国内外人工智能影响技能提升研究的比较分析

采用Citespace研究工具对国内外人工智能影响技能提升研究文献进行比较发现，国内外人工智能影响技能提升研究的发展历程较为一致，聚焦技术支持、模式提升、能力产出和伦理道德这四个研究主题，国内多基于宏观视角，关注整体职业教育框架构建；国外多基于微观视角，关注技术创新和专业能力提升。建议我国进一步提高人工智能自主创新能力，精细化技能培训课程，增强专业能力产出，完善伦理责任机制。

以2003—2022年国内外数据库收录的有关文献作为对象，采用Citespace软件来分析国内外关于人工智能影响技能提升研究的发展历程及核心体系。

（一）文献选取

数据来源分为两部分，检索日期均为2003—2022年。国内的文献数据来源于中国知网（CNKI），以“人工智能”+“技能提升”或“能力提升”等为关键词进行组合检索，剔除重复及与研究主题相关性不大的文献，最终筛选得出833篇有效文献。英文文献来源于WebofScience数据库，以｛(TS=(“Artificial Intelligence”)ANDTS=(“Ability improve”OR”training”OR”technique improve”)｝为关键词对文献进行高级检索共得到1438篇文献，剔除重复及与研究主题相关性不大的文献，最终得到856篇有效文献。

（二）研究方法

使用数据可视化分析软件Citespace对中外数据库的样本数据进行分析，通过关键词和聚类分析，能够客观掌握人工智能促进技能提升的发展历程和核心体系。同时，搭配传统的文献综述法剖析核心文献，深入思考国内外人工智能对技能提升影响研究的经验与异同。

关键词是一篇文章主要内容的精炼概括，关键词突现表明了一段时间内关键词出现的频率（表1），分析某一关键词或主题词的兴衰情况有助于把握国内外聚焦于人工智能影响技能型劳动者技能提升研究的发展历程。

（一）国内人工智能影响技能提升发展历程

与同时期国外的研究状况做比较，分析中文数据库中2003—2022年间人工智能影响技能提升研究的文献内容，可大致分为三个阶段。

第一阶段为探索萌芽期（2003—2006年）。这个阶段的突现词为“学习”与“技能”，表明人工智能尚未深入地与其他技术相结合，也没有开发人工智能赋能具体技能提升的课程，该阶段处于萌芽时期。2004年，东北师范大学研发了智能导学系统，尝试将人工系统与远程教育相结合为学生提供个性化的技能基础知识学习，但由于算法的限制，个性化程度较低，仍不适用于广泛推广应用。在该阶段，由于受限于人工智能技术本身，可直接供应于技能培训的智能化辅助教学系统相对较少，更多研究停留在理论探索和试验阶段。

第二阶段为应用深化期（2007—2016年）。该时期突现强度最高的词为“职业教育”与“人才培养”，通过文献阅读可以看出，随着国内外人工智能技术的不断发展，我国学者开始意识到人工智能技术将给职业教育带来颠覆性变革，并着手研究人工智能技术与职业教育之间更深层次的内在联系。参考美国教育传播与技术协会中教育技术的应用方法，有学者开始探讨技能培训中人工智能的具体应用，从创建、使用和管理等纬度进行范式构建，并探讨了人工智能运用于职业教育时的伦理问题。这个时期，也有学者开始探讨人工智能赋能各专业人才培养的价值与功能（如为电气自动化专业的学生提供电器故障检测智能化考核系统），精准化的系统开发能够有效帮助学生提高行业工种技能。

第三阶段为全面发展期（2017年至今）。这个时期的突现词为“大数据”“深度学习”与“高职”，表明我国持续借鉴国外人工智能最新成果，并不断深化“人工智能+多元技术”赋能技能培训的路径。2017年，工业和信息化部印发《促进新一代人工智能产业发展三年行动计划》，提出支持人工智能相关学科建设，尤其培养行业急需的技能型劳动者。例如，利用大数据智能算法赋能职业教育治理现代化促进高效化的产教融合，或是高度智能化的元宇宙达成具有沉浸感的泛在技能培训等。技术协同应用的研发创新不断铺开，我国迎来人工智能促进技能提升的全面发展期。

