国内“大数据+教育”研究可视化分析

摘"要：大数据因其大量、高速、多样、低价值密度、真实性等特点，引起了教育领域的深刻变革，满足了教育的个性、灵活、开放的需求。运用citespace软件，文章对“中国知网”（CNKI）检索得到的2013—2023年期间的406篇“大数据+教育”相关核心期刊论文进行可视化分析。分析“大数据+教育”相关论文的数量、相关知识图谱和聚类分析，探究“大数据+教育”研究的热点和前沿方向。综述研究结论，提出大数据在我国教育领域的应用服务前景。

关键词：大数据；大数据+教育；知识图谱；可视化分析

中图分类号：F2"""""文献标识码：A""""""doi：10.19311/j.cnki.16723198.2024.17.014

数字经济时代，数据作为重要的生产要素之一，已渗透到各个业务领域。大数据是利用算法技术从海量数据中得到有价值的信息，通过在“数据工厂”进行“加工数据”，让数据孤岛相互连通，快速获取有用信息。大数据技术的发展可以追溯到20世纪90年代，经历了数据仓库阶段、分布式计算阶段、云计算阶段和人工智能阶段。当数据成为驱动社会进步的核心资源时，大数据技术因体量、高速、多样，准确等优势，迅速成为支撑这一变革的基石。教育部《关于实施第二批人工智能助推教师队伍建设行动试点工作的通知》文件要求“积极推进人工智能、大数据、5G等新技术，支撑教育强国战略与教育现代化”，我国越来重视大数据在教育领域的应用。基于此，文章围绕大数据的教育应用进行研究，运用CiteSpace6.2.R2对“大数据+教育”相关文献进行可视化分析。

1"研究设计

1.1"数据来源

本研究数据来源于“中国知网”（CNKI），以“大数据+教育”检索主题词，设定为“大数据”AND“教育”AND“大数据技术”，选取2013—2023年发表的核心中文期刊。通过筛选、人工整理、剔除部分无效文献后，最终得到核心期刊论文406篇。

1.2"研究方法

统计“大数据+教育”年发文量并分析，对论文内容通过关键节点和聚类进行热点分析和前沿分析。将406篇“大数据+教育”相关核心文献导入CiteSpace进行数据格式转换，设置参数时间范围为2013—2023年，时间切片为1年，节点类型为“Keyword”，选择阈值标准为g-index，k值为15，并采用寻径（pathfinder）算法修剪图谱，选择Pruning"slice"network策略和Pruning"the"merged"networks策略裁剪网络，以突出结构特征。基于关键词共现知识图谱，时间区域图谱、关键词突现强度以及关键词聚类图谱进行分析。

2"可视化分析

近10年间有关“大数据+教育”论文在核心期刊的发文量总体递增，从2013年不足20篇到2021年最高峰480余篇，之后回落到2023年的210余篇，大数据在教育领域应用发展速度之快，影响也越来越大。据此，我们进行了关键节点的可视化分析。

2.1"热点分析

关键词反应了论文研究主题和方向，运用CiteSpace进行关键词共现分析，设置Threshold为5，得到“大数据+教育”关键词共现知识图谱，如图1。年轮的厚度与关键词频次高低成正比，选取其中前16个关键词频次≥4的高频关键词，中心性大于0.1的关键词表明其影响力突出为关键节点，如表1所示。

高频关键词表体现了大数据教育应用的4个方面：①大数据技术，主要涉及“大数据”“数据挖掘”等关键词，说明使用数据挖掘和数据分析为教育领域提供技术支撑和服务；②教育服务，主要涉及“人才培养”和“精准教学”等关键词，说明大数据可以利用信息化手段进行人才培养，也是智慧教育的基础。③大数据驱动学习，主要涉及“学习分析”“深度学习”关键词，说明大数据技术可发挥教育教学中数据的潜在价值，构建深度学习体系，提高教育教学质量；④大数据与其他技术结合，有“人工智能”“云计算”“信息技术”和“教育技术”等关键词，说明这些技术与大数据深入融合，促进智能化教育、教育信息化和构建在线教育平台，推动了教育领域的发展。

