MOOCs話語的主題分布與演化發(fā)展

張婧婧 楊業(yè)宏

【摘 要】??? 作為具有影響力的社交媒體之一，微博已然成為社會科學(xué)研究中數(shù)據(jù)來源的重要渠道。本研究在新浪微博上提取轉(zhuǎn)發(fā)與評論量較高的用戶作為具有影響力的公眾，基于他們之間的轉(zhuǎn)發(fā)關(guān)系進行社會網(wǎng)絡(luò)分析發(fā)現(xiàn)，在過去八年中影響中國MOOCs話語導(dǎo)向與發(fā)展的機構(gòu)、名師、名人圈已經(jīng)形成，表現(xiàn)為互助互惠的話語關(guān)系，他們對中國MOOCs的話語導(dǎo)向與發(fā)展具有集團效應(yīng)，并未局限于明星效應(yīng)。采用數(shù)據(jù)挖掘方法對發(fā)帖文本進行主題聚類與演化建模發(fā)現(xiàn)，從2012年至2019年對MOOCs關(guān)注的熱度沒有減退，但在2015年前后MOOCs話語中的主題發(fā)生了顯著變化。在MOOCs發(fā)展的初期，在主流話語體系中尚且存在學(xué)習(xí)微觀層面上草根學(xué)習(xí)者與同伴互助的聲音，但是在2015年后考試類、技術(shù)類的MOOCs和與市場需求相匹配的MOOCs逐漸在微博的主流話語體系中占據(jù)重要席位。這或許意味著公眾的期望正在從MOOCs對高等教育“顛覆性變革”轉(zhuǎn)變?yōu)橐月殬I(yè)教育或是教育培訓(xùn)為主的MOOCs建設(shè)中來，并從賦予學(xué)習(xí)者開放與靈活的學(xué)習(xí)機會逐漸轉(zhuǎn)變成為學(xué)習(xí)者提供獲取學(xué)分與證書的教育途徑。

【關(guān)鍵詞】? MOOCs; 微博;數(shù)據(jù)挖掘;社會網(wǎng)絡(luò)分析;主題聚類;主題演化;概念網(wǎng)絡(luò);社交媒體

【中圖分類號】? ?G420? ? ? ? ?【文獻標(biāo)識碼】? A? ? ? ?【文章編號】? 1009-458x（2021）9-0059-10

一、引言

在我國，在線教育正在經(jīng)歷一個重要的時期。以大規(guī)模開放在線課程（Massive Open Online Courses，MOOCs）為代表的在線教育興起，使得由數(shù)據(jù)驅(qū)動的學(xué)習(xí)分析與基于教育數(shù)據(jù)挖掘的戰(zhàn)略研究成為可能。MOOCs對“互聯(lián)網(wǎng)+”時代最重要的貢獻表現(xiàn)為其“破壞性創(chuàng)新”引發(fā)了公眾對在線教育的熱議，并開始轉(zhuǎn)變?yōu)椤俺掷m(xù)性創(chuàng)新”（梅西爾， 等， 2019）。有關(guān)MOOCs的討論在學(xué)術(shù)文章、會議宣講、傳統(tǒng)報紙以及網(wǎng)絡(luò)社交媒體（如博客與推特）上廣為傳播，Coursera、edX、Udacity與學(xué)堂在線企業(yè)的崛起更是引發(fā)了大眾媒體對MOOCs的關(guān)注。拋開各方陣營對MOOCs教與學(xué)的爭議，MOOCs自身所積聚的聚光燈超越了人類歷史上任何一項教育創(chuàng)新。

公眾對MOOCs的熱議往往超過了實際學(xué)習(xí)者在學(xué)習(xí)參與中的討論。社交媒體上除了留下MOOCs學(xué)習(xí)者的學(xué)習(xí)數(shù)據(jù)外，大量公眾對MOOCs的回應(yīng)，機構(gòu)為推動MOOCs的發(fā)展與吸引更多學(xué)習(xí)者參與所發(fā)布的信息也保留了下來。這些公眾圍繞MOOCs方方面面留下的數(shù)據(jù)往往多于草根學(xué)習(xí)者的學(xué)習(xí)數(shù)據(jù)。事實上，MOOCs并不是全新教學(xué)法的代言人，也不是教育公平的助推手，它所扮演的最重要的角色恰恰似一根導(dǎo)火索引發(fā)了“互聯(lián)網(wǎng)+”時代公眾對高等教育展開最為激烈、緊迫的討論。討論數(shù)量之多、范圍之廣和議題變化之快，以及討論所產(chǎn)生的大量文本數(shù)據(jù)和參與討論的公眾留下的數(shù)字足跡，都在一定程度上成為“互聯(lián)網(wǎng)+”時代教育數(shù)據(jù)的一部分，對這些數(shù)據(jù)進行充分挖掘，可以從社交媒體視角認識MOOCs的過去，并預(yù)測未來的發(fā)展走向。

鑒于此，本研究選取新浪微博作為案例，采集2012年1月1日至2019年12月31日246，991名微博用戶共發(fā)布的394，827條包含關(guān)鍵詞“慕課”或“MOOC”的帖子，由于MOOCs討論中參與者身份呈現(xiàn)多元特征，文本數(shù)據(jù)不夠純凈，討論話題或是雜亂或是主題過于泛化。本研究提取部分轉(zhuǎn)發(fā)與評論量較高的用戶作為具有影響力的公眾，基于他們之間的轉(zhuǎn)發(fā)關(guān)系進行社會網(wǎng)絡(luò)分析發(fā)現(xiàn)過去八年中對MOOCs話語導(dǎo)向具有影響力的人物與機構(gòu)特征，以及他們之間形成了怎樣的關(guān)系來推動中國MOOCs的話語發(fā)展。同時，對影響力較高用戶的發(fā)帖文本進行主題聚類與演化建模來探究過去八年間公眾圍繞MOOCs展開討論的行為規(guī)律與熱議主題變化趨勢，幫助我們更好地理解與預(yù)測MOOCs未來的發(fā)展走向——MOOCs將在多大程度上以何種形式與傳統(tǒng)高等教育對話。

