我国职业教育领域人工智能研究热点及发展态势

王敏 阮志红

摘要：选取CNKI数据库中的符合研究主题文献，运用社会网络分析、系统聚类和战略坐标分析等可视化方法进行分析，梳理职业教育领域内人工智能技术研究热点，预测未来发展趋势，以期为后续研究提供参考与借鉴依据。研究发现，职业教育领域有关人工智能的研究主要集中于智能时代的职业教育理论及人才培养目标的转变、人工智能环境下的现代职业教育体系变革研究、人工智能环境下“双师型”教师的培养策略研究。预测未来几年，人工智能在职业教育领域的研究热点是深化校企合作，着力培养职业能力以及职业教育开展高质量培训。

关键词：人工智能;职业教育;共词分析;可视化

中图分类号：G712     文献标识码：A

文章编号：1009-3044（2022）16-0163-04

2017年7月，国务院印发《新一代人工智能发展规划》，首次以国家战略高度部署人工智能发展[1]。紧随其后，教育部发布《关于进一步推进职业教育信息化发展的指导意见》，为体现职业的教育特色，“加大人工智能等新技术的应用”，再次强调人工智能与职业教育融合发展的重要性[2]。目前，我国正处于产业结构转型的关键时期，利用人工智能技术赋能职业教育，助力国家产业整体转型升级，实现职业教育智能化是新时代职业教育促进产教融合、深化校企合作的新路径，也是职业教育未来发展的必然趋势。

本研究采用共词分析法与知识图谱的研究方法，将已发表的文献以可视化的呈现方式，表征相关文献之间联系强弱[3]。通过文献梳理，对职业教育领域的有关人工智能的研究热点进行分析，预测未来发展态势，以期为我国职业教育领域人工智能的深入研究提供相关支持。

1 研究方法和工具

1.1 研究方法

共词分析法的原理是通过统计两个能够表达某一领域研究主题的专业术语同时出现在一篇文献的频次，分析这两个专业术语之间存在相关关系，如果两个专业术语共现的次数越多，則表示相关关系越显著，从而分析预测该领域内研究发展热点和趋势[4]。简短凝练的关键词可以表达文献的核心观点，本研究基于关键词的共词分析来分析预测研究的热点和未来趋势。

1.2 研究思路与数据处理工具

本研究的数据处理流程和数据处理工具如图1所示。

2 研究过程

本研究数据来自中国知网（CNKI），在高级搜索功能的专业检索框中以“SU=“人工智能”OR SU=“AI”进行检索，限定检索文献分类目录为社会科学Ⅱ辑下的“职业教育”领域。为了保障样本文献质量，来源类别限定为核心期刊和CSSCI，检索时间截至2021年3月16日，共得到检索结果是110篇相关文献。筛选剔除会议通知、非学术文献、主题不符合等文献，最终获得有效样本文献84篇。

3 职业教育领域人工智能的研究热点分析

3.1 数据总体分析

1）文献发表量趋势。按照Bicomb2.0软件操作规范，对职业教育领域中的与人工智能相关的文献量进行梳理，统计结果如图2所示。2016年以来，全球人工智能研究进入呈现井喷式发展，但数据检索表明，职业教育领域内关于人工智能的第一篇文献是2017年发表的。

从图2可以看出，检索数据表明，每年发表的论文数量呈上升趋势。由于本研究检索文献的截止时间是在2021年3月16日，发文量仅有6篇，职业教育领域中人工智能的各方面的研究，仍需持续性地投入大量的经费与人力资源，因此预测2021年与本主题研究的相关文献的发文量会超越2020年，呈现上升趋势。

2）作者情况分析。同样利用Bicomb2.0软件提取作者字段，总共抽取124位作者，作者个人发文最高量是6篇，如表1所示。根据普莱斯（Price）定律，高频作者的最低发文量为m≈0.749，经过代入计算m值为2。本研究中高频作者即为发文量是2篇以上的作者。普莱斯定律认为，高频作者发文量大约占总发文量50%，符合莱普斯定律的高频作者有8位，高频作者的文献共有84篇，占总文献总量的32%。表明在职业教育领域中关于人工智能的相关研究作者发文影响力较小，需要不断地进行探索。职业教育领域的专家还要继续深入人工智能与职业教育融合的研究。

