在数字化浪潮的席卷之下，生成式人工智能（Artificial Intelligence Generated Content，简称AIGC）的崛起成为备受瞩目的焦点与议题。在此期间，ChatGPT凭借其强大的自然语言处理能力和独特的对话生成机制，引发了教育界对于AIGC未来的教育潜力与影响的广泛讨论。近年来，我国高度重视人工智能的技术发展与产业结合，自2017年国务院印发《新一代人工智能发展规划》以来，一批相关政策相继出台，人工智能成为提升国家竞争力与维护国家安全的战略性技术。党和国家一贯高度重视高层次人才培养，强调人才是第一资源，认为只有高质量教育才能培育出高素质人才。2022年教育部印发的《人工智能领域研究生指导性培养方案（试行）》，从基础理论、共性技术、支撑应用与社会治理等维度明确了人工智能领域高层次人才的培养方向，致力于构建人工智能复合型人才培养体系，为人工智能技术的发展应用提供充足的人才储备。国际上，美国政府自2016开始，发布了多份人工智能领域的国家战略报告，旨在从宏观层面确立国家人工智能研究战略方案，以保证美国在全球人工智能领域保持竞争优势[1]。2023年美国教育部教育技术办公室发布的《人工智能与教学的未来：见解与提议》，从学习、教学、评价和研发四大层面提出7条政策建议，认为人工智能在改善自适应学习、教学流程、教师专业发展、形成性评估等方面有巨大潜能[2]。其他国家诸如英国的《国家人工智能战略》、德国的《人工智能行动计划》、日本的《人工智能战略2022》等，都将人工智能视为制定数字世界标准和规则的核心技术。当前，人工智能领域的发展如火如荼，随着AIGC的兴起，人工智能的第三次浪潮已然到来。鉴于此，本研究运用CiteSpace等文献可视化工具，基于中国知网（CNKI）和科学网（Web of Science）的学术文献数据，探析国内外AIGC教育的研究现状、热点议题，以期描绘出AIGC教育的研究轮廓与发展图景。
一、研究设计与方法
（一）文献选取本研究的主要数据来源为中国知网和科学网，其中，中文数据为中国知网学术期刊，以“ChatGPT OR AIGC OR 生成式人工智能 AND 教育”为关键词进行高级检索，限制文献来源类别为“北大核心”与“南大核心（CSSCI）”，检索时间截至2024年2月29日，通过人工排查去除相关度不高的文献，共获得可用中文文献270篇；英文文献来自科学网核心合集，以“ChatGPT OR AIGC OR Generative AI OR GenAI”为关键词进行高级检索，将文献类型限制为“论文”“在线发表”“综述论文”，语言限定为英语，研究方向调整为“Education Educational Research”，截止时间为2024年2月29日，共获得英文文献433篇。（二）研究方法本研究采用文献计量与可视化分析软件CiteSpace作为主要研究工具，同时辅以书目共现分析系统（BICOMB）和Excel完成数据的汇总与统计。简而言之，首先，将中英文文献样本分别导入书目共现分析系统软件，提取作者、作者单位、关键词、期刊等关键信息，其中关键词需要进行关键词字段值修改，实现同义替换后，将其导入Excel进行数据汇总。其次，运用CiteSpace绘制出关键信息的共现知识图谱，并就其中的关键词进行聚类分析。最后，整合已有的数据，综合分析当前现状与深度挖潜已有研究热点。
二、研究结果与分析
（一）国内外生成式人工智能教育文献结构分析1.期刊来源与学科分布分析期刊来源分布分析可以揭示不同学科领域的期刊数量和分布情况，了解期刊在学术界的影响力和地位。利用书目共现分析系统的中英文期刊数量统计（见表1），中文文献AIGC教育研究发文量排名前5位的分别为：《开放教育研究》《华东师范大学学报(教育科学版)》《现代教育技术》《中国电化教育》《电化教育研究》，均超过了10篇文章，其中以《华东师范大学学报（教育科学版）》最为特殊，其2023年第7期“ChatGPT/生成式人工智能与教育变革”专刊发表了16篇相关文章。据统计分析可知，中文文献主要分布在教育学、工学（计算机类）、管理学（图书情报）等学科。英文期刊发文量排行前5位的是：《JMIR 医学教育》（JMIR
