人工智能视域下的我国教育技术研究现状与前瞻

摘 要

过去的5年，是人工智能高速发展的时期。通过对教育技术专业八大核心期刊检索人工智能的相关信息，利用Citespace、知网可视化分析等软件，对论文的时间分布、来源及机构分布、作者分布、关键词、共现网络、聚类等进行文献计量学分析，得出：过去5年，我国教育技术界人工智能研究与国家政策密切相关，研究紧跟热点，着重培养学生的计算思维等方面的能力，从“教”与“学”两方面进行教育应用方面的研究。但机构的合作缺乏多样性、深入度不足、研究层次不均衡等问题依然存在。基于此，提出：要秉承“以生为本”的总方针，注重多专业的协调发展、加强人工智能六大领域间的合作;注重理论与创新的结合;凸现“智能+”目标，借助人工智能技术促进智慧教育发展。同时，对未来的发展趋势作一定程度的预测，为我国教育技术领域人工智能的进一步研究和发展提供参考。

关键词 教育技术;人工智能;研究热点;统计分析;教育应用

中图分类号 G642.4  文献标识码A  文章编号1005-4634（2022）02-0024-08

0 引言

1956年夏季，为期6周的达特茅斯研讨会（Dartmouth Workshop）诞生了“人工智能”的概念，当时的定义为“人工智能是拥有模拟能够被精确描述的学习特征或智能特征的能力的机器”[1]。 人工智能可以分为弱人工智能、强人工智能及超人工智能3个阶段。目前，我国的人工智能研究仍处于弱人工智能阶段。与国际人工智能的发展相比较，我国人工智能起步较为缓慢，且艰难曲折，人工智能在教育技术界的应用发展也相类似。在疫情背景下，以人工智能为代表的信息技术日趋成熟，其广泛的教育应用为线上线下融合（Online Merge Offline，简称OMO）教学的形成与发展提供了坚实的技术基础[2]。人工智能教育大脑也为教育治理提供了新的思路与路径[3]。但是，目前众多文献计量分析的文献，以人工智能视域下的宏观分析为主，基于教育技术学的视角探究的文献较少。我国人工智能应用于教育领域已有40多年历史，教育技术学需要紧密联系社会新技术的发展而动态调整自身的技术属性。随着人工智能的发展，如何将人工智能更好地与教育技术相结合成为人们关注的焦点，也是教育技术界研究的重点之一。

本研究选取中国知网（CNKI）为数据来源，通过对文献的收集、整理，主要聚焦两个问题：（1）过去五年教育技术领域人工智能的研究现状如何？（2）未来教育技术领域人工智能的研究可能向哪些方向发展？通过对现状进行分析，作出预测并思考未来发展方向。

1 样本收集整理

本研究从中国知网（CNKI）期刊库中，以“人工智能”或“AI”为关键词进行检索，检索时限定年限为2015年1月1日至2019年12月31日（5年时间）。文献来源为《现代教育技术》《中国电化教育》《电化教育研究》《中国远程教育》《开放教育研究》《远程教育杂志》《现代远程教育研究》《现代远距离教育》8本教育技术期刊。选取这8种期刊的原因在于，它们是北京大学出版的中文核心期刊目录（第八版）所遴选的教育技术核心期刊，同时也是教育技术领域的重要刊物，对于探讨教育技术领域人工智能的相关情况具有重要意义。通过以上方式，共检索到文章266篇，剔除会议通知、活动通知、编者按、宣言、邀请函等，最终得出有效文献259篇，以此作为本研究的文献来源。同时，利用可视化分析软件CiteSpace、Excel、知网计量可视化分析等协助完成。

1.1 时间分布

对259篇有效文献进行整理，按时间顺序进行排序，为了更直观地分析国内相关研究动向，绘制出折线图（如图1所示），反映我国近5年教育技术领域人工智能研究的论文数量变化趋势。

