教育学学科领域大数据研究热点主题可视化分析

1、    教育学学科领域大数据研究热点主题可视化分析    摘要：在大数据时代，蕴藏着海量数据的教育行业正成为大数据分析的重要应用领域。研究发现，国内教育学学科领域大数据研究呈现出逐年上升的发展态势，目前呈现出八大研究热点主题：基于教育大数据的个性化教育与学习分析、大数据时代下的人才培养模式与教育评价、基于大数据理念的教育应用与教育改革、大数据技术在高校思想政治教育中的应用创新、大数据时代实现教师专业发展的数据智慧、大数据学习分析中的数据安全保护与隐私伦理问题、电子书包中基于大数据的个性化学生分析模型、高等教育大数据分析的机遇与挑战。为促进教育学领域大数据

2、研究的深入发展，需要从教育领域的大数据基础理论、大数据技术与方法以及大数据实践应用三个层面出发，构建教育学领域大数据研究内容框架体系。关键词：教育学，大数据，研究热点，知识图谱，教育大数据伴随着大数据技术的发展，蕴藏着海量数据的教育行业正成为大数据分析的重要应用领域。教育大数据对教育领域改革与创新发展具有重要影响，其正在成为一股推动全世界教育系统变革的重要推动力。大数据在教育教学中的应用具有重要作用，大数据及其应用正逐渐辐射到教育行业。1从学科层面看，教育学科在国内人文社会科学领域大数据研究中所占的比重呈现逐年增加的态势2，这在一定程度上反映出教育学领域对教育大数据及其相关问题的探讨吸引着越来

3、越多的研究人员。为更好地推动教育大数据及其相关问题的研究，本文基于南京大学开发的中文社会科学引文索引（chinese social sciences citation index，以下简称“cssci”）对国内教育学科领域针对大数据及其相关问题的研究热点主题进行识别。一、数据来源说明cssci来源期刊具有较高的权威性3，通常，cssci来源期刊在国内各个学科领域具有相当高的学术影响力和典型代表性，是国内各学科内受认可度普遍较高的学术刊物。cssci数据也经常被用于分析学科研究热点与研究前沿主题。4-7经文献调研发现，目前已有的研究仅选择中国知网cnki数据库作为教育学学科领域大数据研究热点与趋

4、势分析的数据来源8-12，还鲜有研究者选择cssci数据库作为该研究主题分析的数据来源。同时，考虑到cssci的权威性、影响力和代表性，以及本研究对文献引用数据的现实需要，笔者选择提供引文数据的cssci作为数据检索来源。在cssci来源文献检索界面，通过篇名（词）、学科类型、文献类型和发文年代四个限定条件进行高级检索，检索表达式及结果如下：篇名（词）=大数据and文献类型=论文and学科类型=教育学and年=1998-2016，共检索出159篇文献，检索时间为2017年7月13日。基于cssci文献检索结果分析发现，国内教育学学科领域的大数据研究始于2013年，起初就有18篇cssci来源文

5、献发表，表明教育学学科领域对大数据这一新兴信息技术和理念有强烈的关注和兴趣。同时，国内教育学学科领域大数据研究呈现出逐年上升的态势，表现为从2013年的18篇增长到2014年的25篇，2015年53篇，再到2016年63篇，这反映出自2013年以来，教育学学科领域对大数据相关研究持续关注。伴随着大数据技术及其理念在教育学理论与实践应用层面的探索，笔者认为教育学学科领域对大数据及其相关问题的学术研究关注度还会进一步持续和深化，将在研究文献量保持平稳增长的同时，在研究内容方面进行更加深入的探讨，并逐步形成由大数据基础理论、大数据技术与方法以及大数据实践应用三个层面构成的教育学领域大数据研究内容框架

6、体系，从而促进教育学领域大数据研究的深入发展。总之，从cssci来源文献的增长变化趋势来看，教育学领域大数据及相关问题研究有可能成为国内教育学学科领域的新兴研究热点之一。二、重要期刊情报源分析基于cssci的数据分析发现，159篇文献刊发在49种期刊中，刊均载文数值约3篇，目前国内教育学领域大数据研究成果集中在少量期刊上，表现为占总期刊数量77.55%的38种期刊载文量不超过刊均载文数值，且占总期刊数量57.14%的28种期刊仅刊发了1篇文献。有11种期刊的载文量超过了刊均载文数值，共载文108篇，占总文献量的67.92%，见表1。可见，表1所列期刊是目前国内教育学领域大数据研究的重要期刊情报

