人工智能在在线少儿教育中的应用现状研究

赵淑霞

摘   要：人工智能技术日趋成熟，被不断应用于教育领域，但当前研究大多面向中学和高等教育，对少儿阶段的研究较少。文章以中国知网的核心期刊数据库为文献来源，先对近五年人工智能技术在在线少儿教育领域应用研究的关键词进行分析，了解其研究热点，之后从应用场景、应用形态和关键技术入手，阐述当前在线少儿教育领域人工智能技术的应用现状，最后分析了这一阶段在线教育的发展需求，探讨其优势和不足。

关键词：少儿;在线教育;人工智能应用

中图分类号：G434 文献标志码：A 文章编号：1673-8454（2021）21-0039-06

一、引言

近年来，随着信息技术的不断发展，在线教育成为很多家庭选择的教育方式之一。人工智能技术日趋成熟，不断应用于教育领域，为教育带来了巨大的变化。然而，当前人工智能在教育领域的应用更多集中在中学和高等教育学段，对少儿阶段的研究较少，且不够深入[1]。本文通过梳理文献，进一步了解人工智能在在线少儿教育中的应用现状。首先对近五年的文献关键词进行分析，了解研究热点。之后从人工智能技术在在线少儿教育领域的应用场景、应用形态和应用的关键技术入手，阐述当前人工智能在在线少儿教育中的应用现状，最后分析这一阶段在线教育的发展需求，分析其优势和不足。

二、文献检索

以中国知网的核心期刊数据库为文献来源，通过高级检索的方式进行检索，检索主题词的组合分别为“人工智能”和“教育”、“AI”和“教育”、“人工智能”和“在线教育”、“AI”和“在线教育”。此外，再单独以“人工智能教育”“智能教育”“人工智能+教育”“AI+教育”“人工智能应用”等词条为主题词进行检索。检索时间跨度为2016年1月1日至2020年6月29日，得到文献362篇，剔除相关会议、通知、访谈、专栏等文献后，得到文献共计290篇。对290篇文献进行深入阅读和编码，记录文章的标题、第一作者、应用学段、应用学科、关键词、发表时间、应用场景、应用形态和关键技术，筛选学段为学前、小学面向3～12岁儿童的研究，最终得到有效文献51篇。

三、研究热点

对51篇有效文献按发文时间进行统计发现，近五年来，相关研究逐年增多，2017年至2018年的增长速度最快，如图1所示，这与2017年《新一代人工智能发展规划》的发布有关。在政策的支持下，学者们迅速开展了较多研究，在2019年达到巅峰，2020年的文献只有半年发文量数据，因此发文量较少。

1.关键词共现分析

利用CiteSpace软件进行关键词共现分析。将时间区间设置为2016—2020年，时间切片设置为1年，节点类型选为关键词。由于有效文献数量较少，分析时保留所有关键词，得到可视化图如图2所示。结果发现，关键词共现图谱较为分散，如“应用”“自闭症”“人工智能+”等关键词距离中心较远，中心性较低。“人工智能”集中出现在图谱的中心位置，辐射在其周围的关键词分别为人工智能教育、基础教育、学前教育、“互联网+”。大数据、“人工智能+教育”分别形成了较小的中心，大数据周围辐射了个性化学习、教育机器人，“人工智能+教育”周围辐射了关键技术、深度学习和教育应用。针对人工智能的具体内容，从技术角度来看，“深度学习”算法、“人工智能等关键技术”的研究占有一部分;从教育应用的角度来看，“个性化学习”“教育机器人”等人工智能的教育应用研究也占有一部分，聚集在中心词人工智能的图谱周边。整体而言，关于人工智能在在线少儿教育领域的应用研究比较分散，且研究的关键词较为粗略，相关文章中缺乏更加详细深入的关键词呈现。

