國外教育大數據研究的可視化分析*

梅鵬飛，何曉萍

（南昌大學 體育與教育學院，江西 南昌 330031）

一、引言

《大數據時代》的作者維克托·邁爾-舍恩伯格開創了國外大數據研究先河，并通過4個“V”描述了大數據具有的四大特征。即數據體量大（Volume）、數據類型多（Variety）、數據價值密度低（Value）、數據具有實效性（Velocity）四大特征。[1]教育大數據是大數據的一個子集，特指教育領域的大數據，是整個教育活動過程中所產生的以及根據教育需要采集到的，一切用于教育發展并可創造巨大潛在價值的數據集合。[2]本文采用詞頻分析法和引文分析法，使用CiteSpace軟件對Web of Science核心合集中SCI和SSCI兩個數據庫中教育大數據研究的相關文獻進行了搜索、梳理，客觀生成的國外教育大數據研究的知識圖譜，揭示了國外教育大數據研究領域、研究力量分布、知識基礎與研究熱點主題。有效的數據分析，以期為我國教育大數據的進一步研究提供參考和借鑒。

二、研究設計

1.研究方法

詞頻分析法是指分析某學科領域特定時間內發表的文獻關鍵詞，通過關鍵詞出現的頻次的高低及頻次的變化趨勢來確定該領域研究重點和發展方向的文獻計量方法。[3]引文分析法，利用數學及統計學方法進行比較、歸納、抽象、概括等，對科學期刊、論文、著者等分析對象的引用和被引用現象進行分析，以揭示其數量特征和內在規律的一種信息計量研究方法。[4]本文利用詞頻分析法和引文分析法，分析國外教育大數據研究的領域分布、知識基礎與熱點主題。采取定量研究與定性研究相結合的方法，首先結合詞頻分析法、引文分析法對相關文獻進行定量分析，再通過定性分析加以補充。

2.數據來源

為確保文獻的權威性，本文以Web of Science核心合集中SCI和SSCI兩個數據庫作為文獻信息來源，檢索策略中以“big data”、“education”作為主題詞，時間限制為2007-2017年，限定學科為Education Educational Research，文獻類型為Article，搜索、篩選、整理得到209條相關文獻。導出文獻數據的題錄信息，以全記錄格式保存，保存日期為2017年6月8日。

3.分析工具

本文分析工具采用陳超美博士及其團隊開發的基于Java語言的可視化分析軟件CiteSpace V，這是一款專門用于學術文獻分析的信息可視化分析工具。目前已廣泛應用于探測、分析學科研究前沿的發展趨勢以及研究前沿與知識基礎之間、不同研究前沿之間的關系。[5]可視化工具以圖表形式直觀展現關鍵詞的熱點分布及領域走向，揭示了研究主題的外表特征，且圖譜的數據為科學、客觀地分析教育大數據提供了依據。

三、研究結果與分析

1.時間分布

國際教育大數據研究10年來發文數量及引文數量統計與分析結果如圖1、圖2所示。從圖中可以看出，國際教育大數據研究的發文數量2007至2013逐年增長，2013達到一個小高峰，2014年有所回落，但比較穩定；2015至2016年關于教育大數據研究又開始受到更多研究者的關注，2016年又達到頂峰。而引文數量在2008-2012年亦逐年增長，且增速比較顯著。結合圖1和圖2來看，發文數量越多，相應的引文數量也越多，其走向有著密切的相關性。說明了隨著大數據時代的到來，教育大數據研究越來越受重視。

圖1 年度發文數量

圖2 年度引文數量

2.國家（地區）和機構分布

在CiteSpace V中設置時間切片為1，時間設置為2007-2017年，分析對象同時選擇“Institution”和“Country”，選擇 TopN，N 值設為 50，采用 Pathfinder（尋徑）算法，運行CiteSpace V，得到教育大數據國家和地區圖譜，如圖3所示。

