一文了解智慧教育顶刊TLT的研究热点

本文聚焦于IEEE Transactions on Learning Technologies（TLT）期刊，通过图文结合的方式，梳理了2025年第18卷的研究热点，帮助读者把握教育技术与人工智能交叉领域的研究进展，深入了解智能学习系统、自适应学习环境、人机交互等方向的前沿动态。本推文的作者是黄星宇，审校为邱雪和许东舟。

一、期刊介绍

IEEE Transactions on Learning Technologies（TLT）是由IEEE电气电子工程师学会出版的国际权威期刊，专注于学习技术与教育信息化领域的前沿研究。该期刊涵盖智能教学系统、自适应学习环境、学习分析、教育数据挖掘、人机交互等方向，致力于推动技术与教育的深度融合，促进创新学习方式的探索与应用。该期刊被SSCI和SICE同时收录，是中科院3区期刊（教育学3区），JCR Q1期刊，影响因子为2.9，出版周期为季刊（一年四期）。图1和图2分别是TLT近年来的IF趋势图以及每年录用论文的数量。

图1 IF趋势图

图2 录用论文数量

期刊官网：https://ieeexplore.ieee.org/xpl/mostRecentIssue.jsp?punumber=4620076

二、期刊内容

2025年第18卷共出版文章25篇，文章名称和简要概括如表1所示。

表1 期刊内容

文章名称	简要概括
Measuring the Effectiveness of Learning Economic Principles in a Sustainable Entrepreneurship Game-Based Setting: A Bootstrapping Approach	研究在可持续创业游戏环境中学习经济原理的有效性，采用自举法进行测量，以应对可持续产品和服务需求增长带来的创业技能培养新挑战
Developing and Usability Testing of an Augmented Reality Tool for Online Engineering Education	介绍为在线工程教育开发的增强现实工具SPEAR，聚焦于结构梁弯曲学习模块，以及对其进行的可用性测试
AAKT: Enhancing Knowledge Tracing With Alternate Autoregressive Modeling	探讨知识追踪问题，通过交替自回归建模，利用学生先前练习和额外信息来预测其未来表现，以促进教育中的个性化体验
Using RoblockLLy in the Classroom: Bridging the Gap in Computer Science Education Through Robotics Simulation	介绍教育机器人模拟器RoblockLLy，旨在提高中小学生对STEM的兴趣，培养计算机科学中的计算思维技能，且易于使用，可通过网络浏览器访问
Editorial: Journey to the Future: Extended Reality and Intelligence Augmentation	探讨了扩展现实和智能增强在教育中的应用，引领读者走向教育的未来
Facilitating Online Self-Regulated Learning and Social Presence Using Chatbots: Evidence-Based Design Principles	研究如何利用聊天机器人促进在线自我调节学习和社交存在，以帮助缺乏自我调节技能的在线学生更好地管理学习
Leveraging Multicriteria Integer Programming Optimization for Effective Team Formation	介绍一种新的多准则整数规划（MCIP）应用，用于组织和学术环境中的团队形成，以创新方式解决复杂的团队组建任务
Investigating Culture and Resource - Sensitive Technology-Enabled Learning	探索文化和资源对技术支持的学习的影响，收集了来自学生、讲师和大学管理人员的数据，以研究高等教育中文化差异对学习和技术整合的作用
How to Design Immersive Virtual Learning Environments Based on Real-World Processes for the Edu-Metaverse—A Design Process Framework	针对教育元宇宙，提出基于现实世界过程设计沉浸式虚拟学习环境的框架，以解决现有文献中设计指南和应用评估描述不足的问题
A Collaborative Virtual Reality Flight Simulator: Efficacy, Challenges, and Potential	研究协作式虚拟现实飞行模拟器，探讨其在学生飞行员培训中的功效、挑战和潜力，弥补现有研究在商业飞行员操作应用方面的不足
Children's AI Design Platform for Making and Deploying ML-Driven Apps: Design, Testing, and Development	介绍儿童AI设计平台“GenAI Teachable”，用于K-12计算教育中教授机器学习和数据驱动系统的机制，以应对现有教育工具有限的挑战
Data Augmentation for Sparse Multidimensional Learning Performance Data Using Generative AI	研究如何利用生成式人工智能对智能辅导系统中稀疏的学习性能数据进行增强，以解决数据稀疏对学习模型使用的挑战
Microlearning in Immersive Virtual Reality: A User-Centered Analysis of Learning Interfaces	以用户为中心分析沉浸式虚拟现实中的微学习界面，研究如何将微学习应用于教学虚拟现实环境的教学设计
The Impact of Embedding Interactive Tasks in Augmented Reality Storybooks on Children's Reading Engagement and Reading Comprehension	探讨在增强现实故事书中嵌入互动任务对儿童阅读参与度和阅读理解的影响，以解决现有AR故事书忽视互动功能设计的问题
Impact of GPT-Driven Teaching Assistants in VR Learning Environments	研究生成式人工智能如GPT在虚拟现实学习环境中的应用，探索其如何进一步增强学生的参与度和对复杂概念的理解
Navigating the Textual Maze: Enhancing Textual Analytical Skills Through an Innovative GAI Prompt Framework	研究ChatGPT提示框架在提高学生文本分析技能方面的有效性，包括可读性、准确性、完整性和逻辑性等方面
Integrating Technologies in the Metaverse for Enhanced Healthcare and Medical Education	对元宇宙中用于增强医疗保健和医学教育的技术进行全面调查，探讨物联网和区块链等技术如何在元宇宙中为用户提供卓越体验
Transforming Education With Generative AI (GAI): Key Insights and Future Prospects	全面探讨生成式人工智能在教育中的应用，包括其在个性化学习、自适应评估、创新教学方法和跨文化交流等方面的潜力和面临的挑战
MSC-Trans: A Multi-Feature-Fusion Network With Encoding Structure for Student Engagement Detecting	提出一种用于学生参与度检测的多特征融合网络MSC-Trans，以解决传统方法在检测课堂参与度时存在的延迟、主观性和外部干扰等问题
LEMON: A Knowledge-Enhanced, Type-Constrained, and Grammar-Guided Model for Question Generation Over Knowledge Graphs	研究从知识图谱生成问题的模型LEMON，通过知识增强、类型约束和语法引导来解决现有编码器-解码器架构在生成连贯且可回答问题时遇到的挑战
Enhancing Sand-Table-Based Incident Command Training With Extended Reality and Interactive Simulations: A Use Case in Forest Firefighting	以森林消防为例，研究如何利用扩展现实和交互式模拟增强基于沙盘的incident command培训，以应对应急情况下消防事件指挥官面临的挑战
An Intelligent Tutoring System to Support Code Maintainability Skill Development	介绍一个智能辅导系统，用于支持软件开发中代码可维护性技能的培养，强调可维护性对软件质量和开发者生产力的重要性
Reducing English Major Students’ Writing Errors With an Automated Writing Evaluation System: Evidence From Eye-Tracking Technology	研究利用眼动追踪技术探索自动写作评估（AWE）系统在减少英语专业学生写作错误方面的有效性
Exploring the Impact of the Metaverse on Promoting Students’ Access to Quality Education: A Meta-Analysis	针对元宇宙用于提升学习效果和体验以确保优质教育的情况，运用综合元分析软件 Version 3 对 34 项研究的数据进行有效综合，来探讨元宇宙对促进学生获得优质教育的影响
PythonPal: Enhancing Online Programming Education Through Chatbot-Driven Personalized Feedback	研究PythonPal这一创新学习系统，它集成了聊天机器人，旨在填补在线编程教育中更有效个性化交互的空白。该研究深入探讨了PythonPal在高学生-教师比例环境中，通过聊天机器人驱动的个性化反馈来增强在线学习体验的潜力

