国外网络环境下自我调节学习的研究热点与趋势—基于引文分析和共词分析的知识图谱研究

刘盼盼

陕西师范大学教育学院， 西安 710062

自我调节学习(self-regulated learning，SRL)是近30年来教育心理学研究领域的一个重要课题。自我调节学习的概念于1989年首先由Zimmerman提出，他指出自我调节学习是个体在一定程度上调节元认知、动机和行为，进而促使其积极主动地参与自己的学习活动，并指向目标的达成[1]。已有相关研究表明，自我调节学习能力是学习者取得学业成功的关键因素[2]。网络环境能够给予学生更大的自主性，但同时也对学习者存在一定的负面影响[3]。因此，基于网络环境探究学习者的自我调节学习对于促进学习者高效学习具有重要意义。目前，我国已有一些研究旨在提高学习者在网络学习环境下的自我调节能力，但是，总体来看相关研究较少，并且存在研究方法单一、研究内容不深入等问题。鉴于此，文章采用引文分析与共词分析的方法，可视化地呈现国外网络环境下自我调节学习研究领域的主题和热点，以把握国外自我调节学习的研究热点与发展趋势，以期为我国同类研究提供借鉴。

1 研究方法与工具

1.1 数据来源

该文数据来源于Web of Science核心合集，采用高级检索：TS=(“Online Learning” or “E-learning” or “Mobile Learning” or “Internet Learning” or “Web-ba- sed Learning”)and TS=(“Self Regulation” or “Self-regulated Learning” or “Self-regulatory” or “Self-con- trol”)，检索截止日期为2018年5月25日，共检索到213篇相关文献，通过浏览所得文献的题目、摘要以及关键词，得到与该研究精确匹配的文献206篇，最后导出文献的关键词、摘要、期刊来源、研究机构等题录信息。

1.2 研究方法

引文分析是指利用各种数学及统计学的方法，对科学期刊、论文、专著等研究对象的引用和被引用现象进行分析研究，以便揭示其数量分布特征和内在关联规律的一种文献计量研究方法[4]。引文分析采用的软件为HistCite。HistCite是美国著名信息学家、被誉为“SCI之父”的尤金·加菲尔德及其同事共同开发的一套引文编年可视化分析软件[5]。

共词聚类分析是共词分析中常用的一种方法。在共词分析的基础上，以共词出现的频率为分析对象，利用聚类的统计学方法，把众多分析对象之间错综复杂的共词网状关系简化为数目相对较少的若干类群之间的关系，并直观地表示出来的聚类过程[6]。在共词分析时采用Bicomb 2.0共词分析软件、SPSS 20.0作为数据处理工具。

1.3 研究过程

首先，确定关键词。采用Bicomb 2.0软件对206篇文献进行关键词统计，抽取出词频≥3的40个关键词为高频关键词；其次，建立高频关键词共词矩阵，利用Bicomb 2.0软件产生共词矩阵；再次，进行聚类分析，即将共词矩阵导入SPSS 20.0中，采用系统聚类得到聚类图；最后，结合聚类结果和相关文献进行分析。

2 国外网络学习环境下自我调节研究的分布情况

2.1 时间分布

将题录信息导入HistCite中统计年发文量，并通过Excel绘制时间分布图(如图1所示)。发现自2007年以来，国外网络学习环境下自我调节相关研究的文献数量呈波动增长的态势，表明国外对网络环境中自我调节学习的关注度一直在上升：在2016年发文量最高，共计35篇。由于该研究对2018年的数据仅统计了前5个月，故该年的文献相对较少。

图1 时间分布图

2.2 国家(地区)和机构分布

通过分析文献的国家(地区)分布，可以了解不同国家(地区)对该研究领域的关注度和贡献度[7]。使用HistCite软件，通过Recs(发文量)及TLCS(被引频次)两个指标进行排序，得到排名前五位的国家(地区)，分别是：美国(Recs：64，TLCS：142)、中国台湾地区(Recs：50，TLCS：96)、澳大利亚(Recs：14，TLCS：5)、德国(Recs：10，TLCS：18)和韩国(Recs：10，TLCS：10)。可以发现，无论是发文量(Recs)，还是被引用的频次(TLCS)，美国均为世界最高，这表明美国在网络环境下自我调节学习研究领域的贡献最大，其成果对该领域的研究具有重要借鉴意义。

