国内教育大数据研究现状分析

李惠婷

【摘要】    教育大数据对教育的变革与发展有着巨大的潜在价值。文章采用高频关键词共现法，对中国知网收录的329篇教育大数据研究文献进行了可视化分析，归纳了研究热点。研究结果表明：教育大数据技术、教育大数据促进教育变革、教育大数据驱动教育治理、教育大数据应用伴随的风险、伦理等内容是国内教育大数据研究的新趋向。

【关键词】    教育大数据    可视化分析    个性化学习

引言

教育大数据是教育中的大数据，是大数据家族的重要组成部分。近年来，教育大数据因其所蕴含的巨大潜在价值受到了人们的广泛关注。2016年，教育部《教育信息化“十三五”规划》中明确提出，要“积极利用云计算、大数据等新技术，创新资源平台、管理平台的建设、应用模式”[1]。2018年，教育部《教育信息化2.0行动计划》再次提出，要“充分利用云计算、大数据、人工智能等新技术，构建全方位、全过程、全天候的支撑体系，助力教育教学、管理和服务的改革发展”[2]。在实践层面，有关教育大数据的应用探索正在取得积极进展，如一些地区将教育大数据纳入区域教育云应用框架[3]，积极探索大数据支持下的智慧决策等。虽然我国关于教育大数据的研究起步较晚，但近几年的研究已经积累了一定的研究成果。为全面把握国内教育大数据研究现状，本文应用书目共现分析系统Bicomb2.0、SPSS软件对我国教育大数据的研究热点和发展趋势进行了分析。

一、研究设计

1.1研究方法

本研究应用Bicomb2.0、Ucinet6、SPSS Statistics 21等软件，通过高频关键词共现矩阵分析技术、社会网络分析技术，对教育大数据的研究热点和研究趋势进行分析。

1.2数据来源与分析

本研究以中国知网（CNKI）为数据检索源，限定检索类别为期刊，以“教育大数据”为检索关键词，在文献分类目录社会科学II辑中进行篇名检索（检索日期为2020年8月1日），共检索到中文文献341篇，除去资讯、信息、重复文献外，共保留有效研究样本329篇（其中核心期刊研究论文类文献109篇）。期刊文献刊载数量年度变化如图1所示，呈逐年上升趋势，说明这一主题正在受到越来越多研究者的關注。

1.3研究过程

参照Bicomb2软件应用说明，本研究的研究进程包括：（1）根据研究主题在中国知网CNKI期刊数据库中检索，将检索出的文献以“Note-First”格式导出;（2）将检索导出的文献数据导入Bicomb2软件，提取文献关键词，并进行清洗和统计分析，确定高频关键词;（3）使用Bicomb2软件分别生成高频关键词词篇矩阵和共现矩阵;（4）应用Ucinet6软件对高频关键词共现矩阵进行社会网络分析，生成高频关键词社群图;应用SPSS Statistics 21软件对高频关键词词篇矩阵进行聚类分析，生成高频关键词聚类树图谱;（5）依据社会网络分析和聚类分析的结果，分析教育大数据的研究热点和趋势。

二、研究热点分析

2.1确定高频关键词

首先通过Bicomb2书目共现分析系统提取出所有关键词，然后对关键词字段按照升序排列后进行清洗整理操作，重点对同义词进行替换操作，如将“MOOC”、“MOOCs”替换为“慕课”、将“大数据安全”替换为“数据安全”、将“大数据分析”替换为“数据分析”等等。在反复修订、对比、校对的基础上，最终提取到672个不同关键词，结合研究需要，将出现频次 ≥4次的37个关键词确定为高频关键词（见表1）。高频关键词词频累计为545，占词频累计百分比的41.63%。包含高频关键词的文献总计311篇，占样本总量的94.53%。这说明对所选37个高频关键词的相关分析能够在很大程度上反映我国教育大数据的研究热点。

