以ChatGPT为代表的新一代人工智能技术作为数字时代高速发展中的里程碑式产品，为技能教育领域带来了巨大变革，冲击着中低端技能型劳动者职业发展的时空稳定性。党的二十大报告提出，“要加快建设国家战略人才力量，努力培养造就更多大师、战略科学家、一流科技领军人才和创新团队、青年科技人才、卓越工程师、大国工匠、高技能人才的培养”。
面对急速发展的科技，进一步刻画与比较该领域的国内外研究进展，对我国构建人工智能促进技能提升的中国本土化终身教育体系具有重要意义。为此，需要系统分析人工智能技能培训领域的现有研究成果，结合我国实际情况，逐渐解决当前人工智能与技能型劳动者之间的矛盾与困境。目前，国内关于人工智能与教育领域的研究主要关注教育领域整体发展方向，缺乏聚焦人与技术的交互范式研究。基于此，探究“人工智能+技能提升”的内在价值，把握该领域的研究前沿趋势，以满足政府、学界和行业对于人工智能的期望，有助于为拓宽我国技能型劳动者的发展空间提供参考。
一、研究设计
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。
二、研究发展历程比较
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。
三、研究核心体系比较
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
