社会网络分析视角下的学习分析发展趋势研究

钟丽霞

（华南师范大学教育信息技术学院，广东 广州 510631）

社会网络分析视角下的学习分析发展趋势研究

钟丽霞

（华南师范大学教育信息技术学院，广东 广州 510631）

本研究从社会网络分析视角出发，选取2010-2015年来源于CSSCI期刊的关于学习分析的文章，运用定量分析和定性研究相结合的方式，对目前我国学习分析研究的现状、动态、热点进行分析，进而正确把握学习分析研究领域的重点、薄弱环节以及未来的发展趋势，为日后学习分析的研究提供参考和借鉴。

学习分析；社会网络分析；中心性分析；现状热点；发展趋势

一、研究的背景和意义

随着云计算、大数据、学习分析等新技术的不断发展和应用，教育不再局限于传统面授教育中，教师和学生能够利用互联网获取海量的资源和信息，来帮助教学和学习。利用网络进行学习会产生海量的数据，那该如何将这些教育大数据转化为有用的信息，更好的促进教师的教和学生的学呢？学习分析技术（Learning Analytics，LA）的出现便能很好的解决这个问题，使得学习者真正学会学习，同时为个性化学习提供支持和保障。

2011年首届学习分析和知识国际学术会议学习分析协会（The Society for Learning Analytics Research，SoLAR）的定义：学习分析为测量、收集、分析和评价学习者学习和学习情境的数据，以进一步优化学习和学习情境（Knewton，2011）［1］。美国新媒体联盟的《地平线报告》（Horizon Report）从2010年至2016年连续7年预测“学习分析技术”将对教育教学产生巨大的影响［2］［3］［4］［5］［6］［7］［8］。2016年发布的《中国基础教育地平线报告》预测学习分析将在未来二至三年内对教与学产生潜在的影响力（The New Media Consortium，2016）［9］。正因为学习分析在教与学过程中具有强大的潜在影响力，因此探究学习分析在国内的研究现状、把握其研究趋势是非常有必要的，同时还可以为开展深入的学习分析研究奠定基础。

本研究利用中国知网进行文献检索发现我国在学习分析研究领域的词频分析文章不多，比如吴青等从文献角度出发分析梳理了学习分析的起源、应用状况等，旨在促进我国学习分析的应用和发展（吴青，2015）［10］；吴婧等基于近三年公开发表于国内学术期刊的有关学习分析的论文进行了量的统计、质的分析，得出我国学习分析的研究现状、问题及其主要成果（吴婧，2014）［11］；但是随着学习分析技术的不断发展和应用，该领域目前的研究不足和未来重心将有怎样的变化，这需要去研究和把握，因此本文采用定性和定量研究相结合的方法来描述我国学习分析研究的现状和发展趋势及薄弱环节。

二、研究设计

（一）研究问题和研究目标

随着“互联网+”的提出和信息技术的不断发展，使得终身学习和个性化学习成为可能。而“互联网+学习”的学习方式的出现，使得学习分析技术在教育教学过程中发挥出越来越重要的作用。那么，梳理和了解目前我国学习分析研究的现状和未来发展趋势是及其有必要的。因此，本研究运用文献计量分析方法、词频分析法的定量描述和社会网络分析法的定性分析，来分析我国目前学习分析研究现状和未来的发展趋势，以期为学习分析领域开展深入的研究提供参考借鉴。

（二）研究对象和研究方法

本研究选择CSSCI收录期刊来源作为样本，因为学习分析的概念是在2010年被提出，所以将检索时间设定为2010年—2015年，以主题词包含“学习分析”为检索项进行检索，在筛选、提出会议综述、新闻报道等冗余信息后，得到相关研究文献90篇，作为对我国学习分析研究的现状描述和分析的样本。本研究利用书目共现分析系统BICOMB、UCINET和SPSS等研究工具，利用词频分析、聚类分析、多维尺度分析、社会网络分析等方法，对研究样本进行多视角可视化分析，具体研究方法和分析思路框架如图1所示。

图1　研究方法和分析思路框架

三、研究现状

（一）研究数据描述

1.研究文献呈现上升趋势

文献数量的增减程度能从某一方面直观反映出某一领域的研究状况。从研究的样本可以看出，我国是从2012年才开始研究学习分析，就时间上来说相较国外的研究稍有延迟。从文献数量上来看，从最开始的不足十篇，到近5年内每年在学术影响力大、学术水平高的CSSCI期刊上发表的论文数量持续增加，可见其研究呈现上升趋势。

