国内学习分析技术研究的热点领域与演化路径分析——基于科学知识图谱视角

，

(中国计量大学，a.高等教育研究所；b.马克思主义学院，杭州 310028)

随着信息技术在教育相关研究领域的大量使用，教育领域充满海量数据信息。对这些海量的数据进行分析，需要教育技术领域进行技术革新，这促进了学习分析技术的发展。学习分析技术概念在2011年的首届“学习分析和知识国际会议”中被提出，会议对其定义是：学习分析技术是测量、收集、分析和报告有关学生及其学习环境的数据，用以理解和优化学习及其产生的环境的技术[1]。《2012NMC地平线报告(高教版)》也给出了类似的定义：学习分析技术是指对学生的大数据进行分析，以评估学生的学术进展、预测学生未来的表现，找到学生潜在的问题[2]。由此可以看出，学习分析技术是以学生及其学习环境为研究对象；以海量的数据为基础，通过对数据的挖掘、提取、归类、分析和总结，进而对学生学习状态和教学成效实现统计、测评和判断。

学习分析技术概念一经提出，便得到广泛关注，并迅速被运用到教育系统的各个方面，其中美国新媒体联盟(NMC)所发布的年度地平线报告已成为国际研究学习分析技术发展的风向标。早在学习分析技术这一概念产生以前，与之相关的技术、工具和平台就已经开始了基础性研究，为学习分析技术的产生、发展奠定基础，如通过交互文本、视频、音频和系统日志来对学习者和学习环境信息等内容进行分析，分析方法主要有参与度分析方法、社会网络分析方法、内容分析方法等。早期的学习分析技术研究以结合学习分析理论开发学习分析的应用软件和在线学习平台为主；随着对学习分析应用研究和平台创新不断深入，开始转向实践应用，并围绕教与学的主题研究不断细化。那么，迄今为止国内学习分析技术研究进展如何，取得哪些实质性突破，当前研究聚焦于何处以及将来会往哪方面发展，对于这些问题尚没有一个明确的答案。本文借助CiteSpace 5.0对国内学习分析技术研究的发展现状，研究热点及可能趋势进行可视化文本分析，以期较为全面地把握我国学习分析技术研究现状。

一、数据来源和研究方法

(一)数据来源

(二)研究方法

本研究借助美国德雷塞尔大学计算与情报学学院陈超美教授开发的信息可视化软件—CiteSpace 5.0对国内学习分析技术研究进展进行知识图谱分析。CiteSpace是一个文献挖掘可视化软件，通过绘制科学知识图谱的形式来帮助读者理解所从事的研究领域，它既能够展示某个研究领域的整体发展状况，也能对学科演化潜在动力机制和发展前沿进行探测。具体做法是将从知网下载好的260篇文献数据输入到CiteSpace 5.0软件中，将网络节点类型选择为词共现、关键词共现分析等，选择标准为每个时间切片前30%的数据，同时选择默认的阈值，运行CiteSpace 5.0软件得到可视化的知识图谱图，并根据图谱进行研究和解读。

二、研究结果

(一)学习分析技术研究时空分析

1.时间分布

从每年的文献量可以看出领域研究的热度。分析最近几年学习分析技术相关文献的年度分布(见图1)，发现学习分析技术自2011年正式提出以来，研究热度逐年上升，2013年以后成倍增长。从侧面提示学习分析技术研究发展的潜在性。

图1 学习分析技术相关文献刊出年份一览表(2011—2017)

2.空间分布

统计发现学习分析技术研究的机构以高校为主，且高校间分布不均衡。通过对排名前十位的机构发文数量分析(见图2)东北师范大学有23篇(14.74%)，华东师范大学有19篇(12.18%)，北京师范大学有14篇(8.97%)、华中师范大学有14篇(8.97%)，浙江工业大学6篇(3.85%)，可以发现学习分析技术研究机构主要集中在师范类高校。笔者认为，学习分析技术的研究领域是人类的学习现象，从属于教育学、教育技术学的研究范畴，与师范类院校的研究对象交叉、重合，且教育技术类学科在综合性师范类院校的布点最多、最广。但从一个侧面也提示，由于学习分析技术研究的知识壁垒较高，一线教育工作者对此开展研究缺乏计算机、教育技术等知识储备，致使将学习分析技术全面运用于日常教育教学改革还有一定的差距。

图2 排名前十的学习分析技术研究机构发文数量分析

如图3所示，在对260篇学习分析技术论文的作者进行数据统计会发现，发表有关学习分析技术的论文最多的是东北师范大学计算机科学与信息技术学院的赵蔚教授，发表了11篇论文；其次是东北师范大学计算机科学与信息技术学院的姜强教授，发表了8篇论文；排名第三位的是华东师范大学教育信息技术学系的顾小清教授，发表了8篇论文。这表明他们是国内学习分析技术研究领域的领军人物，这也进一步说明师范类高校的教育信息技术专业是国内学习分析技术研究的主要研究机构。

