互聯(lián)網(wǎng)在線學習行為研究的熱點及趨勢

薛艷肖 徐潤森 侯開宇

摘? ?要：近年來，在線教育得到了快速發(fā)展并逐步普及，尤其是在COVID-19爆發(fā)期間，在線教育是目前教學的基本模式。由于線上學習和線下學習有很大的差異性，研究在線學習行為對探索在線教學規(guī)律有重要意義，對在線學習行為相關(guān)領(lǐng)域的研究也逐漸成為了國內(nèi)學者研究的熱點。文章運用文獻知識圖譜方法，以CNKI中CSSCI期刊以及WOS中的SCI期刊文獻作為研究對象，運用CiteSpace5.6R可視化知識圖譜工具對在線學習行為的研究進行分析，追蹤本領(lǐng)域的研究過程、研究熱點變化趨勢，為在線學習行為的進一步深入研究提供方向參考。

關(guān)鍵詞：在線學習;學習行為;知識圖譜;熱點分析;互聯(lián)網(wǎng)

中圖分類號：G31 文獻標志碼：A 文章編號：1673-8454（2021）07-0014-06

一、引言

近年來，隨著MOOC（慕課）等開放在線課程平臺的推動，國內(nèi)在線學習已日益普及。尤其是在COVID-19疫情爆發(fā)期間，教育部提出“停課不停學”的號召，鼓勵各類學校利用各類互聯(lián)網(wǎng)平臺在線教學，在線學習已成為目前的一個主要學習途徑。在線學習有其自身的優(yōu)勢，也有其不足，對在線學習的規(guī)律認識不夠，在線學習的效果還難以得到普遍的認同。在線學習的行為和傳統(tǒng)線下的學習行為有很大的差異性，需要深入研究學生的在線學習行為，這將為深入理解在線教學規(guī)律提供有效的支持。相比較而言，國外學者從多個維度對在線學習行為進行了探究;[1-3]國內(nèi)深入研究則起步較晚，2013年MOOC線上學習平臺啟動后才開始對在線學習平臺進行實證分析研究，這方面的研究主要聚焦于統(tǒng)計層面的研究，對學習者個體的學習效果以及學習行為的關(guān)注不夠。為了準確把握在線學習行為分析領(lǐng)域的研究熱點以及未來發(fā)展趨勢，本文以CNKI數(shù)據(jù)庫CSSCI來源期刊以及SCI數(shù)據(jù)庫中的文獻作為對象，采用CiteSpace知識圖譜可視化工具對在線學習行為文獻進行分析，挖掘在線學習行為的熱點以及未來趨勢，為該領(lǐng)域進一步的深入研究提供方向和參考建議。

二、數(shù)據(jù)來源及研究方法

1.數(shù)據(jù)來源

考慮到期刊質(zhì)量以及數(shù)量，為了更好地反映研究內(nèi)容的發(fā)展過程，故而采用CNKI數(shù)據(jù)庫CSSCI來源期刊和WOS的SCI核心數(shù)據(jù)庫作為檢索源，檢索跨度為2010—2020年，在CNKI數(shù)據(jù)庫CSSCI來源期刊中以“學習行為”作為主題詞進行檢索，文獻精煉后，得到文獻534篇。在WOS的SCI核心數(shù)據(jù)庫中以“online learning behavior”“online learning activity”進行檢索，精煉后得到文獻871篇。

對知網(wǎng)收集到的有效文獻，按發(fā)文時間統(tǒng)計（見圖1），國內(nèi)關(guān)于學習行為分析研究的文獻量呈波動性上升趨勢。按發(fā)文期刊來源統(tǒng)計，534篇文獻來源于20個期刊，電化教育研究占比55.29%，其次是外語界和圖書情報工作，這3個期刊共占比69%。按學科分布，主要涉及教育理論與教育管理、計算機軟件及計算機應(yīng)用、高等教育等學科，如圖2所示。

2.研究方法

通過從不同的文獻中提取出的關(guān)鍵詞，能夠有效展示學科領(lǐng)域的熱點內(nèi)容和主題分布，本文通過對檢索的知網(wǎng)534篇有效文獻和SCI的871篇文獻進行關(guān)鍵詞共現(xiàn)、國內(nèi)外研究的聚類分析對比，從而揭示學習行為研究的現(xiàn)狀、熱點和演進趨勢。

