基于基金支持的人工智能教育应用研究综述*

蔡荣华 高蓉 袁慧

湖南师范大学 长沙 410006

0 引言

随着人工智能的不断发展，其在教育中的应用引起了国内外研究者的高度关注。人工智能教育应用的受关注度愈来愈高，不少学者投入人工智能教育应用领域的研究。各个基金也不断出现人工智能教育应用领域的项目，这些项目记录了这一领域的研究进度及成果，能在一定程度上反映其研究现状。国内学者对于人工智能教育应用领域的研究已经比较完整，但目前仍缺乏对这些基金项目整理所形成的综述研究，因此，作者基于知领全球统计数据库、中国知网（CNKI）、Web of Science（SCI/SSCI/A&HCI）数据库三个平台，对人工智能教育应用主题公开立项的基金项目进行统计和分析，总结出这一领域的研究现状，并对其未来发展提出建议。

人工智能教育包括把人工智能作为教学内容的人工智能教育教学和把人工智能作为技术手段融入教育的人工智能教育应用。彭绍东[1]认为人工智能教育教学包括人工智能的知识教育、应用能力教育与情感教育，人工智能教育应用是基于智能感知、教学算法与数据决策等技术，利用智能工具自动对学生、教师、教学内容、媒体及环境进行分析，精准地干预学生的个性化学习与教师的规模化教学，形成智能化的教育生态系统，培养学生各种素养，优化教育的理论与实践；李振等学者[2]认为教育人工智能应用是指通过人工智能技术去支持自适应学习和教育辅助工具。汪燕[3]研究得出人工智能教育应用研究方向主要关注人工智能技术与系统；闫志明等[4]认为教育人工智能应用的关键技术是知识的表示方法、机器学习与深度学习、自然语言处理等；张坤颖等[5]认为人工智能教育只有在辅助教育应用、建构教育场景、重组或重构教育时，才能称为人工智能的教育应用。此外，王亚飞等[6]明确指出，“智能教育应用”是指人工智能在教育中技术领域、模式领域与实践领域的创新性应用。

1 研究设计

1.1 研究方法

本文采用内容分析法进行研究。内容分析法实质上是一种对文献进行计量学的统计方法，对定性的问题作出假设，采用定量工具对研究对象进行统计和分析的处理，最后通过分析数据得到具有价值的结论。内容分析法作为教育技术学的一种研究方法，是客观系统地对现存内容进行量化的方法。内容分析法通常有以下几个步骤：抽取样本（抽取的样本必须具备代表性）、分解内容（将内容分解成更小的，便于分析的单元）、制定类别（事先要确定分析的维度，从而进行记录）、统计分析。内容分析法更适合表观、浅层的内容，否则分析的结果会有失准确性和客观性[7]。

1.2 数据来源

如表1所示，本文的研究资料来源于知领全球统计数据库、中国知网（CNKI）、Web of Science（SCI/SSCI/A&HCI）数据库三个平台上公开立项的项目。其中知领平台根据篇名“人工智能教育”进行模糊检索，得到六万多条项目，与“人工智能教育”相关项目仅有10 条，故根据篇名“人工智能教育”进行精确检索，得到数据11 条。中国知网（CNKI）项目库根据项目名称“人工智能教育”检索，得到已立项项目146 条，其中145 条处于在研状态，1条处于已结项状态。Web of Science（SCI/SSCI/A&HCI）根据篇名“artificial intelligence”，语种“English”进行模糊检索，得到数据212 条。三个平台共得到369 个立项项目。

表1 数据来源

将上述这些文献以自定义格式输出，将得到的数据分为人工智能教育教学与人工智能教育应用两个主题，通过对项目名称、摘要与关键词进行研读分析，确定项目是否与该主题相关，并确定该项目归属哪个研究主题。对相同项目进行合并，最终得到与人工智能教育应用主题相关的项目131 条。

