数据转换为该软件可读取的格式。再将数据导入到CiteSpace中。运用该方法设置的具体参数如下：“Time Slicing”设置为“2015～2019”，“Years Per Slice”为“1”;“Term Source”一栏对“Title”“Abstract”“Author Keywords”“Keywords Plus（ID）”4项均进行勾选，即将标题、摘要、作者、关键词4项设置为抓取源。“Selection Criteria”将“Threshold”[1]设置为“5”。阈值选择提供了多种数据筛选的策略[12]， 本研究选择Top N选择（选择N=50），即对每个时区前50个高频出现的节点进行截取。得到的聚类图如图5，并将频数排名前10的关键词导出见表1，中介中心性排名前10的关键词导出见表2。

通过对表1和表2的对比分析，可发现两个表中的关键词既有一定的差别，也显现了一定的雷同性。两个表格中，共出现了8个频次和中心性都较高的关键词：人工智能、大数据、学习分析、机器学习、智慧教育、计算思维、个性化学习、人机协同。这些关键词就是教育技术届人工智能研究网络的重要节点，该领域的研究也多是围绕这些关键词展开工作。在频次排名中，教育信息化、深度学习的中心性没有进入前十;中介中心性排名中，创客教育、MOOC的频次没有进入前十。这表明：教育信息化、深度学习虽然受到广泛关注，但其内部连接性较差;创客教育、MOOC是教育技术领域当下热门的素质教育或教学活动组织形式，与人工智能的发展也密切相关，但二者的结合并未引起研究者的广泛热议，或者说，如何更好地结合还未有成熟的方案，有待进一步研究。

在這些关键词中，既反映出对信息素养培养的重视，如计算思维;也有对热点的追随，如机器学习、大数据等。同时，对于“教育信息化”等教育界的新的行动计划，也与人工智能挂钩并得到了研究落实。这表明，教育技术领域人工智能的研究是多层次、多维度的，技术层面的深入探讨、政策的落地、应用的施行，都在学者的研究之列。

2.1.2 时序分析

本研究在聚类图基础上，将“layout”设置为“Timeline View”，按时间片段统计得出教育技术界人工智能关键词时序图谱，如图5所示。教育技术领域人工智能研究按年代分类，可看出大致趋势：2015～2016年研究较为表层，这两年关键词较少，这与研究处于起步阶段、文献数量不足有密切关系。2016年被称为“VR元年”，经过一年的沉淀与发展，虚拟现实技术与人工智能结合也开始得到研究;2017年关键词开始增多，初步出现了研究的分化，大数据、深度学习、智慧教育等领域出现了研究成果;2018年则主要集中于教育信息化2.0、智能教育、机器人等方面，可以看出国家政策对该领域的发展开始起引领作用，也从侧面反映出了国家重视人工智能与教育的融合发展;2019年，5G、区块链等高新技术被广泛讨论，同时，从教学设计、教师教育、教育改革等关键词可看出，对教育教学本身的研究也在增多。

2.1.3 聚类分析

为进一步揭示各个主题的关系，探究主题聚类的分布情况，笔者对该部分进行聚类分析，并将最大聚类数设置为7。结果显示Q值=0.627 1，S值=0.588 8，聚类结构显著，且是合理的。这些聚类在一定程度上反映了当前教育技术界人工智能的研究前沿（见图6）。

聚类1是学习分析。此类研究更多聚焦于技术如何融入终端，促进终端的功能提升，进而支持[HJ52x]学生学习。如张国云等[13]分析了物联网、云计算、大数据、三维计算、人工智能5种技术在教育APP中的应用。早在春秋战国时期，我国大教育家孔子就曾提出要“听其言而观其行”，通过谈话和观察实施针对性教育，这就是“因材施教”。在学习分析技术的支持下，多维度、量化方法对学生进行科学分析成为可能，能有效促进“教師教”向“学生学”的视角转变。

