0 引言

2022年11月，美國(guó)OpenAI公司發(fā)布Chat-GPT，這一里程碑式的事件標(biāo)志著生成式人工智能邁出重要一步[]。生成式人工智能是一種應(yīng)用機(jī)器學(xué)習(xí)算法和神經(jīng)網(wǎng)絡(luò)模型從大量數(shù)據(jù)中學(xué)習(xí)對(duì)象的特征與規(guī)律，并能夠生成新的、符合特定要求對(duì)象的技術(shù)[2]。在數(shù)字化浪潮的推動(dòng)下，生成式人工智能作為人工智能領(lǐng)域的重要分支之一，以其獨(dú)特的生成能力與創(chuàng)造力引領(lǐng)了教育變革。近年來(lái)，生成式人工智能在教育領(lǐng)域的應(yīng)用越來(lái)越廣泛，從簡(jiǎn)單的文本生成到復(fù)雜的音視頻和虛擬場(chǎng)景生成，其技術(shù)已滲透到教育的多個(gè)方面，為傳統(tǒng)教育模式注入了新的活力。深入探討生成式人工智能教育應(yīng)用領(lǐng)域研究焦點(diǎn)與發(fā)展趨勢(shì)，對(duì)推動(dòng)教育順應(yīng)數(shù)字化時(shí)代的發(fā)展具有重要意義。

1數(shù)據(jù)來(lái)源與研究方法

本研究以“Generative Artificial Intelli-gence\"\"AIGC\"\"ChatGPT\"和\"education\"\"teaching\"作為主題詞，選取WebofScience核心合集數(shù)據(jù)庫(kù)進(jìn)行文獻(xiàn)檢索，搜索時(shí)間設(shè)為2019年1月一2024年6月，經(jīng)人工篩選，將重復(fù)文獻(xiàn)、與本研究主題不相關(guān)的文獻(xiàn)和非學(xué)術(shù)性文章剔除，最終確定336篇有效文獻(xiàn)作為研究樣本。隨后使用CiteSpace工具，采用文獻(xiàn)計(jì)量學(xué)方法，對(duì)這些文獻(xiàn)數(shù)據(jù)進(jìn)行分析。

2 研究現(xiàn)狀概述

2.1研究文獻(xiàn)的發(fā)布時(shí)間與發(fā)文數(shù)量

通過(guò)對(duì)研究文獻(xiàn)發(fā)布時(shí)間與發(fā)文數(shù)量的統(tǒng)計(jì)分析發(fā)現(xiàn)（見(jiàn)圖1），關(guān)于生成式人工智能在教育領(lǐng)域應(yīng)用的文章，2023年之前年均發(fā)文量不超過(guò)10篇。自2022年ChatGPT問(wèn)世以來(lái)，這一領(lǐng)域的文獻(xiàn)數(shù)量呈現(xiàn)出激增態(tài)勢(shì)。2023年，聯(lián)合國(guó)教科文組織發(fā)布《生成式人工智能在教育和研究中的應(yīng)用指南》（Guidance for generative AI ineducationandresearch），深入分析了生成式人工智能對(duì)教育的顛覆性影響，鼓勵(lì)各國(guó)合理應(yīng)用此技術(shù)[3]。到2024年6月，發(fā)文量達(dá)到一個(gè)很高的水平，表明生成式人工智能教育應(yīng)用領(lǐng)域的研究正處于持續(xù)走高的狀態(tài)，吸引了越來(lái)越多研究者的關(guān)注與投入，未來(lái)有望取得更多突破性成果。

2.2研究文獻(xiàn)的發(fā)文國(guó)家／地區(qū)分布

發(fā)文量排名前八的國(guó)家為美國(guó)（111篇）、中國(guó)（66篇）、英國(guó)（41篇）、澳大利亞（39篇）、印度（18篇）、西班牙（15篇）、德國(guó)（14篇）、韓國(guó)（14篇）。

圖12019年1月一2024年6月生成式人工智能教育應(yīng)用領(lǐng)域的發(fā)文量趨勢(shì)

美國(guó)政府早在2016年便已將人工智能提升至國(guó)家戰(zhàn)略層面，其科研實(shí)力在全球范圍內(nèi)處于領(lǐng)先地位，該國(guó)對(duì)教育也極為重視，因此在生成式人工智能教育應(yīng)用領(lǐng)域的發(fā)文量遙遙領(lǐng)先，彰顯了該國(guó)在這一領(lǐng)域的顯著優(yōu)勢(shì) [4]。

