近十年我國深度學習研究的文獻計量與知識圖譜分析

王全亮，張月芬；左繼蓉

(云南大學 網絡與信息中心，云南 昆明 650000)

?

近十年我國深度學習研究的文獻計量與知識圖譜分析

王全亮，張月芬；左繼蓉

(云南大學 網絡與信息中心，云南 昆明 650000)

[摘要]本研究從文獻年代分布、文獻來源期刊分布、主要研究力量分布及研究主題分布4個維度，針對我國深度學習研究展開了文獻計量分析和知識圖譜分析。在深入了解了我國深度學習研究的基本現(xiàn)狀后，利用SATI軟件進行關鍵詞的共詞矩陣生成，再通過SPSS軟件的聚類分析以及多維尺度分析功能繪制出了當下我國深度學習研究熱點的知識圖譜，進而獲知其未來的研究趨勢。本研究旨在為我國深度學習的后續(xù)研究提供一定的借鑒和指導，為推動我國教育事業(yè)的發(fā)展貢獻力量。

[關鍵詞]深度學習文獻計量分析SATI共詞矩陣SPSS聚類分析知識圖譜

[DOI]10.13980/j.cnki.xdjykx.2016.05.004

從2015地平線報告基礎教育版中可以得知，在驅動學校應用教育技術的6大重要趨勢中，探索深度學習策略已經成為在未來5年乃至更長時間驅動基礎教育應用技術的關鍵要素[1]。世界各地的學校都在有條不紊地制訂鼓勵深度學習的各項政策，國內外關于深度學習研究的熱情日益高漲。為對該主題研究的概況和規(guī)模以及發(fā)展速度等有更加具體的認識，發(fā)現(xiàn)問題和不足，繼而為我國深度學習研究提供正確的思路與經驗，故開展了此項研究。

一、數據來源與研究方法

(一)數據來源

為了科學全面地把握有關我國深度學習研究的歷史、現(xiàn)狀和未來發(fā)展趨勢，本研究采用了文獻計量的分析方法，對有關深度學習的相關文獻進行定量和定性分析，以目前國內最大的中文學術期刊庫——中國知網(CNKI)為主要數據來源，以“深度學習”為關鍵詞，進行題名檢索，時間跨度設置為從2005年至2015年(2005年國內首次提出深度學習概念，因此初始時間設置為2005年)。一共檢索到相關文獻364篇，其中包括中國學術期刊庫226篇，優(yōu)秀碩士論文全文數據庫83篇，博士論文9篇，特色期刊庫40篇，重要會議論文全文數據庫5篇，中國學術輯刊全文數據庫1篇。

(二)研究方法

本研究采用了文獻計量分析方法，對相關文獻從文獻年代分布、文獻來源期刊分布、主要研究力量分布、研究主題分布等4個維度展開分析(文獻計量分析是運用文獻計量學的相關知識和理論，借助文獻各種特征的數量，采用數學與統(tǒng)計學方法來描述和評價某學科領域現(xiàn)狀的文獻研究方法)[2]。

二、深度學習研究的基本現(xiàn)狀

深度學習是指在理解性學習的基礎之上，學習者能夠批判性地學習新的思想，并將其融入到原有的認知結構中，能夠將已有的知識遷移到新的情境中并做出決策和解決問題的學習。學術界普遍認同深度學習[4]是以“促進有效學習”為目的的特殊研究領域，是在學習者強烈內在動機指引下的積極學習，通過與原有認知結構進行遷移和融合，引發(fā)以概念轉變、整合理解與創(chuàng)造性認知重組為特征的“意義生成”性學習。深度學習是衡量學習者能否達到“學會學習”以及“有效學習”的關鍵因素，其體現(xiàn)出來的重要作用不言而喻，因此了解和掌握深度學習研究的基本現(xiàn)狀顯得格外重要。以下將從相關文獻的各個特征進行統(tǒng)計分析，以便清晰地呈現(xiàn)出我國深度學習研究的基本現(xiàn)狀。

(一)文獻年代分布

某領域期刊論文數量在一定意義上說明了該領域學術研究的理論水平和發(fā)展速度，對其進行分析不僅可以了解該研究領域過去和現(xiàn)在的發(fā)展狀況，而且可以預測其今后的發(fā)展趨勢[5]。有關深度學習相關文獻按年代分布及趨勢變化如圖1所示，圖中橫軸代表年份，縱軸代表每年論文數量，4條折線分別代表了論文總量、會議論文數量、碩博士論文數量以及期刊論文數量隨年度變化情況。