聚类2是计算思维。计算思维的培养越来越受到重视，《2017普通高中信息技术课程标准》也将“计算思维”列为四大核心素养之一。学者对计算思维的研究集中于两方面：一是论述计算思维“为什么”重要，在这个维度上，计算思维通常与编程能力、计算技能等关键词一并出现，它们是密切相关的。二是如何更好地培养、测评学生的计算思维。由于计算思维更多是内隐的，教师进行测量时，容易将计算思维简单化地等同于编程工具的掌握程度。因而需要对其“显式”呈现，如郁晓华等[14]构建基于可视化编程的计算思维培养模式，促进学生计算思维的发展和评价手段的创新;王美玲等[15]利用流程图，记录并显性化学习者的思维从识别问题到解决问题的全过程。

聚类3是教育信息化2.0。学者对教育信息化的政策解读、机制变革、热点分析、学校发展、人才培养等多方面展开研究。郑旭东等[16]明确指出：智慧教育2.0就是教育信息化2.0阶段要发展的教育新生态。这也表明教育信息化2.0绝不仅是智能技术的革新，而是在智能技术的引领下，带动教学模式、师资队伍、人才培养等全方位的变革。

聚类4是深度学习。机器学习是人工智能的核心，深度学习是机器学习的新兴研究方向。对人工智能的研究由来已久，近年来之所以人工智能研究取得较大突破，主要得益于深度学习技术。在教育领域，研究者主要讨论深度学习技术特征、教育应用及发展趋势。但必须指出，以上所述是引用计算机领域“深度学习”的说法，而对于教育中的“深度学习”，是一种促进学生知识建构的学习方式，是与“浅层学习”的说法相对的，因此也常被称为“深层学习”。这是教育技术界对“深度学习”概念的两种不同理解。

聚类5是5G。5G技术是新一代移动通信技术的引领者，具有高速率、大容量、低时延、高可靠等特点。5G与虚拟现实技术结合，使远程异地沉浸式教学成为可能，营造“智能虚拟现实”环境，能给予师生“真实感”“空间感”“智能化”三重满足。朱珂等[17]指出，无人机是人工智能在教育领域应用的重要载体。在“AI+5G”的配合下，未来无人机也会朝着人机融合，甚至全自动控制的方向发展。

聚类6是微课。微课也被称为“微课程”，是用5～8分钟左右的时间针对某一学科知识点进行讲解，其以“短小精悍”为主要特点。学者主要以微课作为数字资源，以“人工智能”“机器人教学”等作为学习内容，开展相应的研究。如王同聚[18]在中小学机器人课程中，构建了“微课导学”教学模式：课前学生利用微课和自主学习任务单进行自学，课中通过微课解决重难点和促进知识内化，课后利用微课查漏补缺。在这个教学模式，微课的使用贯穿学习的全过程，并充分体现了“以学生为中心”的特点。

聚类7是计算机辅助教学（Computer Assisted Instruction ， 简称CAI）。广义而言，任何将计算机应用到教学过程中的教学方法，只要有利于教学，实现教学最优化，都属于计算机辅助教学。从这个角度而言，将目前流行的三维动画、视音频、虚拟现实等引入教学过程中，都属于CAI。许多学者都开始了将人工智能应用于CAI系统的尝试。如王筱竹等[19]将“大声说程序”（Ask Program Aloud）引入计算机编程教学，学习者对编程的学习兴趣、社交友好性和技能转化能力均得以提高。

2.3 主要应用

通过对研究热点的可视化分析，大致知道近5年教育技术领域人工智能研究的发展走向。在259篇论文中，题目包含“应用”的有50篇，接近1/5的文章均为对技术应用的分析。从教育的角度来看，研究的最终目的是要为师生服务，并促进教育的发展。教与学相关软件的应运而生及推行，为人工智能在教育技术领域的应用成为可能。

