国外教育人工智能研究的热点——基于知识图谱的可视化分析

麻娟

(新疆师范大学,教育科学学院，新疆，乌鲁木齐 830017)

0 引言

人工智能在教育中的应用是构建智慧教育的重点，是成为未来教育变革的重要趋势。关于国际教育人工智能的研究，研究者通过对教育技术领域26项国际会议内容的探究，发现国际人工智能前沿主要集中在人工智能时代技术人才、人文教育、人工智能技术与教师的关系以及智能教育系统的设计和开发等[1]。本研究基于Cite Space的可视化研究探索国外教育人工智能2015～2020年研究热点，并进行总结和展望，为我国教育人工智能的发展提供启示和借鉴。

1 数据与方法

1.1 研究数据获取

本研究以Web of Science数据库核心数据合集作为研究数据来源。检索范围为Web of Science核心合集中，以“Educational Intelligen*”和“AI”为主题，文献类型为Article，语种为English进行检索，将主题检索通过高级检索“or”组配检索式，再以“Education*”和“Teaching”主题检索，检索条件相同，经 “or”组配检索式，将两次经过“or”组配的检索式，通过“and”再次进行组配，确定最终研究文献为643篇。

1.2 研究工具与方法

Cite Space能够帮助研究者更好地理解所从事的研究领域，突显出该领域发展中聚焦的关注点[2]。本研究基于643篇国外研究文献，通过可视化文本分析和视图分析，总结国外教育人工智能发展的热点，深度了解国外教育人工智能发展的趋势。

2 国外教育人工智能研究的热点

探寻国外教育人工智能的研究热点，通过对Web of Science数据库核心数据合集确定的643篇文献运用Cite Space进行可视化分析，经过聚类分析得到模块值为0.758 7，平均轮廓值是0.803 2，说明划分出来的社区结构是显著的且聚类高度令人信服。

2.1 文本分析

对关键词频次和中心关键词进行统计，如表1所示。

表1 2015～2020年国内教育人工智能研究高频关键词和中心关键词统计

从表1中可以看出，国外关于教育人工智能研究的文献样本中，高频关键词凸显了系统(system)、模型(model)、设计(design)、诊断(diagnosis)、类神经网络(neural network)等。从关键词出现的频次可以看出国外教育人工智能研究范围更广泛，聚焦更多新技术领域。中心关键词可以表示在教育人工智能领域演化的重要性，遗传算法(genetic algorithm)和等级(classification)关键词在国外教育人工智能的研究中扮演重要的角色。

2.2 视图分析

(1) 关键词共现图谱分析

图1中圆圈大小代表该关键词在领域中关注度的大小，人工智能(artificial intelligence)作为检索词节点圆圈直径最大，教育(education)、机器学习(machine learning)、系统(system)、模型(model)、深度学习(deep learning)圆圈直径大小次之。节点人工神经网络(artificial neural network)、诊断(diagnosis)、设计(design)等关键词可对我国教育人工智能研究提供借鉴。

(2) 关键词聚类图谱分析

关键词聚类视图可呈现不同的研究主题，如图2中国外教育人工智能研究共分为11大聚类。

图1 2015～2020年国外教育人工智能的关键词共现图谱

图2 2015～2020国外教育人工智能的关键词聚类图谱

高频关键词网络(Internet)、AI(人工智能)属于聚类#0。JIA[3]利用智能分类算法开发了智能化的教育信息物理系统，用于大学英语课堂教学，取得了有效的课堂学习研究。CHEW等[4]建议开发5G教学框架，以此提高学习动机。在5G时代，人工智能带来许多新的挑战，要求教育者不断更新知识和创新教育，将课程纳入新的人工智能领域，实施教学和学习计划来实现更高的教育目标。

高频关键词机器学习(machine learning)、神经网络(neural network)、设计(design)属于聚类#1。WINKLER-SCHWARTZ等[5]提出要缩小人工智能、医学、教育学之间的知识鸿沟，使机器学习能够成为医学中外科教育的新兴领域。

高频关键词诊断(diagnosis)、影响(impact)属于聚类#2。DAI等[6]开展了一项关于人工智能在课程应用后，学生关于人工智能技术看法见解的调查研究，将收集的数据进行分析，学生的自信心及其对人工智能的了解共同影响着人工智能技术在课堂上的使用情况，该研究表明男生对于人工智能技术的了解要高于女生，同时对人工智能技术非常感兴趣，认为人工智能技术是一种强大的技术。随着在线学习和混合学习的发展，在线学习的评估也需要智能化的手段。SNCHEZ-PRIETO等[7]构建了基于感知的有用性、感知的易用性、使用的态度、行为意图和实际使用五个方面的人工智能教育评估模型。

高频关键词教育(education)和中心关键词学生(student)属于聚类#4。基于人工智能技术的机器人平台的构建也成为关注的热点，学生在其中可以实现多样性的想法。在高等教育中，学生对教育有着不同的需求，迫使探寻个性化学习方法迫在眉睫。XIAO等[8]提出了在学生进入大学前对其学习信息进行分析，将学生信息利用特征方法建模，形成一种基于人工智能的个性化学习模型构建方法，在此方法的基础上，定制面向高等院校师生设计个性化学习方案，同时应用在高校学生毕业后的职业规划中。

高频关键词人工智能(diagnosis)、系统(system)、模型(model)属于聚类#7。人工智能教学的应用使学生在实际问题中可以使用深度学习或机器学习技术寻找现实世界复杂问题的解决方案，学习同伴间也可以更好的进行协同合作。BERNARD等[9]提出以人工智能来识别学习风格，通过计算智能算法提高学习风格的识别度，当学习者处在不同学习环境中寻求合适的学习风格，使得基于人工智能的专家系统和智能教学系统得以精准化使用。

高频关键词深度学习(deep learning)属于聚类#9。在学习科学中，深度学习在学习者情感识别领域使用脑电信号的情绪分析方法来预测积极情绪和消极情绪[10]。SUN等[11]认为大数据和人工智能的综合能力应用已经成为英语教学的影响因素之一，将人工智能和大数据引入英语教学中，形成了新的英语教学生态环境建设方法。

3 总结

通过梳理国外教育人工智能研究的热点，主要集中在医学、教育学、社会学领域，国外教育人工智能研究层次更深入，从学生学习行为的分析逐渐深入到关注学习者情感、情绪、态度的分析，通过构建基于人工智能的模型评估学生的学习情绪，以此提高教学质量和学习效果。在应用层面，国外教育人工智能更多的是通过人工智能技术对模型、算法层的构建，缺乏将这些技术应用于教学中的实证研究。国外重视人工智能在教学中应用效果评估和影响研究，在课堂上使用人工智能技术表明学生关于人工智能技术在课堂中应用的体验，发现人工智能技术能够激发学生学习动机和兴趣。此外，国外教育人工智能研究更关注人工智能算法层和相关模型的构建，基于大数据的深度学习和机器学习的研究，基于人工智能技术的情感态度的探究，或是应用大数据和人工智能系统构建新的学习生态环境，以及智能化学习系统和导师系统的开发等。

未来,对比国外教育人工智能的发展，国内教育人工智能的发展应多关注初等教育、中等教育、高等教育、职业教育、工程教育、医学教育等类型教育。随着在线学习和混合式学习的发展，要注重人工智能技术对在线学习的教学的评估和学习评价。此外，还应注重综合性系统的研发，为学生学习过程中的发展提供助力。