1. 引言
随着人工智能(AI)技术的飞速发展，教育教学与学术研究领域正迎来前所未有的变革。AI不仅提高了教学效率，还为个性化学习和科研创新提供了新工具。在科技飞速发展的当下，人工智能技术(AI)如同一股强劲的浪潮，席卷了各个领域，教育行业也正经历着前所未有的深刻变革。在思政教学中进行精准识别、分析、决策、预测、追踪，有助于充分调动学生的学习积极性，可以满足高校学生日益强烈的个性化需求[1]。2024年，政府工作报告中提及的“大力发展数字教育”以及“人工智能+”行动的推进，为教育行业的发展指明了新的方向。然而，在这场技术驱动的浪潮中，我们也需警惕潜在问题，并始终坚守以人为本的核心理念[2]。中国高校的人工智能教育努力的大方向是培养创新型顶尖人才。学校教育不仅要传授技术，更重要的是激发学生的创新思维和创造力。通过开展跨学科研究、参与实际项目和创新竞赛，学生能够将所学知识应用于解决复杂现实问题，进而成长为具备全球竞争力的顶尖AI人才。
2. 数据来源与研究方法
近年来，我国关于“人工智能赋能教育教学”主题的研究颇丰，许多学者围绕近年来我国人工智能和大数据技术的发展，致力于从各维度、各方位对人工智能赋能教育进行独到的和具有科学性系统性的研究。文章通过研究2018年来，基于CiteSpace分析法对CNKI中有关“人工智能赋能教育”的核心期刊的论文进行文献分析和可视化验视，进而分析本研究主题近几年来的总体趋势、研究热点以及未来研究发展方向。
2.1. 数据来源
文章主要使用了CiteSpace文献计量方法和可视化分析技术。通过计算和生成显示知识演变过程和结构关系的知识地图，使用可视化技术通过提取、分析、构建、映射和表示知识及其之间的关系来描述文献计量学知识资源及其载体。为确保文献的真实可靠性，本文以中国知网数据库(CNKI)为主要数据来源，主题 = “人工智能 + 赋能教育”“AI”作为检索式在知网核心期刊收录的人工智能赋能教育领域相关文献进行高级检索，文献发表时间区间限制在2018年至2024年近几年年间，经过文献检查，去除与本研究主题不相关的文献，共得到文献610篇，去除无关文献外总共495篇。通过CiteSpace软件结合图表绘制工具对筛选的文献数据的相关研究发文量、作者合作、发文机构、研究热点及趋势进行科学知识图谱绘制，进行可视化分析和整理研究。
2.2. 研究方法
2.2.1. 发文数量分析
基于我国宏观总体发文量和发文趋势，发文的年度趋势及发展变化在很大程度上反映了研究主题在特定时间内的发展趋势与研究热点，也可以明显清晰了解本研究主题在不同的时代的热度和研究进展。通过CNKI的导出与分析中的近几年来发文量曲线图可以获得我国“人工智能赋能教育”研究总趋势是呈不断深化和增长趋势。如图1所示，总体上看，2018年是我国人工智能与教育教学结合研究领域的开端，从2018至2021年文献发表数量呈逐年激增趋势。尤其是从在线课堂学习到技术协调的“元校园”，再到现今的chatgpt的爆火与迭代更新[3]，将人工智能与学校教育相结合以不断成为我国当下和未来教育发展的大趋势。探讨人工智能是什么，如何将人工智能合理有效地赋能教育并为我们所用，有效防范规避人工智能和大数据时代下教育教学可能出现的新问题，从而确保人工智能的合乎伦理以及兼顾教育公平的实现。
Figure 1. Trend chart of “Artificial Intelligence Empowered Education” posting
图1.“人工智能赋能教育”发文趋势图
2.2.2. 期刊载文分布
文献分析中的期刊载文分布可以了解国内各个期刊中发表关于本研究主题相关论文的情况，如图2所示，通过统计分析发现，与本研究主题相关发文量较多的核心期刊有《中国电化教育》《电化教育研究》《现代教育技术》《开发教育研究》等，其中发文量所占比重最大的是《中国电化教育》，占到总发文量的12.11%，还有一些核心期刊例如《中国远程教育》《远程教育杂志》等也发表了部分相关文章。从成果的基金支持项目分布看，主要分布在国家社会科学基金项目成果中，数量为170篇，全国教育科学规划课题、教育部人文社会科学研究基金项目成果数量分别为78篇和48篇。不难看出，近年相关学界和核心期刊对人工智能赋能教育主题的关注度极高，研究成果也较为丰富。
