|
本文由《遠(yuǎn)程教育雜志》授權(quán)發(fā)布 作者：牟智佳,、俞顯
摘要
關(guān)鍵詞：知識(shí)圖譜,；學(xué)習(xí)分析,；社會(huì)網(wǎng)絡(luò)分析；可視化,；研究熱點(diǎn) 一,、研究背景
在教育大數(shù)據(jù)、教育云服務(wù)和網(wǎng)絡(luò)學(xué)習(xí)空間日漸普及的背景下,，學(xué)習(xí)分析的應(yīng)用價(jià)值得到日益凸顯,，越來越多教育者和管理機(jī)構(gòu)通過學(xué)習(xí)分析了解學(xué)生的學(xué)習(xí)過程并為其提供更好的支持,。自2008年《地平線報(bào)告》在中期趨勢(shì)中提出“數(shù)據(jù)集成”以來，學(xué)習(xí)分析經(jīng)歷了從可視化數(shù)據(jù)分析到量化自我的演變,，并在近五年的報(bào)告中一直作為影響教育領(lǐng)域的關(guān)鍵趨勢(shì)之一然而，麥肯錫全球數(shù)據(jù)分析研究所（Mckinsey Global Institute）在2011年6月發(fā)布的《大數(shù)據(jù)：創(chuàng)新,、競(jìng)爭(zhēng)和生產(chǎn)力的下一個(gè)前沿》報(bào)告中指出,，有策略地應(yīng)用分析來指導(dǎo)實(shí)踐這一思想并未在教育領(lǐng)域中得到應(yīng)用，教育領(lǐng)域的數(shù)據(jù)已初具規(guī)模,，但分析卻相當(dāng)薄弱[2],。之后，美國(guó)教育部下設(shè)的教育技術(shù)辦公室在2012年發(fā)布的《通過教育數(shù)據(jù)挖掘和學(xué)習(xí)分析來改善教與學(xué)》報(bào)告中,，對(duì)教育數(shù)據(jù)挖掘和學(xué)習(xí)分析的研究基礎(chǔ),、應(yīng)用方向,、實(shí)施挑戰(zhàn)等方面進(jìn)行了深入分析，旨在促進(jìn)這兩類組織的融合并推動(dòng)其在教育領(lǐng)域的應(yīng)用[3]。
當(dāng)前,，學(xué)習(xí)分析已經(jīng)引起國(guó)內(nèi)外研究者的廣泛重視，相關(guān)研究者成立學(xué)習(xí)分析研究協(xié)會(huì),。該協(xié)會(huì)下設(shè)的“學(xué)習(xí)分析與知識(shí)國(guó)際會(huì)議”（International Conferenceon Learning Analytics & Knowledge,，LAK）旨在為從事學(xué)習(xí)分析的學(xué)術(shù)機(jī)構(gòu)、管理者,、軟件開發(fā)者和企業(yè)提供一個(gè)交流平臺(tái),，其交流內(nèi)容逐漸成為反映學(xué)習(xí)分析研究風(fēng)向標(biāo)的一個(gè)重要觀測(cè)點(diǎn)。
二,、研究方法與過程
（一）研究樣本與研究方法
本研究選取歷年“學(xué)習(xí)分析與知識(shí)國(guó)際會(huì)議”的論文作為研究樣本,，該會(huì)議自2011年2月第一次由加拿大阿薩巴斯卡大學(xué)在阿爾伯塔省的班夫舉辦以來，已經(jīng)連續(xù)舉辦五屆,。在此,，我們對(duì)歷屆會(huì)議的信息進(jìn)行了匯總，如表1所示,。從中可以看出,，學(xué)習(xí)分析議題由初期將學(xué)習(xí)分析中的技術(shù)內(nèi)容與社會(huì)和教育方向相整合走向深人的教育大數(shù)據(jù)學(xué)習(xí)分析，與創(chuàng)新,，會(huì)議主題報(bào)告也側(cè)重于通過教育數(shù)據(jù)分析,，獲取更豐富的教與學(xué)信息。在研究樣本的獲取上,，由于該會(huì)議與國(guó)際計(jì)算機(jī)學(xué)會(huì)電子數(shù)據(jù)庫合作,，因此，將通過在線數(shù)據(jù)庫來獲取歷年會(huì)議論文和文獻(xiàn)統(tǒng)計(jì)信息,。在檢索過程和結(jié)果上,，以會(huì)議名稱為檢索字段,，在檢索結(jié)果上剔除每年的會(huì)議日程介紹、Workshop安排等非研究性論文,，獲取到第一年論文27篇,，第二年論文52篇，第三年論文45篇,，第四年論文54篇,，第五年論文84篇，總計(jì)262篇,。
在研究方法上,，本文分別采用元分析、知識(shí)圖譜,、社會(huì)網(wǎng)絡(luò)分析對(duì)文獻(xiàn)內(nèi)容進(jìn)行分析,。其中元分析（Meta-analysis）是由Glass于1976年首次提出，它是一種將定性分析和定量分析相結(jié)合的文獻(xiàn)分析方法,，其目的主要是借助統(tǒng)計(jì)方法,，就同一主題的大量研究結(jié)果進(jìn)行綜合分析與評(píng)價(jià)，探討研究中存在的規(guī)律[9],。通過元分析可以對(duì)文獻(xiàn)研究主題和研究方法進(jìn)行分析,，而知識(shí)圖譜是對(duì)歷年文獻(xiàn)中的關(guān)鍵詞演變及研究熱點(diǎn)進(jìn)行分析，社會(huì)網(wǎng)絡(luò)則是對(duì)研究者合作關(guān)系信息進(jìn)行分析,。整個(gè)研究通過可視化的知識(shí)圖譜展現(xiàn)各項(xiàng)分析結(jié)果,。