可以看到，近5年教育技术领域关于人工智能的研究逐渐增多。根据文献的时间分布，可将近5年教育技术领域人工智能研究划分为两个阶段：（1）起始阶段（2015～2017年）。特别是2015年，相关文献只有6篇，平均每本期刊发表的相关文献数量不到1篇，这表明研究刚刚开始。（2）稳定发展阶段（2018～2019年）。相关研究文献数量的快速增长，说明人工智能受到了广泛的关注。这与国家的政策不无关系——国务院在2017年7月印发了《新一代人工智能发展规划》;教育部2018年4月制定了《高等学校人工智能创新行动计划》[4] 。国家政策“自上而下”进行引领，相关研究开始跟进。2020年，教育部更是加大了硕士研究生的招生规模，重点针对人工智能、临床医学等特定专业。随着国际上以及我国对人工智能的研究逐渐加深，教育技术界也随之变化。本研究预测：2021～2023年教育技术领域人工智能的相关研究将会大幅增长，随后会有适度的理性回归并往纵深化发展，用技术手段促进教育公平等课题也会增多。

1.2 来源及机构分布

从图2可以看出，《远程教育杂志》《现代教育技术》《中国电化教育》3本期刊引领着教育技术领域人工智能的发展。《远程教育杂志》和《现代教育技术》近5年发表相关领域的文章数均超过（达到）50篇。如2021年《现代教育技术》杂志重点关注“智能+教育”的选题，包括“AI+教育”、人工智能实验室建设、基础教育人工智能教学等，所关注的选题相较往年变化不大。从论文数量及内容来看，该选题方向在过去5年得到了较好的贯彻，未来也继续沿着该方向深化研究。相比较，《现代远程教育研究》及《现代远距离教育》在人工智能领域的研究文献较少。

为找出教育技术领域研究人工智能的核心学术团队及机构，本研究统计了各教育技术机构在8个核心期刊上发表人工智能相关论文的数量，高产机构如图3所示。北京师范大学、华东师范大学两所院校以较大优势排在前两位，文献数量分别为42篇及33篇，表明这两所高校对于教育技术领域人工智能的研究有较强的潜力。

值得一提的是，在该领域大部分为院校研究的大背景下，安徽科大讯飞信息科技有限公司在该领域也有较强的实力与潜力，近5年在这8本期刊的发文量达到6篇。安徽科大讯飞股份有限公司人工智能研究院人员撰写的——《语音识别技术的研究进展与展望》一文，对语音识别技术的发展情况、最近几年的关键突破性技术进行了介绍[5]。全文在语音识别技术发展史、深度神经网络对于语音识别声学建模中的引领作用等方面都作了详细描述，展现了该机构在人工智能尤其是智能语音方面的领先地位。

1.3 作者分布

对259篇文献的作者进行分析，可得知教育技术界的哪些学者在研究人工智能相关课题。结果如图4所示。图中可以看到，在众多研究者中，作者肖俊洪发布的文章篇数最多，为7篇。该学者与史蒂芬·道恩斯（Stephen Downes）、拉梅什·钱德尔（Ramesh Chander Sharma）等国外学者均有合作关系，研究主要集中于开放教育、在线学习等方面，在文章中主要承担“译”等角色。

排在第二位的是史蒂芬·道恩斯。研究情趣是指论文作者侧重研究的一个学科或领域的某些具体方面[6]，史蒂芬·道恩斯是慕课的始创者之一，研究情趣较为集中，均与开放学习、在线学习相关。其他发表文章数较多的作者包括余胜泉、顾小清、任友群、陈蕙若等。学者顾小清的研究情趣则较为广泛：在深度学习领域，通过语义图示工具模型的研发，寻求突破碎片化和读图所带来的学习深度缺乏问题[7];对“学习地图”这一教学设计工具加以研究，以期为智能时代的教师工具提供开发思路;也有对学习分析工具的比较研究等。

这些专家学者分布在不同的机构、不同的年龄段，既有学科领域内的知名学者，也不乏年轻学者，甚至是一线教师。他们的研究维度大不相同：任友群作为教育部教师工作司司长，他的4篇相关文章均是从较宏观的视角进行分析，如对联合国教科文组织发布的相关工作报告进行解读[8]，或从教育视角初探，从“人工智能的发展需要教育做什么”以及“人工智能的发展能为教育带来什么”两个维度阐述[9]。武汉市光谷第一中学的教师吴鑫，则带领学生探索人工智能领域寓教于乐的创客教学策略[10]。由此可见，教育技术领域的人工智能研究既有传承也有创新。