3）关键词分析。对符合研究主题的文献关键词进行研究，有助于研究者探索分析领域的热点及预测发展趋势。删除指代不清晰的关键词（如挑战、发展路径等），对关键词进行标准化处理（如将AI、人工智能合并为人工智能，高职院校、高职合并为高职院校等）。借鉴同类型研究统计分析标准，如表2所示，在该表中可以发现靠前的25个关键词其出现的频次占总频次的40%，较为直观地反映了人工智能在职业教育领域研究的重心点。

3.2 社会网络图谱分析

社会网络分析方法（Social Network Analysis）是研究一组行动者之间关系的研究方法，主要以数据挖掘量化为基础，以可视化的图谱形式更直观清晰地把各行动者之间联系强弱呈现出来。

将Bicomb2.0软件中生成的共现矩阵导入社会网络分析Ucinet6.0软件中，绘制高频关键词社会网络图谱，如图3所示。社会网络图谱中正方形节点代表高频关键词，如果节点大小代表社会网络中的影响力大小。在网络中用来连接各个关键节点的边代表各关键词关系密切程度，如果边的线条较粗则说明它们出现在同一篇文献中的频次越高[5]，表示相互关系越密切。从关键词节点大小来分析，除去检索词“人工智能”外，职业教育、人才培养、产教融合、专业群和智能制造等构成了职业教育领域的核心关键词。从关键词节点间的连线粗细来分析，人工智能作为中心点，与职业教育之间的线条最粗，说明人工智能在职业教育领域的研究已经崭露头角并迅速发展。其次，职业变迁、人才培养、产教融合、校企合作等关键词也较为突出。第三，从整体共词社会网络分析图分析，职业教育治理处在边缘位置，与其他关键词联系不密切，说明人工智能在职业教育治理领域研究相对较少，未来这方面的研究还需要不断探索。

3.3 聚类分析

聚类分析是常用的多元统计分析方法之一。它的统计原理可以理解为“物以类聚”，按照亲疏程度进行分类，聚集在一起形成主题类团呈现聚类结果，如图4所示，生成聚类树状图。结合可视化聚类树状图，人为划分为三大类团：智能时代的职业教育理论及人才培养目标的转变（A类团）、人工智能环境下的现代职业教育体系变革研究（B类团）、人工智能环境下“双师型”教师的培养策略研究（C类团）。

1）智能时代的职业教育理论及人才培养目标的转变（A类团）。该主题包括人才培养、高职教育、人工智能、第四次工业革命、智能制造、专业群、职业教育、智慧教育和专业设置等8个高频关键词。

不可否认，未来拥有人工智能的机器人会逐步替代人类从事重复性较强的工作[6]。John Markoff在《与机器人共舞》预测，每当机器人替代一个传统工作岗位，将伴随出现3.6个新的工作岗位[7]。专家预测智能时代的职业变迁会有三个维度：职业替代、职业互补和职业创造[8]。想象一下，未来十年人工智能设备已遍布我们生活的方方面面：无人驾驶可以载着我们快乐出游;家庭护理机器人可以及时有效地照顾生病的家庭成员;自动收割、自动播种设备成了新时代的“农民”;制造车间里工业机器人进行着自动化、程序化的各种基础工作[9]。人类智能更多地投入产品的设计、管理、维护、保养、升级等更能体现人类劳动者独特的技能性、创造性的工作;智能服务、智慧养老等更能体现人文特色的工作。

目前，职业院校的专业群建设与企业行业联系不够密切，缺乏系统设计，专业调整与行业企业对接不够深入，最终导致学校培养职业技能与行业企业的技能需求严重脱节。职业院校需要对目前所开设的相关专业的发展，要具备敏锐的嗅觉，根据产业发展动态及时调整学科专业设置，将新技术融入教育教学，新工艺、新规范等产业先进元素纳入教学质量标准和教学研究内容，提高职业教育培养的人才与产业发展需求的匹配度。秦凤梅学者提出“人工智能+”专业群建设，按照“底层共享、中层分立、高层互选、顶层贯通”原则构建设计出迎合人工智能时代发展的专业课程体系，为社会培养行业通用能力甚至是跨行业能力的复合型人才[10]。