圖1　深度學習相關文獻年度分布

由圖1可以得知，我國深度學習研究的發(fā)展，整體呈上升趨勢。但2010年以前發(fā)展速度較為緩慢，之后文獻的數量開始明顯增長。分析其原因，這與國家宏觀的教育政策有密切聯(lián)系。2010年頒發(fā)的《國家中長期教育改革和發(fā)展規(guī)劃綱要(2010-2020年)》中明確指出，要注重學思結合，倡導啟發(fā)式、探究式、討論式、參與式教學，幫助學生學會學習。激發(fā)學生的好奇心，培養(yǎng)學生的興趣愛好，營造獨立思考、自由探索、勇于創(chuàng)新的良好環(huán)境[6]。這些都體現(xiàn)著深度學習的相關特征，也突出體現(xiàn)了我國教育部門對深度學習的足夠重視。在此背景下，我國深度學習的相關研究逐漸受到了更多的關注。

從圖1中還可以得知，我國深度學習研究可以分為3個研究階段。第1階段是2005年至2010年的起始萌芽階段。這個階段相關研究的論文數量較少，主要是為后續(xù)相關研究奠定基礎。第2階段是2010年至2014年的深入發(fā)展階段。這個階段深度學習研究領域的相關文獻數量明顯得到大幅度提升，說明深度學習研究已經引起了我國研究者和相關部門的足夠重視，2010年頒布的《國家中長期教育改革和發(fā)展規(guī)劃綱要(2010-2020年)》更是促進了我國深度學習領域進一步的深入研究。第3階段是2014年至今的成熟分化階段。這個階段的我國深度學習相關研究已經逐步開始走向成熟，相關研究者已經開始選擇從不同角度進一步深入展開深度學習研究而步入分化期。這個時期的研究文獻總數量呈現(xiàn)下降趨勢。按照普賴斯(D.Price)的邏輯曲線增長理論，現(xiàn)階段國內對深度學習研究正處于全面發(fā)展與分化時期[7]。

從各個曲線走勢上來看，期刊論文數量與論文總數量的變化趨勢大致相同，說明期刊論文在一定程度上決定著我國深度學習研究的發(fā)展。碩博論文以及會議論文曲線圖顯得比較平穩(wěn)，說明高校研究生以及相關科研機構部門對我國深度學習研究的關注度還不夠，在教學科研中對深度學習研究的力度還有待加強。

(二)文獻來源期刊分布

與T0時點相比，C組在T2和T3時點BP、HR均明顯增高，術中及術后各時點VAS評分均升高(P＜0.05);與 T0時點相比，D組患者BP、HR在各時點差異無統(tǒng)計學意義(P＞0.05)，在T1～T5時點VAS評分升高(P＜0.05)。在 T2和 T3時點，D組BP均明顯低于C組(P＜0.05);在T2時點，D組患者HR明顯低于C組(P＜0.05)。兩組患者各時點VAS評分變化趨勢基本相同，但T1～T5時點C組VAS評分明顯高于D組，差異有統(tǒng)計學意義(P＜0.05)。見表1。兩組術后各時點SpO2變化曲線基本重合，差異無統(tǒng)計學意義(P＞0.05)。

對某領域論文的期刊結構分布情況分析可確定該領域的核心期刊成員，為后續(xù)進一步深入研究提供依據，為相關研究者和研究機構提供一定指導[8]。期刊來源分析主要針對期刊論文而言,除去碩博論文92篇，會議論文5篇，近10年間一共有169種期刊刊載深度學習研究相關論文267篇，說明了深度學習研究廣泛分布于各種類型期刊中。發(fā)文量在4篇以上的期刊如表1所示：

