應用文獻計量法研究人工智能在高等教育領域的應用發展現狀

余必勝 蔣凌雁

摘要：利用文獻題錄信息統計分析工具SATI，結合社會網絡分析軟件Ucinet，可視化工具Netdraw，選取CSSCI作為期刊來源類別，時間范圍在2015-2020年，對“人工智能”與“高等教育”為共有主題的87篇有效文獻進行分析和討論。結果表明文獻發表近6年呈正增長趨勢;少數機構發文量在文獻總發文量占比達一半;通過關鍵詞社會網絡實證分析，提取了44個關鍵詞，表明人工智能與高等教育及人才培養這3個關鍵詞是整個結合領域的核心，以地平線報告、大數據、產教融合等作為補充和擴展，最終形成以人工智能為中心的教育發展模式;對高頻關鍵詞進行聚類分析，提煉4個表明近6年研究趨勢的熱點詞。

關鍵詞：文獻計量;社會網絡分析;人工智能;高等教育

中圖分類號：G43? ? ? 文獻標識碼：A

文章編號：1009-3044（2021）28-0012-03

開放科學（資源服務）標識碼（OSID）：

1 背景

通過文獻計量方法進行數據分析，可以客觀、直觀、形象地反映人工智能與高等教育的結合領域的研究熱點及研究演化情況，通過更直觀地觀察和整合文本信息，找到數據中隱藏的規律和聯系[1]。本文對近6年來基于CSSCI上關于人工智能與高等教育作為共有為主題的文獻進行計量，對高頻關鍵詞進行社會網絡化分析，研究人工智能在高等教育領域的應用發展現狀。

2 研究方法以及數據來源

本文采用文獻題錄信息統計分析工具web版SATI4.0，社會網絡分析軟件Ucinet6.716，可視化工具NetDraw2.713，數據來源于中國知網，將中國學術期刊網絡出版總庫中的學術期刊文獻作為研究對象，對“人工智能”與“高等教育”作為共有主題進行研究。

檢索條件：主題設置為“人工智能”*“高等教育”，作者范圍不限，時間范圍從2015年至2020年。選取中文社會科學引文索引（CSSCI）作為數據來源類別，學科限定在自動化技術、計算機軟件及計算機應用、教育理論與教育管理、高等教育等4個范圍，共檢索出87篇學術期刊;將由此形成的文獻題錄信息數據作為目標對象進行分析研究。

3 文獻計量分析

文獻發表的數量是表明該研究領域熱度的一個重要指標。通過對人工智能、高等教育兩個主題的分析，有助于我們預測未來的走向[2]。

3.1 文獻發表年份

對87篇學術期刊的文獻題錄信息數據進行統計，得到近6年 “人工智能”和“高等教育”結合領域的文獻發表年趨勢（見圖1）。

文獻年發文量總體趨勢提高，從2018年到2019年，文獻發文量年增長率達到514.3%，增長趨勢明顯，顯示這一時期人工智能在高等教育領域的應用研究得到了更多的關注。

3.2 文獻作者所屬機構

將134所文獻作者所屬機構中的二級機構合并到一級機構（如將北京理工大學社會科學院和北京理工大學計算機學院均歸并到北京理工大學），得到一級機構94所，文獻出現頻次在2次及以上的機構26所（見表1）。機構占比27.7%的26所機構發表文獻82次，文獻占比94.3%，表明研究人工智能與高等教育的機構有集中的趨勢。前26所機構中，24所為高校，高校在人工智能與高等教育領域明顯投入了更多的精力與關注度。

3.3 文獻所屬期刊

對目標對象進行相關文獻所屬期刊分析，得到發文量前十的期刊（見圖2）;中國電化教育、開放教育研究、電化教育研究、中國遠程教育、遠程教育雜志、教育研究、社會科學戰線、現代教育技術等8家期刊在6年間刊發在2篇及以上關于人工智能與高等教育主題的文獻共計25篇，占全部87篇文獻的28.7%，這8家期刊更加關注人工智能和高等教育的結合領域，并且在這個領域研究的權威性更高。

4 文獻關鍵詞社會網絡實證分析

4.1 高頻關鍵詞分析與確定

用SATI4.0對文獻題錄數據進行關鍵詞詞頻分析，生成50*50階的關鍵詞共現矩陣，經過Ucinet計算，得到度中心度（Degree centrality）、中介中心度（betweenness centrality）、接近中心度（Closeness centrality）。度中心度體現的是關鍵詞在學習網絡中的凝聚力;中介中心度更高的關鍵詞則起到將不同主題連接的作用;接近中心度體現的是該關鍵詞的親和度與輻射力[3]。刪除與“智能教育”含義相近的關鍵詞 “智慧教育”;刪除3個度中心性和中間中心性均為0的詞 “中國高等教育學”“信息技術”“法律科技”;刪除2個中間中心性為0，度中心性和接近中心性均為倒數的關鍵詞“法學教育”、“2017地平線報告”，最終篩選出44個關鍵詞， 按照度中心度、中介中心度、接近中心度的降序排列，得到高頻關鍵詞中心度分析表（見表2）。出現頻次比較高的關鍵詞依次是人工智能、高等教育、地平線報告、人才培養、教育信息化、大數據等。它們代表了近6年來在人工智能與高等教育結合領域的研究熱點。

