基于基金支持的人工智能教育應用研究綜述*

蔡榮華 高蓉 袁慧

湖南師范大學 長沙 410006

0 引言

隨著人工智能的不斷發展，其在教育中的應用引起了國內外研究者的高度關注。人工智能教育應用的受關注度愈來愈高，不少學者投入人工智能教育應用領域的研究。各個基金也不斷出現人工智能教育應用領域的項目，這些項目記錄了這一領域的研究進度及成果，能在一定程度上反映其研究現狀。國內學者對于人工智能教育應用領域的研究已經比較完整，但目前仍缺乏對這些基金項目整理所形成的綜述研究，因此，作者基于知領全球統計數據庫、中國知網（CNKI）、Web of Science（SCI/SSCI/A&HCI）數據庫三個平臺，對人工智能教育應用主題公開立項的基金項目進行統計和分析，總結出這一領域的研究現狀，并對其未來發展提出建議。

人工智能教育包括把人工智能作為教學內容的人工智能教育教學和把人工智能作為技術手段融入教育的人工智能教育應用。彭紹東[1]認為人工智能教育教學包括人工智能的知識教育、應用能力教育與情感教育，人工智能教育應用是基于智能感知、教學算法與數據決策等技術，利用智能工具自動對學生、教師、教學內容、媒體及環境進行分析，精準地干預學生的個性化學習與教師的規模化教學，形成智能化的教育生態系統，培養學生各種素養，優化教育的理論與實踐；李振等學者[2]認為教育人工智能應用是指通過人工智能技術去支持自適應學習和教育輔助工具。汪燕[3]研究得出人工智能教育應用研究方向主要關注人工智能技術與系統；閆志明等[4]認為教育人工智能應用的關鍵技術是知識的表示方法、機器學習與深度學習、自然語言處理等；張坤穎等[5]認為人工智能教育只有在輔助教育應用、建構教育場景、重組或重構教育時，才能稱為人工智能的教育應用。此外，王亞飛等[6]明確指出，“智能教育應用”是指人工智能在教育中技術領域、模式領域與實踐領域的創新性應用。

1 研究設計

1.1 研究方法

本文采用內容分析法進行研究。內容分析法實質上是一種對文獻進行計量學的統計方法，對定性的問題作出假設，采用定量工具對研究對象進行統計和分析的處理，最后通過分析數據得到具有價值的結論。內容分析法作為教育技術學的一種研究方法，是客觀系統地對現存內容進行量化的方法。內容分析法通常有以下幾個步驟：抽取樣本（抽取的樣本必須具備代表性）、分解內容（將內容分解成更小的，便于分析的單元）、制定類別（事先要確定分析的維度，從而進行記錄）、統計分析。內容分析法更適合表觀、淺層的內容，否則分析的結果會有失準確性和客觀性[7]。

1.2 數據來源

如表1所示，本文的研究資料來源于知領全球統計數據庫、中國知網（CNKI）、Web of Science（SCI/SSCI/A&HCI）數據庫三個平臺上公開立項的項目。其中知領平臺根據篇名“人工智能教育”進行模糊檢索，得到六萬多條項目，與“人工智能教育”相關項目僅有10 條，故根據篇名“人工智能教育”進行精確檢索，得到數據11 條。中國知網（CNKI）項目庫根據項目名稱“人工智能教育”檢索，得到已立項項目146 條，其中145 條處于在研狀態，1條處于已結項狀態。Web of Science（SCI/SSCI/A&HCI）根據篇名“artificial intelligence”，語種“English”進行模糊檢索，得到數據212 條。三個平臺共得到369 個立項項目。

表1 數據來源

將上述這些文獻以自定義格式輸出，將得到的數據分為人工智能教育教學與人工智能教育應用兩個主題，通過對項目名稱、摘要與關鍵詞進行研讀分析，確定項目是否與該主題相關，并確定該項目歸屬哪個研究主題。對相同項目進行合并，最終得到與人工智能教育應用主題相關的項目131 條。