研究過程中用到的工具軟件有CiteSpacelll、Ucinet6.0,、Histcite,、Visio2010，其中Ucinet6.0用于描述社會(huì)網(wǎng)絡(luò)中個(gè)體之間的關(guān)系,、角色地位和所屬派系等社會(huì)學(xué)信息[10],；Histcite由SCI的創(chuàng)辦人加菲爾德設(shè)計(jì)開發(fā)，能夠用圖示的方式展示某一領(lǐng)域重要文獻(xiàn)及其文獻(xiàn)之間的關(guān)系[11],，本研究中將用其分析和提取關(guān)鍵文獻(xiàn),；CiteSpacelll是由美國(guó)學(xué)者陳超美領(lǐng)銜開發(fā)的可視化分析工具，通過分析可以找出該領(lǐng)域的知識(shí)基礎(chǔ),、核心作者,、研究熱點(diǎn)以及研究趨勢(shì)[12]。
（二）研究過程
文章的研究過程主要包括以下六個(gè)方面：（1）匯總近五年“學(xué)習(xí)分析與知識(shí)國(guó)際會(huì)議”的論文,，并按時(shí)間順序?qū)v年會(huì)議論文進(jìn)行編碼,；（2）提取文獻(xiàn)中的研究者姓名、國(guó)籍,、學(xué)科,、關(guān)鍵詞,、題目等信息并進(jìn)行編碼，對(duì)同義,、單復(fù)數(shù),、簡(jiǎn)寫關(guān)鍵詞進(jìn)行合并處理，如“visualization”,、“visualisation”統(tǒng)—為“visualisation”,，SNA統(tǒng)一寫為“society network analysis”等；（3）對(duì)文獻(xiàn)中的研究方法進(jìn)行內(nèi)容分析,，其方法是兩名研究者分別閱讀文獻(xiàn)確定其方法記錄到表格中，并匯總研究方法名稱,，最后對(duì)各類文獻(xiàn)方法進(jìn)行編碼,；研究主題分析通過知識(shí)圖譜軟件對(duì)“主題詞”進(jìn)行聚類分析得到；（4）利用本地引用次數(shù)繪制關(guān)鍵文獻(xiàn)的引文編年圖,，并分析其引證關(guān)系鏈,；（5）通過知識(shí)圖譜和社會(huì)網(wǎng)絡(luò)對(duì)樣本數(shù)據(jù)進(jìn)行分析并可視化輸出；（6）依據(jù)分析結(jié)果探討學(xué)習(xí)分析的研究熱點(diǎn),。
三,、研究結(jié)果分析
（一）研究者國(guó)籍與學(xué)術(shù)群體分析
1.研究者國(guó)籍與研究機(jī)構(gòu)分析
通過研究者國(guó)籍分析可以掌握不同國(guó)家對(duì)某一研究領(lǐng)域的貢獻(xiàn)程度以及國(guó)家之間的合作關(guān)系。將數(shù)據(jù)導(dǎo)入CiteSpacelll,，時(shí)間跨度設(shè)定為2011-2015年,，單個(gè)時(shí)間分區(qū)設(shè)定為1年，“Node Types”選擇“Country”,，“Top N per slice”閾值設(shè)定為50,，其中前、中,、后三個(gè)時(shí)間分區(qū)的閾值（C,，CC，CV）分別設(shè)定為（3,，4,，15）、（3,，2,，15）、（2,，2,，15），閾值越大符合條件的作者越少,，其余閾值由現(xiàn)行內(nèi)插值來決定,，最后獲得包含50個(gè)節(jié)點(diǎn)和113條線的關(guān)系圖,。需要說明的是，閾值設(shè)置根據(jù)圖譜聚類效果而定,，若各聚類之間清晰顯示要素,，聚類之間有少量關(guān)鍵的聯(lián)系，此類閾值設(shè)置符合分析要求[13],。
通過上述分析設(shè)定得出如圖1的分析結(jié)果,，其中“圓圖”半徑代表著國(guó)家出現(xiàn)的次數(shù)和時(shí)間，時(shí)間由遠(yuǎn)至近,，從圓的中心向外拓展,。可以看出,，在學(xué)習(xí)分析研究領(lǐng)域中,，第一梯隊(duì)是美國(guó)、英國(guó),、加拿大,，其中，美國(guó)和加拿大均舉辦過兩屆“學(xué)習(xí)分析與知識(shí)國(guó)際會(huì)議”,，英國(guó)則以英國(guó)開放大學(xué)（The Open University）為首的研究機(jī)構(gòu)積極參與到學(xué)習(xí)分析的理論,、發(fā)展和應(yīng)用實(shí)踐研究中[14]；而澳大利亞,、德國(guó),、荷蘭等國(guó)緊隨其后；西班牙,、比利時(shí),、希臘、法國(guó)則處于第三梯隊(duì),。從機(jī)構(gòu)分布來看,，英國(guó)開放大學(xué)、美國(guó)密西根大學(xué),、加拿大阿薩巴斯卡大學(xué),、澳大利亞臥龍崗大學(xué)、荷蘭開放大學(xué),、西班牙卡洛斯三世大學(xué),、德國(guó)信息技術(shù)研究中心等機(jī)構(gòu)是學(xué)習(xí)分析領(lǐng)域的主要研究機(jī)構(gòu)。此外,，美國(guó)斯坦福大學(xué),、澳大利亞悉尼大學(xué)、英屬哥倫比亞大學(xué)、德國(guó)弗勞恩霍夫信息技術(shù)應(yīng)用研究所在學(xué)習(xí)分析領(lǐng)域的研究也比較突出,。
可見,，學(xué)習(xí)分析技術(shù)的研究主陣地在歐美國(guó)家，圖譜顯示各國(guó)之間呈現(xiàn)合作研究的態(tài)勢(shì),，跨國(guó)合作研究是學(xué)習(xí)分析領(lǐng)域的一個(gè)明顯特征,。
2.學(xué)術(shù)群體合作關(guān)系分析
