基于COOC和VOSviewer的我国人工智能教育研究知识图谱分析

摘  要：为全面分析人工智能教育的研究现状和演化趋势，文章采用COOC和VOSviewer软件对中国知网（CNKI）数据库检索到的人工智能教育研究领域内的1 612篇文献进行可视化分析。通过绘制研究机构、研究作者、关键词共现图谱分析人工智能教育领域的研究现状和研究热点，绘制关键词时区图谱分析人工智能教育领域的演化趋势，以期为人工智能教育领域的深入研究提供一定参考，以及丰富相关的理论研究。

关键词：人工智能教育；COOC；VOSviewer；知识图谱；可视化分析

中图分类号：TP391  文献标识码：A    文章编号：2096-4706（2023）12-0141-06

Knowledge Graph Analysis on AI Education Research in China Based on COOC and VOSviewer

QUAN junping

（Capital Normal University， Beijing  100048， China）

Abstract： In order to comprehensively analyze the research status and evolution trend of artificial intelligence education， COOC and VOSviewer software are used to visually analyze 1 612 literatures in the field of artificial intelligence education research retrieved from CNKI database. This paper analyzes the research status and research hotspots in the field of artificial intelligence education by drawing research institutions， research authors and keyword co-occurrence graphs， draws the keyword time zone graph to analyze the evolution trend in the field of artificial intelligence education. It is hoped that this paper can provide a reference for further research in the field of artificial intelligence education and enrich the relevant theoretical research.

Keywords： artificial intelligence education; COOC; VOSviewer; knowledge graph; visual analysis

0  引  言

1956年，“人工智能”概念初次出現在的达特茅斯会议上，随着计算机技术的发展，人工智能正逐渐成为全球国际竞争和产业变革的新焦点[1]。人工智能逐步与各行各业结合，潜移默化地融入我们的社会生活。随着教育信息化2.0时代的来临，教育已成为人工智能应用的重要场景。人工智能教育领域内容庞杂而且与其他领域有广泛的交叉性，有必要对研究内容进行梳理[2]。为此，本文借助COOC和VOSviewer软件工具，利用中国知网（CNKI）数据库检索相关文献，采用文献计量和科学知识图谱方法对我国人工智能教育领域文献进行可视化分析，探测人工智能的发展状况。通过对人工智能教育研究机构分布、作者合作、关键词聚类等知识图谱的分析，以期为人工智能教育领域的深入研究提供参考。

1  数据来源

为了更加整体、全面地分析人工智能教育的研究现状与演化趋势，文章以中国知网（CNKI）数据库为数据来源，选择类型为“高级检索”+“精确检索”，并将检索条件设置为期刊检索，以“人工智能教育”“人工智能教学”为检索主题，检索时间不限。为了保证数据来源的有效性和权威性，文章选择了SCI来源期刊、EI来源期刊、CSSCI、核心期刊和CSCD等期刊文献，截止到2022年7月6日，共检索出1 999篇文献。通过COOC软件对文献进行数据清洗，主要有无意义词删除、关键词合并、提取、去重等，剔除会议通知、重复文献、关键词缺失、作者缺失等非学术文献，最终共筛选出1 612篇文献作为本文的样本数据。

2  研究工具与方法

首先，本文借助COOC和VOSviewer软件对数据库文献的变化规律、高产机构发文量、机构合作情况和作者合作情况进行描述性统计，以期分析人工智能教育的研究现状；其次，对关键词进行聚类分析，以期探索人工智能教育领域的研究热点；最后，绘制人工智能教育研究的关键词时区图，探析人工智能教育领域的演化趋势[3]。

3  人工智能教育领域研究现状分析

3.1  人工智能教育研究的时间分布图谱

在一定程度上，研究领域的发展水平和学者对该领域的研究进度可以通过年度发文数量趋势图反映[4]。图1显示了我国关于人工智能教育研究文献1992年至2022年在中国知网（CNKI）发文量的年度变化情况。从图中可知，我国人工智能教育的年发文量整体呈增长趋势，具体变化趋势呈现先平稳波动再到爆发式增长。1992—2016年间，发文量在1～33篇波动；2017年以后，发文量呈指数型增长，在2021年达到了顶峰（335篇），占总发文量的20.78%。其中，2018年的发文量是2017年的3.5倍，2019年的发文量是2018年的1.6倍。2017年发文量呈喷井式爆发，这得益于2017年国务院发行《新一代人工智能发展规划》，其中提出实施全民智能教育项目。综合来看，1992—2022年国内人工智能教育研究领域的发文量整体呈上升趋势。因此，可以预见的是，聚焦于人工智能的研究在未来一段时间内将继续呈现大热趋势[5]。