Medical Education）、《教育科学》（Education Sciences）、《教育与信息技术》（Education and Information Technologies）、《化学教育杂志》（Journal of Chemical Education）、《技术趋势》（Tech Trends），其中《JMIR 医学教育》的发文量远高于其他期刊。从英文期刊学科分布可以看出，英文文献主要集中于教育学、理学（化学）、医学、工学（计算机）等学科。综合国内外期刊的学科分布特点，可以发现AIGC技术正与各学科进行深入的交叉融合，形成了多样化的研究态势，既体现了AIGC技术的广泛适用性，也反映了学术界对其赋能潜力的认可。
首先是生成式人工智能教育应用与学习方式研究，其主要的标签构成有生成式人工智能、技术接受模型、医学教育、写作、个性化学习5个类别。国外对于ChatGPT在教育领域中的应用研究大体可分为快速传播、理性审视和深度融合3个阶段。第一阶段，ChatGPT的快速传播成为媒体关注的焦点，但对于其在教育中的价值与效果评价可谓毁誉参半。学者们多从技术接受模型的视角出发，审视ChatGPT在高校中的兴起。高校学生所面临的往往是大量的劣构问题，需要充分调动学习者多种知识技能和花费大量时间精力，而AIGC应用得益于低廉的学习成本与广泛适用性为其积累了庞大的用户群体。第二阶段，研究者从教育功利性角度出发，全面分析了ChatGPT所产生的一系列学术道德难题和自身存在的“多重悖论”，理性判断其在经济学、计算机科学、数学等学科领域的应用价值，思考如何给予该技术合理的角色定位，以应对日趋复杂的教学环境[10]。在第三阶段，愈来愈多的AIGC应用+学科教育融合成为研究重点，其中以技术赋能生物医学教育的论述尤甚，共有60篇相关文献，占比高达13.85%。医学教育界普遍认为大语言模型技术具有提供真实情境、数字化患者、医学写作辅助、个性化反馈、评估方法及消除语言障碍等显著优势，但因医学教育的特殊性，同时也存在生成信息不一致、患者数据隐私安全、病症偏见等困扰[11]。随着GPT-4以及视频生成模型SORA的发布，如医学图像诊断等新的赋能场景更加广泛，AIGC技术在医学教育中的应用研究与学习方式变革依然是国外的研究热点。其次是生成式人工智能伦理风险与素养提升研究，它涵盖了学术诚信、批判性思维两个聚类标签，主要探讨了ChatGPT引发的学术伦理、批判性思维及相关素养提升。生成式人工智能的技术特性引发了教育界的诸多议论，为规范新兴技术的应用，大量教育工作者呼吁正确引导与技术限制齐头并进。一方面，加强学生的学术道德教育，塑造学习者的批判性思维，缓解技术依赖症状；另一方面，加快AI检测研究与应用开发，推出原创性检测工具，及时纠正学术不端行为。总之，随着AIGC技术的常态化使用，我们不能因其争议而忽视技术的教育价值，而是要强化学习者合理、规范使用AIGC技术的意识和能力，以促进学习绩效提升。这是AIGC与教育深度融合的前提条件。因此，伦理风险与素养研究必将是AIGC教育研究长期探讨的一个重要议题与研究领域。 三、研究建议（一）聚焦专用大模型设计与评测从技术层面审视，在ChatGPT等通用大语言模型与行业的逐步融合过程中，准确性、针对性不足等问题日益凸显，普适性的产品设计理念意味着其缺少对某些垂直领域内容的学习，这无形中增加了训练成本。为此，依托海量的教育资源与行为数据，设计教育专用大模型已成为行业共识，是人工智能大模型技术深化发展的必然趋势。但是，人们必须认识到通用大语言模型与教育专用大模型并非互斥关系，通用大语言模型为教育专用大模型提供了基础的技术支持和框架，教育专用大模型则是对通用大语言模型在教育领域的进一步拓展和优化，两者相辅相成、各司其职，正朝着融合发展的方向演化。除此之外，为确保内容生成的准确性且符合伦理规范，如何综合、全面地评估大语言模型或将成为AIGC教育应用平稳落地的关键。