三、在線學習行為研究熱點網(wǎng)絡(luò)圖譜

1.關(guān)鍵詞共現(xiàn)分析

關(guān)鍵詞共現(xiàn)分析，可以呈現(xiàn)學科知識的結(jié)構(gòu)、規(guī)律和分布情況，形成研究領(lǐng)域的“知識圖譜”。[4]其中，詞頻表示關(guān)鍵詞出現(xiàn)的頻率，反映出研究歷程中的熱點。中介中心性是在兩個節(jié)點之間最短路徑次數(shù)，一個節(jié)點充當中介的次數(shù)越多，它的中介中心度就越大，代表的是該領(lǐng)域在這段時期內(nèi)的研究熱點。[4]本文運用CiteSpace，通過對收集到的CSSCI和SCI來源期刊文獻進行關(guān)鍵詞挖掘，以關(guān)鍵詞出現(xiàn)的頻率排序，形成在線學習行為研究的關(guān)鍵詞詞頻表，如表1、表2所示。

結(jié)合關(guān)鍵詞詞頻內(nèi)容，對于在線學習行為的研究，國內(nèi)研究的重點主要圍繞“在線學習”“混合學習”等學習方式展開，研究聚焦于在線學習行為、學習分析，關(guān)注在線學習行為的影響因素以及學習行為和學習績效的關(guān)系，定量的研究方法中主要是描述性數(shù)據(jù)分析、結(jié)構(gòu)方程等。國外研究的重點從社會媒體、學習交互、課程設(shè)計等角度，關(guān)注“學習行為”“學習模型”“系統(tǒng)”“學習表現(xiàn)”等，研究方法更多地應(yīng)用了數(shù)據(jù)挖掘、機器學習等方法。從中介中心性來看，中心度應(yīng)不小于0.05，小于0.05的關(guān)鍵詞沒有很好的代表性。如表1、表2所示，“在線學習”“學習行為”“學習分析”“慕課”在整個可視化網(wǎng)絡(luò)中具有顯著的地位和影響力，是整個中心詞網(wǎng)絡(luò)中的重要樞紐，對在線學習行為分析領(lǐng)域發(fā)揮了重要的作用。從在線學習領(lǐng)域來看，國內(nèi)起步較晚，而國外領(lǐng)域的研究起步早，涉及領(lǐng)域廣泛，具有完善的“學習系統(tǒng)”，能夠通過數(shù)據(jù)進行“學習行為預測分析”。特別是近年來，在線學習行為分析在醫(yī)學教學領(lǐng)域得到廣泛關(guān)注。[5]

2.聚類分析

CiteSpace依據(jù)網(wǎng)絡(luò)結(jié)構(gòu)和聚類的清晰度，提供了模塊值（簡稱Q值）和平均輪廓值（簡稱S值） 兩個指標，可以作為我們評判圖譜繪制效果的依據(jù)。[4]在CSSCI的聚類網(wǎng)絡(luò)中，模塊Q值為0.6806>0.3，表明聚類劃分結(jié)構(gòu)顯著;平均輪廓值S>0.5，表明聚類效果合理。size即聚類的大小反映聚類中關(guān)鍵詞量。從學習行為研究領(lǐng)域的高頻關(guān)鍵詞、共現(xiàn)聚類的大小和輪廓值，選取國內(nèi)外研究的主要熱點前5類聚類進行分析，如表3、表4所示。

從聚類的結(jié)果上看，在線學習行為的研究中，通過質(zhì)性研究的方法，國內(nèi)的研究早期主要聚焦于學習行為本身，涉及對個體學習行為、團體學習行為的特征，學習行為的模型，學習組織和對學習績效的影響等。隨后的研究更多采用了實證研究的方法，主要分析學習行為的影響因素、學習行為和學習績效的關(guān)系、學習交互對在線學習績效的影響等。隨著在線學習平臺的完善，平臺中積累了大量的學習記錄，從2017年起，大數(shù)據(jù)分析在在線學習行為的研究中占有重要位置，通過大數(shù)據(jù)和人工智能相結(jié)合的方法，研究個性化的學習、學習者特征、通過學習行為分析來反饋學習的預期績效等。