（二）国外人工智能影响技能提升发展历程

为了解国外人工智能影响技能提升发展历程，分析2003—2022年外文数据库的关键词突现以及其中高频被引的文献，可将过去20年以来的人工智能影响技能提升研究发展分为三个阶段。

第一阶段为应用探索期（2003—2012年）。这个阶段的突现词除了“artificial intelligence”（人工智能）之外，还有“model”（模型）、“technology”（技术）、“information technology”（信息技术）以及“education”（教育），表明在该阶段发表的文献主要在研究如何开发应用于技能提升培训的人工智能技术，并开始初步将人工智能技术与整个教育系统的变革联系在一起。2004年，芬兰约恩苏大学研发基于人工智能技术的虚拟教师问世，为学习者提供技能学习的智慧平台，为每个学生提供专属定制的人工智能辅导教师并记录学生的学习记录给予优质反馈，但这个技术仍仅停留在基础技能知识学习的层面，并不能提供多感官的技能训练。在此后的几年内，国外人工智能促进技能提升的技术开发都是基于更深层次的人机交互目标，为技能学习过程、评价、管理等增值赋能。到2012年，已有学者开发出能够借助大数据技术为学生提供个性化学习方案的人工智能系统。在开发与应用探索期，国外学者不断探索人工智能与技能提升之间的内在联系，并开始探讨人工智能技术的发展会对教育各方面产生何种影响，但该时期技术运用仍处于探索时期，对于人工智能促进技能提升的内在成因有待进一步挖掘。

第二阶段为专业深化期（2013—2016年）。该阶段最具特色的突现词为“virtualreality”（虚拟实境）和“medicaleducation”（医学教育），表明在经过多年的技术更迭后，该时期开始迎来更完善的3D建模技术、虚拟实境到元宇宙的蜕变，国外学者利用人工智能进行更细化的专业技能提升培训。新南威尔士大学创建了世界上第一个360度环绕的虚拟现实立体投影影院，搭载人工智能决策树算法为采矿相关专业学生提供一个安全、低风险的采矿学习模拟环境。虚拟实境的引入，不仅让技能培训处在一个低风险的安全环境中，而且由于人工智能的无责罚言语的客观反馈，有效提高了学生技能训练的主观能动性和效能。国外利用虚拟实境进行的技能培训还广泛应用于医学教育中。2013年，搭载智能反馈算法的虚拟实境首次被应用于医学手术技能培训中，医学生可以在一个低试错成本的环境中对人体不同关节或组织进行手术训练。在此之后，越来越多学者开始为某一类专业研发有针对性的人工智能培训系统，此时正式进入人工智能培训专业深化期。

第三阶段为开发高峰期（2017年至今）。在这个时期，突现词为“bigdata”（大数据）、“machine learning”（机器学习）和“learning analytics”（学习分析）。可见，即使在专业深化期阶段取得了大量的技能培训技术开发成就，但国外学者仍未停止对技术影响人类思维的思考步伐。除了延续上个时期对不同专业的技能培训体系开发之外，仍继续研究人工智能底层逻辑算法，力求达成更高程度的人类思维智慧体赋能技能提升。2017年，美国电气与电子工程师协会开发了一个面向智能社会的个性化学习系统，在其中搭载具有自我学习能力的人工智能，可对大数据进行深度学习和计算分析，为学习者的技能提升提供更加灵活多元的学习路径。在此阶段，学者开始更加关注人工智能算法的提升攻略，如在校企合作联合培养技能型劳动者的过程中利用更高等级的决策树人工智能算法构建人才培养评估系统，以此有效解决绩效考核中存在的问题，为产教融合人才培养提质增效。整体上看，该阶段的人工智能算法愈发接近人类智慧，如风靡全球基于GPT-4.0架构的ChatGPT产出的成果已基本达到正常人类的常识性认知水平，这也为未来人工智能赋能技能提升提供了创新方向。

通过关键词共现、聚类分析比较国内外出现频次较高的关键词和研究主题聚类归纳（表2），统计研究主题，可得到国内外在人工智能对技能提升影响研究领域的核心。具体归纳为技术支持、提升模式、能力产出和伦理道德四个部分。相较国外，国内更重视能力提升的整体教育框架搭建，深入研究人工智能与技能提升交互范式的较少。

