王瑩 張文蘭

摘? ?要：重視學(xué)生個體差異是提升教學(xué)質(zhì)量、實現(xiàn)教育公平的關(guān)鍵，探究技術(shù)支持下學(xué)生個體差異對技術(shù)賦能教育、促進學(xué)生個性化發(fā)展具有重要意義。為了更好地把握國內(nèi)個體差異研究的進展和趨勢，文章采用文獻(xiàn)計量方法，借助CiteSpace軟件對中國知網(wǎng)數(shù)據(jù)庫中2010—2020年教育技術(shù)類核心期刊的文獻(xiàn)進行發(fā)文量分析、核心作者分析、關(guān)鍵詞共現(xiàn)分析、聚類分析、突現(xiàn)性分析、時間線和時區(qū)分析。最后總結(jié)三點個體差異研究進展的思考與啟示，為未來個體差異研究提供參考。

關(guān)鍵詞：個體差異;個性化學(xué)習(xí);CiteSpace;研究綜述

中圖分類號：G434 文獻(xiàn)標(biāo)志碼：A 文章編號：1673-8454（2021）05-0001-06

2020年《政府工作報告》再次提出要推動教育公平發(fā)展和質(zhì)量提升。國家教育咨詢委員會委員談松華曾提到：“實現(xiàn)有質(zhì)量的教育公平必須正視受教育者個體的差異性?！盵1]《教育信息化2.0行動計劃》提出要“探索在信息化條件下實現(xiàn)差異化教學(xué)、個性化學(xué)習(xí)、精細(xì)化管理、智能化服務(wù)的典型途徑”。技術(shù)環(huán)境下學(xué)生之間的個體差異呈現(xiàn)得更加精準(zhǔn)化，更有可能實現(xiàn)差異式教學(xué)。目前國內(nèi)關(guān)于新技術(shù)環(huán)境下個體差異的研究缺乏相關(guān)綜述，因此，為了厘清我國技術(shù)支持下個體差異研究的具體進展和趨勢，本研究利用CiteSpace知識圖譜軟件對當(dāng)前相關(guān)研究成果進行可視化分析，梳理研究現(xiàn)狀，了解研究趨勢，以期為該領(lǐng)域研究提供借鑒。

一、數(shù)據(jù)來源和方法

1.數(shù)據(jù)來源

本研究以中國知網(wǎng)（CNKI）數(shù)據(jù)庫為數(shù)據(jù)來源，本文旨在了解信息技術(shù)滲透的教育中，針對學(xué)生個體差異及個性化需求開展研究的現(xiàn)狀，因此，檢索條件主題為“個體差異”或含“個性化學(xué)習(xí)”。文獻(xiàn)分類目錄限定為社會科學(xué)II輯，文獻(xiàn)來源限定為教育技術(shù)學(xué)核心期刊（中國電化教育、電化教育研究、現(xiàn)代教育技術(shù)、中國遠(yuǎn)程教育、現(xiàn)代遠(yuǎn)距離研究、遠(yuǎn)程教育雜志、現(xiàn)代遠(yuǎn)程教育研究、開放教育研究）。2010年網(wǎng)絡(luò)技術(shù)加快應(yīng)用，新型技術(shù)環(huán)境開始普及，因此檢索跨度為2010—2020年。經(jīng)過嚴(yán)格篩選，剔除不符合個體差異主題的文獻(xiàn)，共選取451篇文獻(xiàn)作為研究樣本。

2.研究方法

本文主要采用定量和定性相結(jié)合的研究方法。研究工具采用CiteSpace5.5.R2（64-bit）、Java1.8.0_241-b07（64-bit），主要通過高頻引用詞頻統(tǒng)計、關(guān)鍵詞共現(xiàn)分析、LLR聚類分析、中心性分析、突現(xiàn)性分析、時間線分析以及時區(qū)分析等對文獻(xiàn)進行定量分析，再通過深入閱讀文獻(xiàn)進一步綜述國內(nèi)個體差異研究的進展和趨勢。

二、研究結(jié)果與分析

1.年發(fā)文量分析

年發(fā)文量體現(xiàn)了一段時間學(xué)者對某領(lǐng)域的關(guān)注度，反映該領(lǐng)域的研究趨勢。從圖1可以看出，近10年個體差異相關(guān)研究的發(fā)文量整體呈現(xiàn)增長趨勢。2010—2013年是穩(wěn)定發(fā)展期，2013年發(fā)文量26篇。2013—2014年發(fā)文量呈井噴式增長，2014年發(fā)文量迅速達(dá)到58篇。2015年發(fā)文量55篇，稍有下滑但基本穩(wěn)定。2015—2020年發(fā)文量恢復(fù)穩(wěn)定增長趨勢，2019年達(dá)到73篇。

