摘 要：为了促进人工智能在教育领域的深度应用，加快实现人工智能为教育赋能，以“教育+人工智能”为主题对中国知网（CNKI）的CSSCI数据库进行检索，最终筛选出1 395篇文献作为研究样本，利用CiteSpace和VOSviewer工具进行全面分析，发现目前我国教育人工智能的研究主要包括人工智能与教育理论的探讨、人工智能与教育的技术研究、人工智能在教育领域的应用以及人工智能对教育的影响。未来，研究还需强化理论基础，加强技术突破，注重实证研究和关注伦理问题。
关键词：教育人工智能；可视化分析；知识图谱；CiteSpace；VOSviewer
中图分类号：TP391 文献标识码：A 文章编号：2096-4706（2024）17-0159-06
0 引 言
人工智能作为新一轮科技革命和产业革命的重要驱动力量，在多个领域发挥其价值，其中教育领域也不例外。近年来，我国对于人工智能与教育的深度融合给予了极高的关注，相继颁布了《新一代人工智能发展规划》《高等学校人工智能创新行动计划》《中国教育现代化2035》等政策文件，积极引导人工智能与教育的融合发展。那么，我国教育人工智能的研究热点和研究趋势有哪些？本研究以中国知网（CNKI）数据库中的文献为研究对象，借助可视化分析工具，深度剖析关键研究节点和聚类结果，更好地揭示我国教育人工智能领域的研究热点与未来趋势，进而把握我国教育人工智能的发展脉络。本文的“教育人工智能”指的是人工智能在教育领域的应用。
1 数据与方法
1.1 数据来源
本文以中国知网（CNKI）为数据来源，通过检索式：SU%= 人工智能*教育OR TI%= 人工智能*教育OR SU%= AI*教育OR TI %= AI*教育，以CSSCI库作为筛选标准，检索时间跨度为1998年至2023年，剔除无关文献后共获得1 395篇文献作为研究样本，样本文献的年度发文数量及趋势如图1所示。
1.2 研究工具及方法
本文主要对文献进行知识图谱分析、聚类分析、共线性分析等定量分析，主要采用的工具是CiteSpace 6.1.6和VOSviewer 1.6.20，通过知识图谱可视化、基于LLR算法的聚类分析、关键词词频统计等方法，对我国教育人工智能领域的研究热点及发展趋势进行梳理归纳。研究过程可分为三个阶段：首先是数据的收集与筛选。以中国知网（CNKI）中的CSSCI库作为数据来源，通过检索式检索符合要求的文献，将筛选后的1 395篇文献作为研究样本。其次是数据的处理与可视化。主要借助CiteSpace和VOSviewer两款工具，对研究样本进行可视化分析。最后是数据的深度剖析。根据聚类分析的结果，对具有代表性的文献进行精读，从而全面揭示我国教育人工智能发展的规律和趋势。
2 统计结果
从图1所示的发文趋势图来看，2016年以前我国教育人工智能的研究处于低谷时期，其中2007—2008年论文数量略有浮动，之后又趋于平缓，2016年以后发文量迅速增长，一直持续到2019年，2020年稍有减缓，到2021年数量又有所增加，2022年数量略有减少，但仍处于较高水平，截至2023年发文量处于最高状态。
2.1 文本分析：教育人工智能的研究热点
2.1.1 作者合作网络分析
借助VOSviewer对作者的合作情况进行可视化展示，反映领域内作者合作关系。如图2所示，全面展示了教育人工智能领域作者的合作情况。图中节点数为2 108，即包含2 108位作者，连线数为3 317，即作者之间存在3 317条合作关系连线，连线强度为3 624，即领域总合作关系强度为3 624。因此，作者之间存在一定的合作关系，但相较于整体规模，其合作强度尚显不足。
如表1所示，从发文量来看，华东师范大学的顾小清（35篇）发文最多，其后依次为北京师范大学的郑永和（19篇）和王一岩（17篇）、华东师范大学的李世瑾（14篇）、北京师范大学的黄荣怀（13篇）。根据普莱斯定律公式（M=0.749×）计算领域内核心作者发文量[1]，其中Nmax表示最高发文量，得出M≈4.43，即核心作者的发文量需不低于4篇。根据统计结果，该领域内共有53位核心作者，共发文550篇，占总文献量的39.43%，说明该领域尚未完全形成较为稳定的核心作者群体。
2.1.2 关键词被引频次分析
关键词的引用频率是反映特定领域研究焦点的关键指标[2]。如表2所示，从教育人工智能的关键词统计结果来看，1998—2023年引用率最高的为人工智能667次，第二是智能教育100次，第三是ChatGPT60次，第四是学习50次，第五是教育49次。
本文通过对引用频次超过30次的高频关键词进行梳理，深入剖析了其中的代表性文献，进而总结出教育人工智能领域的研究热点知识子群：