3.2  研究机构及合作网络分析

对某领域作者发文机构进行统计分析，有利于找出该领域的核心学术团体以及机构分布情况[6]。图2显示了人工智能教育领域发文量前23名的机构。从中可以看出，研究人工智能教育机构多属高等师范院校，因此，以后一定要充分发挥高校的研究力量[7]。图2显示，北京师范大学教育学部、华东师范大学教育信息技术学系、西南大学教育学部、华东师范大学教育学部和天津大学教育学部占据发文量前5名，说明这5所高校对人工智能教育研究较为深入，其中北京师范大学教育学部发文量最多（36篇），该机构从事人工智能教育领域研究开始的时间较早，属于该研究领域的领头羊。随后排名前18的机构发文量势均力敌，平均篇数为11篇，这说明我国人工智能教育已引起多机构、多部门的广泛关注。

为考察不同机构间的合作情况，研究生成了人工智能教育研究的机构合作图谱，结果如图3所示。借助VOSviewer软件将研究机构出现最小频次设置为2，即表示该机构出现次数大于或等于2次会显示在图中。节点为机构名称，节点越大表示该节点出现的频率越高，边描述机构合作情况。图3的结果表明，主要机构合作网络中连线共有231条，节点共有288个，而网络整体密度为0.005 58，这说明关于人工智能教育研究机构之间的合作较少，较为零散。

从图3分析得出：图中的机构主要形成了五大合作网络，分别是由以华东师范大学教育学部为中心的江南大学教育学院、曲阜师范大学传媒学院、江南大学田家炳教育科学研究所形成的合作网络；由以北京师范大学教育学部为中心的北京师范大学互联网教育智能技术及应用国家工程实验室、中国教育协会、北京师范大学中国教育与社会发展研究院所形成的合作网络；由河南省教育信息化发展研究中心为中心的河南大学科学教育学院、河南大学教育部所形成的合作网络；由西南大学教育学部为中心的西南大学西南民族教育与心理研究所、西南大学基础教育研究中心、中国基础教育质量检测协同创新中心西南大学分中心所形成的合作网络；由以华东师范大学开放教育学院为中心的华东师范大学教育信息技术学系、浙江师范大学教师教育学院、华东师范大学课程与教学研究所、华南师范大学教育信息技术学院所形成的合作网络。这些合作网络分布在全国各地，但是基本都是同省或者同一个地区之间的合作，跨地区合作的情况比较少见。这说明科研机构之间的合作强度亟待提高，研究机构之间跨地区及跨领域的合作也需要加强。

3.3  作者及合作网络分析

为了解人工智能教育研究作者的分布情况，本文利用COOC软件对发文作者进行频次统计，按照文献计量学中关于高产作者的定律，选择发文量4篇及以上的79位作者[8]。结果得出，发文量最多的是华东师范大学的顾小清（18篇），其次是赵磊磊12篇，黄荣怀11篇。剩余其他作者的发文总量相当且不是很高，这说明虽然我国人工智能教育研究作者较多，但是各学者对人工智能教育的研究深度還有待加强。

为了解人工智能教育研究作者的合作状况，本文运用VOSviewer软件对发文作者进行共现分析。将作者出现最小频次设置为2，即表示该作者出现次数大于或等于2次会显示在图中。节点为作者名称，节点越大表示该作者出现的频率越高，边展示作者曾经合作发表过文章情况。图4的结果表明，作者共现图中共有391个节点，373条连线，网络整体密度为0.004 8，低于机构合作网络密度，这说明当前人工智能教育领域作者间合作很少，比较松散，各学者间学术交流与合作有待提高。如图4所示，主要的作者合作团体有：黄荣怀、曾海军、杜静和刘德建为中心的团队合作；郑永和、王一岩和严晓梅为中心的学术团队；刘邦奇、朱广袤和张金霞为中心的团队合作。这三大合作网络的合作关系较为紧密，合作强度较大，主要体现在发文量上。但是不难发现合作者大多为同一学校或者是同门关系，跨学校或者跨学科的合作很少见。剩下的部分作者以及一些较小的合作网络独立发文。

4  人工智能教育领域研究热点分析

关键词是一篇文章的核心，在一定程度上可以反映文章的研究主题以及研究内容。本文首先借助COOC软件统计得出关键词出现频次；接着绘制高频关键词共现图谱，分析人工智能教育领域的研究热点。