2.3 研究著者分布

通过所发表的论文数量以及发表论文的被引用频次，可以了解论文著者对特定领域研究的贡献程度，贡献程度较高的著者即构成该领域的核心著者群[8]。使用HistCite分析，得到排名前十位的研究著者(如表1所示)。其中，发文量最高的是中国台湾地区的蔡家文团队，2007—2018年期间共发文14篇，其研究主要关注通过教学干预培养自我调节学习策略，进而提升学生在线课程学习效果。

表1 研究著者分布(部分)表

2.4 核心期刊分布

利用HistCite分析被引核心期刊，通过发文量和被引频次进行排序，得到排名前5位的核心期刊，分别是：《计算机与教育》(Computers&Education)(Recs：22，TLCS：57)、《计算机在人类行为研究中的应用》(ComputersInHumanBehavior)(Recs：15，TLCS：30，该期刊致力于从心理学角度研究计算机的使用)，《互联网和高等教育》(InternetandHigherEducation)(Recs：13，TLCS：52)、《教育技术与社会》(EducationalTechnology&Society)(Recs：11，TLCS：20)、《英国教育技术杂志》(BritishJournalofEducationalTech-nology)(Recs：10，TLCS：22)。这些期刊上发表的关于网络环境下自我调节学习研究的文献具有重要参考价值。

2.5 核心文献分布

一般而言，文献的被引频次越高，在该研究领域的影响力也就越大，可以被确定为核心文献[9]。利用HistCite软件将文献按照LCS(即本地引用次数)降序排列，得到LCS前六位的文章(如表2所示)。

表2 核心文献分布(部分)表

从表2可以看出，被引频次较高的文献主要集中于培养学生网络环境下的自我调节学习能力，以提升网络学习效果方面的研究。其中，被引频次最高的两篇文章是由Barnard L[10]等撰写的“在线和混合学习环境中测量自我调节”和由Shea P和Bidjerano T[11]撰写的学习存在“关于自我效能感、自我调节以及在网络和混合学习环境中探究社区发展的理论”。前者设计并验证了在线自我调节学习的调查量表(online self-regulated learning questionnaire，OSLQ)。量表包含了环境构建、目标设定、时间管理、寻求帮助、任务策略和自我评价六个维度，并在混合和在线学习环境中验证了该量表的高信度和可靠度。后者探究了在虚拟环境中提升学习者自我效能感的措施，并指出“学习存在”代表了自我效能感以及其他认知、行为和动机结构等因素对在线学习者自我调节的影响。

3 网络学习环境下自我调节研究的主题分析

3.1 高频关键词统计分析

使用Bicomb 2.0提取高频关键词，然后对关键词进行标准化，最后提取词频≥3的40个词为高频关键词，如表3所示。可以看出，除了检索词“Online learn- ing”“Self-regulated learning”“Self-regulation”之外，国外网络环境下自我调节学习研究的前10个关键词分别是教与学的策略(17)、学习动机(15)、协作学习(13)、自我效能感(12)、参与度(11)、学习社区(11)、交互学习环境(11)。这10个高频关键词总的出现频次为307，占高频关键词总频次的35.1%。由此反映出，近年来国外网络环境下自我调节研究的热点：通过调整教与学的策略、构建交互学习环境来提升学习者自我调节学习的能力。

3.2 聚类分析

聚类分析反映的是关键词间的亲疏关系，可以进一步反映当前该领域的研究热点[12]。在相异矩阵的基础上再利用SPSS 20.0软件产生聚类图，将关键词聚合为五大研究主题，各主题的名称及包含的关键词如表4所示。

