人工智能在国际教育领域中应用的研究热点与演进分析

Research Hotspots and Evolution Analysis of Applying Artificial Intelligence in International Education

摘要

目的 采用文献计量学方式对人工智能在国际教育领域中应用的研究热点与趋势进行分析。 方法 以Web of Science核心合集作为数据源，使用 CiteSpace 6.4.1软件对人工智能在教育领域应用的相关文献进行可视化分析。 结果 研究中共选出1 970篇文献。人工智能在国际教育领域中的应用发文量呈明显上升趋势，2024年发文量达高峰。发文量最多的国家是中国，而美国研究具有更强的国际影响力。研究热点主要集中在智能教学平台设计、人工智能辅助教学测评等方面。研究演进分为两个时期：智能教学与反馈平台开发阶段、智能教学系统优化改善与影响评价阶段。 结论 人工智能在国际教育领域的应用已得到广泛研究，现阶段研究热点主要是智能教学平台构建、教学内容设计、学情评估系统开发及个性化教学。目前已由智能教学平台开发阶段发展到具体学科应用与优化改善阶段。

Abstract

Objective To analyze the research hotspots and emerging trends of applying artificial intelligence (AI) in international education through a bibliometric approach. Methods Data was collected from the Web of Science Core Collection and CiteSpace 6.4.1 was employed for visual analysis of related literature in the field of applying AI in education. Results A total of 1970 papers were selected in this study. The number of publications in this field showed a significant upward trend, which reaching its peak in 2024. The country with the highest number of publications is China, while the United States has a stronger international influence. The research hotspots mainly focused on the design of intelligent teaching platforms, artificial intelligence assisted teaching evaluation and so on. The research evolution could be divided into two periods: the establishment of intelligent teaching platform, and the optimization and improvement of intelligent teaching system and impact evaluation. Conclusion The application of AI in the field of international education has been widely studied, and the current research hotspots mainly included the construction of intelligent teaching platforms, the design of teaching content, the development of learning assessment systems, and personalized teaching. At present, it has developed from the establishment of intelligent teaching platform to the stage of specific subject application and optimization improvement.

Graphical abstract

关键词

国际教育领域 / 人工智能 / 可视化分析

Key words

International education / AI / Visual analysis

人工智能（Artificial Intelligence，AI）是一门通过机器、计算机理解和模拟人脑思维及智能行为，创建能够执行人类任务的新兴计算机算法技术，是驱动新一轮科技革命的重要力量^［1］。近年来，AI理论和技术方面日趋成熟，得到广泛应用。AI应用于教育领域，不但可以克服传统教学设计主观性强、教师教学水平不一等弊端，而且还能突出个性化教学路径规划优势，有助于教师实时精准分析学生的学习情况^［2］，促进教育公平化、个性化、智能化发展。

CiteSpace是Chaomei Chen开发的文献计量学分析软件，通过绘制知识图谱可清晰直观展示特定领域研究热点、进展和现状^［3］。本文以Web of Science核心合集为数据源，应用CiteSpace软件绘制关键词共现与突现、时间线、发文机构突现等图谱，对国际教育领域中AI应用的研究热点及演进等进行可视化分析，以期为AI在教育领域中的深化应用提供参考。

1 研究资料与方法

1.1 数据来源

选用Web of Science核心合集收录文献作为本次文献计量分析数据源。检索策略如下：检索式为 TS=（education） OR TS=（teaching） AND TS=（artificial intelligence），文献类型为article，共检索期刊论文5 715篇。剔除无关文献，经去重处理，最终得到期刊论文1 970篇。

1.2 方法

选择Plain Text File格式将符合条件的期刊论文以全文本及参考文献形式导出，运用CiteSpace 6.4.1软件进行数据转换与可视化操作。具体操作为在控制面板中将时间跨度设置为2018 — 2024年，时间分区设置为1年，K值保持默认值K=25。节点类型中分别选择关键词、作者、机构、被引文献等绘制相关知识图谱，对AI应用于教育领域的研究成果进行可视化分析。

