国际领域“人工智能+教育”的研究进展与前沿热点’—兼论我国“人工智能+教育”的发展策略（3）

4、“人工智能+教育”的前沿研究与知识基础分析

为了分析“人工智能+教育’，的研究前沿与知识基础，我们利用CiteSpace对收集的文献进行突现关键词探测、聚类以及时间轴图谱的文献施引与被引关系呈现。

4.1、前沿研究分析

通过对“人工智能+教育’，研究的关键词时间轴图谱分析发现，高等教育、交互质量、大数据、智能导师系统以及增强现实等关键词的引用频率较为密集，表明研究者对上述研究领域进行了较为集中的探究，特别是大数据、智能导师系统以及增强现实等技术。

1.大数据

教学是一项复杂活动，需要教师考虑不同教学方法和学习技巧如何适应每一位学生，然而，学习管理系统并未把人工智能算法作为一种决策支持机制。教师利用Hadoop和Mahout技术构建的学生培训模型框架，能够根据学生的兴趣和知识状态调整课程内容或材料。大数据技术在支持个性化运动技能学习中具有较大潜能，穿戴设备、大数据处理、3D打印以及环境智能等技术的发展，为个性化运动技能学习提供了更加有效的支持，模拟神经运动交互以及提供适切的个性化神经运动支持，将是“人工智能+教育”研究的重要取向。

此外，远程数字化教与学系统已难以适应智慧社会的个性化泛在教与学，后者构建的个性化泛在数字化教与学框架(UTiLearn，以物联网、大数据、超级计算、人工智能、云计算和深度学习等技术，提供了一个社会环境和生态系统，解决了数据分析与管理、学习者系统交互、系统认知、资源规划、灵活性以及可扩展性等方面的缺陷。

在协作学习环境中，云计算服务支持的知识评价与学习推荐，为评价学生的学习兴趣、知识水平和互动参与等提供了有效支持。云计算、大数据与人工智能技术的结合，为推测学习者的知识水平和兴趣提供了一种有效方式。社会性计算技术的发展，使研究者能够利用大量学习资源，但是集成正确的协议和用户接口，将是大数据面临的重要挑战。运用人工智能技术将这些资源结合起来，通过大数据分析技术以生成不同的统计数据和监控学习算法，能够设计出学生参与和评价的新机制。在具体的语言评价测验环境中，运用大数据、人工智能和数据挖掘等技术，能够从大量语言学习数据中，抽取出学习者的相关数据进行语言习得测评。

2.智能导师系统

智能导师系统以模仿教学专家的方法或者经验来辅助教师进行教学，是提供个性化学习指导的教与学系统，研究范畴涉及问题求解方案的自动生成、知识获取过程的表征、学习活动的诊断以及学习建议和反馈的提供等。“智能导师系统”的功能已经从知识教授型转向了能力素养提升型，知识与技能习得的智能导师框架，为智能导师系统兼具知识与能力的培养功能提供了一条路径。该框架由建构、定位、预测与强化等四个主要阶段构成，确保了理论知识和学科能力素养的习得。在程序员新手的编程能力培养中，人工智能系统能够简化计算机编程的学习过程，根据学生的需求监听学生、推断目的并加‘决进程。

个性化和适应性一直是智能导师系统需要不断优化和提升的艰巨任务，如何精准鉴别学习者的学习风格特征，是实现这一目标的途径之一。通过计算智能算法，可以明显提升学习风格鉴定的精准性，诸如:人工神经网络、遗传算法、蚁群系统和粒子群优化算法。根据学生的需求进行学科内容的自动化编辑与推送，并提供相应反馈，是智能导师系统的关键功能之一，通过对课程内容进行XML编码，从而实现智能导师系统的知识表征。从知识传授或者个性化学习推荐向情绪感知支持转向，成为了当今智能导师系统探究的另一热点，通过理论引导分类能够发展与完善情绪意识系统，促进学习者与系统之间进行积极的个性化交互。

3.增强现实

增强现实是将真实世界和虚拟世界的信息进行“无缝”集成的一项新技术，通过科学技术模拟仿真后，将虚拟信息叠加应用到真实世界，从而被人类感官所感知，但又超越现实的感官体验。增强现实智能眼镜是目前的一项新兴技术，常用于帮助自闭症者习得与培养社会交际能力，集成了虚拟现实、情感人工智能以及智能眼镜技术，是一种数字表现型辅助分析工具。用户对增强现实智能眼镜的容忍度以及可用性，是帮助自闭症者进行社会沟通技能训练的关键因素，影响着用户使用增强现实智能软件的可用性、易用性以及情感体验。增强现实技术与脑电系统的融合，进一步提升了增强现实眼镜对自闭症者社会沟通技能治疗的可行性，不仅可以实现智能眼镜的个性化定制，而且也可以提供目标导向的个性化训练体验。网