我國(guó)在人工智能領(lǐng)域起步較晚，但依靠政府扶持、技術(shù)支持和持續(xù)且大量的資金投入，目前正處于蓬勃發(fā)展的黃金時(shí)期。在這一背景下，我國(guó)在生成式人工智能教育應(yīng)用領(lǐng)域的發(fā)文量迅速攀升，位居全球第二，充分展現(xiàn)了我國(guó)在人工智能領(lǐng)域的強(qiáng)勁勢(shì)頭與巨大潛力。2023年我國(guó)發(fā)布《生成式人工智能服務(wù)管理暫行辦法》，支持使用生成式人工智能開(kāi)展教育[5]。

發(fā)文量排名第三的英國(guó)在2024年發(fā)布《教育中的生成式人工智能》（GenerativeArtificialIntelligence（AI）inEducation），這一報(bào)告包含眾多一線從業(yè)者和研究專家的觀點(diǎn)，肯定了生成式人工智能在教育領(lǐng)域的合理化應(yīng)用，并鼓勵(lì)教育部門(mén)積極使用這一前沿技術(shù)為學(xué)生提供更為個(gè)性化的教育服務(wù)[6]

3 研究熱點(diǎn)與前沿

3.1 研究熱點(diǎn)

關(guān)鍵詞是文章內(nèi)容的高度提煉與濃縮。通過(guò)對(duì)關(guān)鍵詞的追蹤與分析，能夠捕捉到該領(lǐng)域的研究熱點(diǎn)。本研究選取2019年至2024年且時(shí)間切片為1的文獻(xiàn)進(jìn)行分析，最終得到的關(guān)鍵詞共現(xiàn)圖譜如圖2所示。其中，節(jié)點(diǎn)大小代表關(guān)鍵詞出現(xiàn)的頻次，節(jié)點(diǎn)越大，關(guān)鍵詞頻次越高。從節(jié)點(diǎn)大小和頻次來(lái)看，“artificialintelligence”“generative ai”“l(fā)argelanguage model”“generative artificialintelligence”“highereducation”“medicaleducation”“machinelearning”“naturallanguageprocessing”“generativeadversarial network”“deep learning”頻率較高，可以看作本研究領(lǐng)域的熱點(diǎn)。

此外，中介中心性也是衡量節(jié)點(diǎn)在知識(shí)圖譜中重要性的一個(gè)關(guān)鍵指標(biāo)，且中介中心性數(shù)值越高，該節(jié)點(diǎn)在知識(shí)圖譜中的重要性越高。通過(guò)對(duì)中介中心性大于0.1的節(jié)點(diǎn)進(jìn)行篩選，共得到70個(gè)關(guān)鍵節(jié)點(diǎn)，表1對(duì)頻次大于4的30個(gè)關(guān)鍵詞進(jìn)行羅列，按照中心度大小降序排列。從中心度來(lái)看，“artificial intelligence”“generativeai”“deep learning”“model”“l(fā)argelanguagemode”“design”“medicaleducation”“machine learning”“generativeadversarialnetwork”“education”是研究的重點(diǎn)。經(jīng)過(guò)對(duì)兩種排序?qū)Ρ劝l(fā)現(xiàn)，其研究熱點(diǎn)與重點(diǎn)基本保持一致，未見(jiàn)顯著差異。這進(jìn)一步表明，隨著頻率的增高，中介中心度也相應(yīng)增大。因此，這些關(guān)鍵詞在一定程度上能反映生成式人工智能教育應(yīng)用領(lǐng)域的研究熱點(diǎn)。

3.2關(guān)鍵詞聚類(lèi)分析

為了使關(guān)鍵詞的聚類(lèi)結(jié)果更加全面且有說(shuō)服力，本研究使用對(duì)數(shù)似然率算法（Log-LikelihoodRate，LLR）生成關(guān)鍵詞聚類(lèi)，并取關(guān)鍵詞作為聚類(lèi)名稱，得到聚類(lèi)結(jié)果如圖3所示。其中，圖譜參數(shù)模塊度 Q （ModularityQ）值為0.6019， Qgt; 3時(shí)，聚類(lèi)視圖具有明顯的結(jié)構(gòu)，聚類(lèi)劃分結(jié)果是顯著的，故此圖譜結(jié)構(gòu)清晰；平均輪廓值S（MeanSilhouette） gt;0.7 ，說(shuō)明聚類(lèi)結(jié)果高效且有可信度。聚類(lèi)結(jié)果中的 S 值為0.80063，故此聚類(lèi)圖譜結(jié)構(gòu)顯著，聚類(lèi)結(jié)構(gòu)高效且令人信服。生成式人工智能教育應(yīng)用的聚類(lèi)知識(shí)圖譜劃分為10個(gè)聚類(lèi)（圖3），數(shù)字越小意味著聚類(lèi)中包含的關(guān)鍵詞越豐富，一個(gè)聚類(lèi)由多個(gè)高度關(guān)聯(lián)的詞匯組成（表2）。為了進(jìn)一步提煉和概括，本研究將10個(gè)聚類(lèi)進(jìn)一步歸納為以下四大類(lèi)。