2 结果

2.1 发文量分析

发文量统计如图1所示，该领域发文量呈明显上升趋势，由此可知，运用AI辅助教育的研究在国际上受到学者关注。其中2024年发文量最多为1 200篇，2018年发文量最少为9篇。2018 — 2020年发文量相对较少且上升趋势不明显，说明在这一时期对AI辅助教育的研究处于探索阶段。2021 — 2023年发文量逐渐增多，2024年呈现激增态势，表明该领域受到学者高度关注。未来，AI在教育领域中应用的相关研究可能会呈持续上升趋势，论文数量持续增加。

2.2 发文国家分析

发文量最多的是中国，发文量738篇（包括中国大陆693篇，中国台湾省45篇）。其次是美国（296篇）、西班牙（123篇）、英国（81篇）、印度（73篇）、沙特阿拉伯（69篇）及澳大利亚（66篇）。中国发文数量遥遥领先，表明中国学者对该领域展开深入研究，并积极与美国、西班牙、英国等国家开展合作交流，共同推动AI辅助教育的发展。为进一步明确国家在该领域的影响力，除关注国家发文数量以外，也要分析节点的中介中心性。节点的中心性越高，代表这一国家在该领域重要性越大，影响力越强^［4］。中国、美国、英国、印度、西班牙、澳大利亚、德国都具有较高中心性。其中美国中心性最高（0.25），远高于其他国家（英国0.18、中国0.16），表明美国在该领域具有更高的国际影响力。中国在研究开展数量方面虽然领先，但仍需提高研究质量，扩大影响力。

2.3 发文作者分析

发文量最多的作者是Villegas-ch，William（8篇），其研究聚焦于AI赋能教育创新，内容涵盖混合教育环境优化、个性化学习、情感检测及教育平台智能化搭建等方向。其次是Ayanwale，Musa Adekunle（6篇），主要研究AI在教育领域应用的接受度与推广机制，探讨在职/职前教师、学生对AI教学的看法。Ching-Sing Chai（6篇）研究的重点在于分析AI辅助学习影响因素及学生参与AI学习意愿驱动机制。Go-vea，Jaimehe和Sanusi， Ismaila Temitayo均发表5篇文章。其中，Govea， Jaimehe和Villegas-ch， William来自同一团队，二者研究方向一致。Sanusi， Ismaila Temitayo与Ayanwale， Musa Adekunle有合作关系。Del Maestro， Rolando F（4篇）主要研究AI赋能外科模拟教学培训与评估。分析排名前五位的作者合作网络可知，该领域学者协作性较弱，小规模的协作网络不利于对该领域进行深入研究，提示在未来研究中需加强合作。目前仅存在一个较为紧密的研究团队，由Del Maestro，Rolando F、Faziollahi，Ali M及Das，Sunit等学者组成的研究AI辅助外科模拟教学培训和评估团队。

2.4 关键词共现分析

AI在教育领域中的应用研究关键词出现频次及共现关系见图2。结果显示，463个关键词之间存在1 924个共现关系，关键词共现网络结构紧密。图中连线多存在于artificial intelligence同教育相关领域或学科之间，表明关键词artificial intelligence中心度高，在该领域研究中具有核心地位。除了出现频次最高的artificial intelligence（1 170次）外，还有9个较为显著的关键词：high education（177次）、medical education（129次）、generative artificial intelligence（125次）、education（120次）、machine learning（105次）、technology（77次）、students（72次）、model（62次）和deep learning（59次）。

在关键词共现图谱基础上进行聚类分析，聚类后得到AI在教育领域中应用的关键词聚类图谱（图3）。图谱由Q值和S值两个参数评价：Q>0.3则聚类的类团结构显著；S>0.5则聚类合理，S>0.7表示聚类结果具有较高信效度^［5］。该图谱Q=0.471 2，S=0.763 3，可认为聚类分析产生的9个关键词知识聚类图谱能清晰反映该领域研究热点集合。关键词聚类结果如下：#0 artificial intelligence、#1 generative ai、#2 virtual reality、#3 machine learning、#4 behavioral intention、#5 predictive models、#6 medical education、#7 teacher education及#8 higher education。

