在線學習行為研究熱點探析

[摘 要]為了解在線學習行為的研究熱點，文章利用CiteSpace軟件對中國知網2002—2022年在線學習行為相關的310篇文獻進行可視化分析，研究發現：在線學習行為相關研究整體呈上升趨勢，可分為初步探索期、快速發展期和平穩發展期;發文作者形成團隊合作的較少、研究機構以師范類高等院校為主;研究熱點主要集中在在線學習研究、學習效果研究、行為分析研究和大數據研究等幾個方面。

[關鍵詞]在線學習;學習行為;CiteSpace;可視化分析

[中圖分類號]G434 [文獻標識碼]A [文章編號]1008-7656（2023）01-0011-06

CiteSpace軟件通過共現分析功能提取施引文獻的關鍵詞來呈現某一領域的研究熱點。在CiteSpace軟件中選擇“keyword”為節點得到“共現”網絡圖譜。圖譜的Q值為0.663 3，S值為0.606 3，說明該圖譜的結構顯著（Q值大于0.3），聚類結果是合理的（S值大于0.5）[2]2-3。聚類分析結果表明，“在線學習”“學習效果”“學習行為”“學習分析”“學習行為分析”“教育大數據”和“數據挖掘”是在線學習行為研究的熱點。

通過分析CiteSpace軟件自動生成的關鍵詞聚類圖譜以及聚類中包含的文獻內容，可以將研究熱點主要劃分為四類：一是在線學習研究;二是學習效果研究;三是行為分析研究;四是大數據研究。

1.在線學習研究

這部分研究包含的聚類是“在線學習”，涉及的關鍵詞有“在線學習”“學習表現”“學習行為”“關聯主義”“人工智能教育”“學習投入”“應用研究”等。

隨著信息技術時代的到來，人們逐漸使用互聯網進行辦公、學習與娛樂，加上“互聯網+教育”的發展，大學生成為利用互聯網平臺進行學習的主要群體。目前，在線學習研究主要集中在關注學習者在線學習的行為特點、學習效果及其影響因素，關注在線學習平臺的教育資源配置、個性化服務機制、交互設計等方面。孫月亞通過調查發現，在線學習者在線學習行為特征主要存在重開端、重考核、輕視頻、輕反思的現象[3]。劉繁華等通過建立面向在線學習的學習投入分析模型并運用于實際，有效地評價學習者的在線學習投入[4]。該研究表明，學習者在線學習的情感投入和社交投入逐漸提升，但是仍然存在淺層的認知投入和無效的行為投入等情況。影響學習者在線學習的因素有很多，例如學習者自身的認知情況、學習參與度、課程資源的豐富度等。為提升學習者的學習參與度和學習熱情，沈欣憶等設計了“認可作業”“同伴推薦”“提出問題”等策略支持學生在討論區開展討論，深化學習者的知識學習[5]。隨著互聯網、大數據、5G等技術的發展，在線學習將會是學習者在今后較長的一段時間內學習的主要形式，這也成為研究人員關注的重點內容。

2.學習效果研究

這部分研究包含的聚類是“學習效果”，涉及的關鍵詞有“學習效果”“在線課程”“在線學習視頻”“彈題反饋”“過程挖掘”“學習動機”“MOOCs”“干預”等。

隨著在線學習人數的逐漸增加，如何提高在線學習者的在線學習效果成為了研究者關注的重要問題。經研讀文獻發現，研究者認為學習效果主要包括學習者的課程分數、對教學資源的滿意度等，并且大多數研究者通過實驗研究的方式開展學習效果的研究。已有研究發現，學習者的在線學習行為對學習效果存在重要影響。宗陽等將學習成績表征為學習效果，認為在線學習者提交的作業測試成績是預測學習效果的關鍵指標[6]。韓曉玲等發現學習視頻的彈題反饋內容越精細、對學習者學習行為的控制程度越高，那么學習者的網絡學習自我效能感和內、外部學習動機就越高，學習滿意度也越高，而且會有效增加學習者的關聯認知負荷，從而提升學習效果[7]。總的來說，在線學習效果的研究受到了學者們的廣泛關注，大多數研究人員能夠從不同角度分析學習者不同學習行為與學習效果之間的關系。因此，明確影響在線學習效果的因素，尋找提高學習效果的方法，為今后更好地開展在線學習提供良好的對策、方法，打下堅實的學習基礎。