3.2.1數(shù)據(jù)驅(qū)動(dòng)下的教育評(píng)估與反饋

由表2可知，類(lèi)別一包括#9（Dataminingtechnique），#l2（Information），其主要聚類(lèi)標(biāo)簽詞包括datamining（數(shù)據(jù)挖掘）、authenticassessment（真實(shí)評(píng)估）、tertiaryeducation（高等教育）、topographicmapping（地形測(cè)繪）、readability（可讀性）和activation（激活）等。數(shù)據(jù)在生成式人工智能中占據(jù)核心地位，是驅(qū)動(dòng)模型訓(xùn)練、知識(shí)生成和智能互動(dòng)的基礎(chǔ)[7]。生成式人工智能基于大數(shù)據(jù)和深度學(xué)習(xí)的技術(shù)支撐，對(duì)學(xué)生在學(xué)習(xí)過(guò)程中的知識(shí)掌握、技能應(yīng)用和學(xué)習(xí)態(tài)度等多元數(shù)據(jù)進(jìn)行挖掘，實(shí)時(shí)監(jiān)測(cè)學(xué)生的學(xué)習(xí)進(jìn)展與狀態(tài)，通過(guò)分析學(xué)生的學(xué)習(xí)數(shù)據(jù)預(yù)測(cè)他們的學(xué)習(xí)趨勢(shì)，以用于教育評(píng)估與反饋[8]。相較于傳統(tǒng)評(píng)價(jià)方式，這種評(píng)估方式更加注重學(xué)生的學(xué)習(xí)過(guò)程，能及時(shí)發(fā)現(xiàn)潛在問(wèn)題，且數(shù)據(jù)的準(zhǔn)確性和客觀性更高，能有效降低主觀性對(duì)評(píng)價(jià)結(jié)果的影響。當(dāng)前教育評(píng)估方面的研究熱點(diǎn)主要集中在高等教育階段，用于高等教育評(píng)價(jià)與管理。

表1關(guān)鍵詞中介中心性排序（前30名）

圖3研究文獻(xiàn)的關(guān)鍵詞聚類(lèi)圖譜

生成式人工智能可以對(duì)教師在課堂上的教學(xué)活動(dòng)進(jìn)行綜合分析，包括教學(xué)內(nèi)容、教學(xué)方法和學(xué)生的參與度等多個(gè)維度，并結(jié)合學(xué)生的反饋和評(píng)價(jià)，對(duì)教師的教學(xué)質(zhì)量進(jìn)行全面評(píng)估。通過(guò)構(gòu)建數(shù)字導(dǎo)師等虛擬角色，幫助教師提升教育評(píng)價(jià)的準(zhǔn)確性，提供更豐富的決策支持[9]。此外，生成式人工智能可以自動(dòng)批改作業(yè)和試卷，提高評(píng)估的效率和準(zhǔn)確性，而且系統(tǒng)可以識(shí)別學(xué)生的答案模式，評(píng)估學(xué)生對(duì)知識(shí)的掌握程度和答題技巧[10]

表2共現(xiàn)網(wǎng)絡(luò)聚類(lèi)表

3.2.2 智能化教與學(xué)的新范式

由表2可知，類(lèi)別二包括#1（Personalizedlearning），#4（Deep learning），#8（Artificialintelligence），#2（Generative ai），其主要聚類(lèi)標(biāo)簽詞包括personalized learning（個(gè)性化學(xué)習(xí)）、predictiveanalytics（預(yù)測(cè)分析）、behavioralintention（行為意向）、adaptiveeducation（自適應(yīng)教育）、intelli-gent tutoringsystems（智能輔導(dǎo)系統(tǒng)）、self-regulatedlearning（自主學(xué)習(xí)）、improvingclassroomteaching（改善課堂教學(xué)）、learningenvironments（學(xué)習(xí)環(huán)境）、policymaking（政策制定）、academicintegrity（學(xué)術(shù)誠(chéng)信）、teachingskillstraining（教學(xué)技能訓(xùn)練）和preservice teachers（職前教師）等。