圖3 教育大數據研究國家（地區）及機構圖譜

其中，圓形節點代表國家（地區），處于連接線上的小節點代表機構。圓圈的大小代表發文數量，圓圈越大表示發文數量越多；節點間的連線代表合作程度，節點間的連線越多，表示合作越密切；節點最外層的紫色圓環代表中心性，中心性越大，表示在該領域內影響力越大。[6]從圖3中可以看出，節點最大的國家是美國（USA），其次是西班牙（SPAIN）。

從表1中可見，被引頻次最高的是美國，文獻貢獻率最大，接下來是西班牙、澳大利亞、英國、土耳其、加拿大。從整個圖譜來看，美國最外層的紫色圓環最大，節點中心性最高，說明美國在教育大數據領域占有領先地位。同時，美國與其他國家的節點間連線較多。由此可見，圖譜中絕大多數國家與美國有合作關系。

美國關于教育大數據研究機構主要集中在大學和科技公司（Microsoft），如普渡大學、斯坦福大學、美國佐治亞大學、匹茲堡大學等；西班牙的主要研究機構有科爾多瓦大學、馬德里科技大學、西班牙格拉納達大學等；澳大利亞主要有莫納什大學、堪培拉大學、麥考瑞大學等；英國主要研究機構有倫敦大學、諾丁漢大學、英國普利茅斯大學等；土耳其具有代表性的機構有哈希德佩大學、加齊大學等；加拿大主要研究機構有皇家大學、卡爾加里大學等。這些國家和機構在教育大數據研究方向占有重要地位，研究者給予了更多關注。

3.研究熱點分析

在CiteSpace V軟件界面中選擇分析對象為關鍵詞（Keyword），其余設置不變。運行軟件，得到關于教育大數據研究領域的關鍵詞共現圖譜，如圖4所示。圖譜中，節點（圓圈）大小代表關鍵詞共現頻次，圓圈內環不同顏色代表其出現的相應年份，節點紫色圓環（在黑白圖中用圓環粗細顯示）表示關鍵詞具有高度中心性。中心性越高的節點，對其他節點間的聯系起控制作用，這也體現其在整個網絡中的重要地位。[7]

表1 教育大數據研究力量分布統計

圖4 關鍵詞共現圖譜

圖4揭示了國際教育大數據研究熱點，節點最大的是“data mining（數據挖掘）”，具體包括“education（教育）”、“performance （績效）”、“high education （高等教育）”、“model （模型）”、“technology （技術）”、“education data mining （教育數據挖掘）”、“big data （大數據）”、“learning analytics（學習分析）”。通過合并同義詞后，從運行結果中導出前被引頻次大于10的關鍵詞，如表2所示。

表2 被引頻次＞10的關鍵詞排列表

結合圖4所示圖譜中關鍵詞的圓圈大小、紫色圓環粗細，以及表3所示關鍵詞中心性大小，可以發現頻次排在前9的關鍵詞，其中心性都較高，并處于圖譜中心位置，表示它們與其他關鍵詞存在著緊密的關聯性，節點年輪較為突出。綜合分析發現，2007-2017年教育大數據研究的關注點主要在“data mining（數據挖掘）”、“performance（績效）”、“education（教育）”、“big data（大數據）”、“higher education（高等教育）”、“technology（技術）”、“learning analytics （學習分析）”、“education data mining（教育數據挖掘）”，在教育大數據研究中占有重要地位。

表3 關鍵詞中心性排列表

在線教育和大數據時代背景下，計算機領域（數據挖掘）與教育領域相結合是一種必然的趨勢。大數據在教育領域中的應用主要有學習分析（Learning Analytics）和教育數據挖掘（Education data mining）。[8]利用數據挖掘和學習分析技術可以依據學習者學習行為有效預測學習者學習偏好，跟蹤學習者學習狀態，必要時進行干預，有助于提高學習效果并實現個性化教學。目前，教育大數據研究領域的熱點，主要是圍繞大數據的概念表征、教育（高等教育）、數據挖掘以及學習分析等基礎理論的研究。

