当前 AIED 文献综述的趋势有哪些特点？ AIED 研究涵盖了哪些主题领域？ AIED 研究中的教育目标是什么？ 现有文献综述中突出了 AIED 的优势和挑战有哪些？
出版年份：自2018年起稳步增长，2024年达到高峰。 地理分布：中国、美国和西班牙是主要的贡献者。 出版物来源：《Computers and Education》和《IEEE Access》等期刊是主要的出版平台
科学科目：16%，涉及自然学科、数学和统计学。
健康与福利教育：12%，涵盖医学教育、健康信息学等。
艺术与人文学科：7%，例如音乐教育和语言学习。 其他：社会科学、商业和法律等领域的研究较少。
教学和学习支持：这是AIED的主要目标，占比56.5%。AI可用于提供教学法或教学支持，如自动化手动任务、通过聊天机器人和AI导师回答常见问题、支持学生自主学习等，以提高学习效率和效果。
教学和学习评估：占比14.3%，包括对学生进行形成性或总结性评估。AI能够提供个性化反馈和建议，丰富和转变教育环境中的评估和支持系统。
自适应教学和学习：占比12.5%，旨在根据学生个体差异实现共同的教学目标。AI可以通过个性化学习平台，根据学生的学习策略、任务能力、反馈时间和偏好等进行适应性调整，提供及时和针对性的干预。
学生预测、教师和学生建模/画像、监测学生：这些目标的研究相对较少，但也是AIED的重要组成部分，如通过分析数据预测学生的学习成果、为教师和学生创建画像以提供个性化支持、实时监测学生的行为和学术表现等。
（一）关注AIED的长期影响与效果评估
长期学习成果研究：目前大多数研究集中在短期效果上，如在特定领域（语言和学术写作）的短期知识提升。未来研究应关注AI对广泛技能和能力（如批判性思维、创造力、问题解决等）的长期影响，以确定AI是否能真正促进学生的深度学习和全面发展。
避免短期效果误导：研究者和实践者需谨慎对待短期收益，不将其与真正的长期收益混淆。应开展更多严谨的研究，以确保不夸大或误解AI在教育中的实际效果，避免因过度炒作而对AI的潜力产生误解。
（二）拓展AIED的应用领域与教育层次
加强基础教育阶段研究：目前AIED研究多聚焦于高等教育，而对童年、小学和中学教育以及教师培训、特殊教育等领域的关注不足。未来应加大对这些领域的研究投入，探讨AI如何影响儿童的认知发展、学习行为和技能，以及如何为教师提供有效的AI培训，以促进教育的公平性和包容性。
特殊教育与个性化学习：特殊教育学生的需求多样且复杂，未来研究需深入探索如何利用AI为这些学生提供更具个性化的支持，考虑不同残疾类型的特点和标准，借助通用学习设计（UDL）等理念提高AI教育系统的可访问性，以满足特殊教育学生的独特需求。
（三）提升AIED的技术与应用水平
解决技术挑战：针对AI技术在教育应用中面临的成本、使用限制、缺乏人性、个性化不足等问题，开展深入研究。例如，探索如何降低成本以提高AI在教育中的普及率，如何克服技术限制以充分发挥AI的潜力，以及如何增强AI的人性化和个性化，使其更好地适应教育场景和学生需求。
优化AI系统设计：研究如何改进AI系统的开发和应用，提高系统的易用性和有效性。包括开发更合适的AI应用方法和策略，解决系统开发和应用中的困难，如克服“黑箱”问题，使教育工作者能够更好地理解和利用AI系统，从而提高其在教育中的应用效果。
（四）加强AIED的伦理与安全考量
数据隐私与伦理政策：随着AI在教育中的广泛应用，数据隐私问题日益突出。未来研究需进一步探讨如何保护教育利益相关者的个人信息，制定相应的伦理政策、标准和指南，确保AI系统的开发和使用符合伦理要求，保障教育的公平性和安全性。
算法偏见与文化多样性：AI模型的训练数据往往存在偏差，导致模型输出也带有偏见。未来应加大研究力度，评估AI推荐、建议和输出中的偏见，并探索缓解这些偏见的方法，特别是针对非代表性训练数据引起的偏见。同时，创建考虑不同文化、社会经济和人口背景的个性化AI推荐框架，以促进AI的公平性和包容性。
（五）促进AIED的教育融合与协同发展
AI素养培养：当前关于AI素养的讨论较少，尤其是批判性AI素养。未来研究应优先考虑如何在教育课程和专业培训项目中整合批判性AI素养，使所有利益相关者和广大社会能够深入理解、评估和质疑AI系统和工具，特别是其安全性、偏见和决策过程。通过这种方式，促进开发优先考虑教育公平、公正和包容性的AI解决方案。
人机协作与互动：随着学生与AI的互动日益频繁，研究人机协作和互动的动态变得至关重要。未来研究需探索教育环境中人机协作的模式、演变及其对学生社会认知发展的影响，包括学生管理与AI协作的调节机制，以及对认知、情感和社会技能的长期影响。此外，还应研究如何优化人机团队合作，确保最大化AI整合的好处，同时有效缓解潜在的冲突和负面影响。
学习设计与教育技术变革：AI的发展可能对学习设计和教育技术产生深远影响，许多现有工具将融入AI元素，一些工具可能变得过时，而另一些则会发生巨大变化。因此，未来研究应关注AI对学习设计的影响，采用合适的 设计考虑和方法，并制定相应的政策，以确保教育技术的发展能够满足教育需求并促进教育创新。
本文是我读过的最好的 AI 教育类综述研究，而且具有极强的时效性和实证性，望各位教育者认真学习，找到自己研究和实践的方向，余不一一。
原文参考：Mustafa, M.Y., Tlili, A., Lampropoulos, G. et al. A systematic review of literature reviews on artificial intelligence in education (AIED): a roadmap to a future research agenda. Smart Learn. Environ. 11, 59 (2024). https://doi.org/10.1186/s40561-024-00350-5
