大数据环境下基于CiteSpace的大学生泛在学习可视化分析

陈美芳　谢颖　胡静　沈友华

摘 要：大数据时代，海量的信息资源加快了泛在学习环境的构建进程，大学生的学习方式也逐渐向泛在学习转变，虽然这种学习方式可以为学生提供更多的学习选择，但是也给学生带来了信息过量以及知识迷航等问题。本研究选取了中国知网和Web of Science两个数据库中泛在学习的相关文献，运用CiteSpace软件对这些文献进行分析，总结了国内外泛在学习的主要研究热点和特征，并根据大数据在教育中的应用价值提出相关的研究建议，以期为该领域的后续研究提供一些借鉴。

关键词：大数据;泛在学习;CiteSpace;热点与特征

中图分类号：G4文献标志码：A文章编号：2096-0069（2021）05-0026-07

引言

近年来，随着大数据等新技术的快速发展，大学生的学习方式也逐渐向泛在学习转变。泛在学習是一种学习者可以在任何时间、任何地点以任何方式获取自己所需信息资源的学习方式，这种学习方式的广泛应用不仅有利于终身学习理念的推广实行，也有利于学习型社会的构建，顺应了时代发展的潮流。与此同时，现今多数大学生主要是根据具体的学习目标，自主选择合适的学习方式、学习资源进行学习的，这种学习方式的有效进行需要一种个性化学习工具的支持，而泛在学习方式恰好可以给大学生提供这种支持。以体量大、速度快、多样性、价值密度低为主要特征的大数据为泛在学习的长远发展提供了更大的可能，它不仅能够存储学习者在学习过程中产生的所有数据，还能阐释教育的整体状况，通过挖掘个性化的教育元素，帮助研究者更好地了解教育的发展趋势，进而确定研究方向和研究内容。同时，大数据还能深入挖掘学习者的个性化特征，并结合教育的整体状况为学习者提供更具个性化的学习资源和服务，进而更加全面、具体地监测学习者的学习过程，为学习者创建一个更加自由、更加优质的学习环境 [1]。然而，大数据环境给大学生的学习带来便利的同时也给他们带来信息过量和知识迷航等问题。本研究利用CiteSpace软件分析总结了大数据背景下泛在学习的研究热点与特征，并对大数据推动大学生泛在学习的可行性进行分析，以期为该领域的后续研究提供一些借鉴。

一、研究设计

（一）数据来源

进入中国知网，以“泛在学习”“无缝学习”“无缝式学习”为检索主题，并将文献发表时间设定为2010年1月1日至2020年12月31日，同时选择SCI、北大核心和CSSCI三个数据库，手动去除与本研究无关的文章，一共获得了309篇有效文献。

进入Web of Science，以“ubiquitous learning”

“u-learning”为检索主题，并将文献发表时间设定为2010年1月1日至2020年12月31日，选择Web of Science核心合集数据库，文献类型设置为article和review，一共获得2100篇有效文献。

（二）研究工具

本研究选用的研究工具是CiteSpace软件，该软件能够帮助研究者将复杂的知识网络转化为可视化的图形、序列化的知识图谱，它不仅能够向人们展示整个科学知识的基础、结构和发展进程，还能帮助人们预测该领域的发展趋势。本研究使用CiteSpace 绘制了国内外泛在学习相关文献关键词共现知识图谱，进而深入挖掘该研究领域的研究热点与特征。

二、数据分析

（一）相关文献的数量和时间分布

一个研究领域的发展水平与发展前景的直接体现就是该领域相关研究文献的时间和数量分布。本研究将收集到的国内外2010年至2020年发表的相关文献根据发表年份和数量进行统计，绘制了如图1所示的国内外泛在学习相关文献的数量分布图。

根据图1可知，2010年至2020年国外泛在学习的研究数量和速度均领先于我国。国外近十年泛在学习的相关文献数量整体上呈快速上升趋势，且每年的文献数量都不少，尤其是在2019年达到了顶峰，有362篇。相对于国外泛在学习研究的快速发展，我国近十年泛在学习的相关文献数量整体上趋于平稳，且每年的文献数量也不多。但是在2010年至2016年，我国泛在学习相关文献的数量有所增加，这与泛在学习在我国的受关注程度是相符合的。上海开放大学2014年召开了泛在学习国际会议，在该会议上，各个研究者积极阐述自己的观点，共同探讨了泛在学习与MOOC、大数据、云计算以及微课之间的机遇与挑战[2]，将泛在学习引入了大众的视野。越来越多的研究者将研究重心放在了泛在学习上，进而推动了这段时期内我国泛在学习研究领域的发展。