杨现民等提出，人工智能教育应用主要聚焦于智能导学、自动化测评、拍照搜题、教育机器人、智能批改、个性化学习、分层排课、学情监测等8个方面[20]。本部分试图从“教”与“学”两方面对相关应用进行分类，并对其效果开展研究。

在“教”的方面，人工智能教育应用的主要对象是教师。如北京词网科技有限公司研发的“批改网”，在学习分析技术等支撑下，具有实时跟踪、自动批改、实时反馈功能;网龙华渔教育科技有限公司研发的“未来教师”机器人，能协助教师，使教师从大量的重复性工作中得到“解放”，从而教师能专注于教学活动本身。

在“学”的方面，51Talk拥有“Air Class“在线教育平台，能使用自然语言回答问题;而小猿搜题软件能够通过快速识别图像并分析检索所的内容，在拍照搜索、在线答疑等场景中得到应用。

从技术发展的角度看，人工智能的发展可分为计算智能、感知智能、认知智能3个阶段[21]。从计算智能阶段的“能存会算”，到感知智能阶段的“能听会说、能看会认”，人们正在向认知智能，即“能理解、会思考”阶段突破。

相关的教育应用及软件层出不穷，开源系统、教育机器人、自适应学习系统也应运而生。如科大讯飞的“阿尔法蛋”，拥有科学的理论体系，提供场景化学习的同时，实现智能反馈。但在真实情景的使用评测中，对话机械、灵活性不足的问题依然存在，实现认知智能还有很长的路要走。

无论是教师的“教”，还是学生的“学”，人工智能无疑都在影响着教育，并促进教育向纵深化发展。基于人工智能的教育软件，为个性化教学及分散教学提供了支持。但并不代表着有了“合适”的软件，就能促进教育发展：一是这些软件的价格不等，甚至一些开发成本高的软件价值不菲，并不是所有师生都能享有平等使用软件的权利。二是即使获得了软件的使用权，对于教师的培训效果也会影响学生的吸收率。对于拥有较长教龄的教师，他们拥有丰富的教学经验，有自己的教学原则及方法，但对于新事物不易接受，相对于新手教师而言，要做出改变往往较为困难。因此，数字鸿沟、教育差距可能会进一步拉大，特别是在技术尚未完善，未大范围普及应用的初期。

3 研究结论与思考

本研究利用CiteSpace可视化分析软件、Excel、知网计量可视化分析，通过对来源及机构分布、关键词共现分析、时序分析等的分析，对近5年我国教育技术领域人工智能作了研究热点、发展趋势等方面的探讨，得出以下结论。

第一，机构多样性不足，且机构间合作缺乏。如上分析，在相关领域发表论文数前六的单位中，有5所高校，而机构只有1所——安徽科大讯飞信息科技有限公司。研究人员多为院校教师，企业与其他机构人员较少，这就会导致来自业界的最新动态可能无法及时传达。而发表论文数较多的高校院系，如华东师范大学教育信息技术学系，其主要合作网络是华东师范大学课程与教学研究所、华东师范大学开放教育学院，校外合作网络较少。其他高校及机构也存在同样情况，甚至合作数为零，彼此资料交流匮乏，造成信息的不对称，不利于研究的深入。各机构间应加强合作与交流，打造双赢格局。

第二，研究情趣较为集中，研究深入度有待提升。在众多的研究中，研究情趣多以应用问题为主，或针对热点问题，如教育信息化2.0，这固然反映了研究者们紧跟时代热点，力争走在研究前列。但对于扎实的理论研究以及深入技术层面的研究相对较少，研究的深度和广度有待提升。

第三，目前國内教育技术领域人工智能研究重点集中在以下两方面：一是将应用研究作为重点。包括对某系统平台的剖析，以及对技术、模式的应用分析，但研究整体处于初级阶段。二是对领域的研究不够均衡。UCLA计算机科学教授朱松纯将人工智能归纳为计算机视觉、自然语言理解与交流、认知与推理、机器人学、博弈与伦理、机器学习六大主要领域[22]。目前教育技术界在计算机视觉、自然语言理解与交流两个领域的研究较多，而对于其他领域的研究相对较少，人工智能分学科间的融合研究不足。