表1　期刊發(fā)文量分布

11種期刊共發(fā)文61篇，占文獻總數量的22.85%。通過現(xiàn)有數據可知它們是深度學習研究領域的核心期刊，囊括了較多的有關深度學習的期刊論文。表1中全國中文核心(北大)期刊或CSSCI源期刊共8種(帶*期刊)，均能反映有關深度學習研究領域最新研究成果及前沿研究狀況和發(fā)展趨勢。其中《中國電化教育》、《電化教育研究》、《遠程教育雜志》是教育學CSSCI源期刊，這說明深度學習相關研究已經開始進入了我們教育界專家學者的視野。其中《軟件導刊》在2005年首次刊發(fā)了有關深度學習研究的論文，論文《杜威的教育思想與深度學習》的作者王玨主要論述了杜威的教育思想對開展深度學習的指導意義[9]。整體來看，以上3種CSSCI源期刊對我國深度學習研究的關注度還不夠，需要進一步認識其重要性并加大對深度學習研究的力度。其他158種期刊，載文量共計206篇，平均載文量為1.30篇，說明更多的期刊開始關注深度學習的研究，但是關注程度仍不高。

(三)主要研究力量分布

由于發(fā)文量是衡量作者及機構學術水平和科研能力的重要指標，而核心作者及機構則是特定學科領域的重要研究力量，因此對主要研究力量的核心作者及機構的分布研究將具有重要意義[10]。本文將從高產作者分布和高產機構分布兩個方面來展開對我國深度學習研究的主要研究力量分布進行分析。

1.高產作者分布

對364篇相關文獻的第1作者進行統(tǒng)計分析，2005年至今發(fā)表深度學習相關論文的作者共315人，其中出產率較高的作者發(fā)文量高達3篇，最少為1篇，人均發(fā)文量為1.16篇。其中發(fā)文3篇的7人，2篇的作者35人，1篇的作者273人。現(xiàn)將深度學習研究作者發(fā)文頻數為3篇的信息統(tǒng)計如表2所示：

表2　近10年深度學習研究作者發(fā)文頻數

由表2可知，以上數據顯示了我國深度學習研究領域核心作者群還未形成，業(yè)余研究人員多而持續(xù)研究人員少的特征，該領域的研究發(fā)展尚待成熟。可以看出，閩江學院的邱立達和南京師范大學的王婷作者是近年崛起的深度學習領域研究者，期待其對該領域持續(xù)的關注和研究。整體上看，我國深度學習研究的高產作者對該領域的持續(xù)關注和研究仍有欠缺，希望有更多的研究學者和專家能夠對深度學習研究給予關注，加速推進我國深度學習的研究。

2.高產機構分布

高產機構分布分析可以側面反映出社會相關組織或機構對深度學習研究的關注度及研究概況。深度學習研究的高產機構發(fā)文量在5篇以上的排名分布如圖2所示：

圖2　研究高產機構排名分布

根據圖2可知，我國深度學習研究的高產機構主要在高校，綜合性大學是我國深度學習研究的主要陣地和主力軍，而師范大學次之。尚未出現(xiàn)專門的研究機構和管理機構，說明深度學習研究還沒有得到相關部門的足夠重視。比較突出的研究高產機構是哈爾濱工業(yè)大學，以15篇文章的優(yōu)勢位居榜首，北京郵電大學以9篇發(fā)文量位居第2，而廈門大學和上海師范大學以8篇發(fā)文量位居第3。這些高產機構對深度學習進行了大量的深入研究，其在研究團隊建設、科研項目及論文數量等方面成果突出，表現(xiàn)出較強的優(yōu)勢。從高產機構的作者來看，各研究機構內部之間合作研究較少，作者多來自同一個研究機構的不同院系和部門，沒有形成合力。如何加強合作研究并推廣普及相關研究成果是目前我國深度學習研究面臨的一個難題。

(四)研究主題分布

本研究對相關論文研究主題進行統(tǒng)計分析，以便認清現(xiàn)有研究的優(yōu)勢和不足，從而更好地掌握該領域研究的前沿及發(fā)展趨勢。通過對364篇相關文獻進行統(tǒng)計梳理，可以得出在不同的研究方向上深度學習相關文獻研究的數量。結合文獻的摘要和內容對每1篇文獻進行歸類和統(tǒng)計，可將深度學習研究的主題分為以下幾個方面：理論研究(基本概念、特征內涵、理論探討、綜述研究、算法研究等)、方法研究(策略研究、教學模式、環(huán)境設計、模型設計等)、應用研究(學科教學領域、計算機領域等)、資源建設(平臺構建、學習資源建設等)、相關技術研究(游戲沉浸式學習、反思學習、自主學習、終身學習等)、評價研究(評價指標體系、課程評價、及時性評價等)及其他等7大類[11]。相關論文研究主題分布及百分比如表3所示。