4.交互质量

人人交互、人机交互以及与信息交互等，是人工智能教育质量的基本保证，交互质量的影响因素涉及到技术的可用性、易用性以及系统功能。智慧社会的发展，对远程数字化的教与学范式提出了新挑战，诸如:数据分析与管理、学习系统的交互性、系统认知、资源计划、灵活性以及可扩展性。个性、泛在数字化教与学框架，以智慧社会需要为导向，运用信息化技术手段实现了教与学的高效交互。在特殊远程学习者群体的交互中，基于模糊逻辑算法，能够对学习者的认知和信息意识进行智力、心理和身体等方面的鉴别，以创造一个可获得的学习环境。围在交互质量的评价中，文档探究活动过程中形成的偶然关系和偶然链接是监测的难点，机器学习及学习分析技术等为多文档探究活动的交互质量评价，提供了切实可行的途径。基于遗传算法的人工智能系统能够缩短交互过程，节省大量时间来提升教与学活动的交互质量。

4.2、知识基础分析

通过对“人工智能+教育”文献的共被引聚类分析和引用强度分析，涌现出了评价、智能导师以及数据分析等“人工智能+教育”的重要知识基础。

1.学习评价

学习评价一直是“人工智能+教育”研究的重要旨趣，形成性评价和自主学习的模型与反馈原则，受到了人工智能教育领域的借鉴。“反馈实践的模式与七原则”是人工智能教育关于学习者评价和自主学习管理的重要知识基础，研究者把这些自主学习模型和反馈原则作为适应性学习、数据挖掘以及智能教育效果的评价依据。自主学习模型由内部处理和外部反馈两部分组成，不仅呈现了学习者监视和管理学习行为与学习绩效的方法，而且显示了内部反馈在这些过程中的关键作用。自主管理过程的触发，始于教师设定的学习任务，基于领域知识、策略知识和动机信念等基础，经过学生目标、手段与策略、内部学习结果等自主学习管理过程，实现外部可观察的学习结果，教师、同伴和管理者等根据学习结果，对学习者的认知、动机和行为进行反馈。

支持和培养学习者自主学习的“七条原则”，包括:阐明绩效标准、促进自我评价、发布反馈信息、鼓励师生会话、鼓励积极动机和自尊、提供弥合差距的机会、应用反馈改进教学。智能认知地图分析系统，为评价学生对特殊概念的理解提供了有效工具，通过分析学生所提概念的分布概率得以实现，而学生的话题理解评价，通过分析概念图的图形曲线变化进行。

2.智能导师

智能导师系统是“人工智能+教育”研究领域中的重要分支，以知识表征、教学策略、学习诊断以及资源推荐等为主要研究内容。基于网页的智能导师系统是教学软件与互联网功能进行融合的经典成果，消解了仅具有交互和诊断能力的电子书学习方式，使得教育软件能够迎合正式教育环境的需求。国外学者开发的ZOSMAT系统，能够响应真实学习环境中每一位学生的需求，应用于个体学习和教师指导的真实教室环境。该系统能够跟踪每个学生学习过程的各个阶段，指导他们所需要做的事情，体现了以学生为中心的教育理念，其功能主要包括:解释关于话题的核心知识、告知何种类型的知识能够被应用以解决特定领域的问题、提供具有范例模型的问题解决案例、呈现学习绩效测试报告、为学生提供可供选择的下一个最有效活动。该系统包括管理、问题库、学生模型、内容结构、专家模型以及用户界面等部分。在教师辅导、计算机辅导以及无辅导等状态的讨论中，智能导师对学习者学习效果的影响与教师处于相当地位。

3.数据信息挖掘与处理

数据信息挖掘与处理是“人工智能+教育”提升教与学效果和效率的重要基础，学习风格、学习行为、学习绩效以及个性化学习推荐等数据信息的处理，必须获得相关技术支持。深度问答技术，为“人工智能+教育”中的数据挖掘和个性化学习指导，提供了一种更加有效的途径，能够完成开放域问题的回答，其在游戏比赛和临床医学系统中表现出卓越的优势。基于深度问答技术的临床决策系统，能够担负大范围的假设和相关证据探索，也能发现自主性会话所丢失的信息。深度问答技术在游戏和临床决策系统中的表现，吸引了更多的“人工智能+教育”研究者，来探讨实现人机会话、智能问答以及学伴功能等内容。在数据挖掘算法方面，进化算法、遗传算法、贝叶斯定理等，是“人工智能+教育”领域中的重要知识基础，为适应性学习、智能导师系统、学习行为数据挖掘等，提供了理论基础。