科學(xué)文獻(xiàn)的作者是科學(xué)研究活動(dòng)的主體，學(xué)科領(lǐng)域內(nèi)的優(yōu)秀研究人員往往能夠引領(lǐng)學(xué)科新的方向,，對(duì)快速了解該學(xué)科基本研究概況大有裨益[15],。此外，對(duì)一學(xué)科研究團(tuán)體的關(guān)系進(jìn)行分析,，可以掌握該學(xué)科研究團(tuán)體的研究生態(tài)情況,。“Node Types”選擇“Author”“Top N per slice”閾值設(shè)定為50,，其它閾值依照原有設(shè)定不變,，運(yùn)行軟件后得到具有164個(gè)節(jié)點(diǎn)和223條連線的合作網(wǎng)絡(luò)關(guān)系圖，如圖2所示,。
學(xué)術(shù)群體合作關(guān)系圖譜顯示，圖中有大量的關(guān)系網(wǎng)絡(luò),，表明學(xué)習(xí)分析領(lǐng)域的研究者注重以團(tuán)體的形式進(jìn)行合作研究,，基本形成了較為穩(wěn)定的研究團(tuán)體；各研究團(tuán)體之間也表現(xiàn)出較緊密的聯(lián)系,，說明各研究團(tuán)體之間的信息交流較通暢,，資源共享程度較高。
其中,，以舒姆（Simon Buckingham Shum）為代表的合作團(tuán)體在學(xué)習(xí)分析領(lǐng)域占有主要位置,，其形成的研究團(tuán)體在整個(gè)學(xué)習(xí)分析領(lǐng)域有著廣泛的影響，是學(xué)習(xí)分析研究的主力軍,。舒姆具有社會(huì)科學(xué),、心理學(xué)和計(jì)算機(jī)科學(xué)等學(xué)科背景，當(dāng)前致力于知識(shí)提取與表征,、社會(huì)網(wǎng)絡(luò)分析,、語義文本分析等方面的探索，其團(tuán)隊(duì)最新研究是設(shè)計(jì)計(jì)算機(jī)支持的辯論可視化工具對(duì)學(xué)習(xí)者在線協(xié)作與知識(shí)分享建構(gòu)的能力進(jìn)行評(píng)價(jià)[16],。此外,，以加舍維奇（Dragan Gasevic）、道森（Shane Dawson）,、帕爾多（Abelardo Pardo）和貝克（Ryan S.Baker）組成的研究團(tuán)隊(duì)致力于如何利用復(fù)雜教育系統(tǒng)中的教育大數(shù)據(jù)進(jìn)行教育評(píng)價(jià),，并在學(xué)習(xí)分析工具設(shè)計(jì)、學(xué)習(xí)策略分析和教育數(shù)據(jù)挖掘方面有較多探索[17],。以弗格森（Rebecca Ferguson）,、德拉克斯勒（Hendrik Drachsler）和拉特（Maarten de Laat）組成的研究團(tuán)隊(duì)也具有較高的影響力,，該學(xué)術(shù)群體基于歐洲教育項(xiàng)目實(shí)踐開展學(xué)習(xí)分析應(yīng)用探索，研究?jī)?nèi)容涉及學(xué)習(xí)分析理論,、個(gè)性化推薦系統(tǒng),、教育文本分析等[18]。
（二）研究者學(xué)科背景分析
在新興研究領(lǐng)域,，研究者的學(xué)科背景分析有助于了解該領(lǐng)域的基本研究?jī)?nèi)容和專業(yè)研究屬性,。本研究閱讀并提取了每篇文章研究者的學(xué)科背景信息，之后兩名分析者根據(jù)所提取的研究者背景信息對(duì)其所屬學(xué)科進(jìn)行劃分,，最后利用Ucinet6.0軟件構(gòu)建作者的學(xué)科背景鄰接矩陣,，應(yīng)用軟件分析得到如圖3的分析結(jié)果，其中,，塊狀節(jié)點(diǎn)表示學(xué)科,，圓形節(jié)點(diǎn)表示學(xué)科下屬的研究方向。
可以看出,，當(dāng)前學(xué)習(xí)分析領(lǐng)域研究者的學(xué)科背景除教育學(xué),、計(jì)算機(jī)科學(xué)、統(tǒng)計(jì)學(xué)等基礎(chǔ)學(xué)科之外,，還涉及人工智能,、心理學(xué)與認(rèn)知科學(xué)、經(jīng)濟(jì)學(xué),、藝術(shù)設(shè)計(jì),、管理學(xué)、情報(bào)學(xué)等學(xué)科,。各學(xué)科之間存在交叉聯(lián)系,，特別是教育學(xué)、計(jì)算機(jī)科學(xué)與工程,、人工智能,、心理學(xué)與認(rèn)知科學(xué)這四門學(xué)科合作密切，這說明研究者試圖通過跨學(xué)科合作來解決教與學(xué)實(shí)踐中的復(fù)雜問題,。此外,，探索教育數(shù)據(jù)背后的學(xué)習(xí)本質(zhì)、學(xué)習(xí)者是如何學(xué)習(xí)的這一基本問題也是學(xué)習(xí)分析需要探測(cè)和解釋的,，而該問題的解決需要心理學(xué)與認(rèn)知科學(xué)的相關(guān)理論提供支持,。交叉學(xué)科研究是產(chǎn)生新學(xué)科的沃土和源泉，是獲得原創(chuàng)性科學(xué)成果的重要途徑,，也是解決重大技術(shù),、社會(huì)問題的必然選擇[19]。學(xué)習(xí)分析作為一個(gè)新的研究領(lǐng)域，也正因?yàn)槠涠鄬W(xué)科交叉的研究背景才有可能在未來給教育教學(xué)帶來飛躍式的變革,。
（三）關(guān)鍵文獻(xiàn)的提取與分析