2.2高频关键词共现分析

高频关键词共现矩阵能够反映出行关键词和列关键词共现的次数，本研究中，应用Bicomb2软件将高频关键词生成共现矩阵（见表2）。通过对共现矩阵中的关键词共现次数的对比分析发现，教育大数据与学习分析、数据挖掘、大数据、教师、教育信息化、人工智能等的共现频次较高，依次为17、15、13、8、8、7，这表明教育大数据与学习分析、数据挖掘、大数据、教师、教育信息化、人工智能等的关联程度较高。

为进一步探寻高频关键词之间的内在联系，分析教育大数据的研究热点和趋势，本研究以Bicomb2软件生成的关键词共现矩阵为基础，通过Ucinet6软件的内部集成工具NetDraw绘制了高频关键词社群图，如图2所示。

在图2所示关键词社群图中，每一个方块均代表一个关键词，方块越大，表明关键词出现的频次越高，方块越靠近中心位置表明方块所代表的关键词在社群图中的中心度越高;每一个双向箭头表示箭头两端的关键词之间存在着共现关系[4]。

由图2可知，教育大数据、大数据、人工智能、学习分析、个性学习、数据采集、高等教育等关键词靠近社群图中间位置，说明教育大数据的研究重点主要集中于由这些中心点所构成的主题中。

2.3高频关键词聚类图谱及分析

高频关键词的聚类分析能够进一步直观地反映出关键词之间的亲疏关系，有助于分析教育大数据研究热点。本研究应用SPSS Statistics 21软件对Bicomb2 所生成的37个高频关键词词篇矩阵进行了聚类分析，选择组间联接的聚类方法和二分类“Ochiai”的度量标准，可生成图3所示高频关键词聚类树图谱。

由图3高频关键词聚类分析结果的连线可以看出，教育大数据的高频关键词聚合在5个类团，具体如下。

（一）教育大数据发展研究。主要包括大数据应用技术发展趋势研究，关键词有大数据应用技术、国家工程实验室、大数据技术、教育大数据、发展趋势、电子书包、自适应学习等;教育信息化数据治理研究，关键词有教育信息化、数据治理等。

（二）教育大数据来源研究。主要包括智慧校园建设与教学管理研究，关键词有智慧校园、教学管理等;基于智慧校园的学习行为分析研究，关键词为学习行为分析。

（三）教育大数据挖掘研究。主要包括智慧教育支持下的精准教学策略研究，关键词有精准教学、策略、智慧教育;数据分析技术支持下的个性化学习研究，关键词有个性化学习、人工智能、数据分析;数据挖掘技术支持下的学习分析研究，关键词有学习分析、数据挖掘、教育数据挖掘、慕课等。

（四）教育大数据应用之个性化教育研究。主要包括基于可视化分析技术的个性化教育，关键词有可视化分析、个性化教育;高校大数据应用可视化分析研究，关键词有高等教育、分析、大数据、教育、应用、思想政治教育、可视化等。

（五）教育大数据应用之决策服务研究。主要包括高职院校大数据平台应用研究，关键词包括高职、数据采集、大数据平台等;教师教学决策研究，关键词包括教师、教学决策、深度学习等。

