基于知識圖譜的網絡學習評價研究綜述

王川芳 姚苗苗

摘 要：隨著互聯網的普及，網絡學習受到了廣大學習者親睞，如何評價網絡學習效果則成為目前研究者關注的焦點。以CSSCI數據庫收錄的271篇文獻作為數據來源，運用BICOMB與SPSS軟件對網絡學習評價的發展現狀、熱點問題及發展趨勢等進行聚類分析，以期為未來研究提供參考。

關鍵詞：網絡學習；在線學習；學習評價；知識圖譜

DOI：10. 11907/rjdk. 182400

中圖分類號：TP3-0 文獻標識碼：A 文章編號：1672-7800（2019）005-0009-04

Abstract：With the rapid popularization of Internet of Things and intelligent environment， online learning has been favored by the majority of learners. How to learn the benefits or effects of online learning has become the focus of current scholars. This paper takes 271 literatures included in CSSCI database as data sources， uses BICOMB and SPSS software， analyzes the development trend of network learning evaluation through high-frequency institutions， authors， keyword frequency statistics， clustering and multidimensional scale analysis， etc. so as to provide useful references for future research.

Key Words： network learning； online learning； learning evaluation； knowledge map

0 引言

互聯網的普及，推動了教育與學習方式的轉變，使網絡學習成為目前的主流學習方式之一。為進一步提升網絡學習質量，需要對網絡學習效果進行評價。因此，本文運用BICOMB與SPSS軟件，通過關鍵詞詞頻統計、聚類與多維尺度分析等方式對網絡學習評價發展現狀及趨勢等進行研究。

1 研究方法與工具

1.1 數據來源

本研究主要以CSSCI作為數據庫來源，以“在線學習評價”、“網絡學習評價”為檢索詞，搜索時間不限。共檢索到271篇期刊文獻，作為該研究的分析樣本。為了保證數據的權威性，將關鍵詞“在線學習”替換為“網絡學習”，將“混合式學習”替換為“混合學習”，將“MOOCs”替換為“MOOC”。

1.2 研究方法與工具

本研究將詞頻分析法、多維尺度分析法等方法相結合，主要研究工具為BICOMB詞頻分析和SPSS統計軟件等工具，從而對網絡學習評價發展現狀、熱點問題及發展趨勢等進行聚類分析。

2 研究結果與分析

2.1 高產機構分析

為揭示我國網絡學習評價的核心機構，本文對樣本文獻產出機構進行統計，選擇發文量排名前10的高產機構，如圖1所示。

從圖1中可以看出，排名前五的機構是網絡學習評價研究的主要機構。通過對比發現，除北京師范大學遠程教育研究中心外，其它9所研究機構的發文量相差不大。

2.2 核心作者分析

本文采用BICOMB軟件對文獻中的第一作者進行統計，統計結果如表1所示。

從表1中可以看出，牟智佳、黃越嶺、鄭勤華等是網絡學習評價研究的核心學者。其中發文量最多的為牟智佳[1-2]，其主要專注于教育大數據背景下的智能測評、電子書包環境下的個性化學習分析與學習評價等方面研究。

2.3 高頻關鍵詞分析

關鍵詞可傳遞一篇文章的核心內容信息。為了精準計算出高頻關鍵詞，根據普賴斯定律，其計算公式為：M=0.749×[Nmax]（其中M為高頻閾值，[Nmax]表示區間關鍵詞被引頻次最高值）[3]。

統計結果顯示：關鍵詞最高值為82，通過公式計算得到M=6.7。因此，確定頻次在7以上的23個關鍵詞為高頻關鍵詞，具體如表2所示。

2.4 關鍵詞聚類分析

關鍵詞聚類是指通過BICOMB軟件將高頻關鍵詞生成詞篇聚類，并將生成的數據導入SPSS軟件中進行聚類分析，生成的知識圖譜如圖2所示。

聚類1：學習分析、個性化學習、在線學習行為3個關鍵詞。學習分析的出現促進了個性化學習的發展。毛剛等[4]以學習分析技術為核心，建立了以學習過程、自我評價、同伴互評為主體的網絡學習評價模型；牟智佳[5]對個性化學習進行詳細分析，提出基于數據支持的肖像模型個性化學習實施方案；馮曉英等[6]探索在線學習行為與在線認知水平之間的關系，構建在線認知水平評價的學習分析模型。由此可見，網絡學習評價既要注重教學質量評價，又要注重學習質量評價。學習有了技術支撐，可對學生學習過程進行記錄并挖掘其行為數據，使評價更具有操作性。

