2000-2020年人工智...基于Citespace分析_汤园玲.pdf

计算语言1802023 年第 8 期（总第 332 期）【提 要】在信息和通信技术取得进展的同时，对人工智能学习的研究产生了一些理论和实证发现，许多趋势和问题已经出现。为了提供一个全面的知识地图和最近的人工智能学习研究的概述，我们分析了 2000-2020 年的 930 篇文章，以描述人工智能学习的实证工作，采用文献计量学方法，通过关键词分析来揭示最常见的关键词及其作用。【关键词】人工智能学习 文献计量分析人工智能(Artificial Intelligence,AI)主要研究如何利用计算机模拟人的思维过程和智能行为，旨在探索人类智能活动的规律(林晓峰、谢康,2019)。目前，我国教育人工智能尚处于起步阶段，仍面临很多难题(杨现民等,2018)。本研究尝试利用文献计量分析方法，对国外人工智能学习研究的主题和趋势进行可视化分析，尝试揭示国外人工智能学习的研究现状，以期为我国人工智能学习的研究与发展提供参考(张蓉菲等,2019)。这篇文献计量综述统计了 2000 年至 2020 年在学术和专业期刊上发表的 930 篇文章，研究范围仅限于网络科学数据库提供的英文文献，以科学引文索引扩展(SCIE)和社会科学引文索引(SSCI)为索引。本研究中评论的整个文章数据库可在 Web of Science(WoS)获得。一、研究设计文献计量分析方法定量测量和分析特定领域文献中的某些指标，并在大型数据库的基础上生成知识地图(Zeng&Chini,2017)，可视化分析应用程序的开发使文献计量网络的分析、构建和可视化成为可能。借助文献计量学的方法，研究人员能够识别关键词，研究趋势，主要研究主题以及未来研究方向。文献计量分析通过对大量相关文献的回顾和分析，形成了一个整体的视角。本研究文献计量分析使用的可视化工具是CiteSpace。CiteSpace 使用图表和时间轴来表示知识领域的结构和动态(van Eck&Waltman,2014)。CiteSpace 提供的动态可视化演示了文献计量网络是如何随着时间发展的，并假定网络中的每个节点都链接到特定的时间点。本文以关键词共现的知识图谱为基础，对某一特定学科人工智能学习的文献进行收集和分析，并识别和生成一个可视化的知识结构，包括当前的研究现状和新的研究趋势。本综述采用了 Zeng 和 Chini(2017)的研究设计框架。具体来说，我们完成了以下步骤:一是检索 2000 年至 2020 年的相关研究论文，检索词为人工智能学习。二是在 WoS 中收集有关研究标题、作者、关键词的出版物数据。三是确定描述性信息，如按年份分布的出版物和来源。四是在可视化软件 CiteSpace 的帮助下应用关键词共现分析。五是发现在特定时期内出现频率较高的关键词突发。以“人工智能学习”作为检索词，Web of Sci-ence 被选为唯一的数据库，这是因为它在全球的广泛使用和它的多学科性质。鉴于有大量相关的国际科学出版物，世界科学组织的记录可以输出并生成为首选的标准格式，在这种情况下是纯文本，包括标题、作者、年份、关键词等信息。所有选定的论文都经过筛选，如果适用下列任何标准，则排除这篇论文：一是没有强调本研究主题的出版物(即人工智能学习)。二是 2000-2020 年度范围之外的文章。三是不属于同行评审的科学引文索引扩展(SCIE)和社会科学引文索引(SSCI)期刊文章来源类型的文章。四是未以英文发表的文章。五是使用作者的机构数据库订阅无法查阅的文章。2 0 0 0-2 020 年人工智能学 习 研 究的趋势和问题基于 Citespace 分析汤园玲DOI:10.14014/11-2597/g2.2023.08.0661812023年第8期（总第332期）计算语言使用 CiteSpace 进行关键词共现分析，以确定选定出版物中彼此高度相关的关键词组。使用CiteSpace 进行关键词共现分析的一般程序如下：使用术语“人工智能学习”确定知识领域，以确保随后的分析涵盖知识领域的所有主要组成部分；通过 WoS从下载文献计量学记录来收集数据(即标题、作者、关键词)；将文献计量学记录上传到 CiteSpace；从文献计量学记录中提取关键词；应用时间切片技术来确定整个时间间隔的范围和单个时间切片的长度；选择阈值和标准来表示共现分析的阈值水平；查看可视化地图；通过显示或隐藏连接强度和使用别名合并节点来显示与可视化交互操作可视化属性(Chen,2006)。二、结果结果以下列方式提供:关键词共现分析，包括关键词共现网络和关键词突发检测。经过数据处理，通过对 930 份出版物中出现频率高、相互关联程度高的关键词组进行识别，生成一个关键词共现网络。根据选择标准，CiteSpace 从每年出现得最多的 50 个关键词中选出一个由链接的节点表示的关键词，共生成 405 个关键词和 1544 个链接，出现超过 20 次的关键词和链接在图 1 中进行了说明和可视化。图 1 是带有紫色环的网络地图，显示了关键词共现网络，节点的大小表示关键词的共现频率。具体而言，节点越大，关键词共同发生或使用的频率越高(李纲、巴志超,2017)。链接的颜色表示两个节点相互关联的时间段：链接的颜色越蓝，两个节点之间的关联时间越长；相反，链接越红，它们的关联时间越近。表 1 显示了在所选文献中出现超过 20 次的关键词的频率。其中一组关键词认知负荷、工作记忆和设计的频率最高，这表明人类的认知结构、认知加工、工作记忆的作用和教学设计是人工智能学习的关键方面。研究人员一直致力于构建他们的研究框架和解释经验结果。另一组关键词文本和插图涉及人工智能学习的表现形式，表明文本和插图是 2000年至 2020 年期间研究的主要媒体。