图3 排名前十的学习分析技术研究作者分析

3.期刊分布

高职教育经过三十年的发展，其教学模式仍以教师进行理论讲授为主，实践为辅，高职教育应按照工学结合模式，面向社会、面向岗位。传统的教学模式造就了与现代职业教育不相适应的评价方法，传统的课程学习评价方法存在以下五个方面的问题：

从期刊来源看，主要集中于教育信息技术类期刊，包括：中国电化教育15篇(10.56%)、中国教育信息化15篇(1.56%)、电化教育研究13篇(9.15%)、开放教育研究11篇(7.75%)、远程教育杂志9篇(6.34%)等。笔者认为，由于学习分析技术研究本身的跨学科性壁垒，研究专业性较强，研究成果主要发表在专业性期刊中，教育类综合性期刊发文较少，也从一个侧面提示学习分析技术研究尚停留在技术层面，与教育教学深度融合有待加强。

(二)学习分析技术研究热点分析

关键词是用来表述文献的主题、内容、思路以及研究方法的关键性词汇，主题词是从文献标题、摘要、关键词和索引词位置提取的名词性术语。在CiteSpace中同时选中“关键词”和“主题词”进行共词网络分析能够从一定程度上揭示学习分析技术研究领域的核心研究内容，也即研究热点。通过“Node Types”和“Top N per slice”设定，剔除“学习分析”和“学习分析技术”节点后，得到“学习分析技术文献关键词共词网络图谱(2011—1017)”(详见图4)，图中节点大小代表学习分析技术研究关键词或主题词的词频大小，连线代表两词之间的共现关系，圆点大小和连线的厚度代表着中介中心。

CiteSpace中Q值(Modularity)和Si值(Silhouette)是衡量聚类效果的关键指标，一般认为，Q>0.3，Si值越接近1时说明聚类效果越好。如图4所示，在本研究的聚类中，Q=0.6338，Si=0.7368，说明本研究所得出的聚类网络是稳定的。

图4 学习分析技术文献关键词共词网络图谱分析(2011—2017)

从高频关键词和高中介中心性关键词两个维度探索当前我国学习分析技术研究热点。首先进行高频关键词分析(具体见表1)，出现频率较高的依次是“大数据”、“分析技术”、“数据挖掘”、“信息技术”、“MOOC”、“个性化学习”、“学习过程”、“可视化分析”、“学习行为”、“社会网络分析”等，反映了目前我国学习分析技术研究领域的研究热点。其中“大数据”出现频次最高，远远大于其他高频关键词，说明在学习分析技术研究领域中，大数据是一个不可回避的研究背景，也可以理解为学习分析技术是大数据研究在学习领域的一个深化。

表1 排名前十位的高频关键词

其次，进行高中介中心性关键词分析。中介中心性是由美国社会学家·弗里曼提出，它测量的是一个点在多大程度上位于图中其他“点对”的“中间”。他认为，如果一个行动者位于其他行动者中间，可能起到重要的“中介”作用。[3]也即中介中心性关键词可以提示两个研究领域的转换或连接。由图1和表2可以看出，“大数据”、“MOOC”、“信息技术”、“分析技术”所对应的关键词节点的中心性都大于0.10，这表明它们具有高中介中心性，也说明它们在学习分析技术研究中的重要性。且“信息技术”的中心性值则远远大于其他中心性关键词。从排列位置来看，“信息技术”位于“大数据”、“数据挖掘”等聚类与“学习过程”、“分析技术”等学习相关聚类中间，由此不难得出“信息技术”是“大数据”与学习研究领域的中介作用，即借助信息技术将大数据与学习研究领域相连接。随着互联网时代的到来，大数据冲击社会的各个领域，倒逼传统“教”与“学”活动变革，信息技术在教育领域中的应用使得MOOC、SPOC等在线学习得以实现并扩散，学生学习痕迹被全部保留，从而使得学习分析成为可能。由此不难理解，信息技术成为大数据研究领域与学习研究领域的中介。此外，同时大数据还连接了互联网、智慧教育与个性化学习。同理，大数据的使用使得具有高度私密性的学习信息能够被抓取、分析，并由此形成服务于个性化学习的智慧教育。

表2 排名前十位的高中心性关键词

第三，比较高频关键词和高中心性关键词，发现关键词“大数据”出现的频次大于“信息技术”，而“信息技术”关键词的中心性值又大于“大数据”，表明在学习分析技术研究中，“大数据”是研究热点，是大多数研究开展和实施的基础和背景；“信息技术”是连接大数据研究与学习领域研究的关键节点，信息技术手段的运用与发展影响着学习领域的大数据分析，并日益成为学习分析技术研究的重点。

