付新 李興保

摘? 要 人工智能的迅速發(fā)展引發(fā)新一輪教育革命，為了更清晰地揭示國(guó)際教育人工智能研究熱點(diǎn)與發(fā)展趨勢(shì)，以Web of Science核心合集數(shù)據(jù)庫(kù)中2010—2020年關(guān)于教育人工智能的文獻(xiàn)作為研究對(duì)象，運(yùn)用CiteSpace軟件對(duì)文獻(xiàn)數(shù)據(jù)進(jìn)行可視化分析及解讀，探析國(guó)際教育人工智能前沿?zé)狳c(diǎn)與發(fā)展趨勢(shì)，以期為推動(dòng)國(guó)內(nèi)教育人工智能發(fā)展提供理論參考。

關(guān)鍵詞 人工智能;國(guó)際教育;CiteSpace;可視化分析

中圖分類(lèi)號(hào)：G434? ? 文獻(xiàn)標(biāo)識(shí)碼：B

文章編號(hào)：1671-489X（2021）06-0011-04

Analysis on Hot Spots and Trends of Artificial Intelligence in International Education by CiteSpace//FU Xin， LI Xingbao

Abstract The rapid development of artificial intelligence has led to?a new round of educational revolution， in order to more clearly reveal?the international education artificial intelligence research hot spots?and trends. Based on the literature on educational artificial intelli-gence in the 2010-2020 document in the core collection database of?Web of Science， this paper uses CiteSpace software to visualize and?analyze the literature data， and analyze the hot spots and trends of?artificial intelligence in international education， with a view to providing theoretical reference for the research and development of artifi-cial intelligence in education in China.

Key words artificial intelligence; international education; CiteSpace;visual analysis

0 前言

人工智能（Artificial Intelligence，AI）企圖了解智能的實(shí)質(zhì)，生產(chǎn)出一種新的能以人類(lèi)智能相似的方式作出反應(yīng)的智能機(jī)器。該領(lǐng)域的研究包括機(jī)器人、圖像識(shí)別、自然語(yǔ)言處理和專(zhuān)家系統(tǒng)等[1]。教育人工智能（Educational Artificial Intelligence，EAI）是人工智能與教育結(jié)合而成的新領(lǐng)域，旨在通過(guò)運(yùn)用人工智能技術(shù)，更深入、更微觀地理解學(xué)習(xí)發(fā)生的機(jī)理，引領(lǐng)教育智慧化變革。近年來(lái)，國(guó)際學(xué)者對(duì)教育人工智能的理論與應(yīng)用研究成果較為豐富，為了探析國(guó)際教育人工智能的研究前沿趨勢(shì)，有必要對(duì)這些研究成果進(jìn)行梳理分析。

1 研究設(shè)計(jì)與數(shù)據(jù)處理

數(shù)據(jù)來(lái)源? 本研究的數(shù)據(jù)來(lái)自Web of Science核心合集，以“education”&“Artificial Intelligence”為主題詞，時(shí)間范圍為2010—2020年，共檢索文獻(xiàn)635篇，經(jīng)Cite-

Space數(shù)據(jù)處理功能去重后，得到568篇文獻(xiàn)。

研究方法與工具? 本研究采用文獻(xiàn)計(jì)量分析法，借助CiteSpace V.5.6.R2可視化分析工具，對(duì)發(fā)文國(guó)家、機(jī)構(gòu)、關(guān)鍵詞、共被引文獻(xiàn)等內(nèi)容進(jìn)行可視化分析。

2 研究結(jié)果分析

發(fā)文量統(tǒng)計(jì)? 國(guó)際教育人工智能2010—2020年的發(fā)文量如圖1所示。從總體發(fā)文趨勢(shì)看，2010—2016年是教育人工智能的初始發(fā)展階段，研究成果少;2017—2020年，教育人工智能的文獻(xiàn)數(shù)量增幅較大，其中2019—2020年國(guó)際教育人工智能發(fā)文量分別為145篇、297篇，原因是人工智能的發(fā)展驅(qū)動(dòng)了教育的變革。通過(guò)對(duì)國(guó)際教育人工智能文獻(xiàn)年度發(fā)文量的分析與解讀，在一定程度上可以了解國(guó)際教育人工智能發(fā)展現(xiàn)狀及趨勢(shì)，從而為教育人工智能研究者提供理論借鑒。