教育大數據研究也存在一些亟待解決的問題。其一，教育數據由教育者和受教育者進行教學活動所產生，對主導-主體相結合的教學行為和學習行為，具有潛在的應用價值，但也涉及教師和學生的隱私，保護不當會帶來嚴重的后果。其二，在算法研究上要加大安全系數，以防黑客惡意入侵（如2017年5月份出現的勒索病毒攻擊教育網站及幾所高校導致畢業論文系統癱瘓）。

4.研究主題知識基礎分析

本節對教育大數據進行知識基礎的分析，目的是對研究某領域的發展歷程和前沿有一個清晰的了解。其中主要包括奠基性文獻分析和關鍵性文獻分析。

（1）奠基性文獻分析

文獻共被引圖譜反映了對應研究領域的知識基礎。若兩篇文獻同時被其他文獻引用，則這兩篇文獻間就存在共被引關系。參考文獻通過共被引關系構成了文獻共被引圖譜。在圖譜中，節點表示參考文獻，節點間的連線表示其間存在共被引關系。[9]連線的粗細表征了共被引的強弱。知識基礎分析有利于研究某領域的前沿和本質，由共引聚類來表示，共引聚類中的文獻越多，其知識基礎越大并趨于穩定狀態。[10]教育大數據研究的知識基礎分析大致可分為兩類：一是早期研究的奠基性文獻，二是被引頻次和中心性都較高的文獻。

在CiteSpace V軟件中，分析對象選擇“Cited Reference”，以 Thresholding（c,cc,ccv），c（引文數量）、cc（共被引頻次）和ccv（共被引系數）三個層次上，分別設定閾值為（2,2,20），運行軟件，得到關于教育大數據研究的共引文獻時間序列圖譜，如圖5所示。

圖5 共引文獻時間序列圖譜

由圖5可知，大數據研究的奠基性文獻最早可追溯到 2008 年，Borgman 在《LEARNED PUBLISHING》上出版的《Data,disciplines,and scholarly publishing》。 同樣在2008年，Erik W.Black在 Internet and Higher Education上發表的《Data for free:Using LMS activity logs to measure community in online courses》。此外還有Beer D于2009年發表在《New Media&Society》上的《Power through the al gorithm?Participatory web cultures and the technological unconscious》等文獻。

Borgman認為研究數據可以被重復使用，復制研究，以提出新的問題，并驗證研究結果。數據正在成為學識或學問的重要產物，在補充期刊文章、論文和書籍中所起的作用。文中指出當鏈接到出版物和其他相關資源以形成價值鏈時，數據變得更加有價值。數據的類型和用途在學科之間差異很大，出版物的在線可用性和學者發表文章的初衷也不盡相同。出版社、學者和圖書館員都可以在構建數字化研究的信息基礎設施方面發揮作用。技術、政策和機構組成部分正在逐漸成熟，在公共存儲庫中實現大量的數據集，以及與出版商數據庫的鏈接，是維護和維持數字形式的學術記錄的最有希望的解決方案。[11]

Beer在文中指出，對Web 2.0版本的描述通常被理解為大規模地轉向Web的參與式和協作版本，用戶可以在其中參與和創建內容。事實上，迄今為止還沒有機會探索在這種明顯的“賦權”和“民主化”的背景下如何發揮作用。本文認為，這是一個迫切需要關注的問題。[12]后Web2.0時代是網絡發展中一個重要階段，它連接著下一代互聯網Web3.0。在這個時代背景下，互聯網、物聯網每天都在產生大量的數據。“大數據的出現究竟帶來了什么”，必須對這些問題進行深入的思考。

2011年，Mackenzie、Adrian等人在文中指出，連接代碼和編碼、“危機”的產生式和對“危機”的擔憂為探索的主題。從中分析了當代生活中越來越多的各種各樣的代碼如何受到危機擴散的嚴重影響。討論了跨越這些看似多樣化主題的代碼和危機耦合的三個相關方面（Signification意義，Performativity操演和Excess過度）。跨越這些看似不同的主題，作者和這個特殊問題中的其他貢獻者試圖超越對代碼語言限制的理解。[13]隨著大數據時代的到來這些問題顯得尤為明顯，隨之而來的教育大數據也必然存在這樣的問題，研究者應該予以重視。

