《Computers and Education: Artificial Intelligence》：Generative AI in higher education: A bibliometric review of emerging trends, power dynamics, and global research landscapes
编辑推荐：
面对生成式人工智能(GenAI)在高等教育领域引发的变革浪潮，研究仍缺乏对其全球研究格局和知识生产权力动态的系统审视。本研究通过文献计量学方法，分析了2022年至2025年间的2762篇文献，揭示了该领域呈指数级增长，且研究版图正从传统的西方中心主义向以美国、中国、英国为首，并包含众多非西方参与者在内的多极化知识生产体系转变。研究识别了用户采纳、专业实践、技术评估和学术伦理四大核心主题集群，为政策制定者、教育工作者和学者理解并导航这一快速发展的复杂领域提供了重要参考。
近年来，以ChatGPT为代表的生成式人工智能(Generative AI， 简称GenAI)技术浪潮席卷全球，迅速渗透到高等教育的教学、评估、学术写作与研究等核心环节。这场技术革命一方面带来了诸如个性化学习、提升教学效率和革新研究范式等前所未有的机遇，另一方面也如同一个巨大的问号，高悬于学术共同体之上：它是否会颠覆长久以来赖以维系的学术诚信？又将如何重塑全球范围内的教育公平与知识生产体系？面对这些紧迫的议题，现有的研究多聚焦于特定时间段、国家或孤立主题，缺乏一个全面、数据驱动的全球视角，尤其忽视了不同国家和地区在这一新兴知识领域中扮演的角色及其背后的权力动态。
在此背景下，一篇题为“Generative AI in higher education: A bibliometric review of emerging trends, power dynamics, and global research landscapes”的研究发表于《Computers and Education: Artificial Intelligence》期刊。该研究旨在填补上述空白，通过对全球研究版图的系统性测绘，回答一个核心问题：在生成式人工智能与高等教育融合的研究领域，知识是如何被生产的？由谁主导？又呈现出怎样的全球格局？为此，研究团队进行了一项大规模的文献计量分析。
为了回答上述问题，研究团队主要运用了文献计量学(Bibliometrics)的分析方法。具体而言，研究从Web of Science (WoS)核心合集中检索了2022年1月1日至2025年11月7日期间发表的、经同行评议的期刊文章，最终纳入了2762篇相关文献构成分析数据集。研究运用描述性统计分析来描绘文献的增长轨迹和主要贡献者（国家、机构、作者、期刊）的特征。同时，研究借助VOSviewer软件进行科学知识图谱绘制，通过关键词共现分析识别出该领域的主要研究主题集群，并生成国家/地区密度图以可视化不同地区的研究影响力。此外，研究引入了“多极(Multipolarity)”这一源自地缘政治学的概念作为分析透镜，用以解读全球学术参与和影响力的模式，通过考察出版物地域分布、机构多样性、作者合作网络等指标，评估该领域知识生产是否正变得更加分散。
研究结果显示，该领域的研究呈现爆炸式增长，年度出版物数量从2022年的9篇激增至2025年（截至11月7日）的1962篇。这种增长反映了全球学术界对GenAI在高等教育中影响的广泛关注。
4.1. 整体出版物增长轨迹
分析显示，自2022年底ChatGPT发布以来，全球对高等教育中生成式人工智能的研究兴趣急剧上升。尽管早期的文本生成AI技术早已存在，但直到易于访问的ChatGPT出现，才引发了学术界内外的广泛讨论。研究指出，支持和反对的声音并存：支持者视其为推动全球高等教育变革的强大工具，而批评者则严重关切其对学术诚信（如抄袭）构成的威胁。虽然增长趋势尚未见顶，但随着技术不断渗透和机构态度趋于审慎，未来研究强度可能趋于平稳。
4.2. 主要贡献者
- •
国家/地区参与度: 共有128个国家/地区贡献了相关文献。美国(556篇)、中国(475篇)、英国(172篇)、澳大利亚(168篇)和沙特阿拉伯(138篇)是出版物数量最多的国家。值得注意的是，中国的总链接强度(5173)超过了美国(3803)，表明其在国际合作网络中具有特别强大的影响力。印度、南非、阿曼、卡塔尔等非西方国家也作为活跃贡献者出现，反映出参与度的扩大和多极化趋势。
- •
主要机构: 从引用影响力和出版物数量来看，香港的大学（香港大学、香港中文大学、香港教育大学）表现突出。其他高影响力的机构遍布澳大利亚、波兰、墨西哥、马来西亚、约旦、沙特阿拉伯等地，而美国机构的表现在此指标上相对分散。中国内地的研究贡献主要集中在香港，这与其政策支持和平台访问便利性有关，而内地机构如北京大学、北京师范大学等则因语言障碍和平台访问限制，影响力相对较低。
