肖 康　

基于对比视角下人工智能教育应用研究的分析

肖 康

（淮北师范大学，安徽 淮北 235000）

目前人工智能技术在教育领域的应用多停留于浅层次、小范围的实践应用层面，难以与真实状态下的大规模教育实践相结合。为探寻指引我国教育实践的人工智能教育应用研究存在的误区，以人工智能教育应用为主题，选取近12年WOS核心数据库与知网CSSCI类的相关文献，借助CiteSpace对国家合作网络以及关键词进行知识图谱对比分析，并采用内容分析法对国内外高被引文献进行对比分析，发现目前人工智能教育应用研究存在着研究主题宽泛、学生的主体地位不足、研究周期短、国际交流不足、实证研究较少的问题。

人工智能教育应用；对比研究；对比视角

引言

“人工智能”一词起源于20世纪50年代，在历经三次高潮三次低谷发展后，如今已取得了突破性的进展。世界各国高度重视人工智能对教育的推进，国内外针对人工智能教育应用的政策层出不穷，这加速了人工智能技术在我国教育领域的应用。然而，我国的人工智能教育应用研究尚处于探索阶段，在教育实践中仍存在较多问题。如在职业教育中表现出信息化管理效率低、科学决策水平低等现象[1]；中小学人工智能教育课程存在“知识块庞杂、工具观单一、生师比悬殊”等问题[2]；特殊教育领域中利用人工智能技术实施缺陷补偿的人群有限等不足[3]。因此，有必要以国内外视角对比分析人工智能教育应用研究，探寻指引教育实践的人工智能教育应用研究中存在的问题，借鉴吸收国外相关研究成果，用理论指引实践，从而推动人工智能技术与我国教育实践深入结合。

本研究以人工智能教育应用为主题，选取了2010—2021年间CNKI数据库的CSSCI类文献和WOS核心数据库的英文文献，并运用CiteSpace软件定量分析所选取的文献数据，从发文量、合作网络、关键词等比较国内外在人工智能教育应用研究内容和研究热点上的异同，同时结合高被引文献进行内容分析，在比较中结合我国教育实践出现的问题，探寻问题所在，以期对我国人工智能教育应用研究的方向与着重点有所启发，助力人工智能技术在教育实践层面的融合深化。

1 数据来源与研究工具

1.1 数据来源

为了使此次选取的人工智能教育应用的文献更具代表性，研究结论更为准确有效，本文选取2010—2021年间中国知网CSSCI期刊论文数据库与Web of Science（WOS）核心数据中的相关文献，采用组合检索与合并去重的方式进行。首先，在WOS核心数据库中以“artificial intelligence”与“education”为主题进行“与（and）”搜索，共获得2 823条记录，并再次以“AIED”为主题进行检索，共获得140条记录，将两次的检索结果进行人工筛选与合并去重，共获得1 203条记录；其次，在中国知网（CNKI）平台上，对CSSCI期刊类的论文进行筛选，分别以“人工智能+教育”“人工智能*教育”及“智能教育”为主题进行搜索，并对检索的文献进行人工筛选与去重，获得916篇相关文献。

1.2 研究工具

此次研究运用陈超美博士团队开发出来的CiteSpace软件，利用CiteSpace5.8.r3c来分析已收集到的有关人工智能教育应用的数据集，由此获得国内外关于人工智能教育应用研究的整体概况与主要领域，从而反思目前国内相关研究的问题所在，助力人工智能教育研究的深入推进。

2 知识图谱分析

2.1 总体发文量对比分析

论文总体发文量体现了人工智能教育应用研究的热度与趋势。由图1可知，国内外人工智能教育应用研究的总体发文量呈现幂指数增长，表明国内外学者都对该领域投入大的精力与热情，意识到了人工智能技术在教育领域的巨大潜能。此外，2016年是我国人工智能教育应用的一个关键转折点。2016年之前，发文量仅为个位数，2016年之后，发文量直线上升，而这很大一部分是由于国家相关政策的出台，如2016年与2017年陆续出台的《机器人产业发展规划（2016－2020年）》《新一代人工智能发展规划》，这表明政府的支持是人工智能教育应用研究的强大推动力。

图1 总体发文量对比图

2.2 国家合作网络分析

国家合作网络分析从网络的视角呈现出该研究领域国际学术交流的概况，体现了学术活力与领域知识更新迭代的速度。由于国内外人工智能技术发展的差异以及人工智能教育应用的复杂性，更有必要加强相关领域的合作与交流。