二、MOOCs與微博

利用微博數(shù)據(jù)動態(tài)分析預(yù)測某事件的發(fā)展趨勢已被大量政治學(xué)、經(jīng)濟學(xué)和醫(yī)學(xué)領(lǐng)域的研究者采用。博倫等（Bollen， Mao， & Zeng， 2011）就曾通過分析微博數(shù)據(jù)來預(yù)測股票市場;薩季科夫等（Sadikov， Medina， Leskovec， & Garcia-Molina， 2011）則通過對微博帖子的分析來預(yù)測傳染病的傳播;威廉姆斯等（Williams， Terras， & Warwick， 2013）和齊默爾等（Zimmer & Proferes， 2014）對使用微博數(shù)據(jù)開展數(shù)據(jù)挖掘的研究做了詳盡分析，強調(diào)微博作為社會科學(xué)研究中數(shù)據(jù)來源的重要性和必要性。

在教育學(xué)研究中，通常采用案例研究方法探討微博作為一種支持教學(xué)交互工具的利弊。如一項關(guān)于微博在MOOCs中應(yīng)用價值的研究就是從微博作為討論平臺的視角開展的案例研究（Treeck & Ebner， 2013）。還有研究者以某門MOOCs課程為例，發(fā)現(xiàn)社交媒體工具能夠促進學(xué)習(xí)者非正式但更密切的交流（Joksimovi ， et al.， 2015）。通過對比MOOCs論壇和社交媒體中的學(xué)習(xí)小組，一些研究者指出使用社交媒體進行學(xué)習(xí)交流的學(xué)習(xí)者表現(xiàn)出更高的參與度與保有率（Zheng， Han， Rosson， & Carroll， 2016）。博茲庫爾特等（Bozkurt， et al.， 2016）運用社會網(wǎng)絡(luò)分析（SNA）和內(nèi)容分析方法探究了某門MOOCs課程中學(xué)習(xí)者在微博中的交互情況，發(fā)現(xiàn)開放在線的環(huán)境有利于學(xué)習(xí)社區(qū)的建立。國內(nèi)也有研究者發(fā)現(xiàn)，“微博點名”這種趣味活動有利于促進學(xué)習(xí)者的在線學(xué)習(xí)交互，進而推動在線學(xué)習(xí)社區(qū)的建設(shè)（王寰， 等， 2014）。

除了以一門或幾門課程為例研究微博在MOOCs中的應(yīng)用之外，還有一些研究廣泛收集了社交媒體平臺中和MOOC相關(guān)的帖子及其討論。通過收集和MOOCs學(xué)習(xí)相關(guān)的微博帖子，一些研究者分析了MOOCs相關(guān)討論用戶發(fā)帖的時間規(guī)律和情感特征（Zhang， et al.， 2015; Shen & Kuo， 2015）;陳等（Chen， Davis， Lin， Hauff， & Houben， 2016）對比分析了五個社交平臺能夠識別MOOCs學(xué)習(xí)者的概率，并指出不同特征的學(xué)習(xí)者傾向于選擇不同類型的MOOCs課程;還有研究（Veletsianos， 2017）對參與MOOC話題的用戶進行了角色分類，分析了不同角色用戶的話題參與情況。有關(guān)微博與MOOCs的研究，無論從話題的深度與廣度還是研究設(shè)計上來講差異性較大，具體可見對MOOCs和微博的系統(tǒng)文獻綜述（如：Costello， et al.， 2018）。可以看出，在教育學(xué)研究中，有關(guān)微博與MOOCs的研究逐年增多，研究問題與方法百花齊放，將微博作為數(shù)據(jù)來源進行數(shù)據(jù)挖掘的研究近年來開始受到重視，尚需給予足夠的支持與關(guān)注。

三、研究方法

（一）案例與數(shù)據(jù)選取

《2018微博用戶發(fā)展報告》顯示，創(chuàng)辦于2007年的新浪微博作為國內(nèi)微博的代表，到2018年底月活躍用戶增至4.62億，日活躍用戶增至2億，日均文字發(fā)布量1.3億用戶（新浪微博數(shù)據(jù)中心， 2018）。用戶利用微博平臺發(fā)表言論，產(chǎn)生大量豐富的文本數(shù)據(jù)。這些文本數(shù)據(jù)不同于訪談和問卷數(shù)據(jù)，更加真實地反映了普通公眾對社會某一事件或問題的看法，使得對這些在線數(shù)據(jù)進行挖掘具有重要的意義。

本研究使用selenium 自動化驅(qū)動瀏覽器模擬人工瀏覽網(wǎng)頁的方法，以天為單位，以“MOOC”或“慕課”為關(guān)鍵詞進行爬蟲抓取。出現(xiàn)第一條含有MOOC關(guān)鍵詞的微博帖子為2010年9月26日，2010年僅有7條微博帖子，2011年有60位用戶發(fā)布了76條帖子，但與MOOCs話題的相關(guān)度不高。本研究選取2012年1月1日至2019年12月31日246，991名用戶發(fā)布的394，827微博帖子作為MOOCs話語的原始數(shù)據(jù)。在新浪微博平臺上，公眾的行為主要包括發(fā)帖、轉(zhuǎn)發(fā)、評論等，在宏觀上表現(xiàn)為發(fā)帖量、轉(zhuǎn)發(fā)量、評論量、發(fā)帖或轉(zhuǎn)發(fā)時間等定量數(shù)據(jù)與發(fā)帖文本等定性數(shù)據(jù)。

在MOOCs的討論中參與者身份多樣，話語呈現(xiàn)不同的規(guī)范與特征。對于主題提取而言，微博平臺的MOOCs文本數(shù)據(jù)并不如MOOCs學(xué)習(xí)平臺的數(shù)據(jù)純凈。研究進行了大量的前期主題挖掘工作，如LDA模型和共現(xiàn)主題網(wǎng)絡(luò)分析，所獲取的話語主題或是雜亂無章，或是主題過于泛化。同時對關(guān)鍵詞進行人工篩選，也在一定程度上限制了不同類型人群的語言特點。因此，對主題的挖掘與關(guān)鍵人物的選取，本研究選取部分被轉(zhuǎn)發(fā)量和被評論量較高的用戶作為具有影響力的用戶，并對他們的帖子進行主題提取。盡管這些用戶并不能代表所有參與發(fā)帖的用戶，但是因為他們的帖子受到較多的轉(zhuǎn)發(fā)與評論，可以認為在很大程度上對MOOCs的話語產(chǎn)生了較大的影響。