7、源。表1中所列期刊均是cssci（2017-2018）来源期刊，约82%的期刊是教育学cssci来源期刊，仅2种期刊不属于教育学领域cssci来源期刊，分别是思想理论教育导刊、情报科学。按载文量来看，排在前3名的期刊分别是现代教育技术、中国电化教育、电化教育研究，载文量分别是31、23和12篇，可见，该3种期刊对教育大数据及其相关研究的关注程度较高。此外，从表1所列11种期刊所刊载文献的研究内容主题来看，主要涉及五个研究主题，分别是基于教育大数据的个性化教育、学习分析及其隐私保护、大数据时代下的人才培养模式与教育评价、教育大数据的技术体系与发展趋势、基于大数据理念的教育应用与教育改革。三、研究

8、热点主题可视化分析研究热点主题识别有助于领域研究者对研究内容框架的设计思考，并帮助其更好地把握领域的创新研究方向。13利用作者标注的文献关键词统计及其共词聚类分析能一定程度上表征出研究内容视域下学科领域研究主题及其热点的分布情况14-15，目前，基于高频关键词的共词聚类分析结果常被作为识别学科或领域研究热点主题的方法之一。文献关键词统计结果显示，目前教育学领域对大数据的研究篇均关键词较低，159篇论文共涉及433个关键词，篇均关键词约2.7个，同时存在大量的低频关键词，表现为占总关键词数量近90%的关键词仅出现过1次。在高频关键词阈值选择方面，有研究指出，可以选择累积频次的34%进行高频词的选

9、择，作为热点高频词来分析研究热点。16统计分析发现，频次2的关键词总数为49个，其关键词累计频次占总频次约42%，超过累积频次34%的热点高频词阈值标准。因此，为实现研究热点主题识别的研究目的，笔者选择这49个关键词作为高频关键词并进行共词聚类分析以及研究热点主题分析。需要指出的是，在构建作者关键词共现矩阵之前，为弥补不同作者使用的同义关键词对聚类分析结果准确性的影响，笔者先根据文章内容对部分同义关键词进行统一合并处理。具体如下：关键词“伦理道德”、“伦理”统一合并为“伦理问题”；关键词“安全隐私”、“隐私”、“数据隐私”统一合并为“数据隐私”；关键词“个性化学习”、“自适应学习”、“适应性学

10、习”、“自适应学习系统”、“个性化自适应学习”统一合并为“个性化自适应学习”；关键词“个性化教学模式”、“个性化教育”统一合并为“个性化教育”；关键词“个性化评价系统”、“个性化学习评价模型”、“个性化分析模型”、“个性化学习分析模型”统一合并为“个性化学习分析模型”；关键词“改革创新”、“高教改革”、“教育改革”统一合并为“教育改革”；关键词“综合评价”、“评价”、“教育评价”统一合并为“教育评价”；关键词“人才培养”、“人才培养机制”、“人才培养模式”统一合并为“人才培养模式”；关键词“人才评价”、“人才评价体系”统一合并为“人才评价体系”。通过自编vba程序对高频关键词进行共现统计处理，

11、并生成49x49的高频关键词原始多值共词矩阵，频次5的关键词数据见表2。从高频词的频次绝对值来看，排名第一的高频关键词为“大数据”，其频次达到100，而排名第二的高频关键词为“教育大数据”，其频次仅达到19。为尽可能消除高频关键词自身频次之间的较大悬殊对聚类结果带来的影响，利用equivalence index系数将高频关键词原始共词矩阵转换为对应的相似矩阵17-18，频次5的关键词数据见表3。文献可视化工具vosviewer在聚类知识图谱及节点可视化显示方面具有独特优势。19-22将转换后的教育学领域大数据研究高频关键词共词相似矩阵进行数据格式变换处理，并导入vosviewer（versio