Figure 2. Distribution of articles in the journal of “Artificial Intelligence Empowered Education”
图2. “人工智能赋能教育”期刊载文分布图
2.2.3. 主要发文机构分布
在发文机构中，高等学校是研究“人工智能赋能教育”主题的主要机构阵地，根据数据看出高校是推动研究人工智能+教育教学的重要主要机构，在本研究领域发文量机构较多的有华东师范大学、北京师范大学、华中师范大学、华南师范大学，其他高校的发文量都相对平均。其中华东师范大学发文量最多，大概为47篇，是主要发文机构。
综上，近年来可以发现我国在人工智能 + 教育教学方面研究成果显著，发表了大量文章文献，且多数研究机构的研究成果不断深入，国家也对于人工智能赋能教育研究十分重视，人工智能作为新的技术智能成果已经被广泛应用到教育教学领域中去，未来要继续加强加深对于人工智能赋能教育的理论和实践研究，为教育教学带来更为广阔的发展前景。
3. 研究基本情况
3.1. 教育教学
推动人工智能赋能教育教育教学，需要始终把握正确方向，牢记育人使命，建立更大更广的知识体系，制定更加符合学生发展的方案。齐元沂等人主张，人工智能在深化开放教育的意义、扩展其功能需求及增强学习支持方面发挥着关键作用，它将成为推动教育数字化转型并建立终身教育体系的核心驱动力[4]。在教育流程层面，戴岭等人指出，类似ChatGPT的生成式人工智能能够通过数据收集、内容整合、模拟课堂教学以及数据分析等手段，全面融入教育的各个阶段[5]。而从教师的视角出发，李艳燕等人则认为，生成式人工智能的应用能够有效减轻教师的日常工作负担，进而提升教育的整体效率[6]。
但当前人工智能赋能教育领域在面对机遇和创新的同时，也会存在无法规避的挑战和问题。一是课程体系不完善：虽然AI课程的数量在不断增加，但多数高校的AI课程体系还在探索阶段，仍存在课程内容更新较慢、基础课程和前沿课程之间的脱节现象，难以全面、系统地供给学生。二是师资力量不足：尽管高校在积极引进国内外的专家学者，但整体来看，AI领域的教师数量和质量还不能完全满足飞速增长的人才培养需求。AI学科更新迅速，教师不仅需要具备扎实的理论基础，还要与行业前沿保持同步，这对师资的储备和培养提出了很高的要求[7]。三是实践与理论脱节：人工智能的应用场景日益复杂，但高校的实践教学资源相对有限，自身平台算力难以满足大规模学生的需求，导致学生在实际操作中遇到的场景较为单一，无法应对复杂的真实世界问题。理论教学与实际应用之间的断层问题依然存在，学生缺少在真实环境下锻炼技能的机会。
3.2. 人工智能化学习
人工智能学习主要是教学在人工智能领域，理论和实践是相互联动，相辅相成的。由于学生的基础参差不齐，也有老师开展线上线下的混合式教学，提供在线课程便于学生加强理论学习[8]。在课堂教学中，系统梳理基础知识后，便可以让学生动手操作，在实践中其实能更好地领会理论知识。理论教学其实是偏传统的教学方式，当下我国还是在强调增加实践应用的课时和机会，特别是围绕新场景、新应用开展教学的理念在人工智能课程当中要特别加以重视。有学者提出应利用生成式人工智能技术来革新人才培养的模式与具体内容。裘志远等人强调，在教育实践过程中，以ChatGPT为典型的生成式人工智能，通过影响教育主体、教育对象、教学流程、教学方法以及教学内容，对教育领域产生深远影响[9]。教学实践要反过来推动AI技术的创新和应用，除了理论与实践相结合之外，还有一个要素是趣味性，通过教学来激发学生的学习兴趣和好奇心，使他们在学习和应用AI的过程中保持长久的热情与探索精神；另外鼓励学生自主学习，通过开放式的教学启发学生的创新思维，主动持续地接触并投入前沿研究，参与AI技术的创新和应用。
