随着大数据和人工智能时代的到来，新兴技术的发展为我国教育事业带来了前所未有的机遇和挑战。《国家中长期教育改革和发展规划纲要（2010-2020年）》[1]明确指出：“信息技术对教育发展具有革命性影响，必须予以高度重视。”自《教育信息化十年发展规划（2011-2020年）》实施以来，我国的教育信息化事业已经基本完成“建设”和“应用”两个阶段，即将进入“融合”和“创新”的新局面。以教育信息化全面推动教育现代化，成为新时代推进我国教育事业改革发展的共识[2]。

要实现以教育信息化推动教育现代化，关键在于促进教育与信息科技的交叉融合。为了推动这一领域的基础研究，2018年国家自然科学基金委信息科学部增设“教育信息科学与技术”申请代码F0701，旨在通过自然科学基金项目资助来吸引和聚集多学科交叉融合的基础研究，尤其是通过人文社科与自然科学的协同创新，发现并解决教育创新发展中凸显的关键问题，为办好中国特色、世界水平、人民满意的现代教育提供科学支撑。F0701围绕教育信息科学与技术中的知识生产、认知规律、学习发展等方面的核心问题与关键技术，进行原创性、基础性、前瞻性和交叉性的研究[3]，其下设有教育信息科学基础理论与方法（F070101）、在线与移动交互学习环境构建（F070102）、虚拟与增强现实学习环境（F070103）、教学知识可视化（F070104）、教育认知工具（F070105）、教育机器人（F070106）、教育智能体（F070107）、教育大数据分析与应用（F070108）、学习分析与评测（F070109）、自适应个性化辅助学习（F070110）等10个子申请代码。

本研究采用科学计量方法，以2019年F0701基金申请与批准项目为研究对象，从申请和资助、资助类别、依托单位、负责人职称、受资助项目地区、研究主题词云、聚类和语义网络等多个角度进行计量分析，同时与2018年资助情况进行对比与分析，力图客观、全面地阐述两年来F0701代码申请和资助的总体特征和基本走向，把握F0701基金在这两年内的关注重点及变化趋势，为更高质量地进行课题申报、更科学地规划管理和资助支持提供决策依据。

一、目申请与资助情况

2019年，F0701代码下共设有556项申请项目，其中82项获批资助。本研究对项目申请（子）代码、资助类别、项目名称、依托单位、负责人职称、受资助项目地区进行分析，并将其与2018年计量分析结果进行比较，以期发现项目申请和资助的变化趋势。

1、申请与资助代码分布

从申请数量来看，2019年F0701基金项目申请数量最多的是教育大数据分析与应用（F070108），共计122项，占比21.94%；申请数量最少的是教育智能体（F070107），只有7项，占比1.26%。从批准数量来看，2019年F0701基金项目批准数量最多的是教育大数据分析与应用（F070108）和学习分析与测评（F070109），均为18项，占比21.95%；获得批准数量最少的是教育机器人（F070106），为0项。从资助率（资助率=此资助类别的批准项目数量/此类别的申请数量）来看，教育信息科学基础理论与方法（F070101）资助率最高，达到20%；教育机器人（F070106）资助率为0%，具体如表1所示。

表12019年申请项目和批准项目代码分布

综合对比2018、2019年F0701代码下的项目批准和资助率情况，将有助于分析两年内科学基金资助情况的变化趋势，如图1所示。由图1（a）可以看出，批准数量由2018年的60项增加至2019年的82项，其中教育信息科学基础理论与方法（F070101）、学习分析与评测（F070109）、自适应个性化辅助学习（F070110）的获批数量涨幅明显；另外，在线与移动交互学习环境构建（F070102）、教育机器人（F070106）的批准数量较2018年有所下降。由图1（b）可知，除教育机器人（F070106）外，各子申请代码资助率较2018年均有所提升。另外，教育信息科学基础理论与方法（F070101）、教学知识可视化（F070104）、学习分析与评测（F070109）的资助率涨幅明显，表明这三个方向在本学科的研究领域中占有重要地位，发展势头良好。

2、资助类别分布

2019年F0701基金共资助面上项目45项、青年科学基金项目26项、地区科学基金项目10项以及重点项目1项。从2019年F0701基金资助类别来看，面上项目资助比重最大，占比54.88%；青年科学基金项目占比31.71%；地区科学基金项目受资助比例为12.19%；比例最少的是重点项目，仅有1项，占比1.22%，如图2（a）所示。总的来说，2019年度F0701基金资助类别与2018年情况相似，其中2018年度资助类别分布如图2（b）所示。