第四，上述的研究虽然都为教育界乃至教育技术界的人工智能研究作出了不同程度的贡献，但是这些成果也都大体存在着一些不足：研究主要集中于普通教育及职业教育领域，而对于特殊教育的关注较少[23]，中小学层面的研究相比高校的研究也较少。

在我国教育技术领域人工智能的研究逐渐深入并取得一定成就的同时，也应该清醒地认识到发展过程中的不足，从全局角度去量度研究中存在的问题，在一定程度上对未来该领域的发展作更充分的预期和规划。通过分析近5年国内教育技术领域人工智能现状，作出以下思考。

第一，多专业、多领域协调发展，百花齐放。人工智能不是单独的学科或独立的技术，其发展需依靠多专业、多领域的协同发展。如实现语音交互主要依托语音识别、语音合成、自然语言处理三大主要的关键技术[24]，计算机硬件配置的发展和提高为多层神经网络的实现提供了必要的硬件设施[25]，人工智能的发展也建立在云计算、大数据技术发展的基础上。深度信念网络、递归神经网络、卷积神经网络等深度学习技术模型的改进及应用，也为研究的进一步深入助力。但从文章的内容分析，一些高新技术的研究更多隶属于概念范畴，相关研究应该要远离浮躁，不要为了追求“热点”而“热点”，也要注重研究的“落地”，研究应在实践中切实可行。

第二，基于学习科学与知识建构，以生为本。人工智能教育软件的研发，要基于学习科学的观点，而不是教授主义或者行为主义。学习科学家也发现，学习者想要取得更好的学习效果，可以尝试将知识外化并表达。学生利用相关软件学习时，应尽量使其还原真实环境中的“现场感”，使学生感受到群体协作的力量，而不是孤独的学习个体，研究中要更注重“以生为本”。教育技术界研究的目的是促进该学科发展，同时也促进该领域学生的发展与进步。研究中对于学生层面的研究，如何在人工智能时代下促进师生互动及学生的个性化发展依然是重点课题。

落实到教学层面，我国中小学教学依然以班级授课制、分科课程为主，这有利于系统知识的传授和教师主导性的发挥。但学科的分离导致知识支离破碎。综合课程可有效地对学科知识进行融合，人工智能在中小学的综合应用可以以此为突破口，并采用研究性学习模式，在建构主义理论的支持下，将技术有效应用于学生的综合发展与综合评价。

第三，加强人工智能六大学科间的紧密联系，取长补短。目前的人工智能正处于弱人工智能向强人工智能发展的阶段，未来还有可能向着超人工智能的方向迈进。按照学者朱松纯将人工智能按6个领域进行分类的标准，研究的偏向性有所侧重，而对于六大学科间的教育技术交叉研究不足。六大领域在概率建模和随机计算的模式下，会逐渐找到融合交叉点，是一个走向统一的过程。如果单纯只研究某个领域，不踏出交叉领域研究的步伐，无异于故步自封。

第四，凸显“智能+”目标，实现“智慧教育”。2019年的两会，总理的政府工作报告已连续第三年出现“人工智能”，并且“智能+”也被首次写入，以促进传统行业的升级与万物互联。随着“智慧地球”概念的提出，在教育领域也广泛探索“智能+校园”、智慧校园的实现路径。在人工智能的加持下，能为学生创造“深度学习”的环境。广东省教育厅于2018年底发布的《广东省中小学智慧教室建设指南（试行）》等文件，为智慧教育、“智能+”教育的进一步规范化助力。但必须指明的是，“智能+教育”的发展也依然处于初级阶段，常见的如电子书包实验项目属于智慧课堂的初级形式，要将应用“落地”并取得良好效果，还较为困难。

