人工智能在教學領域的研究熱點與發展趨勢探析

宋雪瑩　高天夢

關鍵詞：人工智能；教育教學；詞頻分析；聚類分析

中圖法分類號：G632 文獻標識碼：A

1引言

近年來，人工智能逐漸進入教育領域，并不斷促進教育教學發展?！兜仄骄€報告（2017—2021）》指出，人工智能技術在教育教學中起關鍵性作用，其在教育中的推動作用重大，主要有智能測評工具、智能專家系統、教育機器人以及智能分析系統等。國家支持人工智能與教育教學融合發展，2022年4月，教育部印發《新時代基礎教育強師計劃》，指出要全面推動人工智能在教師隊伍培養中的重要作用，全面提高教師素養，逐步促進教師教育改革。教育與技術的深度融合使得人工智能技術在教育教學領域不斷發揮關鍵性作用。與此同時，人工智能技術的出現勢必會使教育信息化持續發展。推動人工智能技術在教育教學領域的應用，旨在將人工智能與教育教學深度融合，促進教學模式創新與教學方式變革。

2數據方法與工具

2.1數據來源

本文以國內中文學術期刊庫——中國知網（CNKI）作為主要的數據基礎，以“人工智能”“教育教學”為主題詞進行檢索，檢索文獻的類型為期刊論文，來源類別為“SCI來源期刊”“核心期刊”和“CSSCI”，選取近十年的文獻，共檢索出382篇相關文獻，過濾會議通知、征稿簡則、重復發表的文章后，共得到有效文獻361篇，從有效文獻中提取關鍵字進行分析。

2.2研究方法

本文采用了共詞分析法，此方法來自文獻計量學領域的共被引概念，即當兩個可以表達某一學科領域主題的關鍵詞在同一篇文獻中出現時，說明這兩個關鍵詞之間存在一定聯系。當出現的頻次越多，即說明它們之間的聯系越密切。因此，本文采用來自統計分析技術中的關鍵詞頻次分析和聚類分析等多元分析方法，將國內人工智能在教育教學領域相關研究的重要關鍵詞加以提取、分類，從而歸納出該領域的研究熱點、主題與發展趨勢。

2.3研究工具與思路

（1）收集數據。通過CNKI數據導出功能，以NoteFirst為格式導出361篇有效文獻并另存為.txt格式的文本文件，導出的文本文件主要包括每篇文獻的題目、作者、摘要、關鍵詞、期刊名稱五個字段。（2）使用Bicomb 2.0建立關鍵詞詞頻統計表、詞篇矩陣和共現矩陣。（3）進一步刻畫人工智能相關研究高頻關鍵詞之間的距離和相似度，對其關鍵詞得到共現網絡。

3數據統計與結果分析

3.1論文發表年度分布

某研究領域文獻的發表數量能在很大程度上表明該領域研究的理論水平和發展趨勢。由圖1可知，2012年～2022年，文獻數量整體呈上升趨勢；2012年～2017年，增長緩慢，沒有大幅度變化，學者對此領域關注度不高；2017年，國家發布了《新一代人工智能發展規劃》，提出人工智能是教育領域的關鍵一環，人工智能教育成為社會發展的必然要求。由此，學者對人工智能在教學領域的研究逐漸增加，且熱情持續高漲。

3.2高頻關鍵詞分析

高頻關鍵詞主要反映了某一研究領域的關注熱點。特定研究領域固定時間段內大量研究成果的關鍵詞集合，有利于增進其他學者了解該研究領域的發展趨勢、研究熱點以及前沿理論。本文應用Bicomb書目分析軟件提取文獻中的關鍵詞集合。高頻詞的選擇標準一般為截取的高頻詞累計頻次達到總頻次的40%左右，本文選擇詞頻≥5的30個關鍵詞作為高頻關鍵詞，可以初步反映出我國近年來人工智能在教育領域的研究熱點和發展動向，如表1所列。除了“人工智能”主題檢索詞，排在前10位的高頻關鍵詞分別是人工智能技術（72次）、教育信息化（17次）、智能時代（17次）、人工智能時代（16次）、學習者（15次）、智能教育（13次）、人機協同（12次）、人工智能教育（11次）、深度融合（9次）、職業教育（9次）。以上統計出的10個核心高頻關鍵詞反映了國內人工智能在教育教學領域的研究熱點，在人工智能快速發展的時代背景下，目前研究者關注的重點已從基本理論的界定，過渡到了重點集中在具體教育領域的應用、教學模式以及學科核心素養等。人工智能在教學中的應用主要是教育機器人、智能測試、智能游戲、智能教育等。

由表1可知，人工智能與教育相融合較為熱門的模式有人機協同、智慧課堂、在線教育以及機器學習，其中人機協同是教學中的一大創新，為教學帶來了新機遇。由此可見，學者對于教學模式的探索較多。學生是教學活動的主體，表1中職業教育和高等教育是“人工智能+教育”被廣泛研究的對象且研究價值較高。高等教育和職業教育是兩個重要的學習階段，教師要把握住最佳的教學機會，為學習者提供智能教學新模式。教育技術頻次較少，說明學者對其關注度不高，而人工智能又屬于教育技術的分支學科，因此應當加強對其研究與發展。