（二）国内外泛在学习研究热点与特征分析

将国内外文献题录导入CiteSpace软件后，分别得到了网络整体密度为0.0095，包含329个节点、511条连线和网络整体密度为0.0284，包含457个节点、2954条连线的关键词共现知识图谱。通过分析这两个知识图谱我们可以得知，相对于国外，我国泛在学习的研究成果不够丰富，各个研究者之间、各个研究机构之间的联系也不够紧密，这也使得我国对该领域的研究不够全面、不够深入。

在知识图谱中删去主题搜索词和一些无意义的关键词，并将内容一致或相似的关键词进行合并处理，得到国内外泛在学习相关文献关键词共现频次、中心度及年份统计表（见表1、表2）。

1.国内外泛在学习研究热点

（1）国内泛在学习研究特点

通过分析总结表1，发现我国泛在学习的研究热点主要为“泛在学习环境”“学习模式”“学习资源”“学习空间与平台”“个性化学习”等。

“泛在学习环境”和“学习资源”的主要研究内容是根据现今我国信息化改革面临的形势以及信息技术环境，探讨如何设计开发适合学习者进行泛在学习的网络课程资源，如何设计开发泛在学习网络课程资源的共享机制，让更多的学习者参与到泛在学习环境中来，进而分析具体的实践经验优化泛在学习环境 [3]。对于研究如何构建推动泛在学习优化的动力模型，得出的研究结果是要从用户和环境的角度加强自然选择进而推进资源优化，同时从资源本身出发，利用相关技术进一步推动资源重新自组，最终使资源健康有序化发展[4]。

“学习模式”的主要研究内容是详细分析探讨符合学习者需求的泛在学习模式，并对其进行实验研究，进而检验其应用效果。同时，在实验结果的基础上分析总结泛在学习的主要应用模式，分析每种应用模式的优点和缺点，并根据分析结果对其进行完善，以期构建一种能够真正促进学生泛在学习效果的学习模式 [5]。

“学习空间与平台” 的主要研究内容是探讨如何根据学习者的需求，为其创建适合他们的泛在学习环境，实现物理学习空间和信息学习空间的无缝衔接，同时提出无缝式学习环境的设计模型，为后续研究提供具体的指导。还有研究者设计开发了比传统的信息分析平台更具有优势的共享平台——基于简易信息聚合技术的英语信息共享平台 [6][7]。

“个性化学习”的主要研究内容是探讨在泛在学习环境下，学习者如何实现学习个性化，并引领学习者的个性化学习最终取向如何。检测学习者的学习是否向个性化学习转变的测量标准主要有三个：第一，是否为个性化学习提供了良好的前提条件，即学校是否给学生提供了适当的泛在学习环境;第二，是否优化了个性化学习的学习过程，即学生在学习过程中是否体现了个性化特征;第三，个性化学习是否产生了良好的结果，即是否最大效用地发挥了学生的才能。

（2）国外泛在学习研究热点

经过分析表2后，总结出国外泛在学习的研究热点主要有：“Performance（性能）”“Model（模型）”“System（系统）”“Perception（感知）”等。其中“Performance”的中心度最高，达到了0.20，说明该研究热点是国外泛在学习的重点话题，这也说明在泛在学习领域对性能的研究是不可或缺的，因此，我国应该适时加大对这方面的研究。

“Performance”的主要研究内容是探讨泛在学习的性能，相关研究者通过使用布卢姆的教育目标分类法，探讨了泛在学习方法和传统学习方法的异同;在阐述泛在学习的内涵及特征的基础上，以两个泛在语言系统为例对泛在学习机制进行了具体而细致的分析[8]。

“Model”和“System”的主要研究内容是通过分析、总结泛在学习的含义和特征，进而提出包括物理、信息、技术、交互环境和学习共同体五个关键部分的泛在学习环境的设计思想与模型 [9]。还有学者从四个不同的互补角度出发提出了一个通用的泛在学习系统评估框架，该评估框架有助于进一步分析泛在学习系统是如何处理学习者语境的。

“Perception”的主要研究内容是以泛在学习日志为基础，探讨更具情境感知和个性化的学习方式。同时，通过研究发现基于交互技术和情境感知技术的泛在学习方式能够有效加强学习者的高级思维能力。

