我国学习投入领域研究的热点及趋势——基于知识图谱的可视化分析

陈丽枫

（福建开放大学 福建 福州 350000）

近年来，由于智慧教育的发展，教育改革由原来注重教学资源投入转向对学生教学质量的研究，学习投入作为影响学生学习成就感的关键因素，日益成为各大教育机构的研究热点。本文借助科学知识图谱，梳理2010—2021年国内学习投入的研究内容，直观呈现学习投入领域研究的特征和发展态势。同时，本研究聚焦于该研究领域的热点和未来发展趋势，旨在为该领域研究提供方向和学术参考。

一、研究背景

关于学习投入的研究应追溯到20世纪30年代泰勒（R.Tyler）提出的“任务时间”（time-ontask）一词。此时学习的投入主要表现在学习时间上[1]，A .W.Astin提出了一个“学习参与”（Student Involvement）理论，学生需积极参与学校活动，学生的学习是参与学习的整个过程[2]，Natriello提及学生不投入（Student Disengagement ）的相对面——“投入”（Engagement）的术语[3]。至此，学者纷纷从不同的角度对学习投入展开研究。

国内关于学习投入深入研究起源于2009年，清华大学教育研究院使用NSSE（全美大学生学习投入度调查问卷）对国内学生进行学习投入研究。至今，国内专家学者不断加强对学习投入的研究，取得了丰硕的研究成果。近年来，学界虽然推出了不少研究成果，但大部分成果偏重于定性研究，缺乏对学习投入领域的定量分析，研究内容分布层次也较浅、分散，运用量化方法对学习投入的研究现状、热点及趋势进行整理的文章很少。因此，亟须对学习投入研究进行整理分析，为国内研究提供学术参考。

二、学习投入领域研究的可视化分析

（一）数据选取和数据分析的方法

本文以中国知网（CNKI）为数据来源，用“学习投入”为主题词检索2010—2021年的期刊；期刊类别选择“核心期刊＋CSSCI期刊”，剔除会议记录等不相关文献，最终得到614篇符合要求的文献样本。

本研究主要运用SAIT（文献题录信息统计分析软件）[4]、Ucinet（社会网络分析软件）、SPSS（统计分析软件）、Citespace（引文空间）软件对614篇文献的关键词进行可视化分析。SAIT用于文献字段信息抽取、矩阵生成：Ucinet用于将SAIT生成的关键词矩阵生成共现知识图谱，分析热点；SPSS用于多维聚类分析，利用Citespace软件分析文献中关键词的演进趋势，探究该领域的发展趋势。

（二）可视化分析

1.研究文献的热点分析

本研究将符合要求的614篇文献数据中含有相同意义的关键词，如“学习投入度”“学习性投入”“学生投入”替换成“学习投入”，再将其导入SAIT中，设置“KEYWORD”的抽取字段，分别生成“50*50”的高频关键词共现矩阵和相异矩阵。为更好地研究该领域，剔除“大学生”“学习”“中学生”等较为宏观的词汇后，将共现矩阵导入Ucinet中，并使用该软件中内嵌可视化工具“NetDraw”，生成2010—2021年学习投入高频关键词的共现知识图谱。（见图1）

社会网络知识图谱中，圆圈代表各个节点，圆圈间的线条代表两个关键词间的联系，圆圈（节点）的大小代表此关键词出现的频次，频次越大，圆圈越大，表明该节点控制其他节点的能力就越强。由图1可以看出，学习投入领域的研究围绕着“学习投入”这一高频关键词进行，控制着其他主题的研究，如“影响因素”“结构方程模型”“学习分析”。它们仅次于“学习投入”的频次，也位于网络谱图的相对中心位置，控制着其他方面的研究。因此，“影响因素”“结构方程模型”“学习分析”等成为学习投入领域研究的热点。

图1 2010—2021 年学习投入高频关键词的共现知识图谱

2.研究文献的聚类分析

为了消除自身频次差异带来的影响，以揭示关键词间的真正隐含关系，本研究聚类分析使用相异矩阵。在相异矩阵中剔除较为宏观的词汇后，将矩阵导入SPSS，对关键词进行多维度尺度分析，得到图2。