表4 研究主题类别结构表

对照表4中各个主题的关键词，并结合相关文献，将五个主题具体分析如下：

3.3.1自我调节学习视角下的教学设计与干预研究该主题主要探讨如何通过教学干预培养自我调节学习策略，进而提升学生在线课程学习效果。在这方面，中国台湾地区铭传大学的蔡家文做过很多探索且成果颇丰：①在网络环境中将基于问题、项目的学习与自我调节学习相结合，通过反思日记、自我评估等自我调节学习策略来帮助学生养成良好的学习习惯[13]；②将自我调节学习(SRL)拓展为共同调节学习(CRL)，并提出与基于团队学习(TBL)相结合的创新在线教学方法，提升学生在混合课程中的学习效果[14]；③翻转学习与在线学习求助(OAHS)相结合等[15]。此外，有研究表明，在线学习中教师的情感反馈和同伴之间形成性反馈、对话式反馈可以增强学生行为和认知参与度，进而影响其在线学习体验和效果[16]。因此，教师应当为学习者提供精心设计的反馈和有意义的辅导，鼓励学习者之间建立合作关系并积极主动地互动，提高在线异步环境(如论坛)的性能，提升学生在线自我调节能力。

3.3.2自我调节学习的理论模型研究在教育心理学研究领域中，不同理论渊源的学者从不同的角度对SRL进行了阐释，并提出了各自的理论模型。其中，被广泛认可的是齐默尔曼的SRL模型。作为最早研究SRL的学者之一，到目前为止，齐默尔曼已经提出了三种不同的SRL模型：第一个模型是对SRL的三元分析，指出自我调节学习是个体、社会和行为三大因素相互作用的过程[17]；第二个模型被称为多层次模型，提出学生获得自我调节能力的四个阶段[18]；第三个模型提出了SRL的循环阶段，包括筹划阶段、操作阶段和自我反思阶段[19]。这些是早期研究中提出来的模型。近年来，随着计算机技术的发展和网络学习的普及化，不少学者开始探索新技术环境下的自我调节学习模型。哈德温[20]等提出基于合作学习的SSRL模型，该模型指出协作环境中存在三种调节模式：自我调节(SRL)、共同调节(CORL)和共享调节(SSRL)。阿泽维多提出了超媒体学习环境中的SRL模型[21]，该模型为学习者特征、超媒体环境组成成分和作为中介因素的自我调节过程三者之间的相互作用关系提供了理论框架。

3.3.3计算机环境下自我调节学习的影响因素研究计算机环境下自我调节学习的影响因素主要包括个体因素、环境因素和行为因素[22]。①个体因素方面，主要包括：学习者已有的知识经验水平、情绪情感、自我效能感等。有学者从社会认知的视角来探讨自我效能感、学习策略在网络学习中的作用，结果表明，具有高自我效能感的学生会采用更高层次的学习策略，如精细加工策略和批判性思维[23]。②环境因素方面，主要包括：认知支持、元认知支持和概念支持等。计算机支持的学习环境相比于传统学习环境具有支持学习者自我调节学习的工具[22]。Chatzara K等提出了一种以人为中心的自我调节式的人机交互方法，可以为有学习困难和注意力障碍的用户提供认知支持的智能情绪代理，从而改善特殊学习用户与学习环境之间的交流[24]。③行为因素方面，主要包括：学习方式、学习策略和学习过程等。Sorgenfrei C等提出了在线学习效果的理论框架，该理论框架对于理解在线学习效果的影响因素提供了新的视角—学习者控制[25]。

3.3.4 MOOCs等在线课程中的自我调节学习研究MOOC作为在线课程的一种形式，目前已经在全球范围内推广起来，我国也曾涌现MOOC热潮，但高辍学率、低完成率一直是MOOC学习者存在的主要问题[26]。有关研究表明，MOOC低完成率的原因之一是由于学习者缺乏自我调节和持续参与课程的动机[27]。该主题主要探讨两方面的问题：其一是MO- OCs作为一种在线开放教育资源，如何通过自我调节学习策略，让学生的学习变得更容易、高效；其二是通过学习分析技术记录学习者在MOOCs中的自我调节策略，并预测在线学习者的学业成就。在MOOCs课程中，通过学习分析技术(TA)分析学生在MOOC平台上的登录时间、互动交流等记录以追踪学生的在线学习行为可以预测其学习目标和行为，并及时进行反馈以提升学习者的自我调节学习能力。