2 数据分析

如表2所示，本研究设计了分析框架，对131条基金项目从时间、来源、内容三个方面分析。内容方面又从研究主体、研究对象、研究方法与研究领域四个维度[8]进行统计和分析，系统地梳理人工智能教育应用这一领域的研究现状。

表2 分析框架

2.1 时间分析

如图1所示，从人工智能教育应用相关项目在时间的分布来看，人工智能教育应用相关的项目在2012年到2017年很少，在2012年仅有1 条，在2013年到2016年一条都没有，在2017年也只维持在2 条。2018年开始有一定提升，尽管提升幅度较小，但也表明研究者开始关注这一研究领域。2019年呈现出良好的上升趋势，相关项目数量为69 条，占总数量的52.67%，处于直线上升阶段，这表明国内学者开始关注并重视这一领域的发展。

图1 2012-2021年间基金数量分布

2.2 来源分析

如图2所示，从项目的来源分布来看，人工智能教育应用相关省级项目共有98 条，占比74.81%。其中吉林省最多，达到15 条，其次是河南省12 条，山东省11 条。而四川、新疆、青海、内蒙古、河北等省份对该领域的研究较少，仅有1条；国家级项目共有27 条，占比20.61%。其中数量最多为国家社科基金教育学项目9 条、教育部项目9 条（教育部产学合作协同项目4 条，教育部人文社会科学研究项目4 条，教育部其他项目1 条）。其次为全国教育科学课题6 条。由此可见，在人工智能教育应用相关项目中大部分为省级项目，国家级项目较少。

图2 基金来源数量分布

2.3 内容分析

基于对三个平台收录的近十年来的人工智能教育应用相关项目的分析，本研究将从研究主体、研究对象、研究方法和研究领域四个方面进行特征总结[7]。

2.3.1 研究主体

如图3所示，研究主体人员分布在学校与企业中，并大多集中在学校，学校研究人员对其关注度高，占比90%。部分企业也有所关注，但仅有13个项目，说明企业对于人工智能在教育中的应用领域关注度较低。

图3 研究主体数量分布

2.3.2 研究对象

如图4所示，这些研究主要侧重对学校学生、学校教师和企业员工的介绍。多数研究将学生作为研究对象，占83.76%，其次是教师。研究对象为非学校群体的项目很少，仅有1 条。说明研究对象主要集中在学校，研究范畴较为狭窄。

图4 研究对象数量分布

2.3.3 研究方法

如图5所示，从研究方法来看，实证研究仅有2 条，应用研究和策略研究数量相对较多；说明研究者对于人工智能教育应用这一领域所进行的实证研究很少，大多停留在理论层面。

图5 研究方法数量分布

2.3.4 研究领域

如图6所示，研究领域主要集中在建设与落地人工智能教育的技术、模式和实践领域[6]。其中，技术领域主要解决的问题是有哪些技术可以应用到教育场景中及如何应用这些技术。技术领域的研究类型多种多样，对于教育平台的构建的研究最为常见：“翻转课堂”--人工智能引领职业教育平台新模式、哆唯实境--沉浸式人工智能教育平台、AI++ 人工智能教育门户及新媒体平台、基于Kubernetes 集群的TensorFlow 人工智能教育云平台研究、基于虚拟仪器技术的人工智能图形化教育开发平台、人工智能教育创新平台、人工智能时代面向青少年阶段的编程思维普及教育平台建设、针对中小学生的人工智能教育平台的开发与应用、人工智能学前大数据教育云平台项目、基于校企融合的民办院校人工智能领域人才培养体系及创新教育平台构建、人工智能科普教育公共服务平台及应用示范等。其次是对测评系统、教学系统等技术系统的研究：“人工智能+”在线教育个性化推荐系统研究、STEAM 教育理念下儿童人工智能教育仿真教学系统的研究与设计、面向人工智能教育的无人驾驶系统研究与实践等。