關(guān)鍵文獻(xiàn)集中體現(xiàn)了某個(gè)學(xué)科主題發(fā)展的基本信息和主要內(nèi)容,，是針對(duì)特定科學(xué)主題開展研究的重要入口[20]。文獻(xiàn)被引頻次反映文獻(xiàn)被其他研究者關(guān)注的程度,，也從一個(gè)側(cè)面反映了論文質(zhì)量和作者科研成果的吸收量,，被引頻次越高說明此文獻(xiàn)在該研究領(lǐng)域中越重要，可被認(rèn)為是核心文獻(xiàn)[21],。將數(shù)據(jù)導(dǎo)入Histcite,，運(yùn)行軟件并選擇Graph Maker命令，按LCS（Local Citation Score,，本地引用頻次,，即在當(dāng)前所搜集的文獻(xiàn)中被引用的次數(shù)）最高的前40篇文獻(xiàn)繪制出關(guān)鍵文獻(xiàn)的引文編年圖，如圖4所示,。其中,，每一個(gè)圓圈中的數(shù)字代表一篇文獻(xiàn)的編號(hào)，圓圈的大小代表該篇文獻(xiàn)被引用頻次的多少,，箭頭連線代表之間的互引關(guān)系,。
從圖4中可以看到，2011年度有編號(hào)為46,、51,、50、49,、53、52等6篇文獻(xiàn)被引用頻次較多,；編號(hào)為102,、99的文獻(xiàn)則為2012年度被引用頻次較多的文獻(xiàn)；2013年度有編號(hào)為131,、141的2篇文獻(xiàn)被引用頻次較高,。整個(gè)引文編年圖大致有三條引證關(guān)系鏈：引證關(guān)系鏈1主要對(duì)學(xué)習(xí)分析中的學(xué)習(xí)建模、個(gè)性化推薦系統(tǒng)的算法進(jìn)行深入研究[22],；引證關(guān)系鏈2涉及學(xué)習(xí)行為數(shù)據(jù)分析,、學(xué)習(xí)分析可視化以及基于MOOCs的學(xué)習(xí)分析[23]；引證關(guān)系鏈3集中探討了學(xué)習(xí)分析背景下的工具方法,、學(xué)習(xí)設(shè)計(jì),、基本理論等關(guān)鍵內(nèi)容[24]。此外,，孤立點(diǎn)33,、46、206、252,、239也有一定量的被引用頻次,，但與其它高被引文獻(xiàn)無互相引證關(guān)系。上述10個(gè)文獻(xiàn)編碼對(duì)應(yīng)的原文信息如表2所示,。
（四）關(guān)鍵詞演變與整體分析
1.對(duì)關(guān)鍵詞的整體分析
關(guān)鍵詞是表述文獻(xiàn)主題,、內(nèi)容、思路以及研究方法的關(guān)鍵性詞匯,，是信息計(jì)量研究的重要指標(biāo)[25],。關(guān)鍵詞可以反映本年度的研究熱點(diǎn)，并在一定程度上預(yù)測(cè)今后的發(fā)展趨勢(shì)[26],。在“Node Types”選擇“Keywords”,，“Top N per slice”閾值設(shè)定為50，（C,，CC,，CCV）前、中,、后的設(shè)置為（2,，3，20）,、（3,，6，20）,、（2,，3，20）,，最后獲得包含188個(gè)節(jié)點(diǎn)和258條線的關(guān)鍵詞整體網(wǎng)絡(luò)分析圖,，如圖5所示?？梢钥闯鰀atamining,、MOOCs、social network analysis,、visualisation,、discourse analytics、predictive analytics,、online learning,、collaborative learning（CSCL）、society learning analytics,、assessment是排在前十的高頻關(guān)鍵詞,，基于網(wǎng)絡(luò)學(xué)習(xí)活動(dòng)行為數(shù)據(jù)進(jìn)行分析,、可視化表征和預(yù)測(cè)是學(xué)習(xí)分析研究的典型特征，這與2011年《地平線報(bào)告》對(duì)學(xué)習(xí)分析內(nèi)涵的描述較為一致[27],。
圖5中圓點(diǎn)大小和連線的厚度代表著節(jié)點(diǎn)中介中心度及其值的大小,，中介中心度反映了一個(gè)關(guān)鍵詞在網(wǎng)絡(luò)中的核心橋梁地位。其中MOOCs,、education data mining的中介中心度分別達(dá)到0.13和0.11,，說明這兩者在整個(gè)學(xué)習(xí)分析領(lǐng)域具有核心橋梁的地位，連接著整個(gè)學(xué)習(xí)分析領(lǐng)域各部分的內(nèi)容,。大規(guī)模開放在線課程作為教育大數(shù)據(jù)主要來源之一,，其數(shù)據(jù)獲取方便、數(shù)據(jù)結(jié)構(gòu)多樣化,、數(shù)據(jù)量大的特點(diǎn)已經(jīng)成為學(xué)習(xí)分析研究者的主要研究對(duì)象,，而教育數(shù)據(jù)挖掘作為一個(gè)獨(dú)立學(xué)術(shù)群體開始與學(xué)習(xí)分析進(jìn)行合作與交流，兩者都側(cè)重基于數(shù)據(jù)分析為教育系統(tǒng)的計(jì)劃,、干預(yù)和決策提供支持[28],。
2.歷年文獻(xiàn)的關(guān)鍵詞演變分析
分析歷年文獻(xiàn)的關(guān)鍵詞演變情況可以幫助讀者了解在不同時(shí)期某一領(lǐng)域研究者所關(guān)注的重點(diǎn)以及整個(gè)研究的變化態(tài)勢(shì)。在“Node Types”選擇“Keywords”,，“Top N perslice”閾值設(shè)定為50,，“Layout”選擇“Timezone”。為了讓圖譜清晰展示分析結(jié)果,，在Display Merged界面的“Article Labeling”面板中將“Threshold”設(shè)置為3,，其它參數(shù)設(shè)置同上，最后獲得包含74個(gè)節(jié)點(diǎn)和120條線的關(guān)鍵詞歷年演變關(guān)系結(jié)果,，如圖6所示,。