2.核心作者分析

依據(jù)普賴斯（Price）定理確定核心作者的人選，再依據(jù)h指數(shù)[2]、hm指數(shù)[3]綜合判斷核心作者在本領(lǐng)域的影響力。普賴斯（Price）定理規(guī)定核心作者最低發(fā)文量m≈0.749■，nmax為發(fā)文量最多的作者的發(fā)文數(shù)量。計算取整得m=4，發(fā)文量4篇以上的核心作者人選占32人。對18位核心作者人選的h、hm指數(shù)進一步測評，h指數(shù)大代表影響力大，若h指數(shù)相同，則hm指數(shù)小的影響力大。由表1可以看出，在個體差異領(lǐng)域，影響力前10位的核心作者是趙蔚、姜強、楊現(xiàn)民、牟智佳、王朋嬌、鐘紹春、祝智庭、余勝泉、武法提、周東岱，占總發(fā)文量的29.49%。

根據(jù)作者共現(xiàn)圖譜分析作者合作關(guān)系，節(jié)點和連線分別表示出現(xiàn)的頻次和合作關(guān)系，節(jié)點越大說明作者出現(xiàn)的頻次越多，連線越粗，則作者聯(lián)系越緊密。在某一領(lǐng)域，隨著研究越深入，學(xué)者之間的合作交流會越頻繁和緊密。根據(jù)圖2可以看出，僅有6個比較明顯的合作網(wǎng)絡(luò)，大部分學(xué)者處于獨立撰稿狀態(tài)。東北師范大學(xué)的趙蔚、姜強、王朋嬌是高產(chǎn)合作作者，合作發(fā)文6篇。楊現(xiàn)民、祝智庭、余勝泉等核心作者合作節(jié)點較小，有一些合作作者。個體差異研究領(lǐng)域合作關(guān)系多基于地緣因素，跨地域合作較少。

3.關(guān)鍵詞共現(xiàn)分析和聚類分析

（1）關(guān)鍵詞共現(xiàn)分析

關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)可反映某一領(lǐng)域的研究熱點以及熱點內(nèi)容之間的聯(lián)系。以關(guān)鍵詞（keyword）為節(jié)點，時間閾值（Time Slicing）設(shè)置為“from 2010 to 2020”，時間分區(qū)（years per Slice）設(shè)置為1;連線閾值數(shù)據(jù)對象強度設(shè)置為夾角余弦距離（Cosine）類型;節(jié)點閾值（Selection Criteria）設(shè)置為50，得到關(guān)鍵詞共現(xiàn)圖譜如圖3所示。高頻關(guān)鍵詞和中心性也能反映某領(lǐng)域的研究熱點，因此結(jié)合被引頻次和中心性前10的關(guān)鍵詞進一步分析，如表2所示。

由于樣本文獻(xiàn)含有主題檢索詞“個性化學(xué)習(xí)”，因此“個性化學(xué)習(xí)”成為共現(xiàn)圖譜中最大的節(jié)點。除此之外，學(xué)習(xí)分析、人工智能、大數(shù)據(jù)、MOOC等是較大的節(jié)點，一定程度上代表了個體差異研究領(lǐng)域的熱點主題和內(nèi)容。再結(jié)合關(guān)鍵詞被引頻次和中心性分析，被引頻次越高，代表作者關(guān)注度越高;關(guān)鍵詞中心性高，代表某一關(guān)鍵詞是網(wǎng)絡(luò)中的關(guān)鍵節(jié)點，具有重要地位，起較強的連接作用。通過表2對比發(fā)現(xiàn)，教師專業(yè)發(fā)展、個人學(xué)習(xí)環(huán)境具有較高的中心性，但引用頻次較低，說明他們發(fā)揮重要中介作用卻尚未引起研究者足夠重視，是潛在的研究方向，有待深入研究。而教育信息化、智慧教育具有較高引用頻次，較低中心性，說明學(xué)者有較大的關(guān)注度，但在個體差異研究領(lǐng)域未起到關(guān)鍵中介作用，這也表明學(xué)者更關(guān)注教育信息化或智慧教育背景下的個體差異研究。