2.关键词共现时区图谱

在关键词共现图谱的基础上，生成时区可视化图，得到人工智能在在线少兒教育中应用的关键词共现时区图谱，如图3所示。

从图3可以发现，2017年出现了较多以“人工智能+教育”为主题的关键词起点，包括“人工智能+教育”“大数据”“人工智能技术”“人才培养”“教育agent”等。这些关键词延伸到2018年和2019年的研究中，延伸出了“深度学习”“教育应用”“基础教育”“学前教育”“人工智能教育”“关键技术”等关键词。之后的研究更加聚焦，关注技术在教育中的应用和在不同学段的应用，同时注重人工智能人才的培养，开展以人工智能为内容的教育，如少儿编程等。2020年的关键词节点频次较低，一方面因为只选择了上半年的研究成果进行分析，另一方面，新冠肺炎疫情的突然到来使得在线教学成为主要手段和支撑，导致2020年的研究更加聚焦在基础设施升级改造[2]、技术平台支持、教学质量监控保障、教师培训与服务等方面。

四、人工智能在在线少儿教育中的应用现状

1.应用场景

当前人工智能教育应用场景分为面向教师和管理者的教学场景及管理场景、面向学生的学习场景与考试场景[3]四类。实际上，考试的场景离不开对学生的测和评。因此本文在原来考的场景中加入评和测，将其归为一个场景，即考评测。本文基于教、学、管、考评测这四种种应用场景，对51篇有效文献中的应用场景进行统计，得到图4所示的结果。当前人工智能在在线少儿教育中的应用，以教为主要的应用场景，其次是教育管理的场景，之后是学生学习的场景，最后是考评测的场景。

在教的场景下，应用较为广泛的是自适应教学平台，包含智能教学系统和专家系统等，记录学习数据，通过生物识别技术捕捉儿童的面部表情和眼部追踪等[4]，判断儿童学习情况，帮助教师调整教学节奏。智能教育机器人的应用也比较广泛，既能作为教学活动的载体，也可以作为教学内容，为学前儿童提供了优质教育资源，还能协助教师丰富教学手段，给儿童提供个性化的解决方案，实现因材施教。教的场景之所以是主要的场景，一是相关研究多从教学、教师的角度进行，对新兴技术如何能够帮助教学更加关注和重视，因此研究成果较多;二是教本身是教学中最主要的形态，3～12岁的儿童在自主学习上缺乏一定的自制力，自主学习能力不足，因此从教的场景切入对教学效果的提升最为直接。

人工智能在教育管理的场景应用也比较多，如教学资源的管理、远程教育功能的实现、分班排课、幼儿园和小学的校园安全管理、智慧课堂、智慧校园[5]、家校系统的建立。这些应用能够帮助幼儿园和小学提高管理水平和管理效率，减轻学校管理人员的管理压力，如把一些管理的功能前置，提前预警，从而预防恶行事件的发生，保证校园、师生安全。未来的学校，在物联网、大数据、云计算和人工智能的帮助下，会越来越智能，越来人性化[6]。

人工智能在学习的场景应用较少，应用较为广泛的是伴学类产品，如伴学机器人、智能伙伴、互助同伴、智能代理等[7]，用于伴学和答疑。儿童数字出版可以为阅读带来更强的交互性、趣味性、生动性，提供沉浸式的阅读体验[8]。学习场景下缺乏口碑较高且深入的应用形态，因此整体的关注度不如教的应用。学的场景排在教和管两个场景后面，主要是因为学前和小学阶段儿童自主学习能力弱，自控力不足，如学前阶段低龄段儿童对语言、文字等内容的理解力本身较为缺乏，因此学习场景的应用情况较为复杂，难以有效实施。此外，学习本身是一个复杂的过程，对整个学习过程的监测、学习行为的分析、情绪的识别和分析等需要较为综合和复杂的技术，需要非常专业的教育学家、心理学家、计算机学家等多方面专家通力协作，才能得到较好的结果。

考评测应用场景较少，大多是作为工具的替代性应用，从重复的工作中解放教师和家长。如口语测评系统能够更好地诊断学生语言的发音问题，提供更精准的反馈和强化。以大规模标准化测试为主的智能测评系统，除了对客观题做出非常准确的判断外，对主观题和语言学习方面的评价也在进一步发展。通过在系统中设定作文评价标准，可以对学生的写作风格、手法、结构等进行分析，为学生的写作提供智能化修改服务;通过设定答题评价标准，分析学生的解题步骤及思路，对学生的答题进行评价，使答题过程更加规范。考评测场景下的应用较少，主要是由少儿的年龄特征造成的，较少对学前儿童进行学业考试和评价。