如圖1轉(zhuǎn)發(fā)量和評論量直方圖所示，大部分帖子的轉(zhuǎn)發(fā)量和評論量位于較低水平（圖中去掉了轉(zhuǎn)發(fā)量小于3或評論量小于3的帖子），選取轉(zhuǎn)發(fā)量50為閾值，選取評論量10為閾值。為對用戶的發(fā)帖數(shù)量進行一個最小限制，本研究選取發(fā)布兩條及以上轉(zhuǎn)發(fā)量或評論量大于閾值的用戶，共419名具有影響力的用戶，發(fā)布的18，432條帖子作為原始數(shù)據(jù)。同時，為探究對中國MOOCs話語導(dǎo)向與發(fā)展影響的重要人物與機構(gòu)，選取轉(zhuǎn)發(fā)量與評論量排名20以內(nèi)的用戶，共27位，根據(jù)所發(fā)10，149條帖子中1，239條帖子所包含的轉(zhuǎn)發(fā)關(guān)系，使用Gephi中的ForceAtlas2進行社會網(wǎng)絡(luò)可視化，并提取該社會網(wǎng)絡(luò)中的強連通圖進行探究。

（二）主題聚類與演化發(fā)展

在對18，432條帖子進行分析的過程中，使用了pkuseg的web分詞模型進行分詞和對名詞、動名詞提取語詞。語詞之間的關(guān)系由點互信息（pointwise mutual information，PMI）來衡量（Bouma， 2009），也就是話語中兩個語詞共同出現(xiàn)的概率與他們分別出現(xiàn)的概率比值的均衡處理。概念使用語詞為自我（ego）的個人中心網(wǎng)絡(luò)來表征其內(nèi)涵，那么概念間的關(guān)系并非個體語詞間的關(guān)系，也不是單純的語詞共現(xiàn)關(guān)系，使用Weeds和Weir（2005）提出的分布式相似度來計算。概念間的關(guān)系拓展到多概念的關(guān)系，即形成概念網(wǎng)絡(luò)（如圖3所示）。概念所處豐富的語境使得概念網(wǎng)絡(luò)形成稠密不同的結(jié)構(gòu)，需要對概念網(wǎng)絡(luò)進行稀疏化處理（Rulea， Cointet， & Bearman， 2015），從網(wǎng)絡(luò)結(jié)構(gòu)中識別核心主題，最終形成有意義的概念網(wǎng)絡(luò)。最后，使用計算復(fù)雜度較低的Louvain社區(qū)檢測算法（Blondel， Guillaume， Lambiotte， & Lefebvre， 2008）識別概念網(wǎng)絡(luò)中可能形成的主題團，以概念網(wǎng)絡(luò)的子集合來表示。

為探究MOOCs話語的發(fā)展與演化，在單位年中，主題以向量形式表示。采用巴氏相似度（Fukanaga， 1990）來衡量鄰接時間段兩兩主題團間的相似度。相似度越大表示兩大主題中不僅有較多同一的概念，而且這些概念還具有極為相似的貢獻度的分布。相似度足夠大的主題才意味著主題間具有演化的可能。采用桑基圖來可視化話語中主題的演化，橫軸為時間，不同年份上的柱狀條代表該時期的某一主題，柱條的長度表示主題中概念的多少，主題的命名由貢獻度最大的兩個概念來表示。在任意相鄰的時期，主題的演化如同水流一般動態(tài)地從左至右發(fā)生改變，可能合并或是分岔等，流動域的寬度表示前后主題間關(guān)系的強弱（如圖4所示）。

四、研究結(jié)果

（一）MOOCs話語的年度增長趨勢

從2012年至2014年，新浪微博上含“MOOC”或“慕課”關(guān)鍵詞的帖子數(shù)呈指數(shù)級增長，2014年猛增至62，162條，隨后保持在相對穩(wěn)定的數(shù)量，尤其是從2012年到2013年增長量高達約27，000條。從2014年至2019年，含“MOOC”或“慕課”關(guān)鍵詞的帖子數(shù)量長期維持在較高水平。從總體來看，這一時期所發(fā)布的帖子共有365，723條，也就是說92.6%的MOOC帖是在2013年以后發(fā)表的。

從2013年開始，用戶量增長速度明顯加快，在兩年間從“百”一級的用戶量迅速增加到“萬”一級（如表1所示）。其中單日最高人次也逐年遞增，從2013年的單日最高409人次，到2014年的790人次，2015年的868人次，2016年的979人次，2017年的1，090人次，逐漸上漲到2018年的單日最高1，426人次，2019年的998人次。從年度用戶總量上來看，從2012年至2014年用戶分別為677、19，877和42，313人，呈現(xiàn)逐年增加的趨勢，從2015年至2019年用戶分別為38，820、31，801、30，025、40，365和57，886人，之后五年雖略有浮動，但是基本保持在用戶數(shù)量較多的狀態(tài)并且呈現(xiàn)增長趨勢。

（二）MOOCs話語的轉(zhuǎn)發(fā)與評論

從2012年1月1日至2019年12月31日，在39萬多條含有“MOOC”或“慕課”關(guān)鍵詞的帖子中，有282，166（71.5%）條原始帖和112，661（28.5%）條轉(zhuǎn)發(fā)帖。我們對原始帖進行了進一步分析，發(fā)現(xiàn)在282，166條帖子中被轉(zhuǎn)發(fā)的只有30，806條，僅占10.9%。另外，轉(zhuǎn)發(fā)帖中僅有11，003條帖子（9.8%）再次被轉(zhuǎn)發(fā)。所有帖子的平均轉(zhuǎn)發(fā)頻次為3.2次。這表明，新浪微博平臺上有關(guān)MOOC的大部分帖子沒有被廣泛傳播，只是在較小范圍內(nèi)傳播。