综上所述，国内外对泛在学习的研究都不少，也有了一定的研究成果，其中，国外把对泛在学习性能的研究作为该研究领域的研究重点，而国内泛在学习的研究仍处于探索阶段，且主要集中在资源建设和环境建设研究上。但是国内外学者都很少对学习者泛在学习效果的评估以及影响因素进行研究，同时对大学生泛在学习的系统设计虽有所涉及，但并不深入，缺乏操作性强、具有探索性的泛在学习方法和策略研究。这也就使得学习者在进行泛在学习时缺乏交流与合作，偏向个性化学习，使得原本的探究性学习活动失去了原有的特性而逐渐趋于形式化，信息资源的价值没有得到有效利用。因此，为促进大学生泛在学习的发展，研究者应该将研究重心转移到如何提升学生泛在学习效果的研究上。

2.泛在学习研究特征

（1）政策指导下的教育改革研究

大数据是信息技术发展的时代产物，在教育领域，越来越多的研究者将关注重心放在大数据上，着力于大数据背景下的人才培养、课程改革和信息管理等方面的研究。泛在学习是新技术环境和教育理念支持下的教学方式，探究大数据在泛在学习中的应用效果能对教学改革提供一定的实践价值。

（2）技术支撑下的资源和环境建设研究

泛在学习是由泛在计算衍生而来的，它是一种建立在信息技术上的学习，因此它的长期而稳定的发展离不开与相关技术的完美配合。泛在学习的高效进行依赖于泛在学习环境的构建程度，同时泛在学习资源的搭建是泛在学习环境建设过程中必不可少的一环，因此相关研究者应该加大对教学资源建设的研究，进而促进泛在学习的发展。而如何构建有效的泛在学习系统、泛在学习模式、学习资源，并将其广泛应用到人们生活的方方面面，需要相关研究者和参与者的共同创造与努力。

（3）终身学习理念下的个性化研究

泛在学习是一种无时不在、无处不在的学习方式，其在给人们的学习提供便利的同时，也引领着社会大众的学习逐渐向个性化转变。因此，在未来教育中，应该让每个孩子进入到适合他们的学校，并在这个学校中学习与其自身认知水平符合的知识，让学习不再是一种负担而是一种快乐的体验。随着泛在学习环境和泛在学习模式的发展，教育信息化的發展进程也得到了有效推动，泛在学习的出现也使得民众的学习呈个性化发展，进而推动了终身学习理念的推广实行。

三、大数据技术推动大学生泛在学习可行性分析

（一）大数据的概念

1998年，美国硅图公司的首席科学家约翰.R.马歇（John R. Mashey）在美国高级计算机系统协会大会上首次提出用大数据描述数据爆炸的现象。1980年，阿尔文·托夫勒（Alvin Toffler）预言，信息时代的到来将带来数据爆炸。2011年，麦肯锡全球研究院（McKinsey Global Institute， MGI）发布了《大数据：下一个创新、竞争和生产力的前沿》，该报告进一步阐述了大数据的意义。其实早在20世纪初，随着网络技术、数据库技术的快速发展，大数据已经渗透到现今的各个行业，成为重要的生产要素。但当时对大数据的研究主要集中在算法、模型、模式、识别等方面。大数据具有诸多特点，其最主要的四大特点是大容量、快速度、多样性和低价值密度。但大数据处理必须是在线的，因为大数据的处理过程主要是借助合适的工具对同构和异构的数据资源进行提取和整合，然后用合适的技术对按照一定标准存储的数据进行分析和组织，最后将提取出的有用知识以合适的方式呈现给最终用户[10]。

（二）大数据在大学生泛在学习中的应用价值

1.预测、了解、评估教学行为，促进教育教学的有效性

《通过教育数据挖掘和学习分析促进教与学》是美国在2012年提出的报告，报告指出目前大数据在教育领域的应用方向主要有两个，分别是教育数据挖掘技术和学习分析技术。教育数据挖掘即综合应用数据挖掘、数组统计和机器学习分析技术分析处理教育大数据，通过数据结果分析学习者的学习效果与学习者选择的学习内容、学习资源以及其具备的学习行为之间的关系，进而预测该学习者在之后的学习过程中的表现。根据预测结果，研究者可以更好地为学生提供优质的信息资源与服务。学习分析主要是指大数据可以综合计算机科学、社会学、信息科学等的相关知识，同时利用已知的相关模型和方法分析教育大数据，总结学习者的整体学习状况，分析整理学习者在学习过程中遇到的问题，进而为学习者的高效学习提供更加优质的信息资源和服务[11]。