用CiteSpace软件对选取的WOS数据库进行国家合作网络分析，结果如表1所示。在发文量上，中国学者的发文量稳居第一，远远高于西班牙等国家学者的发文量。然而，我国学者合作的中心度却只有0.07，远低于发文量位于前五的其他国家。这表示我国的学者在国际合作上的参与度较低，尽管发文量很高，但与国际的学术交流不足。因此，由国家合作分析可知，我国学者应当加强国际间的交流与合作，从而为解决人工智能在教育实践应用中的难题做好充足的理论准备与实践经验，推进人工智能教育应用的广泛深入发展。

表1 发文量位于前五的国家中心度表

国家中国美国西班牙英格兰加拿大 发文量/篇252225757059 中心度0.070.240.190.210.26

2.3 关键词对比分析

对国内外相关研究的关键词进行对比分析，有助于更为直观地展示国内外研究重点的差异。从关键词聚类分析、词频分析、膨胀词分析三个方面对研究的热点领域与持续时间进行探析[4]，有利于人们从已有研究成果的角度出发，思考人工智能教育应用研究存在的问题。

2.3.1 关键词聚类分析

首先，采用Citespace软件对CNKI中的文献数据进行聚类分析所得到的Q＝0.47，S＝0.85，再对WOS中的文献数据聚类，得到Q值为0.76，S值为0.87，可知两个数据库的总体聚类效果都较好。由图2与图3可知，国内外的研究主题既存在差异，也有着相似之处。其中，相同之处在于国内外都对人工智能技术本身关注密切，如国内的关键词“人工智能”“学习分析”，国外的关键词“机器人”。同时，国内外学者都很关注人工智能技术给学习者带来的影响，如国内关键词“人才培养”，国外的关键词“K-12”“自适应学习”。然而，不同之处在于国内从整体的视角研究人工智能环境下的学习者，以“人才培养”为主题，较为笼统，而国外的研究主题更细化到某一具体领域，如“医疗教育”“K-12”，研究更细化，更有针对性，能落实到实践中的概率也更大。

图2 CNKI关键词聚类图谱

图3 WOS关键词聚类图谱

由于不同学段、不同学科等特定背景下的学习者之间存在着差异，如初中生与大学生，特殊儿童与正常儿童等，则该特定对象参与的人工智能教育实践也有着不同之处。人工智能教育应用研究更应当聚焦于某一具体学科或学段，深入实践，细化研究主题，有针对性地研究某一学段、学科或学生群体，与真实状态下的教育实践相结合。

2.3.2 关键词词频对比分析

近12年国内外的人工智能教育应用研究的高频关键词及其中心度如表2所示，结合关键词的频次与中心度进行分析，国内的相关研究以人工智能为核心，并以该技术引起的教育新生态为重点，如智能教育、智慧教育。较之国内，国外的研究则着重突出了“学生”这一关键词，且对教育系统的重视程度高于技术本身。由此可知，在人工智能教育应用研究中，国内更侧重于把握人工智能教育应用的整体发展方向，但没有体现出学生在人工智能教育应用研究中的主体地位。然而，学生的主体地位在人工智能教育应用研究中仍然值得重视，研究要贴近学生的学习，重视学生在人工智能教育应用中的认知、情感、体验，学生对人工智能技术的接受度越高、适应性越强，人工智能与教育实践的结合也会越紧密，从而有效缓解“强行拼凑”的现象。

表2 高频关键词及其中心度的中外对比表

序号关键词频次中心度序号关键词频次中心度 1人工智能6281.531education480.09 2智能教育870.252system470.15 3大数据360.033student460.10 4人才培养350.024technology430.13 5智慧教育320.035ai410.08

2.3.3 膨胀词对比分析

基于CNKI文献与WOS文献分析出的2010—2021年前十位膨胀词，如表3所示。其中，基于WOS文献分析出的2017年开始的膨胀词有7个，但持续时间较短，如“深度学习”、“AI”等。此外，突现词最长的持续时间是两年，即“智慧教育”与“新工科”。基于WOS文献分析出的膨胀词的总体持续时间比CNKI的长，其中持续时间不低于两年的膨胀词就有7个。另外，各个膨胀词的年度分布亦较为均匀，不似国内集中于2017年。从膨胀词的持续时间可知，我国人工智能教育应用研究受外部的环境影响较大，如受2017年出台的《2017新媒体联盟中国高等教育技术展望：地平线项目区域报告》的影响，在2017年时出现了众多膨胀词，但同时研究热情的消退亦较快，难以持续性地对某项主题进行长久深入的研究。

