我国人工智能教育研讨现状及主题结构剖析

原标题：我国人工智能教育研讨现状及主题结构剖析

本文发表于《数字教育》2020年第1期（总第31期）理论探求栏目，页码：21-26。转载请注明出处。

摘 要：人工智能教育是当时教育开展的大势所趋，自提出后遭到全球教育研讨者的广泛重视。为充沛了解当时国内人工智能教育开展的现状，文章以CSSCI期刊库为数据源，以“人工智能”和“教育”为要害词，对相关文献进行检索剖析。经过可视化办法对高被引文献、高频要害词等进行呈现，并选用聚类办法对高频要害词进行分类，具体评论各类团的研讨内容。终究，总结和评论了人工智能教育各个范畴的研讨现状，并提出未来开展主张，为人工智能教育的研讨开展供给学习。

要害词：人工智能教育；大数据；才智教育；机器学习

| 全文共7083字，主张阅览时长7分钟 |

导言

人工智能技能与教育的深度交融对传统的教育理念、教育系统和教育办法发生了深刻影响，其技能运用和人才培育问题遭到我国政府的分外的重视。2017年《国务院关于印发新一代人工智能开展规划的告诉》中指出，施行全民智能教育项目，在中小学阶段设置人工智能相关课程 [1] 。2018年4月，教育部发布的《高等学校人工智能立异行动计划》中，要求构建人工智能多层次教育系统，在中小学阶段引进人工智能普及教育 [2] 。2018年1月，国家天然科学基金委新增F0701教育信息科学与技能分类，深化推进人工智能和教育学科交融的相关根底理论、根本办法和要害技能研讨。

自此，“人工智能+教育”被赋予新的内容和意义，人工智能教育研讨被划分为两大分类。其一是人工智能赋能教育，即人工智能在教育中的运用。其首要指人工智能技能支撑教育实践后对教育办法的改动，如精精确诊、个性化引荐、智能导师等。其二是人工智能教育内容，即人工智能教育内容自身及其相关本质才干培育，首要包含多样的编程教育、创客教育以及核算思想才干、问题处理才干、立异才干等信息本质的培育。为全面呈现当时我国该范畴的开展和现状，研讨经过可视化剖析办法，选用作者共被引、要害词共现网络、聚类类团等办法剖析该范畴研讨主题结构及开展状况，并对人工智能教育未来开展供给一些主张。

一、数据来历与研讨办法

为保证数据质量，保证研讨的精确性，本研讨的数据悉数来历于中文社会科学引文索引（CSSCI）来历期刊论文数据库。以“人工智能”与“教育”为要害词进行检索，合计134篇。经有用挑选，共挑选有用文献130篇，出书时刻在2000—2019年间。将相关文献数据从CSSCI库中导出后，为保证数据的精确性与可靠性，经过手艺办法对数据中的语义重复、中英文格局等问题进行清洗处理，如将要害词“AI”“人工智能2.0”替换为“人工智能”等。

研讨首要将文献数据运用CiteSpace东西进行图谱构建，剖析研讨范畴内的高被引文献。然后运用高频要害词及其时区图展现范畴热门词开展状况。终究，运用Bicomb词频剖析软件对文献数据中的要害词进行抽取与核算，一起生成高频要害词共现矩阵。根据该共现矩阵，运用SPSS核算剖析软件对要害词进行聚类剖析，构成研讨范畴的主题结构分类。

二、研讨成果

（一）高被引文献剖析

高被引文献剖析可以反映出必定时刻范围内被同学科范畴引证频次位居前列的文献。剖析这些最有影响力且学术质量较高的文献，有利于更精确地追寻学科的研讨动态。研讨将数据导入CiteSpace东西中，时刻段设置为从2000年到2019年间，时刻间隔设置为一年，生成可视化网络图谱。图谱中共呈现63个节点，网络密度到达0.0676，阐明文献间共被引联络相对严密。该数据也开端标明该范畴内研讨内容相对会集。

（二）高频要害词共词剖析

1.高频要害词剖析

研讨将数据导入CiteSpace软件，节点类型挑选要害词（Keyword），图表视图挑选时区图（TimeZoneView）进行高频要害词可视化剖析。时区图反映了要害词在时刻跨度上的常识演进，可以直观反映要害词的演进途径。经过时区图散布，可看出人工智能从2000年起步，并以迸发性的态势开展。至2002年人工智能与教育开端结合，并呈现了机器人教育研讨。随后在2007年与人工智能相关的教育信息化、智能教育系统被很多提出，标明这一时期研讨是以人工智能教育运用为主，特别是智能导学系统的研讨。2016年到2019年间，是人工智能教育的大迸发时期，人工智能与教育深度交融并引发了教育教育办法的巨大改动，不只呈现了未来教育、智能教育、才智教育等教育概念，一起还呈现了创客教育、个性化学习、深度学习、核算思想等热门词。

