大數據在高校教育領域的研究熱點及發展趨勢*

萬 欣，黎 嬋，宋如思，夏火松

（武漢紡織大學 管理學院，湖北 武漢 430200）

一、教育大數據與數據可視化

關于教育大數據的含義，目前為止，國際上尚未確切、公認的提法。為了進一步理解教育大數據的概念，筆者從教育大數據的組成與特征兩個方面進行剖析。

從教育大數據的組成來看，其中最重要的成分是由教育實踐活動產生的。既包括學生線下的學習過程及行為數據、作業練習和考試成績數據等個體數據，也包括E-Learning和移動學習等學習形式的過程數據、設備狀態數據、運維日志與用戶日志數據、教育網絡輿情數據等設備數據。通過整合分析多種形式的教育大數據，挖掘其規律及發展趨勢。[1]

從教育大數據的特征看，教育大數據在繼承了大數據特點的基礎上有所發展。其數據來源大多來自錄音錄像等非結構化數據，這決定了技術上有一定的要求。由此可見，教育大數據的顯著特征在于它的高復雜性。[2]

教育大數據的組成與特征決定了其需要借助數據可視化技術來摸索數據背后隱藏的規律。到目前為止，數據可視化所涵蓋的技術方法和內容在不斷豐富當中。對其概念加以寬泛定義，數據可視化可視為將大量數據以數據集的形式借助圖像化的高級技術挖掘未知信息的方法。

經過“科學可視化—信息可視化—數據可視化”的演變過程，數據可視化趨向成熟。文本可視化、網絡（圖）可視化、時空數據可視化以及多維數據可視化是數據可視化最主要的幾種方法。基于這些基本的可視化方法，使經過有效整合的海量數據能直觀地反映其隱含的內在規律，促使人類更高質量地生活與工作。

二、研究設計

1.數據采集

在中國知網（CNKI）期刊數據庫中，以“教育&大數據”、“教學&大數據”、“高校&大數據”為主題詞，限定期刊來源類別為SCI來源期刊、核心期刊和CSSCI，同時勾選“中英文擴展檢索”進行高級檢索后得到2012-2016 年期間共 1252 條相關文獻數據（Title、Author、Organ、Source、Keyword、Summary、PubTime、Fund），通過手工剔除CNKI檢索的結果中重復文章、訪談、新聞、會議通知等非學術文章后，以ENDNOTE、RefWorks、自定義三種格式導出文獻數據，最終得到2012-2016年的文獻數量分別為 1、50、174、347、494，總計 1066 條有效數據。

2.分析過程

數據分析過程主要分為三個方面。首先，資源文獻計量分析。自定義格式文獻數據利用Excel數據統計分析工具，對教育大數據領域資源文獻進行計量分析，包括科學研究產出趨勢分析、載文期刊分布與產出趨勢分析以及基金論文數量與地區分布情況分析。其次，共詞聚類分析。將ENDNOTE格式文獻導入SATI中，轉換成XML格式后抽取關鍵詞，進行詞頻統計，生成關鍵詞共現矩陣。再導入Ucinet，生成.##h格式數據。進行高頻關鍵詞的中心度分析后，利用NetDraw對結果進行可視化，得到社會網絡圖譜。利用Ucinet層次聚類和SPSS 19.0多維尺度分析，得到聚類樹圖以及多維尺度圖譜，以此來進行高等教育大數據的熱點研究。最后，知識圖譜分析，通過文獻分析可視化軟件Citespace將Ref-Works格式數據進行轉換后，得到關鍵詞的時序圖與突變詞、科研機構的合作圖譜等，揭示大數據在高校教育領域的熱點遷移及發展趨勢并做進一步的預測分析。

三、我國高校教育大數據領域資源文獻計量分析

1.科學研究產出趨勢

為探究教育大數據文獻的產出趨勢，筆者以2012-2016年期間發表的相關文獻為數據來源，探索教育大數據的科學研究產出趨勢。自2012年以來，對大數據在高校教育領域的研究期刊與論文產出均顯著上升。從論文數量來看，2012年僅1篇，之后逐年增長，2013年增長至51篇，2014年增長速度加快，2015年增幅達到頂峰，2016年數量高達497篇，占據2012-2016年總論文數量的46.62%。[3]相關的研究期刊與論文數量呈現的態勢基本一致。由此可見，大數據在高校教育領域的研究始于2013年，2014年開始大規模涌現，并呈現持續快速發展趨勢。