（2）聚類視圖分析

聚類是根據(jù)某種相似程度，將差異量小的對象聚在一起，將具有較大相異性的對象分別聚類。運用CiteSpace統(tǒng)計分析，得到模塊值（簡稱Q值）為0.6058，大于0.3，意味著本研究劃分出的聚類結(jié)構(gòu)是顯著的，平均輪廓值（Silhouette，簡稱S值）為0.6356，大于0.5，說明對個體差異相關(guān)研究的聚類是合理的。

研究中樣本文獻(xiàn)通過LLR聚類后，分為10類，代表著10種不同的個體差異研究主題，包括數(shù)據(jù)挖掘（聚類#0）、學(xué)習(xí)風(fēng)格（聚類#1）、元認(rèn)知（聚類#2）、智能技術(shù)（聚類#3）、教學(xué)模式（聚類#4）、人工智能（聚類#5）、實證研究（聚類#6）、微課程（聚類#7）、Web2.0（聚類#8）、教育數(shù)據(jù)挖掘（聚類#9）等。（見圖4）

根據(jù)關(guān)鍵詞共現(xiàn)和聚類結(jié)果，對這10個聚類進一步分析可以看出：個體差異的研究對象，主要針對學(xué)生學(xué)習(xí)風(fēng)格、學(xué)習(xí)認(rèn)知和學(xué)習(xí)習(xí)慣上的差異開展研究;個體差異研究包含Web2.0、人工智能、數(shù)據(jù)挖掘，也有其他智能技術(shù)的介入;個體差異研究領(lǐng)域開展大量實證研究和應(yīng)用探索，包括基于在線學(xué)習(xí)平臺挖掘?qū)W習(xí)者信息、提供個性化學(xué)習(xí)服務(wù)以及學(xué)習(xí)資源等;個體差異研究領(lǐng)域開展教學(xué)實踐探索，主要圍繞構(gòu)建智能化學(xué)習(xí)空間、學(xué)習(xí)環(huán)境，探索新的教學(xué)模式，優(yōu)化教學(xué)過程等進行。

關(guān)于個體差異的主要研究內(nèi)容，學(xué)習(xí)風(fēng)格、學(xué)習(xí)認(rèn)知以及學(xué)習(xí)習(xí)慣是差異研究的主要方面，針對學(xué)習(xí)風(fēng)格，浙江大學(xué)教育技術(shù)研究所2010年提出CS-LS學(xué)生模型，該模型較好地反映了學(xué)生在認(rèn)知狀態(tài)和學(xué)習(xí)風(fēng)格上的個體差異。[4]東北師范大學(xué)傳媒科學(xué)學(xué)院研究以用戶模型為依據(jù)，根據(jù)Felder-Silverman學(xué)習(xí)風(fēng)格量表和學(xué)習(xí)過程行為模式，推斷學(xué)習(xí)風(fēng)格;基于概念累積分法推斷認(rèn)知水平，進而實現(xiàn)個性化本體學(xué)習(xí)資源推薦。[5]北師大武法提等人構(gòu)建學(xué)習(xí)習(xí)慣的測量模型，設(shè)計精準(zhǔn)化的學(xué)習(xí)習(xí)慣干預(yù)模型，探索基于教育大數(shù)據(jù)的學(xué)習(xí)習(xí)慣動力學(xué)機制。[6]

關(guān)于個體差異研究技術(shù)條件，基于人工智能、學(xué)習(xí)分析、大數(shù)據(jù)以及區(qū)塊鏈等進行。華南師大吳洪艷基于學(xué)習(xí)分析技術(shù)構(gòu)建個性化在線學(xué)習(xí)系統(tǒng)，旨在分析學(xué)習(xí)者學(xué)習(xí)行為和知識狀態(tài)，按需推送合適的學(xué)習(xí)資源，并提供適時的學(xué)習(xí)干預(yù)。[7]東北師范大學(xué)姜強等人基于大數(shù)據(jù)分析，從四個維度構(gòu)建個性化自適應(yīng)在線學(xué)習(xí)分析模型。[8]首都師范大學(xué)方海光等人基于區(qū)塊鏈技術(shù)設(shè)計智慧學(xué)習(xí)機器人，記錄學(xué)習(xí)過程、監(jiān)督學(xué)習(xí)質(zhì)量。[9]余勝泉等人基于大數(shù)據(jù)分析技術(shù)構(gòu)建智慧教育公共服務(wù)平臺，形成了一套用大數(shù)據(jù)改進區(qū)域教育質(zhì)量的解決方案。[10]