2012年，BoydD 在 《Information Communication&Society》上發表的文章《CRITICAL QUESTIONS FOR BIG DATA Provocations for a cultural,technological,and scholarly phenomenon》，作者提出了大數據的關鍵性問題：大型搜索數據是否能幫助我們創造更好的工具、服務和公共產品，還是會迎來新一輪的隱私入侵和侵入性營銷；數據分析是否能幫助我們了解在線社區和政治運動，還是使用分析來跟蹤抗議者和抑制言論；大數據會改變我們如何研究人際交往和文化，還是縮小研究選擇范圍，并改變“研究”的意義。文章將大數據定義為一種文化、技術和學術現象，并論述了六個值得深思的代表性觀點：①大數據改變了知識的定義。②聲稱客觀性和準確性是誤導性的。③更大的數據并不總是更好的數據。④脫離上下文，大數據將失去意義。⑤只是因為它是可訪問的并不會使其受倫理約束。⑥有限的獲取大數據帶來了新的數字鴻溝。[14]

2013年 Eynon Rebecca在《The rise of Big Data:what does it mean foreducation,technology,and media research?》一文中提出了三組大數據在教育領域中的挑戰：①道德挑戰，大數據代表了一系列倫理道德方面的考慮，特別是要考慮關于隱私、知情同意和對傷害的防護等方面，并提出了更廣泛的問題——應該將哪些數據結合和分析，以及運用其達到何種目的。②確保了解使用大數據可以或不能執行的研究種類。③圍繞不平等問題的挑戰。除此之外作者提出了一些實際問題——大家如何熟練地進行這種分析、在多學科團隊中學習與他人合作是否足夠。[15]這些問題的提出為后期研究者繼續研究教育大數據時提供參考，有利于問題進一步得到解決。

2014年Di Cerbo和Behrens在《Impacts of the Digital Ocean on Education》一文中提出了“數字海洋”概念，“數字海洋”用來描述與數字工具交互獲得的超大規模數據。正如“大數據”正在轉變其他行業，如保險、金融、零售和職業體育，“數字海洋”將及時轉變教育。它將解決一些長期困擾教育工作者的問題，從而實現從課堂到整個系統的各個層面的循證政策的長期愿望。[16]文中通過設定一個希望取得成功的愿景：他們將教學、學習和評估視為一個綜合過程的三個不同方面，隨時/實時互相補充；他們看到更復雜的教育成果，如個人和個人的技能，并使之變得可評估、可教導和可學習。但是，作者也對讀者提出了要求——在21世紀的學習中，對學習、推理和技術從不同角度進行思考。

（2）關鍵性文獻分析

關鍵性文獻指被引頻次或中心性比較高的文獻。在CiteSpace V 中，分析對象選擇“Cited Reference”，運行CiteSpace軟件得到文獻共被引圖譜，便于直觀地呈現關鍵節點文獻，如圖6所示。