3.行為分析研究

這部分研究包含的聚類有“學習行為”“學習分析”“學習行為分析”，涉及的關鍵詞有“學習行為”“學習分析”“學習行為分析”“學習科學”“腦科學”“實證研究”“大數據”“元認知”“優化模型”等。

“學習分析”意為測量、收集、分析和報告關于學習者及其學習情境的數據，以便了解和優化學生和學習發生的情境[8]。通過文獻分析得知，研究者在“學習分析”這部分的發文量較多，大多數研究者使用畫像分析技術，分析教師的教學行為和學習者的學習行為，通過建立學習分析模型，分析在線學習者的學習過程，掌握學習者的行為軌跡和知識掌握程度，從而提供精準化的教學服務，促進教師的教和學生的學。余明華等借助數據可視化技術呈現面向學生的個人畫像和面向教師的學習群體畫像，精準地呈現學生的能力特征和行為表現，教師能夠以此提供精準化的干預和指導，學習者也能夠有針對性地調整學習行為[9]。姜強等從數據與環境（what）、關益者（who）、方法（how）和目標（why）這四個維度構建個性化自適應在線學習分析模型，根據對學習者學習行為與知識掌握的數據分析，了解學習者的成長軌跡，推送適當的學習資源，提供個性化服務[10]。還有的研究者從實驗出發，結合學習者的認知以及學習過程，分析其學習行為。總的來說，研究者通過分析學習者的在線學習行為，可以及時掌握學習者的學習情況，提供精準的教學服務，從而提高學習者的學習效率。

4.大數據研究

這部分研究包含的聚類有“教育大數據”“數據挖掘”，涉及的關鍵詞有“教育大數據”“數據挖掘”“精準支持服務”“學習績效評估模型”“可視化分析”“服務機制”“個性化學習”“互動版塊”“智能學習系統”等。

大數據時代，教育大數據不斷積累，如何利用這些數據，使之轉化成需要的信息與知識，并為教學決策、學習優化服務，已經成為教育工作者以及學習者關注的內容[11]。李士平等運用數據挖掘與學習分析技術構建學習支持設計模型，通過實證分析，驗證并實現了精準教學視角下數據驅動的學習支持[12]。研究表明，數據驅動下的學習支持能夠影響學習者學習決策，進而提升學習者認知水平、學習成績與流暢度，在學習效果與學習能力方面均有促進作用。謝暉等融合動態的學習行為數據和靜態的學習能力數據，構建了“行為—能力”雙模態智能評價模型，并運用在實際課程教學當中，智能評價學生的學習行為，豐富了學習評價的形式，推動了在線學習的深入發展[13]。研究者在該領域的大數據研究主要集中在使用數據挖掘技術，分析學習者的學習行為數據，為研究者進行學習分析研究打下基礎，以便更好地促進教師精準教學和學習者個性化學習。

四、研究結論

本研究借助CiteSpace分析工具，對國內在線學習行為相關的310篇文獻進行可視化分析，梳理了在線學習行為的研究熱點，得出了以下結論。

一是從發文數量和發文時間來看，在線學習行為研究相關文獻的發文趨勢可分為三個階段：初步探索期（2002—2012年）、快速發展期（2013—2018年）、平穩發展期（2019年至今）。

二是從發文作者和研究機構來看，在線學習行為研究領域的研究人員之間的交流合作不夠緊密，研究者個人和團隊相互之間缺少合作交流;研究在線學習行為的機構主要集中在高等院校，缺少來自其他機構的研究，各地區的研究人員應該相互協作、交流，共同促進在線學習行為研究的發展。