從學(xué)習(xí)方面來(lái)看，個(gè)性化學(xué)習(xí)是一種以學(xué)生為中心，根據(jù)每個(gè)學(xué)生的獨(dú)特需求和潛能定制學(xué)習(xí)策略和方法，以促進(jìn)其全面發(fā)展的學(xué)習(xí)方式[]。首先，生成式人工智能可以根據(jù)學(xué)生的歷史學(xué)習(xí)數(shù)據(jù)和行為模式預(yù)測(cè)分析其學(xué)習(xí)需求和興趣點(diǎn)，提供個(gè)性化的學(xué)習(xí)資源和推薦[12]。其次，生成式人工智能可以實(shí)現(xiàn)自適應(yīng)學(xué)習(xí)，將獲取到的學(xué)生數(shù)據(jù)反饋給已有的知識(shí)圖譜，動(dòng)態(tài)調(diào)整教學(xué)內(nèi)容和難度，為學(xué)生量身定制課程與練習(xí)題，依據(jù)個(gè)人能力水平設(shè)定適宜的難易程度與學(xué)習(xí)進(jìn)度，確保每個(gè)學(xué)生都能在適合自己的學(xué)習(xí)軌道上，避免“一刀切”教學(xué)方式帶來(lái)的問(wèn)題[13]。再次，生成式人工智能可以基于啟發(fā)性內(nèi)容生成能力為學(xué)生定制有針對(duì)性的學(xué)習(xí)資源與素材，幫助學(xué)生從多元視角深刻剖析知識(shí)點(diǎn)，激發(fā)其探索欲望，提升其創(chuàng)新能力，支持學(xué)生深度學(xué)習(xí)的過(guò)程。最后，生成式人工智能具有預(yù)測(cè)分析、識(shí)別行為意向的作用。當(dāng)其識(shí)別出可能存在的心理健康問(wèn)題、學(xué)習(xí)壓力過(guò)大的情況，或者預(yù)測(cè)出學(xué)生在未來(lái)可能遇到的困難和挑戰(zhàn)，及時(shí)提供干預(yù)措施。

從教學(xué)方面來(lái)看，在備課階段，生成式人工智能可以協(xié)助教師尋找符合教學(xué)場(chǎng)景需求的教育資源，優(yōu)化教學(xué)設(shè)計(jì)，進(jìn)行教學(xué)技能訓(xùn)練；在授課過(guò)程中，生成式人工智能基于學(xué)生的學(xué)習(xí)反饋，發(fā)現(xiàn)教學(xué)中的問(wèn)題和改進(jìn)點(diǎn)，及時(shí)調(diào)整教學(xué)策略，為教師提供精準(zhǔn)的教學(xué)支持[14]；在課后，生成式人工智能可以根據(jù)學(xué)習(xí)情況，自動(dòng)生成符合學(xué)生認(rèn)知水平的練習(xí)題和案例分析，并對(duì)作業(yè)和試卷進(jìn)行自動(dòng)批改，提供詳細(xì)且直觀的可視化報(bào)告，減輕教師負(fù)擔(dān)。對(duì)于個(gè)體學(xué)習(xí)者，生成式人工智能展現(xiàn)出其作為個(gè)性化助教的獨(dú)特價(jià)值。智能輔導(dǎo)系統(tǒng)不僅可以根據(jù)與學(xué)習(xí)者的實(shí)時(shí)交互情況靈活選擇和采用多種導(dǎo)學(xué)模式，為自主學(xué)習(xí)過(guò)程提供適應(yīng)性學(xué)習(xí)支架，還可以在課堂環(huán)境中擔(dān)任助教角色，依據(jù)實(shí)時(shí)教學(xué)互動(dòng)場(chǎng)景為教師提供靈活的交互式教學(xué)支持，優(yōu)化課堂體驗(yàn)與效果[15]