圖6 文獻共被引圖譜

根據軟件運行結果，將被引頻次排前10的文獻導出，如表4所示。

表4 被引頻次前10的文獻

結合圖6和表4可知，來自科瓦多爾大學教授Romero Cristobal在 2010年發表的 《Educational Data Mining:A Review of the State of the Art》一文被引頻次13次，中心性0.50，影響力較大，是教育大數據領域的關鍵性文獻。文中調查了迄今為止在教育領域進行的最相關的研究。首先介紹EDM（教育數據挖掘），并描述不同用戶組，教育環境類型及其提供的數據。然后，列出通過數據挖掘技術解決的教育環境中最典型/最常見的任務，最后討論一些最有潛力的未來研究課題。文中對EDM方面進行了最新情況的回顧，并對該領域迄今為止最為相關的研究工作進行了調查。對每個研究都進行了分類，這些研究類目來自不同的研究平臺（e-learning/LMS和ITS/AEHS），使用了不同的數據挖掘技術或方法（決策樹、神經網絡以及貝葉斯網絡），完成數據挖掘任務（回歸、聚類、分類以及關聯規則挖掘）。[17]教育數據挖掘是一個新興的跨學科研究領域，主要任務是開發一些用于探索源自教育環境中數據的方法。為了研究教育問題，教育數據挖掘使用計算方法來分析教育數據。

Romero Cristobal在2007年發表的論文《Educational data mining:A survey from 1995 to 2005》被引頻次10次，中心性0.37，是教育大數據研究領域的關鍵性文獻之一。文中提出了在教育系統中應用數據挖掘的循環模型，是集形成假設、測試和修復的迭代循環系統。并指出數據挖掘技術可以探測出有用的信息，用于形成性評估，以協助教育者，為設計教學情境修改教學方法時提供決策并建立教學基礎。[18]文中對數據挖掘在教育系統中應用的多角度分析，包括面向學生、教師、學術負責人和管理員，為后期教育大數據研究模型的構建做出了重要貢獻。

懷卡托大學的計算機科學系教授Witten I在2005年編著了一本數據挖掘領域經典教材 《Data Mining:Practical Machine Learning Tools and Techniques，Second Edition》（《數據挖掘：實用機器學習技術》），自第一版出版后對上一版內容進行了全面更新：數據挖掘領域的技術變革和新方法，包括數據轉換、集成學習、大規模數據集、多示例學習方面的新材料，以及新版的Weka機器學習軟件。[19]機器學習（Machine Learning）是計算機科學的一個子領域，機器學習關注預測，是對已知的特性進行預測。數據挖掘使用機器學習的手法，關注從數據中發現未知的特性。因此，這本專著屬于教育大數據領域研究的關鍵性文獻之一，為后續教育大數據研究提供了參考和線索。

四、結論

本文以Web of Science核心合集中SCI和SSCI兩個數據庫收錄的近年來教育大數據研究文獻為來源，通過使用CiteSpace V軟件，對客觀呈現的圖表信息從教育大數據的研究力量分布、知識基礎及研究熱點等方面進行分析。

圖譜揭示教育大數據研究的外部特征表明，研究力量主要分布于普渡大學、斯坦福大學及微軟科技公司為核心的研究團體，其中最大的研究群體是普渡大學。西班牙地域的主要研究機構有科爾多瓦大學，其他研究群都含有多個機構。Romero C作為學科研究的領軍人物，文獻貢獻量最大，影響力較高。Witten I和Yacef K等作為學科研究帶頭人，學術研究貢獻量較大。

教育大數據共引文獻時間序列圖譜及文獻共被引圖譜顯示了教育大數據研究的知識基礎。數據可以復制利用已被證實，通過高精儀器的科學與工程研究，正在以更高的速度生成比以往任何時候都要多的數據。隨著在網絡世界中對教育、商業和社會活動更多的交流和溝通，正在形成廣泛的數字化跟蹤，產生一系列行為數據，這些數據對人類活動的建模和對個人反饋的定制非常有價值。“大數據的出現究竟帶來了什么”，必須對這個問題進行深入的思考。

關鍵性文獻分析表明，經典國外文獻為國內的教育大數據研究提供了豐富的理論基礎和分析框架，主要涉及數據挖掘在教育系統中運用循環模型，以協助教育者，為設計教學情境修改教學方法時提供決策并建立教學基礎。教育數據挖掘是一個新興的跨學科研究領域，主要任務是開發一些用于探索源自教育環境中數據的方法。為了研究教育問題，教育數據挖掘使用計算方法來分析教育數據。