對原始帖開展進一步的分析發(fā)現(xiàn)，在這282，166條帖子中，沒有評論的帖子共有240，490條，占總數(shù)的85.2%;沒有被轉(zhuǎn)發(fā)的帖子共有251，360條，占原始帖總數(shù)的89.1%;既沒有被評論也沒有被轉(zhuǎn)發(fā)的帖子有229，994條，占總數(shù)的81.5%。也就是說，有約23萬條的帖子在發(fā)布出去后未獲得任何人（潛水者除外）的關(guān)注。轉(zhuǎn)發(fā)帖中（112，661條）未受關(guān)注帖子的比例更高，未被評論的帖子（103，865條）占92.2%，未被轉(zhuǎn)發(fā)的（101，658條）占90.2%。這一結(jié)果與MOOCs平臺上的學(xué)習(xí)活動十分相似。盡管課程論壇中帖子的數(shù)量龐大，但是每個帖子下面都少有回復(fù)，學(xué)習(xí)者之間的交互頻率較低。可見，MOOCs中的“大規(guī)模性”還僅僅體現(xiàn)在參與者的數(shù)量之多，而在交互層面上大規(guī)模參與者還未能形成一定規(guī)模的互動。

（三）MOOCs話語中具有影響力的用戶與其社交網(wǎng)絡(luò)

為探究對中國MOOCs話語導(dǎo)向與發(fā)展影響的重要人物與機構(gòu)，選取轉(zhuǎn)發(fā)量與評論量排名20以內(nèi)的用戶與其發(fā)布的帖子進行可視化分析。如表2所示，對轉(zhuǎn)發(fā)量與評論量高的具有高影響力的用戶進行比對，mooc-mooc（果殼MOOC學(xué)院官方微博）、慕課網(wǎng)（IT技能在線實戰(zhàn)學(xué)習(xí)平臺）、中國大學(xué)MOOC等MOOCs官方用戶無論在轉(zhuǎn)發(fā)量還是評論量方面均占據(jù)靠前位置。同時，姬十三（大V，果殼網(wǎng)CEO）、北京大學(xué)李曉明（教師）、浙江大學(xué)蘇德礦（教師）、網(wǎng)路冷眼（技術(shù)分享類大V）、資源掌柜等大V和教師在有關(guān)MOOCs討論的轉(zhuǎn)發(fā)和評論互動中也具有較高影響力。此外，分別從轉(zhuǎn)發(fā)量和評論量來對比各自特有的高影響力用戶（底色為灰色的用戶），轉(zhuǎn)發(fā)量靠前的特有用戶多為大V和官方用戶，而評論量靠前的特有用戶多包含教師和普通用戶。這在一定程度上說明，教師和普通用戶在帖子轉(zhuǎn)發(fā)（話語傳播）方面較官方與大V的影響偏低，而所發(fā)的帖子對MOOCs的話題討論與交流具有一定的優(yōu)勢。

圖2為以上27名具有影響力用戶的社會網(wǎng)絡(luò)關(guān)系圖（上），為這些用戶所發(fā)的10，149條帖子中1，239條轉(zhuǎn)發(fā)帖所包含的轉(zhuǎn)發(fā)關(guān)系生成。節(jié)點越大表明該用戶被轉(zhuǎn)發(fā)的次數(shù)越多。該網(wǎng)絡(luò)圖平均度數(shù)為1.17，直徑為7，密度為0.003，說明該網(wǎng)絡(luò)圖較為稀疏，可能與網(wǎng)絡(luò)圖的社區(qū)結(jié)構(gòu)特征有較大關(guān)系。網(wǎng)絡(luò)圖的模塊化系數(shù)為0.671，形成了11個子團。如圖2（下）所示，社交網(wǎng)絡(luò)中的一個最大的強連通子團包括了在從2012年至2019年MOOCs官方、大V、教師之間所形成的相互轉(zhuǎn)發(fā)與共生關(guān)系。其中，姬十三（大V，果殼網(wǎng)CEO）、北京大學(xué)李曉明（教師）這兩位個體用戶與其他的MOOCs官方用戶（如中國大學(xué)MOOC、網(wǎng)易公開課、學(xué)堂在線）形成了緊密互惠的轉(zhuǎn)發(fā)關(guān)系，這在一定程度上映射出在從2012年至2019年機構(gòu)、名師、名人對MOOCs發(fā)展起到了推動的合力，真正影響中國MOOCs話語導(dǎo)向與發(fā)展的機構(gòu)、名師、名人圈已經(jīng)形成，而且形成了互助互惠的話語關(guān)系。

如圖2（上）所示，還有一些有影響力的用戶各自形成了以自己為中心的話語圈子，這些子群多呈現(xiàn)出星狀，而非密度較大的網(wǎng)絡(luò)結(jié)構(gòu)。一些用戶轉(zhuǎn)發(fā)他人比較多但是被較高影響力用戶轉(zhuǎn)發(fā)較少，如社交網(wǎng)絡(luò)圖中左下角的浙江大學(xué)蘇德礦。一些用戶則在轉(zhuǎn)發(fā)別人的同時也受到了很多轉(zhuǎn)發(fā)，如MOOC學(xué)院、姬十三、網(wǎng)易公開課、北京大學(xué)李曉明等。

（四）MOOCs話語的主題分布

為探究MOOCs話語的主題分布，對419名較高影響力用戶所發(fā)布的18，432條帖子構(gòu)建概念網(wǎng)絡(luò)圖。如圖3所示，MOOCs話語聚類為考試課程、名師課堂、醫(yī)療課程、聲樂課程、計算機課程、財經(jīng)課程、商業(yè)模式、網(wǎng)課代刷八大主題。其中，“商業(yè)模式”和“計算機課程”之間的聚類為“計算機課程”的子團，所以不對該團體命名。這些主題分布在一定程度上反映了英語考試、考研、財經(jīng)類、計算機類、醫(yī)療類、聲樂類、名師類MOOCs課程等比較受大眾喜愛。并且，公眾十分關(guān)注MOOC的商業(yè)發(fā)展模式。如圖3所示，引領(lǐng)每個主題討論的大多為相關(guān)領(lǐng)域的官方和大V賬號，普通用戶和學(xué)校教師雖在各個主題中略有分布但占比較少。唯一例外的話題是“名師課堂”，與該主題名稱相對應(yīng)，學(xué)校教師在這個話題上更有影響力。如慕課網(wǎng)是一個IT技能在線實戰(zhàn)學(xué)習(xí)平臺，它在微博中傾向于參與計算機課程的討論，像數(shù)據(jù)結(jié)構(gòu)、Python、Java等新課推薦;中國遠程教育雜志是《中國遠程教育》雜志社的官方賬號，主要關(guān)注教育尤其是遠程教育方面的事件和新聞，在MOOC的商業(yè)模式討論方面參與度較高;浙江大學(xué)蘇德礦是浙江大學(xué)教授，他在微積分課程里添加了唱歌說段子等元素，他的課程受到央視新聞和廣大網(wǎng)友的推廣和喜愛。同時可以發(fā)現(xiàn)，每個主題中突顯出的話語貢獻者，除mooc-mooc、慕課網(wǎng)、浙江大學(xué)蘇德礦、戴你唱歌、資源掌柜、中國大學(xué)MOOC、學(xué)堂在線、網(wǎng)路冷眼等用戶之外，大部分用戶從綜合評價上來看話語影響力排名并不靠前（如表2所示）。這說明在MOOCs話語的導(dǎo)向上，既存在重要的核心圈子引領(lǐng)全局的MOOCs話語，同時也存在聚焦MOOCs某一主題的話語引領(lǐng)者。