從中可以發(fā)現(xiàn)，2011年學(xué)習(xí)分析研究側(cè)重關(guān)注社會(huì)網(wǎng)絡(luò)分析,、在線學(xué)習(xí)和計(jì)算機(jī)支持的協(xié)作學(xué)習(xí),。2012年會(huì)議關(guān)注點(diǎn)集中在學(xué)習(xí)分析可視化、預(yù)測(cè)分析和文本對(duì)話分析,，此外，研究者開始關(guān)注教育評(píng)價(jià)和學(xué)生注意力方面的研究,。2013年則集中聚焦在MOOCs和高等教育,，受大規(guī)模開放在線課程全球范圍內(nèi)的影響，研究者開始探索高等教育環(huán)境下的網(wǎng)絡(luò)學(xué)習(xí)者群體行為特征和規(guī)律,。2014年教育數(shù)據(jù)挖掘和教育數(shù)據(jù)聚類分析成為該年度會(huì)議論文的主要關(guān)鍵詞,，2012年英國(guó)學(xué)者維克托.邁爾-舍恩伯格（Viktor Mayer-Schnberger）撰寫的《大數(shù)據(jù)時(shí)代》成為了大數(shù)據(jù)研究的先河之作，此后,，軍事大數(shù)據(jù),、醫(yī)療大數(shù)據(jù),、旅游大數(shù)據(jù)、電商大數(shù)據(jù)受到了廣泛的關(guān)注并通過大數(shù)據(jù)挖掘分析分別取得了一些應(yīng)用實(shí)例,，而在當(dāng)前倡導(dǎo)智慧教育的背景下則需要基于教育大數(shù)據(jù)的學(xué)習(xí)分析作為支撐,，因此，教育數(shù)據(jù)挖掘也成為當(dāng)前學(xué)習(xí)分析關(guān)注的重點(diǎn)和熱點(diǎn),。2015年關(guān)注的重點(diǎn)包括協(xié)作學(xué)習(xí)共同體,、對(duì)話文本分析、倫理道德研究等,。隨著學(xué)習(xí)數(shù)據(jù)的搜集和積累,，大數(shù)據(jù)環(huán)境下學(xué)習(xí)分析數(shù)據(jù)的安全性和個(gè)人隱私保護(hù)成為了新的研究議題[29]。
（五）研究主題聚類分析
對(duì)近五年會(huì)議論文研究主題進(jìn)行分析,，可以進(jìn)一步了解該領(lǐng)域關(guān)注的焦點(diǎn)內(nèi)容和研究取向,。在“Node Types”選擇“Term”，“Top N per slice”閾值設(shè)定為50,，“Pruning”選擇“Minimum Spannning Tree”,，為保證圖譜更為清晰，去除“l(fā)earning analysis”,，其它參數(shù)設(shè)置同上,。獲得包含74個(gè)節(jié)點(diǎn)和119條線的聚類圖譜，從聚類的情況上看,，一共得到八個(gè)主題聚類,，如圖7所示。
聚類#0 generating predictive model（生成預(yù)測(cè)模型）,，該類研究是對(duì)學(xué)習(xí)者已學(xué)習(xí)活動(dòng)的行為數(shù)據(jù)進(jìn)行分析并對(duì)其未來學(xué)習(xí)結(jié)果進(jìn)行預(yù)測(cè),，對(duì)存在問題和學(xué)習(xí)障礙的學(xué)習(xí)者進(jìn)行適當(dāng)?shù)母深A(yù)。
聚類#1 pedagogical model（教學(xué)模型）通過對(duì)學(xué)習(xí)者的學(xué)習(xí)行為數(shù)據(jù)進(jìn)行分析,，總結(jié)學(xué)習(xí)者在學(xué)習(xí)過程的關(guān)鍵點(diǎn)和規(guī)律,，從而構(gòu)建支持有效教學(xué)設(shè)計(jì)的教學(xué)模型，而這些模型最終目的是更好地開展差異化教學(xué)以滿足學(xué)習(xí)者的個(gè)性化學(xué)習(xí)需求,。
聚類#2 automatic essay scoring（自動(dòng)作文評(píng)分）和聚類#3 exploratory dialogue（探索對(duì)話）則是對(duì)學(xué)習(xí)者在互動(dòng)交流中產(chǎn)生的大量對(duì)話文本進(jìn)行分析,，通過自動(dòng)化文本語義分析了解學(xué)習(xí)者知識(shí)掌握程度、學(xué)習(xí)動(dòng)機(jī),、學(xué)習(xí)策略等個(gè)性特征信息,，為調(diào)整教學(xué)策略和設(shè)計(jì)提供依據(jù)。
聚類#4 knowledge construction（知識(shí)建構(gòu)）和聚類#5 transferable competencies（能力轉(zhuǎn)化）主要是判定學(xué)習(xí)者知識(shí)和能力的掌握程度,，并依據(jù)分析的結(jié)果為學(xué)習(xí)者提供一定的學(xué)習(xí)策略和方法以幫助學(xué)習(xí)者提升掌握知識(shí)和應(yīng)用知識(shí)的能力,。