4.1 关键词频次分析

利用COOC软件对样本数据的1 612篇文献进行关键词提取，共得到3 726个关键词。关键词出现的频率高低代表其在该领域的重要程度。经统计，关键词频次大于等于6的有127个，大于等于10的关键词有63个。排名前15的关键词分别是人工智能、人工智能教育、机器人、大数据、教育、智慧教育、人工智能时代、高等教育、职业教育、深度学习、人才培养、人机协同、人工智能技术、思想政治教育和教育技术。这15个关键词频次占63个高频关键词的66.12%，这说明学者致力于研究人工智能与各类教育的深度融合。

4.2  关键词共现分析

本文将关键词最小频次设置为10，即表示在图中显示的关键词频次都大于等于10。结果如图5所示，共有63个节点。节点越大，代表中心性越大，出现的频率越高；连线表示节点之间共同出现过；节点颜色标识不同类别的聚类。本文结合人工智能领域的相关研究，再结合关键词的共现图谱分析，总结出国内人工智能教育研究主要集中在4个方面。

具体分析如下：

1）人工智能对各类教育的影响研究。这一方面包括人工智能、思想政治教育、深度学习、核心素养、高等教育、职业教育、教学改革、智能教学系统、教学模式等。人工智能是具有革命性的技术，对教育领域的影响非常深远。不仅是高等教育、职业教育，人工智能在幼儿教育、残疾人教育等领域也产生了广泛的影响。教育的总体目标——培养什么样的人，会随着时代变化而变化，而技术又是时代更替的关键要素。所以，人工智能对各类教育培养什么样的人以及如何培养人都产生了重要影响[9]。

2）人工智能与个性化学习研究。这一方面包括人工智能教育、个性化学习、学习分析、机器学习、自适应学习等。个性化学习指的是结合学习者兴趣、需求和能力的学习。人工智能技术可以为学习者提供新型的学习资源，机器学习技术可以对学习者学习的过程性数据进行分析，再利用人工智能的推送技术为学习者提供匹配的学习内容和资源、制定学习计划、规划学习路径，使学生的学习符合自身的需求、兴趣和能力。学习者也可以在自适应学习系统中自主学习，并获得评价和反馈[10]。

3）人工智能与教育信息化研究。这一方面包括教育信息化、教育改革、教育现代化、未来教育、教育信息化2.0等。以人工智能技术为代表的现代信息技术与教育教学深度融合，加快了教育现代化的步伐。国务院在2017年发行的《新一代人工智能发展规划》中提出施行全民智能教育项目，运用智能技术加快推动人才培养模式、教育模式、教学方法变革[11]。教育部在2018年印发《教育信息化2.0行动计划》倡导大力开展智能教育，在中小学阶段引入人工智能普及教育。教育信息化2.0行动计划的实施[12]，代表教育信息化发展的新时代即将来临，其中智能教育尤为重要[13]。

4）人工智能与教育应用的研究。这一方面包括教育技术、教学设计、创客教育、机器人、专家系统、计算思维、远程教育等。技术与教育的深度融合促进了人工智能技术在教育领域的应用。人工智能技术革新了教学模式，在新的教学理论下，逐渐从以教师为中心的教学模式向以学生为中心的教学模式过渡。

5  人工智能教育研究领域的演化趋势分析

为厘清人工智能教育领域的演化趋势，本文利用COOC软件绘制了每年排名前10的关键词时区图谱，结果如图6所示。时区图可以清晰地展现出人工智能教育研究领域的演化趋势。图6中，圆圈代表关键词，圆圈的大小代表关键词出现的频次高低，即关键词频次越高圆圈越大，该关键词是在分析的数据文献中首次出现的年份。一旦关键词出现，它将被固定在第一次出现的年份，如果该关键词在随后的文献中再次出现，则在第一次出现的位置频次加1。通过该图，能够反映人工智能领域研究主题随着时间发展的变化趋势。

根据图6，可以将我国人工智能教育的研究划分为以下三个阶段：

第一阶段为萌芽阶段（1992—2000年），这一阶段以人工智能为主题的研究非常少，人工智能大多以其他名词出现，计算机教学类的研究居多。

第二阶段为探索阶段（2001—2016年），这一阶段研究主題不断扩大，研究热点也不断增多，研究内容从意识层面深入到向机器人、智能教学系统、远程教育等方面。

第三阶段为繁荣发展阶段（2017—2022年），我国人工智能技术取得较为显著的成就后，人工智能教育领域的文献大量增加。通过统计关键词的频次发现，高频词汇有人工智能教育、大数据、智慧教育等，这说明人工智能技术已逐渐与教育教学融合且得到广泛学者的关注[14]。其次，一些新的关键词，如人工智能素养、责任伦理等的出现表示学者的研究热点逐步从技术工程领域向人文社会领域拓展[15]。