(三)学习分析技术研究演进路径分析

为了解不同时间段内学习分析技术研究的发展变化情况，在“学习分析技术文献关键词共词网络图谱(2011—2017年)”的基础上绘制了学习分析技术研究前沿关键词时序知识图谱(见图5)。发现国内学习分析技术研究大致可以分为三个发展阶段：第一阶段为2011—2012年的奠基时期；第二阶段为2013—2014年的起步时期；第三阶段为2015年以来的全面腾飞时期。

图5 国内学习分析技术研究前沿时序图谱(2011—2017)

1.奠基期：2011—2012年

2011—2012年作为国内学习分析技术研究的奠基时期，研究的侧重点在于学习分析技术研究的概念辨析、范围区分等，共搜索到相关文献9篇。从核心词来看，研究侧重点在于使用数据挖掘的分析技术工具或思路展开学习分析(见图5)，如李青等[4]认为学习分析技术具有多样化的数据来源、现代化的分析工具与方法、可视化的分析结果、面向学生和教师等系列特点，数据挖掘方法和学习分析是与教育密切相关的分析技术；魏顺平[5]介绍了应用数据挖掘算法和工具将来自e-Learning软件系统(主要是网络教学平台)的原始数据进行挖掘的案例；张涛[6]介绍了电子档案袋的使用等。

2.起步期：2013—2014年

2013—2014年作为国内学习分析技术研究的起步时期，对其研究由原来的简单概念研究开始向深入化、精细化方向发展，研究内容由抽象的理论研究转向实践探索，两年共搜索到相关研究文献63篇。从图5可以看出这一时期研究的核心关键词主要有大数据、MOOC、教育数据挖掘、智慧教育、社会网络分析、教学设计等等，体现了国内研究者对学习分析技术研究的不断深入，特别是如何通过学习分析技术为教育领域内各要素服务，国内对其研究进行了很多的实践性探索。具体研究内容包括：a)智慧教育：运用学习分析技术支撑智慧教育的发展成为一个重要的研究课题，如柯清超[7]提出云计算理念下的智慧校园建设，并认为数据挖掘与学习分析技术是实现智慧教育的两大基石；b)MOOC中的学习分析技术。MOOC等在线课程学习过程中，积累了大量的学习痕迹数据，研究者开始探索如何使用这些数据[8-9]。具有代表性的如胡艺龄等[10]通过对国际知名学者斯蒂芬·唐斯的采访，向国内学者系统介绍了数字化时代进行有效学习的解决思路，即通过知识点间的网络连接，帮助学习者获得知识、发展能力，并将这一理念贯穿于最初的联通主义和MOOCS中；c)学习分析技术在教育教学和教育管理中的其他应用，包括学业质量评价[11]、数字化(网络)学习[12-13]、培训活动[14]、远程教育[15]等。

3.腾飞期：2015年至今

2015年开始，国内学习分析技术进入全面深化发展时期。目前发表学习分析技术为主题的相关文献有188篇。从图5中可以看出，这一时期的研究的核心主要有智慧学习、在线学习行为、学习分析技术规范、混合学习等等。具体为：a)智慧学习。代表研究有吴红艳[16]设计并尝试应用了智慧学习视角下个性化在线学习系统，郁晓华等[17]提出了在线教与学的智慧教育，唐丽等[18]探索了智慧学习环境下基于学习分析的干预机制等；b)在线学习。有代表性的是郑勤华等人2016年在《电化教育研究》中从建模方法、课程评价、教师评价、学习评价四个方面系统介绍了基于学习分析的在线学习测评建模与应用[19-22]；c)学习分析技术研究的其他方面。包括规范性研究[23]、混合式学习[24]等。表明该时期的研究已开始深度融入到教育教学的全过程，重视学习环境的优化和教学优化，通过借助建构结构应用模型和技术规范来对教育大数据潜在数据进行深度分析和挖掘。

从学习分析技术研究进程来看，国内对于学习分析技术的研究早期(2014年以前)侧重于对于海量互联网数据的适应性分析，研究的初衷是对海量数据的挖掘和分析，并用以解释教育现象；后期(2015年以后)研究的侧重点偏向于运用学习分析技术为个性化学习、智慧学习提供支撑。总体来说，学习分析研究呈现从教育数据的“解释分析”走向个性化学习“主动引领”的演进轨迹。