2.2"前沿分析

时区视图有助于挖掘各个研究领域的演变与阶段性特征。运用CiteSpace得到图2“大数据+教育”突显关键词的时间线图谱，展示了关键词的首次出现时间和相互之间的影响，从时间线维度上直观地呈现“大数据+教育”发展的客观情况。

对关键词进行突现分析，得到突现强度前9的“大数据+教育”突现关键词，如图3所示。①2013年突现关键词是“学习分析”“云计算”，说明大数据较早应用于“学习分析”。对学生学习过程进行数据收集、处理、分析，评估学生学业情况，优化学生学习方式。②2014年突现关键词有“数据挖掘”，其中“数据挖掘”突现强度为2.22，说明大数据利用数据挖掘技术，挖掘数据延伸的价值再通过科学地建立模型，从而优化教育教学。③2018年突现关键词有“人工智能”“深度学习”，其中“人工智能”的突现强度最大，突现强度为3.25，大数据结合人工智能技术，赋予了计算机“人”的能力，应用在深度学习领域，使学习者能批判性地学习知识，并将知识迁移到新的情境中，实现有意义学习以及问题解决能力的提升。④2019年突现关键词有“精准教学”，大数据通过跟踪、记录和分析学生学习过程的数据及其产生的原因，为教师开展具有针对性的差异性和个别化教学提供了条件。⑤2020年突现关键词是“智能技术”，突现强度为1.89，在大数据技术支持下，推动智慧教育新格局新发展。⑥2021年突现关键词有“教育评价”“教育技术”，说明大数据去中心化特征在记录学生的学习成果、学习过程以及学历认证的同时，还能够方便进行教育评价，改革教育技术。

2.3"聚类分析

对高频关键词进行聚类分析，挖掘“大数据+教育”相关领域研究方向的热点主题和前沿方向，侧重体现聚类间结构特征。基于CiteSpace选择LLR（对数似然率）算法，生成关键词聚类分析图谱。模块性Q值为0."7973gt;0."3，表明聚类效果好，结构显著。轮廓值S为0."9775gt;0."7，表明聚类高效率令人信服。图4将9个聚类分为技术、应用、影响3大类进行阐述。

2.3.1"教育领域中采用的相关技术：4个聚类

“#0大数据”聚类下，标签词有教育大数据、人工智能等。随着人工智能、信息技术等在教育领域应用与延伸，提供了精准化、个性化教育，实现以数据驱动的“因材施教”。将教育大数据进行预处理，融入教育的管理与服务之中，使得教育大数据获得了更大应用场景。全面掌握、挖掘、发展教育大数据，也是提高教育质量、推动教育教学变革的必要手段。

“#1人工智能”聚类下，提取出的标签词有智慧教育、图书馆等。人工智能技术促进学生学习环境、教师教学方式和教育管理的智慧转型，构建智慧教育服务体系。随着智慧教育的推进，传统图书馆服务体系效能低下也面临转型的挑战。大数据、人工智能等技术通过数据资源的挖掘，身份识别、图书管理和智慧服务等，最终实现图书馆互联互通，实现图书馆的数字化和智慧化。

“#3信息技术”聚类下，提取出的标签词有数据分析、家校协同等。大数据技术支撑下，可以分析观察每一个学生的行为表现，教师可以做到因材施教。信息技术已成为家校沟通、家校协同的一个有效平台，大数据技术和信息技术的应用大大拓宽了家校协同的渠道，促进学生全面发展，教育资源的共享等。

“#4云计算”聚类下，提取出的标签词有云管理、云课堂等。大数据技术和云计算技术极大程度上促进了教育发展，国内互联网巨头相继推出阿里云、百度云、360云等，可以让用户非常方便地使用其中资源。云计算保证一切资源都不会丢失，注重资源的分配，可以在任何时间地点获取资源。云课堂是云计算技术应用于远程教学的一种网络互动课堂形式，可以实现高质量同步或异步学习。