2.載文期刊分布與產出趨勢

筆者選取樣本數據中權重值較大的七個期刊，進行分析處理。處理結果表明，在2012-2016年期間，總發文數量排在榜首的期刊為《中國電化教育》，高達49篇；其次是《現代教育技術》和《中國成人教育》，數量均為40篇。同時，Top7期刊所載文獻數量占據文獻總數的25.89%，基于二八定律，表明多數載文期刊發表高等教育大數據相關文章數量逐年增長，《中國成人教育》于2016年就高達31篇文章之多，可見相比其他研究課題，大數據在高等教育領域的研究已呈現出壓倒性優勢。即使該方面的相關論文已處于高產階段，但隨著大數據時代的推動，高校教育大數據的研究在深度和廣度方面都具備進一步的發展空間。

3.基金論文分布

在海量學術研究論文中，基金論文舉足輕重，它往往揭示著當前研究領域的重大突破或是新興研究熱點和前沿方向。基金論文數量的多少，可以從側面反映出一個學科的學術水平和科研力量以及其研究課題受到政府各部門與社會各界的關注與支持度。[4]

本文將基金類別分為國家級、教育部、省市級、院校級、其他5種，統計出每年不同級別的基金論文數量，以及基金支持的組織機構所在省市分布，其中地區分布共有32個，這里只選取了前10個基金論文數量多的省市，在總數中占比74.34%。

從橫向的角度看，很容易直觀地看出2012、2013兩年大數據在教育領域的應用處于剛剛萌芽時期，國家、社會對新生事物認知能力與扶持程度不強。2014、2015是大數據迅猛突起與發展的兩年，可以看到不光是國家、教育部，連各個省市、院校、其他社會組織機構，對其扶持力度也都陡然增加。在2016年至今，應該可以說是大數據發展進入全盛時期，特別是國家等級的基金論文數量增幅最大，反映出在以網絡強國托起中國夢的時代背景下，國家對大數據技術在教育領域中掀起的改革浪潮是看好與肯定的。從縱向看，5類基金論文，雖然省市級別是占到最多的，但其每年增幅的多少受國家級基金論文數量變化的影響，這表明學科領域的研究方向一定程度受到國家宏觀的調控，下級省市積極響應。

從地區的分布情況看，基金論文數量存在著地域差異性。在選取的樣本中，75.13%的論文基金由江蘇、廣東、北京、上海、重慶五個省市提供，其中江蘇省占據到了23.86%。廣東、北京旗鼓相當，上海、重慶勢均力敵，這與其經濟發展有一定關系。

四、我國高校教育大數據研究熱點探究

一篇論文的研究方向與精髓之處大部分可由關鍵詞反映，因此在大量文獻中統計出關鍵詞的頻次，就能觀察到這個研究領域的熱點。于是本文選擇了文獻題錄信息統計分析軟件（SATI 3.2），對知網得到的ENDNOTE格式的文獻數據進行分析。[5]先將表述不同但含義相近的關鍵詞進行統一（如高校思想政治教育、思想政治教育、思想政治理論課、統一為思想政治教育），再進行關鍵詞的詞頻統計，共得到184個關鍵詞。[6]提取其中詞頻不低于13的關鍵詞為高頻詞，得到結果如表1所示。

表1 前28位高頻詞

本文所使用的SATI分析軟件，已采用了Equivalence系數消除了多值共現矩陣中由于關鍵詞頻次的懸殊而對統計結果造成的影響。因此只需使用軟件自帶的Co-Occurrence Matrix（Similarity）方法，設置行/列的值為 28，即可自動產生高頻詞的共詞相似矩陣，如表2所示。矩陣中的數值均屬于 [0,1]，代表著關鍵詞之間的共現關系，數值越大則二者更有可能出現在同一篇文獻中。

通過Ucinet（社會網絡分析軟件）對表2的相似矩陣進行網絡中心性分析，再使用NetDraw工具進行結果的可視化，得到圖1。圖中正方形表示高頻詞的節點，正方形越大意味著節點度中心性越高；節點的顏色不同表示點接近中心性的高低，值越小，說明此節點距離其他節點的最短路平均距離越小，其中心度也越高。一般情況下，多篇文獻同時存在一個相同的關鍵詞，則此關鍵詞接近中心度一般比較高。

如圖1所示，可粗略觀察到，大數據在教育領域的研究熱點除開大數據本身外，突出的還有高校圖書館、數據挖掘、思想政治教育、創新、MOOC、學習分析等。其中與大數據相連距離最短的是數據挖掘，說明數據挖掘在大數據的應用中非常核心。從邊緣看，互聯網思維與其他關鍵詞聯系最少，說明此關鍵詞并不是當下有代表性的研究點或研究得還不夠深入。