第五，注重理论与创新的融合，用创新引领发展。教育技术是一门交叉学科，融合了教育学、心理学、传播学等多学科理论。人工智能的发展同样建立在算力、算法、大数据等技术增进的基础上。实现“人工智能+教育”，需要信息技术、教育技术、人工智能技术三大基石协调并进。但同时，教育技术学科作为交叉学科发展方向的不明晰，新一代人工智能基础理论体系的建立，如何突破应用基础理论的瓶颈并与教育技术前沿应用相结合，这些问题仍需要时间的考验，挑战依然巨大。因而要加强学科自身的理论、研究方法建设。近年来，人工智能技术飞速发展，教育技术界对其应用也正在增长，但教育理论的创新程度，特别是教育技术界的理论创新不足。若理论发展跟不上技术发展的步伐，容易使应用盲目发展。因此，在相关问题的研究方法上要寻求突破，既要有验证性方法，也要有探索性方法。前者强调从理论出发，自下而上地聚焦理论检验或证明，而后者关注理论的生成和构建，如扎根理论则是其中的典型方法。

4 结束语

科学技术是教育变革的内生动力，人工智能将从根本上改变教育：无论是教学工具、学习方式、知识获取和教师培训等方面都将发生翻天覆地的变化。对近5年文献分析后得出结论：我国目前教育技术领域人工智能研究处于初级阶段。作者、机构间应加强合作，在技术层、算法层、应用层等多方面展开研究，而不仅限于应用层面。在未来相关的研究上，要注重哲学研究与科学研究相联系，探索性方法与验证性方法都应该成为研究者开展研究的科学方法，要注重理论的生成和建构。在国家政策的引领下，促进信息技术、教育技术、人工智能技术研究的紧密性，同时在研究中，要注重“以生为本”，注重跨学科的融合。在人工智能技术的加持下，教育的未来正在向我们走来。

参考文献

[1] 徐坚，王维平.我国人工智能教育发展及现状研究——基于1976—2017年中文文献的CiteSpace可视化分析[J].信息化研究，2017，43（6）：1-6.

[2] 祝智庭，胡姣.技术赋能后疫情教育创变：线上线下融合教学新样态[J].开放教育研究，2021，27（1）：13-23.

[3] 顾小清，李世瑾.人工智能教育大脑：以数据驱动教育治理与教学创新的技术框架[J].中国电化教育，2021（1）：80-88.

[4] 周志华.创办一流大学人工智能教育的思考[J].中国高等教育，2018（9）：52-53.

[5] 王海坤，潘嘉，刘聪.语音识别技术的研究进展与展望[J].电信科学，2018，34（2）：1-11.

[6] 张志新，陈博，朱永海，等.我国慕课研究的现状与问题分析[J].现代教育技术，2017，27（12）：101-107.

[7] 顾小清，冯园园，胡思畅.超越碎片化学习：语义图示与深度学习[J].中国电化教育，2015（3）：39-48.

[8] 任友群，万昆，冯仰存.促进人工智能教育的可持续发展——联合国 《 教育中的人工智能：可持续发展的挑战和机遇 》 解读与启示[J].现代远程教育研究，2019，31（5）：3-10.

[9] 任友群.人工智能的教育视角初探[J].远程教育杂志，2018，36（5）：37.

[10] 吴鑫.小学创客教育初级人工智能作品的设计——以开源机器人“小菠萝”存钱罐作品为例[J].现代教育技术，2018，28（6）：122-126.

[11] CHEN C M.CiteSpace II：detecting and visualizing emerging trends and transient patterns in scientific literature[J].Journal of the American Society for Information Science and Technology，2006，3（57）：359-377.

[12] 陈悦，陈超美，刘则渊，等.CiteSpace知识图谱的方法论功能[J].科学学研究，2015，33（2）：242-253.

[13] 張国云，杨文正，赵梅.“技术赋能学习”视域下新兴技术在教育APP中的应用前瞻分析[J].中国电化教育，2018（10）：107-117.