图2　国内学习分析研究来源CSSCI文献数量情况

2.高频关键词

关键词是学术论文思想和观点的高度提炼，因此本研究利用BICOMB提取样本论文中关键词和统计词频，获得的高频关键词可以在一定程度上反映出学习分析领域目前的研究热点。表1是目前我国学习分析研究的高频关键词（由于表格内容过多，此处只列举部分数据），但是仅凭借词频统计是不能确定学习分析研究关键词之间联系的，因此无法准确描述出学习分析的研究热点和发展趋势，所以需要进一步的统计和分析。

表1 国内学习分析研究高频关键词（部分）

（二）研究主题

本研究为进一步把握学习分析目前的研究情况，采用聚类分析、高频关键词多维尺度图谱来研究目前学习分析的研究现状。

1.高频关键词共现矩阵

利用BICOMB软件构建高频关键词共现矩阵，如表2所示。高频关键词共现矩阵是将出现在同一文献中的某两个关键词进行统计，进而说明目前该领域研究多与哪些领域研究结合或是交叉。如第一行与第三列相交的数是11，就是说学习分析和教育大数据作为关键词出现在同一文献中的次数为11次，相较其他关键词而言，这两者的联系较为紧密。

表2　学习分析高频词共现矩阵（部分）

2.高频关键词相异矩阵

为避免高频词矩阵中词频相差较大进而影响分析研究，本研究中利用Ochiai系数将高频关键词矩阵转化为相异矩阵。在相异矩阵中，两个关键词之间数据越接近1，说明这两个关键词之间的相似度越小、联系距离越大，反之，两个关键词之间的数据越接近于0，说明这两个关键词之间相似度越大、联系较多。从相异矩阵可以看出，研究者侧重于学习分析的概念、内涵、模式、分析工具等概念层面和理论层面的研究，对于具体实践应用的研究不深，比如互联网+时代背景下，学习分析应用于翻转课堂、在线学习等教学模式实践，学习分析如何促进学习者的个性化自适应学习的探究。

3.多维尺度分析

多维尺度分析法是在保持原始数据关系的基础上，将研究对象分解为多个维度进行分析和归类的分析方法［12］。将获得相异矩阵导入到SPSS中，采用多维尺度分析ALSCAL进行数据处理，获得高频关键词多维尺度图谱，如图3所示，可以将学习分析的研究热点分为三大类：

第一类：学习分析的本体研究，主要包含的关键词有教育数据挖掘、学习分析模型、学习分析方法和工具、云服务等。自2010年学习分析的概念被提出，到2012年国内学者开始研究学习分析至今，对于学习分析的要素、环节、内涵、技术等都做了研究。如顾小清从学习分析技术发展的时间维度分析，阐述学习分析的定义、要素、过程和特征（顾小清，2012）［13］，还介绍了学习分析使用的关键技术、应用发展趋势（顾小清，2013）［14］。李青运用文献分析方法辨析了学习分析的基本概念、探究学习分析的要素和应用模型，同时分析国外运用的典型案例，剖析学习分析的优势与不足（李青，2012）［15］。孙洪涛从互联网技术的趋势出发，对发展迅速的学习分析领域进行了介绍（孙洪涛，2012）［16］。祝智庭从智慧教育的角度，分析学习分析的定义、设计框架和模型（祝智庭，2013）［17］。朱珂等提出一个应用学习分析的自适应学习系统框架，实验表明，系统可以获取、存储、分析和报告学生及学习环境的数据，为教师的分析决策提供参考。（朱珂，刘清堂，2013）［18］。学习分析与课程教学设计、教与学过程挖掘和评价、文本挖掘与语义分析、学习分析与数学教育、学习分析与教育一体化、学习分析多元化等七个方面（吴永和，2014）［19］。由此可知，我国在学习分析的本体研究比较扎实。

图 3　学习分析高频关键词多维尺度图

第二类：在线学习背景下的学习分析教学应用研究。从高频关键词多维尺度图谱来看，包含的关键词有：MOOC、在线学习、智慧学习、翻转课堂等。学习分析的在线学习的教学应用研究在我国还处于起步阶段，主要是将其运用于网络教学中，如马婧、韩锡斌等采用基于学习分析的定量方法研究了网络教学环境中教师群体教学行为与学生群体学习行为的内涵及其之间的关系（马婧，2014）［20］；魏顺平基于学习分析技术提出了“在线教学绩效评估模式”，并验证其有效性（魏顺平，2014）［21］。虽然国内已有学者开始学习分析的教育应用研究，但仍有许多方面没能涉及到，因此还需在应用研究上深入探究。

第三类：学习分析融合多种学习方式的创新应用研究。该类别中包含的主要关键词有：个性化自适应学习、在线协作知识构建、电子书包、教学交互、深度学习、高阶学习、反思性学习等。该研究主题主要包含应用学习分析技术创新性使用各种学习方式来帮助学习者更好的实现个性化的学习，李爽等基于Wiki的CKB分析模型开展实质性协作学习和知识共建的实践研究（李爽等，2014）［22］；戴心来等以学习分析工具和社会网络分析法对网络论坛讨论区中的交互数据进行分析，促进学习者的交互和学习（戴心来等，2015）［23］。

