教育领导力中的人工智能：基于PRISMA方法的文献计量学综述与未来研究方向

《COMPUTERS and EDUCATION》：Artificial Intelligence in Educational Leadership: A PRISMA-Guided Bibliometric Review and Agenda for Future Research

　　•整合了219篇关于人工智能在教育领导力领域的SSCI索引研究•运用PRISMA指南，结合WoS和Scopus数据开展文献计量分析•识别出五个主题领域，并提出了一套综合分类体系•揭示了2020年后的研究增长趋势、发表平台分布情况以及地域差异•明确了研究方向：跨情境研究、伦理框架、纵向研究引言随着数字化进程的推进、机构复杂性的增加，以及对效率、个性化服务和责任要求的提升，教育领域正在经历深刻变革（Mustafa等人，2024）。因此，教育领导者面临着越来越大的压力，需要及时做出基于证据的决策，以应对治理、资源分配、教学改进以及机构绩效等方面的问题（Ford等人，2020；Tan等人，2025）。在此背景下，人工智能作为一种战略工具，有助于提升机构治理的效率、精准度及战略前瞻性。越来越多的教育机构开始将人工智能应用于核心的行政和管理职能中（Arar, ?zen, Polat & Turan, 2025）。最新调查表明，各机构的应用范围已经相当广泛：约52%的学术机构利用人工智能简化行政任务，而80%的管理人员将效率与生产力视为采用该技术的主要动力（Robert & McCormack, 2025）。这些发展引发了学界对人工智能在教育领导力领域应用日益浓厚的兴趣。在本研究中，人工智能在教育领导力领域指的是人工智能技术在学校领导、管理及决策过程中的应用、治理方式及其所带来的影响（Meng, 2024；Polat等人，2025）。我们将这一概念限定在与治理和问责决策、利益相关者管理、资源分配、教学领导、课程领导、教师能力提升、政策转化、机构实施以及领导者思维相关的领导职能范围内（Dani?ls等人，2019；Sposato, 2025）。因此，人工智能在教育领导力领域并非与更广泛意义上的教育领域中的人工智能同义，而是指那些与领导角色、管理决策、机构监督以及组织适应相关的人工智能应用和实施过程。在应用这一定义时，我们采用的是基于功能的而非单纯基于行为主体的教育领导力理解方式。所以，相关研究不必仅仅聚焦于校长、行政人员或高级管理者，只要它们探讨的是教育领导者所承担的职责范畴内与人工智能相关的内容，就属于本研究的范畴。相反，那些仅关注课堂教学法、学生学习成果、人工智能素养或教育技术应用，且与领导力、管理、治理、课程实施或机构决策没有明确关联的研究，则不在本研究的范围之内。随着人工智能在教育领导力领域的应用不断拓展，学者们开始研究其对机构治理的影响。现有研究多集中于一些较为具体的应用场景，比如用于识别有辍学风险的学生的预测模型（Luis等人，2022；Melo等人，2022；Shiao等人，2023），能够提高处理效率的自动招生系统（Aloisi, 2023；Zawacki-Richter等人，2019），以及可减轻行政负担的人工智能辅助排课工具（Tyson & Sauers, 2021；Wang, 2021a）。近期的一些研究则扩展到了战略领导力领域，如政策制定、资源分配和长期规划等（Arar等人，2024；Berkovich & Eyal, 2025）。与此同时，学者们也提出了关于人工智能应用所带来的伦理和治理挑战的担忧（Mustafa等人，2024；Zawacki-Richter等人，2024）。尽管应用范围有所扩大，但相关文献在概念上仍然较为分散，且在学科和功能层面存在割裂现象。现有研究往往只探讨人工智能在特定领导任务中的孤立应用，如招生、排课、学生监控或资源规划等，而没有将这些任务置于更广泛的领导实践、决策过程和组织学习框架之下进行考察（Aloisi, 2023；Holmes等人，2022；Fullan等人，2024；Ghamrawi等人，2024）。因此，目前该领域还未能形成关于人工智能应用对领导实践、决策过程或组织学习影响的全面认识。换句话说，现有文献仅说明了人工智能被应用在哪些方面，却未能展现人工智能是如何改变领导者的判断力、协调能力、问责机制以及组织适应能力的（Chiu等人，2022；Melo等人，2022；Shiao等人，2023；Sposato, 2025）。这种缺乏清晰度的状况带来了理论和实践上的问题。从理论上讲，它限制了该领域对人工智能如何重塑领导工作本质的理解，而不仅仅是将其视为引入教育领域的新型工具；从实践层面来看，它也制约了领导者们就何时应让人工智能发挥作用、提供信息或始终服从于人类判断力这一问题做出明智决策的能力（Polat等人，2025；Sposato, 2025）。如果没有这样的综合分析，各机构就有可能将人工智能视为一组相互独立的应用工具，而非不断发展的治理和决策环境的一部分，进而影响效率的提升以及有效的监督机制的建立（Ng等人，2024；Sposato, 2025）。在这样的背景下，学者们越来越重视开展系统性梳理工作，这类工作应超越单纯的描述性案例研究，构建出一个能够整合新兴技术、人工智能驱动的数据科学应用以及领导理论的框架结构（Fellnhofer, 2019；Wang等人，2025；Donthu等人，2021）。然而，目前的综合研究仍相对有限。虽然有一些尝试对人工智能在教育领导力领域的文献进行整合，但这些尝试大多集中在高等教育领导力领域（Sposato, 2025）或领导的伦理层面（Polat等人，2025）。这类研究固然有价值，但却未能全面展现人工智能应用所涉及的更广阔的领导领域。