由表3可知，我國深度學習研究主題中，其理論研究和應用研究所占比例較大，百分比分別是33.79%和39.84%，兩者所占總比例是73.63%，這說明深度學習理論研究以及應用研究是兩個研究重點。國內研究者對深度學習的基本概念、內涵特征、綜述研究與理論探討等基礎研究較多。因為基礎性研究對于我國深度學習的實踐、應用研究具有指導作用，這為深度學習的應用研究奠定了基礎。深度學習的方法研究中包括了策略研究、教學模式、環(huán)境設計以及模型設計等，相關技術研究涉及到游戲沉浸式學習、反思學習和自主學習等，其百分比分別是10.99%和7.69%。另外還有深度學習的資源建設研究、評價研究和其他，以上數據顯示出我國深度學習資源建設研究和評價研究方面仍需加強，這充分體現(xiàn)了我國深度學習研究目前處于一個分化期，關于促進深度學習的平臺構建、學習資源建設以及深度學習評價指標和體系的構建均需要進一步加強研究。其他方面的研究中涉及到深度學習影響因素方面內容的極少，而影響深度學習的因素對有效開展深度學習具有重要作用，因此這個方面的研究亟待加強，希望能夠引起相關研究者的足夠重視。

表3　論文研究主題分布及百分比

三、深度學習研究熱點分析

研究熱點是一定時期某一類研究發(fā)文量大和重點關注的領域[12]。科學文獻計量學一般通過知識圖譜的分析方法來確定熱點，通過直觀圖像展現(xiàn)出該學科知識領域的研究前沿和研究熱點等重要信息。關鍵詞是論文內容的提示符，也是作者學術觀點的凝練，通過關鍵詞共現(xiàn)分析，描述關鍵詞間的關聯(lián)與結合以便揭示出學科領域的內在結構及熱點演化。本文通過SATI軟件進行關鍵詞提取和共詞矩陣提取，利用SPSS19.0軟件對共詞矩陣進行相關分析和多維度分析，最終繪制出關鍵詞共現(xiàn)知識圖譜并揭示出我國深度學習研究的熱點。

(一)關鍵詞及其矩陣的提取

利用SATI軟件進行關鍵詞的提取，提取出詞頻大于3的66個高頻關鍵詞，這66個高頻關鍵詞基本代表了我國近10年間深度學習的研究熱點。近10年我國深度學習研究高頻關鍵詞如表4所示：

表4　近10年我國深度學習研究高頻關鍵詞表

僅僅通過詞頻統(tǒng)計還不足以充分說明深度學習的研究前沿和研究熱點等重要信息，故在提取了高頻關鍵詞后，本研究利用SATI的矩陣生成功能得到高頻關鍵詞的共詞矩陣。然后利用SPSS軟件對共詞矩陣進行相關分析，最終得到高頻關鍵詞的相似矩陣，而相似矩陣是進行多維尺度分析的基礎。將SATI生成的共詞矩陣導入SPSS中進行相關分析，得到我國深度學習研究高頻關鍵詞的相似矩陣(部分)如表5所示：

表5　我國深度學習研究高頻關鍵詞的相似矩陣(部分)

(二)聚類分析與多維尺度分析

關鍵詞聚類分析的原理是以關鍵詞兩兩在同一篇文章中出現(xiàn)的頻率(共詞)為分析對象，利用聚類的統(tǒng)計學方法，把關聯(lián)密切的關鍵詞聚集成類。分析關鍵詞時，利用相關矩陣來進行聚類分析。運用SPSS軟件的多維尺度分析圖示功能，可以在關鍵詞聚類分析得出的4個研究熱點分類的基礎上，進一步繪制出我國深度學習時下的研究熱點知識圖譜，為分析我國深度學習未來的研究趨勢提供一定的參考依據，研究熱點知識圖譜如圖3所示：