三、研究趋势分析

结合当前研究热点，研究者通过对高频关键词的阈值进行调整，形成新的关键词群，在与原来高频关键词分析对比的基础上，认为教育大数据的研究趋势将聚焦在以下几方面：

（一）教育大数据相關技术研究。教育大数据相关技术主要有数据采集技术、数据挖掘技术等，教育大数据的价值源自于海量化的数据，数据的采集是教育大数据价值挖掘的第一步，是教育大数据分析的前置性工作。教育大数据包括了整个教育教学过程中所有的动态和静态数据，数据采集难度大，既要延用传统的方式收集数据，如可对考试成绩等数据进行批量化导入;还需应用人工智能、可穿戴设备等技术，应用传感器“伴随式收集”数据，如学生学习过程中的参与度数据等。所采集到的数据质量在一定程度上影响着教育大数据的价值，在教育教学活动中，通过物理感知、视频录制、图像识别、平台采集等技术手段，采集到高质量的数据，是一个值得关注的主题。教育数据挖掘是教育数据采集完成之后所进行的重要工作，通过对教育大数据有选择地采集、存储及分析，才可以实施基于全数据和真实数据的建模和预测[5]。决策树算法、分类、聚类等数据挖掘技术在学习分析中的应用，为诊断学习问题，预测学习绩效，做出合理决策等提供了技术支撑。

（二）教育大数据促进教育变革研究。教育大数据能够促进学习者的个性化发展。当前，个性化教育是世界范围内强劲的时代潮流，以班级授课制为核心的传统人才培养模式已难以适应信息化、知识化社会对个性化、创造性人才的需求。而教育大数据是发掘学习者学习特征的重要渠道，通过对学习者学习轨迹、学习过程中产生数据的伴随性收集、处理和分析，能够准确挖掘出学习者的学习特点、个性特征，为开发学习者的潜能、提升学业表现提供数据支撑，进而为人才的个性化培养提供可行路径。教育大数据还将重构学校的教学评价方式，依靠经验所进行的教学评价终将为基于数据的评价所替代，大数据所记录的学习者的学习活动轨迹，为开展过程性评价提供了便捷条件。例如，在线学习平台能够记录学生作业完成情况、课堂言行、师生互动等数据，教师可基于此类数据对学生的学习情境进行评价。

（三）教育大数据驱动教育治理研究。由于教育大数据在学情监测、学习预警、学习分析等方面的巨大应用价值，有利于学习管理的精准化和科学化。我们完全可以预测，在大数据时代，传统的学校治理模式必将迎来全新的发展机遇，由传统的学校管理模式向基于大数据技术的学校治理模式转型势在必行。在大数据驱动下，可通过建立校园管理大数据监测平台，从实时动态的数据中挖掘有用信息，学校的行政管理、科研管理、教务管理、人事管理、后勤管理等工作将更为高效，各项决策将更为科学。例如，可以通过学生校园餐厅消费系统的数据，评估校园饭菜的质量，以及进行家庭经济困难学生的认定等。

（四）与教育大数据应用相伴随的风险、伦理等问题研究。技术是一把双刃剑，大数据技术也不例外。教育数据的源头来自广大学生、教师、家长以及学校，数据繁杂多样，其中部分数据会涉及个人隐私[6]。如何保护学习者的个人隐私、如何保证学习者在数据收集过程中的知情权、如何防止大数据可能带来的不公平现象等，都是大数据应用所面临的现实问题。面对大数据应用所伴随的数据鸿沟、隐私泄露、数据失信等潜在风险，亟需建立数据采集伦理规范等类似规范标准，探寻用户隐私数据的政策保障机制，增强传统伦理和大数据技术的内在契合度。

参  考  文  献

[1]教育部.关于印发《教育信息化“十三五”规划》的通知[EB/OL]. http：//www.moe.gov.cn/srcsite/A16/s3342/201606/t20160622_269367.html，2016-06-07.

[2]教育部.关于印发《教育细心和 2.0 行动计划》的通知[EB/OL]. http：//www.moe.gov.cn/srcsite/A16/s3342/201804/t20180425_334188.html，2018-04-13.

[3]曹晓明.教育大数据驱动下的现代学校治理[J].教育信息技术，2018（03）：3-7.

[4]李运福，杨晓宏，周效章.我国在线课程评价研究热点可视化分析与启示[J].中国远程教育，2018（07）：70-78.

[5]王鑫.基于教育大数据的教学改革研究[J].教育理论与实践，2019，39（25）：54-58.

[6]邢蓓蓓，杨现民，李勤生.教育大数据的来源与采集技术[J].现代教育技术，2016，26（08）：14-21.