1）教育数字化转型。一是由“教育生态”“未来教育”“高等教育”“职业教育”“人才培养”等关键词组成的“教育数字化转型”子群。教育数字化转型是将数字技术整合到教育的各个层面，推动教育组织在教学范式、组织架构、教学过程以及教学评价的创新与变革，最终构建一个健康的教育生态环境[3]。随着新一代智能技术的发展及应用，数字化转型是未来教育发展的必然趋势，但我国教育数字化转型仍处于起步阶段，面临诸多困境，大多数研究都是对于教育数字化转型的实践策略与路径。
2）生成式人工智能。二是由“ChatGPT”“生成式人工智能”“大语言模型”“教育潜能”以及“伦理问题”等关键词形成的“生成式人工智能”子群。生成式人工智能是基于人工智能技术的大型语言对话模型，是一种新型语言处理工具，其中最具代表性的就是ChatGPT [4]。2022年11月OpenAI推出的ChatGPT模型火爆全网，引发了研究热潮。关于生成式人工智能的研究，主要包括生成式人工智能对教育生态变革的影响、生成式人工智能的伦理风险以及教育应用。
3）智慧教育。三是由“智能教育”“智能技术”“数字孪生”“混合现实”“人机协同”“个性化学习”等关键词形成了“智慧教育”子群。只有通过智慧的教育培养智慧的人，充分发掘生命的内在潜质，才能符合社会的人才需求[5]。智慧教育是运用人工智能技术构建智能化的学习环境，为学生提供精准、个性、灵活的教育服务，最终促进学生的智慧生成。智慧教育的研究主要围绕运用人工智能、数字孪生、混合现实等技术在智慧学习环境、学习方式、教育管理等方面的路径研究，以优化教育生态，促进教育变革。
4）学习分析。四是由“学习”“自适应学习”“多模态数据”等关键词形成了“学习分析”子群。学习分析是促进有效学习的一种技术，数据是其分析的核心，从学习者的学习情境、学习过程、学习规律和学习绩效等方面进行分析，从而揭示学习的本质[6]。智能技术和智能设备的迅速发展，为教育数据的智能感知提供了有力支持，多模态学习分析成为解密学习者学习黑箱的重要手段[7]。关于学习分析的研究主要聚焦于理论、技术和方法三个方面，主要围绕多模态数据融合与挖掘、多模态感知与情绪分析、多模态表征与对象识别三大领域[8]。
2.1.3 关键词突现分析
关键词突现是指在一段时间内某一关键词引用频次发生显著变化，一定程度上可以反映某一领域的研究趋势[2]。如图3所示，从我国教育人工智能领域研究的关键词突现的年份、强度以及起止时间来看，我国教育人工智能的研究呈现从宏观到微观、从单一到多元的变化趋势。
从突现强度来看，“学习”这一关键词的突现强度最大，且突现年份最早，该主题词标志着我国早期教育人工智能研究的重要方向，因此成为学术界广泛关注的焦点。同时，“智能时代”“学习分析”“深度学习”以及“大数据”的突现强度也比较大，是教育人工智能比较重要的研究前沿领域。综合来看，“教师教育”“教育评价”“教育公平”以及“未来教育”是教育人工智能的核心前沿热点，受到研究者的广泛关注。
从突现时间来看，教育人工智能相关研究中，“学习”这一主题词出现得最早，且在研究的时间轴上占据了最长的持续期，成为研究中持续关注的热点。同时，主题词突现时间跨度大于5年的有“教育技术”“知识工程”“机器人”以及“计算思维”。此外，从近3年的突现词来看，智能时代的“教师教育”“教育评价”“教育公平”和“未来教育”一直从2021年持续至2023年，成为延续至今的最新研究前沿。
2.2 视图分析：教育人工智能的研究趋势
2.2.1 关键词共现图谱分析
关键词共现网络能够深入揭示特定领域的研究动态[2]。本文运用VOSviewer工具对关键词（频次≥3）进行共现分析，如图4所示，2018—2019年教育人工智能的热点关键词有智能教育、教育信息化、计算思维、远程教育、机器学习、终身教育。2020—2021年的研究热点为核心素养、职业教育、未来教育，2022年以后的研究热点为ChatGPT、高质量发展、教育改革、教育评价、师生关系、伦理风险。从研究热点来看，我国在2018年左右教育人工智能得到快速发展，但研究方向比较分散。
2.2.2 聚类视图分析
聚类视图可以揭示研究领域的分布情况，展示研究主题及其内在的关联与差异[2]。本研究通过LLR算法进行聚类，得出的模块值为0.522 6，大于0.3，从而验证了本研究聚类结构的显著性。同时，平均轮廓值高达0.853，远大于0.5，证明针对教育人工智能领域相关研究的聚类划分是合理且有效的。如图5所示，最终聚类出10个主题。
聚类1是人工智能，主要聚焦于人工智能在教育领域的理论内涵、技术框架、技术应用以及中小学人工智能课程的构建。聚类2是学习，主要关注以学习者为中心的学习全过程，包括学习发生机制理论的探讨、支持深度学习的算法研究以及促进学习发生的实践应用三方面。聚类3是智能教育，主要关注智慧教育系统的框架构建、核心技术以及实施策略。聚类4是教育技术，主要聚焦于教育技术学专业学科发展以及教育技术与学科结合的应用研究。聚类5是高等教育，主要聚焦于人工智能在高校的治理的探讨。聚类O1EONEcBdT43+w+wxP5LTAebMq+0MkmAx6BalvfB3ck=6是大数据，主要聚焦于运用大数据技术服务于教育领域。聚类7是ChatGPT，主要聚焦于ChatGPT引发的教育生态变革的理论探讨、教育应用以及伦理问题的审视与探讨。聚类8是机器人，主要聚焦于智能机器人教育的理论探讨与实践应用，理论方面主要包括机器人教育的目的、方法以及技术，实践方面主要是教育机器人的实践应用。聚类9是教育应用，聚焦于各种人工智能技术在教育领域应用的宏观分析。聚类10是远程教育，近几年关于教育人工智能的远程教育的研究主要包括远程教育理论的反思与改革发展以及各技术在远程教育中“教—学—测—管—评”等方面如何发挥作用，以促进学生个性化学习和教师精准化教学。