2 數據分析

如表2所示，本研究設計了分析框架，對131條基金項目從時間、來源、內容三個方面分析。內容方面又從研究主體、研究對象、研究方法與研究領域四個維度[8]進行統計和分析，系統地梳理人工智能教育應用這一領域的研究現狀。

表2 分析框架

2.1 時間分析

如圖1所示，從人工智能教育應用相關項目在時間的分布來看，人工智能教育應用相關的項目在2012年到2017年很少，在2012年僅有1 條，在2013年到2016年一條都沒有，在2017年也只維持在2 條。2018年開始有一定提升，盡管提升幅度較小，但也表明研究者開始關注這一研究領域。2019年呈現出良好的上升趨勢，相關項目數量為69 條，占總數量的52.67%，處于直線上升階段，這表明國內學者開始關注并重視這一領域的發展。

圖1 2012-2021年間基金數量分布

2.2 來源分析

如圖2所示，從項目的來源分布來看，人工智能教育應用相關省級項目共有98 條，占比74.81%。其中吉林省最多，達到15 條，其次是河南省12 條，山東省11 條。而四川、新疆、青海、內蒙古、河北等省份對該領域的研究較少，僅有1條；國家級項目共有27 條，占比20.61%。其中數量最多為國家社科基金教育學項目9 條、教育部項目9 條（教育部產學合作協同項目4 條，教育部人文社會科學研究項目4 條，教育部其他項目1 條）。其次為全國教育科學課題6 條。由此可見，在人工智能教育應用相關項目中大部分為省級項目，國家級項目較少。

圖2 基金來源數量分布

2.3 內容分析

基于對三個平臺收錄的近十年來的人工智能教育應用相關項目的分析，本研究將從研究主體、研究對象、研究方法和研究領域四個方面進行特征總結[7]。

2.3.1 研究主體

如圖3所示，研究主體人員分布在學校與企業中，并大多集中在學校，學校研究人員對其關注度高，占比90%。部分企業也有所關注，但僅有13個項目，說明企業對于人工智能在教育中的應用領域關注度較低。

圖3 研究主體數量分布

2.3.2 研究對象

如圖4所示，這些研究主要側重對學校學生、學校教師和企業員工的介紹。多數研究將學生作為研究對象，占83.76%，其次是教師。研究對象為非學校群體的項目很少，僅有1 條。說明研究對象主要集中在學校，研究范疇較為狹窄。

圖4 研究對象數量分布

2.3.3 研究方法

如圖5所示，從研究方法來看，實證研究僅有2 條，應用研究和策略研究數量相對較多；說明研究者對于人工智能教育應用這一領域所進行的實證研究很少，大多停留在理論層面。

圖5 研究方法數量分布

2.3.4 研究領域

如圖6所示，研究領域主要集中在建設與落地人工智能教育的技術、模式和實踐領域[6]。其中，技術領域主要解決的問題是有哪些技術可以應用到教育場景中及如何應用這些技術。技術領域的研究類型多種多樣，對于教育平臺的構建的研究最為常見：“翻轉課堂”--人工智能引領職業教育平臺新模式、哆唯實境--沉浸式人工智能教育平臺、AI++ 人工智能教育門戶及新媒體平臺、基于Kubernetes 集群的TensorFlow 人工智能教育云平臺研究、基于虛擬儀器技術的人工智能圖形化教育開發平臺、人工智能教育創新平臺、人工智能時代面向青少年階段的編程思維普及教育平臺建設、針對中小學生的人工智能教育平臺的開發與應用、人工智能學前大數據教育云平臺項目、基于校企融合的民辦院校人工智能領域人才培養體系及創新教育平臺構建、人工智能科普教育公共服務平臺及應用示范等。其次是對測評系統、教學系統等技術系統的研究：“人工智能+”在線教育個性化推薦系統研究、STEAM 教育理念下兒童人工智能教育仿真教學系統的研究與設計、面向人工智能教育的無人駕駛系統研究與實踐等。

