在线教育研究热点的可视化分析.docVIP

在线教育研究热点的可视化分析 　　摘 要：随着教育信息化程度的不断加深，全面了解国内在线教育的发展历程和研究热点显得格外重要。本文使用可视化软件CitespaceIII对CNKI数据库中与在线教育主题相关的文献进行量化分析，绘制出高被引文献网络图谱及其时序图，确定了该领域具有较高影响力的文献，梳理了国内在线教育的发展历程。通过对热点图谱的分析，揭示了国内在线教育研究的热点为大规模开放在线课程（MOOC）、在线教育教学模式的探究和在线教育资源开发。 　　关键词：在线教育；研究热点；可视化分析 　　中图分类号：G434 文献标志码：A 文章编号：1673-8454（2016）23-0014-05 　　一、引言 　　随着教育信息化程度的不断加深，我们的学习方式发生了很大的变化，教与学可以不再受时间、空间和地点条件等因素的限制，知识获取的途径也更加灵活与多样化。在线教育不同于传统的以教师为中心的教学形式，它更倾向于个别化学习和交互式学习等教学模式，注重培养学生的自学能力、创造性思维和综合思维。目前，国内在线教育的发展规模不断扩大，各类在线教育产品层出不穷，与之相关的研究也日益丰富。那么，在线教育研究的热点是什么？哪些文献能够体现这些热点？哪些文献对在线教育的发展产生了重要影响？本文将通过文献计量与可视化分析等方法，旨在找出国内在线教育研究的热点问题，以系统直观的图谱形式呈现出来，并进行归纳分析，为之后国内在线教育研究的发展提供参考。 　　二、研究设计 　　1.研究方法及工具 　　本研究以定量研究为主，辅之以定性研究，对所收集的数据进行关键词共现分析、引文分析等。采用CitespaceIII（4.0.R5 SE版）可视化分析软件对数据进行处理，这个软件包含了以上多种研究方法。本研究使用Citespace软件，将时间切片设置为一年，这样在最后生成的图谱中，既可以看到历年来所有数据的可视化结果，也可以按照年份单个观察每一年的数据，还可以按照时间线生成数据走向的图谱，方便观察并得出历年研究热点的变迁过程。另外，可以在生成图谱时，通过选择作者、机构、关键词、突现词、分类等一个或多个选项作为节点类型，并确定选择范围top N值或者top N%的值，来有效地约束生成的图谱结果的清晰度及其准确性，top值越高代表从每个切片中收集的数据越多越广泛，覆盖面大，但也会造成其中某些数据的中心性偏低，甚至为零的现象，所得结果不够准确。反之，top N%的值越小，则说明数据越精确，中心性高，但覆盖面小。我们根据获得数据的实际情况选择不同的阈值来确保所得结果的准确性以及图谱的清晰度。最后选择Pathfinder算法，Pathfinder 算法是一种对复杂网络进行剪边压缩的网络优化算法，在网络链接分析、检索界面设计、社会网络分析、认知结构表示、引文网络分析、知识可视化等领域有着广泛的应用[1]。确定好各项参数之后即可生成图谱，随后可通过调整聚类标签、节点大小、标准范围等参数来得到最终的可视化结果。 　　在最终的统计结果中，频次代表各个关键节点出现的次数，频次越高的节点越有可能反映出研究热点，通常情况下，频次排名越靠前的节点在该研究领域的重要性也越高。但是，不能仅依据频次来确定研究热点，还需要参考该节点的中心性。中心性表示一个节点在网络图谱中连接作用的大小，中心性越大的节点越有可能成为网络中的关键节点（中心性大于或等于0.1的节点），有时一个节点的频次很高，但中心性却为零，这表示该节点为孤立节点，不应被视为关键节点。为了确保所得研究结果的准确性与科学性，在研究热点问题时应注意结合高频次与高中心性的关键词进行综合分析。 　　2.数据收集 　　本研究所采用的数据均来自CNKI数据库，该数据库具有大规模集成整合知识信息资源，功能多、文献资源丰富，覆盖面广，内含丰富的在线教育研究的相关文献。本研究以“在线教育”作为关键词或含“网络教育”，或“在线教育”作为关键词或含“远程教育”，或“在线教育”作为关键词或含“MOOC”，并筛选学科领域，除去不相关学科，设定时间限制为2001年1月1日至2016年4月30日，进行高级检索，得到有效数据41879条。 　　三、数据统计与分析 　　1.国内在线教育研究高影响力文献分析 　　（1）高影响力文献的可视化呈现 　　对以上所得数据再次进行筛选，并按照被引次数对其排序，将前100篇文献导入Citespace软件，运行软件生成高被引文献关键词网络分布图，如图1所示。取高影响力文献前20篇，如表1所示。 　　（2）高影响力文献的分析 　　结合图1和表1以及对相关文献的分析，我们可以按照时间线（图2）对这些关于国内在线教育研究的高被引文献进行解读。 　　2001年，在《关于我国网络课程现状与问题的思考》一文中，作