4.2 關鍵詞社會網絡的構建

利用Netdraw繪制出44個關鍵詞共現的社會網絡知識圖譜（見圖3）。每個節點表現“人工智能”與“高等教育”結合領域的高頻關鍵詞，節點之間的連線表示關鍵詞之間的關系[4]。

4.3 網絡中心性分析

從表2和圖3看出人工智能與高等教育及人才培養出現的度中心度與中介中心度明顯高出其他的關鍵詞，意味著這3個關鍵詞是結合領域的核心，它們起到溝通其他節點的作用，地平線報告、大數據、產教融合等作為補充和擴展，形成以人工智能、高等教育及人才培養為中心的教育發展模式。

4.4 聚類分析

聚類（cohesive subgroups）是一個行動者的子集合，在此集合中的行動者之間具有相對強烈的、緊密的、直接的、經常的或者積極的關系。它根據子群內部各成員之間關系的強弱相對于子群外部關系強弱劃分類，并且可以根據指定的數目了解類的情形[5]。通過Ucinet軟件對高頻關鍵詞進行聚類分析，得到關鍵詞聚類（見表3）、聚類矩陣密度表（見表4）。

本文關鍵詞聚類分為8個類別（Clusters）（見表4）。

類別1的關鍵詞代表的文獻研究熱點在于：泛在學習環境下，利用人工智能、機器學習、大數據等進行個性化的教與學，同時要產教融合，體現了教與學的變革，提煉熱點“變革”。

類別2的關鍵詞集中在智能教育、教育技術的改進，提煉熱點“教育技術”。

類別3的關鍵詞是針對智能時代，建設智慧校園，以學生為中心，進行個性化學習，提高學生的數字素養，提煉熱點是針對時代變遷，教育變革所做的“對策”。

類別4的關鍵詞集中在高等教育的人才培養模式，涉及專業教育及畢業后的就業，在學科建設中需要創新，提煉熱點“人才培養”。

類別5、7、8關鍵詞均只有2個，關鍵詞間黏合度不足。類別6的關鍵詞密度為0，表明關鍵詞與其他關鍵詞沒有緊密的關系。對這4個類別不予歸納命名。

5 結束語

本文系統分析了中國知網近6年來有關人工智能與高等教育作為共有主題的文獻，從相關數據得出結論：1）近6年文獻發表呈正增長趨勢，2018年到2019年間的增長率更高;2）少數機構在發表的文獻中占據更大的比例，表明在結合領域的研究有集中的趨勢，高校在人工智能與高等教育領域投入了更多的精力與關注;3）中國電化教育、開放教育研究、電化教育研究、中國遠程教育、遠程教育雜志、教育研究、社會科學戰線、現代教育技術等8家期刊更加關注人工智能和教育的結合領域，并且在這個領域研究的權威性更高;4）通過關鍵詞社會網絡實證分析，提取了44個人工智能與高等教育結合領域的關鍵詞，表明近6年處在泛在學習環境的人工智能大變革時代，高等教育變革要做相應的對策，建立新的人才培養模式，在學科建設中進行創新，以學生為中心，進行個性化教與學，提高學生的數字素養。

參考文獻：

[1] 潘黎，王素.近十年來教育研究的熱點領域和前沿主題——基于八種教育學期刊2000—2009年刊載文獻關鍵詞共現知識圖譜的計量分析[J].教育研究，2011，32（2）：47-53.

[2] 蘇雨若，黃立志.2012—2019：我國教育技術領域人工智能研究綜述——基于SATI3.2分析工具[J].天津電大學報，2019，23（3）：59-63.

[3] 賈旭楠.基于關鍵詞共現和社會網絡分析法的我國企業競爭情報熱點主題研究[J].情報探索，2019（8）：114-121.

[4] 張靜，周道軍，郭彥青.基于知識圖譜對我國民族文化認同研究熱點的可視化分析[J].齊齊哈爾大學學報（哲學社會科學版），2017（2）：29-32.

[5] 劉軍.社會網絡分析導論[M].北京：社會科學文獻出版社，2004：53.

【通聯編輯：謝媛媛】