圖6 研究領域數量分布

模式領域主要解決的是應用場景應怎樣選擇合適的教育模式，如何有效整合技術、產品和方案等這類問題。這類研究包括了各種人才培養模式：“人工智能+新工科”教育視角下的職業院校創新創業人才培養模式和實踐研究、新工科與人工智能教育背景下機器人教育助力計算機類專業學生創新能力培養模式的探索與實踐等，教育教學模式：人工智能在音樂教育模式拓展中的應用研究、人工智能背景下法學教育模式轉型研究等，還有各種學習模式、考試模式、管理模式、評價模式等。

實踐領域主要討論如何推動人工智能教育應用的實踐及人工智能技術在教育的實踐應用中的價值、意義和影響。主要有人工智能教育在中小學及高校中的應用：河南省中小學人工智能教育應用實證研究、人工智能在中小學教育教學中的應用研究、全民智能時代K-12 人工智能教育師資的培養、教育人工智能在日語聽力教學中的應用研究、人工智能背景下成人高等教育會計專業實踐教學改革研究等；其次是對學生和師資的培養：基于人工智能教育的師范生創新能力培養研究、全民智能時代K-12人工智能教育師資的培養、基于人工智能教育的大學教師核心素養培訓、構建人工智能時代職業教育培訓體系的思考、人工智能時代金融高等教育的學習遷移與創新人才培養研究、人工智能教育時代一流師資的教學能力培養研究、人工智能時代教師能力模型與教師教育實踐研究等，還包括一些人工智能與其他學科的融合：人工智能融合外語教育：價值、挑戰及應對策略，網絡環境下人工智能與體育教育的融合研究等。

如圖6所示，從人工智能教育應用相關項目在三個領域的分布可以看出研究者對于模式領域的研究數量最多，三個領域的研究較為均衡，說明研究者對于這三個領域都有較高的關注度。

3 建議與不足

為了促進人工智能教育應用的發展，本文從研究主體、研究對象、研究方法和研究領域四個方面提出以下建議。

1）研究主體方面，研究主體主要來自學校，要提高不同行業的研究人員對于人工智能教育應用的重視度，尤其各企業要加強這方面的研究，加快人工智能與教育的融合。

2）研究對象方面，人工智能教育應用的相關研究可以指向除學校教師、學校學生和企業員工以外的更多群體，將人工智能教育應用到更多場景。

3）研究方法層面，人工智能教育應用相關的項目中僅有兩個實證研究的項目，大部分研究者都集中在策略研究和應用研究。人工智能教育應用相關的項目實證研究少，在做好相關理論研究的基礎上，將其落實到教育教學中，從實踐層面加速人工智能在教育中的應用。

4）研究領域方面，在技術領域中，研究者對于技術的研究已經相對成熟，未來要加強對技術的倫理道德教育。比如在各種教育平臺的開發過程中，學生的學習水平，能力等級，學習數據等都屬于隱私數據，要加強對于學生信息安全的監管。在模式領域，雖然研究數量較多，但是其研究內容比較混亂，研究思路不清晰，需要研究者結合相關理論對現有模式做更加深入的研究與完善。在實踐領域，人工智能教育的實踐主要有在學校的教育教學中運用人工智能技術以及在企業中對相關的教育產品進行推廣兩種形式。教學實施者不能完全運用人工智能技術進行教育教學，人工智能相關教育產品的研發者又無法對教學案例進行剖析和總結。

同時，人工智能教育的應用場景大多被設定為學校教育，使其研究范疇較為狹隘，后續的研究應更加注重于將人工智能教育應用到除學校外的更多元場景。

4 結束語

盡管知領全球統計數據庫、中國知網（CNKI）、Web of Science（SCI/SSCI/A&HCI）數據庫三個平臺具有很高的權威性，但不可否認，由于項目立項周期較長，某些相關項目還未統計在以上三個平臺等一系列原因，收集到的數據具有一定的滯后性。數據的收集、整理和分析是由人工完成，難免會出現差錯和缺漏。但本文的目的是基于人工智能教育應用主題，通過對國內已經公開立項的基金項目的分析，進一步了解國內人工智能教育應用的研究內容和研究熱點。文章的結論可能存在一定的不足，但希望能對人工智能教育應用的研究有所幫助。