2.推进教育决策的科学性

在当今的大数据时代，教育政策制定者再也不能像过去一样直接采用已有的成功经验，更不能仅仅根据自己的理解、假设和推测而制定政策，而是需要其通过全面地考察、论证以及科学的判断进而制定合适的政策。这就需要更精细地捕捉各级数据的变化以及数据呈现的复杂关联和因果关系，进而促进教育决策更加科学规范。与此同时，精准有效的院校分析可以帮助研究者获得对研究的总体认知、本质认知以及未来认知，进而帮助教育决策者制定更加理性、更加科学的教育决策，促进教育的良好发展。

3.完善质量监控体系

随着大数据技术的快速发展，其已经成为能够更加全面、成熟地进行包括高校教育运行数据在内的海量数据的聚合、结构化、统计分析和指数计算的工具。高等教育质量指数是云计算和大数据在教育领域的重大突破，其对高等教育的系统运行以及质量监控都有着较为重要的监控作用。在大数据时代，无论是初等教育、中等教育还是高等教育院校都可以建立一套科学全面的高质量监控体系，而该监控体系的实现主要依赖于学校概况、学生基本情况、教学师资队伍、学校办学经费等数据组信息。管理者可以根据该监控体系，找出影响教育质量的因素，并对其进行调控，进而保证教育质量。

4.促进开展客观、全面的教育评价

在大数据时代，我们需要以新的思维方式来对待教育评价：一是教育评价要具有发展性，这要求评价者以学生的个性化发展为目标，注重学生的个性化学习过程、学习体验以及师生、生生之间的交流互动，进而进行教育评价;二是反思片面追求学生的测试成绩，加强教育发展绝不能以考试成绩作为唯一的评判标准;三是扩大教育评价的范围，众所周知，在整个教学过程中不仅仅包括学生，还包括教师、课程、学校等重要内容，因此教育评价的范围也应该包括这些内容。

5.助力智慧教育

教育大数据包括了教育领域中的各种信息资源，同时也是智慧教育得以健康稳定发展的重要基础，而大数据技术则是连接教育大数据和智慧教育的枢纽，因此，在智慧教育的发展进程中，大数据技术的发展是其中必不可少的一环。除大数据外，物联网技术也是智慧教育体系建设过程中的关键要素，它们不仅能够帮助学习者更好地感知学习环境和学习活动，还能帮助教育管理者进行更具智慧性的教育管理、教育决策和教育评价。大数据技术在校园中的应用模式可以帮助学生发现自己、发现社会、发现天地，同时还能提升智慧校园的建设水平和服务质量。大数据思维、大数据技术已经成为信息时代下推动智慧教育更好更快发展的重要力量。

四、结论

在当今这个信息爆炸的时代，大数据已经融入社会的各个领域，同时也促进了教育思想、教育模式、教育评价、教育管理等方面的变革。同时，大数据也为学习者的学习注入了新血液，因为大数据不仅可以存储学习者在整个学习过程中产生的关于学习结果、学习轨迹的全部数据，而且还能从宏观层面上诠释教育的整体状况，从微观层面上挖掘学习者的个性化教育元素，进而有针对性地掌握学习者的学习过程，为学习者提供更精准的信息资源和服务。信息资源的快速获取与多渠道获取使得学习者的学习方式逐渐向交互、跨界融合发生转变，同时学习者认知方式和信息服务需求也相应地发生了改变。然而，由于现阶段存在教育信息资源无序化、操作性差、资源之间缺乏联系等状况，很难为学习者提供系统全面的优质服务。在这种情况下，学生在学习时容易迷失在大量的信息资源中，需要花费大量的时间和精力去获取自己需要的信息资源，从而无暇进行深度学习，影响了学生的学习效果，同时也降低了学习资源的利用率。因此，为了提升大数据背景下大学生泛在学习效果，本研究在分析相关文献的基础上，对该领域的研究提出以下三点建议：

