李春英，李琨

（北京開放大學北開業(yè)務(wù)部，北京 100081）

學習分析作為教育技術(shù)領(lǐng)域的一項新技術(shù)，自2011年《地平線報告》發(fā)表之后，始終受到教育領(lǐng)域?qū)W者的密切關(guān)注。 目前學習分析的概念尚未形成定論，研究者們從不同的角度來解釋學習分析的內(nèi)涵。首屆“學習分析與知識”國際會議正式提出:“學習分析是對學習者及其學習情況的數(shù)據(jù)進行測量、收集、分析和報告，從而了解和優(yōu)化學習過程及其環(huán)境?！盵1]國內(nèi)顧小清等學者認為學習分析技術(shù)是收集與學習者相關(guān)的學習數(shù)據(jù)， 利用不同的數(shù)據(jù)分析方法和模型進行數(shù)據(jù)解釋，用分析結(jié)果解釋學習者的學習過程和情境，從中獲知一定的學習規(guī)律，也可將結(jié)果反饋給學習者，為其提供學習幫助[2]。 在傳統(tǒng)教學中，由于手工搜集和數(shù)據(jù)處理技術(shù)的限制，教師對教學過程的分析和評價結(jié)果往往是無窮無盡的。 隨著教育信息技術(shù)的更新迭代和在線學習用戶的增多，人們可以用更便捷的技術(shù)軟件或工具進行多維度、多層次的數(shù)據(jù)采集，這為學習分析的發(fā)展提供了更有力的技術(shù)支持。 該文通過文獻計量分析，了解學習分析的現(xiàn)狀、研究熱點和趨勢，為以后的研究提供依據(jù)。

1 研究方法及數(shù)據(jù)來源

1.1 研究方法

文獻計量分析是常用的學術(shù)文獻研究方法之一， 實現(xiàn)相關(guān)領(lǐng)域文獻的定量分析是其主要特點。CiteSpace 是美國德雷克塞爾大學陳超美教授研發(fā)的一種文獻計量分析工具。 該文利用CiteSpace5.1.3R3 對中國知網(wǎng)(CNKI)10年來發(fā)表的668篇文獻進行可視化分析，并通過關(guān)鍵詞共現(xiàn)分析、聚類分析和突出詞分析對， 揭示國內(nèi)學者在學習分析方面的現(xiàn)狀、熱點和發(fā)展趨勢。

1.2 數(shù)據(jù)來源

為了更好地把握“學習分析”研究的發(fā)展現(xiàn)狀和熱點，以中國知識網(wǎng)為研究數(shù)據(jù)源，期刊檢索的檢索條件為:關(guān)鍵詞“大數(shù)據(jù)”和“學習分析”。 自2011年學習分析概念被正式提出以來，我們以2012年為研究起點， 涵蓋2012—2019年主題=漢英擴展(大數(shù)據(jù)+學習分析)期刊文獻檢索，通過檢索共獲得919篇文獻。為確保文獻的典型性，通過人工篩選和剔除重復文獻、新聞報道、公告等，獲得了668 篇有效文章。

1.3 研究過程

對668 篇文獻相近關(guān)鍵詞和機構(gòu)進行的合并處理，轉(zhuǎn)化為可識別的CiteSpace5.3 標準格式；導入可得到關(guān)鍵詞的共現(xiàn)分析、聚類分析、凸顯詞分析結(jié)果并以知識圖譜顯示；結(jié)合不同文獻的分析結(jié)果，可以得出“學習分析”研究的現(xiàn)狀和熱點。

2 研究結(jié)果分析及討論

2.1 總體描述性統(tǒng)計

2.1.1 研究總體情況分析

文獻量和走勢圖在一定程度上能夠反映出學習分析的整體發(fā)展趨勢。 將檢索出來的668 篇文章進一步進行計量可視化分析(見圖1)，可以清晰地發(fā)現(xiàn)發(fā)文數(shù)量發(fā)文機構(gòu)、發(fā)文期刊、發(fā)文作者和發(fā)文關(guān)鍵詞呈現(xiàn)連續(xù)增長趨勢。