3.3.5支持自我调节的学习环境开发研究早期主要有智能导师系统、多媒体/超媒体环境、课程管理系统(CMS)等。近年来，新兴技术层出不穷，研究者也在探索如何利用新技术支持的高交互、沉浸的学习环境来提升学习者的自我调节学习能力。有研究者开发了一种新型的个性化的e-Learning系统(PELS)，该系统将传统的学习系统拓展为个性化交互界面代理、交互式教学代理和个性化自我调节学习代理三部分，包含了SRL辅助机制以帮助学习者提高其自我调节的学习能力[28]。林建伟等开发了一个具有群体意识(GA)支持的在线协作系统并通过实验证明了该系统的有效性。该系统可以提供一个外部脚手架(同伴刺激)，激励学习者坚持训练任务，并促进学习者同侪互动[29]。

4 总结与建议

文章通过引文分析法与共词分析法清晰、直观地梳理了国外关于网络环境下自我调节学习的研究现状。发现网络环境下自我调节学习研究已取得了长足发展，研究热点集中于教与学的策略、学习动机、协作学习、自我效能感等，研究主题聚焦于自我调节学习视角下的教学设计与干预研究，自我调节学习的理论模型研究，计算机环境下自我调节学习的影响因素研究，MOOCs等在线课程中的自我调节学习研究，支持自我调节的学习环境开发研究。在此，笔者立足于国外网络环境下自我调节学习的研究，为我国相关研究提出若干参考建议：

4.1 自我调节学习的研究主题和研究领域进一步拓展

①在研究对象的选取上：目前国内的研究大多集中在高等教育，而其他阶段的研究较少。为使网络教学更加精准，需要探究包括学前、中小学、成人阶段的学习者的自我调节；此外，有关网络环境下自我调节的性别差异和文化差异的研究需要更多的关注。②在自我调节学习的影响因素方面：当今社会，支持学习的新兴技术不断涌现，自我调节学习的影响因素不断发生着变化。因此，未来的研究应寻求新的路径，多关注新技术环境中学习者自我调节学习的影响因素。③在提升自我调节学习的策略方面：加强在新的技术环境下自我调节学习策略培养的研究。尤其在实际的课堂教学中，如何将教师的外部教学策略转化为学生内部的自我调节过程，需要进一步探究。④在技术环境的开发方面：自我调节学习是一个包括设定目标和制定计划、选择和实施学习策略、自我反思和评价等复杂的循环往复的过程，未来研究在设计和开发在线学习系统时应该全面考虑各个要素，充分发挥人工智能、虚拟现实等新兴技术的优势，开发综合的支持自我调节学习的工具。

4.2 相关领域的理论和实践研究进一步加强

理论是实践的先导。网络环境下的自我调节学习研究是一个相对综合的研究领域，其中包括自我调节理论以及网络环境学习理论。随着时代的发展，新的技术层出不穷，在技术的冲击下非常有必要探索新的理论去指导实践。国内在自我调节理论模型的探讨较少，大多研究都借鉴国外的理论模型。未来研究需要对现有的SRL模型进行系统地梳理，运用新的方法验证已经存在的模型，找出不同理论模型的异同和优劣之处，进而尝试建立一个完备的、整合的SRL模型，在此基础上更多地探索网络学习环境中的SRL模型，这对于入深理解网络环境下学习者自我调节的机制具有重要的意义。同时，自我调节学习的心理和认知神经机制的研究需要加强。此外，还要注重跨领域的合作。国外相关研究涉及计算机科学、教育学、心理学等多个领域，其中有很多跨领域的合作，在深度学习和学科融合的大背景下，我国也应该注重跨领域的合作，增强研究的深度。

4.3 注重研究方法的丰富和创新

Chia-Wen Tsai[30]对SSCI上关于在线环境中的自我调节学习的文献做过统计，研究显示，最常用的是定量研究方法(63.0%)，其次是混合方法(19.6%)和定性研究方法(4.3%)。可以看出，定量研究方法是国外研究中普遍采用的研究方法，此外，混合研究法在近年来不断受到国外学者的青睐，在定量研究方法的基础上加以大量的定性分析，使得其研究结果更具真实性，研究成果也得到了大范围的推广。我国学者应加强定量与定性混合研究，综合采用混合研究方法全面、多角度探究网络环境下自我调节学习能力的提升策略，促进自我调节学习研究深入、系统的开展。