运用CiteSpace探析国际教育人工智能研究热点及趋势

付新 李兴保

摘  要 人工智能的迅速发展引发新一轮教育革命，为了更清晰地揭示国际教育人工智能研究热点与发展趋势，以Web of Science核心合集数据库中2010—2020年关于教育人工智能的文献作为研究对象，運用CiteSpace软件对文献数据进行可视化分析及解读，探析国际教育人工智能前沿热点与发展趋势，以期为推动国内教育人工智能发展提供理论参考。

关键词 人工智能;国际教育;CiteSpace;可视化分析

中图分类号：G434    文献标识码：B

文章编号：1671-489X（2021）06-0011-04

Analysis on Hot Spots and Trends of Artificial Intelligence in International Education by CiteSpace//FU Xin， LI Xingbao

Abstract The rapid development of artificial intelligence has led to a new round of educational revolution， in order to more clearly reveal the international education artificial intelligence research hot spots and trends. Based on the literature on educational artificial intelli-gence in the 2010-2020 document in the core collection database of Web of Science， this paper uses CiteSpace software to visualize and analyze the literature data， and analyze the hot spots and trends of artificial intelligence in international education， with a view to providing theoretical reference for the research and development of artifi-cial intelligence in education in China.

Key words artificial intelligence; international education; CiteSpace;visual analysis

0 前言

人工智能（Artificial Intelligence，AI）企图了解智能的实质，生产出一种新的能以人类智能相似的方式作出反应的智能机器。该领域的研究包括机器人、图像识别、自然语言处理和专家系统等[1]。教育人工智能（Educational Artificial Intelligence，EAI）是人工智能与教育结合而成的新领域，旨在通过运用人工智能技术，更深入、更微观地理解学习发生的机理，引领教育智慧化变革。近年来，国际学者对教育人工智能的理论与应用研究成果较为丰富，为了探析国际教育人工智能的研究前沿趋势，有必要对这些研究成果进行梳理分析。

1 研究设计与数据处理

数据来源  本研究的数据来自Web of Science核心合集，以“education”&“Artificial Intelligence”为主题词，时间范围为2010—2020年，共检索文献635篇，经Cite-

Space数据处理功能去重后，得到568篇文献。

研究方法与工具  本研究采用文献计量分析法，借助CiteSpace V.5.6.R2可视化分析工具，对发文国家、机构、关键词、共被引文献等内容进行可视化分析。

2 研究结果分析

发文量统计  国际教育人工智能2010—2020年的发文量如图1所示。从总体发文趋势看，2010—2016年是教育人工智能的初始发展阶段，研究成果少;2017—2020年，教育人工智能的文献数量增幅较大，其中2019—2020年国际教育人工智能发文量分别为145篇、297篇，原因是人工智能的发展驱动了教育的变革。通过对国际教育人工智能文献年度发文量的分析与解读，在一定程度上可以了解国际教育人工智能发展现状及趋势，从而为教育人工智能研究者提供理论借鉴。

主要研究国家  为了解国际教育人工智能研究主要力量，本文运用CiteSpace软件对国家（Country）和机构（Institution）进行共现网络图谱分析。节点大小表示国家或机构发文量，节点之间的联系表示国家之间或机构之间的合作关系强度。图2是国际教育人工智能国家空间分布图谱。如图2所示，美国以频次157次居于教育人工智能研究领域的世界首位，说明美国在该领域有深入的探索研究;中国以频次90次位居世界第二，具备较强的科研实

力;英国频次58次，位列第三;西班牙频次37次，位列第四。这就说明北美洲、欧洲和亚洲各国都高度重视教育领人工智能技术的发展和应用，但很多国家之间的节点连线较少或不存在，各研究机构深层次合作有待进一步拓展。

主要研究机构  国际教育人工智能研究机构共现图谱如图3所示。节点之间的连线很多，说明国际大部分研究机构对教育人工智能有深入探索。美国斯坦福大学在教育人工智能领域合作发文量最高，具有绝对高的研究实力。合作高产的机构依次为哈佛医学院、哈佛大学、旧金山加州大学、新加坡国立大学、清华大学、华盛顿大学、东京大学、中国工程物理研究院、马里兰大学、杜克大学。由分析可知，合作发文量排在前10的研究机构都位于北美洲和亚洲，其中包括六所美国名校、两所中国研究机构、一所加拿大名校。

文献共被引分析  国际教育人工智能文献共被引图谱如图4所示。Gulshan V等[2]2017年所著的Development and

Validation of a Deep Learning Algorithm for Detection of Diabe-

tic Retinopathy in Retinal Fundus Photographs的被引頻次高达1 642次。Gulshan认为，深度学习是一系列允许算法通过从一组展示所需行为的大量示例中学习编程而无须指定规则的计算方法，这些方法应用于医学成像需要进一步评估和验证。Esteva A等[3]所著的Dermatologist-level classifi-

cation of skin cancer with deep neural networks被引频次3 188

次，他们将卷积神经网络图像识别运用到皮肤癌诊断中。LeCun Y等[4]在Deep learning中认为深度学习允许由多个处理层组成的计算模型以学习具有多个抽象级别的数据表示。国际教育人工智能总体网络由以Gulshan、Esteva和LeCun等为核心辐射的子网络组成。通过对国际教育人工智能的文献共被引分析，不仅能够了解国际教育人工智能研究领域及走向，而且能为教育人工智能研究爱好者提供理论借鉴。