图22018、2019年度度F0701基金资助类别分布

3（a）考察了2019年每项资助类别下，获批准项目与申请项目之间的比例关系。分析可知，2019年F0701基金对于四类项目的资助率差距不大，均为15%左右。2018年的情况有所不同，如图（b）所示，2018年F0701科学基金优青项目通过率最高（占25%），青年科学基金项目次之（占9.94%），再次为面上项目（占7.85%），最低的是地区科学基金项目（仅占5.8%）。图图32018、2019年度度F0701基金类别资助率由图4对比2018、2019年度资助类别分布可知，2019年各个资助类别的批准数量较2018年均有所增加（优秀青年科学基金项目除外）；被资助最多的类别仍为面上项目，其次是青年科学基金项目和地区科学基金项目，与2018年情况一致；2019年资助重点项目1项，2018年未资助重点项目；2018年资助优秀青年基金项目1项，2019年未资助优秀青年基金项目。

图42018、2019年度F0701基金项目批准数量（按资助类别分）;52018、2019年度F0701基金项目批准数量（按依托单位划分）

3、依托单位分布

2019年，共有44家单位获得F0701资助，前三名依次是华中师范大学（15项）、北京师范大学（9项）和华东师范大学（5项）。2018年F0701基金共有38家单位获得资助，前三名分别是华中师范大学（10项）、北京师范大学（5项）和陕西师范大学（3项）。进一步对比2018、2019年F0701基金批准项目依托单位分布，并以2019年获批数量前十名的单位作为衡量标准，相关数据统计如图5所示。对比分析可知，2019年排名前十的依托单位与2018年略有差异，其中北京航空航天大学和东北师范大学在2018年未入选前十名，但在2019年获得3项资助，排名并列第四；另外，2019年度前十名依托单位获批项目的数量大多有所增加，如华中师范大学获批项目数量由2018年的10项增长到15项，北京师范大学由5项增至9项。

4、负责人职称分布

从职称分布来看，在2019年获批的82个项目中，负责人职称最多的是副教授、教授和讲师，共占比85%以上，如图6（a）所示。相较于2018年，2019年项目负责人职称多样性显著提升，增加了教授级高级工程师、研究员、副研究员、助理研究员和实验师等。2018年获批项目的负责人职称以教授居多，且显著高于其它职称，但2019年副教授与教授均占据较大比例。

图62018、2019年度F0701项目负责人职称分布

5、受资助项目地区分布

2019年F0701科学基金项目共资助21个地区，如图7（a）所示，其中排名前三的地区分别为：北京市17项，包括北京师范大学9项、北京航空航天大学3项、清华大学1项、首都师范大学1项、北京科技大学1项、北方工业大学1项、中国教育科学研究院1项；湖北省17项，包括华中师范大学15项、华中科技大学1项、湖北大学1项；上海市7项，包括华东师范大学5项、上海交通大学1项、上海科技大学1项。相较于2018年，2019年受资助项目的地区分布更广。

图72018、2019年度F0701基金资助项目地理分布

二、研究主题

为了进一步深入了解2019年F0701申请代码及其子代码下获批项目的研究内容，揭示F0701基金资助项目的关注重点，本研究通过对82份获批项目进行文本挖掘和计量分析，分别绘制出每个子申请代码下的词云分布，并进行研究主题聚类显示，最后给出关键词语义网络图，以进一步透析基金申请的资助重点和研究趋势。本研究根据黄璐等[4]提取的关键词和2019年受资助申请书关键词生成用户词典，在精准模式下对82份批准项目书的名称、摘要、关键词、研究内容等进行分词以获取关键词。在分词过程中，一份申请书中出现的关键词仅被统计一次，以防止在少量申请书中大量出现的关键词词频过大，从而影响统计结果。结合停用词库[5]去除停用词，并删除“研究”、“模型”、“技术”等含义广泛的词，合并同义词项如“量化”和“定量”、“虚拟现实”和“VR”、“MOOC”和“慕课”等，本研究共得到128个关键词，之后统计了关键词词频并分析了其共现关系。

1、F0701科学基金（子）申请代码词云结果

F0701申请代码及其子申请代码的词云结果如图8所示。通过词云图，可以观察各个子申请代码中的高频关键词，得出申请项目的研究重点。分析全部F0701基金批准项目书，出现词频最多的关键词依次是“个性化学习”、“在线学习”、“深度学习”、“学习效果”、“人工智能”等。这反映了在F0701基金批准项目中，互联网+和人工智能相结合的个性化学习创新与探索是主要研究趋势。以下为每个子申请代码下的关键词2分析：

①F070101子申请代码下，主要关键词为“群体动力学”、“学习过程”、“学习效果”等，这反映了教育信息科学基础理论与方法子代码强调通过社会计算、复杂性科学等新的理论框架与方法来认识学习过程和效果的研究趋势。

②F070102子申请代码下，主要关键词为“学习环境”、“学习支持系统”、“学习效果”等，这反映了在线与移动交互学习环境构建子代码聚焦以构建学习支持系统和学习环境来提升学习效果的研究趋势。

