近十年我国网络学习行为期刊论文的内容分析研究

彭文辉 曾东薇

【摘 要】

近年来，网络学习逐渐受到人们的青睐，有关网络学习行为的研究也逐渐受到重视，为了更好地了解我国网络学习行为及其研究的发展现状和趋势，本文以我国2004-2013年间公开发表在国内学术期刊上的网络学习行为论文为研究对象；采用内容分析法，从论文基本情况、研究者、研究内容和研究重心四个维度进行分析；采用信息可视化统计软件CiteSpaceⅡ，从论文作者合作研究和研究热点两个方面进行分析；梳理了我国网络学习行为的研究倾向和趋势并对在研究过程中发现的问题进行了思考并提出了几点建议，以期促进我国网络学习行为研究更好地开展。

【关键词】 网络学习行为；内容分析；可视化分析

【中图分类号】 G434 【文献标识码】 A 【文章编号】 1009—458x（2015）01—0042—07

1965年，联合国教科文组织成人教育局局长保罗·朗格朗（法国）正式提出了“终身教育”这一概念。随后，在联合国教科文组织以及其他有关国际机构的大力促进下，终身学习的概念在世界范围内达成共识，并在全世界广泛传播。终身教育理念也被许多国家在制定本国的教育方针、政策等方面时作为依据和参考标准。在教育部颁布的《面向21世纪教育振兴行动计划》中，将发展远程教育，构建终生学习体系作为其中的一项重要内容。随着信息技术和互联网技术的飞速发展，网络学习因其不受时间和空间的限制等特点受到各类人群的青睐，网络学习也使得终身教育这一理念得以贯彻。因此，有必要对网络学习行为研究的基本情况有所了解。基于此，本文希望通过对我国近十年（2004-2013）间有关网络学习行为的期刊论文进行内容分析和数量的统计，对其研究现状和存在的问题进行梳理，为我国网络学习行为的后续研究提供了思考和启示，以期促进其发展。

一、研究设计与思路

（一）研究对象

自2001年以来，我国对网络学习行为的研究力度越来越大，采用不同方式进行检索将得到不同的结果。本文以中国知网CNKI学术期刊全文数据库为研究来源，检索条件为：主题（学习行为）并含（网络或网上或远程或在线）、或者主题（交互行为）并含（网络或网上或远程或在线）、或者主题（网络学习或网上学习或远程学习或在线学习）并含（网络），通过精确匹配方式对我国近十年（2004-2013）的相关论文进行检索（检索时间为2013年12月16日，由于期刊网上的论文可能没有及时更新，涉及遗漏2013年的部分文章）。为了提高本研究的信度和效度，在统计时将通知、采访等非学术性文章剔除掉，并剔除与本研究主题无关的文章，最终确定159篇期刊论文作为研究样本。

（二）研究方法

为了对我国近十年网络学习行为的研究现状和趋势做详尽分析，本文主要使用美国德雷塞尔大学著名信息可视化专家、华人学者陈超美博士研发的动态网络分析CiteSpaceⅡ信息可视化技术和Microsoft Excel，从论文基本情况、研究者、研究热点、研究内容等方面对我国近十年网络学习行为的期刊论文进行分类统计和分析。陈超美博士开发的基于Java平台的CiteSpaceⅡ信息可视化应用软件，是一种适用于多元、分时、动态的复杂网络分析的新一代信息可视化技术，可以展示学科最新的前沿领域及其演化的历程[1]。另外，CiteSpaceⅡ内嵌大连理工大学刘盛博博士编制的CNKI（RefWork）格式转换程序，能将CNKI中下载的Refworks格式的数据转换为可处理的格式，帮助研究者找出学科的前沿领域和演化进程，进行可视化分析。但是CNKI提供的Refworks格式数据仅包括作者、作者单位、关键词、摘要等方面的信息，使得CiteSpaceⅡ能够处理的CNKI数据种类极其有限（仅可有效处理CNKI数据的专业术语和关键词），为了研究的全面性，还需要使用内容分析法对我国近十年网络学习行为的相关论文进行内容分析。

（三）类目与分析单元

在对研究对象进行内容分析之前，首先需要设计内容分析类目，分析类目如下：①基本理论研究，主要指网络学习行为的内涵、特点、类型、影响因素和分析方法等；②调查研究，主要包括现状与对策分析和针对个案的研究；③模型构建研究，主要指网络学习行为的模型构建；④相关技术研究，主要指采集技术和诊断技术；⑤系统设计研究，主要包括网络学习行为的监控、采集、分析、评价和统计系统的设计；⑥应用研究，主要指网络学习行为的具体应用；⑦其他。