主要研究國(guó)家? 為了解國(guó)際教育人工智能研究主要力量，本文運(yùn)用CiteSpace軟件對(duì)國(guó)家（Country）和機(jī)構(gòu)（Institution）進(jìn)行共現(xiàn)網(wǎng)絡(luò)圖譜分析。節(jié)點(diǎn)大小表示國(guó)家或機(jī)構(gòu)發(fā)文量，節(jié)點(diǎn)之間的聯(lián)系表示國(guó)家之間或機(jī)構(gòu)之間的合作關(guān)系強(qiáng)度。圖2是國(guó)際教育人工智能?chē)?guó)家空間分布圖譜。如圖2所示，美國(guó)以頻次157次居于教育人工智能研究領(lǐng)域的世界首位，說(shuō)明美國(guó)在該領(lǐng)域有深入的探索研究;中國(guó)以頻次90次位居世界第二，具備較強(qiáng)的科研實(shí)

力;英國(guó)頻次58次，位列第三;西班牙頻次37次，位列第四。這就說(shuō)明北美洲、歐洲和亞洲各國(guó)都高度重視教育領(lǐng)人工智能技術(shù)的發(fā)展和應(yīng)用，但很多國(guó)家之間的節(jié)點(diǎn)連線(xiàn)較少或不存在，各研究機(jī)構(gòu)深層次合作有待進(jìn)一步拓展。

主要研究機(jī)構(gòu)? 國(guó)際教育人工智能研究機(jī)構(gòu)共現(xiàn)圖譜如圖3所示。節(jié)點(diǎn)之間的連線(xiàn)很多，說(shuō)明國(guó)際大部分研究機(jī)構(gòu)對(duì)教育人工智能有深入探索。美國(guó)斯坦福大學(xué)在教育人工智能領(lǐng)域合作發(fā)文量最高，具有絕對(duì)高的研究實(shí)力。合作高產(chǎn)的機(jī)構(gòu)依次為哈佛醫(yī)學(xué)院、哈佛大學(xué)、舊金山加州大學(xué)、新加坡國(guó)立大學(xué)、清華大學(xué)、華盛頓大學(xué)、東京大學(xué)、中國(guó)工程物理研究院、馬里蘭大學(xué)、杜克大學(xué)。由分析可知，合作發(fā)文量排在前10的研究機(jī)構(gòu)都位于北美洲和亞洲，其中包括六所美國(guó)名校、兩所中國(guó)研究機(jī)構(gòu)、一所加拿大名校。

文獻(xiàn)共被引分析? 國(guó)際教育人工智能文獻(xiàn)共被引圖譜如圖4所示。Gulshan V等[2]2017年所著的Development and

Validation of a Deep Learning Algorithm for Detection of Diabe-

tic Retinopathy in Retinal Fundus Photographs的被引頻次高達(dá)1 642次。Gulshan認(rèn)為，深度學(xué)習(xí)是一系列允許算法通過(guò)從一組展示所需行為的大量示例中學(xué)習(xí)編程而無(wú)須指定規(guī)則的計(jì)算方法，這些方法應(yīng)用于醫(yī)學(xué)成像需要進(jìn)一步評(píng)估和驗(yàn)證。Esteva A等[3]所著的Dermatologist-level classifi-

cation of skin cancer with deep neural networks被引頻次3 188

次，他們將卷積神經(jīng)網(wǎng)絡(luò)圖像識(shí)別運(yùn)用到皮膚癌診斷中。LeCun Y等[4]在Deep learning中認(rèn)為深度學(xué)習(xí)允許由多個(gè)處理層組成的計(jì)算模型以學(xué)習(xí)具有多個(gè)抽象級(jí)別的數(shù)據(jù)表示。國(guó)際教育人工智能總體網(wǎng)絡(luò)由以Gulshan、Esteva和LeCun等為核心輻射的子網(wǎng)絡(luò)組成。通過(guò)對(duì)國(guó)際教育人工智能的文獻(xiàn)共被引分析，不僅能夠了解國(guó)際教育人工智能研究領(lǐng)域及走向，而且能為教育人工智能研究愛(ài)好者提供理論借鑒。

3? 國(guó)際教育人工智能研究熱點(diǎn)

