（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。