圖3　近10年我國深度學習研究熱點知識圖譜

根據近10年我國深度學習研究熱點知識圖譜可知，我國深度學習研究熱點可以大致分為以下4個領域：熱點領域1主要是深度學習策略方法的研究，包括了教學模式、學習策略、反思及特征學習等關鍵詞。在有關深度學習方法策略的研究中，具有代表性的是胡丹在其碩士論文《促進深度學習的教學策略研究》中提到的，深度學習更加強調和關注學習者積極主動地學習和批判性地學習，建立已有知識與新知識的聯(lián)系，將已有的知識遷移到新的情境中并做出決策和解決問題。通過促進學生深度學習的課堂實踐來改變學生低效學習的現(xiàn)象，最終實現(xiàn)提升學生的思維品質和學習素養(yǎng)以促進學生全面而又富有個性的發(fā)展[13]。整體上看，真正從實踐出發(fā)，提出深度學習策略方法的研究較少，需要加強更多的實證研究。熱點領域2主要是深度學習的應用研究，包括了語音識別、人臉識別、特征提取及自動編碼器等關鍵詞。在深度學習應用研究熱點領域中，深度學習所涉及到的應用面比較廣泛。目前在人臉識別、圖像識別、語音識別等人工智能領域應用比較熱門。人工智能方面的研究本身就是一個比較具有現(xiàn)實意義和創(chuàng)新意義的研究熱點，將其與深度學習的研究進行融合將會是一個長期的研究熱點，期待這方面能出現(xiàn)更多的具有創(chuàng)新意義的研究。熱點領域3主要是深度學習的理論研究，包括了神經網絡、移動學習、反思性學習、淺層學習、機器學習以及學習科學等關鍵詞。關于深度學習的理論研究，主要涉及到深度學習的基本概念和內涵特征等，是在一定的理論基礎上展開的對深度學習的理論探討。其中吳秀娟在《基于反思的深度學習：內涵與過程》[14]及其碩士論文《基于反思的深度學習研究》[15]中均對深度學習和反思性學習的概念內涵及實現(xiàn)過程進行了概述，通過分析深度學習和反思性學習之間的內在聯(lián)系，進而對“反思是否能促進深度學習”進行了理論探討。有關深度學習的理論研究為深度學習的應用和實踐研究奠定了深厚基礎。熱點領域4主要是深度學習的綜合實踐研究，包括了人工智能、e-Learning、模式、特征融合以及高階思維等關鍵詞。我國深度學習綜合實踐類研究盡管比較少，但是將深度學習理念運用到現(xiàn)實學習過程中將會是一個趨勢，由此而引發(fā)的深度學習策略研究將會成為未來深度學習研究的一個重點。在我國深度學習的綜合實踐研究中，段金菊[16]在《學習科學視域下的e-Learning深度學習研究》一文中做了較多實證研究，對e-Learning深度學習的研究現(xiàn)狀進行了實地調查，構建了e-Learning環(huán)境下深度學習分析模型，為深度學習的實踐研究奠定了一定的基礎。

四、深度學習研究的展望

通過對我國深度學習研究的文獻計量分析，可以得知我國深度學習研究的基本現(xiàn)狀。現(xiàn)階段我國深度學習研究處于一個全面發(fā)展并走向分化的時期。從發(fā)文年代分布上看，我國一些高校研究生以及相關科研機構部門對深度學習研究的關注度還不夠，在教學科研中對深度學習研究的力度還有待加強。從文獻來源期刊分布上看，深度學習相關研究已經開始進入了我國教育界專家學者的視野，但是關注程度仍不高。從主要研究力量分布上看，我國深度學習研究領域核心作者群還未形成，并且持續(xù)研究人員較少，研究的高產機構主要分布在我國高校，但各研究機構內部之間的合作研究較少，尚沒有形成合力。從研究主題分布上來看，關于深度學習的影響因素以及深度學習評價指標和體系的構建等方面研究涉及較少，而影響深度學習的因素及其評價指標體系對有效開展深度學習具有重要作用，這些方面的研究亟待加強和引起足夠重視。通過科學知識圖譜分析的方法，可以直觀地了解到我國深度學習研究的前沿熱點信息。主要包括4大研究熱點領域：深度學習的策略方法研究、應用研究、理論研究以及綜合實踐研究。透過這些研究熱點，可以科學合理地預測我國深度學習研究的未來發(fā)展趨勢。

通過對相關文獻計量和知識圖譜的分析，接下來我國深度學習研究應該注重實踐應用研究，將其理論融入到現(xiàn)實課堂教學中以達到改善現(xiàn)有教學質量和教學效果的目的。加強有關促進深度學習的教學策略研究，需要對深度學習的影響因素進行深入挖掘，以便科學全面地了解深度學習的發(fā)生機制，從而為制定科學合理的深度學習策略和深度學習方法提供有力依據。另外，還需要加強深度學習的資源建設研究以及評價指標體系的研究，有了資源和評價指標體系的支撐，我國深度學習研究的開展才會更加深入。

參考文獻：

[1]L·約翰遜,S·亞當斯貝克爾,V·埃斯特拉達,A·弗里曼.新媒體聯(lián)盟地平線報告：2015基礎教育版[EB/OL]. 張鐵道,白曉晶,李國云,季瑞芳,吳莎莎譯.http://cdn.nmc.org/media/2015-nmc-horizon-report-k12-CN.pdf.