2.3.2"大数据在教育领域中的应用：2个聚类

“#2学习分析”聚类下，提取出的标签词有数据挖掘、模型、个性化教学等。学习分析应用于教学领域，要借助数据支持的决策。对学生的学习过程和行为进行数据挖掘和预处理，建立模型分析学习者的学习表现，提供差异化教学和个性化教学。大数据帮助学生建立适合的学习模式，提供适合不同学生状态发展的内容和指导，促进个性发展。

“#5高校”聚类下，提取出的标签词有在线教育、数据挖掘等。大数据时代催生了新教育形式，打破了自班级授课制创建以来的教育形式，可对因特殊情况不能学习或是学困生进行补充教育，这些新形式提高了学习交互性，满足了高等教育灵活、多样、开放、个性的需求。

2.3.3"大数据对教育领域的影响：3个聚类

“#6个性化”聚类下，提取出的标签词有智慧教育、个性化等。大数据为精准教学提供了发展条件，可以实时记录反馈、追踪并分析学习者在教学和学习中产生的数据，付诸教学实践。根据学生实际及知识掌握情况，充分发挥学生的潜能，将学习的本体价值目标建立在学生的实际情况和需求的基础上，以生为本，助力学生全面发展。

“#7人才培养”聚类下，提取出的标签词有移动协同育人、合作等。在传统教育模式下，学生接受到优质资源成本高，教学评价单一滞后，无法基于全面的学习过程来进行教学评价。如今学生可以借助智能终端随时随地随人学习，大数据技术可以将挖掘动态数据进行加工分析，给予学习表现、技能、行为等多元化的教育评价。单纯的数据应用领域已为学生提供了广阔的空间，也为培养新型人才提供了条件。

“#8新闻教育”聚类下，提取的标签词有社交媒体、国家形象等。网络教学的出现开始对传统的教育观念产生影响。网络时代新闻教育的教学目标，不再是向学生灌输既有知识，而是教会学生如何通过网络获取需要的知识和信息：学会查找各类信息资源，能够检索各种数据库，会利用网络服务寻找新闻来源和材料，随时随地找到所需资源。

3"研究结论

综合上述分析可得：第一，“大数据+教育”发展现处于萌芽时期，大数据技术在教育领域已崭露头角，使得理论发展和教育工作处于上升阶段；第二，我国“大数据+教育”主要利用数据挖掘、数据分析等大数据关键技术，与人工智能，云计算等其他技术为深度学习提供学习分析、智慧教育等服务，从而构建深度学习型模式；第三，关键词聚类分析显示，大数据在教育领域的应用场景有学习分析、高校等。推动了教育大数据和智慧教育的发展，促进教育更加信息化，科学化，推动了教育公平。随着大数据技术与教育领域结合日趋紧密，在此领域的应用前景如下。

3.1"大数据推动教与学变革

利用大数据技术变革传统教与学，推动因材施教。在大数据支持下的学情分析将教育研究与学生在学习中产生的数据联系起来，弥补了传统教育仅凭经验进行教学的不足，教师则在学情分析基础上为学生提供针对性的教学干预，大数据时代教师的工作更加侧重于帮助学生理解掌握知识、生成新知识和知识迁移。同时，大数据助力学习变革体现在基于数据的精准学习、基于思维的深度学习、基于组织的合作学习、基于场景的无课堂学习等。融合大数据、云计算等技术和思维打造的智慧课堂，改变传统教育中学生单纯听课的常态，学生可将自己的想法和答案上传到智能设备，实现教学交互、数据驱动及实时监测反馈。大数据可以反映学生特点、学习成果等，学生可根据需求去探索新的知识实现真正的自主学习和个性化学习。

3.2"大数据推动评价变革

科教评价对于教育方向的指导至关重要，大数据技术应用于科教评价，实现了数据增值，呈现了教育领域价值判断和方向把握。评价是基于大量存储的学生学习数据，教育评价要基于教育理念和评价方法，在不同教学中设计不同评价标准。传统教育中评价难以掌握学生学习信息，而是基于少量数据和单一维度，故只能关注学习成绩评价，得出的评价结果难以支撑教育评价体系。大数据技术可以给予学生学习表现、技能、行为等多元化的教育评价。