3.2.3 醫(yī)學(xué)教育中的前沿應(yīng)用

生成式人工智能在醫(yī)學(xué)教育領(lǐng)域表現(xiàn)出了巨大潛力。由表2可知，類(lèi)別三包括#0（Medicaleducation），#4（Deep learning）和#5（Surgicalai），其主要聚類(lèi)標(biāo)簽詞包括largelanguagemodel（大型語(yǔ)言模型）、deepneuralnetwork（深度神經(jīng)網(wǎng)絡(luò)）、medicalimaging（醫(yī)學(xué)成像）和natural language processing（自然語(yǔ)言加工）等。其中，大型語(yǔ)言模型（Large Language Model，LLM）是一種深度學(xué)習(xí)算法，利用循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）或變換器等架構(gòu)構(gòu)建的模型，執(zhí)行各種自然語(yǔ)言處理（NLP）任務(wù)[16]。大型語(yǔ)言模型作為生成式人工智能在自然語(yǔ)言處理領(lǐng)域的重要應(yīng)用，其特性在醫(yī)學(xué)教育中展現(xiàn)出顯著優(yōu)勢(shì)。

在醫(yī)學(xué)理論教學(xué)方面，生成式人工智能可以用于知識(shí)問(wèn)答、病例分析、虛擬患者交互等場(chǎng)景，幫助學(xué)生更好地理解和掌握醫(yī)學(xué)知識(shí)。其敏捷性表現(xiàn)在能夠快速生成一系列患者病例，提供豐富的案例資源，且能有效地從海量醫(yī)學(xué)文獻(xiàn)中提取出有價(jià)值的信息和知識(shí)點(diǎn)。WEBB[17]認(rèn)為生成式人工智能可以提高急診醫(yī)生的溝通技巧，特別是向病人傳遞難以理解的專業(yè)術(shù)語(yǔ)方面的能力。

在臨床教學(xué)方面，生成式人工智能使傳統(tǒng)訓(xùn)練方法得到重大轉(zhuǎn)變，它可以為醫(yī)學(xué)生創(chuàng)造全真的醫(yī)療場(chǎng)景進(jìn)行實(shí)踐，這是一種現(xiàn)實(shí)且無(wú)風(fēng)險(xiǎn)的模擬環(huán)境[18]。更重要的是，它可以創(chuàng)造患有各種疾病的患者模型，用于模擬外科手術(shù)或其他醫(yī)療干預(yù)措施。這種學(xué)習(xí)過(guò)程更加嚴(yán)謹(jǐn)且真實(shí)，大大豐富了醫(yī)學(xué)生的實(shí)踐經(jīng)驗(yàn)。

在整形外科教學(xué)方面，人工智能圖像生成技術(shù)被巧妙地應(yīng)用于基于案例的學(xué)習(xí)圖像生成中，如模擬并生成皮膚腫瘤等真實(shí)醫(yī)療場(chǎng)景的照片，為醫(yī)學(xué)生提供豐富且真實(shí)的視覺(jué)資料[19]。

在醫(yī)學(xué)課程中，人工智能所生成的圖像不僅高度仿真，而且能夠根據(jù)學(xué)習(xí)需要進(jìn)行定制，為醫(yī)學(xué)生提供反思性練習(xí)的機(jī)會(huì)，幫助他們提高臨床決策能力[20]

3.2.4科學(xué)研究的新動(dòng)力

由表2可知，類(lèi)別四包括#6（Taskanaly-sis），#3（Design scienceresearch），其主要聚類(lèi)標(biāo)簽詞包括sciencestudies（科學(xué)研究）、scientificpractice（科學(xué)實(shí)踐）、datamodels（數(shù)據(jù)模型）、explainable artificial intelligence（解釋人工智能）、deeplearning（深度學(xué)習(xí)）、statisticallearning（統(tǒng)計(jì)學(xué)習(xí)）、associativelearning（聯(lián)想學(xué)習(xí)）和symbolsystems（符號(hào)系統(tǒng)）等。處理和分析大量的科學(xué)數(shù)據(jù)是科學(xué)研究的基礎(chǔ)。從積極方面看，生成式人工智能通過(guò)自動(dòng)編碼、挖掘數(shù)據(jù)等任務(wù)，幫助教育研究者快速篩選和處理數(shù)據(jù)，提高研究效率，在一定程度上可以發(fā)現(xiàn)新的規(guī)律和知識(shí)[21]。以 ChatGPT為例，其背后嵌入的轉(zhuǎn)換編碼一解碼器為核心的指示微調(diào)技術(shù)、思維鏈技術(shù)等可以支持教育工作中批量、個(gè)性化地分析每位學(xué)生的學(xué)習(xí)行為[22]。在研究方案、文獻(xiàn)檢索、科研選題、數(shù)據(jù)處理、圖表制作等方面，生成式人工智能都可以提供巨大的幫助。當(dāng)然，其消極面亦不容忽視。生成式人工智能可能會(huì)帶來(lái)質(zhì)量失控、倫理失調(diào)、認(rèn)知淺化、創(chuàng)新墮化、隱私泄露等風(fēng)險(xiǎn)[23]。對(duì)此，各國(guó)教育界紛紛出臺(tái)相關(guān)使用政策以限制生成式人工智能在學(xué)術(shù)與學(xué)業(yè)方面的濫用。