（五）MOOCs話語的主題演化

本研究以年為單位探究419名較高影響力用戶所發(fā)布的18，432條帖子，從2012年至2019年MOOCs話語主題的演進、分流、合并、消失和重組。如圖4所示，2012年發(fā)帖中的概念數(shù)量較少，且僅包含33條帖子。這一年的帖子大多在討論MOOC是什么，以及它即將帶來的新的可能及其顛覆性。我們也可以觀察到，2012年開始出現(xiàn)一些有關(guān)學(xué)習(xí)層面討論的主題，表明一些先行者已經(jīng)開始在北美出現(xiàn)的xMOOCs上進行學(xué)習(xí)。從2013年開始，也是國內(nèi)北京大學(xué)、清華大學(xué)等名校開始開設(shè)MOOCs（如清華大學(xué)開設(shè)“電路原理”），微博上有關(guān)MOOCs的發(fā)帖量與主題明顯更加豐富。這一年，公眾的話語主題聚焦于小組學(xué)習(xí)（“時間”和“作業(yè)”）、MOOC學(xué)分學(xué)位與商業(yè)模式（“學(xué)分”和“模式”）等，開始關(guān)注國內(nèi)名校MOOCs平臺和課程（“電路”和“學(xué)堂在線”）。可以看出，在2013年，其實也是我國MOOCs發(fā)展的初期，高影響力的用戶就已經(jīng)開始關(guān)注并推動MOOCs學(xué)分和模式的討論，但進入2014年，有關(guān)學(xué)分和MOOCs模式的話語與“時間”和“作業(yè)”一起匯入“網(wǎng)友”和“心得”，即普通網(wǎng)友分享自己通過MOOC學(xué)習(xí)獲得成功的故事。隨著2014年“網(wǎng)友”和“心得”主題團的消失，有關(guān)學(xué)分和模式的討論逐漸消退。在2013年，“電路”和“學(xué)堂在線”主題團，在2014年演變?yōu)椤罢n堂”和“教學(xué)”主題團，彰顯了這一時期對課堂教學(xué)建設(shè)的重視。同時，這一年的“新課”和“游戲”和“課堂”和“教學(xué)”兩大主題團在2015年共同匯入“教授”和“世界”主題團。結(jié)合2015年后該主題的話語變化可發(fā)現(xiàn)，國內(nèi)名校課程和世界各地的名校課程打破了傳統(tǒng)高校的圍墻，為學(xué)習(xí)者提供了更多的學(xué)習(xí)機會，更加重視圍繞一組課程的“專業(yè)”建設(shè)和能力培養(yǎng)，并關(guān)注講授的教師與課堂教學(xué)的混合式教學(xué)和翻轉(zhuǎn)課堂。

2014年出現(xiàn)更多的MOOCs新課（“新課”和“游戲”，“聯(lián)盟”和“感興趣”），這與國內(nèi)高校開始不斷參與MOOCs課程和平臺的建設(shè)有關(guān)（“電路”和“學(xué)堂在線”）。在這些新課中，大量計算機類課程已初具規(guī)模（“算法”和“程序”），直到2018年計算機類課程都一直受到較多公眾的關(guān)注，可以看到從2014年的主題團“算法”和“程序”擴展為2015年的“代碼”和“開發(fā)”，縮小至2016年的“實戰(zhàn)”和“技巧”，后穩(wěn)定發(fā)展為2017年和2018年的“實戰(zhàn)”和“項目”和2019年的“實戰(zhàn)”和“專欄”。同時，2014年出現(xiàn)了“聯(lián)盟”和“感興趣”的主題團，在微博這樣的社交媒體上更易于拉近草根學(xué)習(xí)者與名師和官方MOOCs的距離。可以看出，這些大V、名師、名人、機構(gòu)在2014年開始嘗試使用草根學(xué)習(xí)者更易接收的表達方式和更基礎(chǔ)的課程內(nèi)容來推動MOOCs的發(fā)展。

另外，2013年和2014年，在MOOCs發(fā)展的初期，主流話語體系中還有“時間”和“作業(yè)”、“網(wǎng)友”和“心得”、“感興趣”和“聯(lián)盟”這樣在學(xué)習(xí)微觀層面上有關(guān)草根學(xué)習(xí)者的學(xué)習(xí)與同伴互助的內(nèi)容，但是在2015年以后這些主題團都消失了，取而代之的是大V和官方MOOCs對不同類型的MOOCs的推廣與介紹。2015年，以“戴你唱歌”大型網(wǎng)絡(luò)聲樂慕課為代表的大眾藝術(shù)類課程受到公眾的廣泛討論和傳播。2016年，人衛(wèi)慕課的護理學(xué)類課程得到較多討論和關(guān)注，這與公眾對健康與醫(yī)療較多的科普需求具有一定關(guān)系（“疾病”和“患者”）。另外，2016年和2017年，浙江大學(xué)教授蘇德礦的微積分課程因其生動有趣得到大家的喜愛與學(xué)習(xí)。2017年、2018年和2019年，托福考試類MOOCs課程受到大眾推崇。2018年，金融證券考試類課程和考研類課程也得到了較多關(guān)注與轉(zhuǎn)發(fā)。可以看出，隨著時間的推移，考試類和技術(shù)類等與市場需求相匹配的MOOCs課程逐漸在微博的主流話語體系中占據(jù)重要席位。2019年，出現(xiàn)了代刷網(wǎng)課的主題，這映射出的是MOOCs提供了更多的學(xué)習(xí)機會為公眾所推崇，而現(xiàn)在也顯現(xiàn)出一些問題。通過網(wǎng)課學(xué)習(xí)，學(xué)生可以拿證書、掙學(xué)分的可能性在增加的同時，教育的誠信、倫理問題，乃至如何在互聯(lián)網(wǎng)時代保證教育公平的問題成為現(xiàn)階段急需重視的新問題。