聚類#6 dataset-drivenre search（數(shù)據(jù)集驅(qū)動(dòng)的研究）是基于網(wǎng)絡(luò)學(xué)習(xí)平臺(tái)和系統(tǒng)搜集的數(shù)據(jù)，采用相關(guān)挖掘技術(shù)和算法進(jìn)行分析,，發(fā)現(xiàn)學(xué)習(xí)中存在的問題和學(xué)習(xí)行為特征,。
聚類#7 emotional research（情感研究）是對(duì)學(xué)習(xí)者注意力,、情緒和態(tài)度等方面進(jìn)行探索。學(xué)習(xí)者情感態(tài)度價(jià)值觀的研究一直是教育研究領(lǐng)域忽視的板塊,，特別是在網(wǎng)絡(luò)環(huán)境下教與學(xué)活動(dòng),、教師與學(xué)生時(shí)空相對(duì)分離，學(xué)生的焦慮感,、孤獨(dú)感等情緒時(shí)有發(fā)生,，因此，關(guān)注學(xué)習(xí)者情感和動(dòng)機(jī)變化的成因并進(jìn)行改善有助于提高其學(xué)習(xí)成效[30],。
（六）基于學(xué)科背景的研究方法分析
在研究方法編碼上,，分別對(duì)學(xué)科背景和研究方法名稱進(jìn)行數(shù)字和字母標(biāo)識(shí)，例如,，文獻(xiàn)標(biāo)識(shí)LAK13-01,，學(xué)科背景標(biāo)識(shí)12，研究方法標(biāo)識(shí)A,，代表該文獻(xiàn)含有教育學(xué)和計(jì)算機(jī)科學(xué)與工程兩個(gè)學(xué)科,，研究方法為文獻(xiàn)研究法。通過數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析和可視化輸出,，得出如圖8所示分析結(jié)果,。
其中，圓圈中的數(shù)字代表對(duì)應(yīng)學(xué)科采用該研究方法的數(shù)量,，如,，文獻(xiàn)研究法對(duì)應(yīng)教育學(xué)的圓圈顯示為14，表明有14篇教育學(xué)背景的研究文獻(xiàn)采用文獻(xiàn)研究法作為其主要的研究方法,；連線表示不同學(xué)科背景研究者采用同一研究方法的合著關(guān)系,，連線上的數(shù)字代表其合著過程使用同一研究方法的數(shù)量，例如,，文獻(xiàn)研究法對(duì)應(yīng)的教育學(xué)和計(jì)算機(jī)科學(xué)與工程兩門學(xué)科,，其連線上的數(shù)字顯示為4，表明以教育學(xué)和計(jì)算機(jī)科學(xué)與工程為學(xué)科背景的合著文章中有4篇采用文獻(xiàn)研究法,。
在研究方法種類方面,，相對(duì)于傳統(tǒng)的調(diào)查研究、實(shí)驗(yàn)研究等方法,，學(xué)習(xí)分析側(cè)重開展文本分析,、設(shè)計(jì)研究、聚類分析,、眼動(dòng)分析、連續(xù)模式提取,、時(shí)間序列分析,、移動(dòng)點(diǎn)分析,、人工智能等教育數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)分析方法，這與前面研究主題分析得出的數(shù)據(jù)集驅(qū)動(dòng)的研究較為一致,。
在研究方法數(shù)量方面,，文獻(xiàn)研究法、基于設(shè)計(jì)的研究,、文本分析法,、混合研究法是較多應(yīng)用的研究方法。其中,，文獻(xiàn)研究法主要用于介紹學(xué)習(xí)分析的理論框架,、模型設(shè)計(jì)、技術(shù)方法等內(nèi)容,，基于設(shè)計(jì)的研究側(cè)重學(xué)習(xí)分析工具的設(shè)計(jì),、可視化、應(yīng)用與改善,，如,，桑托斯（Jose Luis Santos）等研究者設(shè)計(jì)StepUp學(xué)習(xí)分析儀表盤以支持學(xué)習(xí)者自我反饋和意義建構(gòu)[31]。 文本分析側(cè)重分析虛擬學(xué)習(xí)社區(qū)和網(wǎng)絡(luò)答疑區(qū)中互動(dòng)文本的提取,、分析與社會(huì)網(wǎng)絡(luò)分析,。混合研究法則是結(jié)合定性和定量?jī)煞N方式對(duì)學(xué)習(xí)數(shù)據(jù)的捕獲,、個(gè)性化學(xué)習(xí)行為和心理特征等方面進(jìn)行分析,。
在學(xué)科合作方面，從學(xué)科合作曲線密集度可以看出設(shè)計(jì)研究,、混合研究和人工智能等方法涉及教育學(xué),、計(jì)算機(jī)科學(xué)、人工智能,、心理學(xué)與認(rèn)知科學(xué)等多學(xué)科的交叉合作,，說明跨學(xué)科開展工具設(shè)計(jì)、可視化和教育數(shù)據(jù)挖掘成為學(xué)習(xí)分析的一種常態(tài),。
四,、學(xué)習(xí)分析研究熱點(diǎn)的討論
（一）學(xué)習(xí)分析的工具設(shè)計(jì)與可視化輸出
利用學(xué)習(xí)分析工具對(duì)網(wǎng)絡(luò)學(xué)習(xí)活動(dòng)管理系統(tǒng)中的數(shù)據(jù)進(jìn)行分析并可視化輸出是當(dāng)前學(xué)習(xí)分析研究的熱點(diǎn)之一。