3.3 研究前沿

使用CiteSpace對(duì)突現(xiàn)詞進(jìn)行探測(cè)是關(guān)鍵步驟之一。突現(xiàn)詞代表特定時(shí)間段內(nèi)主題或關(guān)鍵詞的突然增加或減少，反映了研究領(lǐng)域的熱點(diǎn)變化。同時(shí)，突現(xiàn)詞還能幫助研究人員預(yù)測(cè)未來(lái)可能的研究趨勢(shì)和方向。本研究選取突現(xiàn)強(qiáng)度排在前八位的關(guān)鍵詞進(jìn)行展示（圖4），清晰明了地探測(cè)了生成式人工智能教育應(yīng)用領(lǐng)域的研究前沿和演進(jìn)發(fā)展趨勢(shì)，為未來(lái)研究提供重要參考。其中，生成對(duì)抗網(wǎng)絡(luò)作為一種強(qiáng)大的生成模型，可以生成逼真的圖像、視頻等多媒體內(nèi)容，用于創(chuàng)建虛擬學(xué)習(xí)環(huán)境、模擬實(shí)驗(yàn)場(chǎng)景、個(gè)性化學(xué)習(xí)資源等，在教育領(lǐng)域具有廣泛的應(yīng)用前景。此外，深度學(xué)習(xí)、機(jī)器學(xué)習(xí)等也為教育創(chuàng)造了更多可能性。

4研究結(jié)論

本研究使用CiteSpace軟件對(duì)年度發(fā)文量、發(fā)文國(guó)家、關(guān)鍵詞聚類(lèi)、關(guān)鍵詞突現(xiàn)進(jìn)行分析，研究生成式人工智能在教育領(lǐng)域應(yīng)用的現(xiàn)狀、熱點(diǎn)和趨勢(shì)，得出以下結(jié)論。

1）通過(guò)對(duì)2019年1月一2024年6月的發(fā)文量進(jìn)行分析可知，生成式人工智能教育應(yīng)用領(lǐng)域的研究呈蓬勃發(fā)展態(tài)勢(shì)，這表明生成式人工智能在教育行業(yè)扮演著愈發(fā)重要的角色，將引領(lǐng)未來(lái)教育模式的創(chuàng)新與變革。國(guó)家發(fā)文量往往能直觀地反映該國(guó)在科研領(lǐng)域的活躍度和影響力，目前該領(lǐng)域發(fā)文量排前三的國(guó)家為美國(guó)、中國(guó)和英國(guó)，這一數(shù)據(jù)展示了這三個(gè)國(guó)家在生成式人工智能教育應(yīng)用研究領(lǐng)域的卓越地位。

2）通過(guò)對(duì)共現(xiàn)圖譜的分析可以看出，除了生成式人工智能、生成對(duì)抗網(wǎng)絡(luò)、大型語(yǔ)言模型等涉及技術(shù)層面的關(guān)鍵詞之外，高等教育、醫(yī)學(xué)教育、深度學(xué)習(xí)、機(jī)器學(xué)習(xí)、個(gè)性化學(xué)習(xí)是近幾年的研究熱點(diǎn)。具體來(lái)說(shuō)，高等教育作為一個(gè)龐大的體系，其內(nèi)部的教學(xué)方法和學(xué)習(xí)模式正在經(jīng)歷由傳統(tǒng)向現(xiàn)代的轉(zhuǎn)變，而生成式人工智能和大型語(yǔ)言模型等技術(shù)為高等教育帶來(lái)了全新的教學(xué)工具和資源。深度學(xué)習(xí)和機(jī)器學(xué)習(xí)作為人工智能領(lǐng)域的兩大核心技術(shù)，能夠處理和分析大量的數(shù)據(jù)，從中提取有價(jià)值的信息，為教育決策提供支持，因此，深度學(xué)習(xí)和機(jī)器學(xué)習(xí)在教育領(lǐng)域應(yīng)用的研究也備受關(guān)注。