五、討論與反思

（一）社會關(guān)注度高，在交互層面上大規(guī)模參與者還未能形成一定規(guī)模的互動

盡管自2013年起微博上關(guān)于MOOCs的帖子數(shù)量驟增，MOOCs受到了公眾的追捧與批判，越來越多的MOOCs學(xué)習(xí)者出現(xiàn)，在微博上分享MOOCs學(xué)習(xí)的心得體會（張婧婧， 等， 2019）。但是，這些初次體驗MOOCs的學(xué)習(xí)者的帖子卻并未受到公眾的關(guān)注，大部分帖子沒有任何人轉(zhuǎn)發(fā)或是評論。換句話說，MOOCs引起了整個社會對它的關(guān)注，但是這種關(guān)注呈現(xiàn)的形式是單一個體對MOOC事件的關(guān)注，形成了看似整個社會對MOOC事件的關(guān)注。但整個社會中的大多數(shù)單一個體間缺乏信息溝通，并未能形成有利于在教學(xué)微觀層面上交互，也并未能形成有關(guān)MOOCs討論呈良性輿論發(fā)展的社區(qū)性等特征。個體對于某一事件的關(guān)注原因很多，若在一定時間內(nèi)未能構(gòu)建良好的討論交互環(huán)境，對于很有可能只是突然的興趣或好奇心促使對MOOCs關(guān)注的個體，因為沒有能夠得到正確的引導(dǎo)，隨著時間的推移興趣與好奇心必然隨著新鮮事物的出現(xiàn)而發(fā)生轉(zhuǎn)移。類似地，那些出于興趣或者好奇心而參加MOOCs的學(xué)習(xí)者，隨著興趣的消失，極有可能放棄課程學(xué)習(xí)，成為廣大MOOCs輟學(xué)者大軍的一員。之前很多研究中也曾談到這種現(xiàn)象，如吉拉尼和艾農(nóng)（Gillani & Eynon， 2014）的一項研究表明大部分學(xué)生在在線討論平臺上開始的熱情很高，但隨時間推移參與熱度都會逐漸降低。布林頓及其同事（Brinton， et al.， 2014）也發(fā)現(xiàn)討論平臺的交互頻率隨課程的展開不斷降低。凱洛格等（Kellogg， et al.， 2014）曾采用社會網(wǎng)絡(luò)分析法探索同伴支持在MOOCs學(xué)習(xí)中的表現(xiàn)，發(fā)現(xiàn)課程學(xué)習(xí)者之間幾乎未曾建立相關(guān)社交網(wǎng)絡(luò)。而道森（Dawson， 2010）的研究則表明，在MOOCs學(xué)習(xí)中，在討論板塊中受到的關(guān)注程度越高，則在以后的討論中表現(xiàn)更為積極，取得的成績更好，越不容易輟學(xué)。王慧敏和陳麗（2019）也指出，積極參與社交媒體平臺中的互動，有利于促進學(xué)習(xí)者的認知加工和知識的生成。由此可見，如何更好地將微博作為MOOCs學(xué)習(xí)平臺之外的社交平臺來干預(yù)高輟學(xué)率，并鼓勵學(xué)生更積極地參與MOOCs學(xué)習(xí)是一個值得探討的重要問題。

（二）中國MOOCs話語的推動者形成了自我中心的集團效應(yīng)

盡管大規(guī)模草根學(xué)習(xí)者并沒有在新浪微博平臺上形成一定規(guī)模的互動，從2012年至2019年，官方機構(gòu)、名師、名人等高影響力用戶對MOOCs話語的發(fā)展起到了推動的合力，真正影響中國MOOCs話語導(dǎo)向與發(fā)展的機構(gòu)、名師、名人圈已經(jīng)形成，而且表現(xiàn)為互助互惠的話語關(guān)系，且存在富者越富的現(xiàn)象。這與我們對高等院校MOOCs話語分析所發(fā)現(xiàn)的名校、名師、優(yōu)質(zhì)資源的“光環(huán)”效應(yīng)的結(jié)論一致（Zhang， Sziegat， Perris， & Zhou， 2019）。在他們所形成的社交圈中，存在自我中心網(wǎng)絡(luò)的子群，有些尚且處于以某一個體為核心的星狀拓撲結(jié)構(gòu)，即明星效應(yīng)，這與一些新聞傳播學(xué)研究的發(fā)現(xiàn)一致（Leskovec， McGlohon， Faloutsos， Glance， & Hurst， 2007）。但應(yīng)該指出的是，在MOOCs話語推動者的集團中也出現(xiàn)了以官方MOOC、名師和名人為核心的強連通社交網(wǎng)絡(luò)結(jié)構(gòu)，這些高影響力用戶之間形成了互惠的轉(zhuǎn)發(fā)與評論關(guān)系，他們對中國MOOCs 的話語導(dǎo)向與發(fā)展具有集團效應(yīng)或是網(wǎng)絡(luò)效應(yīng)，影響力是深遠且有力的，而非僅僅是大V，或是名師，或是名人的明星效應(yīng)。