[14] 郁晓华，肖敏，王美玲，等.基于可视化编程的计算思维培养模式研究——兼论信息技术课堂中计算思维的培养[J].远程教育杂志，2017，35（6）：12-20.

[15] 郁晓华，王美玲.流程图支持下的计算思维培养实践研究[J].中国远程教育，2019（9）：83-91.

[16] 郑旭东.智慧教育2.0：教育信息化2.0视域下的教育新生态—— 《 教育信息化2.0行动计划 》 解读之二[J].远程教育杂志，2018，36（4）：11-19.

[17] 朱珂，王玮，杨露彬.“5G+无人机”技术的教与学：场景、路径与未来应用展望[J].远程教育杂志，2019，37（4）：33-41.

[18] 王同聚.“微课导学”教学模式构建与实践——以中小学机器人教学为例[J].中国电化教育，2015（2）：112-117.

[19] 王筱竹，OSUNDE J，BARTHAUD D，等.人工智能辅助会话式编程：一种性别包容的程序设计教学法[J].中国远程教育，2018（8）：70-78.

[20] 高婷婷，郭炯.人工智能教育应用研究综述[J].现代教育技术，2019，29（1）：11-17.

[21] 中商情报网.特征：人工智能发展阶段简述与中国人工智能发展[EB/OL].（2017-08-24（[2020-09-18].http：//www.askci.com/news/chanye/2015/09/14/163037x642.shtml.

[22] 朱松纯.浅谈人工智能：现状、任务、构架与统一[EB/OL].（2017-11-07）[2020-09-18].http： //www.stat.ucla.edu/～sczhu/research_ blog.html#VisionHistory.

[23] 王永固，王蒙娜，李曉娟.人工智能在儿童学习障碍教育中的应用研究综述[J].远程教育杂志，2018，36（1）：72-79.

[24] 姚永刚.基于云计算的人机对话系统研究与实现[D].广州：华南理工大学，2013.

[25] 刘勇，李青，于翠波.深度学习技术教育应用：现状和前景[J].开放教育研究，2017，23（5）：113-120.[ZK

Status and prospects of educational technology research in China from perspective of artificial intelligence

LIANG You-ming1，WU Tian-sheng2

（1.College of Education，Capital Normal University ，Beijing[KG4]100037，China;

2.College of Educational Science and Technology，Guangdong Polytechnic Normal University，

Guangzhou，Guangdong[KG4]510665，China）

Abstract

The past five years have been a period of rapid development of artificial intelligence.The article retrieves relevant information about artificial intelligence through eight core journals of education technology major，and uses Citespace and CNKI visual analysis software to analyze the time distribution，source and organization distribution，author distribution，keywords，co-occurrence network，clustering，etc.of the paper.The analysis shows that in the past five years，the research on artificial intelligence in the educational technology community in China has been closely related to national policies.The research has closely followed the hotspots，focusing on the cultivation of students′ ability in computational thinking and other aspects.However，problems such as insufficient cooperation diversity，insufficient depth of research，and uneven research levels still exist.Based on this，this article proposes to adhere to the general principle of "student-centered"，pay attention to the coordinated development of multiple disciplines，and strengthen cooperation between the six major areas of artificial intelligence;focus on the combination of theory and innovation;highlight the "intelligence +" goal，and use artificial intelligence Smart technology promotes the development of smart education.At the same time，make a certain degree of forecast for the future development trend，and provide a reference for the further research and development of artificial intelligence in the field of education technology in China.

Keywords

educational technology;artificial intelligence;research hotspots;statistical analysis;educational application

收稿日期2020-09-18

基金项目广东省研究生教育创新计划项目（2017JGXM-ZD24）

作者简介梁友明（1995—），男，广东肇庆人。博士研究生，主要研究方向为智能学习支持环境。  通信作者  吴天生（1976—），男，广西合浦人。硕士，副教授，硕士生导师，主要研究方向为教育技术实践与应用。