關(guān)鍵詞共現(xiàn)圖譜分析? 國(guó)際教育人工智能排名前15的關(guān)鍵詞如表1所示。中心性大于0.1的關(guān)鍵詞有artificial

intelligence（人工智能）、deep learning（深度學(xué)習(xí)）、big data（大數(shù)據(jù)）、model（建模）、algorithm（算法）、

artificial neural network（人工神經(jīng)網(wǎng)絡(luò)）、computa-tional modeling（計(jì)算建模），涵蓋了機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、人工神經(jīng)網(wǎng)絡(luò)算法和大數(shù)據(jù)等方向。神經(jīng)網(wǎng)絡(luò)為教育人工智能技術(shù)提供了最先進(jìn)的精度，主要應(yīng)用于計(jì)算機(jī)視覺(jué)、語(yǔ)音識(shí)別和機(jī)器人教育等領(lǐng)域。這反映出國(guó)際教育人工智能在推進(jìn)發(fā)展過(guò)程中關(guān)注領(lǐng)域的聚焦和變化，而且對(duì)相關(guān)領(lǐng)域研究有一定的研究方向預(yù)測(cè)作用。

關(guān)鍵詞聚類(lèi)分析? 為了探索國(guó)際教育人工智能領(lǐng)域的研究前沿，本文通過(guò)CiteSpace軟件進(jìn)行聚類(lèi)，生成自動(dòng)聚類(lèi)標(biāo)簽，以此表征對(duì)應(yīng)領(lǐng)域的研究前沿。國(guó)際教育人工智能關(guān)鍵詞聚類(lèi)圖譜如圖5所示，模塊值（Q）為0.815 7，大于0.7;平均輪廓值（S）值為0.656 1，大于0.5：說(shuō)明劃分聚類(lèi)結(jié)構(gòu)是顯著合理的[5]。

生成的聚類(lèi)標(biāo)簽包括Artificial intelligence in edu-

cation（教育人工智能）、learning analytics（學(xué)習(xí)分

析）、deep learning（深度學(xué)習(xí)）、assessment（評(píng)價(jià)）、autism spetrum disorder（自閉癥譜系障礙）、artifi-

cial intelligence（人工智能）、iot（物聯(lián)網(wǎng)）、indus-

try（工業(yè)）、information（信息）、neural network edu-

cation（神經(jīng)網(wǎng)絡(luò)教育）等在一定程度上代表了當(dāng)前國(guó)際教育人工智能研究前沿。

4 國(guó)際教育人工智能的發(fā)展趨勢(shì)

教育與人工智能多層次深入融合發(fā)展，加快教育變革進(jìn)程? 以人工智能為研究核心延伸出的深度學(xué)習(xí)、機(jī)器學(xué)習(xí)、人工神經(jīng)網(wǎng)絡(luò)、學(xué)習(xí)分析、大數(shù)據(jù)、智能教學(xué)系統(tǒng)、增強(qiáng)現(xiàn)實(shí)、計(jì)算建模等在教育領(lǐng)域的應(yīng)用越來(lái)越廣泛，驅(qū)動(dòng)教學(xué)模式不斷創(chuàng)新、課堂結(jié)構(gòu)轉(zhuǎn)變，加速教育變革的進(jìn)程。目前，人工智能教育已經(jīng)成為未來(lái)教育的發(fā)展趨勢(shì)，教育領(lǐng)域利用智能技術(shù)加快推動(dòng)人才培養(yǎng)模式、教學(xué)方法改革，構(gòu)建包含智能學(xué)習(xí)、交互式學(xué)習(xí)的新型教育體系人工智能賦能教育，引領(lǐng)新一輪教學(xué)變革。因此，應(yīng)集合社會(huì)、學(xué)校等各方力量大力推進(jìn)人工智能技術(shù)與教育多層次深入融合，突破傳統(tǒng)教育中教學(xué)限制，創(chuàng)新教學(xué)方式，轉(zhuǎn)變課堂結(jié)構(gòu)。人工智能技術(shù)在教學(xué)中的應(yīng)用是一種智能教育，它改變了教學(xué)模式，轉(zhuǎn)變了傳統(tǒng)的人才培養(yǎng)理念，有利于實(shí)現(xiàn)深度學(xué)習(xí)和個(gè)性化學(xué)習(xí)，提高教師和學(xué)生的信息素養(yǎng)。