整体而言，人工智能技术发展推动教育领域变革，在教和考评测的场景下解放教师生产力，轻松取代重复性工作，促进教师角色的转变。解放教师，使其可以更关注学生作为“人”的精神构建和成长[9]，将更多时间和精力放在创新教学上，有更多时间与学生交流，而且还可以根据数据为学生提供个性化反馈，从测评方面把握学生知识点的薄弱环节，进行专攻。不过，人工智能不应只是简单的替代重复劳动，应该在学生的个性化学习、自主学习方面有更深入的期待。

2.应用形态

对文献中的应用形态进行编码统计发现，人工智能技术的应用形态较为分散。此外，不同文献对相同的应用形态有不同名称，如智能导学系统[10]、智能导师系统[11]、智能教学系统[12]、智能教育平台[13]等，其英文名字均为“Intelligent Tutoring System，简称 ITS”。因此，在编码时将以上不同名称的系统统一为自适应学习系统。统计发现，当前主要应用形态有7种，如图5所示，自适应学习系统是最主要的应用形态，其次为智能教育机器人，之后依次是智能批改评阅系统、教学平台、智慧课堂、智能测评系统、VR/AR。整体而言，应用较为简单，且各类智能化产品的普适性较低，大多借鉴了其他教育阶段的成果[14]。

（1）自适应学习系统

自适应学习系统通过人机交互、虚拟现实、自适应学习、知识图谱等智能技术，基于大数据，支撑精准的学情判断和科学的学习路径推荐，便于教师掌握整个教学过程，从而及时调整、分析、评价和反思，实施数据驱动的过程化、精准化教学评价[15]。通过多途径形成人工智能与教育的双向赋能态势，助推“人工智能+教育”的良性发展。针对不同需求对海量教学数据进行智能整合，从而辅助和优化教学过程[16]。课程内容满足个性化发展，根据儿童的学习兴趣和认知水平选择适合的学习资料，结合儿童的兴趣爱好和自信心提供适合其学习的教学材料，如图像、声音、视频等，多感官接触，激发好奇心和兴趣。

不过，当前自适应学习的产品大多关注单一狭窄领域[17]，如学生某一科目学习的情况，从而专注通过技术方式提升学生的学习效果，对学生的综合能力发展、身心健康等方面关注不足。人工智能教育的应用核心在于是否可以满足未来教育的需要，而未来教育的大方向强调关注学生的认知过程，发展学生的批判思维能力、问题解决能力，促进学生全面发展[18]。因此，除了单一学科的自适应学习，更应重视艺术和文化的审美能力、创新创造能力、交流沟通能力等的培养，主动探索人工智能技术在儿童综合素质培养方面的应用。由此可见，加强人工智能技术在教育中的应用仍然任重道远。

（2）智能教育机器人

智能教育机器人以灵活启动学习资源、记录学习过程、监督学生学习质量的特点，起到服务学习的作用[19]。近几年是教育机器人大爆炸的时代。智能教育机器人的应用十分广泛，种类较多。国内教育机器人主要面向家庭和教师教学两个不同方面[20]。

面向家庭的早教机器人以早教和陪护功能为主，与幼儿实现智能互动，同时提供丰富的教学和娱乐资源，如经典故事、算术、中英翻译等，贴心陪伴孩子，教孩子学习知识，激发孩子对知识的好奇心和探索欲，并辅助家长看护孩子[21]。面向教师教学的伴学机器人具有强大的辅助教学、管理教学等功能。一方面充当智能化的教具，通过与学生的互动进行自我学习，掌握学生的更多数据和特点;另一方面，通过采集学生特点进行因材施教和精准推送，辅助教师开展教学活动。