表3 国内外前十位膨胀词及其持续年段

国内膨胀词持续年段国外膨胀词持续年段 智慧教育2016－2018Ability2013－2017 深度学习2017－2018Higher education2015－2018 AI2017－2018Environment2015－2017 学习分析2017－2018System2015－2016 创客教育2017－2018Game2015－2017 学习空间2017－2018Framework2016－2018 机器学习2017－2018Neural network2018－2019 新工科2017－2019Augment reality2018－2019 计算思维2018－2019Learning analytics2019－2021 智慧学习2018－2019Classification2019－2021

3 高被引文献分析

文献的被引量体现该文献的学术价值与影响，文献的被引量越高，表示学术界越认可该文献，被引量较高的文献往往具有较高的前瞻性与代表性。通过选取CNKI与WOS数据库中被引次数位于前十的文献，从理论探讨与实证研究两个维度对其做进一步的分析比较，进而揭示国内外人工智能教育应用研究的差异。

首先对国内的高被引文献按被引频次从高到低编码为P0、P1、P2、P3、P4，再对国外的高被引文献按被引频次从高到低编码为P′0、P′1、P′2、P′3、P′4，再依据文本内容从理论探究与实证研究两个维度对其进行归类，如表4所示。由表4可知，国内外的高被引文献在这一维度上有着巨大的差异，国内的高被引文献全部是从理论探究的维度研究人工智能在教育中的应用，重视宏观理论的探讨，如智慧教育、个性化学习理论等，多篇文献探讨了人工智能教育的内涵、应用、人才培养与发展趋势，强调人工智能技术对整个教育系统带来的影响与转变；而国外的高被引文献中实证研究占据了极大的比例，仅有《How to Grow a Mind: Statistics，Structure，and Abstraction》从理论探讨的维度描述了对人类学习和认知发展进行逆向工程的方法，并对更人性化的机器学习系统进行了工程设计[5]，如Sylvain Calinon等[6]基于隐马尔可夫模型和高斯混合回归的方法得到模仿手势的学习与再现；Jacob Whitehill等[7]分析人类从学习者面部表情判断其参与度的信号，并使用机器学习自动化该过程，最后通过实验证明了机器的执行精度与人类相当。

表4 国内外被引频次位于前五的相关文献维度划分

维度文章名维度文章名 理论探讨P0：教育人工智能(EAI)的内涵、关键技术与应用趋势—美国《为人工智能的未来做好准备》和《国家人工智能研发战略规划》报告解析理论探讨P′0：How to Grow a Mind: Statistics，Structure，and Abstraction P1：人工智能教师的未来角色实证研究P′1：Learning and Reproduction of Gestures by Imitation: An Approach Based on Hidden Markov Model and Gaussian Mixture Regression P2：构筑“人工智能＋教育”的生态系统P′2：The Faces of Engagement: Automatic Recognition P3：人工智能教育应用的现状分析、典型特征与发展趋势P′3：Multi-Modal Curriculum Learning for Semi-Supervised Image Classification P4：教育信息化2.0：智能教育启程，智慧教育领航P′4：Parameters identification of photovoltaic models using self-adaptive teaching-learning-based optimization

4 研究结论

通过对国内外文献进行知识图谱分析与高被引文献的内容分析，结合目前人工智能教育应用领域所存在的实践问题，进而探知我国在人工智能教育应用研究中存在的问题，以期为我国人工智能技术在教育实践中提供一定的启示。

表5 国内外相关研究的异同

国内国外 研究主题1.重视人工智能等技术，如机器人、大数据；2.重视人才培养，如k-12；3.重视人工智能技术对教育的作用，如支持、融合。 较为宏观，侧重于理论探讨，如智能教育、智慧教育。较为微观，关注具体学段与学科，如k-12，医疗教育。 研究对象重视教育生态重视学生 国际合作较少较多 持续时间较短较长 分布年度较为集中较为分散 研究方法理论研究为主实证研究为主

由表5可知，人工智能教育应用研究存在的问题在于：

（1）研究主题不够细化，未能聚焦于某一学科或学段。处于不同的学科与学段之间的学生、教师及其所处的环境存在着巨大的差异性，教育实践中产生的具体问题也不尽相同，在人工智能的教育应用实践中自然也不能一以贯之。人工智能教育应用研究应当基于某一具体学科或学段，结合该学科或学段的特殊性，因地制宜地开展研究，才能更有针对性解决该领域产生的实践问题。

（2）忽略了学生的主体地位。尽管学习者的主体地位已多次被强调，但在研究主题上仍不足以体现出学习者的主体地位。多数研究仅从研究者或教师的视角分析学生在人工智能教育应用中的情感、认知等，而从学习者的视角来研究人工智能教育应用的文献较少，忽视了学生对人工智能教育应用的接受度、适应性等。