2）人工智能环境下的现代职业教育体系变革研究（B类团）。在该主题中包括智能时代、工作世界、职业替代、校企合作、新职教集团等关键词。面对人工智能的如火如荼发展，职业教育需要跟上其发展脚步，占领人才培养高地，培养能够适应“智能生产”的以信息素养为核心能力的职业技术人才。通过和企业联合培养的方式，是职业院校提高学生职业素质的最为有效的对策，是办好现代化职业教育的关键所在。我国区域发展不平衡，中西部职业教育发展程度也存在很大差异，不同区域校企合作机制也存在很大差异。徐晔，黄尧[11]等学者提出构建校企深度融合的混合式教学模式，校企共同组建师资力量，利用人工智能技术设计开发虚拟仿真实训系统，打造符合行业标准的教学资源，实现培养复合型技术技能人才的人才培养目标，确保职业教育系统与整个社会系统的人才供需动态平衡。

职业教育必须打通内外部立交桥，优化类型定位，一体化设计中职、高职、本科职业教育培养体系，通过“政校行企”多方共建，健全多元办学格局，集中优势资源共同构建“教、学、做”融通开放的教学模式，开展“岗课赛证”一体化人才培养，探索符合职业教育特点的人才培养模式。

数字化技术时代的到来，为打破无形边界提供了可能。互联网、人工智能、大数据、VR、AR的发展，极大地解除了创设“真实”世界的经济和技术限制，從而推动了教育场景的革命性变革。数字技术可以推动更广泛的产教融合、资源共享、协同育人，推动无边界学校发展。

3）人工智能环境下“双师型”教师的培养策略研究（C类团）。为了培养人工智能背景下复合型高技能智能人才，目前职业院校的教师更应该去了解人工智能的发展与研究趋势，积极开展人机协同、人机交互等教学方式优化教学过程。

职业教育的特点决定了职业教育教师身份的“双师型”：一是从事课堂教学工作，需要教育理论素养，二是从事特定的职业活动，需要企业实践技术素养。培养双师型教师的途径有下列几种：一是吸纳引进企业人工智能高素质人才进入教师队伍;二是职业院校建立人工智能研发创新中心，聘请企业高端人才担任现代学徒制教师，促进职业院校教师成长;三是校企联合培养高素质人工智能“双师型”教师[12]。

近年来，我国职业院校与企业之间校企合作取得了一些成果，但多数校企合作还处于浅层次合作，没有建立深度校企合作的长效机制。利用校企合作模式培养“双师双能型”教师，需要职业院校与企业双方共同积极参与。但由于学校企业双方利益不同，教师很难真正融入企业实际生产，企业技术人员也难以长时间担任教职人员，因此达不到预期效果。如何充分利用人工智能技术打造一支智能化“双师双能型”教师队伍呢？运用人工智能等技术创建可视化虚拟技术建设“交流与共享”培训合作平台，以云端培训形式创新教师培训模式，经过“目标+内容+过程+评价”四个环节，以大数据快速精准定位教师职业能力特征构建。促成职业院校“双师双能型”教师培训与人工智能技术相互融合，实现“双师型”教师“双能力”的形成[13]。

3.4 战略坐标分析

1988年Law等人首次提出“战略坐标”分析法，以二维坐标方式呈现某研究领域内主题之间的影响程度以及研究主题内部关系的算法[14]。横坐标（X轴）表示向心度（Centrality），用于衡量不同主题之间的相互联系程度，向心度越大，则代表研究主题之间的相互影响程度越高，说明该研究主题在该领域中与其他研究联系越紧密，研究主题地位越重要;纵坐标（Y轴）表示密度（Density），用于衡量研究每个主题内部各关键词之间联系的紧密程度，密度越高，则表明研究主题在该研究领域中发展越稳定。

通过战略坐标图分析，分布在第一象限的是智能时代的职业教育理论及人才培养目标的转变（A类团），如图5所示，A类团的向心度和密度都明显优于B类团和C类团，这表明A类团这类主题处于研究网络中心，与其他主题联系密切且内部结构相对紧密。分布在第二象限的人工智能环境下的现代职业教育体系变革研究（B类团），向心度相对高，密度较低，表明校企结合、产教融合和职教集团与其他主题研究联系密切，而内部研究结构不紧密，研究尚需要进一步加大力度。在人工智能背景下，利用技术优势建立起现代化的职业教育体系的研究具有进一步发展趋势。分布在四象限的人工智能环境下“双师型”教师的培养策略研究（C类团），向心度和密度都很低，表明职业教育“双师型”教师的培养策略研究还处于整个领域的边缘，内部结构松散，研究也相对不成熟。教育理念先进、专业理论扎实、实践经验精湛、应用能力较强的“双师双能型”教师队伍是培养适应智能时代的高质量复合型人才的必要条件。