2.2.3 时间线视图分析
时间线视图能够清晰地描绘出某一领域研究主题在时间维度上的演变脉络，追踪描绘出研究焦点的动态演进轨迹[2]。本研究通过结合CiteSpace工具对教育人工智能领域在不同时区的发展状况进行分析。如图6时间线视图所示，可以发现我国教育人工智能的研究经历过两次高潮，2006—2010年教育人工智能研究较多，2011—2015年处于研究低谷期，直到2016年3月人工智能再次成为公众关注的焦点，主要原因是由于技术的突破，阿尔法狗击败了世界围棋冠军。从2016年起，教育人工智能的研究热度一直保持，研究领域不断扩展和丰富。2022年11月，OpenAI推出的ChatGPT模型引发了广泛的关注，成为新的研究热点之一。
3 未来研究展望
人工智能与教育的深度融合已是未来教育的发展趋势，我国教育人工智能的研究方向呈现出多元化、研究范式更加多样化以及研究内容变得具体化。目前我国教育人工智能的研究主要包括人工智能与教育理论的探讨、人工智能与教育的技术研究、人工智能在教育领域的应用以及人工智能对教育的影响。这些变化反映了我国教育人工智能领域的不断发展和进步。结合研究现状，本文对教育人工智能研究做如下思考。
3.1 强化理论基础
教育人工智能发展的核心是要回归教育本质，抛弃育人本质的教学不是人工智能时代的应然状态[9]，教育人工智能要兼顾教育与人工智能，使其协同发展，最终实现人的全面发展。教育系统的复杂性和动态性也使得教育人工智能领域面临诸多挑战。目前，我国教育人工智能处于发展阶段，关于教育人工智能的研究大都停留在对教育本质和教育理念的初步探讨阶段，理论基础尚未形成体系。教育人工智能涉及多个研究领域，需要加强跨学科的合作和交流，推动理论创新和发展，为教育人工智能的研究提供更坚实的理论基础。
3.2 加强技术突破
目前我国教育人工智能技术包括教育数据层、算法层、感知层、认知层以及应用层五个方面[10]。在教育领域，核心要素始终是“人”，人工智能主要作为一种辅助技术手段而存在。虽然在数据处理和知识管理等“智商”方面，教育人工智能已展现出超越人类的能力，但在涉及情感、意识等更为复杂和微妙的“情商”层面，它尚未取得明显的进步。人工智能发展仍处于弱人工智能阶段，在创新、决策和复杂情感理解等方面还存在明显的局限，再加上教育的复杂性，技术方面还需不断发展与突破。在未来的教育变革中，人工智能应在遵守着本质目标的前提下朝着更加智能化、个性化和人性化的方向发展，让人工智能技术更好地服务于教育事业。
3.3 注重实证研究
具体化的研究内容有助于深入挖掘教育人工智能的应用潜力，为解决实际的教育问题提供有力的支持。目前，我国关于教育人工智能的研究大都停留在宏观和中观层面，实证类的研究较少。这主要是由于当前教育人工智能的研究尚处于初级阶段，下一步研究可以通过开展实验研究、实地调查等方式，对教育人工智能的实际应用情况及其效果进行深入探讨。实证研究要加强跨学科合作，包括教育学、心理学、计算机科学等多个领域的研究者共同参与，以期在教育人工智能领域实现更大的实践价值。同时，由于教育人工智能的应用涉及多个领域和方面，其研究难度也相对较大，需要投入更多的人力和物力资源。
3.4 关注伦理问题
虽然人工智能技术与教育在逐渐的深度融合，但目前人工智能仍处于“弱”人工智能时代，教育数据生态尚未形成，共享机制和人工智能伦理尚未形成，伴随着伦理问题不断显现。近年来，国际组织、各国政府与学界不断探索教育领域的人工智能伦理，以期明晰人工智能在教育领域的价值导向。未来的教育人工智能还需要关注教育中的伦理问题，如教育公平、教育质量和教育责任等，构建更加公平、包容、平等和高质量的教育体系。
4 结 论
本研究通过运用CiteSpace和VOSviewere工具对我国教育人工智能领域的文献进行了可视化分析，系统整理并归纳出我国教育人工智能主要的研究热点和可能的发展趋势，进一步提出未来研究展望。然而在文献分析时，主题词的划分和归类上可能存在偏差，并且手工筛选数据过程中可能产生偶然性，以上因素均有可能导致最终的研究结论存在一定的误差。
对教育而言，人工智能是把“金钥匙”，它不仅影响未来的教育，还影响教育的未来。教育人工智能是我国教育发展的必然方向，也期望未来能够将人工智能技术深入到教育教学和管理的全过程、全环节。相信通过与人工智能的深度融合，能够促进高质量教育体系的构建，进一步实现教育强国的建设。