（四）评判记录和信度分析

本研究选取两名评判员对研究样本进行评判。评判栏目总数（即样本数）为159，两名评判员完全同意的栏目数为131。相互同意度K=2M/（N1+N2），M表示两者完全同意的栏目数，N1表示第一个评判员所分析的栏目数，N2表示第二个评判员所分析的栏目数，则K=2*131/（159+159）=0.824。内容的分析信度R=n*K/[1+（n-1）*K]，n表示评判人员数，K为平均相互同意度，则本研究的信度R=2*0.824/[1+（2-1）*0.824]=0.904。本研究信度为0.904，根据经验，如果信度大于0.9，则可以把主评判员的评判结果作为内容分析的结果[2]。

二、数据统计与分析

（一）论文基本情况分析

使用书目共现分析系统Bicomb软件对收集到的论文进行统计分析，主要是对论文的期刊来源和论文发表年份进行统计。

1. 期刊来源分析

通过统计发现，159篇期刊论文来自93种期刊，说明期刊载文分布分散，其中载文量大于4篇的期刊共有8种（如表1所示），CSSCI来源期刊有59篇，占总数的37.11%。从表1可以看出，《中国远程教育》、《中国电化教育》、《现代教育技术》、《电化教育研究》载文数量较多，作为CSSCI来源期刊，其刊载的论文质量较高，有很高的参考价值。

2. 论文数量分布

对我国近十年网络学习行为论文分布年份进行统计如图1。从图中可以看到，2004年-2007年，CNKI收录有关网络学习行为的论文数量很少，每年只有几篇，并且这几年论文发表情况相差不大。但是自2008年开始，每年收录数量明显增多，到2012年甚至达到34篇之多。这主要是因为网络课程的兴起使得人们更加关注网络学习行为，进而使得研究网络学习行为的学者增多，研究方向逐渐拓宽。

（二）研究者分析

1.论文作者所属机构及具体单位分析

本研究将论文第一作者所属机构分为中小学、职业技术学院、普通高等学校、广播电视大学和电教机构共五种类型。统计结果如图2所示。

从统计结果来看，我国网络学习行为研究的论文作者72%来自普通高等学校，18%来自广播电视大学，7%来自职业技术学院。由此可见，普通高等学校、广播电视大学和职业技术学院是网络学习行为研究的主要力量，而其中又以普通高等学校为主。这主要是因为这三类机构涉及的网络课程比较多，如何开发出适宜的在线学习资源和平台是需要重点考虑的问题。因此，对学习者网络学习行为进行研究，是目前更迫切的需要。另外，通过对这些论文的第一作者所属单位进行统计，发文量超过两篇的单位有10个，而前十家单位发表论文数量累计为42篇，占总数的26.42%。这些活跃单位包括华中师范大学、浙江广播电视大学、安徽广播电视大学、中南大学、华南师范大学等普通高校和广播电视大学。而广播电视大学机构的广泛参与更具有积极的意义。

2. 论文作者分析

对我国近十年网络学习行为期刊论文的作者进行统计发现，彭文辉、李宏宇、曹良亮和李玉斌、魏德生等人发表论文较多，分别发表了3篇或2篇论文，其他人的发表情况各不相同，这些作者对我国近十年网络学习行为的研究作出了较大贡献。总体来说，论文作者还较为分散，这说明在本研究领域研究力量的聚集还有待加强。对论文作者团队合作情况进行考察，发现在这159篇论文中， 90篇是由2名或者以上的人合作发表的。合作研究的论文比较多，占总数的56.60%。网络学习行为研究，涉及教育学、心理学、信息科学等多学科的综合，显然需要多学科的研究者合作研究才能取得较好的成果。发表在CSSCI来源期刊的59篇论文中，38篇是合作研究的成果，所占比例64.40%。可见，合作研究可以产生较高质量的论文。使用信息可视化分析软件CiteSpaceⅡ，设置时间区段为2003-2012，，Years Per Slice（单个时间分区）为1年，Node types节点类型为Author，对作者的合作研究进行可视化分析，结果如图3所示（部分图）。从图3中可以清晰地看到国内合作密切的学者，如彭文辉和黄克斌等人，魏德生和杨雪等人，张量和刘秀敏等人，李玉斌和姚巧红等人，形成了以团队为基础的合作研究。