從時間上看經(jīng)歷逐年上升的態(tài)勢， 可以分為三個階段。

（1）研究啟蒙階段（2012-2013年），李青等人于2012年發(fā)表的《學習技術(shù)研究與應(yīng)用現(xiàn)狀述評》是學習分析領(lǐng)域在國內(nèi)的首篇文章[3]，由于學習分析在國內(nèi)外都處于探索階段，基本上處于理論研究階段，實際應(yīng)用較少。

（2）快速發(fā)展期（2014—2017年）有關(guān)學習分析研究呈現(xiàn)快速增長，學習分析技術(shù)于MOOC、MOOCs、電子書包等在線教育領(lǐng)域等方面進行了應(yīng)用。

（3）融合發(fā)展期（2018—2019年）。2018年《教育信息化2.0 行動計劃》等文件出臺后，學習和分析發(fā)展迅速，進入融合創(chuàng)新和發(fā)展階段。學習分析所提供的多維度的數(shù)據(jù)為教學管理、教學決策提供重要依據(jù)。

2.1.2 機構(gòu)文獻分析

通過統(tǒng)計一個機構(gòu)發(fā)表的論文數(shù)量， 可以揭示其在某一學科研究的連續(xù)性、深度和貢獻[4]。 該研究通過檢索和數(shù)據(jù)分析， 篩選后得到的668 篇文獻共涉及86 個研究機構(gòu)。 發(fā)文數(shù)量7 篇以上研究機構(gòu)為，東北師范大學（47 篇）、北京師范大學（27 篇）、華東師范大學（24 篇）、華南師范大學（11 篇）、陜西師范大學教育學院（10 篇）、江蘇師范大學（10 篇）、首都師范大學（9 篇）、中國科學院（8 篇）江南大學（8篇）、華中師范大學（7 篇）、北京大學（7 篇），11 家機構(gòu)占總發(fā)文量的25%；通過CiteSpace 軟件分析學習分析研究合作機構(gòu)的知識圖譜。 共有86 個節(jié)點，32個連線，節(jié)點密度為0.008 8。這一數(shù)據(jù)表明，研究機構(gòu)間合作并不多見。師范類大學、開放大學系統(tǒng)的發(fā)文的數(shù)量和質(zhì)量占有較大優(yōu)勢， 對該領(lǐng)域的研究起到帶動和引領(lǐng)作用。

2.1.3 文獻作者分析

對于作者發(fā)文量的分析可以反映該作者在相關(guān)科領(lǐng)域研究的持續(xù)性、深度及貢獻度[5]。 該研究通過檢索和數(shù)據(jù)分析， 篩選后得到的668 篇文獻共涉及188 人。 發(fā)文數(shù)量≥4 篇14 人， 僅占總?cè)藬?shù)的6.45%，姜強（11 篇）、趙蔚（10 篇）、楊現(xiàn)民（7 篇）、張海（7 篇）、祝智庭（7 篇）、顧小清（4 篇）等是學習分析領(lǐng)域的高產(chǎn)作家。通過CiteSpace 軟件分析研究人員合作的知識圖譜。 共有214 個節(jié)點和91 個連接，節(jié)點密度為0.005 2。 這些數(shù)據(jù)表明，研究人員共同發(fā)文是很常見的，但是不同機構(gòu)間作者合作較少，還沒有形成有凝聚力的科研群體。

2.2 研究熱點分析

2.2.1 關(guān)鍵詞共現(xiàn)分析

關(guān)鍵詞是一篇學術(shù)論文中最能揭示論文研究領(lǐng)域、中心內(nèi)容的代表性詞匯，是學術(shù)論文的核心，[6]因此， 高頻關(guān)鍵詞可以反映相關(guān)領(lǐng)域的理論框架以及研究熱點；通過Citespace 可視化學習分析共現(xiàn)詞分析圖譜（見圖2）。 學習分析、大數(shù)據(jù)、教學大數(shù)據(jù)、數(shù)據(jù)挖掘、學習分析技術(shù)、個性化學習、MOOCs、機器學習、智慧教育、人工智能、在線學習、深度學習、教學模式、智慧課堂、翻轉(zhuǎn)課堂都是該領(lǐng)域的研究熱點。