对于人工智能在教育领导力领域的关注不仅限于伦理合规问题，还包括领导角色界定、决策权、不同层级间的差异、人机协作以及组织适应等问题。此外，不同教育层次和机构背景下的应用和发展态势也可能存在差异（Keane等人，2023；Lomba-Portela等人，2022；Mustafa等人，2024；Zawacki-Richter等人，2019）。因此，本研究旨在通过文献计量分析来绘制该领域的图谱，将分析结果整合为结构化的分类体系，同时找出需要进一步研究的领导职能方面的空白点，从而构建一个更为明确的人工智能在教育领导力领域的分类框架。本综述重点探讨人工智能与领导职能、机构决策以及治理能力发展之间的关联。本研究旨在回答以下问题：1. 关于人工智能在教育领导力领域的研究是如何发展的？在治理和问责决策、利益相关者管理、资源分配、教学领导以及领导者思维等领导职能中，人工智能扮演着怎样的角色？这些角色又呈现出怎样的主题结构？2. 现有文献揭示了什么信息？在人工智能被引入教育机构后，关于领导实践、决策过程以及组织学习等方面，现有研究还存在哪些未能解释的问题？本研究从两个方面为人工智能在教育领导力领域的研究做出贡献。首先，它通过识别该领域的核心主题领域，将以往零散的研究成果整合为一个连贯的理论体系，从而明确了人工智能最显著地进入教育机构的领导职能范畴，同时也表明，人工智能在教育领导力领域不应被视为一系列孤立的技术工具，而是一种涉及伦理监督、机构协调、基于数据的决策制定、系统整合以及领导实践的更为广泛的治理现象。其次，它指出了当前该领域仍存在的理论缺陷，尤其是对于人工智能如何随着时间推移改变领导者的判断力、决策权、组织适应能力以及机构学习能力方面，现有理解还十分有限。在此基础上，本研究提出了未来研究的方向，为进一步探讨人工智能在教育领导力领域的解读、治理及制度化路径提供指导。本文的其余部分结构如下：下一节将介绍用于数据收集和分析的方法论及文献计量分析步骤，随后呈现研究结果，接着是讨论部分、未来研究重点、理论与实践意义以及研究的局限性。方法论本研究遵循《系统评价和元分析优先报告项目》中规定的系统评价准则（PRISMA）（Page等人，2021；Sarkis-Onofre等人，2021）。所有PRISMA要素的检查清单见附录A。文献发展情况如图2所示，该领域的研究始于1991年的一篇早期文章，该文研究了美国教育管理领域中计算机技术的演变与应用，尤其侧重于行政决策和教学改进方面（Bozeman等人，1991）。此后，相关研究成果一直较为分散，仅在1997年、2003年、2014年、2015年、2016年和2017年有过零星发表。1997年的那篇文章同样围绕学校管理信息系统展开。讨论本研究通过文献计量分析，梳理了人工智能在教育领导力领域的发展脉络，并将零散的研究成果整合为结构化的分类体系。以下讨论将围绕本研究的两项核心问题展开。针对第一个研究问题，研究结果表明，该领域已从最初的一些孤立研究发展成为一个快速扩张的研究领域，尤其是在2020年之后。通过关键词共现分析，可识别出五个主题集群。理论贡献本研究在多个方面推动了人工智能在教育领导力领域的研究进展。首先，它为该领域的发展历程及其主题结构提供了更为清晰的阐释。尽管以往的研究已经探讨了诸如学生辍学预测分析、行政自动化或人工智能辅助决策等具体应用，但相关文献在学科和功能层面仍然存在割裂现象（Abdelazim等人）。对教育领导者的实践建议本研究的结果具有多项实践意义。首先，它表明在教育领域引入人工智能不应仅仅被视为一种技术升级，而应视为一个涉及领导力和治理层面的问题。因此，教育领导者应当制定明确的机构人工智能战略，评估基础设施、员工能力以及数据治理方面的准备情况，并在扩大人工智能应用规模之前，制定出涉及透明度、隐私保护、偏见问题以及人类监督等方面的政策（Chounta等人，2024）。研究局限性在解读本研究结果时，需考虑到其存在的局限性。首先，由于仅考虑了收录在《社会科学引文索引》中的英文文献，这就可能存在系统性偏差，因为许多重要研究成果可能以其他语言发表，这可能导致非西方背景下的研究成果被忽视，进而造成合作网络中的地域失衡现象（Donthu等人，2021；Hsieh等人，2025）。CRediT作者贡献说明Hope Wilfred Banda：写作——审稿与编辑，写作——初稿撰写，软件使用，方法论，形式分析，数据整理，概念构建。Hui-Chieh Li：写作——审稿与编辑，指导监督，资源协调，方法论，概念构建。Chuan-Chung Hsieh：写作——审稿与编辑，指导监督，项目管理，方法论，研究实施，形式分析，数据整理，概念构建。未引用参考文献Arar等人，2025；Baglama等人，2022；Bali和Caines，2018；Goralski和Tan，2022；Han等人，2024；Hao，2024；Isik，2025；Liu，2025；Mouta等人，2024；Qazdar等人，2019；Slade等人，2025；Tan等人，2025；Wang，2024；Wang，2021b；Xu，2025。数据可用性说明本研究所分析的文献计量数据来自Scopus和Web of Science（WoS）这两个基于订阅的商业数据库。由于数据库提供商的许可和版权限制，这些原始数据集无法公开共享。不过，论文中详细介绍了搜索策略、纳入标准以及文献计量分析方法，人们还可以复制相应的搜索字符串、纳入流程以及分析参数（如VOSviewer的阈值设置）。资金支持本研究未获得任何来自公共部门、商业机构或非营利组织的资助。利益冲突声明无Chuan-Chung Hsieh|Hope Wilfred Banda|Hui-Chieh Li