通過對(duì)歷屆會(huì)議論文研究主題的分析可以看出,，每年都會(huì)有研究者聚焦于學(xué)習(xí)分析工具的設(shè)計(jì)與應(yīng)用,。從早期的用于分析學(xué)習(xí)者社會(huì)網(wǎng)絡(luò)關(guān)系的SNAPP（The Social Networks Adapting Pedagogical Practice）工具、對(duì)學(xué)習(xí)管理系統(tǒng)中學(xué)生行為數(shù)據(jù)進(jìn)行評(píng)價(jià)和分析的AAT（The Academic Analytics Tool）工具到后面對(duì)學(xué)習(xí)過程和參與行為進(jìn)行分析的eGraph工具,，學(xué)習(xí)分析工具逐漸從分析學(xué)習(xí)者群體特征數(shù)據(jù)走向?qū)€(gè)人學(xué)習(xí)活動(dòng)過程行為分析的演變[32][33][34],。
而在可視化分析方面，由早期的基本信息呈現(xiàn)走向?qū)W(xué)習(xí)者活動(dòng)參與情況,、個(gè)性化學(xué)習(xí)路徑,、學(xué)習(xí)能力等深層信息進(jìn)行分析輸出,。可以看出,，未來學(xué)習(xí)分析工具設(shè)計(jì)與分析將逐漸走向個(gè)性化,、智能化和可視化。
（二）基于學(xué)習(xí)過程的行為數(shù)據(jù)預(yù)測(cè)未來學(xué)習(xí)表現(xiàn)
近年來,，研究者逐漸開始探索分析學(xué)習(xí)者在網(wǎng)絡(luò)學(xué)習(xí)系統(tǒng)中的學(xué)習(xí)活動(dòng)行為與學(xué)習(xí)者未來考試表現(xiàn)之間的關(guān)系[35],。了解不同學(xué)習(xí)者的學(xué)習(xí)過程行為及其所產(chǎn)生的學(xué)習(xí)結(jié)果和表現(xiàn)不僅能夠幫助理解學(xué)習(xí)者做出選擇的歸因和動(dòng)機(jī)，而且能夠幫助教師發(fā)現(xiàn)影響學(xué)習(xí)表現(xiàn)的內(nèi)外因素,，為教學(xué)內(nèi)容的調(diào)整和干預(yù)提供依據(jù),。
這方面的研究主要集中在學(xué)習(xí)結(jié)果預(yù)測(cè)模型和機(jī)制分析、學(xué)習(xí)者已有知識(shí)經(jīng)驗(yàn)如何影響其未來表現(xiàn),、預(yù)測(cè)工具設(shè)計(jì)與應(yīng)用,、學(xué)習(xí)成敗預(yù)測(cè)分析等。例如,，肯尼迪（Gregor Kennedy）等研究者基于大規(guī)模開放在線課程中學(xué)習(xí)者的先前知識(shí),、技能和活動(dòng)預(yù)測(cè)學(xué)習(xí)表現(xiàn)，發(fā)現(xiàn)學(xué)習(xí)者的先驗(yàn)知識(shí)是其未來學(xué)習(xí)成功的重要預(yù)測(cè)指標(biāo)[36],。安德爾加森（Monika Ander-gassen）等研究者使用Web Usage Mining工具對(duì)學(xué)習(xí)者在考試準(zhǔn)備過程中的行為數(shù)據(jù)與學(xué)習(xí)結(jié)果的相關(guān)性進(jìn)行了分析,，發(fā)現(xiàn)學(xué)習(xí)者的時(shí)間間隔、練習(xí)題和考試題的覆蓋范圍與成績(jī)成正相關(guān)[37],。因此,，利用學(xué)習(xí)者已有行為數(shù)據(jù)進(jìn)行預(yù)測(cè)分析并提供適切的教育干預(yù)是當(dāng)前學(xué)習(xí)分析的另一個(gè)研究熱點(diǎn)。
（三）虛擬學(xué)習(xí)社區(qū)中的交互文本與對(duì)話挖掘分析
虛擬學(xué)習(xí)社區(qū)中的互動(dòng)答疑和討論交流是網(wǎng)絡(luò)環(huán)境下教師與學(xué)生以及學(xué)習(xí)者之間開展異步討論與協(xié)作學(xué)習(xí)的主陣地,，通過對(duì)學(xué)習(xí)者互動(dòng)交流產(chǎn)生的文本進(jìn)行分析和挖掘,，不僅可以了解其對(duì)討論內(nèi)容的看法，而且可以了解其知識(shí)建構(gòu)的過程,。
然而,，鑒于互動(dòng)文本本身所具有的內(nèi)容長(zhǎng)度較小和情境復(fù)雜的特性，很難對(duì)其進(jìn)行有效的分析[38],。傳統(tǒng)的文本分析并不能夠全面地提取到學(xué)習(xí)者互動(dòng)交流內(nèi)容中所包含的意義和情境信息,，且在文本大數(shù)據(jù)集的背景下通過人工方式對(duì)文本內(nèi)容進(jìn)行編碼分析會(huì)耗費(fèi)大量的時(shí)間和精力。當(dāng)前,，教育文本分析側(cè)重通過數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)等方式對(duì)文本內(nèi)容進(jìn)行自動(dòng)提取和分析,。例如，希巴尼（Antonette Shibani）等研究者通過文本挖掘方式自動(dòng)獲取學(xué)習(xí)者在互動(dòng)交流中對(duì)團(tuán)隊(duì)評(píng)價(jià)的內(nèi)容并進(jìn)行分析[39],。在研究群體上,，舒姆等研究者在2013年發(fā)起了教育文本分析的國(guó)際工作坊，以促進(jìn)從事該主題研究的學(xué)者開展交流與合作[40]。
（四）學(xué)習(xí)者參與度,、注意力與情感研究
在學(xué)習(xí)者廣泛注冊(cè)和學(xué)習(xí)大規(guī)模開放在線課程的現(xiàn)象下,，參與度和通過率成為課程學(xué)習(xí)過程中日益凸顯的問題，較少學(xué)習(xí)者能夠堅(jiān)持學(xué)完課程所有內(nèi)容并獲得課程認(rèn)證[41],。