3）從聚類(lèi)圖譜和突顯圖譜的結(jié)果來(lái)探尋研究熱點(diǎn)與前沿趨勢(shì)，并將其劃分為四個(gè)類(lèi)別：數(shù)據(jù)驅(qū)動(dòng)下的教育評(píng)估與反饋、智能化教與學(xué)的新范式、醫(yī)學(xué)教育中的前沿應(yīng)用、科學(xué)研究的新動(dòng)力。每個(gè)類(lèi)別都代表了當(dāng)前該領(lǐng)域的核心發(fā)展方向，為我們指明了未來(lái)研究的新路徑?？傮w來(lái)看，生成式人工智能打破了傳統(tǒng)的單向評(píng)價(jià)模式，轉(zhuǎn)向一種更加全面、多元和互動(dòng)的評(píng)價(jià)機(jī)制，超越了傳統(tǒng)評(píng)價(jià)對(duì)任務(wù)結(jié)果的單一衡量。生成式人工智能深入滲透學(xué)生學(xué)習(xí)和教師教學(xué)的全過(guò)程，實(shí)現(xiàn)了對(duì)整體過(guò)程的全面捕捉與理解。這一轉(zhuǎn)變不僅促進(jìn)了教與學(xué)內(nèi)在價(jià)值的追求，也激發(fā)了教師持續(xù)提升教學(xué)質(zhì)量的動(dòng)力，同時(shí)提供了一個(gè)全新的視角來(lái)審視教育，讓教育變得更加人性化、科學(xué)化和智能化，為相關(guān)教育領(lǐng)域的科學(xué)研究提供新的動(dòng)力。其中，生成式人工智能在醫(yī)學(xué)教育領(lǐng)域的應(yīng)用受到廣泛關(guān)注，為醫(yī)學(xué)教育帶來(lái)諸多創(chuàng)新和改進(jìn)。

5 結(jié)束語(yǔ)

生成式人工智能在教育領(lǐng)域的應(yīng)用在一定程度上可看作一個(gè)復(fù)雜的系統(tǒng)工程，需要多個(gè)領(lǐng)域的學(xué)者和研究人員共同參與協(xié)作。未來(lái)的研究需要與計(jì)算機(jī)科學(xué)、教育學(xué)和心理學(xué)等領(lǐng)域加強(qiáng)合作交流，共同探索生成式人工智能在教育領(lǐng)域的應(yīng)用前景與潛在價(jià)值。教育領(lǐng)域的技術(shù)需求還在不斷地演進(jìn)更新，我們要持續(xù)關(guān)注新技術(shù)的發(fā)展，以期待涌現(xiàn)更多創(chuàng)新實(shí)用的教育應(yīng)用更好地服務(wù)教育事業(yè)。

隨著生成式人工智能在教育領(lǐng)域的深入應(yīng)用，倫理和隱私問(wèn)題成為不可忽視的重要議題，學(xué)生的個(gè)人數(shù)據(jù)安全和隱私保護(hù)是首要關(guān)注點(diǎn)。在投入使用時(shí)系統(tǒng)通常需要收集處理并分析大量學(xué)生數(shù)據(jù)，包括學(xué)習(xí)行為、成績(jī)與偏好等敏感信息，如何確保這些數(shù)據(jù)不被濫用或泄露，是研究者和技術(shù)開(kāi)發(fā)者必須嚴(yán)肅對(duì)待的問(wèn)題。同時(shí)，AI算法的復(fù)雜性與不透明性可能會(huì)導(dǎo)致學(xué)生對(duì)評(píng)估結(jié)果產(chǎn)生懷疑，影響他們對(duì)學(xué)習(xí)的信任度與積極性，甚至可能會(huì)帶來(lái)類(lèi)似于數(shù)據(jù)偏見(jiàn)與歧視的潛在的倫理風(fēng)險(xiǎn)。在未來(lái)的研究中，不僅要關(guān)注技術(shù)的創(chuàng)新應(yīng)用，更要重視并處理好倫理與隱私問(wèn)題。通過(guò)制定嚴(yán)格的數(shù)據(jù)保護(hù)政策、提高算法的透明度與可解釋性、加強(qiáng)對(duì)學(xué)生和教師的倫理教育，確保生成式人工智能在教育領(lǐng)域的應(yīng)用更加安全、公正和有效。

6 參考文獻(xiàn)

[1]劉進(jìn)，于宜田，高媛．面向模式IⅢ推進(jìn)計(jì)算高等教育學(xué)學(xué)科建設(shè)[J].高校教育管理，2024，18（4）：60-69，88.