（3）研究周期较短。人工智能教育应用由于自身的复杂性、交叉性，在研究中难免遇到困境与难题，需要研究者耗费较多的时间与精力专注于该问题。然而，经过前文膨胀词的分析，发现我国的人工智能教育应用研究受外部影响较大，不利于研究的独立性和持久性。

（4）国际合作交流不足。通过WOS数据库中的国家合作网络分析可知，我国学者在人工智能教育应用研究的国际合作交流不足，而人工智能是一门涵盖了计算机科学、神经科学、生理学等的交叉学科，教育又是培养人且具有极其复杂性的社会实践[8]，这便表明研究人工智能教育应用的学者需要加强学科间的交流与合作，丰富自身的理论素养。

（5）研究方法较为单一，实证研究稀缺。人工智能教育应用，从根本上来说是实践的，是通过实践应用实现其目的。然而，我国的人工智能教育应用研究实证研究比例仍较少，但以目前的教育领域发展趋势来看，并非是国内对这一方面的研究有所忽视，究其根本，则是人工智能在教育应用领域的实证研究在实施的过程中存在着如技术层面、人才层面等方面的限制。

5 结束语

人工智能技术作为实现我国教育信息化的关键推动力，在教育领域受到了极大的关注。然而，人工智能技术的应用在教育实践中存在着理想化的情况，对于残障人群、弱势群体等特定人群，相关的人工智能教育应用仍较少，难以与真实状态下的大规模教育实践相结合。人工智能教育应用研究作为人工智能教育实践的重要引领，有必要对目前的人工智能教育研究进行整理反思，从而发现研究中存在的误区。通过对近12年国内外的有关人工智能教育应用的文献进行对比分析，从发文量、关键词、合作网络对文献进行量化分析，并以国内外高被引文献为研究对象，以内容分析法对比分析国内外高被引文献的差异，研究发现人工智能教育应用研究存在着研究主题宽泛、学生的主体地位不足、研究周期短、国际交流不足、实证研究较少的问题。本文探寻人工智能教育应用研究中存在的问题，以期为后续人工智能教育应用研究的落脚点与着重点提供相应的启发，助力研究与实践的深入结合。

[1]董文娟，黄尧. 人工智能背景下职业教育变革及模式建构[J]. 中国电化教育，2019(7): 1-7，45.

[2]何聚厚，李天宇，何秀青. 中小学人工智能教育大单元设计的意蕴、困境和路径[J]. 中国电化教育，2022(2): 30-37.

[3]郭利明，杨现民，段小莲，等. 人工智能与特殊教育的深度融合设计[J]. 中国远程教育，2019(8): 10-19，92-93.

[4]易红郡，曾令琴. 近十年教育国际化研究综述: 基于2010-2019年CNKI与WOS期刊文献的定量分析[J]. 比较教育研究，2020，42(5): 44-52.

[5]TENENBAUM J B, KEMP C, GRIFFITHS T L, et al. How to grow a mind: Statistics, structure, and abstraction[J]. Science, 2011, 331(6022): 1279-1285.

[6]CALINON S, D'HALLUIN F, SAUSER E L, et al. Learning and reproduction of gestures by imitation: An approach based on hidden markov model and gaussian mixture regression[J]. IEEE Robotics and Automation Magazine: A publication of the IEEE Robotics and Automation Society, 2010, 17(2): 44-54.

[7]WHITEHILL J, SERPELL Z, LIN Y C, et al. The faces of engagement: Automatic recognition of student engagementfrom facial expressions[J]. IEEE Transactions on Affective Computing, 2014, 5(1): 86-98.

[8]李福华，年浩，张家年. 人工智能教育应用论纲[J]. 现代大学教育，2020(1): 1-8，110.

Analysis of Artificial Intelligence Educational Application Research from a Comparative Perspective

At present, the application of artificial intelligence technology in the field of education is mostly limited to shallow and small-scale practical applications, making it difficult to combine with large-scale educational practices in real situations. In order to explore the misunderstandings existing in the research on the application of artificial intelligence in education that guide China's educational practice, with the theme of the application of artificial intelligence in education, the relevant literature of WOS core database and CSSCI class of the knowledge network in the recent 12 years is selected, and the knowledge graph of national cooperation network and keywords is compared and analyzed with CiteSpace. By using the content analysis method to compare and analyze the highly cited literature at home and abroad, it is found that the current research on the application of artificial intelligence education has some problems, such as broad research topic, insufficient subject status of students, short research period, insufficient international communication and few empirical studies.

artificial intelligence educational application; comparative study; comparative perspective

G47

A

1008-1151(2023)07-0171-04

2022-09-14

肖康（2003－），女，湖南邵阳人，淮北师范大学在读硕士研究生，研究方向为在线教育。