圖2 學習分析共現(xiàn)詞可視化圖譜

2.2.2 關(guān)鍵詞聚類分析

關(guān)鍵詞聚類分析是一種探索性數(shù)據(jù)挖掘技術(shù)，其主要作用是對某一領(lǐng)域的關(guān)鍵詞進行識別及分類。將采集的數(shù)據(jù)結(jié)構(gòu)化，從而探索該領(lǐng)域的主題分布和組織結(jié)構(gòu)。通過Citespace 軟件的關(guān)鍵詞聚類功能， 得到關(guān)鍵詞聚類知識圖譜， 該圖譜模塊值Q(Modularity)為0.864 7，S 值(Mean Silhouette)為0．517 5。一般而言，當Q 值＞0.3 時，說明網(wǎng)絡(luò)結(jié)構(gòu)劃分具有顯著性;當S 值＞0.5 時，聚類結(jié)果具有合理性[7]。該次聚類分析共得到17 個聚類圖譜，主要聚類為教育數(shù)據(jù)、混合式學習、學習者分析、自適應(yīng)學習、智慧課堂、教育數(shù)據(jù)挖掘、教學改革、學習分析技術(shù)等，經(jīng)過提升分析歸納為學習分析理論及框架研究、 技術(shù)研究和應(yīng)用研究三大類熱點。

2.2.3 學習分析領(lǐng)域的研究熱點

（1）熱點一：理論及框架研究。

理論研究是開展實踐應(yīng)用的基礎(chǔ)和依據(jù)。 學習分析理論研究體現(xiàn)在學習分析理論基礎(chǔ)、模型框架、發(fā)展趨勢等方面。 一是學習分析建立的理論基礎(chǔ)，George Siemens 、Macfadyen 從不同角度推動學習分析的發(fā)展，如數(shù)據(jù)挖掘、網(wǎng)絡(luò)技術(shù)、學習理論、組織行為理論、教學理論、社會網(wǎng)絡(luò)等。 這些都從理論上為學習分析的研究和應(yīng)用提供了支持。 二是學習分析框架和模型的研究。 國內(nèi)外學者從不同角度構(gòu)建了學習分析模型和框架。 George Siemens 提出學習分析過程模型，Elias 提出學習循環(huán)改進模型,Khalil 提出學習分析生命周期模型, 李艷燕等提出國內(nèi)學習分析框架要素； 姜強等提出個性化自適應(yīng)在線學習分析模型, 這些模型對研究者設(shè)計和應(yīng)用學習分析系統(tǒng)具有指導意義。

（2）熱點二：技術(shù)層面研究。

學習分析是指通過技術(shù)、 算法和教學理論的結(jié)合對數(shù)據(jù)進行分析。各環(huán)節(jié)都離不開技術(shù)、工具和系統(tǒng)的支持。一是學習分析技術(shù)系統(tǒng)的研究，學習分析的關(guān)鍵因素是數(shù)據(jù)，數(shù)據(jù)的收集、預處理、分析等環(huán)節(jié)直接影響到學習分析效果， 而技術(shù)的升級迭代為數(shù)據(jù)的處理提供有力支撐。 二是學習分析的方法和工具。學習分析方法主要包括內(nèi)容分析、社會網(wǎng)絡(luò)分析、文本挖掘、情感分析、視覺分析、系統(tǒng)建模以及統(tǒng)計分析聚類、預測、關(guān)系挖掘、文本挖掘等一系列數(shù)據(jù)挖掘方法。 目前如何在具體的操作環(huán)境中使用上述工具還需要更深入的研究， 這也是學習分析技術(shù)未來的研究方向之一。