参考文献：
[1] 李小霞.近年来国内洛特卡定律研究综述 [J].科技情报开发与经济，2005（13）：27-28.
[2] 陈悦，陈超美，胡志刚，等.引文空间分析原理与应用：CiteSpace实用指南 [M].北京：科学出版社，2014．
[3] 祝智庭，胡姣.教育数字化转型的理论框架 [J].中国教育学刊，2022（4）：41-49.
[4] 王佑镁，王旦，梁炜怡，等.“阿拉丁神灯”还是“潘多拉魔盒”：ChatGPT教育应用的潜能与风险 [J].现代远程教育研究，2023，35（2）：48-56.
[5] 祝智庭，贺斌.智慧教育：教育信息化的新境界 [J].电化教育研究，2012，33（12）：5-13.
[6] 顾小清，张进良，蔡慧英.学习分析：正在浮现中的数据技术 [J].远程教育杂志，2012，30（1）：18-25.
[7] 李海峰，王炜.学习分析研究：基本框架和核心问题——2022版《学习分析手册》的要点与思考 [J].开放教育研究，2022，28（6）：60-71.
[8] 牟智佳，符雅茹.多模态学习分析研究综述 [J].现代教育技术，2021，31（6）：23-31.
[9] 徐晔.从“人工智能教育”走向“教育人工智能”的路径探究 [J].中国电化教育，2018（12）：81-87.
[10] 杨现民，张昊，郭利明，等.教育人工智能的发展难题与突破路径 [J].现代远程教育研究，2018（3）：30-38.
作者简介：张宇宇（2000—），女，汉族，陕西榆林人，硕士研究生在读，研究方向：信息技术教育、计算机应用；通信作者：张燕（1978—），女，汉族，甘肃天水人，副教授，博士，研究方向：计算机应用、信息技术教育。
DOI：10.19850/j.cnki.2096-4706.2024.17.031
收稿日期：2024-06-13
基金项目：新疆师范大学自治区“十四五”重点学科教育学招标课题（23XJKD0202）；新疆师范大学校级教学研究与改革项目（SDJG2022-14）
Research Hotspots and Trends of Artificial Intelligence in Chinese Education
—Visual Analysis Based on CiteSpace and VOSviewer
ZHANG Yuyu， ZHANG Yan
（College of Educational Science， Xinjiang Normal University， Urumqi 830017， China）
Abstract： In order to promote the in-depth application of Artificial Intelligence （AI） in education field and accelerate the realization of AI empowerment for education， the CSSCI database of China Knowledge Network （CNKI） is searched with the theme of “education + AI”， and 1 395 documents are finally screened as research samples， which are comprehensively analyzed by using CiteSpace and VOSviewer tools. It is found that the current research on education AI in China mainly includes the discussion of AI and education theory， the technical research on AI and education， the application of AI in education field， and the impact of AI on education. In the future， the research needs to strengthen the theoretical foundation， enhance technological breakthroughs， focus on empirical research， and pay attention to ethical issues.
Keywords： Educational Artificial Intelligence; visual analysis; knowledge graph; CiteSpace; VOSviewer