③F070103子申请代码下，主要关键词为“虚拟现实”、“计算机视觉”、“学习环境”等，这反映了虚拟与增强现实学习环境子代码关注以虚拟现实、计算机视觉技术为核心支撑技术的智慧学习环境构建，以及这样的学习环境如何对理解学习者认知能力、发展高阶教学思维起到关键作用。

④F070104子申请代码下，出现频数较多的关键词为“语义”、“教育智能化”、“概念图”等，说明教学知识可视化子代码下获批的两项研究关注教育知识网络对智慧教育体系框架的构建作用，以及学习资源组织方式的优化和学习过程的可解释性。

⑤F070105子申请代码下，出现频数较多的关键词为“课堂教学”、“脑机接口”、“神经科学”等，说明教育认知工具子代码下获批的一项研究重点考察师生神经生理与行为数据，深入理解教育认知的规律，增强课堂教学效果，提升教育质量。

⑥F070107子申请代码下，出现频数较多的关键词为“代数机器解答”、“关系网络”、“数学关系”等，说明教育智能体子代码下获资助的一项研究关注教学智能体中关系网络的构建和优化、隐含和直接陈述了数学关系发现对提升代数机器解答的题目理解能力。

⑦F070108子申请代码下，出现频数较多的关键词为“行为分析”、“学习效果”、“学习推荐”等，这反映了教育大数据分析与应用子代码下关注学情数据驱动的个性化教学模式（数据分析→特征发现→学习推荐），以提升学习效果。

⑧F070109子申请代码下，出现频数较多的关键词为“学习过程”、“脑电”、“机器学习”等，这反映了学习分析与评测子代码聚焦基于神经科学和机器学习分析学习过程，进行多维度学习评价，进而实现教育个性化。

⑨F070110子申请代码下，出现频数较多的关键词为“个性化资源推荐”、“学习行为”、“人工智能”、“自适应学习”等，这反映了自适应个性化辅助学习子代码重视利用深度学习、知识空间理论挖掘学习者行为与学习资源之间的关联性，从而进行个性化学习资源推荐。

图8F0701基金项目（子）申请代码词云图

2、研究主题的聚类可视化结果及分析

本研究统计所筛选的128个关键词在申请书中的出现频数和关键词对共同出现的频数（简称共现频数），形成维度为128×128的共词矩阵，并将构建的共词矩阵转成共词网络，最后进行自动聚类并得到可视化结果，如图9所示。图9中节点表示关键词，节点大小表示关键词频数，即关键词在不同申请书中出现次数越多，节点半径越大；若两个关键词在同一申请书中出现，即产生共现关系，在图中表现为有连线连接，连线的粗细代表共现频数的大小。研究主题经自动聚类形成了九大类别，分别由不同颜色和数字标识。总的来说，申请书中出现高频词有“在线学习”、“深度学习”、“个性化学习”等，表明获批项目大量运用了深度学习的技术，主要解决在线学习、个性化学习的相关问题，体现了运用信息技术解决人机融合教育场景的问题得到了研究者的重点关注。具体来说，聚类1包括个性化学习、学习行为、学习路径推荐等21个关键词，侧重个性化教育学习；聚类2包括心理学、神经科学、情感态度等19个关键词，侧重课堂教学与心理、神经科学的交叉研究；聚类3包括智能教育、智能问答、文本推理等17个关键词，侧重教育智能化与教育文本语义分析；聚类4包括认知诊断、评价模型、学习效果等16个关键词，侧重学习分析与评测；聚类5包括群体学习、群体动力学、协作学习等13个关键词，侧重协同学习；聚类6包括个性化资源推荐、数据挖掘、教学资源等13个关键词，侧重教学资源推荐；聚类7包括可视化、情景式学习、沉浸式学习等10个关键词，侧重虚拟与增强现实学习环境；聚类8包括在线学习、学习分析技术、媒体素养等10个关键词，侧重在线学习；聚类9包括具身认知、学习认知、生理信号等7个关键词，侧重学习认知。

图92019年度F0701基金项目研究主题聚类可视化;102019年度度F0701基金项目研究主题语义网络

3、研究主题语义网络及分析

本研究从128个关键词中选出排名前十的高频关键词，依据其共现关系绘制语义网络图。具体来说，若两个关键词具有共现关系，则在它们之间形成一条连线；节点半径大小表明了该关键词的频次，语义网络如图10所示。图10表征了多个申报书出现的热点关键词之间存在共现关系。关键词共现关系能够在一定程度上显示获批项目的研究趋势和研究热点，即与“在线学习”、“个性化学习”、“深度学习”同时出现的词语最多，说明获批项目普遍关注这三个方向。图10中的所有词与另外9个关键词都有关系，表明利用大数据方法和人工智能、深度学习挖掘手段对学生行为进行分析、对学生学习心理进行探索，来改善学习环境、优化学习过程、提升学习效果，进而实现个性化学习、在线学习的研究趋势。

