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(ArtificialIntelligence,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WebofScience(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(vanEck&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...