圖1 高頻詞社會網絡圖譜

使用Ucinet軟件，對高頻詞進行凝聚的層次聚類分析，得到圖2。

多維尺度分析實質上就是一個降維但又不改變對象間最初關系的分析方法。通過不同關鍵詞在二維平面之間的距離發現研究主題的結構。由于關鍵詞的相似矩陣存在太多的0，對多維尺度分析的擬合效果造成一定的影響，于是改用關鍵詞的相異矩陣，通過SPSS 19.0進行多維尺度分析，得到圖3。

將聚類樹圖（圖2）與多維尺度圖譜（圖3）進行對照，發現除了少數幾個關鍵詞之外，其余聚集程度基本一致，于是筆者可將大數據在教育領域應用的研究熱點主題大致歸納為以下四種：

圖2 高頻關鍵詞聚類樹狀圖

圖3 高頻關鍵詞多維尺度圖譜

第一，大數據時代下高校圖書館建設的研究。包含高校圖書館、云計算、信息素養、數據素養、智慧教育5個高頻關鍵詞。圖書館作為高校最大的數據資源庫，大數據加云計算對其作用也更為顯著。通過讀者平時閱讀記錄，分析其興趣偏好，為其提供個性化閱讀服務；管理人員通過數據分析與管理，對圖書資源能更有效整合，提高工作效率。這就需要培養高校師生從上到下的信息素養與數據素養，增強對數據與信息的敏感度與處理力，符合時代發展的需要。該主題旨在研究大數據對高校圖書館信息化建設的作用以及如何運用大數據實現高校圖書館信息化的實施建議。

第二，大數據技術對教學模式變革影響的研究。包含MOOC、教學模式、翻轉課堂、教學改革、在線教育、大數據技術、信息技術、高等教育8個高頻關鍵詞。傳統教育模式是一種灌輸式、大眾化教學，它忽視了學生個性化發展的需求。隨著互聯網與大數據的迅速發展，海量數據與信息資源能夠達到共享，于是研究者將目光聚焦在傳統教育模式變革上，一些諸如MOOC的在線教育平臺應運而生，使學生能依據自身興趣選擇學習重點，達到個性化的學習；而且使教師資源能夠充分利用，達到互通共享。課堂教學也由教師為主學生被動接受的模式，轉而出現了翻轉課堂，教師只是引導，學生主宰課堂，更好地發揮學生的能動作用。該主題旨在研究如何充分利用大數據技術，產生適應人才發展的教育模式，在基本教學中學生與教師能達到友好的交互。

第三，大數據環境下人才培養的研究。包含學習分析、人才培養、數據挖掘、教育大數據、互聯網+、教育信息化6個高頻關鍵詞。大數據時代下，人才培養不再是一味地給予更多知識的灌溉，而是教師或學校當局在學生學習過程中萃取學習信息，通過數據挖掘和分析對其學習歷程加以評估，進而對其學習方法或環境加以優化，從而達到有針對性和高效的學習。該主題旨在研究教育信息化對高校人才培養的啟示與作用，從而使教學成果有質的提升。

第四，大數據在高校思想建設及日常工作中應用的研究。包括大數據時代、創新、思想政治教育、大學生、高校、檔案管理、互聯網思維、數據分析8個高頻關鍵詞。創新意識培養與思想政治教育是每個大學都必不可少要開展的基礎思想建設。大數據逐漸成熟的背景下，基礎思想教育有了新的契機，通過學生在學校學習生活產生的龐大數據，總結大學生群體性特征，實現整體行為的一個預警。學生多元化發展，使個性化培養成為大勢所趨。檔案管理是每個高校日常最基本的工作。大數據時代下，檔案作為數據的一個載體，也具有大數據的海量信息，價值密度低、處理速度要求高的特點，使其日常的維護與利用將面臨著更大的挑戰。該主題旨在研究在大數據普及之下，高校的基礎工作（思想建設、日常工作）如何改變其傳統方式，適應現代信息化的需求。

五、我國高校教育大數據研究趨勢分析

可視化軟件CiteSpace中的Timezone view（時序圖）是從時間維度出發展示學科或領域的知識演變過程，在此筆者以關鍵詞為分析對象，探究我國高校教育大數據的發展趨勢。通過CiteSpace聚類關鍵詞得到關鍵詞共現網絡后，根據關鍵詞最初出現的時間，進行Timezone view分析，得到關鍵詞的時序圖譜（見圖4），由此能直觀地反映出我國高校教育大數據的研究趨勢。結果表明我國高校教育大數據的發展大致可分為兩階段：第一階段是初期成形階段（2012-2013年），大數據開始應用于學習分析、高校圖書館；第二階段是快速發展階段（2014-2016年），大數據主要涉及高校思想政治教育。[7]