國外的在線學習行為早期主要關(guān)注于高等教育領(lǐng)域，重點研究在網(wǎng)絡(luò)環(huán)境下的學生學習參與、在線課堂教學技術(shù)對學習行為的影響等。醫(yī)學領(lǐng)域廣泛地開展了在線教學，在線學習研究主要關(guān)注網(wǎng)絡(luò)交互學習環(huán)境中護理、醫(yī)藥等學科方向的學生學習行為。隨著研究的深入，更多地關(guān)注了社會媒體情境下的在線學習行為特征，研究了基于互聯(lián)網(wǎng)的社會媒體、社交平臺的在線學習行為和交流方式的改變對學習行為的影響。網(wǎng)絡(luò)溝通對在線學習行為有深刻的影響，這方面得到了很多研究者的關(guān)注，重點研究了信息的驅(qū)動作用、學習型社區(qū)形成的機制、網(wǎng)絡(luò)媒體溝通在學習行為中的作用、MOOC平臺中的學習行為等。隨著平臺學習者的數(shù)據(jù)積累，大家廣泛地采用大數(shù)據(jù)和機器學習的方法研究在線學習行為。

四、在線學習行為研究熱點分析

1.在線學習行為研究

學習行為是在學習者個體自身因素的基礎(chǔ)上，在學習環(huán)境因素作用下，通過生活經(jīng)驗和學習獲得的行為，是后天獲得的經(jīng)驗性行為。不同的學習者，即使在相同的環(huán)境下，學習的效果也不相同。不同環(huán)境下，同一個學習者，學習效果也可能不同。線下學習行為的研究雖然已取得了豐富的成果，但在線學習和線下學習有顯著的差異性，線下的學習是教與學在同一個時間和空間中發(fā)生的，在線學習改變了這種時空的同步性，在線學習行為必然帶來很大的改變，通過對學習者在線學習行為進行分析，研究學習者的個體學習特征，有助于從學習者在線學習行為的角度，發(fā)現(xiàn)有效的在線學習行為和改善在線學習行為的影響因素，從而采取合適的措施，提升在線學習效果。夏小娜等[6]通過對用戶學習行為進行跟蹤，剖析學習興趣，構(gòu)建學習新模型。伍法提等[7]基于有效學習行為的指標和特征等方面進行總結(jié)，對學習者的在線學習進行分析和評估。隨著在線學習的發(fā)展，這方面的研究將進一步受到重視。

2.在線學習平臺研究

2012年MOOC首次在美國獲得廣泛的推廣后，2013年進入國內(nèi)。國內(nèi)學者關(guān)注的主要是在線學習平臺中學習行為的有效性，2015年MOOC教學模式研究成為熱點。眾多研究者從線上線下的結(jié)合、交互式學習、對學生進行適應(yīng)性研究等多角度探索在線學習行為。其中主要是對在線平臺本身作用進行探究。菅保霞等[8]分析了不同思維類型學習者的學習行為序列，解讀其轉(zhuǎn)化路徑，為在線學習平臺設(shè)計、路徑和資源推薦、深度學習引導提供參考，并推動在線學習的進一步發(fā)展;彭娟等[9]基于機器學習的方法對在線學習行為進行評價。這些研究將會推動在線學習平臺進一步完善。

3.基于大數(shù)據(jù)分析的在線學習行為研究

互聯(lián)網(wǎng)學習平臺容易實現(xiàn)學生學習日志的記錄，為在線學習行為的研究提供了豐富的數(shù)據(jù)，大數(shù)據(jù)分析已成為在線學習研究的重要方法。結(jié)合人工智能中的機器學習技術(shù)，運用大數(shù)據(jù)對學習者的個性化學習、學習者特征、學習行為模式等進行分析，有助于挖掘分析出影響學習行為的因素，發(fā)掘有效的學習行為模式，從而采取有效措施，進行平臺功能改進，通過激勵與約束等功能的提供，改善學習者的學習行為，提高學習效果。張進良等[10]挖掘?qū)W生學習行為數(shù)據(jù)，針對具體情境采取合理的學習行為優(yōu)化措施，提升了學習的效果，強化了學習互動。利用機器學習技術(shù)和大數(shù)據(jù)分析方法研究學生在線學習行為，有助于改善在線學習質(zhì)量。

4.在線學習行為與學習績效的關(guān)系

分析在線學習行為對學習績效的作用，通過學習行為對學習績效進行預測方面的研究，也是在線學習行為研究的一個重要內(nèi)容，通過學習投入、學習行為分析等對學生學習績效進行預測，從而改進在線學習行為模式，制定在線學習績效評價體系，使在線學習評價更全面合理，有助于促進學習行為的改善。石娟等[11]研究了在線學習績效內(nèi)容體系的構(gòu)建。胡小勇等[12]研究了學習者特性、學習投入等學習行為與學習績效的關(guān)系。這些研究將進一步推動在線學習的發(fā)展。