12、n 1.6.5）。采用该可视化工具提供的关联强度计算方法进行规范化处理23，以及linlog布局技术与modularity聚类技术进行显示。24-26根据可视化结果布局显示的需要，吸引力参数值（attraction parameter）和斥力参数值（repulsion parameter）分别设置为2和0。教育学领域大数据研究热点主题可视化网络知识图谱见图1。图1网络中共有49个节点，8个聚类，109条连线，总关联强度值为14.99。图1中，圆形节点及其标签的大小取决于该关键词对应节点的权重（总关联强度值），即节点的权重值越大，节点及其标签的字体也越大。“个性化学习分析模型”和“电子书包”两个

13、关键词的权重值最大，均为2.3714，在图1中显示出最大的节点及其标签。图1的可视化网络图谱显示，基于cssci的教育学领域大数据研究高频关键词被划分为8个聚类，相互间具有较高相似性的高频关键词节点具有相同颜色以表现为同一个聚类，并对应着相应的研究热点主题。从图1的聚类结果来看，基于cssci的教育学领域大数据研究热点主要包括八大主题，按照各聚类所包含高频关键词及其相互间关系对研究热点进行解释命名，并按照聚类所含高频关键词数量的多少进行排序，依次是clusterl（17个关键词）：基于教育大数据的个性化教育与学习分析研究；cluster2（7个关键词）：大数据时代下的人才培养模式与教育评价研究

14、；cluster3（6个关键词）：基于大数据理念的教育应用与教育改革；cluster4（5个关键词）：大数据技术在高校思想政治教育中的应用创新；cluster5（4个关键词）：大数据时代实现教师专业发展的数据智慧研究；cluster6（4个关键词）：大数据学习分析中的数据安全保护与隐私伦理问题研究；cluster7（3个关键词）：电子书包中基于大数据的个性化学生分析模型研究；cluster8（3个关键词）：高等教育大数据分析的机遇与挑战。（1）基于教育大数据的个性化教育与学习分析研究。大数据学习分析使得个性化教育与学习的实现成为可能。27该研究热点主题主要侧重于以学习者学习过程中产生的个性化数

15、据为基础进行大数据分析，并合理预测学习者的个性化特征与预期表现进而发现其教学过程与学习过程中的负面因素并实施个性化干预。教育大数据产生于各种类型的教育活动中，目前在线学习环境中的个性化教育与学习干预分析是目前教育大数据应用服务的重要实践。基于大数据实现在线学习预警功能从而提升在线学习质量是在线教育发展过程中亟需解决的重要问题。28学习者所产生的阶段性学习经历数据蕴含着丰富的学习分析价值。个性化和自适应学习系统是教育大数据应用服务的主要阵地，其通过采集学习过程中的行为数据来提供个性化的学习服务。29有研究者构建了基于教育大数据和学习分析的，以干预引擎为核心的“状态识别策略匹配干预实施成效分析”四

16、环节循环结构干预模型。30还有研究者从数据与环境、关益者、方法和目标4个维度构建了基于大数据的个性化自适应在线学习分析模型。31伴随着智慧教育的发展，在线学习的普及，以及大数据技术在教育领域的广泛应用，基于教育大数据的个性化教育与学习分析研究将成为以教育大数据挖掘为研究基础的教育技术新范式。（2）大数据时代下的人才培养模式与教育评价研究。大数据时代带来的变革推动着高校专业人才培养模式与教育评价体系的创新。该研究主题主要探讨大数据给专业人才培养模式与教育评价所带来的新的教育理念、思想方法和有效应用。大数据技术影响着专业人才的培养机制与模式，大数据环境下，高校需为专业学习者构建融知识、技能与素质为一体的新结构及其实现方式。大数据时代下，教育大数据技术推动了教育评价中数据驱动决策的实现。32同时，大数据分析技术有助于将教育评价从基于小样本数据或片段化信息的推测转向基于全方位、全程化数据的证据性决策。33大数据时代下，各专业人才培养机制与模式，以及教育评价策略都应进行相应的调整，以新的人才专业课程和知识体系、新的教学理论与实践、新的教育评价思想来适应大数据时代给专业人才教育带来的新变化。（3）基于大数据理念的教育应用与教育改革。大数据理念对教育领