關鍵詞共現圖譜直觀呈現了國外教育大數據研究熱點，主要包括數據挖掘、學習分析、教育數據挖掘。利用數據挖掘和學習分析技術可以依據學習者學習行為有效預測學習者學習偏好，跟蹤學習者學習狀態，必要時進行干預，有助于提高學習效果并實現個性化教學。

目前，大數據在教育領域中面臨三大挑戰，也就是研究領域所關注的三個值得研究的問題：其一，數據越大是否就是好數據，由于數據的類型和用途在學科之間差異很大，須考慮教育領域大數據的準確性和可行性；其二，采集的大數據是否滿足可證偽條件，教育領域大數據只有滿足了可證偽條件的驗證，方能保證大數據的客觀性和準確性；其三，限制性采集大數據所創建的新數據是否會形成信息孤島從而影響數據共享，限制性地獲取教育大數據，易形成數字鴻溝，從而影響數據共享。總之，為了保證教育大數據的均衡發展，需要在安全、應用、治理方面進行深入研究。

[1]維克托·邁爾-舍恩伯格著,盛揚燕、周濤譯.大數據時代[M].杭州:浙江人民出版社,2012.

[2]楊現民,王榴卉,唐斯斯.教育大數據的應用模式與政策建議[J].電化教育研究,2015(9):54-61,69.

[3]馬費成,張勤.國內外知識管理研究熱點——基于詞頻的統計分析[J].情報學報,2006,25(2):163-171.

[4]羅式勝.文獻計量學概論[M].廣州:中山大學出版社,1994.

[5]Chen C.M.Cite Space II:Detecting and visualizing emerging trends and transient patterns in scientific literature[J].Journal of the American Society for information Science and Technology,2006,57(3),359-377.

[6]何曉萍,江毅,萬昆.基于 Web of Science 的MOOC研究可視化分析[J].現代情報,2015(8):92-99.

[7]陳超美.Cite SpaceⅡ:科學文獻中新趨勢與新動態的識別與可視化[J].情報學報,2009,28(3):401-402.

[8]Bienkowski,M.,Feng,M.&Means,B.(2012).Enhancing Teaching and Learning Through Educational Data Mining and Learning Analytics:An Issue Brief[EB/OL].http://www.ed.gov/edblogs/technology/files/edm-la-brief.pdf.

[9]Small H.Co-citation in Scientific Literature:New Measure of Relationship between 2 Documents[J].Journal of the American Society For Information Science,1973,24(4):265-269.

[10]Persson O.The intellectual base and research fronts of JASIS 1986－1990[J].Journal of the American Society for Information Science,1994,45(1):31－38.

[11]Borgman C L.Data,disciplines,and scholarly publishing[M].Learned Publishing,2008,21(1):29-38.

[12]Beer D.Power through the algorithm?Participatory web cultures and the technological unconscious[J].NEW MEDIA SOC,2009,11(6):985-1002.

[13]Mackenzie A,Vurdubakis,T.Codes and Codings in Crisis Signification,Performativity and Excess[J].Theory Culture&Society,2011,28(6):3-23.

[14]Boyd,D.CRITICAL QUESTIONS FOR BIG DATA Provocations for a cultural,technological,and scholarly phenomenon[J].Information Communication&Society,2012,15(5):662-679.

[15]Eynon R.The rise of Big Data:what does it mean for education,technology,and media research?[J].Learning Media and Technology,2013,38(3):237-240.

[16]Di Cerbo.K.E.&Behrens,J.T.(2014)Impacts of the Digital Ocean[M].London:Pearson.

[17]Romero C.Educational Data Mining:A Review of the State of the Art[J].IEEETRANSACTIONS ON SYSTEMS MAN AND CYBERNETICS PART C-APPLICATIONS AND REVIEWS,2010,40(6):601-608.

[18]Remero C.Educational data mining:A survey from 1995 to 2005[J].Expert Systems with Applications,33(2007):135-146.

[19]IanH.Witten,EibeFrank.Data mining:practical machine learning tools and techniques=數據挖掘:實用機器學習技術/2nd[M].China Machine Press,2005.