图6 研究领域数量分布

模式领域主要解决的是应用场景应怎样选择合适的教育模式，如何有效整合技术、产品和方案等这类问题。这类研究包括了各种人才培养模式：“人工智能+新工科”教育视角下的职业院校创新创业人才培养模式和实践研究、新工科与人工智能教育背景下机器人教育助力计算机类专业学生创新能力培养模式的探索与实践等，教育教学模式：人工智能在音乐教育模式拓展中的应用研究、人工智能背景下法学教育模式转型研究等，还有各种学习模式、考试模式、管理模式、评价模式等。

实践领域主要讨论如何推动人工智能教育应用的实践及人工智能技术在教育的实践应用中的价值、意义和影响。主要有人工智能教育在中小学及高校中的应用：河南省中小学人工智能教育应用实证研究、人工智能在中小学教育教学中的应用研究、全民智能时代K-12 人工智能教育师资的培养、教育人工智能在日语听力教学中的应用研究、人工智能背景下成人高等教育会计专业实践教学改革研究等；其次是对学生和师资的培养：基于人工智能教育的师范生创新能力培养研究、全民智能时代K-12人工智能教育师资的培养、基于人工智能教育的大学教师核心素养培训、构建人工智能时代职业教育培训体系的思考、人工智能时代金融高等教育的学习迁移与创新人才培养研究、人工智能教育时代一流师资的教学能力培养研究、人工智能时代教师能力模型与教师教育实践研究等，还包括一些人工智能与其他学科的融合：人工智能融合外语教育：价值、挑战及应对策略，网络环境下人工智能与体育教育的融合研究等。

如图6所示，从人工智能教育应用相关项目在三个领域的分布可以看出研究者对于模式领域的研究数量最多，三个领域的研究较为均衡，说明研究者对于这三个领域都有较高的关注度。

3 建议与不足

为了促进人工智能教育应用的发展，本文从研究主体、研究对象、研究方法和研究领域四个方面提出以下建议。

1）研究主体方面，研究主体主要来自学校，要提高不同行业的研究人员对于人工智能教育应用的重视度，尤其各企业要加强这方面的研究，加快人工智能与教育的融合。

2）研究对象方面，人工智能教育应用的相关研究可以指向除学校教师、学校学生和企业员工以外的更多群体，将人工智能教育应用到更多场景。

3）研究方法层面，人工智能教育应用相关的项目中仅有两个实证研究的项目，大部分研究者都集中在策略研究和应用研究。人工智能教育应用相关的项目实证研究少，在做好相关理论研究的基础上，将其落实到教育教学中，从实践层面加速人工智能在教育中的应用。

4）研究领域方面，在技术领域中，研究者对于技术的研究已经相对成熟，未来要加强对技术的伦理道德教育。比如在各种教育平台的开发过程中，学生的学习水平，能力等级，学习数据等都属于隐私数据，要加强对于学生信息安全的监管。在模式领域，虽然研究数量较多，但是其研究内容比较混乱，研究思路不清晰，需要研究者结合相关理论对现有模式做更加深入的研究与完善。在实践领域，人工智能教育的实践主要有在学校的教育教学中运用人工智能技术以及在企业中对相关的教育产品进行推广两种形式。教学实施者不能完全运用人工智能技术进行教育教学，人工智能相关教育产品的研发者又无法对教学案例进行剖析和总结。

同时，人工智能教育的应用场景大多被设定为学校教育，使其研究范畴较为狭隘，后续的研究应更加注重于将人工智能教育应用到除学校外的更多元场景。

4 结束语

尽管知领全球统计数据库、中国知网（CNKI）、Web of Science（SCI/SSCI/A&HCI）数据库三个平台具有很高的权威性，但不可否认，由于项目立项周期较长，某些相关项目还未统计在以上三个平台等一系列原因，收集到的数据具有一定的滞后性。数据的收集、整理和分析是由人工完成，难免会出现差错和缺漏。但本文的目的是基于人工智能教育应用主题，通过对国内已经公开立项的基金项目的分析，进一步了解国内人工智能教育应用的研究内容和研究热点。文章的结论可能存在一定的不足，但希望能对人工智能教育应用的研究有所帮助。