一般來講，MOOCs作為互聯(lián)網(wǎng)時代的新產(chǎn)物，往往被寄予助推教育公平的期望，因為互聯(lián)網(wǎng)社交在某種程度上可以說是一種開放、自由、平等的形態(tài)。這樣的信息傳播或是影響往往不受傳統(tǒng)組織的影響，如高校、教育主管部門等。然而，可以看到的是，MOOCs話語的助推者已經(jīng)開始形成了小規(guī)模的基于互惠關(guān)系的強連通網(wǎng)絡(luò)結(jié)構(gòu)，并非以往微博研究中發(fā)現(xiàn)的松散的關(guān)系（如：李彪， 2013）。這一發(fā)現(xiàn)具有重要意義，在MOOCs話語的導(dǎo)向發(fā)展中，可以看到是個人與社會的關(guān)系發(fā)生了一種結(jié)構(gòu)性的轉(zhuǎn)變，表現(xiàn)為名師、名人、名校的個體化趨勢，這些傳統(tǒng)組織中的具有話語權(quán)的個體借助社交媒體重構(gòu)了一種新的集體組織，為互聯(lián)網(wǎng)上的新型組織形態(tài)，與傳統(tǒng)的象牙塔圍墻、體制內(nèi)體制外無關(guān)，而是校企攜手的集團效應(yīng)，這是“互聯(lián)網(wǎng)+”時代的一種文化現(xiàn)象。同時，在未來教育新形態(tài)的發(fā)展過程中，我們應(yīng)側(cè)重建設(shè)具有互聯(lián)網(wǎng)內(nèi)涵的組織文化體系。

（三）中國MOOCs話語主題的演化受市場需求影響，未能折射出傳統(tǒng)高等教育知識體系結(jié)構(gòu)

2008年，MOOCs一詞被提出（Downes & Siemens， 2008）。2011年，斯坦福大學(xué)開放其人工智能課程，共吸引了來自190多個國家的16萬學(xué)習(xí)者，世界開始關(guān)注MOOCs（Barnes， 2013）。2012年，美國名校紛紛開設(shè)MOOCs課程，MOOCs開始席卷全球。而在中國，在作為重要的社交媒體之一的新浪微博上，2010年開始有少量的包含MOOC的帖子，但往往還不是指代大規(guī)模在線課程，而且在2010年至2012年數(shù)量極少，增長速度緩慢，到2013年才吸引了大量公眾的關(guān)注，這一現(xiàn)象與中國國內(nèi)MOOCs建設(shè)的時間點吻合。中國頂尖大學(xué)參與MOOCs課程建設(shè)在一定程度上帶動了MOOCs在中國的發(fā)展，也使得公眾更加關(guān)注這一教育浪潮對中國帶來的機遇與挑戰(zhàn)。可以看出從2012年至2019年，盡管MOOCs經(jīng)歷了對其“顛覆性變革”的吹捧到對其“變革神話”的破滅，在新浪微博平臺上對MOOCs關(guān)注的熱度并沒有減退，只是有關(guān)MOOCs的話語及其發(fā)展發(fā)生了重大的變化。2015年作為一個分水嶺，有關(guān)MOOCs的話語及其導(dǎo)向有了較大的變化。2013年和2014年，在MOOCs發(fā)展的初期，主流話語體系中還有“時間”和“作業(yè)”、“網(wǎng)友”和“心得”、“感興趣”和“聯(lián)盟”這樣在學(xué)習(xí)微觀層面上有關(guān)草根學(xué)習(xí)者的學(xué)習(xí)與同伴互助，以及對“學(xué)分”和“模式”的關(guān)注，但是在2015年以后，從顯著性指標(biāo)上來看，這些話語主題都消失了，取而代之的是大V，官方MOOCs對不同類型MOOCs課程的推廣與介紹，主要包含考試課程、名師課堂、醫(yī)療課程、聲樂課程、計算機課程和財經(jīng)課程。隨著時間的推移，考試類和技術(shù)類與市場需求相匹配的MOOCs課程逐漸在微博的主流話語體系中占據(jù)重要席位。這些課程并非傳統(tǒng)高等教育中強調(diào)的基礎(chǔ)課程或是通識課程，這類課程的傳播方式還是以知識傳播為主，以掌握式學(xué)習(xí)為指導(dǎo)，幫助學(xué)生在某一考試，或是技術(shù)、市場上有關(guān)的知識與技能，能夠過關(guān)斬將，這與現(xiàn)階段高等教育以能力為導(dǎo)向的培養(yǎng)方式相悖。這或許也是MOOCs從對高等教育“顛覆性變革”聲中逐漸走向職業(yè)教育或是培訓(xùn)市場的一個重要發(fā)展路徑。這與紀九梅等（2018）的研究結(jié)果一致，培訓(xùn)就業(yè)、就學(xué)等技能已成為慕課平臺的重點業(yè)務(wù)之一。

總體來講，從2012年至2019年MOOCs在歷史的聚光燈下實現(xiàn)了“大課程”與“小故事”（Big course and small talk）的歷史使命（Costello， et al.， 2018），但尚且未真正實現(xiàn)“大課程”“大故事”與“大社團”教育創(chuàng)新時代的開啟。未來，以MOOCs為代表的在線教育何時以正式身份與傳統(tǒng)教育對話，可能就是千年來未曾變革的傳統(tǒng)教育真正發(fā)生“顛覆性”變革的時代。

[參考文獻]

紀九梅，王宇，歐陽嘉煜，汪瓊. 2018. 慕課發(fā)展概要與未來趨勢——以Coursera、edX、學(xué)堂在線、Udacity和FutureLearn為例[J]. 中國遠程教育（9）：16-25.

李彪. 2013. 不同社會化媒體圈群結(jié)構(gòu)特征研究——以新浪姚晨微博、草根微博和人人網(wǎng)為例[J]. 新聞與傳播研究（1）：82-93，128.

梅雷亞德·尼克·朱拉·梅西爾，馬克·布朗. 2019. 慕課同心圈式發(fā)展：從高等教育破壞性創(chuàng)新向持續(xù)性創(chuàng)新模式的轉(zhuǎn)變[J]. 肖俊洪，譯. 中國遠程教育（3）：58-68，93.

王寰，張祖忻. 2014. “微博點名”促進在線學(xué)習(xí)交互研究[J]. 現(xiàn)代遠程教育研究（4）：104-112.

王慧敏，陳麗. 2019. cMOOC微信群社會網(wǎng)絡(luò)特征及其對學(xué)習(xí)者認知發(fā)展的影響[J]. 中國遠程教育（11）：15-23，92.