通過聚類分析的結(jié)果并結(jié)合具體相關(guān)文獻的分析，得出在線學習的研究熱點主要是圍繞在線學習行為進行的，如何運用大數(shù)據(jù)對學習行為進行挖掘、怎樣利用研究和挖掘的結(jié)果提高在線學習績效，這些將會得到更多的研究者關(guān)注。

五、在線學習行為研究趨勢分析

利用CiteSpace自帶的可視化圖譜Timezone view的方式，將同一聚類的詞組放置于同一時間軸上，可以觀察到不同時期內(nèi)國內(nèi)外的研究重點以及趨勢，通過Burst detection，可以觀察到研究熱點趨勢開始以及結(jié)束。從研究時間線看，如圖3、圖4所示，在線學習行為的研究爆發(fā)于在2012年到2015年，從2015年開始，MOOC（慕課）學習成為了國內(nèi)在線學習行為領(lǐng)域的研究熱點。國內(nèi)學者都致力于將在線學習以及線下學習的方式進行有效的結(jié)合，關(guān)注在線課堂在中國國內(nèi)的實踐運用以及適用性的研究;在“互聯(lián)網(wǎng)+”技術(shù)以及大數(shù)據(jù)的大規(guī)模應(yīng)用下，從2017年開始，學習分析、個性化學習、大數(shù)據(jù)學習和人工智能等研究方法的采用開始成為國內(nèi)研究熱點?；谟脩魧W習傾向和可持續(xù)性學習保障，以及學習者模型畫像、學習體驗、大數(shù)據(jù)學習行為分析等內(nèi)容，將持續(xù)成為在線學習行為研究的熱點。

國外的在線學習行為研究中，如圖5、圖6所示，較早地開始了對在線學習行為的影響因素分析及通過數(shù)據(jù)進行在線學習行為的實證分析。研究主要集中于在線學習策略、適用性、合作學習、教學策略、教學問題等方面，注重學習環(huán)境和學習支持的作用。2017年開始，通過大數(shù)據(jù)結(jié)合統(tǒng)計學習、深度學習等機器學習方法，對在線學習進行用戶分類、學習行為分類、學習預測，以及從醫(yī)學心理學視角進一步開展在線學習行為研究。

六、結(jié)論

隨著互聯(lián)網(wǎng)、云計算等技術(shù)的高速發(fā)展，由于在線學習平臺學習成本低和連接能力強，使全球優(yōu)質(zhì)教育資源的建設(shè)與共享成為可能。同時終身學習已形成廣泛的共識，時間的碎片化使人們的學習方式有了顯著的改變，這些又推動在線學習平臺的影響力不斷加強、規(guī)模不斷擴大。鑒于在線教育帶來的時空隔離性、帶來在線學習行為與線下學習行為的顯著差異性，需要進一步深入研究在線學習行為，才能有效改善在線教育質(zhì)量。通過CiteSpace對該領(lǐng)域的研究文獻進行描述性統(tǒng)計分析和聚類分析，在此基礎(chǔ)上探究在線學習行為研究過程，通過可視化圖譜的直觀表現(xiàn)，再現(xiàn)“在線學習行為分析”研究的趨勢，可以得出如下結(jié)論。

（1）在線學習已成為一種重要的學習方式。從研究論文上可以看出在線學習的發(fā)展，在線學習的研究論文量增長迅速，從總體上已細分成眾多研究領(lǐng)域。其中在線學習行為研究也得到了眾多研究者的關(guān)注，2012年MOOC的發(fā)展與推動，使研究者廣泛關(guān)注互聯(lián)網(wǎng)在線學習行為這一領(lǐng)域，從著眼于在線學習影響因素轉(zhuǎn)變?yōu)殛P(guān)注個性學習者的學習行為上。從2015年開始國內(nèi)以在線學習、學習行為、智慧學習、大數(shù)據(jù)學習、教育數(shù)字化等為代表的研究網(wǎng)絡(luò)正在逐步形成，國外學者在2012年開始就進行了實證研究，并在2017年開始，隨著機器學習尤其是深度學習等技術(shù)的發(fā)展，更多地采用了大數(shù)據(jù)分析方法對學習者的個人行為進行探究。