（二）推动人工智能素养教育落实人工智能素养培育自计算机融入教育领域肇始便议论不断，其间不乏出现诸如信息素养、数据素养、数字素养、人工智能素养等表述，概念繁多，不一而足。现今恰是教育数字化转型的关键时刻，虽不时有关于人工智能素养培育的论述，但数字素养仍被学者们沿用，在多数情况下，人工智能素养被纳入概念内涵更广泛的数字素养。尽管传统的数字素养培育框架中嵌入了人工智能技术要素，但技术发展日新月异，人工智能的内涵与定义仍在不断革新。综观国内外中小学的人工智能课程内容可知，我国人工智能素养教育必须紧紧围绕人工智能态度和意识、人工智能知识和技能、人工智能的社会伦理等要素，完善并构建的中小学人工智能素养培养框架和课程体系，将人工智能素养内涵积极融入各学段和学科中，助力学生掌握人工智能时代的基本技能与应用思维[12]。（三）注重多元化视角的实践探究深入探究我国的AIGC教育研究现状，不难发现学界目前更多地聚焦于宏观与中观层面的学理性剖析。然而，任何技术融合都离不开实践应用的检验与推动。从实践的角度来看，不同受众群体的知识经验、教学需求及内容评估标准的差异，都直接影响着生成式人工智能技术的落地速度。学习者的知识经验越丰富，教学内容的评估标准就越明确和统一。比如，成人教育是AIGC技术落地最快的阵地，紧随其后的是高等教育、中等教育，小学教育与幼儿教育则相对滞后，这反映出不同教育阶段对于新技术的接受程度和应用需求的差异[13]。因此，对于当前的AIGC教育研究，应注重多元化视角的实践探究，了解不同教育阶段与受众群体的真实需求，探索AIGC技术在不同场景下的应用可能性，为技术的落地与应用提供更为有力的支撑。 四、研究结论首先，国内外AIGC教育研究期刊来源众多，中文文献主要集中于教育技术学领域的期刊，如《开放教育研究》《现代教育技术》等期刊的文献发表量大致相当，都有相关研究专题。英文文献期刊来源则较为分散，除了常规的教育技术领域的期刊，如《JMIR 医学教育》《化学教育杂志》等医学与化学学科领域的教育期刊发表文献也相对较多。从作者和研究机构看，中文作者中，祝智庭、王佑镁、李艳、顾小清、焦建利等人发文数量较多，主要以华东师范大学、北京师范大学等部属师范院校为主；英文文献发文量较多的为达纳·亨里克森（Danah Henriksen）、庞雅·米什拉（Punya Mishra）、陈嘉玉（Cecilia Ka Yuk Chan）等，除欧美国家的综合性大学之外，我国香港地区的香港大学、香港教育大学等院校文献发表数量也相当可观。其次，从国内外AIGC教育文献关键词的统计情况来看，因AIGC教育应用还处于初步研究阶段，多数学者侧重于AIGC带来的技术冲击等显性问题，暂未形成相对系统的研究范式，整体差异性不大。但较之于国内，国外的AIGC+医学教育等具体学科融合研究已初具规模。再次，基于关键词聚类判断，国内AIGC教育研究主要有两大主题，即生成式人工智能驱动教育变革与风险治理研究，以及人工智能时代人机关系与素养培育研究，主要聚焦于宏观层面的教育影响与治理框架建构。国外则关注生成式人工智能教育应用与学习方式、生成式人工智能伦理风险与素养提升两大研究主题，更强调微观层面的AIGC与学科融合的实践探究。最后，针对当前国内外的研究现状和热点分布，未来我国AIGC教育研究可以在教育专用大模型设计与评测、人工智能素养教育和多元化视角的实践探究等主题上发力，推动AIGC技术在教育领域的有效应用与融合发展。我国教育部在2024年世界数字教育大会上强调，要实施人工智能赋能行动，促进智能技术与教育教学、科学研究、社会的深度融合，智能化已成为教育变革的重要引擎和推动教育现代化、提升教育质量的关键路径[14]。与此同时，2024年的《政府工作报告》中也明确提出要深化大数据、人工智能等研发应用，开展“人工智能+”行动，为我国教育领域的未来发展提供了政策支持和方向指引。生成式人工智能作为人工智能技术发展的最新成果，为教育领域提供了广阔的应用前景和无限的发展潜力，面对“AIGC+教育”这一必然趋势，我们必须积极拥抱变革，强化研究和探索，加快“人工智能+”行动在教育领域的落实，并秉承更加开放、包容、创新的态度推动教育数字化转型进程。
