王志鵬

（安徽建筑大學建筑與規(guī)劃學院，安徽 合肥 230001）

0 引言

國務院于2017年印發(fā)了《新一代人工智能發(fā)展規(guī)劃》文件，“人工智能+教育”的概念成為教育發(fā)展的新方向[1]。人工智能與教育的結(jié)合點有哪些？兩者之間如何關(guān)聯(lián)？人工智能大背景下，教育該如何進行改革？這些都是人工智能與教育結(jié)合發(fā)展過程中需要研究的問題。因此，本文以“人工智能+教育”為關(guān)鍵詞，利用文獻分析方法對“人工智能+教育”的研究現(xiàn)狀與熱點進行聚類分析，以期為我國“人工智能+教育”研究提供理論參考。

1 數(shù)據(jù)來源與分析方法

為了解我國現(xiàn)階段人工智能與教育結(jié)合研究的現(xiàn)狀與熱點，采用定量與定性相結(jié)合的分析方法對既有文獻進行綜合分析。具體采用的方法包括詞頻分析和社會網(wǎng)絡分析。數(shù)據(jù)來源為中文學術(shù)期刊庫，檢索文獻類型為研究論文，檢索關(guān)鍵詞為“人工智能”+“教育”，檢索文獻時間跨度為“2000”年至“2021”年。檢索具體時間為2022年1月5日，共檢索出文章2 853 篇。

2 研究結(jié)果

2.1 文獻時間分布分析

研究論文的發(fā)表數(shù)量以及不同年限之間發(fā)表數(shù)量的差異性與變化趨勢，是探求研究主題發(fā)展狀況的衡量指標之一，以一段時間內(nèi)的變化趨勢來分析研究發(fā)展動態(tài)趨勢。通過在中國知網(wǎng)（CNKI）內(nèi)的文獻分析，得出近20年我國“人工智能+教育”領(lǐng)域的文獻發(fā)展趨勢，其中，2000年至2005年，關(guān)于“人工智能+教育”的文獻數(shù)量較少，基本保持在每年30 篇以下，這表明在教育領(lǐng)域涉及人工智能的研究還較少。2006年至2016年，相關(guān)研究仍處于緩慢發(fā)展階段，文獻數(shù)量保持在每年50 篇左右。2017年，“人工智能+教育”研究迎來了重要的發(fā)展契機，在2017年“兩會”的政府報告中首次從國家戰(zhàn)略層面提到“人工智能”，這為“人工智能+”的發(fā)展提供了基礎。隨后，2018年由教育部印發(fā)的《教育信息化2.0 行動計劃》則是為“人工智能+教育”的研究提供了發(fā)展基礎。在此背景下，全國各大高校迅速反應，更多的學者投入人工智能教育研究中，極大地提高了我國人工智能與教育研究的廣度與深度，相應的論文發(fā)表數(shù)量也得到了迅猛增長，在2020年，涉及人工智能教育的文獻達到了868 篇。

2.2 高影響機構(gòu)分析

在分析文獻發(fā)表時間分布基礎上，進一步對文獻的研究機構(gòu)進行統(tǒng)計分析，得到2000—2021年發(fā)表“人工智能+教育”文獻排名前十的高影響機構(gòu)，分別為北京師范大學（112 篇）、華東師范大學（110 篇）、華中師范大學（62 篇）、陜西師范大學（50 篇）、西南大學（47 篇）、江蘇師范大學（40 篇）、華南師范大學（38 篇）、華東師范大學（37 篇）、首都師范大學（36 篇）和浙江師范大學（30 篇）。通過分析可見高影響研究機構(gòu)主要以師范類高等院校為主。

2.3 高被引文獻分析

對檢索文獻的被引用次數(shù)進行統(tǒng)計分析得出高被引文獻。其中，發(fā)表在《教育研究》的文獻“身體與學習：具身認知及其對傳統(tǒng)教育觀的挑戰(zhàn)”的被引次數(shù)最高，達到了458 次。而發(fā)表在《遠程教育雜志》的文獻“教育人工智能（EAI）的內(nèi)涵、關(guān)鍵技術(shù)與應用趨勢——美國《為人工智能的未來做好準備》和《國家人工智能研發(fā)戰(zhàn)略規(guī)劃》報告解析”下載次數(shù)達到了38 681 次，被引次數(shù)為400 次。

2.4 高頻關(guān)鍵詞分析

論文關(guān)鍵詞是衡量文獻研究方向與研究主題的重要指標，因此分析檢索論文關(guān)鍵詞的頻率，可以間接反映出論文研究領(lǐng)域的熱點。本研究利用文獻題錄信息統(tǒng)計分析軟件SATI 對檢索文獻進行高頻關(guān)鍵詞分析，結(jié)果表明“人工智能”“人工智能時代”“機器人”“教學中的應用”“人工智能技術(shù)”“策略研究”“小學生”“智能時代”“人才培養(yǎng)”“大數(shù)據(jù)”“人工智能教育”和“新工科”等熱點關(guān)鍵詞是我國現(xiàn)階段“人工智能+教育”研究的熱點關(guān)鍵詞。