（三）研究热点和发展趋势

1.小世界效应

基于人类社会网络的WS模型——小世界网络模型，该网络既有较大的集聚系数，又有较小的平均距离，这两种特性综合起来称之为小世界效应［24］。通过UCINET得出我国目前学习分析研究网络平均长度为4.23，网络集聚密度为0.236。小世界效应网络路径平均不超过6［25］，由此可知，目前我国学习分析研究呈现为小世界效应，且各研究主题之间联系紧密。

2.中心性分析

“中心性”是社会网络分析的重点之一，能分析某点在网络中处于的中心地位或是所占比重程度［26］。从接近中心度分析，关键词的数值越小，说明其越接近核心，越是未来研究的方向。从表3中可以看出学习分析中目前研究的热点是学习过程、大规模开放在线课程、教育大数据和数据挖掘、学习行为。那么，学习过程、学习行为、教师行为、个性化自适应学习、网络学习平台将是未来研究的趋势。从表中可知，学习支持工具（如学习仪表盘、LRS、XAPI）和TPACK的中间中心度为0，说明这两个关键词与其他关键词之间联系较为松散。从接近中心度分析，关键词的数值越小，说明其越接近核心，越是未来研究的方向。从表中可知，学习过程、学生发展、教师培训、智慧学习、翻转课堂、教育信息化等将是未来学习分析研究的发展趋势。

表3　高频关键词共现关键词的中心性分析（部分）

3.核心-边缘分析

核心-边缘结构图可以反映出处于核心位置的关键词是目前研究领域的重要组成部分，处于边缘区域的是目前研究较为薄弱的部分，而且中心和边缘的关键词之间是具有联系的。本研究中利用UCINET软件得到学习分析研究领域的中心性结构图，如图4所示。核心度数值大于0.0的关键词为核心关键词；核心度数值小于或者等于0.0且大于等于0.03为半边缘关键词；核心度数值小于0.03的关键词为边缘关键词。

图 4　学习分析研究的边缘-核心分析图

结合表3和图4，可以得出核心-边缘分类表，如表4所示。

表4　高频关键词核心-边缘分类表

4.未来研究趋势分析

利用社会网络分析软件UCINET绘制出高频关键词共现网络分析图，如图5所示，可以直观的反映出我国近五年内学习分析的研究现状。从图中我们发现：第一，数据挖掘、教育大数据、学习分析模型、智慧教育、智慧学习等关键词位于网络的中心位置，并且频数较高，说明这些研究内容是目前我国学习分析领域的研究核心内容；第二，教育信息化、教学设计、MOOC、学生学习行为、教学交互、在线学习、教师培训等关键词位于网络的中间位置，是连接中心主题和边缘主题的桥梁，由此可见MOOC、学生学习行为在学习分析的研究领域呈现从热点转为中心研究的趋势；第三，翻转课堂、个性化自适应学习、可视化、E-learning、深度学习、高阶学习、反思性学习、社会网络分析、教学创新、教学模式等位于网络的边缘地带，说明这些将是学习分析研究领域的热点趋势。因此，我国学习分析的研究热点是在学习分析在教与学的实践应用方面。

图5　高频关键词共现网络分析图

四、研究结论与启示

随着大数据时代的不断发展，MOOC、SPOC、混合学习、E-learning等学习方式需要运用学习分析先进的分析方法、技术、工具来帮助教师、学生更好更快的发现教与学中存在的问题，及时调整，以求达到最优效果。本研究利用高频关键词词频分析法和社会网络分析技术等可视化分析技术，从文献数量、研究作者、研究机构、高频关键词体现出的学习分析领域的研究主题、现状、热点和发展趋势情况，得出以下结论：

第一，从研究论文数量上来看，目前学习分析研究呈现逐年上升的趋势，可见我国在学习分析方面的研究将逐步深入。

第二，目前国内学习研究的主题可以分为三类：学习分析的本体研究、在线学习背景下的学习分析教学应用研究、学习分析融合多种学习方式的创新应用研究等。

第三，目前，我国学习分析研究侧重于学习分析内涵、技术工具、分析方法等研究，对于学习分析在教育教学领域中的应用实践和学习分析框架的设计开发相对缺乏。结合研究的结论，基于学习分析的翻转课堂、个性化学习、自适应学习、反思性学习的实践应用研究将成为学习分析领域的研究热点。

五、结语

学习分析以其先进的分析技术、工具在教育教学过程中发挥着很大的优势和潜力。要实现我国教育信息化的发展目标，最重要的途径就是将信息技术与课堂教学深度融合，而学习分析作为未来主流的技术能够有极大的发挥空间。虽然学习分析可以通过挖掘数据，分析师生教与学行为，主动干预以帮助提高学生更好的学习。但是，学习分析也面临着许多挑战，比如，如何收集现实世界的数据、收集移动学习的数据［27］。因此，要推动学习分析的研究就必须在实际的教育教学过程中去应用，去发现和总结其中的问题，进而不断完善学习分析的研究，更好的发挥学习分析在教育中的积极作用。

［1］Knewton （2011）. Learning and kownledge analytics［EB/ OL］. http://www.learninganalytics.net/？ p=126.