新浪微博數(shù)據(jù)中心. 2019. 2018微博用戶發(fā)展報告[EB/OL]. 摘自http：//data.weibo.com/report/reportDetail？id=433&sudaref=www.baidu.com& display=0&retcode=6102，2019-6-11.

張婧婧，王軒，沈靈亮，蔣麗平. 2019. 微博視角下的MOOCs學(xué)習(xí)特征：自主性、社會性、多樣性與開放性[J]. 中國遠程教育（11）：38-47.

Barnes， C. （2013）. MOOCs： The challenges for academic librarians. Australian Academic & Research Libraries， 44（3）， 163-175.

Blondel， V. D.， Guilaume， J. L.， Lambiote， R.， Lefebvre. （2008）. Fast Unfolding of Communities in Large Networks. Journal of Statistical Mechanics：Theory and Experiment，（10）.

Bollen， J.， Mao， H.， & Zeng， X. （2011）. Twitter mood predicts the stock market. Journal of computational science， 2（1）， 1-8.

Bouma， G. （2009）. Normalized （pointwise） mutual information in collocation extraction. In From Form to Meaning： Processing Texts Automatically， Proceedings of the Biennial GSCL Conference.

Bozkurt， A.， Honeychurch， S.， Caines， A.， Bali， M.， Koutropoulos， A.， & Cormier， D. （2016）. Community Tracking in a cMOOC and Nomadic Learner Behavior Identification on a Connectivist Rhizomatic Learning Network. Turkish Online Journal of Distance Education， 17（4）， 4-30.

Brinton， C. G.， Chiang， M.， Jain， S.， Lam， H.， Liu， Z.， & Wong， F. M. F. （2014）. Learning about social learning in MOOCs： From statistical analysis to generative model. IEEE transactions on Learning Technologies， 7（4）， 346-359.

Chen， G.， Davis， D.， Lin， J.， Hauff， C.， & Houben， G. J. （2016， May）. Beyond the MOOC platform： gaining insights about learners from the social web. In Proceedings of the 8th ACM Conference on Web Science （pp. 15-24）. ACM.

Costello， E.， Brown， M.， Mhichíl， M. N. G.， & Zhang， J. （2018）. Big course small talk： twitter and MOOCs—a systematic review of research designs 2011—2017. International Journal of Educational Technology in Higher Education， 15（1）， 44.

Dawson， S. （2010）. ‘Seeingthe learning community： An exploration of the development of a resource for monitoring online student networking. British Journal of Educational Technology， 41（5）， 736-752.

Downes， S.， & Siemens， G. （2008）. CCK08-The distributed course. The MOOC guide， 42.

Fukanaga， K. （1990）. Introduction to Statistical Pattern Recognition （2nd edition）. New York： Academic Press.

Gillani， N.， & Eynon， R. （2014）. Communication patterns in massively open online courses. The Internet and Higher Education， 23， 18-26.

Joksimovi ， S.， Kovanovi ， V.， Dowell， N.， Ga?evi ， D.， Graesser， A. C.， Skrypnyk， O.， & Dawson， S. （2015）. How do you connect？ Analysis of Social Capital Accumulation in Connectivist MOOCs. Proceedings of the Fifth International Conference on Learning Analytics and Knowledge （pp.64-68）， ACM.

Kellogg， S.， Booth， S.， & Oliver， K. （2014）. A social network perspective on peer supported learning in MOOCs for educators. The International Review of Research in Open and Distributed Learning， 15（5）， 263-289.

Leskovec， J.， McGlohon， M.， Faloutsos， C.， Glance， N.， & Hurst， M. （2007， April）. Patterns of cascading behavior in large blog graphs. In Proceedings of the 2007 SIAM international conference on data mining （pp. 551-556）. Society for Industrial and Applied Mathematics.

Rulea， A.， Cointet， J.， & Bearman， P. S. （2015）. Lexical shifts， substantive changes， and continuity in State of the Union discourse， 1790—2014 （pp. 10837-10844）. PNAS.

Sadikov， E.， Medina， M.， Leskovec， J.， & Garcia-Molina， H. （2011， February）. Correcting for missing data in information cascades. In Proceedings of the fourth ACM international conference on Web search and data mining （pp. 55-64）. ACM.

Shen， C. W.， & Kuo， C. J. （2015）. Learning in massive open online courses： Evidence from social media mining. Computers in Human Behavior， 51， 568-577.

Van Treeck， T.， & Ebner， M. （2013）. How useful is twitter for learning in massive communities？ An analysis of two MOOCs. Twitter & Society， 411-424.

Veletsianos， G. （2017）. Toward a generalizable understanding of Twitter and social media use across MOOCs： who participates on MOOC hashtags and in what ways？ Journal of computing in Higher Education， 29（1）， 65-80.

Weeds， J.， & Weir， D. （2005）. “Co-occurrence retrieval： A flexible framework for lexical distributional similarity”. Comput Linguist （pp. 439-475）.

Williams， S. A.， Terras， M. M.， & Warwick， C. （2013）. What do people study when they study Twitter？ Classifying Twitter related academic papers. Journal of Documentation， 69（3）， 384-410.

Zhang， J.， Perris， K.， Zheng， Q.， & Chen， L. （2015）. Public response to “the MOOC movement” in China： Examining the time series of microblogging. The International Review of Research in Open and Distributed Learning， 16（5）.

Zhang， J.， Sziegat， H.， Perris， K.， & Zhou， C. （2019）. More than access： MOOCs and changes in Chinese higher education. Learning， Media and Technology， 44（2）， 108-123.

Zheng， S.， Han， K.， Rosson， M. B.， & Carroll， J. M. （2016， April）. The role of social media in MOOCs： How to use social media to enhance student retention. In Proceedings of the Third （2016） ACM Conference on Learning@ Scale （pp. 419-428）. ACM.

Zimmer， M.， & Proferes， N. J. （2014）. A topology of Twitter research： disciplines， methods， and ethics. Aslib Journal of Information Management， 66（3）， 250-261.

收稿日期：2019-09-03

定稿日期：2020-10-28

作者簡介：張婧婧，博士，教授，博士生導(dǎo)師，北京師范大學(xué)遠程教育研究中心（100875）。

楊業(yè)宏，碩士研究生，北京師范大學(xué)教育技術(shù)學(xué)院（10875）。

責(zé)任編輯 韓世梅