虽然智能教育机器人在少儿阶段的应用较为广泛，但儿童的发展既要涉及知识的学习，同样也需要情感的建构。一些固定的知识学习可以通过智能机器人的辅助实现，但对于儿童人格、能力、情感、态度等内容的发展和培养，智能机器人难以实现。此外，机器人的设计应根据儿童的身心发育特点，从而保障其应用效果。我国目前研发的教育机器人在适用性、性价比、功能等方面比較单一，功能划分不够明确，特色不强[22]，仍需进一步加强。

（3）智能批改评阅系统

将拍照搜题、智能批改、机器阅卷可编码为智能批改评阅系统，属于替代式教育。替代式教育可以代替教师执行部分任务，如阅卷、批改、考试结果的判断、作业和练习的检查等，还能提供针对性的反馈诊断报告，指导学生进行修改，一定程度上解决了教师因作文批改数量大而导致的批改不精细、反馈不具体等问题。

（4）其他应用形态

基于人工智能构建个性化的学习推送服务平台，可以实现资源的交流互动、资源分享、资源推送、课程直播服务等功能，属于功能集成的教学平台。智慧课堂用于课堂教学中，可以整合多元化的教学资源，支持教师多样化的课程讲授方式，通过人工智能技术辅助教师教学，能针对不同学生的特点，设计相应的课程和教学活动，为学生提供智能化的学习服务。智能测评系统主要应用于口语测评的场景。利用人工智能技术，对发音进行准确性检测，精准定位存在发音问题的词语、音素等，自动生成测试报告并提供标准发音，可以对儿童口语发音、语言流利性、语法掌握、情感调用等进行评分、纠错和指导反馈[23]。VR/AR创设虚拟课堂，消除实验实践的物理距离隔阂，促进和实现学生之间的资源共享，尤其是实验设备设施昂贵的情况下。如在远程教学场景中，学生能够远程进入虚拟课堂开展化学或物理实验操作，教师能够感受到学生的动作并在必要的时候进行纠正，同时学生也能够看到、听到和感受到教师的指导动作，实现师生远程触觉交互。

3.应用的关键技术

当前，应用于教育的人工智能关键技术[24]包括很多，如深度学习、机器学习、教育大数据、学习分析、教育数据挖掘、语音识别等，但不同学者对人工智能在教育中应用的关键技术主要有哪些，持有不同观点。为了进一步了解当前人工智能在教育中应用的关键技术，对研究中提及的关键技术进行编码。编码分为两个维度，首先是对关键技术手段进行记录并对技术手段出现的次数进行统计，之后采用学者杨现民提出的人工智能技术框架[25]按照技术层级进行编码。

（1）关键技术手段

统计发现，有26篇文章完全没有提及关键技术，有3篇提及了關键技术，但没有陈述具体的技术，而是用了诸如“人工智能技术”等描述较为宽泛的词汇。有22篇文章提及关键技术较为详细，如图像识别、语音识别等。本文主要对22篇详细提及关键技术的文章进行了深入统计。在统计过程中将相同关键技术在不同论文中的表述方式进行了统一，如将面部识别、人脸识别，统一为人脸识别;将文本识别、文字识别统一为文本识别;将虚拟现实、VR统一为VR;将机器视觉、计算机视觉，统一为计算机视觉;将知识表示、知识表征、知识的表示方法，统一为知识表征等。在统一表述之后，进行词频统计，选取词频在5次以上的关键技术，得到如图6所示的结果。

在少儿阶段，应用较为广泛的人工智能关键技术依次是大数据分析、VR、语音识别、自然语言处理、情绪识别和分析、图像识别这六个关键技术。《人工智能标准化白皮书（2018版）》中将人工智能关键技术分为机器学习、知识图谱、自然语言处理、人机交互、计算机视觉、生物特征识别和虚拟现实/增强现实7项[26]。本文所得结果只有两项技术与其相同，分别是自然语言处理和虚拟现实技术。教育应用中更加强调大数据分析技术，对学生的学习行为数据、教学资源数据、管理数据等进行挖掘、处理和分析。此外，知识图谱和人机交互虽然也是应用于教育的关键技术，但出现的次数并不多。实际上，知识图谱是一种复杂的数据分析和决策支持有效手段，将人类专家的知识、经验、思维和逻辑存储，帮助计算机从大量无序的信息资源中重构知识之间的连接，有效组织各学科的知识体系，为实现精准教学和个性化学习提供前所未有的发展空间。因此，知识图谱技术被提及的次数较少，说明当前人工智能在教育中的应用不够深入，缺乏对整体学科知识体系的整合，未来应加强知识图谱技术的应用。