三是從文獻關鍵詞來看，在線學習行為的研究熱點主要有“在線學習研究”“學習效果研究”“行為分析研究”和“大數據研究”等。第一，在線學習研究方面，主要關注學習者在線學習的行為特點、學習效果及其影響因素，以及在線學習平臺的教育資源配置、個性化服務機制、交互設計等方面。第二，在學習效果研究方面，研究者主要通過建立研究模型、分析影響學習者在線學習效果的因素，尋找提高學習效果的方法，為今后更好地開展在線學習提供良好的對策、方法，打下堅實的學習基礎。第三，在行為分析研究方面，研究者通過分析海量的在線學習行為數據，以期及時掌握學習者的學習情況，提供精準的教學服務，從而提高學習者的學習效率。第四，在大數據研究方面，研究者利用數據挖掘技術，分析學習者在平臺后端呈現的在線學習數據，提出供教師實施精準化教學的服務機制和供學生個性化學習的引導性策略。

五、結語

本研究通過CiteSpace軟件對在線學習行為研究文獻成果進行可視化分析，以掌握在線學習行為的研究熱點，希望能夠為在線學習行為后續研究提供參考與借鑒。

[參考文獻]

[1]CHEN C.Cite Spacell：Detecting and Visualizing Emerging Trends and Transient Patterns in Scientific Literature[J].Journal of the American Society for Information Science and Technology， 2006（3） ：359-377.

[2]李杰，陳超美.CiteSpace科技文本挖掘及可視化[M].北京：首都經濟貿易大學出版社， 2016.

[3]孫月亞.開放大學遠程學習者在線學習行為的特征分析[J].中國電化教育，2015（8）：64-71.

[4]劉繁華，易錫添.在線學習投入的分析模型構建及應用研究[J].電化教育研究，2021（9）：69-75.

[5]沈欣憶，胡雯璟，Daniel Hickey.提升在線學習參與度和學習效果的策略探究及有效性分析[J].中國電化教育，2015（2）：21-28.

[6]宗陽，孫洪濤，張亨國，等.MOOCs學習行為與學習效果的邏輯回歸分析[J].中國遠程教育，2016（5）：14-22+79.

[7]韓曉玲，孫博文，李逢慶.在線學習視頻彈題反饋對學習效果的影響研究[J].遠程教育雜志，2020（6）：62-72.

[8]尚俊杰，王鈺茹，何奕霖.探索學習的奧秘：我國近五年學習科學實證研究[J].華東師范大學學報（教育科學版），2020（9）：162-178.

[9]余明華，張治，祝智庭.基于可視化學習分析的研究性學習學生畫像構建研究[J].中國電化教育，2020（12）：36-43.

[10]姜強，趙蔚，王朋嬌，等.基于大數據的個性化自適應在線學習分析模型及實現[J].中國電化教育，2015（1）：85-92.

[11]魏順平.學習分析技術：挖掘大數據時代下教育數據的價值[J].現代教育技術，2013（2）：5-11.

[12]李士平，趙蔚，劉紅霞.數據驅動下的學習支持設計與實踐[J].電化教育研究，2018（3）：103-108+114.

[13]謝暉，羅艷霞，沈曉敏，等.虛擬仿真課程的“行為-能力”雙模態智能評價——以“現代工科微生物學仿真實驗”課程為例[J].現代教育技術，2020（10）：105-111.

[作者簡介]姚淑梅，南寧師范大學計算機與信息工程學院在讀碩士研究生，研究方向：在線教育教學;林雯，南寧師范大學計算機與信息工程學院教授，碩士生導師，研究方向：信息化教學設計、混合式教學等;蘇秋燕，南寧師范大學計算機與信息工程學院在讀碩士研究生，研究方向：信息化教學設計;馮思怡，南寧師范大學計算機與信息工程學院在讀碩士研究生，研究方向：信息化教學設計。

[責任編輯 李培福]