聚類2：評價模型、評價體系兩個關鍵詞。針對如何高效實現網絡學習評價，諸多學者進行了大量研究。盧宇等[7]提出一種采用改進LMBP算法設計的在線評價模型；惠兆陽等[8]運用模糊綜合評價法，根據大學英語網絡自主學習特點及學習者特征，構建了大學英語網絡學習的量化與非量化評價指標體系，并設計了網絡學習評價模型；唐文秀等[9]從學習態度、學習過程和學習效果3方面構建面向混合學習的五維評價模型；文獻[10]借鑒已有成果建立新的評價指標體系，并基于學習過程數據挖掘對某課程進行自動評分。通過對文獻的綜述，發現在線學習評價研究主要集中于基于學習分析的在線認知水平評價模型、綜合評價參考模型、網絡學習評價模型、學習結果預測框架以及在線學習測評綜合建模方法等方面[11]。

聚類3：MOOC、網絡學習評價、網絡課程、網絡學習、自主學習、混合學習、學習評價、遠程教育等8個關鍵詞。MOOC近年來發展迅速，其教學質量也成為學者們的關注焦點[12]。有學者提出MOOC教育質量評估流程至少應包含4個階段：評估準備、評估實施、評估分析、評估結項[13]。學習評價指標作為教學質量評價的核心，從資源、課程團隊、學習用戶、環境4個方面構建了MOOC傳播效果評價指標體系[14]。在線課程作為對傳統課堂的補充，主要從媒體技術、學習資源、學習活動、學習支持和聯通度5個維度對其進行評價[15]。

聚類4：形成性評價、網絡環境、學習活動、網絡教學、評價5個關鍵詞。

評價是對學習過程與結果的價值判斷。研究樣本中所涉及的在線課程評價方法主要包括專家評價法、層次分析法、正交試驗法、模糊綜合評價法、網絡計量學方法及社會網絡分析法等[16]。研究中還發現一系列新的評價方法和工具，如學習契約、量規、檔案袋、績效評價、學生自評、小組互評、教師評價等。該在線學習考評機制除注重總結性評價外，也能更多地關注過程性評價。由此可見，網絡環境下的學習評價不應僅是基于結果的評價，還應對學習過程、學習效果及學習態度等進行全面評價。

聚類5：網絡教育1個關鍵詞。隨著互聯網+的逐漸普及，網絡教育由于具有可隨時隨地學習等優勢受到了人們歡迎。網絡教育目標應從關注學習者“學會”到關注“會學”，學習者不僅是簡單地接受知識，而是能自主探究學習內容，達到深度學習的目的[17]。為了提升網絡教育質量，可構建“內部控制+外部控制”共同作用的“網絡教育質量全域控制系統”[18-19]。針對網絡教育質量評價，也有部分學者進行了研究，如黃越嶺等[20]在情境學習理論基礎上，深入探討了網絡學習情境性評價內容與策略。可見，網絡教育質量評價需要貫穿學習全過程，是提升網絡教學質量的一種有效手段。

2.5 研究趨勢分析

圖3為戰略坐標圖，用來表現網絡學習評價發展趨勢。圖中圓圈表示關鍵詞位置，圓圈越近說明關系越近，反之則關系越遠。其中，學習分析、個性化學習、在線學習行為（領域1）位于第三象限，處于邊緣位置，說明其發展尚不夠成熟；評價體系和評價模型（領域2）目前研究較多，但其在實踐中的應用仍然較少，應當加大實踐力度，用實踐結果證明模型、體系的合理性；MOOC等（領域3）橫跨4個象限，其研究范圍較廣，但關鍵詞之間比較松散，說明其需要在深度上進行拓展；形成性評價、網絡環境、學習活動、網絡教學、評價（領域4）是當前研究熱點；網絡教育（領域5）位于第四象限，說明對該領域研究較少。綜上，在橫向維度，學習評價主要針對評價體系、評價模型以及在線學習行為特征分析等方面進行理論探討；在縱向維度，研究者們已開始關注在線學習質量、網絡課程、網絡學習等方面的實踐探索情況。

3 研究結論

從人才培養方面來看，隨著“互聯網+教育”的逐漸普及，針對在線學習的研究也越來越多，相關領域發文量逐年上升，網絡學習評價已引起研究者廣泛關注。但從文獻分析可以看出，國內研究人員的學術研究能力與合作能力尚有待提升。因此，教育部門需要加大力度資助該領域相關課題，以培養更高層次的學術隊伍。

從評價體系與評價模型方面來看，在線學習評價領域內容從理論研究到實踐應用，也是一個逐步發展的過程。根據不同理論，學者們構建出不同的模型與體系，但各體系和模型尚缺乏統一標準。另外，模型構建需要應用于實證研究，應鼓勵學者積極參與實踐，避免發生理論與實踐脫節的現象。