學(xué)習(xí)者參與度是影響學(xué)習(xí)成效的一個(gè)重要因素，如何提高其參與度,、學(xué)習(xí)注意力并分析其情感成為研究者逐漸關(guān)注的問題,。在參與度模式上，研究者麗塔（Kop Rita）及其同事對(duì)聯(lián)通主義理論指導(dǎo)下大規(guī)模開放在線課程的學(xué)習(xí)參與度進(jìn)行分析,，發(fā)現(xiàn)由于該類型課程鏈接了不同類型工具和資源,，很難追蹤學(xué)習(xí)者所有的學(xué)習(xí)活動(dòng)，但從已有學(xué)習(xí)行為上分析,，可以看出學(xué)習(xí)者熱衷于該類型的課程學(xué)習(xí),，且這種參與度能獲得較好的學(xué)習(xí)效果[42]。在注意力分析方面,，通過采用視頻分析和移動(dòng)點(diǎn)分析,，可以了解學(xué)生在課堂環(huán)境下注意力的變化情況，并發(fā)現(xiàn)其注意力層級(jí)表現(xiàn)水平,，進(jìn)而為教學(xué)策略的改善提供依據(jù)[43],。
在情感分析方面，通過眼動(dòng)和腦電波分析可以了解學(xué)習(xí)者的課程學(xué)習(xí)狀態(tài),，以真實(shí)反映其在學(xué)習(xí)活動(dòng)中的態(tài)度意向,，并找到真正影響學(xué)習(xí)的內(nèi)在因素[44]。
（五）教育數(shù)據(jù)挖掘視角下的形成性評(píng)價(jià)
學(xué)習(xí)評(píng)價(jià)是課堂教學(xué)活動(dòng)和網(wǎng)絡(luò)學(xué)習(xí)過程的一個(gè)重要環(huán)節(jié)之一,，評(píng)價(jià)內(nèi)容,、方式和結(jié)果在一定程度上影響后面的教學(xué)過程[45]?！督逃畔⒒臧l(fā)展規(guī)劃（2011-2020）》在“推進(jìn)信息技術(shù)與教學(xué)融合”部分提出,，要建設(shè)智能化教學(xué)環(huán)境，提供優(yōu)質(zhì)數(shù)字教育資源和軟件工具,，鼓勵(lì)發(fā)展性評(píng)價(jià)[46],。而教育數(shù)據(jù)的積累和學(xué)習(xí)分析的出現(xiàn)，為學(xué)習(xí)者的形成性評(píng)價(jià)提供了新的分析思路,。通過教育數(shù)據(jù)挖掘的方式對(duì)學(xué)習(xí)者參與的學(xué)習(xí)活動(dòng)進(jìn)行行為分析并分?jǐn)?shù)轉(zhuǎn)化,，可以使形成性評(píng)價(jià)更加科學(xué)有效。
這方面比較有代表性的研究是理查茲（Griff Richards）等搜集了學(xué)習(xí)者在課程學(xué)習(xí)中的過程性數(shù)據(jù),，并進(jìn)行動(dòng)態(tài)性的評(píng)價(jià)以分析學(xué)習(xí)活動(dòng)的有效性和教學(xué)設(shè)計(jì)的適切性,，最后，提出了數(shù)字化學(xué)習(xí)環(huán)境下開展形成性評(píng)價(jià)的指導(dǎo)原則[47]。
五,、結(jié)語
學(xué)習(xí)分析作為新興的研究方向,，近年來得到研究者的廣泛關(guān)注和深入探索。本研究通過對(duì)歷年“學(xué)習(xí)分析與知識(shí)國(guó)際會(huì)議”文獻(xiàn)的研究者信息,、關(guān)鍵詞,、研究主題和方法等進(jìn)行定量分析以洞悉該研究領(lǐng)域的學(xué)術(shù)生態(tài)結(jié)構(gòu)和焦點(diǎn)內(nèi)容，為國(guó)內(nèi)研究者了解該領(lǐng)域的研究取向并開展國(guó)際合作研究提供鋪墊,。從文獻(xiàn)分析結(jié)果中可以看出,，學(xué)習(xí)分析在理論和實(shí)踐兩個(gè)層面已經(jīng)開展了多方面的研究探索，并進(jìn)行了試驗(yàn)研究,，未來學(xué)習(xí)分析研究應(yīng)致力于如何利用學(xué)習(xí)分析工具,、教育數(shù)據(jù)算法、人工智能和機(jī)器學(xué)習(xí)等技術(shù),，來更好地改善數(shù)字化環(huán)境下的教與學(xué),，解決教育實(shí)踐中的關(guān)鍵問題，從而真正地將教育研究成果轉(zhuǎn)化為教育生產(chǎn)力,。
基金項(xiàng)目：本文系2014年全國(guó)教育科學(xué)“十二五”規(guī)劃教育部重點(diǎn)課題“基于教育大數(shù)據(jù)的學(xué)習(xí)分析工具設(shè)計(jì)與應(yīng)用研究”（課題編號(hào)：DCA140230）,、2014年北京師范大學(xué)自主科研基金重點(diǎn)項(xiàng)目“電子書包中基于大數(shù)據(jù)的學(xué)生個(gè)性化信息挖掘與應(yīng)用研究”（課題編號(hào)+00305-310400080）和2015年國(guó)家留學(xué)基金委建設(shè)高水平大學(xué)公派研究生項(xiàng)目的研究成果。 作者簡(jiǎn)介：牟智佳,，北京師范大學(xué)教育技術(shù)學(xué)院在讀博士,，研究方向：數(shù)字化學(xué)習(xí)技術(shù)與環(huán)境，系本文通訊作者,；俞顯,，寧波市教育考試院研究實(shí)習(xí)員，研究方向：教育考試數(shù)據(jù)挖掘與分析,。 |
|
|