2.5 关键词突现分析

关键词突现是指关键词在某一时间段出现频率激增，有助于理解该领域的发展趋势和研究前沿。突现强度越高，表明学者关注度越高^［6］。关键词突现图谱如图4所示，deep learning的突现强度最高，为8.21。关键词 data mining、machine learning、engineering education的突现基本在2018 — 2021年间，表明该阶段研究热点主要聚焦于工程学科教育中AI应用的研究，同时运用数据挖掘算法和机器学习等AI子领域推动教育数字化发展。2020 — 2022年的研究主要集中在基于AI的教学设计、学生成绩预测与评估分析、AI教学模式对学生的影响、云计算技术支撑下的AI教育平台、以及神经网络在教育中的应用，以及教育模型开发等。在2022 — 2024年，研究主要围绕AI应用下的教育优化、利用AI提高学生课堂参与度、改善学习体验等方面，以及深度学习、物联网、增强现实等在教育中的应用。表明研究从设计智能教育模型、搭建智能教学平台，转变为利用AI技术改良智能平台以优化教学效果、提高学生学习效率等更深入领域。

2.6 关键词演化分析

2018 — 2024年间该领域研究时空演进图谱见图5。图谱以时间顺序展示AI在教育领域中应用研究的9个聚类。根据研究内容，可以将时区划分为两个阶段。2018 — 2020年间是AI应用的起步阶段，主要研究数据挖掘、机器学习、深度学习等AI子领域支撑的高等教育中AI教育系统、教育反馈平台开发以及教学模型设计。2021 — 2024年是该领域研究在各学科发展时期，AI在医学教育、体育教育等方面应用的研究显著增多，学者关注智能教育系统优化改善以及AI对教育的影响；此外，生成式AI广泛使用带来的隐患和道德后果，也成为该阶段教育界研究热点。

2.7 发文机构分析

发文量排在前六位的机构如下：State University System of Florida （22篇）、University of London （22篇）、Ministry of Education ＆ Science of Ukraine（21篇）、Beijing Normal University（17篇）、Harvard University（16篇）、University of Hong Kong（15篇）。发文主要集中在2021 — 2023年。以上结果表明，多所国际知名高校及机构在该领域展开持续聚焦和深入探索，发文显著，可见其在国际学术界受到关注；但是各机构之间联系不紧密、合作较少。Beijing Normal University是中国机构中发文量最多的，表明其对该领域研究的重视。

该领域发文机构共形成八个聚类：聚类1 information technology，主要是Ministry of Education ＆ Science of Ukraine、University of Toronto与National University of Singapore三所机构，其研究内容为AI（特别是ChatGPT等大语言模型）在教育和医学教育领域的应用，同时也对技术可靠性、伦理问题等进行分析。聚类2 usmle，以Harvard University、University System of Georgia两所机构为首，针对人工智能通过USMLE方面的能力展开研究，阐明AI在医学教育中的应用潜力与实用性。聚类3 generative ai in education，该方向研究由University of London和 State University System of Florida 两所机构牵头，主要研究生成式AI在教学实践和评估中的应用，也对AI使用的潜在隐患、道德问题等进行探讨。聚类4 education 这一方向以Egyptian Knowledge Bank 的研究较为突出，主要围绕教育数字化转型展开。聚类5 tpack，聚焦整合技术的学科教学方面，主要研究机构是Beijing Normal University与Nanyang Technological University。聚类6 students，主要是Universidad de Las Americas-Ecuador、University of North Carolina关注学生使用AI态度的研究。聚类7 higher education，研究突出的是Universidad de Alcala和Complutense University of Madrid两所机构。重点探索生成式AI在高等教育领域的应用，包括教师使用态度、教学设计结合、技术应用影响与优化策略等。聚类8 multi-objective optimization，主要是University of Salamanca 等机构多目标优化提高AI教学效益和稳定性的研究。

发文机构突现分析图谱可展示各机构发文集中时间，由此把握不同团队重点研究方向^［7］；还可以明确哪些机构的科研团队重视该领域研究，并已取得出众成果。由图6可知，突现强度前九位的机构有六所是中国高校，分别是Henan University、Inner Mongolia University for Nationalities、Chongqing Normal University、Hebei Sport University、Qingdao University与Shanghai Jiao Tong University，表明中国高校教育团队对AI辅助教育的重视。其中突现强度最高的是Chongqing Normal University，突现强度2.68，突现时间为2021 — 2022年。