從對學習分析的應用方面來看，目前國內平臺雖然將學習分析融入到學習評價中，但由于收集的過程性數據不完整、對數據分析不夠深入等原因，導致在線課程無法真正實現形成性評價。因此，對學習者的評價需要構建綜合評價模型，通過多元化的評價數據對教師進行有效的教學干預。

從在線學習評價方面來看，以MOOC為代表的大規模網絡課程的出現，為眾多學習者提供了優質服務。目前針對在線課程的評價方式有兩種：機器評價與同伴互評。但機器評價僅限于客觀題，而學生評價也存在評價效率低下的問題。因此，需積極采用多樣化的方法解決評價問題，培養學生的批判與反思能力。

4 結語

本文將詞頻分析法、多維尺度分析法等方法相結合，采用BICOMB與SPSS等可視化工具對網絡學習評價的發展現狀、熱點問題及發展趨勢等進行聚類分析。雖然當前網絡學習評價尚未形成統一標準，但其為精準教學、個性化學習提供了契機。隨著教育信息化2.0時代的到來，網絡學習評價將為教育信息化發展提供強大推動力。

參考文獻：

[1] 牟智佳，俞顯. 教育大數據背景下智能測評研究的現實審視與發展趨向[J]. 中國遠程教育，2018（5）：55-62.

[2] 牟智佳. 電子書包中基于教育大數據的個性化學習評價模型與系統設計[J]. 遠程教育雜志，2014，32（5）：90-96.

[3] 王佑鎂，伍海燕. 中國高教研究領域高頻被引論文的學術特征分析[J]. 中國高教研究，2012（1）：33-37.

[4] 毛剛，劉清堂. 融入學習分析的網絡學習評價模型與應用研究[J]. 遠程教育雜志，2016，34（6）：20-27.

[5] 牟智佳. 學習者數據肖像支撐下的個性化學習路徑破解——學習計算的價值賦予[J]. 遠程教育雜志，2016，34（6）：11-19.

[6] 馮曉英，鄭勤華，陳鵬宇. 學習分析視角下在線認知水平的評價模型研究[J]. 遠程教育雜志，2016，34（6）：39-45.

[7] 盧宇，陳錦瑩，謝靜，等. 基于LMBP算法的在線學習評價模式研究[J]. 中國遠程教育，2016（3）：28-32，80.

[8] 惠兆陽，梁玉，梅樹美. 基于模糊理論的大學英語網絡學習評價模型設計[J]. 中國遠程教育，2012（2）：21-25.

[9] 唐文秀，石晉陽，陳剛. 混合學習五維評價模型的構建與應用——以“現代教育技術”公共課程為例[J]. 現代教育技術，2016，26（8）：89-95.

[10] 魏順平. 在線學習自動評價模式構建與應用研究[J]. 中國遠程教育，2015（3）：38-45，79.

[11] 畢磊，朱祖林，郭允建，等. 我國遠程教育研究2016年度進展報告[J]. 遠程教育雜志，2017，35（5）：15-26.

[12] 王瑩超. MOOC平臺用戶滿意度評估模型研究[D]. 武漢：武漢大學，2017.

[13] 劉路，劉志民，羅英姿. 歐洲MOOC教育質量評價方法及啟示[J]. 開放教育研究，2015，21（5）：57-65.

[14] 馬瑞， 吳曉璇， 孫倩君， 等. MOOC傳播效果評價指標體系構建研究[J]. 現代教育技術， 2015， 25（6）：71-77.

[15] 孫洪濤，鄭勤華，陳耀華，等. 基于學習分析的在線學習測評建模與應用——課程綜合評價參考模型研究[J]. 電化教育研究，2016，37（11）：25-31.

[16] 李運福，楊曉宏，周效章. 我國在線課程評價研究熱點可視化分析與啟示[J]. 中國遠程教育，2018（7）：70-78.

[17] 李寶敏，祝智庭. 從關注結果的“學會”，走向關注過程的“會學”——網絡學習者在線學習力測評與發展對策研究[J]. 開放教育研究，2017，23（4）：92-100.

[18] 鄭勤華，時芝平，許洋. 網絡教育學生感知服務質量的影響因素研究[J]. 中國遠程教育，2013（12）：47-51，96.

[19] 曹中一，王紅霞，朱穎. 論網絡教育質量全域管理：戰略擇定與系統構建[J]. 中南大學學報：社會科學版，2015，21（4）：269-276.

[20] 黃越嶺，朱德全. 情境學習理論視閾下的網絡學習評價：體系與策略[J]. 中國電化教育，2015（2）：29-33.

（責任編輯：黃 健）