［2］Johnson， L.， Levine， A. ， Smith， R. & Stone， S.. The 2010 Horizon Report［R］.Austin， Texas: The New Media Consortium，2010.

［3］The Horizon Report 2011 edition［DB/OL］. http://www.nmc. org/pdf/2011-Horizon-Report.pdf.

［4］Horizon Report 2012 Higher Education Edition［DB/OL］. http://www.nmc.org/pdf/2012-horizon-report-HE.pdf.

［5］Horizon Report 2013 Higher Education Edition［DB/OL］. http://www.nmc.org/pdf/2013-horizon-report-HE.pdf.

［6］Horizon Report 2014 Higher Education Edition［DB/OL］. http://cdn.nmc.org/media/2014-nmc-horizon-report-he-EN-SC.pdf.

［7］Horizon Report 2015 Higher Education Edition［DB/OL］. http://cdn.nmc.org/media/2015-nmc-horizon-report-HEEN.pdf.

［8］Horizon Report 2016 Higher Education Edition［DB/OL］. http://cdn.nmc.org/media/2016-nmc-horizon-report-HEEN.pdf.

［9］The Horizon Report 2016 edition［DB/OL］ .http://nmg.org/ horizon2016/2016.1.15.

［10］吴青，罗儒国. 学习分析：从源起到实践与研究［J］.开放教育研究，2015（1）:71-79.

［11］吴婧，杨福华， 肖军玲. 学习分析技术研究综述［J］.软件导刊·教育技术，2014（10）.

［12］王佑镁，陈慧斌.近十年我国电子书包研究热点与发展趋势——基于共词矩阵的知识图谱分析［J］.中国电化教育，2014（5）：4-11

［13］顾小清，张进良，蔡慧英.学习分析：正在浮现中的数据技术［J］.远程教育杂志，2012（1）:18-25

［14］郁晓华，顾小清. 学习活动流：一个学习分析的行为模型［J］. 远程教育杂志，2013（4）:20-28.

［15］李青，王涛. 学习分析技术研究与应用现状述评［J］.中国电化教育，2012（8）.

［16］孙洪涛. 学习分析视角下的远程教学交互分析案例研究［J］. 中国电化教育，2012（11）:40-46.

［17］祝智庭，沈德梅. 基于大数据的教育技术研究新范式［J］. 电化教育研究，2013（10）.

［18］朱珂，刘清堂. 基于“学习分析”技术的学习平台开发与应用研究［J］. 中国电化教育，2013（9）：127-132.

［19］吴永和，曹盼，邢万里，马晓玲.学习分析技术的发展和挑战——第四届学习分析与知识国际会议评议［J］.开放教育研究，2014（6）：72-81.

［20］马婧，韩锡斌，周潜等. 基于学习分析的高校师生在线教学群体行为的实证研究［J］. 电化教育研究，2014（2）.

［21］魏顺平. 在线教育管理者视角下的学习分析——在线教学绩效评估模式构建与应用［J］. 现代教育技术，2014（9）：24:79-85.

［22］李爽，汤琦，王辞晓. Wiki环境下学生远程协作知识建构分析的模型反思与案例研究［J］. 现代远距离教育，2014（3）:55-61.

［23］戴心来，王丽红，崔春阳等. 基于学习分析的虚拟学习社区社会性交互研究［J］. 电化教育研究，2015（12）.

［24］Watts D J， Strogatz S H. Collective dynamics of ”smallworld” networks［J］. Nature， 1998，393（6684）:440-442.

［25］侯跃芳. 国家自然科学基金项目的文献计量学研究［D］. 中国医科大学，2004.

［26］平亮，宗利永. 基于社会网络中心性分析的微博信息传播研究——以Sina微博为例［J］. 图书情报知识，2010（6）:92-97.

［27］魏雪峰，宋灵青. 学习分析:更好地理解学生个性化学习过程——访谈学习分析研究专家George Siemens教授［J］. 中国电化教育，2013（9）:1-4.

G434

A

1672-0385（2016）04-0026-06

2016-06-16

钟丽霞，女，在读研究生，主要研究方向为信息化教学。