（一）技术支持研究：应用对比创新

在利用人工智能技术促进技能提升研究领域中，国内学者更偏向于联合应用“人工智能+多元技术”，而国外学者更注重科技的创新迭代，对人工智能的底层算法进行全新开发。在对国内数据库的关键词共现与聚类分析中，“人工智能”“大数据”“信息技术”等子聚类中心性较高，其中“个性化学习”“智慧教学”“虚拟实境”等反映了关于技术开发的研究具有较高热度。技术开发与创新是任何一个国家应用人工智能进行技能培训时的首要任务，这直接关乎促进技能提升的效率。在智能时代，基于大数据打造驱动技能教育不断发展的“教育人工智能大脑”，对我国而言是一个前沿而紧迫的议题。通过大数据进行精准分析可以帮助建造技能培训与教育系统之间的资源搭配体系，“技术治理”成为职业教育治理现代化的基本趋势。完善高效能的治理体系，不仅能够为教师提供更加精准的课程反馈，而且能够为学生提供更加个性化的学习服务。通过开发人机协同的数据智慧，同时为教师与学生提供精准、个性、优化、协同、思维、创造的智慧学习环境，有效提升技能习得的主观能动性。同时，搭载人工智能的虚拟现实技术越来越广泛地运用于技能培训领域，成为最具应用前景的技术之一。大多学者从沉浸式、交互性与构想化等方面开发VR技术，促使技能型劳动者在技能提升时获得及时有效的多感官叙事体验。另外，为了进一步优化控制技能训练的虚拟感知认知负荷与学习成本，提升虚拟学习环境构建的交互性和真实度也成为当务之急。

除了对人工智能技术领域的应用探讨外，国外研究者更注重人工智能技能培训领域的技术创新。首先，子聚类“artificial intelligence in education”（教育类人工智能）表明国外学者也重视人工智能在技能培训领域中的技术应用，构建了嵌入式的人工智能教育治理系统，并优化传统远程教学系统的缺点，开发基于人工智能代理技术的网络远程教育系统，可以有效监控技能学习者的学习兴趣，实现因材施教、按需学习，提高技能培训师教学计划的灵活性。其次，在关键词共现与聚类分析中，与国内存在显著差异的是“machine learning”（机器学习）、“decisiontree”（决策树）与“knowledge modeling and representation”（知识模型与构建）。“决策树”是人工智能的一种分类算法，可以有效模拟人类思维进行自我更新学习，以更智能地分析学习者生成的技能习得数据。近期爆火的ChatGPT则是基于决策树算法来对问题的主题、类型、难度等进行分类，然后根据分类结果提供答案的自然语言处理工具。例如，在驾驶员培训中，人工智能通过决策树算法构建出具有有效性的训练模型，进而在精准观察学员的操作后提醒下一个正确的操作，并能在训练后给予改进驾驶技巧的建议。除此之外，基于“知识模型与构建”算法的知识跟踪模型能够长期跟踪技能学习者的行为表现，推断出学生对某项技能的掌握程度和所遇困难并给予个性化帮助。

总体来看，国内外学者在技术支持研究领域均重视利用人工智能促进更高程度的技能培训治理信息化，以实现个性化、灵活化和高效化的技能提升路径。但我国学者偏向于直接应用现有的人工智能技术进行创新融合，如直接结合大数据技术分析技能培训者学习数据以及搭载虚拟现实技术开展技能培训。而国外学者则在人工智能运用过程中发现了其中的不足，并进行了人工智能底层逻辑的技术创新。这对我国深入实施创新驱动发展战略、构建创新型国家有积极的参考价值。