[2]黃維,陳勇.中國教育經濟學發(fā)展軌跡的知識圖譜研究[J].教育與經濟,2010(3):68-69.

[3]王佑鎂,陳慧斌.近10年我國電子書包研究熱點與發(fā)展趨勢——基于共詞矩陣的知識圖譜分析[J].中國電化教育,2014(5):4-10.

[4]張琪. e-Learning環(huán)境中大學生自我效能感與深度學習的相關性研究[J].電化教育研究,2015(4):55-61.

[5]宋馬林,張琳玲,李超.基于CSSCI的雙語教學研究的文獻計量與知識圖譜分析[J]. 科學決策,2012(5):48-59.

[6]中共中央，國務院.國家中長期教育改革與發(fā)展規(guī)劃綱要(2010-2020年)[EB/OL].http://www.moe.gov.cn/srcsite/A01/s7048/201007/t20100729_171904.html.

[7]李超.我國居民收入代際流動研究的科學計量學解讀[J].科學決策,2012(1):27-41.

[8]王全亮,祁志衛(wèi),楊文妍等. 基于文獻計量分析的我國智慧教育研究[J]. 軟件導刊(教育技術),2015(5):70-72.

[9]王玨.杜威的教育思想與深度學習[J].軟件導刊,2005(9):6-8.

[10]邱均平.信息計量學[M].武漢:武漢大學出版社,2007:193.

[11]樊雅琴,王炳皓,王偉,唐燁偉.深度學習國內研究綜述[J]. 中國遠程教育,2015(6):27-33.

[12]宋馬林,張琳玲,李超. 基于CSSCI的雙語教學研究的文獻計量與知識圖譜分析[J]. 科學決策,2012(5):48-59.

[13]胡丹. 促進深度學習的教學策略研究[D].大連:遼寧師范大學,2011.

[14]吳秀娟,張浩,倪廠清. 基于反思的深度學習:內涵與過程[J]. 電化教育研究,2014(12):23-28+33.

[15]吳秀娟. 基于反思的深度學習研究[D].揚州:揚州大學,2013.

[16]段金菊,余勝泉. 學習科學視域下的e-Learning深度學習研究[J]. 遠程教育雜志,2013(4):43-51.

(責任編輯：劉爽)

Bibliometric Analysis and Knowledge Map Analysis on Chinese Deep Learning Research in Recent 10 Years

WANG Quanliang，ZHANG Yuefen，ZUO Jirong

(NetworkandInformationCenter,YunnanUniversity,Kunming,Yunnan650000,China)

Abstract：This study carry out the bibliometric analysis and knowledge map analysis on the Chinese deep learning research from four dimensions of literature distribution, literature source journals distribution, the main research strength distribution and the distribution of research topics. Then this study forms the Co word matrix using the SATI and draw out the hotspots in the knowledge map through the software SPSS cluster analysis and multidimensional scaling analysis function in depth understanding of the basic research situation of our deep study to inform the research tendency in the future. The purpose of this study is to provide some reference and guidance for the follow-up study of deep study in China, and to promote the development of China's education.

Key words:deep learning; bibliometric analysis; co-word matrix of SATI; cluster analysis of SPSS; knowledge map

[收稿日期]2015-10-14

[基金項目]云南大學研究生科研創(chuàng)新項目(ynuy201488)。

[作者簡介]王全亮(1989-)，男，河南新縣人，云南大學網絡與信息中心碩士研究生；研究方向：教育技術理論與應用。張月芬(1972-)，女，云南昌寧人，云南大學網絡與信息中心副研究員、碩士生導師；研究方向：教育技術理論與應用。左繼蓉(1972-)，女，云南巍山人，助理研究員，研究方向：教育技術理論與應用研究。

[中圖分類號]G443

[文獻標識碼]A

[文章編號]1005-5843(2016)05-0017-08