研讨将文献数据导入Bicomb软件中进行要害词的提取、核算与剖析，核算高频要害词的频次。将数据矩阵导入Ucinet软件中核算得出要害词的中介中心性，表1列出了频次大于3的要害词的频次和中介中心性。

由表1可见，人工智能范畴的研讨环绕人工智能教育运用、人工智能要害技能、人工智能教育载体打开。首要触及个性化教育、智能教育系统、机器人教育、机器学习、深度学习、编程教育、STEAM教育、核算思想等中心要害词。

2.高频要害词共现剖析

要害词共现矩阵反映了要害词之间的联络。本研讨运用Bicomb软件研讨选取共现频次大于2的要害词构成要害词共现矩阵，并将生成的共现矩阵导入Ucinet软件进行可视化剖析。在要害词共现网络图中，节点的中心度巨细经过节点的巨细标明。节点之间的连线标明要害词的共现联络，连线越多，则标明要害词之间的联络越亲近。在要害词共现网络图中，人工智能的节点最大，中心度最高，占有中心方位。外围与之相连的要害词包含人工智能教育运用、教育信息化、个性化教育、机器学习等。最外围包含编程教育、核算思想、创客教育、学习剖析等概念，标明晰以人工智能为中心的教育运用、技能、办法、载体、方针等更广泛的研讨范畴。

（三）主题聚类剖析

本文选用SPSS软件针对要害词进行聚类剖析，将间隔较近的要害词聚在一起然后构成剖析方针。将相异矩阵导入SPSS软件中，首要对相关的参数进行设置，在制作中挑选“谱系图”，在聚类办法中挑选“Ward”办法，生成如图1所示的聚类谱系图。

根据聚类剖析的成果，研讨将人工智能教育范畴划分为四个类团。

类团1：智能教育理论。

智能教育理论是人工智能教育范畴的根底研讨内容，包含学习空间、人机协同、教育信息化、教育现代化、才智教育、教育技能、远程教育、教育等要害词。很多的高频引证论文也多会集在理论和办法层次。这是由于，一方面，传统的教育理论和教育办法现已不太切合人工智能年代下的教育，人工智能年代的教育需求愈加切合的教育理论和办法；另一方面，人工智能教育需求一个全方位的理论指导和运用图景介绍，便利教师赶快了解人工智能在教育中的可行运用。该范畴由才智教育、教育现代化等要害词组成。当时，关于智能教育理论的研讨首要会集在以下几个范畴：国内外人工智能及人工智能教育方针文件及行动计划的解读、人工智能教育已有的研讨评述与展望、人工智能布景下的教育理论与办法立异。如蒋鑫对美国颁布的《国家人工智能研制战略规划》和《美国机器智能国家战略规划》进行具体解读，指出其人工智能支撑教育革新方面的方针改动，以期为我国未来教育人工智能战略的拟定供给学习 [6] 。王珠珠则对教育信息化2.0年代的智能教育中心要义和施行途径进行了深化评论和证明 [7] 。总体上而言，新的技能的开展对原有教育理论将发生推进效果，并深化了解新式技能与教育的适切性问题，推进教育理论的不断更新具有重要意义 [8] 。

类团2：智能教育运用。

智能教育运用研讨是人工智能教育范畴的重要研讨内容，包含人工智能教育、人工智能运用、人工智能、个性化教育、在线学习、人工智能技能、智能教育系统。该范畴学术论文数量较多，研讨首要会集在对人工智能赋能教育教育办法、点评、决议计划等方面，由个性化学习、在线学习、人工智能技能、智能教育系统等高频要害词组成。从当时文献研讨可看出，大规划在线学习中的个性化学习和智能教育系统为当时干流的教育运用研讨，两者一般进行彼此结合。个性化教育经过建立清晰的个别方针，实时搜集个别行为、认知数据，协助学生挑选最佳的学习战略。智能教育系统则经过搜集数据，构建模型，为个性化的教育办法供给杰出的完结途径。该范畴当时全体的研讨趋势是探求怎么从教育的实践需求动身开发各类智能教育运用。如余明华在其文献《人工智能视域下机器学习的教育运用与立异探求》中就对运用与教育范畴的机器学习办法来进行了汇总剖析，充沛论述了机器学习对学生行为建模、学习体现猜测、学习支撑和评测方面的典型运用事例 [9] 。潘云鹤在其《人工智能2.0与教育的开展》中就对人工智能2.0年代对教育的影响进行了具体的论述，指出了大数据智能、媒体智能等对个性化教育及学习功率效果的严重进步效果 [10] 。