關(guān)于開展個體差異實證研究和應(yīng)用探索，姜強、趙蔚等人從多元維度構(gòu)建學(xué)習(xí)者能力模型，并在個性化自適應(yīng)學(xué)習(xí)系統(tǒng)中應(yīng)用，實現(xiàn)能力導(dǎo)向的個性化學(xué)習(xí)路徑生成，以及基于個體能力差異的因材施教，并對其學(xué)習(xí)效率進行實證評價研究。[11]東北師大韓建華等人構(gòu)建了智能導(dǎo)學(xué)系統(tǒng)的結(jié)構(gòu)模型與學(xué)習(xí)過程模型;以Bettys Brain系統(tǒng)為例進行實證研究，結(jié)果表明智能導(dǎo)學(xué)環(huán)境有助于促進學(xué)習(xí)者的自我調(diào)節(jié)、自我反思及自我評價。[12]趙學(xué)孔等人通過實驗驗證了基于B/S模式的自適應(yīng)學(xué)習(xí)系統(tǒng)個性化推薦模型，在學(xué)習(xí)者的學(xué)習(xí)風(fēng)格、認(rèn)知水平與領(lǐng)域知識元對象特征之間進行關(guān)聯(lián)規(guī)則匹配，實現(xiàn)個性化推薦。[13]

關(guān)于教學(xué)實踐探索，主要包含構(gòu)建智能化學(xué)習(xí)空間、學(xué)習(xí)環(huán)境，探索個性化教學(xué)模式等。

祝智庭等人基于數(shù)字學(xué)習(xí)環(huán)境兩類主導(dǎo)設(shè)計——VLE、PLE整合研究趨向，提出并談及協(xié)調(diào)教與學(xué)的個人學(xué)習(xí)空間（PLS）。[14]陸芳、李克東構(gòu)建基于Web2.0的個人學(xué)習(xí)環(huán)境結(jié)構(gòu)模型，開展基于iGoogle的個人學(xué)習(xí)環(huán)境構(gòu)建和課程教學(xué)應(yīng)用實踐。[15]方海光等人利用PADClass模型對學(xué)習(xí)過程進行數(shù)據(jù)形式化采集和描述，得出PADClass情境中的教學(xué)策略。通過這些數(shù)據(jù)和分析結(jié)果，可以進行教學(xué)控制和教學(xué)反思，進而提高課堂教學(xué)水平。[16]馬玉慧等人研究了關(guān)注認(rèn)知診斷的個性化學(xué)習(xí)資源推送方法，補充對學(xué)生認(rèn)知結(jié)構(gòu)的差異考慮和對推送內(nèi)容的解釋，實現(xiàn)在線學(xué)習(xí)過程中的因材施教。[17]

4.關(guān)鍵詞突現(xiàn)性分析

關(guān)鍵詞突現(xiàn)性指某時間段內(nèi)該關(guān)鍵詞突然上升或下降的頻率，通常代表某一研究的轉(zhuǎn)變。[18]突現(xiàn)性的數(shù)值越高，表示該關(guān)鍵詞在該時間段內(nèi)受到高度關(guān)注。如表3所示，在2010—2020年國內(nèi)個體差異研究中，突現(xiàn)性排在首位的關(guān)鍵詞是“人工智能”，突現(xiàn)性為9.96，突現(xiàn)年份為2018年，接著依次排列的關(guān)鍵詞是MOOC、個性化學(xué)習(xí)、個人學(xué)習(xí)環(huán)境、翻轉(zhuǎn)課堂等。

從關(guān)鍵詞突現(xiàn)性來看，“學(xué)習(xí)風(fēng)格”在2010—2015年突現(xiàn)，“個性化推薦”“個性化學(xué)習(xí)”在2010—2013年成為個體差異研究的熱點關(guān)鍵詞，由于文章檢索時間設(shè)定在2010年以后，所以“個性化推薦”以及“學(xué)習(xí)風(fēng)格”可能突現(xiàn)時間更長，代表在個體差異研究領(lǐng)域被給予更長時間的關(guān)注;“個人學(xué)習(xí)環(huán)境”“電子書包”“翻轉(zhuǎn)課堂”“MOOC”在2012—2016年成為關(guān)注熱點;“智能教育”“人工智能”在2018年成為熱點關(guān)鍵詞。大部分高頻高中心性、突現(xiàn)詞屬于聚類#1、聚類#0或聚類#2，說明學(xué)習(xí)風(fēng)格、元認(rèn)知和智能技術(shù)相關(guān)內(nèi)容一定程度上代表個體差異研究領(lǐng)域的主要內(nèi)容，表明近10年學(xué)者對個體差異的具體內(nèi)容以及技術(shù)支持比較關(guān)注。2010—2020年國內(nèi)個體差異研究突現(xiàn)關(guān)鍵詞圖譜如圖5所示。

