2.3.2　高被引文献分析

高被引文献分析能够反映出一定时间内被同学科领域引用频次位居前列的文献。分析这些最有影响力且学术质量较高的文献，有利于更准确地追踪学科的研究动态。将数据导入CiteSpace工具，时间段设置为2000—2019年，时间间隔设置为一年，选择每一个时间间隔中被引频次前50的节点进行显示，生成可视化网络图谱。设置图中显示引文的阈值（Threshold）为5，将被引频次≥5次的高被引文献进行可视化呈现。如图2-2所示，图中圆点代表被引文献，圆点大小代表其被引用频次的多少。圆点间连线则代表两篇文献同时被引用的共现关系。该图中共出现63个节点，网络密度达到0.0676，说明文献间共被引关系相对紧密。该数据也初步表明该领域内研究内容相对集中。

图2-2　高被引文献可视化图示

为更好地梳理该领域内具有较大影响力的文献，把握研究主旨和发展动态，将被引频次>3次的文献信息整理汇总，如表2-1所示。

表2-1　较大影响力文献信息整理汇总

续表

分析可视化图及统计数据表可知，首先，闫志明在2017年发表的《教育人工智能（EAI）的内涵、关键技术与应用趋势——美国〈为人工智能的未来做好准备〉和〈国家人工智能研发战略规划〉报告解析》为当前引用频次最高且中心度最高的引文。该文通过对美国政府于2016年10月发布的《为人工智能的未来做好准备》和《国家人工智能研发战略规划》两份报告进行解读，对教育人工智能的目标、内涵、关键技术以及发展趋势等进行深度解析，并指出教育人工智能所面临的重要挑战及其应对方式（闫志明等，2017）。该文是目前阐述比较全面的一篇研究文章，其高被引量也反映了国内研究者对国际发达国家对技术政策推进的紧密关注。其次，吴永和在2017年发表的《构筑“人工智能+教育”的生态系统》一文被引频次为8次，位列第二。在该文中作者总结了人工智能发展的7个阶段，汇总了国家相关政策文件以及典型人工智能教育产品，通过深入阐述人工智能教育的孕育条件、主要特征和作用，构建了人工智能教育生态系统框架及其核心要素及关系（吴永和、刘博文、马晓玲，2017）。并据此提出人工智能教育的人才培养体系，为读者提供了有价值的参考。再次，贾积有于2018年发表的《人工智能赋能教育与学习》也有较大的影响力，该文从知识表示、机器学习、模式识别、自然语言处理、智能机器人等不同技术角度分析人工智能对教育的积极正面影响，并对智能教学系统的发展及其相关应用和研究进展进行了详尽的分析，是从纯技术角度解读人工智能教育的一篇较为深刻的文献（贾积有，2018）。最后，在该系列文章以外，值得一提的是国内最早由浙江师范大学张剑平教授于2003年发表的关于人工智能教育思考的学术文章，其在文章中首次指出人工智能教育对于信息素养培养的重要意义，并通过分析国内外中学人工智能教育现状，给出了详细的人工智能教育内容覆盖范畴。该篇文章具有前瞻性，预见了人工智能走向信息技术学科的价值，为信息学科指出了发展之路（张剑平，2003）。