2019 — 2020年突现较强的是Henan University与Inner Mongolia University for Nationalities，前者研究重点为多学科AI个性化教学系统构建、创新教学模式探索等，后者主要是基于AI教学模型构建的研究。

2021 — 2022年，突现的发文机构是Chongqing Normal University、Krirk University、Hebei Sport University及Bucharest University of Economic Studies四所机构，研究内容以基于AI的个性化教学系统搭建、教学评估与优化系统开发、远程教学系统应用等为主。

2022 — 2024年，突现的发文机构为Qingdao University、Shanghai Jiao Tong University和Stanford University。Qingdao University主要研究基于AI的个性化学习模式开发与如何促进学生从AI获益。Shanghai Jiao Tong University的研究集中在AI支持下的学生教育与管理系统搭建方面（如实时课堂行为分析的智能设备使用，学生成长系统开发）。Stanford University的研究则主要是医学教育中AI的应用与影响。

2.8 研究学科分析

学科共现网络分析显示该领域学科间联系较弱。其中，在Education & Educational Research 学科方面展开研究最多，出现549次。其次是Computer Science， Information Systems（234次）、Education， Scientific Disciplines（201次）、Computer Science， Artificial Intelligence（182次）、Telecommunications（152次）、Engineering， Electrical & Electronic（149次）、Computer Science， Interdisciplinary Applications（130次）。分析结果可知，当前AI辅助教育的相关研究涉及许多学科，包括计算机科学、工程领域、教育教学、环境科学及医学等。其中，计算机学科、工科学科及教育教学领域开展研究较多，医学中一些二级学科如神经病学、皮肤病学等也有一定研究。

2.9 被引文献分析

被引文献分析显示，引用次数最多的为Zawacki-Richter O等学者于2019年发表的综述，被引157次。该文章通过系统评价AI在高等教育中的应用，帮助教育工作者理解如何利用AI的优势，使其对高等教育产生有益影响。其次是Chen LJ等学者于2020年发表在IEEE Access期刊上的文献（113次），其研究目的在于评估AI应用对教育的影响。接下来被引次数较高的3篇文献依次是Kasneci E等的论文被引94次（2023年）、Gilson Aidan等的论文被引86次（2023年）和Kung Tiffany H等的论文被引82次（2024年）。这三篇文章研究方向均为ChatGPT对教育产生的影响。其中，Kasneci E的文章针对ChatGPT大语言模型在教育中应用的机遇与挑战进行研究；后二者均为使用ChatGPT进行AI辅助医学教育和知识评估潜力及影响研究。

被引文献分析突现图谱能够反映特定时期重点研究方向和研究热点，还能确定特定领域经典文献及高影响力学者^［8］。图7展示AI在教育领域中应用的研究中前20位突现被引文献。突现强度最高的是Chassignol M等学者于2018年发表在Procedia Computer Science的论文，突现强度为11.36，突现时间2022 — 2024年；研究主题为AI在教育中的应用趋势。突现时间最长的分别是dos Santos DP等的文章（研究内容为医学生对AI应用于教学的态度）以及Topol EJ等的文章（研究内容为AI在医学领域的应用及其限制，包括隐私安全、缺乏透明度、公众对AI使用的偏见及相关程序未来发展方向等^［9］）。根据突现时间将该领域研究大致划分为三个时间段。2019 — 2021年，主要突现文献是Esteva A于2017年发表在Nature的一篇论文，研究内容为使用卷积神经网络对皮肤病变进行分类，以此展示AI对皮肤癌的分类，其算法能力水平可与专业医生媲美^［10］。该研究为设计AI辅助临床技能教学平台提供了权威性理论基础。2021 — 2022年间，突现的研究内容集中在医学教育、高等教育中AI技术的应用与影响，表明在此时间段，学者更关注医学教育和高等教育中AI应用与相关影响的研究。2022 — 2024年，突现的研究热点体现在AI融入K-12教育、医学教育及AI辅助教育带来的影响、隐患和挑战，也对如何在教育领域更好地运用AI展开探索。