圖4 我國高校教育大數據研究關鍵詞時序圖譜

雖然2013年開始大數據已應用于高校教育領域，但2014年開始才在研究的深度上有所擴展。由于大數據的快速滲透與發展，高校教育大數據由初期階段進入快速發展階段成為必然結果。研究表明，初期成形階段注重大數據在高校教育理論方面的應用，而快速發展階段則側重將大數據應用于高校教育的實踐方面，從而體現了我國高校教育大數據研究從理論到實踐的發展趨勢。

Bursts（突變詞）是具有短期內很大變化特征的變量值，該突變信息可用來反映更深層變化，由此探究領域的前沿與趨勢，如圖5所示。[8]結果表明，“科學數據”、“數據”、“學習分析”、“教育數據挖掘”和“云計算”均為 2012-2013年期間的突變詞，其中學習分析的突變指數為3.5109，明顯大于其他突變詞，說明學習分析是未來最可能發展的一個新興前沿方向。2014-2016年期間，只出現“翻轉課堂”這一個突變詞，說明這一時期因為快速發展，新的研究方向還未成形，仍舊是研究初期階段的主題。大多數突變關鍵詞均出現在2013年以前，即初期成形階段，說明初期階段的關鍵詞在領域研究過渡的過程中起著關鍵性的作用。同時，學習分析的突變指數最為突出，并且最早出現在2012年，說明學習分析是最早將大數據應用于高校教育領域的主題之一。

圖5 高校教育大數據關鍵詞突現率（跨年度：1年）

一個領域的科研核心競爭力在于不同科研機構是否能發揮其各自的最大優勢，懂得適當合作，人才互通，方能達到雙贏之效。對高校教育大數據的研究，從初期至今也有不少科研機構涌現。為了發掘不同時期主要科研機構的變遷與它們之間的合作情況，本文以機構（institution）為節點類型進行聚類，得到科研機構的分布及之間合作的關系，再進行Timezone view分析，最終得到高校教育大數據研究的機構合作圖譜（見圖6）與時序圖譜（見圖 7）。

圖6 高校教育大數據研究機構的合作圖譜

圖7 高校教育大數據研究機構的時序圖譜

在圖6中，節點大小表示論文產出數量多少，節點之間的連線用來表示機構之間的合作，標簽字號大小表示中心性程度高低，字號越大中心性越強。[9]機構合作圖譜中節點101個，連線 20條，網絡整體密度顯示為0.004，說明我國教育大數據研究機構分布零散，不同機構之間學術研究合作較少，尚未形成具有凝聚力的科研群體。從圖7中可發現，這些機構發表相關文章大多集中于2014-2016年，即快速發展階段。華東師范大學和江蘇師范大學在初期階段開始高校教育大數據的研究，東北師范大學和北京師范大學等于2014年成為第二批加入研究的機構，西南大學和武漢大學參與研究始于2015年。其中，高校教育大數據處于初期成形階段時，武漢大學雖然尚未發表相關文章，但在其成為熱點時，載文量驟增，迅速成為引領該領域的龍頭機構。由此可見，我國對大數據在高校教育領域的研究，其發展態勢不是逐步向前，而是在興起后以爆發式狀態呈現。在2014-2016年多數高產機構在這個時間段展開了教育大數據的相關研究。[7]

六、研究結論與思考

1.研究結論

本文通過幾種不同分析工具對教育大數據領域相關文獻進行了多層次多角度的分析，最終可以簡潔概括為以下幾點結論：

第一，我國高校教育大數據領域資源文獻呈現逐年階梯式增長。從大數據萌芽到如今野蠻生長，其發展過程只用了短短5年。各類科研機構、載文期刊紛紛緊隨時代步伐，從不同角度出發對大數據在高校教育領域的應用展開研究，推動教育領域的全面革新。國家、教育部、省市、院校以及其他社會組織機構也不斷加大對其扶持力度，教育大數據未來前景可觀。

第二，我國高校教育大數據的研究熱點主要集中在高校公共領域建設（如高校圖書館）、教學模式變革（如MOOC之類的在線教學、翻轉課堂之類的課堂模式）、人才培養過程（如學生的學習分析）、思想建設工作（如政治思想教育、創新思維培養）以及日常工作處理（如檔案管理）這些方面。雖然研究涉及高校建設主體的各方面，但在未來的研究發展中，仍需更加深入與契合實際。