5.關(guān)鍵詞時間線和時區(qū)分析

時間線視圖可以根據(jù)連線看出聚類間的傳承關(guān)系，如圖6所示。時區(qū)視圖側(cè)重于從時間維度表示研究的演進。某一時區(qū)文獻(xiàn)越多，說明該領(lǐng)域處于繁榮時期，相反，則處于低谷時期，如圖7所示。結(jié)合時間線和時區(qū)分析理清研究發(fā)展的脈絡(luò)。

國內(nèi)個體差異研究在2011—2012年處于低谷期，2012年以后，隨著網(wǎng)絡(luò)技術(shù)的發(fā)展、電子書包和手機等移動學(xué)習(xí)終端的日益廣泛應(yīng)用，特別是大數(shù)據(jù)和人工智能技術(shù)的發(fā)展，個體差異研究受到廣泛關(guān)注。學(xué)者開始關(guān)注大數(shù)據(jù)、學(xué)習(xí)分析、人工智能以及自適應(yīng)等技術(shù)環(huán)境下的個體差異問題。2010—2013年伴隨著互聯(lián)網(wǎng)的成熟以及中央的高度關(guān)注，大數(shù)據(jù)得到長足發(fā)展。由此，2013年大數(shù)據(jù)首次成為個體差異研究領(lǐng)域的熱點，通過構(gòu)建數(shù)據(jù)模型、學(xué)習(xí)分析模型等，對學(xué)生的學(xué)習(xí)習(xí)慣、風(fēng)格的差異進行研究。2014年隨著在線教育不斷受到互聯(lián)網(wǎng)企業(yè)的重視、在線教育行業(yè)的迅速發(fā)展，大規(guī)模在線課程應(yīng)運而生。個體差異研究場景聚焦于在線學(xué)習(xí)，學(xué)者更加關(guān)注構(gòu)建在線學(xué)習(xí)生態(tài)、學(xué)習(xí)環(huán)境及學(xué)習(xí)模型。2016年開啟人工智能時代，從機器學(xué)習(xí)到深度學(xué)習(xí)，教育大數(shù)據(jù)、智能學(xué)習(xí)系統(tǒng)、可視化分析等技術(shù)方法輔助教學(xué)更精準(zhǔn)化呈現(xiàn)學(xué)習(xí)者的個體差異。2010—2020年國內(nèi)個體差異的時區(qū)視圖如圖7所示。

三、思考與啟示

1.國內(nèi)個體差異研究進展

目前國內(nèi)個體差異研究以學(xué)習(xí)風(fēng)格、學(xué)習(xí)認(rèn)知以及學(xué)習(xí)習(xí)慣等為主要研究對象，其中學(xué)習(xí)風(fēng)格、元認(rèn)知和智能技術(shù)等內(nèi)容代表本領(lǐng)域的研究重點，教師專業(yè)發(fā)展和個人學(xué)習(xí)環(huán)境對適應(yīng)學(xué)生個體差異起著重要作用，是潛在的研究方向。該領(lǐng)域核心作者包含趙蔚、姜強、楊現(xiàn)民、牟智佳、王朋嬌等學(xué)者。本領(lǐng)域的研究仍舊處于初期探索階段，學(xué)者沒有形成深度而廣泛的合作，有待后續(xù)學(xué)者進一步探索。

2.研究內(nèi)容貼合技術(shù)發(fā)展趨勢

從文獻(xiàn)計量分析來看，我們發(fā)現(xiàn)，個體差異研究進程稍滯后于我國技術(shù)的發(fā)展進程，但始終貼合技術(shù)的發(fā)展趨勢，且隨著技術(shù)熱度的轉(zhuǎn)變而轉(zhuǎn)變。根據(jù)近10年的發(fā)展趨勢來看，我們預(yù)測未來個體差異研究勢必會融合時下新型技術(shù)，可能在人工智能、區(qū)塊鏈、5G等技術(shù)支持下進一步探索。未來技術(shù)賦能教育將會為學(xué)生個體差異問題提供更優(yōu)解。