（二）模式提升研究：宏观对比微观

在提升模式研究领域当中，我国学者多从宏观职业教育框架构建入手，协同人工智能改革技能培训体系；而国外学者更聚焦微观技能培训层面，从培训目标、课程开发、培训评价等方面构建“人工智能+”的技能培训范式。我国提升模式研究中的聚类有“学习”“职业教育”“产教融合”“精准化”等，反映了我国在该领域的研究侧重点。技术与人的内在关系一直是我国学者研究的热点，伴随人类科技水平的不断发展，人工智能代替人类的简单劳动似乎已成定局，必须革新培养技能型劳动者范式：首先，利用大数据赋能职业教育达成高时效性、超前性与精准性的专业设置，以培养工业4.0时代与国际接轨的“人工智能+”的复合型人才；其次，从教法、教材、课程等培训层面与人工智能技术融合，构建立体化的技能培训形态，如充分通过人工智能在技能培训中的多感官刺激与互动，确保学生复合技能的提升成效；最后，构建智能化评估系统，对技能学习者的技能掌握情况进行全面、客观、精准化的评估，由传统教育评价机制向数据驱动的精准化学习评价方向迈进。

国外研究者不仅重视人工智能融合职业教育体系的宏观重铸，同时注重人工智能如何确实有效地促进技能提升的模式开发。首先，子聚类“vocational education”（职业教育）表明国外学者也开始探讨人工智能背景下技能人才培训的革新，如使用人工智能改进教学与管理，优化传统的课程与培训方法等，这与我国学者对人工智能促进技能提升的观念大体一致。其次，子聚类“curriculum design”（课程设计）、“predictive models”（预测模型）表明了国外研究者从更微观的层面分析人工智能与技能培训之间的动态融合。针对某一个专业基于人工智能技术设计完善的技能培训课程是国外各个技能领域学者共同追求的目标，这意味着从宏观的技能培训转移到针对不同技能的具有高度适切性的微观技能培训。伊利诺伊州立大学开发了一种VR分布式云协作系统，支持传统汽车设计中的远程设计，允许学生与教师在虚拟现实环境中设计同一辆车，实现师生机器三级交互，从更高的感官刺激提升学习成效；并且通过对课程内部每一个细节的技术完善创新，不断提升技能培训课程与人工智能的生态融合程度。例如，预测模型是在技能训练过程中的重要辅助手段，人工智能通过分析学习者长期的训练情况，可以预测未来每一次实时训练过程当中即将出现的错误并进行及时提醒，在国外常用于外科医生的培训课程中。

在提升模式研究领域中，国内外学者均重视从宏观职业教育体系入手，考察人工智能技术如何融入技能培训中并为智能职业教育提供发展建议。但国外学者更深入地探讨人工智能技术的应用，直接有效地促进了技能型劳动者的技能提升效率，这也与在技术支持领域我国核心创新科技不足有关。

（三）能力产出研究：通用对比专业

在能力产出研究领域，国内外学者均从“人工智能背景下通用职业能力”与“人工智能赋能专业能力提升”两方面入手，但国内外的研究侧重点有所不同。通用能力子聚类“职业能力”下的关键词“问题解决”“创新能力”表明我国更倾向于在智慧时代降低人工智能职业代替的风险而培养具有从事创造性、非常规的和非结构化工作能力的复合型人才。工业4.0时代的工作世界存在着工作设备智能化、工作内容复杂化、工作关系协同化等颠覆性变革，要培养各行各业技能型劳动者的多元职业发展意识、综合职业能力等通用能力。在专业能力领域，由于会计行业工作明显具有人工智能可代替性，我国学者已经对人工智能提升会计人才职业能力的影响进行了大量研究。首先，在具有充足的数据支持时，人工智能的决策能力已远超人类，但应对高度不确定性、复杂性的各类组织决策时，人工智能的决策能力还远远不够。因此，对于会计人才的能力需求需要由“职业操作能力”转变为“人机共生能力”，此类人才必须提高工作技能来管理机器。