（3）熱點三：應(yīng)用研究。

學習分析應(yīng)用是學習分析的目的所在。 近年來國內(nèi)學習分析應(yīng)用研究呈現(xiàn)出種類多，輻射廣的特點。 包括以下內(nèi)容：一是學習分析環(huán)境研究，學習環(huán)境的構(gòu)建是實現(xiàn)教與學方式變革的外部條件。 包括智慧教室、智慧課堂、智慧學習平臺，如MOOC、moodle、Blackboard、Sakai、實踐教學平臺等。 二是個性化自適應(yīng)學習的應(yīng)用研究： 大數(shù)據(jù)技術(shù)為針對學生自身特點制定個性化自適應(yīng)的學習路徑提供了可能性。三是學習行為應(yīng)用研究，在大規(guī)模的在線學習環(huán)境中, 通過對學生學習行為數(shù)據(jù)的深入挖掘和分析，構(gòu)建學習者行為分析模型，關(guān)注學習者的需求和學習過程的動態(tài)路徑，提供個性化的教育服務(wù)供給，實現(xiàn)學習效果的最大化。

2.3 研究發(fā)展趨勢

凸現(xiàn)詞是指在一定時期內(nèi)從大量主題詞中檢測出的變化率高的詞。 該研究確定研究前沿的方法為凸顯詞分析法。在CiteSpace 中，選擇Burstness，取Y為0.1，最終得到8 個凸顯關(guān)鍵詞。 結(jié)果見圖3。

圖3 凸顯關(guān)鍵詞圖譜

2012—2016年凸顯詞為電子書、MOOC、翻轉(zhuǎn)課堂、知識圖譜。 2018—2019年凸顯詞為智慧課堂、深度學習、人工智能、機器學習，表明這四個關(guān)鍵詞是學習分析前沿熱點。機器學習是人工智能的核心，能夠?qū)崿F(xiàn)對教育大數(shù)據(jù)分析和預測。 機器學習先后經(jīng)歷了淺層學習和深層學習兩個發(fā)展階段。 深度學習已在政府、學校、社會機構(gòu)等各個層面引起了廣泛的關(guān)注和重視[8]。追求深度學習已成為推動教育技術(shù)應(yīng)用的最新趨勢。

3 結(jié)論與建議

經(jīng)過以上對學習分析相關(guān)文獻進行的可視化分析和研究，筆者認為今后應(yīng)注意以下2 個方面。

3.1 研究結(jié)論

第一，師范類大學、開放大學系統(tǒng)發(fā)文的數(shù)量和質(zhì)量占有較大優(yōu)勢。第二，同一機構(gòu)內(nèi)部的合作占比很大。 第三，學習分析涉及多個主題，需要跨學科的研究。 第四，我國研究分析的深度還不夠，研究還不成熟。數(shù)據(jù)挖掘、學習分析技術(shù)和學習行為建模的應(yīng)用研究是目前我國學習分析領(lǐng)域的研究核心。 智能學習、深度學習、人工智能和機器學習將是未來的研究方向。

3.2 發(fā)展建議

（1）加強對學習分析在實踐中的應(yīng)用研究。學習分析技術(shù)研究在理論研究不斷深入同時， 應(yīng)重點關(guān)注學習分析技術(shù)教學實踐，為教學、管理及決策提供指導。 （2）注重學習分析的信息與隱私安全。 數(shù)據(jù)存儲分析是一把雙刃劍， 在給利益相關(guān)者提供服務(wù)的同時，也存在信息與隱私泄露的風險，優(yōu)化教學與保護個人隱私之間的平衡是學習分析面臨的一大挑戰(zhàn)。 （3）探索多模態(tài)學習分析工具的使用。 學習行為是一個極其復雜的過程， 從單一模態(tài)來研究學習行為具有一定片面性， 可穿戴技術(shù)的發(fā)展為多模態(tài)學習分析提供了技術(shù)支持，通過心率監(jiān)視器到、視覺跟蹤器、 表情識別設(shè)備等多模態(tài)數(shù)據(jù)感受器可采集多模態(tài)的學習者的心率、專注時間、肢體語言、表情等數(shù)據(jù)及情緒心理變化， 深入研究學習心理對學習效果的影響。