图2 2010—2021 年学习投入研究的多维尺度图谱

根据分析结果，可以将学习投入的研究内容划分为三个聚类：聚类A：学习投入的结构方程模型的研究和学习投入在学业成绩起中介效应，包含学习动机、自我效能感、专业承诺、学业绩效等关键词。聚类B：学习投入的实证研究，包含行为投入、影响因素、认知投入、实证研究等关键词。该聚类主要侧重于分析不同模式、不同群体下的学习投入的基本实证研究。聚类C：学习投入的基本结果调查，此聚类包含关键词有研究型大学、高等教育、学情调查、NSSE等，涉及对学生学习投入度的调查、测量等内容。

为更了解该领域发展的主题方向，在上述聚类分析的基础上，本文以三个聚类的数据为参数，向心度为X轴，密度为Y轴，两者的均值作为坐标的原点（6.20，12.39）建立坐标战略图，结果如图3所示。

图3可示，聚类A位于第二象限，聚类B位于第四象限，聚类C位于第三象限。聚类A的向心度较高，密度相对低些，表明该聚类与其他聚类间联系较广泛，但内部相关研究还有待加强，是需要专家学者继续研究的方向。聚类B的向心度很低，密度却相当高，说明该聚类内部结构研究相对紧密，与其他聚类之间的联系还有欠缺，需要进一步完善相关研究。聚类C的向心度、密度都偏低，说明该聚类内部结构松散，同时缺乏跟其他聚类的联系，一定程度上并不是专家学者研究的重点。

图3 2010—2021年学习投入研究的战略坐标

3.研究文献的脉络及趋势分析

研究脉络趋势不仅揭示该领域的整体脉络与发展趋势，还能快速识别领域内的研究热点和前沿演进，预测发展方向。本研究剔除无关词条，利用Citespace分析关键词的发展趋势，节点类型选择“KEYWORD”，时间跨度为2010—2021年，得到2010—2021年学习投入研究的关键词时区图（见图4）。

图4 2010—2021年学习投入研究的关键词时区图

从图4时区图可以看出，从2010年开始，学者就开始围绕学习投入展开基础研究，如学习投入对学习收获的研究、深度学习下的学习投入、学习投入的影响因素、关于学习投入的实证研究等，而且这些内容一直是研究的重点。其中，由于时代的变更，新的课堂教学模式不断涌现，不同模式下的学习投入研究也经历了一定的阶段：从最初的普通课堂到在线学习、2014年起学习投入的研究集中于Mooc、翻转课堂、混合教学、移动学习，到现今逐步进入大数据时代的人工智能、创业课堂下的学习投入，开始受到学者的青睐。结合近年来学者研究的内容，高阶认知投入、认知序列等更深层次的研究，将成为今后的研究方向。

三、结语

本文以中国知网（CNKI）的核心文献为数据来源，采用文献研究法，运用SAIT、Ucinet、SPSS、Citespace软件分析数据，可以得出：

首先，学习投入领域的研究围绕着“学习投入”这一高频关键词进行，“影响因素”“结构方程模型”“学习分析”等也位于网络谱图的相对中心位置，建立起与其他节点的联系，代表了当前及未来学习投入领域的研究方向。

其次，学习投入领域的研究主题主要聚集在三个聚类：（A）学习投入的结构方程模型的研究、学习投入在学业成绩中起中介效应；（B）学习投入的实证研究；（C）学习投入的结果调查；而且聚类A、聚类B尚未成熟且局限于自身，内部相关研究还有待加强，与其他主题的联系还不够紧密，需要学者填充、完善，聚类C在一定程度上并不是专家学者的研究重点。

最后，学习投入领域研究以学习投入为中心覆盖各个方面，研究模式也从普通课堂到在线学习、翻转课堂、混合教学、移动学习，延伸至如今的大数据，为学习投入领域研究提供新的研究土壤和发展空间。研究领域从“影响因素”“学习分析”“实证研究”往“高阶认知投入”“认知序列”等更深层次的方向发展。总体而言，学者对于学习投入问题的研究，时间尚短，偏重定性分析，内容分布层也较浅、分散，仍需更广泛的关注并不断创新。