在国外能力产出研究领域的子聚类中可以看到“artificial intelligence literacy”（人工智能素养），对比起我国“职业能力”子聚类，表明国外学者对通用能力进行了多元维度的划分。虽然人工智能技术明显提高生产效率并创造更多新兴就业的机会，但同时也导致了就业率的下降。要重新探索技能型劳动在工作场所中所扮演的角色，大部分学者提出以下四类素养：一是信息技术素养，指如何收集、处理、分析和表示信息数据的能力；二是工作补充能力，指在工作场所中为人工智能在工作时补充其所需要的技能，如人工智能所不能处理的模糊化数据和伦理问题等；三是终身学习能力，能够不断学习、更新自我以应对人工智能潜在风险的能力；四是道德认知素养，面对愈来愈具有人类思维的人工智能能够坚持人道主义的能力。在专业技能产出的研究领域，国外学者更偏向于利用人工智能技术赋能医护人员培训。首先，可以借助聊天机器人回答学生的学习问题，或询问他们问题并给予及时反馈。有教师利用该算法为医学生提供解剖学的对话课程，学生进行一小时的教育对话后表示对掌握解剖学技能的信心显著提升，该方法可以使学生短期内在低压力情况下掌握正确的基础知识。基于人工智能算法的元宇宙技术的持续发展也显著提升了临床技能培训效率。虚拟环境可以为学生提供独特的机会来体验以往的临床场景和操作技能，在多感官共同参与下学习复杂的临床病例，以此有效提升医学生的综合医疗技能。

整体来看，在能力产出研究领域国内外研究者均开启了探索通用职业能力和专业职业能力的道路。在通用职业能力，我国学者尚未将职业素养与人工智能发展紧密连接，形成新的职业素养模型，并且在专业职业能力的提升中也更倾向于研究如何让会计职业人员和人工智能技术融合；而国外学者已形成了较为完善的“人工智能+”职业素养模型，不仅探究专业工作人员利用人工智能提升工作效率，更从人工智能和个体能力协同发展的层面做出探索。

（四）伦理道德研究：社会对比个人

在人工智能影响技能提升伦理道德领域，国内更多从社会规则层面探究人工智能与技能提升之间的关系，用来建立良好的道德体系；而国外的学者多从个人心理层面研究师生对人工智能技术在技能提升领域的态度。人类与技术的关系一直是学界研究的热点，我国在人工智能影响技能提升领域主要有以下几类伦理风险讨论：一是隐私保护伦理。人工智能辅助技能培训时面临着信息泄露的风险，如具有争议的智能技术“监测头盔”进行的数据收集、表达、指导和评价等。二是教师定位变革。人工智能进行技能培训时是否会让教师定位产生偏移。过于依赖人工智能可能会导致“人工智能辅助教学”转向“人工智能包办教学”，从而破坏能力培训生态。三是教学目标偏离。过于重视人工智能对于学生技能提升的效能可能会让我们忽视培养技能型劳动者是要培养具有职业伦理道德的大国工匠，不利于综合素质的养成。四是人技协同发展。人工智能介入技能培训中的发展关系，是“人的机器化”还是“机器的拟人化”亟待进一步讨论。

子聚类“biases”（偏见）表明国外对于人工智能影响伦理道德研究更关注个体的心理变化。首先，学者们调查师生对人工智能技术促进技能提升的偏见看法与我国在该领域的伦理研究的目的大体一致，但更偏向于研究人工智能技术融入学习生活后对生活、职业与未来的看法，以便更融洽地将人工智能技术运用到技术培训当中。其次，医疗领域中的人工智能是“教育+治疗”双重作用，对偏见的研究更加复杂多元，其中包含的隐私泄露法律问题和医生是否愿意重新学习一门新技术下的“患者+医护人员”偏见仍是未来研究的热点。

在伦理道德领域中，我国更重视社会群体的行为变化，探究人工智能对于技能培训中涉及的隐私安全、教师定位、学生发展等；而国外更聚焦于独立个人的行为意愿和心理变化。职业教育与人工智能伦理关系在未来研究中仍需不断深入探究，我国可以学习国外的做法，加强对个人心理变化的考察，思考我们到底是拥抱，抑或拒绝人工智能。

回顾与分析近20年国内外人工智能影响技能提升领域的关键文献，发现学术界已取得了一定研究成果与进展，为我国未来人工智能促进技能提升、稳定技能型劳动者发展时空提供了坚实的理论基础和基本范式。但人工智能与技能提升交融发展作为一个亟待深入研究的新领域，仍需要进行改进与革新。

（一）由技术联动到底层创新

在技术支持研究领域，提高自主创新能力，力求实现更高层次的机器人智慧体。首先，继续将现有的人工智能算法与多元技术相结合，以赋能劳动者的技能提升。深入探索“技—技”关系的融合，发现联动应用时的矛盾关系，从而进行应用范式上的创新。例如，虚拟实境的多感官压力会影响技能型学习者的习得效能，为了进一步优化技能型劳动者的控制虚拟感知认知负荷与学习成本，探究虚拟学习环境构建的可信性和真实度成为当务之急。对此可以通过人工智能强大算法进行个性化的学习压力优化，进一步提升“技—技”融合的力度。