（三）研究热点分析

使用和上面相同的设置，Node types节点类型选择Keyword，设置top N per slice的值为30，Teresholds阈值的三个时区（c，cc，ccv）的值为{（1，1，20），（1，1，20），（1，1，20）}，采用最小生成树算法（Minimum Spanning Tree，一种网络简化算法）对我国近十年有关网络学习行为的研究热点进行可视化分析，绘制关键词的最小生成树图谱，共得到345个节点，417条连线，结果如图4所示。并且统计出频次和节点中心度排名前5位的关键词，如表2所示。图谱中节点环的大小表示频次，外部紫色小圈的大小表示节点中心度。可以明显看出“网络学习行为”的节点环最大，并且其在频次列表中的值也最大，其次是 “学习行为”、“网络学习”、“大学生”、“数据挖掘”，从图4中可以清晰地看出这几个关键词的节点环都比较大，频次比较高，说明它们被多次作为关键词使用。节点中心度（Centrality ）是指其所在网络中通过该点的任意最短路径的条数，是网络中节点在整个网络中所起连接作用大小的度量。中心度大的节点相对容易成为网络中的关键节点。从图4中我们可以看到“学习行为”、“网络学习行为”、 “网络学习”三个节点的紫色节点环比较大，这是因为它们的中心度偏高。从下表2可以看出他们的节点中心度分别为0.70、0.56、0.37，其次是“大学生”和“网络”。这表明，近十年我国网络学习行为的研究主要集中在对大学生网络学习过程中的学习行为这一方面。近十年来，随着计算机的普及，人们的生活和学习与计算机密不可分，远程教育、网络精品课程的出现使得网络学习越来越大众化，但随之而来的是学习者在网络学习过程中出现的各种问题，网络学习行为的研究使得研究者更加关注如何有效地促进网络学习。

表2 关键词词频和节点中心度统计

为了对研究热点的时间分布有明确认识，更改图4的视图方式为Timeline（即时区视图），结果如图5所示。由图5可以看出，研究热点最早出现在2004年，较突出的是“学习行为”和“网络学习”。2005年开始出现大量的研究热点，最为突出的是“行为监控”、“网络学习行为”、“网络”和“大学生”。2006年开始出现少量的研究热点，其频次和中心度都不高，研究主要集中在对以前研究热点的深化上。总体来看，本领域的研究特点是不断深化和逐渐拓宽。

（四）研究内容分析

本研究将网络学习行为的研究划分为六大研究领域，即系统设计研究、基本理论研究、应用研究、模型构建研究、调查研究和相关技术研究，从这六个方面对我国近十年该领域的159篇文章进行归类统计，结果如图6所示。

图6 样本研究内容统计

首先从图6可以清晰地看到，有关网络学习行为的调查研究所占比例最高，为37%，主要包括现状调查与对策分析和个案研究。其次是基本理论研究，所占比例为27%。基本理论研究是其他一切研究的基础，其他的一切研究必须建立在理论研究的基础之上。但是，我国网络学习行为目前的研究现状是关于质的研究比较少，对网络学习行为的本质、元素、评价和发展趋势等问题的研究仍然不透彻。再次是网络学习行为的模型构建研究，所占比例为14%。这说明当前网络学习行为的模型构建研究已经取得了一定的成果。另外系统设计研究占样本总数的11%。这说明如何监控、评价和采集其网络学习行为成为研究者关注的焦点。网络学习行为的相关技术研究占样本总数的2%，主要涉及的是诊断技术和采集技术，这说明如何诊断和采集网络学习行为是大家共同关心的问题。但是，网络学习行为的相关技术研究尚有欠缺，需要完善。最后，网络学习行为的应用研究所占比例为2%，明显偏低。这说明网络学习行为的应用偏少，人们还没有广泛地使用网络学习行为的理论进行相关研究。

三、研究重心的变化分析

图7是有关网络学习行为的研究内容从2004年到2013年的变化趋势。总体来看，网络学习行为系统设计研究、基本理论研究、模型构建研究和调查研究的变化更为明显，尤其是从2008年开始，上升趋势尤为明显。相对而言，网络学习行为的相关技术研究和应用研究变化不大。

2004年，龚志武以远程网络教学平台为支撑环境对成人学生的网络学习记录进行跟踪、统计和处理，分析了成人学生网上学习行为与师生网上交互率、网络课程结构体系等因素之间的关系，阐明了影响成人学生网上学习行为的基本因素[3]。

2005年，徐红彩发表的《在线大学生网络学习行为的调查与研究》一文中以在校大学生为研究对象，对大学生网络学习过程中存在的问题进行了分析，并据此探讨了影响大学生网络学习行为的主要因素并提出了相应对策[4]。