类团3：智能教育技能。

人工智能教育研讨范畴首要依靠中心技能的运用，包含技能办法和中心算法两大内容。这一类团首要由教育大数据、学习剖析、机器学习、深度学习和区块链等几个高频要害词组成。其间，教育大数据是人工智能施行的根底数据支撑，而学习剖析则是重要的技能支撑。研讨多以教育大数据为支撑，根据教育中学生认知开展规则的改动，提取重要方针，发现学习规则，为优化学习途径、促进教育监督与干涉供给根据支撑 [11] 。机器学习是人工智能的中心，机器学习研讨怎么使核算机主动进行学习的办法，具有从信息中概括常识，进行聚类、相关剖析、猜测及可视化等各种才干，其适用于各种巨细规划不同的数据集。而深度学习归于机器学习的子类，其更依靠于大规划数据的运用。近几年，大规划敞开教育渠道迅速开展，其为深度学习供给了海量的学习和评测样本，促进了学习增强、学习猜测、学习搬迁、常识表征、自习惯学习等多个教育范畴的开展 [12] 。

类团4：智能教育内容。

在人工智能战略的总体方针和立异性人才培育的要求下，当时的人工智能教育内容与相对老练的创客教育、STEAM教育、机器人教育构成天然衔接。该类团首要由机器学习、创客教育、STEAM教育、核算思想和编程教育等高频要害词组成。这些教育内容所包含的立异本质培育、协作精力、问题处理才干、批判性思想等培育方针与人工智能教育培育总体方针相一致。从研讨的趋势来看，该范畴研讨首要会集在中小学人工智能课程系统、教育办法及立异才干及中心本质等几个方面。研讨思路也逐渐从单纯的人工智能常识教育过渡到整合人工智能的教育，教育办法和教育办法都不断立异。如傅骞研讨中探求了图形化编程东西在进步学生的核算思想才干方面的显著效果 [13] ；谢忠新从认知开展视角提出了对中小学人工智能课程内容建造的主意 [14] ；祝智庭则在其《面向人工智能创客教育的世界调查和开展战略》一文中，为面向人工智能的创客课程建造提出主张，指出了科普课程、嵌入式课程、项目性和整合性课程的不同方针及安排办法 [15] 。

三、研讨定论

从人工智能效果的方针动身，咱们咱们可以总结得出，当时人工智能教育研讨首要应在以下三个方面不断深化探求。

（一）人工智能优化教育内容，完善学生常识系统

人工智能可以终究靠两个维度来优化教育内容，完善学生常识系统。一个维度是在内容自身，即在教育内容中参加人工智能的相关常识，便利学生应对未来的常识需求；另一个维度则是安排办法，运用人工智能可以更好地安排教育内容，便利学生了解。未来社会的运转将会建立在人工智能及物联网根底上，学生们只要了解了人工智能、物联网等根本原理才干应对未来的需求，所以根据人工智能的相关课程有必要充实到现有的教育内容中。关于安排办法而言，借助于人工智能技能，常识可以以常识图谱的办法进行安排，构成网状的常识依靠图，然后可以以愈加科学的办法来进行教育，也为个性化的教育供给了根底。

（二）人工智能改善教育环境，激起学生立异才干

人工智能对教育环境的支撑可以在对学习内容进行重新安排和重构的根底上，对学习活动进行盯梢和剖析，对学习时空进行感知和习惯，对教育活动进行点评与优化。为完结这些方针，人工智能技能不只应供给人与教育环境的天然交互、根据情境感知的自习惯教育、根据学习者行为的主动点评与反应等，还应重视学习环境对学习成果的影响，然后拟定有用的环境支撑战略，进步学生的学习效果和功率。更为重要的是，当时人才培育方针正在向具有中心本质的立异性人才过渡，人工智能对学习环境的支撑必定也应适应这一改动，重视对学生的立异才干培育的支撑，即经过拓宽实践环境和空间环境，使学习者在课上和课下、实在和虚拟环境中都能发生立异的行为。