[2]陳小明．生成式人工智能技術(shù)對(duì)醫(yī)學(xué)科技期刊學(xué)術(shù)生產(chǎn)

與出版的影響[J].編輯學(xué)報(bào)，2023，35（增刊1）：132-136.

[3]Guidance for generative AI in education andresearch[EB/OL].[2024-12-10].https：//lib.scu.edu.cn/genai/static/wenjian/Guidance%2ofor%20generative%20AI%20in%20education%20and%20research.pdf.

[4]曹玲靜，張志強(qiáng)．二十一世紀(jì)以來(lái)美國(guó)科技政策主題分析及發(fā)展態(tài)勢(shì)研判[J].情報(bào)學(xué)報(bào)，2024，43（5）：616-632.

[5]生成式人工智能服務(wù)管理暫行辦法［J]．中華人民共和國(guó)國(guó)務(wù)院公報(bào)，2023（24）：39-42.

[6]王帥杰，湯倩雯，楊啟光．生成式人工智能在教育應(yīng)用中的國(guó)際觀察：挑戰(zhàn)、應(yīng)對(duì)與鏡鑒［J]．電化教育研究，2024，45（5）：106-112，120.

[7]胡楓，張超．生成式人工智能的理論審視、風(fēng)險(xiǎn)揭示及治理路徑：以ChatGPT為視角［J]．南京郵電大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2024，26（6）：45-52.

[8]ANNUS N. Chatbots in Education：The impact ofArtificial Intelligence based ChatGPT on Teachersand Students[J].International Journal of AdvancedNatural Sciences and Engineering Researches，2023，7（4） ：366-370.

[9］李艷燕，鄭婭峰．生成式人工智能的教育應(yīng)用［J]．人民論壇，2023（23）：69-72.

[10] MAO J，CHEN B，LIUJC.Generative artificialintelligence in education and its implications forassessment[J].TechTrends：Linking Researchamp;Practice to Improve Learning，2024，68（1） ：58-66.

[11]朱曉青．從自學(xué)到互學(xué)：人工智能視域下成人教育的時(shí)空觀考察[J]．成人教育，2024，44（4）：20-25.

[12]于浩，張文蘭，楊雪瓊.生成式人工智能在教育領(lǐng)域的應(yīng)用、問(wèn)題與展望[J].中國(guó)成人教育，2023（7）：30-36.

[13]ROMERO C，VENTURA S.Data mining ineducation[J].Wiley Interdiplinary Reviews：DataMining and Knowledge Discovery，2013，3（1）：12-27.

[14] KADARUDDIN K. Empowering education throughGenerative AI：Innovative instructional strategiesfor tomorrow's learners[J].International Journalof Business，Law，and Education，2023，4（2） ：618-625.

[15] SIFALERAS A，LIN F H. Generative Intelligenceand Intelligent Tutoring Systems：2Oth InternationalConference，ITS 2024[M].Cham：Springer，2024.

[16]張熙，楊小汕，徐常勝.ChatGPT及生成式人工智能現(xiàn)狀及未來(lái)發(fā)展方向［J]．中國(guó)科學(xué)基金，2023，37（5）：743-750.

[17]WEBB JJ.Proof of concept：using ChatGPT to teachemergency physicians how to break bad news[J].Cureus，2023，15（5）：e38755.

[18] GERSHMAN S J.The Generative Adversarial Brain[J].Frontiers in Artificial Intelligence，2019（2）：18.

[19]KOLJONEN V.What could we make of AI in plasticsurgery education[J].Journal of plastic，reconstructiveamp; aesthetic surgery：JPRAS，2023，（81） ：94-96.

[20]HUSTONJC，KAMINSKI N.APicture Wortha ThousandWords，Created with One Sentence：Using ArtificialIntelligence-created Art to Enhance MedicalEducation[J].ATS Scholar，2023，4（2）：145-151.

[21］翁昱岑，李倫.教育中技術(shù)主義的人文困境及批判［J].電化教育研究，2024，45（7）：19-24，31.

[22]高意博，阮婷婷，蔣慧芳，等.ChatGPT催生情境－網(wǎng)絡(luò)整合學(xué)習(xí)新范式：來(lái)自新唯物主義的闡釋［J]．中國(guó)電化教育，2024（5）：22-31.

[23]吳南中，陳咸彰，馮永．從“失序”到“有序”：生成式人工智能教育應(yīng)用的轉(zhuǎn)向及其生成機(jī)制［J].遠(yuǎn)程教育雜志，2023，41（6）：42-51.