其次，加强人工智能底层算法的创新。为贯彻落实《新一代人工智能发展规划》，科技部会同自然科学基金委近期启动“人工智能驱动的科学研究”（AIfor Science）专项部署工作，以提高人工智能等关键核心数字领域的自主创新能力。人工智能的强大之处在于除了有庞大数据的处理能力外，还有深度学习的自我更迭能力。国外学者长期致力于使人工智能更具人类思维与自我学习逻辑。美国富埃特文图拉大学不断创新人工智能决策树算法，构建的智能校园机器人能够识别每个学习者所涉及变量的总数来构建出目标技能的知识模型。基于此，我们除了要构建出算法比肩甚至超越GPT-4.0的人工智能架构，更需要更多开发者研究出带有人类文化底蕴的超级计算机，以更加人道主义的方式捕捉学生技能习得情况、心理变化与情感波动，达到更高程度的个性化学习体验。

（二）由宏观构建到微观设计

在模式提升研究领域，加强微观课程设计，务求落实更精细化的技能提升课程。在宏观构建上，职业教育要继续融入“人工智能和产业转型”的经济主战场上，协同政府、学校、行业、企业乃至劳动者本人构建现代化技能型社会。重新塑造产教融合人才培养的核心重点，要从简单的机械技术劳动者转向具有知识迁移能力、创新创业思维和职业精神素养的大国工匠。

在微观设计上，不断开发针对各个专业具有高度适切性的微观技能培训课程。我国已有学者在微观课程开发上取得了成就。例如，海南医学院已经探索虚拟仿真技术在助产教学中的应用培养高素质的护理工作人员；齐齐哈尔大学为了达成更高的沉浸效果、设计效果和教学效果，基于“智慧算法+虚拟实境”融合技术设计了高校美术课程。但更多的专业智慧课程仍有待开发，不同专业的课程开发者可以以此作为借鉴，为技能型劳动者构建更多“量身定做”的人工智能赋能课程。

（三）由通用素养到专业能力

在能力产出研究领域，增强专业能力产出，培养更高素质的技能型劳动者。一方面，应继续深化人工智能对通用能力素养的提升研究，以建立更加通用、具有中国特色的智慧时代职业素养模型。未来，人与机器共生共存是必然趋势，探讨人机交互能力的产出范式，尤其培养建立和使用智能增强的技能，识别人与机器人互动在增强人类能力方面的潜力；同时，在人工智能技术突飞猛进的大背景下，必须坚持立德树人这一教育的根本任务，确保技能型劳动者的道德水准和文明素养以应对更加复杂的伦理问题。

另一方面，应探究各个专业领域技能与人工智能技术的内在联系。印度尼西亚彭迪迪坎大学研发了人工智能生物通信模型，有效提高了计算机和网络工程专业毕业生的职业能力，职业能力测试平均分有显著提高。基于此，要继续深化探究超级计算机对技能提升的互动范式，开发三大产业下各个职业的能力与人工智能的融合路径。

（四）由社会规范到以人为本

在伦理道德研究领域，坚定以人为本理念，坚持践行更全方位的人文关怀宗旨。在社会层面上，继续深化人工智能应用的社会规范。首先，深入研究政府对人工智能技术赋能技能提升的科学治理范式，探索人工智能伦理治理的相关审查部门构建。其次，研究如何鼓励调动全民参与人工智能管理，构建治理共同体。社会是人的关系的总和，人工智能的可持续发展离不开全民参与到人工智能技术研发、生产、应用和评估的过程中。最后，将人工智能与职业教育的研究视角由偏利关系转变为共生关系。消除对于“机器人拟人化”的恐惧，增加各专业培养体系人工智能必修课程，让职业教育所培养的人才为人工智能技术的持续发展作出贡献。在个人层面上，保证人工智能赋能技能培训以人为本的根本教育目的不偏移，以此为出发点谨慎选择对待人工智能的态度。