3.3關鍵詞共現網絡

高頻關鍵詞詞頻分析可以初步反映出人工智能在教育領域的研究熱點。為進一步明晰國內外研究的主題結構與關鍵領域，需要對高頻關鍵詞進行聚類分析。聚類分析是將數據集劃分為若干組或類的過程，使得同一組內的數據對象具有較高的相似度，不同組內的數據對象則不相似。在某個主題研究的眾多關鍵詞中，應用聚類分析的方法可以將彼此聯系密切的關鍵詞聚集在一起，從而形成不同的類，進而表達該領域分支的組成，具體如圖2所示。

除了主要關鍵詞“人工智能”，還出現了“智能時代”“人工智能技術”，說明關于“智能”的關注度較高。關于“在線教育”“課堂教學”等教學模式，與其緊密相連的是“信息技術”“人機協同”“智能”，說明教學模式的開展需要技術做支撐。但有些應用處于較邊緣位置且頻次較少，說明對其研究并不深入，需要在以后的研究中逐步深入。

“高等教育”和“職業教育”是人工智能融合教育的重要學習階段，需要進一步研究與發展，將教學模式的創新融入教學階段，可以培養高素質人才。

4結論與反思

4.1理論概念

時代對教育提出的新要求，使得人工智能與教育的不斷融合形成了“人工智能+教育”，人工智能教育是將人工智能融入教育教學領域，以促進個性化教學、精準化教學、智能化教學。人工智能教育主要指的是將人工智能技術應用于教學活動中。人工智能教育主要涉及知識的表示方法（一階謂詞邏輯、產生式、框架、語義網絡）、邏輯推理、深度學習等，主要應用于數據挖掘、智能測評、情感計算、專家系統、問題求解等領域。因此，需要為人工智能領域培養高素質人才，促進其在教育教學領域中的發展。

4.2教師培養

人工智能推進了教師課堂中的精準化教學，有利于學生的個性化學習。智能時代的來臨為教育教學帶來了新的機遇，而教師作為教學中的關鍵角色，是否能很好地把握技術、進行智能教育至關重要。這在一定程度上對教師的專業水平提出了更高的要求。在未來的教育教學活動中，教師將不再有煩瑣重復的教學任務，更多的是向專業化、素養高方向轉變。

4.3教學模式

智能時代為學習者提供了海量智能化的學習資源，學習者可以在短時間內獲取大量學習資源。其要求學習者具有一定的學習能力、搜集資源能力以及分辨過濾資源優劣的能力，需要教師重新設計教學內容，以便學習者更好地進行學習。

4.4技術支持

機器學習基于大數據的統計分析過程，能不斷學習大量數據并預測新數據。目前，智能教育技術已被廣泛應用，許多學校利用現有的現代化教學平臺開展精準化教學。

另外，機器學習領域的一個新方向是深度學習，通過構建分層模型，建立從底層信號到高層語義的映射，進而提升教學效果，目前深度學習已在圖像和語音識別等領域中被廣泛使用。人工智能教育提供的學習服務貫穿課前預習、課堂教學、作業批改、在線考試等整個學習過程。利用大數據等技術優化傳統教學模式，可以為學生提供個性化的學習方式。通過對數據進行收集和分析，可以推送具有針對性的資源與服務。George等認為學習分析的教育價值主要體現在為教育機構的變革提供指南和幫助教育工作者改進教學方式，在多大程度上共享學習者的個人數據仍是教育領域爭議的焦點。

4.5發展方向

“人工智能+教育”的一個分支是智能教學。祝智庭認為智能教育應具有智能技術支持的教育、學習智能技術的教育和促進智能發展的教育三方面的內涵，人工智能不能完全取代教師，兩者應當共同承擔教育任務。人機協同是人工智能教育的發展趨勢，是智能技術與教育相互融合的重要方式，二者發揮各自的智能優勢，共同促進教育發展。教育變革體現為人工智能教育可有效促進教學資源、教學環境、教與學方式的改革。2020年，疫情防控期間，全國中小學和高校普遍采用在線學習方式。因此，應當重視在線學習平臺建設和教師在線教學培訓工作，并且高等教育機構應多措并舉，為學習者提供高質量的在線學習服務平臺。在科技迅速發展的今天，只有主動變革才能更好應對未來的挑戰和機遇。

應重視人工智能課程的設計與開展。雖然許多中小學校開展了人工智能相關課程，如編程、教育機器人等，但普遍存在設施不完善、教師信息素養不高等問題。還有一些學校教學課程建設不成熟，未能較好地整合人工智能與教育，不同教師也存在教育水平差距。學校應大力支持人工智能相關課程的開展，設置考核制度，使教學更加精準化、智能化、個性化，全力促進教育信息化發展。

作者簡介：

宋雪瑩（1997—），碩士，研究方向：教育技術學。

高天夢（1999—），碩士，研究方向：教育技術學。