4. 研究结果分析
关键词是对文献最核心的总结和最直观的描述。因此，对关键词进行可视化处理，通过形成关键词共现、关键词聚类、时间线图，可以分析“人工智能赋能教育教学”领域的研究热点和发展趋势。在citespace软件中，我们将“Node Types”设置为“Keyword”，运行软件可绘制出人工智能赋能教育教学研究的关键词共现网络。在关键词共现网络中，关键词的节点大小表示该关键词出现的频次，节点越大频次越高，基于此，可以找出当前研究领域的热点话题。如图3所示，在该关键词共现图谱中，Timespan表示时间跨度，可以看出此次选择的文献在2011年到2024年区间，设置的时间切片为1。Network中，N表示图谱中的网络节点数量，E代表节点与节点间的连线数量，Density表示网络密度，其实际含义是实际关系数/理论上的最大关系数。在关键词共现图谱中，出现频次较高的关键词有“生成式人工智能”“技术赋能”新质生产力“教育信息化”“职业教育”等，其中“生成式人工智能”具有较高的中介中心性。关键词的中介中心性代表着该关键词在所在的关键词网络中的地位，当中心性大于或者等于0.1时，则可将该关键词视为高中介中心性关键词，也说明该关键词是研究热点词汇。
4.1. 技术赋能
通过关键词共现图谱分析，如图3所示，我们可以直观地发现，当前研究中比较受学者关注的是“人工智能”其中不仅包含了对智能技术的探索与分析，例如元宇宙、互联网、数智技术、数字鸿沟等，还包含了对智能技术赋能教育的实践探索，尤其是对于智能技术在基础教育、高等教育、职业院校中的实践探索与创新路径，同时也关注到了智能教育在教育变革、教育强国中的价值，以及教育公平等问题[10]。2019年初，学界的研究关注点在教育公平方面，到2020年，技术赋能成为研究热点并达到了该聚类的研究顶峰，刘文博、刘吉认为人工智能技术应用于教育教学改变了教育理念、教学方式及管理模式，优化了教学资源配置，提升了教学评价效果[11]。此后，研究热点有所下降。直到2022年，研究热度升高，出现新的分支，如中小学、数智技术、数智化、数智赋能等，宫长瑞认为人工智能理念、环境与技术教育呈现出理论叙事实践化、政治叙事生活化、学术叙事大众化、社会叙事个体化等多元形态[12]。并且从2022年至今，该聚类的研究话题一直是该研究领域的研究热点。
4.2. 生成式智能技术
作为人工智能赋能教育的聚类词#2，生成式人工智能在当今赋能教育起到了广泛运用。在当今数字化浪潮下，生成式人工智能(AIGC)凭借强大的内容生成能力蓬勃发展，国内的豆包、KiMi、文小言以及国外的ChatGPT等都是典型代表。王立群、杨芸伊指出要把握好技术与价值之间的内在联系，提升人机交互的情感温度，匡正虚实相融下的自我失衡。AIGC在教育教学领域的重要性日益凸显，它突破了传统教育的诸多限制，为教学资源的优化、教学模式的创新以及教师的专业发展带来了新的机遇与变革[13]。尽管面临技术和教育方面的挑战，但通过相应对策的实施有望克服。未来，随着技术的不断进步，AIGC将更深入地融入教育各环节，如开发更智能的教学机器人、实现全球教育资源无差别共享等。
4.3. 新质生产力
该聚类作为近年新提出的重要关键词，在学界受到了极大的重视和关注，学者也将新质生产力与教育的结合赋能作为研究重难点。我们需要着重写好五育并举、减负提质、规范办学、课堂效率、数字赋能的新文章[14]，全力推进我国基础教育高质量发展。党的二十届三中全会也提出要“健全因地制宜发展新质生产力体制机制”。
4.4. 职业教育
职业教育聚类相关研究的总体趋势较为单一，从2019年开始出现职业教育研究热点，直至2021年后，才陆续出现新的研究分支，并且在此时达到研究顶峰。2020年开始，该领域的研究热点转向了“基础教育’学校教育”，说明研究的关注点从宏观的教育转向了微观的教育。2022年后仍有一定的研究，但是研究热点较少，集中在个性学习与价值共识两个方面。“职业教育”这一关键词突现程度加剧，同时“课堂教学’科技赋能”开始突现，二者与“职业教育”的热度持续至今，可以看出研究的关注点从教育已经转向具体的教学[15]。从总体的趋势来看，人工智能赋能教育在逐步细化，从关注大教育到关注学校教育、基础教育、职业教育，再到关注具体的课堂教学。与此同时，关于技术方面的研究一直是该领域的研究热点。