6  结  论

文章利用COOC和VOSviewer软件，采用文献计量学和知识图谱的方法对中国知网（CNKI）数据库中1 612篇关于人工智能教育研究的文献进行可视化分析，得出以下结论：

1）通过对人工智能教育领域内的发文量分析得出：我国人工智能教育研究的年发文量整体呈上升趋势，特别是从2017年以后，发文量剧增。近年来，国家和政府都在出台相关文件支持人工智能与教育融合，这也从侧面反映出人工智能教育领域还有较大的研究空间。

2）从发表文献的研究机构来看，发文量及影响较大的多为师范院校，机构合作得不是很紧密，跨区域、跨领域合作较少。因此，为加快人工智能教育领域的研究，需增强不同地区的机构之间的合作。

3）通过对人工智能教育领域内的研究作者进行分析得出：除了排名前五的作者外，其他作者的发文量较少且差别不是很大，这说明对人工智能教育领域内的研究还需要投入更多的精力。此外作者合作团体大多是同门关系，所以应该加强跨学校、跨学科的作者合作，建立紧密的作者合作网络。

4）通过对关键词的频次统计和关键词聚类分析得出：人工智能、人工智能教育、机器人、大数据、教育这五个关键词在人工智能教育研究领域排名前五。研究热点为人工智能对各类教育的影响研究、人工智能与个性化学习研究、人工智能与教育信息化研究和人工智能与教育应用的研究四个方面。

5）通过对人工智能教育领域的关键词时区图分析得出：人工智能教育发展可分为三个阶段，分别是萌芽阶段、探索阶段和繁荣发展阶段。

参考文献：

[1] 朱广袤，乜勇.我国人工智能教育的研究热点与趋势分析——基于共词分析的可视化研究 [J].数字教育，2019，5（5）：8-13.

[2] 苏明，陈·巴特尔.人工智能教育的研究现状与知识结构——基于2010—2019年CSSCI数据库的文献计量分析 [J].高等理科教育，2021（5）：41-49.

[3] 陈超美. CiteS paceⅡ：科学文献中新趋势与新动态的识别与可视化 [J].陈悦，侯剑华，梁永霞，译.情报学报，2009，28（3）：401-421．

[4] 肖明，孔成果.2013年我国图书馆学情报学发展前沿文献计量分析 [J].图书馆学研究，2014（20）：6-15.

[5] 徐延民，李德明.国内人工智能研究的知识图谱分析 [J].科技管理研究，2021，41（5）：112-119.

[6] 王娟，陈世超，王林丽，等.基于CiteSpace的教育大数据研究热点与趋势分析 [J].现代教育技术，2016，26（2）：5-13.

[7] 李艳，叶明确.基于Cooc的长三角一体化研究知识图谱分析 [J].技术经济与管理研究，2022（1）：116-121.

[8] 张子石，吴涛，金义富.基于CiteSpace的网络学习知识图谱分析 [J].中国电化教育，2015（8）：77-84.

[9] 王竹立.技术是如何改变教育的？——兼论人工智能对教育的影响 [J].电化教育研究，2018，39（4）：5-11.

[10] 冷静，付楚昕，路晓旭.人工智能时代的个性化学习——访国际著名在线学习领域专家迈克·沙普尔斯教授 [J].中国电化教育，2021（6）：69-74.

[11] 邢西深.迈向智能教育的基础教育信息化发展新思路 [J].电化教育研究，2020，41（7）：108-113.

[12] 高等学校人工智能创新行动计划 [J].中国信息技术教育，2018（8）：2-5.

[13] 黄日健.基于人工智能技术的教育信息化发展新思路 [J].创新创业理论研究与实践，2021，4（24）：130-132.

[14] 魏雪飞.国内中小学人工智能教育研究热点及趋势——基于CiteSpace的文献计量分析 [J].中国教育信息化，2021（24）：6-12.

[15] 徐延民，李德明.国内人工智能研究的知识图谱分析 [J].科技管理研究，2021，41（5）：112-119.

作者简介：权俊平（1998.02—），女，汉族，四川苍溪人，硕士研究生在读，研究方向：信息技术教育。