4 研究结论与展望

结合上述社会网络图谱、聚类树状图以及战略坐标图的结果可知，职业教育领域关于人工智能的研究热点重要集中在智能时代的职业教育理论及人才培养目标的转变，人工智能环境下的现代职业教育体系变革研究，人工智能环境下“双师型”教师的培养策略研究。每个研究都相对不成熟，需要进一步深入研究，大多数研究还仅停留在表面层次，有很多学者仅把人工智能当成研究背景，没有真正将人工智能技术应用到研究中，难以体现人工智能和职业教育的深度融合。而基于“人工智能+学习型社会”的发展，“人工智能+社区”职业教育培训服务和“人工智能+终身职业教育”以及相关的教育评价和治理机制等研究鲜有涉及。显然，职业教育正逐步拥抱人工智能时代，但是人工智能技术并未真正实现职业教育的智能化和专业化的发展目标，在未来几年人工智能在职业教育领域的研究仍然是研究热点。

4.1 以培养能力为本位，深化校企合作

密切关注行业企业与人工智能融合的前沿动态，分析未来职业潜在需求，深入调研专业岗位需求，制定人才培养方案。未来的工作世界是人机协同工作的社会。未来职业技能需求是运用人工智能技术解决工作中的现实问题，并与人工智能协同创造新产品、新服务。毕业生结构性失业是目前职业教育需面对和解决的难题。职业教育是与经济社会联系最为紧密且有别于普通教育的一种类型教育，职业教育的跨界属性决定了学生职业能力无法在企业一侧或者职业学校一侧完成，因此需要企业与学校“双主体”共同参与人才培养全过程。校企合作基于职业能力培养和评价标准作为起点，共同开发活页式、工作手册式等新型教材，切实促进学生职业能力提升。

4.2 职业教育开展高质量培训

随着人工智能技术与传统行业不断融合创新，新行业、新岗位不斷涌现，保留下来的传统职业岗位也会因融合人工智能技术而进行升级换代。未来工作世界是“学习-工作-再学习-再工作”多重循环模式。职业教育积极探索运用信息化技术创办“人工智能+互联网”教育模式，即为全体在校生、未来需要接受继续教育和技能培训社会人员提供多途径、多层次的职前和职后高质量职业培训。

参考文献：

[1] 国务院.《新一代人工智能发展规划》[EB/OL].（2017-07-20）[2021-03-20].http：//www.gov.cn/xinwen/2017-07/20/content_5212064.html.

[2] 教育部.《教育部关于进一步推进职业教育信息化发展的指导意见》[EB/OL].（2017-09-05）[2021-03-20].http：//www.moe.gov.cn/srcsite/A07/zcs_zhgg/201709/t20170911_314171.html.

[3] 钟伟金，李佳.共词分析法研究（一）——共词分析的过程与方式[J].情报杂志，2008，27（5）：70-72.

[4] 李颖，贾二鹏，马力.国内外共词分析研究综述[J].新世纪图书馆，2012（1）：23-27.

[5] 陶红，唐婷.大数据在职业教育领域的研究热点与发展态势——基于共词分析的视角[J].职教论坛，2020，36（6）：145-153.

[6] 唐林伟.人工智能时代，我们需要怎样的技能？[J].职教论坛，2017（17）：1.

[7] Markoff J.与机器人共舞：人工智能时代的大未来[M]. 郭雪，译.杭州：浙江人民出版社，2015：18-19.

[8] 吕建强，许艳丽.重新发现人类劳动的价值：智能时代的职业变迁与职业教育应对[J].成人教育，2021，41（2）：55-59.

[9] 张祺午.职业教育如何应对人工智能时代[J].职业技术教育，2017，38（21）：1.

[10] 秦凤梅，莫堃.“双高”背景下高职“智+”专业群构建[J].教育与职业，2021（6）：47-50.

[11] 徐晔，黄尧.人工智能与高等职业教育的关系探究[J].中国职业技术教育，2020（24）：67-72.

[12] 王鑫明.论“人工智能+”现代学徒制创新型人才培养体系的构建[J].教育与职业，2020（8）：56-62.

[13] 古翠凤，刘雅婷.基于人工智能的高职院校“双师型”教师培训设计[J].职教论坛，2020，36（8）：82-90.

[14] Law J，Bauin S，Courtial J P，et al.Policy and the mapping of scientific change：a co-word analysis of research into environmental acidification[J].Scientometrics，1988，14（3/4）：251-264.

【通联编辑：唐一东】