另外，关键技术之间存在交叉，如情绪识别和分析是使用人脸识别、语音识别和分析等进行的深入处理，在分析后进行解释。人脸识别应用较为广泛，如教学管理中的校园安全管理系统，用于教师的考勤、师生的门禁、身份认证等。此外，在课堂管理中，还包括人脸检测跟踪、人脸关键点定位等技术，用于学生听课情绪和专注程度的判断标准。关键技术的交叉一定程度上说明当前研究对技术的探讨不够深入，对“关键技术”的定位不够清晰，此外，也说明人工智能的底层技术发展较快，形成了不同层面的关键技术。因此，也需要将其放在教育应用的技术框架中。

（2）关键技术层级

教育人工智能的技术框架分为五个层面，从最底层到最顶层，依次是教育数据层、算法层、感知层、认知层、教育应用层[27]，如图7所示。教育数据层是框架的基础层面，包括很多数据，如学生行为数据、学校（机构/平台）管理数据、教学资源数据、学生评价数据等，可以对数据进行采集、处理以及存储。算法层是核心，主要包括机器学习和深度学习。机器学习能够基于大量数据自动识别模式并发现规则，在学生行为建模、预测学习表现、预警失学风险、学习支持与测评等方面具有十分重要的作用[28];深度学习在文本识别、语音识别、图像识别等方面的识别准确率远超过传统技术的识别能力[29]。感知层是让机器具备感知外部世界的能力，如可以像人一样能听、能看、会说、会认，该层由识别技术构成。认知层比感知层更进一步，强调让机器能够读懂识别出的内容的内在含义。认知层的关键技术包括自然语言处理、知识表示方法、智能代理、情感计算等。技术框架的最顶层是教育应用层。该层是各种人工智能技术应用的集中体现，具有不同的应用形态，如智能导学、智能批改、智能教育机器人、分班排课、VR/AR教学、教育智能管理等[30]。

上述划分更加清晰地呈现了人工智能技术及其应用。将关键技术按照该框架进行分类计数，得到少儿阶段6个关键技术在技术框架各层面的分布，如图8所示。结果发现少儿阶段应用的感知层关键技术最多，其次是教育应用层，然后是认知层，接下来分别是教育数据层和算法层。关键技术主要分布在感知层和教育应用层。感知层的技术得到了快速发展，在教育中衍生出很多应用，如拍照搜题、拍照批改、智能阅卷等，将教师从重复工作中解放出来，作为替代式教育非常成功的应用形态，得到了更多学者的关注和研究。

当前关键技术研究对认知层的关注不够，从个性化教学、自适应学习等新兴理念来看，认知层与人工智能的联系更加紧密，除了能够利用技术识别语音、图像、文字等内容外，还可以在此基础上进行深入分析，为教育应用提供支持。当前自适应学习系统虽然会对学生的行为数据进行分析，但应用效果并不理想，底层知识模型和学习模型构建不够科学，难以对学生进行准确的分析和干预。因此，结合各层面技术，人工智能的应用在个性化教学、对学生全面评价方面应有更深入的期待，在后续研究中，应当加强对认知层技术的关注和应用。

五、应用展望

人工智能在在线少儿教育领域的运用，取得了一些成效和影响，但整体仍处于发展的起步阶段，依然面临着许多困境。一方面，要大力发展人工智能产品的研发力度，合理运用人工智能技术[31]，提高技术服务品质[32]。不仅关注学生的知识习得，更要关注自主学习和全面发展的培养，帮助教师更好地理解学生学习的过程，并帮助学生更加高效地学习，促进建模能力、实际问题解决能力、协作能力等高階能力的培养[33]。另一方面，要加强数据监管，尝试进行科学的数据共享，最大化发挥人工智能技术的价值。尽管人工智能产品运用于在线少儿教育可以有效解决当前存在的一些问题，但也不能盲目乱用，应该以尊重少儿的个性和尊严为前提，遵循少儿身心发展的普遍规律，恰当运用人工智能技术，实现少儿个性化、适宜性发展[34]。

参考文献：

[1][14]宋丹，李茂林，胡珍，等.人工智能在学前教育中的应用浅探[J].今日科苑，2019（10）：31-42.