最后一组关键词是关于人工智能学习的原则，包括注意分离和情态分离，以设计和开发一个有效的人工智能学习环境。表 2 说明了一个关键词与其他关键词共同出现的程度。“动画”是最高共现度为 66(即与其他 66 个关键词共现)的关键词，这表明，与文本和插图类似，这种教学媒体已成为最近人工智能学习实证研究的焦点。共现程度是解释哪些关键词在关键词网络中占主导地位的指标。通过比较关键词，如表 1 和表2 所示，很容易看出，关键词共现网络中突出显示的最常见关键词与最常见关键词重叠。这两个数据来源共同揭示了学者正在调查和讨论的重要研究问题。例如，“动画”是我们分析中最常见的共现关键词(表2)，但它不是最常见的关键词(表 1)。这意味着，虽然相对较少的研究将动画作为主要研究问题，但更多的研究将动画作为其人工智能学习研究的背景。为了进一步探索人工智能学习关键词数据，我们进行关键词突发检测。这种分析是为了确定一个特定领域内突发的研究兴趣，可视化在特定时期内高频率出现的关键词，以及确定人工智能学习研究的趋势。表 3 显示了关键词突发检测结果。关键词文本、插图和媒体是第一组突破的关键词：这些关键词的“突破期”分别为 2001-2005 年、2000-2003年和 2006-2012 年。第二组关键词从 2009 年到 2019年开始爆发，这些关键词分别是计算机、分散注意力、互联网、教育媒体和建筑，分别在2009-2016 年、2009-2018 年、2012-2016 年、2017-2020 年和 2009-2018 年爆发。表 1 常见关键词关键词频率关键词频率认知负荷146插图45设计104代表44工作记忆100动画43文字83理解42教学指南72环境39教育50情态34分散注意力47眼球追踪24性能47表 2 共现关键词的程度关键词程度关键词程度动画66文字42教学指南52工作记忆38性能49环境36理解48代表32认知负荷46分散注意力31设计46情态29插图45眼球追踪23教育44三、结论在我们的文献计量研究中，可视化技术使我们能够研究人工智能学习在过去二十年中所研究的趋计算语言1822023 年第 8 期（总第 332 期）势、问题和学习技术。关键词突发检测分析表明，人工智能学习研究正在偏离关注特定媒体的使用或媒体的组合如何影响学习的概念，即知识的获取和转让。关键词文本、插图和媒体是第一组突破的关键词，突破分别发生在 2001-2005 年、2000-2003 年和2006-2012 年。多媒体和多种表现形式构成了人工智能学习和教学的本质，关键词分散注意力和认知结构反映出，最近人们更加重视用人类认知模型来解释经验性发现以及无效的人工智能学习设计可能产生的分散注意力等具体效应。然而，一些重要的问题，如个体差异或元认知在人工智能学习中的作用尚未得到广泛的研究，这为进一步研究提供了希望。目前研究仍有一些局限性。文献计量分析是基于从 WoS 收集的样本数据库，虽然 WoS 是最大的多学科科学文献数据库之一，并被研究人员广泛使用，但是一些关于人工智能学习的文章并没有在 WoS 数据库中。本综述仅集中于英文文章，由于人工智能学习是一个多学科的问题，以其他语言研究发表的文章应在未来的文献计量调查分析中。目前研究的一个主要限制是没有专门针对“人工智能学习”的出版物，没有将其包括在研究中并进行分析。由于文献计量分析方法的本质，本研究的结果不是分析全文，而是基于关键词的共现选定的论文标题和摘要。虽然关键词可以反映了一项研究中最重要的概念和调查结果，但我们的分析可能忽略了全文中涉及的一些重要趋势和问题。参考文献李 纲、巴志超 2017 共词分析过程中的若干问题研究，中国图书馆学报第 4 期。杨现民、张 昊、郭利明 2018 教育人工智能的发展难题与突破路径，现代远程教育研究第 3 期。林晓峰、谢 康 2019 人工智能现状及其教育应用的理性思考，现代教育技术第 8 期。张蓉菲、赵磊磊、李玥泓、赵可云 2019 国外教育人工智能研究主题及趋势分析基于 Web of Science文献关键词的可视化分析，现代教育技术第 12 期。Chen,C.2006.CiteSpace :Detecting and visua-lizing emerging trends and transient patterns in scientific literature.Journal of the American Society for Information Science and Technology.van Eck,N.J.,&Waltman,L.2014.Visualizing bibliometric networks.In Y.Ding,R.Rousseau,&D.Wolfram(Eds.).Measuring scholarly impact:Methods and practice.Zeng,R.,&Chini,A.2017.A review of research on embodied energy of buildings using bibliometric analysis.Energy and Buildings.(通信地址：226019 南通大学教育科学学院）图 1 具有出现关键词的关键词共现网络表 3 突发检测分析结果关键词开始结束关键词开始结束文字20012005互联网20122016插图20002003教育媒体20172020媒体20062012建筑20092018计算机20092016多媒体/超媒体系统20102020分散注意力 20092018动画教学代理人20122019