第三，我國高校教育大數據的研究趨勢主要分為兩個階段。初期成形時，主要研究大數據在學習分析與高校圖書館中的應用；快速發展時，研究重心轉移至大數據在高校思想政治教育中的作用。整體表現為從關注高校硬件發展方面回歸到思想教育的軟件方面。另外，相較初期成形時，快速發展時期新的研究主題明顯偏少，說明這一時期文獻產出與研究成果只是量上面的猛增，并未上升到質的飛躍。因此在未來的研究發展中，應在其研究的廣度上加以擴大，著眼新的方向，而不是舊的主題上的重復。

2.研究思考

大數據掀起的變革浪潮，已席卷了社會的各個領域，高校教育已全面進入大數據時代。雖然目前大數據在高校教育領域的研究，已然達到一定的高度，但未來發展趨勢仍不可小覷。在此，筆者通過以上分析，認為教育大數據的未來有以下方面需要去關注與思考：

（1）數據采集

大數據技術和方法飛速發展的今天，全樣本性是當前科學研究的一個顯著特點，并且研究越來越關心效率、考慮因果關系以及相關的復雜性等。[10]教育大數據以海量的數據為依托，以便探索可靠有價值的規律。然而現今數據采集技術有限、覆蓋面狹窄等原因，使教育數據的采集不全面，大數據在教育領域多元化的擴展與應用受到了限制。隨著大數據的信息時代來臨，高校紛紛推出校園一卡通，包含了餐飲消費、醫療就診、圖書借閱、選課記錄等數據，但其涵蓋的數據有限，共享數據模式尚未形成，難以與學習者自身的體質數據、生活數據等其他相關數據整合，形成數據鏈式分析。因此在今后的研究中，研究者更應該關注數據的來源采集而不是單純理論上的如何使用，這樣從源頭上提高數據的質量，才能更好地挖掘其蘊涵的價值。

（2）領域專業性進一步加強

對教育大數據的研究與分析需要建立在科學的數學模型基礎上進行。然而，現今的構建模型階段，顯得專業性不足。一方面，權威的專業人士的匱乏，難以將教育大數據的研究成果應用于教育領域。另一方面，數據分析處理技術的不充分應用，使大數據給教育領域帶來的機遇并沒有完全得到利用。教育大數據，是統計與教育兩大領域的綜合，這種跨學科的研究就更需要不同領域不同科研組織人才互通、資源共享，而不是孤立地、停留在自己擅長的領域去做研究。教育大數據未來的發展無疑離不開學科、機構之間的合作，只有這樣才能更具全面性、權威性。[2]

（3）隱私保護有待完善

教育大數據的主體包括教育者和受教育者，他們的隱私保護至關重要。應當在完善法律的前提下，明確規定公開數據與隱私數據的界限。今后的研究者應當在確保教育大數據來源的可靠性、數據的合法性等的前提下，再開展教育大數據的研究。[2]

綜上所述，教育大數據雖已進入黃金時期，但其發展仍有待進一步深化與鞏固。在今后的研究中，研究者應從表面理論深入到技術實施層面，應拓寬現有研究范圍，不斷挖掘新的研究方向，使大數據在教育領域能實現更深層次的影響與作用。

[1]邢蓓蓓,楊現民,李勤生.教育大數據的來源與采集技術[J].現代教育技術,2016(8):14-21.

[2]孫洪濤,鄭勤華.教育大數據的核心技術、應用現狀與發展趨勢[J].遠程教育雜志,2016(5):41-49.

[3]陳善敏.我國圖書情報領域特色資源論文研究態勢——基于文獻計量和多元統計[J]情報科學,2017(8):170-176.

[4]相東升.17種圖書情報學期刊基金資助論文統計分析[J].情報雜志,2006(1):143-144.

[5]劉啟元,葉鷹.文獻題錄信息挖掘技術方法及其軟件SATI的實現——以中外圖書情報學為例[J].信息資源管理學報,2012(1):50-58.

[6]崔曉鸞,趙可云.大數據在教育領域的研究熱點及發展趨勢——基于共詞分析的可視化研究[J].現代遠距離教育,2016(4):79-85.

[7]王娟,陳世超,王林麗,楊現民.基于 CiteSpace的教育大數據研究熱點與趨勢分析 [J].現代教育技術,2016(2):5-13.

[8]陳超美.CiteSpace中的 Burst Detection[EB/OL].http://blog.sciencenet.cn/blog-496649-566289.html.

[9]張子石,吳濤,金義富.基于 CiteSpace的網絡學習知識圖譜分析[J].中國電化教育,2015(8):77-84.

[10]宣小紅,薛莉,熊志剛等.教育學研究的熱點與重點——對2013年度人大復印報刊資料《教育學》轉載論文的分析與展望[J].教育研究,2015(2):29-42.