参考文献：
[1]齐亚双,刘泽澔,陈晓灿,等.人工智能国防战略的目标、愿景与实施路径：国际经验与启示[J].情报杂志,2024,43(3):53-61.[2]张缨斌,吴若乔,何雨轩,等.感知情境与人在回路的智能教育：《人工智能与教学的未来：见解与提议》要点与反思[J].开放教育研究,2023,29(4):11-20.[3]戴岭,胡姣,祝智庭.ChatGPT赋能教育数字化转型的新方略[J].开放教育研究,2023,29(4):41-48.[4]王佑镁,王旦,梁炜怡,等.ChatGPT教育应用的伦理风险与规避进路[J].开放教育研究,2023,29(2):26-35.[5]MISHRA
P, OSTER N, HENRIKSEN D. Generative AI, teacher knowledge and educational
research: bridging short-and long-term perspectives[J]. TechTrends, 2024(2):
205-210.[6]CRAWFORD
J, VALLIS C, YANG J, et al. Artificial intelligence is awesome, but good
teaching should always come first[J]. Journal of University Teaching &
Learning Practice, 2023, 20(7): 01.[7]曹培杰.智慧教育:人工智能时代的教育变革[J].教育研究,2018,39(8):121-128.[8]王佑镁,王旦,王海洁,等.基于风险性监管的AIGC教育应用伦理风险治理研究[J].中国电化教育,2023(11):83-90.[9]沈书生,祝智庭.ChatGPT类产品：内在机制及其对学习评价的影响[J].中国远程教育,2023,43(4):8-15.[10]TLILI
A, SHEHATA B, ADARKWAH M A, et al. What if the devil is my guardian angel:
chatGPT as a case study of using chatbots in education[J]. Smart Learning
Environments, 2023, 10(1): 15.[11]LEE
H. The rise of chatGPT: exploring its potential in medical education[J].
Anatomical sciences education, 2024,17(5):926-931.[12]侯贺中,王永固.人工智能时代中小学生智能素养框架构建及其培养机制探讨[J].数字教育,2020,6(6):50-55.[13]艾瑞咨询. 2024年AIGC+教育行业报告：生命循环，人机共育[EB/OL]. (2024-02-04)
[2024-04-17].https://pdf./pdf/H3_AP202402071621020051_1.pdf?1707317737000.pdf.[14]教育部部长怀进鹏在2024世界数字教育大会上的主旨演讲：携手推动数字教育应用、共享与创新[EB/OL].
(2024-01-30)[2024-04-17].http://www.moe.gov.cn/jyb_xwfb/moe_176/202402/t20240201_1113761.html. 作者简介：胡佳健（1999— ），男，江西宜春人，硕士研究生，研究方向为教育信息化、教学设计；汪维富（1986— ），男，江西鄱阳人，博士，讲师、硕士生导师，研究方向为教师教育信息化、人工智能教育；钟志贤（1964— ），男，江西瑞金人，博士，教授、博士生导师，研究方向为教育信息化、教育数字化转型、智慧教育。