（三）人工智能改善教育进程，增强学生学习效果

人工智能可以为教育进程供给支撑，可以运用于学习、确诊、操练、测评等学习进程之中。这些运用经过搜集海量教育和学习数据，施行细粒度剖析，追寻每位学习者的常识和才干开展状况，进步学习剖析的精准度，进而为学习者供给及时干涉办法和学习辅佐。在此进程中，人工智能在教育中的运用与研讨应在充沛了解学习进程的根底上，活跃吸收和学习学习科学及认知心思科学等最新研讨成果，根据学习者认知特征规则构建更为精准的学习支撑模型，有用进步学习效果。更进一步，人工智能对教育进程的支撑还将有用改动现有点评办法。技能的多维接入，使得教师可以正常的运用多样的设备搜集恣意进程数据，对学生的逻辑思想、心情体会等进行多视点的归纳点评，完结愈加精准的智能导学与根据中心本质才干的个性化点评。

当时的人工智能教育研讨还处于初级阶段，未来还有很长的路要走，笔者主张后续的研讨从以下几个维度打开：在教育内容上，从学科整合视点动身来构建分层的人工智能教育课程系统。整合是为了经过归纳实践来培育学生处理实践问题的才干，分层则是为了在不同的学段供给适宜的人工智能课程。在教育环境上，从促进学生立异和共享的视点来规划智能教育环境。好的教育环境并不仅仅便利教师或学生完结已有常识的被迫学习，而是应该鼓励学生进行常识的立异运用和共享，并构成立异到共享又鼓励立异的正向循环，继续地进行立异和共享。在教育进程上，从学生中心本质视点动身来研讨人工智能支撑下的教育进程。咱们信任，伴随着人工智能教育运用的不断研讨和实践、教与学功率的逐渐的进步，人工智能教育终究会促进师生共同开展，培育满意年代需求的人才。

[3]闫志明，唐夏夏，秦旋，等.教育人工智能(EAI)的内在、要害技能与运用趋势：美国《为人工智能的未来做好预备》和《国家人工智能研制战略规划》陈述解析[J].远程教育杂志，2017，35(1)：26-35.

[4]吴永和，刘博文，马晓玲.构筑“人工智能+教育”的生态系统[J].远程教育杂志，2017，35(5)：27-39.

[5]贾积有.人工智能赋能教育与学习[J].远程教育杂志，2018，36(1)：39-47.

[6]蒋鑫，洪明.从“NSTC规划”到“CSIS规划”：美国人工智能赋能教育的推翻与立异[J].我国远程教育，2019(7)：27-37.

[7]王珠珠.教育信息化2.0：中心要义与施行主张[J].我国远程教育，2018(7)：5-8.

[8]李政涛，罗艺.面临信息技能，教育学理论何为？[J].华东师范大学学报（教育科学版），2019，37(4)：1-12.

[9]余明华，冯翔，祝智庭.人工智能视域下机器学习的教育运用与立异探求[J].远程教育杂志，2017，35(3)：11-21.

[10]潘云鹤.人工智能2.0与教育的开展[J].我国远程教育，2018(5)：5-8，44，79.

[11]魏顺平.学习剖析技能：发掘大数据年代下教育数据的价值百科[J].现代教育技能，2013，23(2)：5-11.

[12]赵慧琼，姜强，赵蔚.教育大数据深度学习的价值百科取向、应战及展望——在技能促进学习的了解视域中[J].现代远间隔教育，2018(1)：17-25.

[13]傅骞，解博超，郑娅峰.根据图形化东西的编程教育促进初中生核算思想开展的实证研讨[J].电化教育研讨，2019，40(4)：122-128.

[14]谢忠新，曹杨璐，李盈.中小学人工智能课程内容规划探求[J].我国电化教育，2019(4)：17-22.

[15]祝智庭，单俊豪，闫寒冰.面向人工智能创客教育的世界调查和开展战略[J].敞开教育研讨，2019，25(1)：47-54．

郑娅峰（1979—），女，河南洛阳人，博士，副教授，首要研讨方向为教育数据发掘、学习剖析、自习惯学习、可视化剖析；

傅骞（1978—），男，浙江金华人，博士，副教授，首要研讨方向为物联网技能及教育运用、创客教育等，本文通讯作者；

赵亚宁（1997—），男，山西临汾人，硕士，首要研讨方向为数据发掘、数据剖析、机器学习。

喜爱就点个赞吧

责任编辑：