4.5. 大数据
Citespace提供关键词突现的功能来探测在某一段时间内研究主题的强化或弱化的变化状态，有助于了解研究的发展趋势特征。图3显示了人工智能赋能教育教学研究领域的前8个关键词的突现情况，其中，关键词“生成式智能教育”“智能时代”“赋能”突现强度最大，说明智能赋能教育一直是研究的热点。通过观察关键词突现的时间可以看出，“大数据”出现最早，在2018年，该关键词成为该领域最早期的研究词汇，直到2021年才出现拐点，“大数据”关注热度下降，研究热点转向“智能时代”“赋能”“信息技术”这三个方面[16]。早在2018年前，大数据就成为该领域的热门研究话题，研究内容集中在物联网。2018年开始，大数据成为主要研究热点。此后，随着互联网的兴起，该领域一直处于持续被关注的状态，但并未形成较高的研究热点。2021年后，对大数据的研究呈现出下降趋势，至2022年出现了最后一个研究分支。2022年至今，该聚类研究领域并未再出现新的研究热点和研究分支。
5. 研究结论及展望
5.1. 课程设置方面
目前人工智能赋能教育实践与理论仍有“距离感”，如图4所示，未来人工智能技术赋能教育教学
Figure 3. Development map of keyword clustering for “Artificial Intelligence Empowered Education”
图3. “人工智能赋能教育”关键词聚类发展图谱
Figure 4. Timeline of the keyword “AI Empowered Education”
图4. “人工智能赋能教育”关键词时间线图
实践应向更“精准化”“全面性”迈进。当前，中国高校的AI课程设置在逐渐丰富，有些高校已经成立了专门的人工智能学院，设立人工智能学科专业，开设的课程涵盖机器学习、深度学习、自然语言处理等专业核心知识。专业课程设置逐渐系统化，而先将AI普及到各个学科，突出与其他学科的交叉融合，这也是各学科发展的大势所趋。重塑教育教学课程矩阵，对标建设一流教育课程体系，聘请海内外优秀科学家和企业卓越工程师担任课程首席专家将前沿学术和产业成果纳入课程，打造前沿性、创新性和挑战性的一流课程。
5.2. 教学模式方面
随着人工智能技术的广泛渗透，大中校教育教学将向“人机协同”这一育人新模式迈进[17]。不少高校在AI教学中引入了多样化的教学模式，既包括传统的课堂讲授，也涵盖了实训和项目实践。有任课教师组织的短期上机实战训练，也有高校引入了企业合作项目，让学生真切参与到实际应用场景中，培养更加贴合行业需求的技能。师资队伍的建设呈现出国内与国际相结合、高校与企业相结合的态势。高校在积极引进海内外的知名专家学者，建设高水平师资队伍；同时加强与知名科技公司、研究机构的合作，通过邀请业界专家担任兼职教授，为师资力量注入新的活力。
5.3. 资源引进方面
在大力引进海内外人才的同时，各高校要积极灵活引入海外校外资源，以暑期学校、短期强化课程等方式，聘请海内外优秀科学家和企业卓越工程师担任课程首席专家将前沿学术和产业成果纳入课程，打造前沿性、创新性和挑战性的一流课程。养用结合培养助教队伍和后备师资，打造一支规模较大且运行得力的博士生助教队伍，深度参与课程教学有效提升教学质量的同时，提升博士生自主学习和教学能力。另外一点是强化产学研结合：学校联合实验室、大型企业开展实践教学，提供真实应用的项目和课题供学生实践，以促进理论学习与实际技能的结合。在算力资源方面，加强校内统筹，同时加强校外拓展，例如引入阿里云、百度云等算力平台资源，全力保障教学的基本算力需求，为学生提供真实应用的实践场景。