（一）加大用户个性化需求研究

个性化学习已是时代发展的必然趋势，大数据背景下，泛在学习方式也呈现个性化发展趋势，因而，相关研究者要尽可能挖掘学习者的心理因素，了解其内在需求，进而为其提供更加适切的学习资源与服务。通过对相关文献的分析和整理，笔者发现国外研究者对学生的记忆、感知等心理因素做了大量的研究，主要研究内容如上所述。通过有效了解作为主要使用者的学习者的心理因素，能够更加明确学习者的适切要求，进而更好地为学习者开发泛在学习环境和学习资源，提升学习者的泛在学习效果。但是，我国在这方面的研究还比较薄弱。因此，相关研究者与参与者应该加强对该领域的关注，积极开展研究。

（二）加大提高资源有效利用和优势资源研究

高效的泛在学习可实现精准服务，学习者一旦拥有合适的设备和网络，就能够在适当的时间里获得系统精准推送的合适资源，提高信息资源的有效利用，知识内容一旦得到了快速流动，其利用价值就实现了最大化。在研究进程中，要尽可能探究如何使资源在傳播和使用的过程中实现优化和价值最大化，促进信息资源的健康可持续发展。在提供信息服务的过程中要将学习共同体考虑在内，尽可能将具有相同爱好的学习者和学习社区推送到一起，增进他们之间的交流与协作，进而促进知识迁移与内化，提升学习者的泛在学习效果。

（三）加大对学生信息素养能力提升研究

在当今这个信息化时代，人们需要具备较好的信息素养才能更好地适应社会的发展，同时也是推行终身学习理念和构建学习型社会的关键因素。但是根据相关文献的整理分析发现，目前我国的大部分学习者的信息素养水平一般，对现代化技术与工具的接触和了解也较少，这不可避免地影响了学习者的泛在学习效果以及适应信息化时代的能力。因此，相关的研究者在后续的研究中应该加强对学习者信息素养能力的培养，为提升学习者的泛在学习效果提供有力保障。

[1]丁继红，熊才平，刘静.大数据环境下嵌入泛在学习过程的信息服务模式研究[J].电化教育研究，2015，36（9）：30-35.

[2]孙雪. 2006—2019年我国泛在学习研究综述[J].中国现代教育装备，2020，7（1）：34-37.

[3]孙姚同.泛在学习环境下成人教育网络课程资源的开发与共享[J].中国成人教育，2015（10）：120-123.

[4]余胜泉.“互联网+”时代的未来教育[J].人民教育，2018（1）：34-39.

[5]王怀波，杨现民，李翼红.泛在学习应用研究的发展与典型模式分析[J].中国远程教育，2015 （12），18-26，79.

[6]卢方，尹学松，张吉先.开放大学视域下的无缝学习环境设计[J].远程教育杂志，2016，35（2）：39-48.

[7]马静，邱国华.泛在学习环境下英语信息共享平台设计与实现[J].现代电子技术，2018，41（10）：93-96.

[8]TSAI P S，TSAI C C，HWANG G H.The Effect of Instructional Me-

thods on StudentsLearning Outcomes Requiring Different Cognitive Abilities：Context-aware Ubiquitous Learning Versus Traditional Instruction[J].Interactive Learning Environment，2016，24（7）：1497-

1510.

[9]ZHAN Q，YUAN M.The Design of a Ubiquitous Learning Environment from the Holistic View[J].International Conference on Networking & Digital Society，2009（1）：53-56.

[10]邢国春.基于大数据网络环境下自主学习行为与模式研究[J].情报科学，2018，36（6）：84-88.

[11]徐鹏，王以宁，刘艳华，等.大数据视角分析学习变革：美国《通过教育数据挖掘和学习分析促进教与学》报告解读及启示[J].远程教育杂志，2013，31（6）：11-17.

（责任编辑 孙兴丽）

基金项目：2019年江西省高等学校教学改革研究省级课题“大数据环境下大学生泛在学习系统设计与应用研究”（JXJG-19-10-19）;江西省教育科学“十三五”规划2020年度课题“基于移动网络的民办高校大学生泛在学习影响因素研究”（20YB277）

作者简介：陈美芳（1980—），女，江西鹰潭人，副教授、硕士生导师，研究方向为教育技术及多媒体应用;

谢颖（1996—），女，江西抚州人，助教，硕士，研究方向为现代教育技术;

胡静（1998—），女，貴州毕节人，硕士研究生，研究方向为现代教育技术;

沈友华（1978—），男，江西大余人，副教授，研究方向为高等教育。