2.10 被引期刊分析

被引频次处于前八位的期刊如下：IEEE Access（450次）、arXiv（433次）、Education and Information Technologies（426次）、Sustainability（412次）、Computers & Education （393次）、International Journal of Educational Technology in Higher Education （359次）、Computers and Education： Artificial Intelligence（310次）与Education Sciences（305次）。其中，Computers & Education影响因子最高（IF 7.8），表明该期刊对AI辅助教育的研究领域具有重要意义。

3 讨论

发文量统计图可展示某领域发文量变化趋势，有助于从整体上把握该领域发展速度和研究热度^［11］，由此解读AI辅助教育领域的受重视程度及未来趋势。AI在教育领域的应用受国际教育界关注程度不断上升，其研究热度由AI技术迭代、个性化教育与教育变革等因素共同驱动；也体现出国际教育领域对AI赋能教育理念的认同与探索。

发文国家分析可以了解该领域国家间的合作情况，同时确定具有较高影响力的国家^［12］。目前该领域呈现中国、美国双核心发展态势。中国以规模和研究广度见长，表明国内在AI+教育政策及实践探索中已形成“政策—实践—反思”良性循环。从研究内容来看，中国研究侧重于多学科教学系统的智能化发展，更注重AI在基础教育、高等教育的规模化应用。而美国则以研究质量与深度凸显其核心地位，其研究更注重AI与教学融合的机制探索、教育标准制定等。目前中、美已与多个国家初步建立合作网络，凭借各自特点推动全球教育技术改革及协同发展。该协作在未来具有发展空间，例如针对发展较弱地区技术普及和实际应用研究较为缺乏，同时也面临文化差异挑战。

关键词是对研究核心内容的高度概括，出现频次体现某领域研究热点。对关键词进行可视化分析，可以快速梳理出该领域研究热点、核心课题及研究子领域^［13-14］。核心技术上，深度学习、数据挖掘等持续成为研究热点，应用场景从基础教育向高等教育的计算机科学、工科学科、医学等细分领域延伸。尤其在医学领域，AI应用已形成特色方向，研究涉及一些医学二级学科（如神经病学、皮肤病学、放射学等）。例如，AI模拟临床场景和生成虚拟患者，通过模拟训练帮助医学生在临床实践中熟练操作、规避错误^［15］。绘制关键词时间线图谱，有助于从时间维度展示AI辅助教育的阶段性研究热点和发展方向^［16］。目前，国际教育领域内AI应用研究已从可行性检验阶段向教育效率考量阶段转变。高被引文献具有权威性，被研究人员广泛认可^［17］。被引分析结果表明，具有较强影响力文献主要内容为评估AI应用对教育的影响、AI在高等教育中的应用概述，以及AI辅助医学教育三方面；权威被引文献也凸显国际各教育机构研究重心，既注重AI教育实践检验，又重视在细化的教育场景寻求突破。

该领域研究进一步发展受协作松散与学科交叉不足两个问题制约。从学术协作层面看，该领域学者整体呈分散状态，尚未形成联结紧密的合作网络，其中仅少数团队保持稳定协作。这与该领域研究跨学科、跨学段、跨技术的内在需求和未来发展进程不符，可能造成低效率研究，例如智能教学平台构建研究的低水平重复等；且易导致研究碎片化及思维固化，难以形成系统性突破。从学科交叉维度分析可见，当前存在学科融合失衡现象。计算机科学、工科学科与教育教学领域的研究较为深入，且成果突出，但人文学科参与度较低。此现象提示研究者对教育本身的人文特质研究较弱，例如AI对教育公平性影响、师生关系重构等；不利于培养兼具科学能力与人文素养的跨学科人才。

AI辅助教育领域未来发展可能重心在以下方面。首先，打破当前协作分散局面，促进跨学科、跨领域与跨国团队形成，构建稳定的研究协作体系，共同推动全球教育事业发展。其次，在AI与科学学科发展的同时注重人文学科融入，重视教育的人文意义与使命，培养科技人才同时避免被现代科技束缚。再次，研究者与AI领域从业人员合作，开发符合时代需求的课程和教育项目，拓展特殊教育、职业教育等场景的智能教学模型设计。另外，促进AI技术在各地区的应用普及，为学生提供包容、公平教育，推动实现公共教育服务均等化。最后，加强AI技术使用的监管与伦理规范制定，促进各国教育领域学者及师生以道德、安全方式使用该技术，推动国际教育体系变革，促进教育数智化转型。