人類(lèi)教師與AI教師聯(lián)袂執(zhí)教? 基于大數(shù)據(jù)、深度學(xué)習(xí)、機(jī)器學(xué)習(xí)、學(xué)習(xí)分析、自適應(yīng)學(xué)習(xí)、區(qū)塊鏈、教育大數(shù)據(jù)等催生出智能化教學(xué)平臺(tái)、智能測(cè)評(píng)系統(tǒng)、智能機(jī)器人等新應(yīng)用，以機(jī)器學(xué)習(xí)和深度學(xué)習(xí)為關(guān)鍵技術(shù)的人工智能技術(shù)正深刻影響教育模式的發(fā)展。技術(shù)與教師的有機(jī)結(jié)合誕生了新角色——AI教師，人工智能技術(shù)將作為未來(lái)教師工作的有機(jī)組成部分，逐漸形成人類(lèi)教師與AI教師聯(lián)袂執(zhí)教的新圖景，即AI教師與人類(lèi)教師共同承擔(dān)教育教學(xué)工作，AI教師在教學(xué)活動(dòng)中可以扮演如導(dǎo)師、助理或者同伴等諸多角色。未來(lái)國(guó)際研究者一直致力于將人工智能培養(yǎng)成專(zhuān)家級(jí)的教學(xué)工作者，以期構(gòu)建多樣、靈活、精準(zhǔn)、個(gè)性的新型教學(xué)模式。

積極應(yīng)對(duì)教育人工智能發(fā)展的新問(wèn)題? 目前，人工智能在教育領(lǐng)域的應(yīng)用已涉及信息技術(shù)、智慧校園、智能教育、智能機(jī)器人、機(jī)器學(xué)習(xí)、智能導(dǎo)學(xué)系統(tǒng)、在線(xiàn)教育、計(jì)算機(jī)輔助教學(xué)系統(tǒng)、個(gè)性化學(xué)習(xí)與交互學(xué)習(xí)等諸多方面。隨著人工智能在教育領(lǐng)域應(yīng)用的不斷深入，教育人工智能應(yīng)用過(guò)程中出現(xiàn)教育倫理、教育管理、師生隱私與數(shù)據(jù)安全、人機(jī)失信等問(wèn)題。因此，要積極應(yīng)對(duì)這些問(wèn)題，拓寬教育人工智能應(yīng)用空間，構(gòu)建和諧共生的人機(jī)協(xié)同新生態(tài)，協(xié)同推進(jìn)教育人工智能快速發(fā)展。

5 結(jié)語(yǔ)

本文通過(guò)運(yùn)用CiteSpace軟件對(duì)Web of Science核心合集關(guān)于教育人工智能文獻(xiàn)進(jìn)行可視化分析發(fā)現(xiàn)，2017年是教育人工智能的元年，2017年之后，教育人工智能進(jìn)入快速發(fā)展階段;美國(guó)、中國(guó)和英國(guó)等國(guó)家是研究教育人工智能的領(lǐng)航者;各國(guó)及機(jī)構(gòu)間有不同程度和層次的合作，但聯(lián)系密度和合作強(qiáng)度還有待進(jìn)一步加強(qiáng);深度學(xué)習(xí)、機(jī)器學(xué)習(xí)、區(qū)塊鏈技術(shù)、大數(shù)據(jù)和人工神經(jīng)網(wǎng)是教育人工智能領(lǐng)域新的研究趨勢(shì)。因此，世界各國(guó)應(yīng)給予政策支持，重視人工智能專(zhuān)業(yè)人才的培養(yǎng)，實(shí)現(xiàn)教育與人工智能的深度融合，推動(dòng)教育智慧化變革。

參考文獻(xiàn)

[1]嚴(yán)立超.人工智能走進(jìn)中小學(xué)課堂的落地實(shí)踐與思考[J].高科技與產(chǎn)業(yè)化，2020，26（12）：63-65.

[2]Gulshan V， Peng L， Coram M， et al. Development and?Validation of a Deep Learning Algorithm for Detection?of Diabetic Retinopathy in Retinal Fundus Photographs?[J].JAMA： The Journal of the American Medical Asso-ciation，2016，316（22）：2402-2410.

[3]Esteva A， Kuprel B， Novoa R， et al. Corrigendum：?Dermatologist-level classification of skin cancer?with deep neural networks[J].Nature，2017，546（7660）：686.

[4]LeCun Y， Bengio Y， Hinton G.Deep learning[J].Nature，2015，521（7553）：436-44.

[5]Jiang X， Tan A H. Learning and inferencing in user?ontology for personalized semantic web services[J].Information Sciences，2006，179（16）：2794-2808.

*項(xiàng)目來(lái)源：國(guó)家社會(huì)科學(xué)基金項(xiàng)目“虛擬學(xué)習(xí)社區(qū)知識(shí)管理機(jī)制與評(píng)價(jià)研究”（項(xiàng)目編號(hào)：18YJA880047）。

作者：付新，曲阜大學(xué)傳媒學(xué)院，研究方向?yàn)樾畔⒓夹g(shù)教育;李興保，曲阜師范大學(xué)傳媒學(xué)院，教授，碩士生導(dǎo)師，研究方向?yàn)榻逃畔⒒?76800）。