2006年，彭文辉等人在《网络学习行为分析及其模型研究》一文中通过对网络学习行为内涵的讨论和概念的界定，提出了网络学习行为的一个多维度和多层次模型，并基于此模型设计了一个网络学习行为评估系统模型[5]。在此基础上彭文辉等又对此模型进行了一定修正和充实[6]。魏德生等人通过对学生在网络学习过程中的学习行为进行分析，结合档案袋评价的启示，设计并实现了一个学习行为数据自动记录和结果统计展示的监控系统[7]。

2007年，何丕廉等人利用基于密度的CURD聚类算法，对不同的访问数据做聚类分析，得到了不同学生的媒体偏好等学习特征，从而使教师能够及时了解学生的兴趣爱好等特征，并给予适当的建议[8]。彭文辉等人通过调查等方法，分析和总结了网络学习者的学习行为规律，讨论了如何据此改进网络学习平台、设计与开发网络学习资源的设计[9]。

2008年，黄克斌在《智能化网络学习行为分析系统的设计与实现》一文中设计了一个智能化网络学习行为分析系统结构，并分析了其实现的策略以及主要技术特点[10]。刘中宇等人通过分析大学生网络学习行为的特点和分类， 从行为科学理论的角度来指导学生的网络学习行为以及网络教学资源的开发[10]。曾祥跃和袁鹤松通过对中山大学网络教育学院学生的网络学习行为进行调查，并根据调查结果提出了全天候的学习支持服务观，论证了网下学习资源建设和网上学习资源建设一样重要，通过案例的分析提出了加强异步交互的具体措施[12]。张量等人首先介绍了网络学习行为诊断的技术手段，然后分析了目前已知的人工智能技术诊断方法和技术特点，比较了各关键技术的异同，最后指出了网络学习行为诊断技术的步骤[13]。

2009年，沈丽梅通过对高校精品课程的网络学习行为分析，构建了网络学习行为分析系统，以便了解学习者使用网络教学平台的方式和特点，从而为改善教学资源使用情况、学习效果和教育管理者进行可靠的评价提供依据[14]。周岩借鉴理性行为理论TRA和技术接纳模型TAM，构建了具有9个潜在变量的因果关系模型——大学生网络学习行为模型（MABNLB），并采用结构方程模型对理论模型与研究假设进行实证分析[15]。通过实地调研，对该模型进行了验证和分析，证明了该模型的有效性。并据此提出了改善大学生网络学习行为的四项对策。肖爱平等人通过文献和实地调研，对网络学习者的网上学习现状进行了分析，分析了可能的影响因素，并提出了应对策略[16]。郭绍青等人以西宁市城西区小学教师为个案，在调查研究的基础上分析了西部小学教师网上学习行为的现状、存在的问题以及影响其网上学习的因素，并对调查结果进行了归纳总结[17]。吕莉等人在查阅大量文献资料的基础上，对国内外网络学习行为采集的研究进行了综述和归类分析，并介绍了相关技术的应用情况，尤其是Web服务技术以及移动Agent技术[18]。

2010年，黄震等人首先分析了传统学习模式、现代学习模式和网络学习模式，然后对网络学习行为分析平台在线学习模式的设计与开发进行了探讨和研究[19]。李冬等人通过对网络学习中学习者在感觉通道、学习材料、学习环境和思维方式等方面偏好的分析，构建了网络学习者学习风格特征结构模型[20]。并以此模型为理论依据，提出对网络学习者学习行为进行采集、诊断和个性化引导的方法，并设计了网络学习行为个性化引导系统。黄伟以浙江省海宁县教师为研究对象，随机抽取了四所中小学为样本，从教师博客学习交流参与度、教师交流频度和教师对网络学习的态度等方面对数据进行了分析[21]。

2011年，廖竞等人结合当前主流的学习行为数据采集和分析方法的优点和不足，提出了一种基于数据流获取的网络学习行为数据采集与分析的方案，文中详细介绍了数据采集和分析的方法，并探讨了实现此方案的系统设计[22]。杨丽娜等人从信息技术采纳视角出发，以理性行为理论、计划行为理论和技术接受模型为理论框架，从心理因素、技术因素和资源因素三个方面建立了网络学习行为发生的前因模型，并采用结构方程模型（SEM）统计方法，以实证的方式分析了影响网络学习者学习行为发生的因素，并预测了该模型的解释能力[23]。李晓昕等人使用Web日志挖掘的方法分析学生的网上学习行为，通过数据过滤、用户辨别和会话辨别，采用模糊集合粗糙集的方法获得访问用户的聚类和分类等有用信息[24]。