3.3"大数据推动管理变革

利用大数据和云技术、物联网等建立泛在学习环境。传统教育标准化管理模式限制了教师和学生的视域。大数据可以根据学生行为记录，调整教育管理模式。在教育管理中可以用于学生成绩反馈、选课系统、图书管理系统、设备管理，数字化校园，学生位置信息、学习情况甚至是生理特征都能被实时监控，加强了家校互动。智慧校园通过对校园中各种实时数据的动态监管，为教育管理提供决策依据，使教育管理者认识到传统管理模式难以动态监管的弊端，做到利用大数据实施以人为本的管理理念，对促进教育公平、培养创新人才影响深远。

3.4"大数据推动科研变革

基于大数据的第四范式：数据密集型科学，科学研究不再需要模型和假设，而是利用超级计算能力直接分析海量数据发现其相关关系。借助大数据，计算社会科学方法将帮助我们研究教育科研等现象与规律。教育科研作为教育的一个组成部分，通过研究发现教育教学的规律和本质来指导教育教学的实践过程，这种过程和大数据应用于教育本质是一致的。大数据推动教育科研变革，促进科研数据开放共享，有利于开展各个利益相关者之间的数据对话。有利于数据素养及科研能力的培养，促进科研的进步与发展。

3.5"大数据推动服务变革

从数据的视角关注教育服务。大数据驱动教育服务供给，包括智慧教育、教育信息化、个性化学习、精准教学等教育创新与变革。通过对教育大数据的挖掘和分析，给每个学生精准画像，基于数据实施精准教学。大数据实现在线教育服务，3年疫情见证了网络教学、在线教学的兴起，在线教学的优点是不受时空限制，学生可以通过重播等方式进行复习，也可以通过与老师互动来自我提升。大数据促进图书馆智能服务，满足用户多元化以及个性化服务需求。

4"结语

大数据是重要的战略资源，将或已经成为变革教育领域的利器之一。本文对近10年“大数据+教育”核心文献进行了可视化分析得到大数据在教育领域的研究热点和前沿方向，同时引发研究者关注“大数据+教育”应用研究存在以下风险与挑战：（1）数据存储和分析技术问题。数据处理能力和算法技术都面临巨大的挑战。（2）数据隐私问题。教育大数据中用户学习记录隐私的保护，需要相应的规避。（3）大数据与其他技术结合问题。导致技术难度与研究困难，影响教育大数据和“大数据+教育”的领域应用。

参考文献

［1］王家耀，武芳，郭建忠，等.时空大数据面临的挑战与机遇[J].测绘科学，2017，（07）：17.

[2]邓验，张苾莹.大数据时代国家意识形态话语权建构的逻辑进路[J].思想教育研究，2018，（01）：5256.

[3]教育部关于印发《实施第二批人工智能助推教师队伍建设行动试点》的通知[DB/OL].[2021916].http：//www.moe.gov.cn/jyb_xwfb/s5147/202109/t20210916_563600.html.

[4]兰丽娜，吴芬芬，石瑞生，等.国内“区块链+教育”研究的可视化分析——以160篇“区块链+教育”相关的核心期刊论文为样本文献[J].现代教育技术，2021，31（10）：2331.

[5]朱晓敬，袁满，赵娅，等.数据驱动的深度学习教学模式构建与实施[J].微型电脑应用，2021，37（08）：1417.

[6]史强.区块链技术对未来我国高等教育的影响[J].高教探索，2018，（10）：513.

[7]曹培杰.智慧教育：人工智能时代的教育变革[J].教育研究，2018，39（08）：121128.

[8]袁利平，陈川南.宽度学习的教育价值及其意义[J].中国电化教育，2019，（05）：3440.

[9]乔万冠.大数据背景下煤矿安全管理效率分析及提升仿真研究[D].中国矿业大学，2019.

[10]顾立平.科研模式变革中的数据管理服务：实现开放获取、开放数据、开放科学的途径[J].中国图书馆学报，2018，44（06）：4358.