[2]黄荣怀，汪燕，王欢欢，等.未来教育之教学新形态：弹性教学与主动学习[J].现代远程教育研究，2020，32（3）：3-14.

[3]上海艾瑞市场咨询有限公司.中国AI+教育行业发展研究报告2019年[R].艾瑞咨询系列研究报告，2020：43-87.

[4][5][26]王有学，高洁.论人工智能技术发展及其在教育中的应用[J].中小学电教，2019（4）：6-9.

[6]李鹏华.人工智能在中小学及学前教育管理中的应用[J].现代交际，2018（2）：171-172.

[7]穆萍，罗永霞，兰虹.人工智能教育应用[J].新时代学刊，2019（2）：137-141.

[8]李欣，刘子建.增强现实技术在儿童数字出版中的运用[J].出版广角，2018（14）：65-67.

[9]顾明远.立足教育本质看“人工智能+教育”[J].中小学数字化教学，2019（9）：1.

[10][30][33]张立山.“人工智能+教育”的发展历史与研究进展[J].人工智能，2019（3）：8-14.

[11]李海峰，王炜.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[J].远程教育杂志，2019，37（2）：65-75.

[12]邱雪莲，齐振国，李京澳.人工智能在基础教育领域的发展路径探究[J].数字教育，2018，4（5）：52-56.

[13]吴强.试论人工智能在中小学智慧教学中的应用[J].科技风，2019（31）：36-37.

[15]王佑镁，宛平，赵文竹，等.科技向善：国际“人工智能+教育”发展新路向——解读《教育中的人工智能：可持续发展的机遇和挑战》[J].开放教育研究，2019，25（5）：23-32.

[16]梁松，赖锦辉.“人工智能+教育”时期高校学科建设新探[J].现代计算机（专业版），2018（30）：57-60.

[17]蔡恩泽.“人工智能+教育”变革任重道远[J].互联网天地，2019（6）：35-38.

[18]华璐璐.人工智能促进教学变革研究[D].南京：江苏师范大学，2018.

[19]方海光，仝赛赛，杜婧敏，等.基于区块链技术的智慧学习机器人设计研究——面向大规模学习服务系统的智慧学习机器人[J].远程教育杂志，2017，35（4）：42-48.

[20]汪时冲，方海光，张鸽，等.人工智能教育机器人支持下的新型“双师课堂”研究——兼论“人机协同”教学设计与未来展望[J].远程教育杂志，2019，37（2）：25-32.

[21]张晨晨，殷雪峰，李鹤.早教机器人：教育与人工智能的绝妙融合[J].湖北农机化，2019（17）：15.

[22]董荻.人工智能与教育的融合——智能机器人在学前教育领域的应用[J].教育教学论坛，2019（31）：1-2.

[23]顾雯，王娟.人工智能技术在汉语教学中的应用[J].软件导刊，2020，19（6）：39-43.

[24]徐嘉欣，张浩.我国近十年“人工智能+教育”研究热点分析[J].软件导刊，2019，18（8）：8-11，15.

[25][27][32]杨现民，张昊，郭利明，等.教育人工智能的发展难题与突破路径[J].现代远程教育研究，2018（3）：30-38.

[28]余明华，冯翔，祝智庭.人工智能视域下机器学习的教育应用与创新探索[J].远程教育杂志，2017（3）：11-21.

[29]刘勇，李青，于翠波.深度学习技术教育应用：现状和前景[J].开放教育研究，2017（5）：113-120.

[31]赵雨晨.人工智能时代对学前儿童学习影响研究[J].佳木斯职业学院学报，2018（4）：297.

[34]杨洋，陈维维.人工智能技术发展及其在幼儿教育中的应用[J].软件导刊，2020，19（2）：132-135.

（编辑：王晓明）