2 研究热点及应用分析

2.1 教育技术领域人工智能研究热点

CiteSpace是美国德雷塞尔大学陈超美教授研发的信息可视化工具，该软件专门用于学术文献分析。CiteSpace可以根据文献共被引关系，通过自动抽取施引文献的关键词或名词短语产生聚类（Cluster）标识，并用于归结研究聚焦点，每一个聚类可以被认为是一个联系相对紧密的独立研究领域[11]。本研究采用聚类分析方法，绘制教育技术界对人工智能研究的可视化图谱，以此得出研究热点及时序变化。

2.1.1 关键词共现分析

具体分析步骤如下：首先，在中国知网选取需分析的文献，全部导出为Refworks，之后将数据加载到CiteSpace，通过“Format Conversion”将数据转换为该软件可读取的格式。再将数据导入到CiteSpace中。运用该方法设置的具体参数如下：“Time Slicing”设置为“2015～2019”，“Years Per Slice”为“1”;“Term Source”一栏对“Title”“Abstract”“Author Keywords”“Keywords Plus（ID）”4项均进行勾选，即将标题、摘要、作者、关键词4项设置为抓取源。“Selection Criteria”将“Threshold”[1]设置为“5”。阈值选择提供了多种数据筛选的策略[12]， 本研究选择Top N选择（选择N=50），即对每个时区前50个高频出现的节点进行截取。得到的聚类图如图5，并将频数排名前10的关键词导出见表1，中介中心性排名前10的关键词导出见表2。

通过对表1和表2的对比分析，可发现两个表中的关键词既有一定的差别，也显现了一定的雷同性。两个表格中，共出现了8个频次和中心性都较高的关键词：人工智能、大数据、学习分析、机器学习、智慧教育、计算思维、个性化学习、人机协同。这些关键词就是教育技术届人工智能研究网络的重要节点，该领域的研究也多是围绕这些关键词展开工作。在频次排名中，教育信息化、深度学习的中心性没有进入前十;中介中心性排名中，创客教育、MOOC的频次没有进入前十。这表明：教育信息化、深度学习虽然受到广泛关注，但其内部连接性较差;创客教育、MOOC是教育技术领域当下热门的素质教育或教学活动组织形式，与人工智能的发展也密切相关，但二者的结合并未引起研究者的广泛热议，或者说，如何更好地结合还未有成熟的方案，有待进一步研究。

在这些关键词中，既反映出对信息素养培养的重视，如计算思维;也有对热点的追随，如机器学习、大数据等。同时，对于“教育信息化”等教育界的新的行动计划，也与人工智能挂钩并得到了研究落实。这表明，教育技术领域人工智能的研究是多层次、多维度的，技术层面的深入探讨、政策的落地、应用的施行，都在学者的研究之列。

2.1.2 时序分析

本研究在聚类图基础上，将“layout”设置为“Timeline View”，按时间片段统计得出教育技术界人工智能关键词时序图谱，如图5所示。教育技术领域人工智能研究按年代分类，可看出大致趋势：2015～2016年研究较为表层，这两年关键词较少，这与研究处于起步阶段、文献数量不足有密切关系。2016年被称为“VR元年”，经过一年的沉淀与发展，虚拟现实技术与人工智能结合也开始得到研究;2017年关键词开始增多，初步出现了研究的分化，大数据、深度学习、智慧教育等领域出现了研究成果;2018年则主要集中于教育信息化2.0、智能教育、机器人等方面，可以看出国家政策对该领域的发展开始起引领作用，也从侧面反映出了国家重视人工智能与教育的融合发展;2019年，5G、区块链等高新技术被广泛讨论，同时，从教学设计、教师教育、教育改革等关键词可看出，对教育教学本身的研究也在增多。