3  国际教育人工智能研究热点

关键词共现图谱分析  国际教育人工智能排名前15的关键词如表1所示。中心性大于0.1的关键词有artificial

intelligence（人工智能）、deep learning（深度学习）、big data（大数据）、model（建模）、algorithm（算法）、

artificial neural network（人工神经网络）、computa-tional modeling（计算建模），涵盖了机器学习、深度学习、人工神经网络算法和大数据等方向。神经网络为教育人工智能技术提供了最先进的精度，主要应用于计算机视觉、语音识别和机器人教育等领域。这反映出国际教育人工智能在推进发展过程中关注领域的聚焦和变化，而且对相关领域研究有一定的研究方向预测作用。

关键词聚类分析  为了探索国际教育人工智能领域的研究前沿，本文通过CiteSpace软件进行聚类，生成自动聚类标签，以此表征对应领域的研究前沿。国际教育人工智能关键词聚类图谱如图5所示，模块值（Q）为0.815 7，大于0.7;平均轮廓值（S）值为0.656 1，大于0.5：说明划分聚类结构是显著合理的[5]。

生成的聚类标签包括Artificial intelligence in edu-

cation（教育人工智能）、learning analytics（学习分

析）、deep learning（深度学习）、assessment（评价）、autism spetrum disorder（自闭症谱系障碍）、artifi-

cial intelligence（人工智能）、iot（物联网）、indus-

try（工业）、information（信息）、neural network edu-

cation（神经网络教育）等在一定程度上代表了当前国际教育人工智能研究前沿。

4 国际教育人工智能的发展趋势

教育与人工智能多层次深入融合发展，加快教育变革进程  以人工智能为研究核心延伸出的深度学习、机器学习、人工神经网络、学习分析、大数据、智能教学系统、增强现实、计算建模等在教育领域的应用越来越广泛，驱动教学模式不断创新、课堂结构转变，加速教育变革的进程。目前，人工智能教育已经成为未来教育的发展趋势，教育领域利用智能技术加快推动人才培养模式、教学方法改革，构建包含智能学习、交互式学习的新型教育体系人工智能赋能教育，引领新一轮教学变革。因此，应集合社会、学校等各方力量大力推进人工智能技术与教育多层次深入融合，突破传统教育中教学限制，创新教学方式，转变课堂结构。人工智能技术在教学中的应用是一种智能教育，它改变了教学模式，转变了传统的人才培养理念，有利于实现深度学习和个性化学习，提高教师和学生的信息素养。

人类教师与AI教师联袂执教  基于大数据、深度学习、机器学习、学习分析、自适应学习、区块链、教育大数据等催生出智能化教学平台、智能测评系统、智能机器人等新应用，以机器学习和深度学习为关键技术的人工智能技术正深刻影响教育模式的发展。技术与教师的有机结合诞生了新角色——AI教师，人工智能技术将作为未来教师工作的有机组成部分，逐渐形成人类教师与AI教师联袂执教的新图景，即AI教师与人类教师共同承担教育教学工作，AI教师在教学活动中可以扮演如导师、助理或者同伴等诸多角色。未来国际研究者一直致力于将人工智能培养成专家级的教学工作者，以期构建多样、灵活、精准、个性的新型教学模式。

积极应对教育人工智能发展的新问题  目前，人工智能在教育领域的应用已涉及信息技术、智慧校园、智能教育、智能机器人、机器学习、智能导学系统、在线教育、计算机辅助教学系统、个性化学习与交互学习等诸多方面。随着人工智能在教育领域应用的不断深入，教育人工智能应用过程中出现教育伦理、教育管理、师生隐私与数据安全、人机失信等问题。因此，要积极应对这些问题，拓宽教育人工智能应用空间，构建和谐共生的人机协同新生态，协同推进教育人工智能快速发展。

5 结语

本文通过运用CiteSpace软件对Web of Science核心合集关于教育人工智能文献进行可视化分析发现，2017年是教育人工智能的元年，2017年之后，教育人工智能进入快速发展阶段;美国、中国和英国等国家是研究教育人工智能的领航者;各国及机构间有不同程度和层次的合作，但联系密度和合作强度还有待进一步加强;深度学习、机器学习、区块链技术、大数据和人工神经网是教育人工智能领域新的研究趋势。因此，世界各国应给予政策支持，重视人工智能专业人才的培养，实现教育与人工智能的深度融合，推动教育智慧化变革。

参考文献

[1]严立超.人工智能走进中小学课堂的落地实践与思考[J].高科技与产业化，2020，26（12）：63-65.

[2]Gulshan V， Peng L， Coram M， et al. Development and Validation of a Deep Learning Algorithm for Detection of Diabetic Retinopathy in Retinal Fundus Photographs [J].JAMA： The Journal of the American Medical Asso-ciation，2016，316（22）：2402-2410.

[3]Esteva A， Kuprel B， Novoa R， et al. Corrigendum： Dermatologist-level classification of skin cancer with deep neural networks[J].Nature，2017，546（7660）：686.

[4]LeCun Y， Bengio Y， Hinton G.Deep learning[J].Nature，2015，521（7553）：436-44.

[5]Jiang X， Tan A H. Learning and inferencing in user ontology for personalized semantic web services[J].Information Sciences，2006，179（16）：2794-2808.

*项目来源：国家社会科学基金项目“虚拟学习社区知识管理机制与评价研究”（项目编号：18YJA880047）。

作者：付新，曲阜大学传媒学院，研究方向为信息技术教育;李兴保，曲阜师范大学传媒学院，教授，硕士生导师，研究方向为教育信息化（276800）。