3.未來研究方向和啟示

從文獻(xiàn)計量分析結(jié)果來看，目前個體差異研究側(cè)重于理論建構(gòu)和技術(shù)支持，集中在模型構(gòu)建、資源推薦和支持服務(wù)等方面;教學(xué)實踐中的應(yīng)用還不夠深入，目前還停留在處理和分析表層差異、提出較單一的教學(xué)策略階段，研究場景還聚焦于在線學(xué)習(xí)。因此，未來個體差異研究可以結(jié)合理論探索，把握新型技術(shù)環(huán)境下學(xué)生個體差異的多層內(nèi)涵，拓展深層次的實踐應(yīng)用，探索更多個體差異的研究場景，如混合式學(xué)習(xí)環(huán)境、虛擬現(xiàn)實環(huán)境等。

參考文獻(xiàn)：

[1]談松華.有質(zhì)量的公平須正視個體差異[N].中國教育報，2016-03-04（005）.

[2]HIRSCH JE.An index to quantify an individuals scientific research output[J].Proc Natl Acad Sci USA，2005，102（46）.

[3]張學(xué)梅.hm指數(shù)——對h指數(shù)的修正[J].圖書情報工作，2007，51（10）：16，116-118.

[4]陳仕品，張劍平.適應(yīng)性學(xué)習(xí)支持系統(tǒng)的學(xué)生模型研究[J].中國電化教育，2010（5）：112-117.

[5]姜強，趙蔚，杜欣等.基于用戶模型的個性化本體學(xué)習(xí)資源推薦研究[J].中國電化教育，2010（5）：106-111.

[6]武法提，殷寶媛，黃石華.基于教育大數(shù)據(jù)的學(xué)習(xí)習(xí)慣動力學(xué)研究框架[J].中國電化教育，2019（1）：70-76.

[7]吳洪艷.智慧學(xué)習(xí)視角下個性化在線學(xué)習(xí)系統(tǒng)設(shè)計與應(yīng)用[J].中國電化教育，2015（6）：127-131.

[8]姜強，趙蔚，王朋嬌等.基于大數(shù)據(jù)的個性化自適應(yīng)在線學(xué)習(xí)分析模型及實現(xiàn)[J].中國電化教育，2015（1）：85-92.

[9]方海光，仝賽賽，杜婧敏等.基于區(qū)塊鏈技術(shù)的智慧學(xué)習(xí)機器人設(shè)計研究——面向大規(guī)模學(xué)習(xí)服務(wù)系統(tǒng)的智慧學(xué)習(xí)機器人[J].遠(yuǎn)程教育雜志，2017，35（4）：42-48.

[10]余勝泉，李曉慶.基于大數(shù)據(jù)的區(qū)域教育質(zhì)量分析與改進研究[J].電化教育研究，2017，38（7）：5-12.

[11]姜強，趙蔚，劉紅霞等.能力導(dǎo)向的個性化學(xué)習(xí)路徑生成及評測[J].現(xiàn)代遠(yuǎn)程教育研究，2015（6）：104-111.

[12]韓建華，姜強，趙蔚等.智能導(dǎo)學(xué)環(huán)境下個性化學(xué)習(xí)模型及應(yīng)用效能評價[J].電化教育研究，2016（7）：66-73.

[13]趙學(xué)孔，徐曉東，龍世榮.B/S模式下自適應(yīng)學(xué)習(xí)系統(tǒng)個性化推薦服務(wù)研究[J].中國遠(yuǎn)程教育，2015（10）：71-78，80.

[14]祝智庭，管玨琪，劉俊.個人學(xué)習(xí)空間：數(shù)字學(xué)習(xí)環(huán)境設(shè)計新焦點[J].中國電化教育，2013（3）：1-6，11.

[15]陸芳，李克東.基于Web2.0的PLE結(jié)構(gòu)模型構(gòu)建研究[J].電化教育研究，2013，34（9）：51-56.

[16]方海光，侯偉鋒，王曉春等.基于PADClass模型的數(shù)字化課堂學(xué)習(xí)過程數(shù)據(jù)挖掘與分析研究[J].電化教育研究，2014，35（10）：110-113，120.

[17]馬玉慧，王珠珠，王碩爍等.面向智慧教育的學(xué)習(xí)分析與智能導(dǎo)學(xué)研究——基于RSM的個性化學(xué)習(xí)資源推送方法[J].電化教育研究，2018，39（10）：47-52，82.

[18]陳悅，陳超美，胡志剛等.引文空間分析原理與應(yīng)用：CiteSpace實用指南[M].北京：科學(xué)出版社，2014.9：86-89.

（編輯：王天鵬）