三、特征和问题

本研究整合2019年F0701基金申请和批准情况，并对比2018年的计量结果，旨在把握F0701代码体现的整体特征，并揭示其中存在的问题。2019年F0701代码申请体现出以下特征：

①相较于2018年，2019年F0701代码基金申请数量降低，批准数量增多，资助率增加，具体体现在：其一，收到除澳门特别行政区和台湾省以外的32个省级行政区或直辖市的243个依托单位的项目申请，共资助21个地区的44家依托单位，总资助金额达到4332.39万元，几乎是2018年资助金额的2倍；其二，申请项目类型涉及创新研究群体、地区科学基金、国际（地区）合作与交流项目、面上、重点、优青、专项等众多类型，最终资助4类项目，包括地区科学基金、面上、青年科学基金和重点项目；其三，2019年F0701代码依旧吸引了大批高水平人才的申报，相较于2018年，申报人的职称分布呈现出更加多样化的趋势。仅就批准项目而言，在教授、副教授、讲师和博士后的基础上，2019年批准项目申报人职称增加了教授级高级工程师、研究员、实验师等，体现了更加多样和不同梯度研究人员参与的积极性。

②子代码的申请和批准数量存在较大差异。教育机器人（F070106）和教育智能体（F070107）的申请占比最少（分别为1.44%、1.26%），批准数量也最少（分别为0%、1.22%）；教育大数据分析与应用（F070108）和学习分析与评测（F070109）的申请数量最多（分别为21.94%、17.27%），批准数量也最多（分别为21.95%、21.95%），与2018年的申请和批准情况基本一致。申请量和批准量存在的差异体现了F0701代码的关注趋势和研究者的探讨热点主要集中在两方面：一方面是利用大数据相关手段和方法，进行教育数据挖掘和教学行为分析（教育大数据分析与应用）；另一方面是科学合理地对教学过程进行评价，并对学生进行诊断预测和能力素养评测（学习分析与评测）。

③运用信息技术解决人机融合教育场景的问题是F0701代码的研究主流。F0701代码申请书中出现词频最高的关键词依次为“个性化学习”、“在线学习”、“深度学习”、“人工智能”等，这反映信息技术与教育领域的交叉融合已经成为教育变革的基本动力。从信息化意义上来说，融入了信息科技的现代教育为教育服务供给和教学资源匹配实现了最大程度的扩容，为时代教育生产力的升级提供了可能[6]。如通过研究师生神经生理大数据，来深刻理解教学认知规律，提高教学质量。

通过剖析2019年F0701代码的申请和资助情况，本研究总结出项目申请存在的几个问题：其一，项目申请的创新性不足，依旧是与传统手段相结合或者重复前人或本项目组已完成的工作，没有切实做到教育和信息科学技术的深度融合，项目本身更具有深刻内涵的研究仍有待挖掘；其二，项目申请人对本领域已有研究现状的了解不够深入，仅从问题表象入手，未能切入问题实质发现“突破口”，造成研究问题浮于表面，未能下沉到底层切实提出具有根本性、挑战性的问题和解决方法；其三，未能科学深刻地定位和凝练出所申请项目的关键科学问题，而只是套用惯例研究手段，或以研究领域、研究方向宽泛地解释关键科学问题。

四、结论

党的十九大报告提出“智慧社会”的概念，这是相对于工业社会而言的社会发展新阶段，需要与之相匹配的教育新生态，而教育信息化是构建智慧社会教育新生态的推动力[7]。2018年，F0701代码的设立标志着我国从国家战略层面上开辟了教育与信息科学技术交叉研究的支持渠道，这对于我国走向人机协同、人机融合的现代教育创新提供了可能性。本研究通过统计分析2019年F0701代码的申请和资助情况，并与2018年进行对比，可为未来F0701基金的申请和组织工作提供科学指导。

参考文献：

[1]国家中长期教育改革和发展规划纲要工作小组办公室.国家中长期教育改革和发展规划纲要(2010-2020)[OL].

[2][6]赵晋,蔡冉冉,张建军.新时代教育理论创新的动因与路向探究[J].中国电化教育,2019,(10):67-75.

[3][4]黄璐,朱一鹤,陈丽,郑永和.科学基金资助F0701的科学计量分析[J].科学学研究,2019,(6):977-985.

[5]中文常用停用词表(哈工大停用词表、百度停用词表等)[OL].

[7]郭绍青.教育信息化缔造教育新生态[N].学习时报,2019-12-13(6).

王胜灵,石红薇,赵航,张婧婧,吴国政,郑永和.2019年国家自然科学基金“教育信息科学与技术”的计量分析[J].现代教育技术,2020,30(02):5-13.