4 结语

本研究借助CiteSpace软件对AI在国际教育领域中的应用研究进行文献计量学分析，系统分析该领域研究热点及发展演进等。目前，AI在教育领域中受到学者广泛关注，并取得一定成果，进入快速发展阶段。AI已在提高教育管理效率、优化教学方法，促进学情评估与个性化教学方面发挥一定优势。与此同时，AI的应用也存在一定教育风险，今后应加强AI教育治理与AI伦理规范制定。

参考文献

[1] ABDELLATIF H， MUSHAIQRI M AL， ALBA-LUSHI H，et al ．Teaching，learning and assessing anatomy with artificial intelligence：The road to a better future［J］．International Journal of Environmental Resea-rch and Public Health，2022，19（21）：14209．

[2] WANG X Y， HE X J， WEI J W，et al ．Application of artificial intelligence to the public health education［J］．Fro-ntiers in Public Health，2023（10）：1087174．

[3] 邓汪扬 ．基于CiteSpace文献可视化下中国国家软实力研究综述［J］．广州广播电视大学学报，2019，19（1）：80-86．

[4] 李珍 ．国际STEM教育研究热点与发展前沿：基于近20年研究的文献计量分析［J］．聊城大学学报（社会科学版），2025（1）：91-103．

[5] YANG D， ZHOU J C， SHI D P，et al ．Research status，hotspots，and evolutionary trends of global digital education via knowledge graph analysis［J］．Sustainability，2022，14（22）：15157．

[6] 刘庆霞，陈彦玲 ．国内近10年卵巢癌化疗期护理研究热点的共词聚类分析［J］．全科护理，2023，21（34）：4777-4781．

[7] 王建芳，余红宴，黄雷，等 ．基于CiteSpace的国内实验室安全领域研究图谱分析［J］．实验科学与技术，2024，22（4）：148-155．

[8] HUANG L Y， SHI X F， ZHANG N，et al ．Bibliometric analysis of trends and issues in traditional medicine for stroke research：2004-2018［J］．BMC Complementary Medicine and Therapies，2020，20（1）：39．

[9] TOPOL E J ．High-performance medicine：The conver-gence of human and artificial intelligence［J］．Nature Me-dicine，2019，25（1）：44-56．

[10] ESTEVA A， KUPREL B， NOVOA R A，et al ．Dermatologist-level classification of skin cancer with deep neural networks［J］．Nature，2017，542（7639）：115-118．

[11] 夏奕迅，赵俊 ．基于CiteSpace的国内社会性科学议题研究可视化分析［J］．基础教育研究，2024（5）：1-5．

[12] 陈悦，陈超美，刘则渊，等 ．CiteSpace知识图谱的方法论功能［J］．科学学研究，2015，33（2）：242-253．

[13] 王小娟，吴伟，刘云鹤，等 ．基于CiteSpace和VOSviewer的赤芍研究现状及研究热点可视化分析［J］．中草药，2025，56（19）：7146-7156．

[14] QUE Z L， WU M S， LAI S J，et al ．Research status and hotspots in transjugular intrahepatic portosystemic shunts based on CiteSpace bibliometric analysis［J］．Wo-rld Journal of Gastrointestinal Surgery，2024，16（9）：2996-3007．

[15] SHAH C， DAVTYAN K， NASRALLAH I，et al ．Artificial intelligence-powered clinical decision support and simulation platform for radiology trainee education［J］．Journal of Digital Imaging，2023，36（1）：11-16．

[16] YANG D， WU X P， LIU J L，et al ．CiteSpace-based global science，technology，engineering，and mathematics education knowledge mapping analysis［J］．Frontiers in Psychology，2023（13）：1094959．

[17] SABE M， CHEN C M， PEREZ N，et al ．Thirty years of research on negative symptoms of schizophrenia：A scientometric analysis of hotspots，bursts，and research trends［J］．Neuroscience & Biobehavioral Reviews，2023（144）：104979．

基金资助

昆明医科大学“大学生创新性实验计划”项目(2024CYD164)