三、热点分析

图3展示的是基于2025年第18卷共25篇文章标题生成的关键词词云图，直观地反映了本期研究热点的分布。

图3 由2025年第18卷标题高频词生成的词云

在本期《IEEE Transactions on Learning Technologies》中，“Learning”以高频（6次）出现，占据了关键词之首，充分体现出学习技术在教育领域中的核心地位。结合“Learning”与“Reality”、“Design”、“Education”、“Simulation”、“AI”等其他高频词，本期刊文集中呈现出多种技术趋势与研究关注点。以下将从几个主要热点方向出发，解析其研究价值及在学习技术领域中的作用。

1. 智能学习与教育技术的核心地位

高频词：Learning（6）、Education（4）、Knowledge（3）、Engagement（2）

热点解析：以“Learning”为核心的智能学习系统依旧是TLT的研究重心。该词贯穿多篇文章主题，反映出学者们关注如何利用技术提升学习效果、优化教学模式。无论是自适应学习系统、智能推荐，还是知识追踪与学生行为建模，均是学习技术研究的重要方向。

2. 沉浸式与扩展现实学习环境的热度上升

高频词：Reality（5）、Virtual（2）、Augmented（2）、Extended（2）、Immersive（2）

热点解析：XR（扩展现实）技术在教育场景的应用成为另一研究高地。文章探讨了虚拟现实（VR）、增强现实（AR）和混合现实（MR）对学习体验的提升作用，特别是在工程教育、医疗培训和阅读理解等任务中的落地效果。研究表明，沉浸式环境有助于提高学生参与度与认知深度。

3. 教育系统设计与交互测试的深入研究

高频词：Design（5）、Testing（3）、Interactive（2）、Interfaces（1）、Usability（2）

热点解析：设计思维贯穿于智能教育工具的开发中。从课程资源设计、系统交互界面到用户测试和反馈评估，文章强调了以用户为中心的教育技术开发方法。这一趋势也促使研究者更关注学习系统的人因工程与体验设计。

4. 仿真与模拟驱动的教学创新

高频词：Simulation（3）、Modeling（2）、Scenario（隐含于多个文章）

热点解析：模拟环境（如机器人仿真、AR实验、指挥演练）正在成为教育实践的重要补充。文章展示了如何通过构建仿真平台实现复杂系统的交互学习，如森林灭火、医疗培训、编程实践等，大幅拓展了教育的“实践维度”。

5. 生成式AI与大模型的引入

高频词：AI（3）、Generative（2）、GPT（1）、GAI（2）

热点解析：生成式人工智能（GAI）、特别是GPT类模型，开始在教学助手、自动问答生成、知识图谱建构等方面发挥作用。研究者关注如何利用大语言模型提升教学的智能性与适应性，同时也探讨其在元学习、技能训练中的融合路径。

6. 少儿教育与编程启蒙的探索

高频词：Children（2）、Storybooks（1）、Robotics（1）、Apps（1）

热点解析：关注儿童群体的教育技术研究占有一定比重，特别是通过图形化编程、机器人模拟、AR故事书等方式来提高儿童的学习兴趣与逻辑能力。该方向融合了娱乐性、互动性与教学目标，具有广阔的实际推广价值。

7. 数据驱动的个性化学习与优化算法

高频词：Data（2）、Optimization（1）、Encoding（1）、Tracing（1）

热点解析：随着学习行为数据的大量积累，研究者通过分析学生的交互数据，构建行为模型与预测算法，以实现更精准的个性化教学推荐与评估机制。数据稀疏问题与可解释性也是当前关注的挑战。