- •
关键作者: 通过共被引分析、直接引用分析和最高产作者分析发现，该领域的知识结构呈现出多极化趋势。共被引作者中仍包含如Viswanath Venkatesh等奠定理论基础的两方学者，但来自德国、波兰、约旦、尼日利亚、马来西亚、越南、中国香港等地的学者也构成了重要的知识基础。在直接推动当前讨论的作者和最高产作者列表中，来自越南、孟加拉国、巴勒斯坦、香港、约旦、巴基斯坦等地区的学者占据了显著位置，表明新兴地区已成为该领域学术产出的关键引擎。
- •
关键期刊: 《Education and Information Technologies》、《Education Sciences》和《BMC Medical Education》是发表文献最多的期刊。而《International Journal of Educational Technology in Higher Education (IJETHE)》尽管发文量较少，但拥有最高的被引次数，显示出核心影响力。期刊领域以教育技术和跨学科出版物为主导，传统的高等教育核心期刊或顶尖计算机科学平台代表性不足。几乎所有顶级期刊都由总部位于欧美地区的西方出版商出版，这反映了学术出版中持续存在的西方/非西方不对称性。
4.3. 主要研究主题
通过关键词共现分析，研究识别出四个主要的主题集群：
- •
集群1（红色）: 高等教育中生成式人工智能的采纳、感知与行为参与: 该集群关注学习者与教育者如何采纳、感知并与GenAI互动，研究涉及技术接受度、感知有用性、AI素养、态度和参与度等因素。研究表明，采纳过程受到文化、代际差异和具体情境的显著影响。
- •
集群2（蓝色）: 研究实践与专业/应用型高等教育中的生成式人工智能: 该集群关注GenAI在学术研究（如文献综述、内容分析）以及医学、护理、教师教育等专业领域的应用。研究揭示了GenAI在支持研究、课程规划和专业学习方面的潜力与挑战。
- •
集群3（绿色）: 生成式人工智能系统的技术评估与学术效用: 该集群侧重于评估GenAI系统的可靠性、性能、可读性和在学术工作流（如图书馆服务）中的应用。研究包括比较不同大语言模型(LLM)的输出、评估幻觉率以及开发新的教学应用（如基于LLM的苏格拉底辅导系统）。
- •
集群4（黄色）: 高等教育中生成式人工智能的伦理、诚信与治理: 该集群持续关注GenAI带来的伦理风险、制度漏洞和治理挑战，核心议题包括学术诚信、抄袭、作弊、伦理、批判性思维和信任。不同地区的机构对GenAI的伦理框架存在差异，例如西方大学更倾向于基于监督的完整性框架，而中国和南非的机构则表现出对教学探索和人机协作更开放的态度。
研究结论与讨论部分指出，生成式人工智能在高等教育领域的研究呈现出一个迅速扩张、作者多元、主题广泛的格局。通过对主要贡献者（国家、期刊、机构、作者）的地理分布分析，揭示了学术影响力中持续存在的不对称性，同时也显现出向日益多极化的全球研究趋势转变的迹象。一方面，美国、英国、澳大利亚等传统西方强国以及由其主导的高影响力期刊和共被引作者，依然保持着强大而持久的支配地位。另一方面，越来越多的新兴地区正在该领域的知识生产中扮演更重要的角色，来自香港、中国大陆、南亚和东南亚、中东及部分欧洲地区的研究贡献日益显著。这种演变态势表明，该领域的学术领导力不再仅仅集中于西方中心，而是变得更加分散。研究将这种格局概括为“部分多极化(Partial Multipolarity)”——一个新兴声音和地区影响力不断提升，但西方中心的合法性规范和影响力评估体系仍在塑造全球学术等级的制度。
本研究识别出的四个关键主题集群，部分与此前McGrath et al., 2024的发现一致，如学术诚信和技术性能。但本研究通过更大规模的数据分析，进一步揭示了用户在采纳与行为参与、学科专业应用等主题上的研究多样性，表明不同背景的参与者如何与GenAI技术互动受到情境、制度和职业差异的深刻影响。从多极化视角解读这些集群发现，生成式人工智能在高等教育领域的研究正由一个异构的全球贡献者群体共同塑造，来自亚洲、中东、欧洲等非西方地区的研究中心不仅扩展了实证基础，也在重新定义教学重点、伦理辩论和技术评估方向。
这项研究具有重要的理论和实践意义。理论上，它通过整合多极化分析框架，为理解全球知识生产的动态演变提供了新的视角。实践上，它为政策制定者、教育管理者和研究者提供了关于该领域发展态势、核心议题和权力格局的全局图景。研究指出，未来研究可以在多个方向深化：例如，进行考虑文化、语言和政策差异的跨区域GenAI采纳比较研究；探讨不同高等教育体系中学科规范、博士培训和学术劳动如何与GenAI互动；将技术性能评估与教学及治理影响相结合；以及探索不同地区如何在日益多元化的全球背景下构建原创性、作者身份和负责任使用的概念。最后，由于本研究主要基于英文数据库，未来研究应纳入多语言和区域性文献，以支持对生成式人工智能在高等教育中更包容、更真正多极化的理解。