（2）在線學習行為研究已逐步深入?，F(xiàn)階段國內(nèi)科研學者對在線學習行為的關(guān)注點主要是通過對學習者行為影響因素的探究，來建立合理的預測模型與預警模型，通過反饋提升在線學習效果。國外的研究從在線學習行為模型逐步深入到社會媒體、網(wǎng)絡(luò)溝通、媒體交互等對在線學習行為的影響，信息對在線學習行為的驅(qū)動作用，社交網(wǎng)絡(luò)平臺的作用，學習型社區(qū)形成的機制等。目前國內(nèi)學習行為的改善方法以及構(gòu)建有效學習行為模型的合理機制研究較少，研究成果還沒有能夠被有效檢驗，目前的互聯(lián)網(wǎng)學習平臺的功能還存在這方面的不足，因而在線學習效果還有待進一步提升。在線學習能夠方便地跟蹤每個學習者學習記錄，國外的在線學習研究更多地開始關(guān)注對學習者個性化服務(wù)方面，通過對學習者在線學習行為的分析進行個性化的學習推薦、反饋并提供相關(guān)服務(wù)。研究普適化的有效學習行為模式和個性化的學習服務(wù)將成為重要的研究趨勢。

（3）機器學習方法和大數(shù)據(jù)結(jié)合將成為重要的研究手段。在進一步的研究方向上，主要體現(xiàn)在智慧學習以及學習行為的大數(shù)據(jù)分析方面，具體表現(xiàn)在學生的畫像、學習平臺的自適應(yīng)優(yōu)化、通過數(shù)據(jù)分析學習者的興趣及意愿、學習服務(wù)的個性化、通過學習測量引導在線學習行為方式的改變等。學習行為理論的研究、機器學習技術(shù)的使用、學習大數(shù)據(jù)的分析，將逐步提高互聯(lián)網(wǎng)學習平臺的效用和學習者持續(xù)的在線學習意愿，將有效地推動智慧學習的發(fā)展。

參考文獻：

[1]Petty，T.，&Farinde，A.Inverstigating student engagement in an online nathematics course through windows into leaching and learning[J].Journal of Online Learning and Teaching，2013，9（2）：261-270.

[2]Guo，W.，Chen，Y.，Lei，J.，& Wen，Y.The effects of facilitating feedback on online discussion[J].Education Sciences，2014（4）：193-208.

[3]Lonsdale，Chris. An internet-supported school physical activity intervention in low socioeconomic status communities： results from the activity and motivation in physical education（amped） cluster randomised controlled trial. BRITISH JOURNAL OF SPORTS MEDICINE DOI 10.1136/bjsports-2017-097904.

[4]曹晶，張沛黎，周亞麗.基于CiteSpaceⅢ的國外中亞研究分析[J].農(nóng)業(yè)圖書情報學刊，2018，30（9）：19-26.

[5]汪文新，江舜杰，陳美林，趙宇，余悅.基于CiteSpace近15年來我國醫(yī)患關(guān)系領(lǐng)域研究熱點探討[J].中國衛(wèi)生事業(yè)管理，2018（5）：340-342.

[6]夏小娜，戚萬學.興趣驅(qū)動的用戶借閱行為分析及啟發(fā)式借閱流程模型構(gòu)建[J].圖書館理論與實踐，2020（1）：57-64.

[7]武法提，田浩.挖掘有意義學習行為特征：學習結(jié)果預測框架[J].開放教育研究，2019（6）：75-82.

[8]菅保霞，姜強，趙蔚.基于全腦模型的在線學習者學習行為序列分析[J].現(xiàn)代教育技術(shù)，2020，30（1）：107-113.

[9]彭娟，李紅杰.基于機器學習的在線學習行為評價研究[J].計算機產(chǎn)品與流通，2019（4）：136.

[10]張進良，魏立鵬，劉斌.智能化環(huán)境中基于學習分析的學習行為優(yōu)化研究[J].遠程教育雜志，2020，38（2）：69-79.

[11]石娟，黃潔.基于問題的Web-CKB的學習績效內(nèi)容體系的構(gòu)建[J].現(xiàn)代教育技術(shù)，2011（4）：84-87.

[12]胡小勇，徐歡云，陳澤璇.學習者信息素養(yǎng)、在線學習投入及學習績效關(guān)系的實證研究[J].中國電化教育，2020（3）：77-84.

（編輯：王天鵬）