3 研究熱點分析

通過文獻綜合分析，我國現(xiàn)階段人工智能教育研究的熱點可以概括為以下兩點。

3.1 注重教育應用層面的研究

目前我國對“人工智能+教育”的研究，主要從人工智能技術(shù)在教育領(lǐng)域的應用內(nèi)涵、應用模式、應用場景、應用存在問題及解決策略等方面展開[2]。在應用內(nèi)涵研究中，王竹立從理論與實踐兩個層面肯定了人工智能技術(shù)的科學性[3]；閆志明等人從多學科角度分析了人工智能技術(shù)與教育融合的模式，提出在教育領(lǐng)域中應積極融入計算機科學、大數(shù)據(jù)、認知科學等領(lǐng)域知識[4]；吳永和等人提出人工智能技術(shù)應從小規(guī)模教育試驗開始，并逐步擴展到大規(guī)模的應用，在不同場景中，讓教育從粗獷式應用場景發(fā)展到獨特化和精準化的教育場景[5]；在應用場景上，楊現(xiàn)民構(gòu)建了具體的框架形式，從教育數(shù)據(jù)獲得、數(shù)據(jù)計算方法、結(jié)果反饋感知、學習者理解感知等方面提出了人工智能在教育領(lǐng)域應用面臨的挑戰(zhàn)及解決策略[6]。

3.2 關(guān)注人工智能技術(shù)發(fā)展

近年來，人工智能技術(shù)在教育領(lǐng)域的運用主要從深度內(nèi)容學習、機器自主學習、個性化定制學習和智慧教育等方面展開技術(shù)更迭。而相關(guān)研究主要關(guān)注將上述技術(shù)高效運用到教育不同領(lǐng)域中的具體實施途徑，以充分凸顯出技術(shù)優(yōu)勢并發(fā)揮新技術(shù)作用為不同教育實施者提供更好的服務與支持。其中，機器自主學習是利用計算機，通過分析所獲得的數(shù)據(jù)來進行教育行為預測[7]；個性化定制學習則是從學習者角度，根據(jù)其自身特征與需求提出針對個人的個性化學習方式[8]。個性化定制學習已成為未來“人工智能+教育”的主要發(fā)展方向之一。

4 研究發(fā)展趨勢

近20年來，我國人工智能教育的研究取得了迅速的發(fā)展，但仍存在不足之處，其主要問題在于相關(guān)研究理論還未形成系統(tǒng)且缺乏具備高影響力的核心研究點，此外，運用在教育領(lǐng)域的人工智能技術(shù)仍存在科學性和安全性問題。因此，本研究認為未來我國人工智能教育的發(fā)展主要可以從以下三個方面開展開。

4.1 強化人工智能與教育的學科交融性

現(xiàn)階段，人工智能教育研究在教學評價、教學手段和人工智能教育產(chǎn)品和平臺方面已取得一定的研究成果，但所涉及的學科領(lǐng)域單一，主要集中在教育技術(shù)領(lǐng)域，在多學科交叉領(lǐng)域的研究尚存在不足，特別是在數(shù)學、統(tǒng)計學和認知科學等與人工智能存在學科交融的多學科交融研究上不夠深入。針對這一現(xiàn)象，未來人工智能教育研究應從不同層次對不同學科進行不同類型的多學科交叉研究，充分利用人工智能的資源優(yōu)勢和技術(shù)優(yōu)勢，開展系統(tǒng)化研究。

4.2 完善人工智能與教育的技術(shù)安全性

人工智能技術(shù)為教學者和學習者提供了便利性，教育不再只是發(fā)生在實體教室中，各類學習平臺能夠提供精準的服務與支持，但如何控制信息安全問題則是未來人工智能教育研究中需要關(guān)注的重要方向。目前人工智能教育網(wǎng)絡相對開放，各種源代碼和數(shù)據(jù)均可開發(fā)或者共享。因此，未來研究應探究人工智能教育數(shù)據(jù)的保密性和真實性，建立適宜管理機制，為提高人工智能技術(shù)在教育領(lǐng)域運用的安全性提供理論和實踐支持。

4.3 提高人工智能與教育的深度融合性

伴隨人工智能技術(shù)的不同發(fā)展階段，人工智能與教育的融合也就呈現(xiàn)出不同的層次，而不同的融合層次，又會反饋到教育教學要求的變化中，繼而對人工智能與教育深度融合的研究提出了新標準。在人工智能技術(shù)滲透到教育的不同階段過程中，加速了教學的改革步伐，對不同層次人才培養(yǎng)的方式、教學手段和教學評價產(chǎn)生了深遠影響，進而提高了教學效果。此外，在人工智能與教育的深度融合中，還能強化不同機構(gòu)與教學單位之間的合作，為人工智能的高質(zhì)量發(fā)展提高保證。

5 結(jié)語

人工智能作為未來發(fā)展的核心技術(shù)，將引發(fā)教育領(lǐng)域的創(chuàng)新發(fā)展。研究發(fā)現(xiàn)，近年來我國“人工智能+教育”的研究熱點主要集中在應用和智能技術(shù)層面。未來，“人工智能+教育”研究應進一步強化智能技術(shù)與教育的學科融合，構(gòu)建安全的融合途徑，提高教學過程的智能化，并提高研究深度，從而為我國“人工智能+教育”發(fā)展打好良好理論的基礎。