三、结 语

本文应用CiteSpace 5.0，以多元、动态视角对学习分析技术概念自引入中国以来的相关研究进行信息挖掘、整理和知识图谱分析，进一步理顺近年来学习分析技术研究的时空分布现状、发展趋势和热点领域，从而为把握我国学习分析技术研究现状提供依据。主要结论如下：

a)从时空维度来看，学习分析技术自2011年提出以来，引发研究热潮，研究潜力巨大；从研究机构来看，师范类高校引领了学习分析技术研究主流，主要研究人员归属于计算机或教育技术相关单位；学习分析技术研究主要停留在技术层面，融入教育教学完整环节的程度不深。

b)当前学习分析技术研究主要聚焦于大数据、信息技术、个性化学习等领域。其中，大数据是学习分析技术研究的前提和基础；信息技术在教育领域的应用使得学习领域的大数据分析得以实现，信息技术的有效使用成为学习分析技术研究的关键。

c)学习分析技术自提出以来，经历了奠基期、起步期和腾飞期的演变路径，研究内容从对现有数据的数据挖掘到运用数据引领和指导个性化学习的转变，总体而言体现对海量数据的“解释分析”到“主动引领”的转型。

[1] 魏顺平.学习分析技术：挖掘大数据时代下教育数据的价值[J].现代教育技术，2013,23(2)：5-11.

[2] Johnson L, Adams S, Cummins M. The nmc horizon report: 2012 higher education edition[J]. New Media Consortium,2016,24(4):311-334.

[3] 刘军.整体网分析：UCINET软件实用指南[M].2版.上海：格致出版社/上海人民出版社，2014：129-130.

[4] 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)：129-133.

[5] 魏顺平.未来五年改变教育的六大技术及其对国家开放大学建设的启示[J].广州广播电视大学学报，2012(6)：1-5.

[6] 张涛.信息化环境下学习分析技术的应用探究[J].福建论坛(人文社会科学版)，2012(S1)：155-157.

[7] 柯清超.大数据与智慧教育[J].中国教育信息化.2013(24)：8-11.

[8] 程璐楠，韩锡斌，程建钢.MOOC平台的多元化创新发展及其影响[J].远程教育杂志，2014(2)：58-66.

[9] 徐华洋.基于课程大规模开放的图书馆在线学习支持及其应用技术研究[J].现代情报，2015，35(12)：134-138.

[10] 胡艺龄，顾小清.从联通主义到MOOCs：联结知识，共享资源：访国际知名教育学者斯蒂芬·唐斯[J].开放教育研究，2013(6)：4-10.

[11] 恽敏霞，刘辉.基于学习分析技术的区域性中小学学业质量综合评价模型[J].上海教育科研，2014(12)：24-26.

[12] 吴星阳.学习分析技术在企业数字化学习中的应用与研究[D].杭州：浙江工业大学，2014：18-19.

[13] 曾东薇.学习分析技术在网络学习中的应用研究[D].武汉：华中师范大学，2014：13-14.

[14] 辛宪民，赵燕.探究干部培训应用新技术[J].中国管理信息化，2014(22)：57-58.

[15] 赵艳，赵蔚，姜强.基于学习分析技术的中小学教师远程培训效果影响因素实证研究[J].中国电化教育，2014(9)：132-138.

[16] 吴洪艳.智慧学习视角下个性化在线学习系统设计与应用[J].中国电化教育，2015(06)：127-131.

[17] 郁晓华，江绍祥.在线教与学集体智慧的有效利用：学习分析的视角与架构[J].开放教育研究，2016(03)：98-106.

[18] 唐丽，王运武，陈琳.智慧学习环境下基于学习分析的干预机制研究[J].电化教育研究，2016(02)：62-67.

[19] 郑勤华，孙洪涛，陈耀华，等.基于学习分析的在线学习测评建模与应用：综合建模方法研究[J].电化教育研究，2016，37(12)：40-45.

[20] 孙洪涛，郑勤华，陈耀华，等.基于学习分析的在线学习测评建模与应用：课程综合评价参考模型研究[J].电化教育研究，2016，37(11)：25-31.

[21] 陈耀华，郑勤华，孙洪涛，等.基于学习分析的在线学习测评建模与应用：教师综合评价参考模型研究[J].电化教育研究，2016，37(10)：35-41.

[22] 郑勤华，陈耀华，孙洪涛，等.基于学习分析的在线学习测评建模与应用：学习者综合评价参考模型研究[J].电化教育研究，2016，37(9)：33-40.

[23] 姜强，赵蔚，李松，等.MOOC低完课率现象背景下的设计质量有效规范实证研究[J].电化教育研究，2016(1)：51-58.

[24] 石云，陈伟，管彦允.学习分析技术和计算机自适应测验在基于Moodle的混合式教学中的应用[J].教育教学论坛，2016(24)：212-213.