2012年，李星等人通过阐述和分析网络学习行为和学习风格的含义和分类及其关系，以学习风格为基础，构建了基于网络学习行为的个性化评价系 统[25]。孙海民从构建学习者个性模型、基于活动理论的网络学习行为的分类和基于Apriori的数据挖掘算法的角度出发，阐述了学习者个性特征对网络学习行为的影响[26]。李玉斌等人以中国知网（CNKI）数据库中有关网络学习行为的文献为基础，对国内网络学习行为研究的向度进行了梳理，并论述了网络学习行为的调控研究[27]。徐恩芹等人在分析网络自主学习内涵和理论框架的基础上设计了网络自主学习行为调查问卷，结合访谈法，以聊城大学为个案，分析了大学生的网络自主学习行为现状[28]。根据分析结果，就如何帮助学生养成良好的网络自主学习行为习惯以及提高网络自主学习成效提出了建议。

2013年，彭文辉等人开始探讨如何构建网络学习行为更全面和完整模型的问题。论文采用概念图的方法，构建了一个较为严密网络学习行为系统概念模型，并探讨了模型中要素的含义，最后讨论了模型的有效性校验问题[29]。

四、总结与建议

通过对我国近十年网络学习行为期刊论文的统计和内容分析，针对我国现阶段网络学习行为研究和发展过程中存在的问题进行思考，提出以下建议：

（一）基本理论方面

1. 关于建模的研究。我国网络学习行为研究论文中，构建各种模型的论文较多，包括学习行为的要素描述模型（包括某些分类模型等）、因素影响模型等等[30]。笔者认为，当前网络学习行为建模研究还存在以下问题：缺乏动态的行为演进模型的研究、建模的方法和工具还缺乏严谨性（包括所建模型缺乏验证）、形式化方法的缺失等，但最迫切需要填补和加强的是模型的整合。尤其需要对经过严格验证的模型进行适当的整合，以统一、协调、概括的方式全面反映网络学习行为的性质。目前研究中提出的一些模型，各自反映了网络学习行为的某一个方面或某一类的性质，这是不够的，需要将这些模型在一个更高层次上整合起来，构成一个完整的图式和系统，这是下一步研究需要着力的地方。

2. 关于借鉴和融合已有学科理论的问题。现阶段网络学习行为研究的方法和视角，还缺乏对其他经典理论的借鉴与结合，特别是与行为科学和心理学理论的融合。行为科学是从管理科学中脱胎而出的一门研究人行为的学科，其关于人的动机、态度、人格、情绪等个体特征以及环境因素、团体和组织特征等对人的行为的影响，已有较充分的论述，在学习分析中应该探讨如何将这些经典的理论，具体应用于网络学习场景，得出合理的结论。类似的研究范式还包括对心理学理论、媒体和传播理论的借鉴和融合，心理学理论中关于人个体心理特征的一般研究、认知心理的一般研究、社会心理的发展与成长理论、心理测量和心理治疗等；媒体传播理论中的社会网络分析理论及方法等，都对网络学习中的交互、认知等行为的分析以及网络学习的问题行为的诊断和纠正提供有益的帮助。正如经济学理论和行为科学及心理学理论的融合，产生了荣获诺贝尔奖的行为经济学理论、行为金融学理论一样，网络学习行为与这些经典理论的融合，也将产生有巨大价值的成果[31]。

（二）研究方法

目前有关网络学习行为的研究主要采用问卷调查、访谈法等方法，研究方法较单一，还需要进一步丰富。应该更多地尝试使用其他多样化的方法，包括实验法、观察法、眼动法（以及其他生理参数记录与分析的方法）等等，特别是需要采用学习分析的方法，采用大数据分析的范式[32]，使用数据挖掘和模式识别等技术，包括聚类、分类、关联规则挖掘、文本分析等等方法对海量的网络学习行为数据进行分析，这种分析是构建网络学习行为模型的一种有效方法，也是研究学习者网络学习行为模式以及个性特征等方面的有效方法。

（三）应用方面

目前，对网络学习行为的应用研究涉及较少，应该大力开展网络学习行为理论的应用研究和实践，可进行的研究课题包括：基于网络学习行为分析的学习诊断。通过学习行为的分析，诊断学习者是否存在学习困难及学习问题，从而可以及时给出恰当的学习辅导与学习建议；基于网络学习行为分析的学习评价。通过网络学习行为的分析，对学习者给出更客观全面的学习评价，避免采用一次性考试所带来的评价的偏颇和错误；基于网络学习行为分析的个性化学习特征的识别。为开发适合于个性化学习的学习平台和学习资源奠定基础。这些研究课题的突破，将会有力地促进网络教育的质量和水平。

[参考文献]

[1] 刘则渊，陈悦，候海燕等. 科学知识图谱：方法与应用[M]. 北京：人民出版社，2008.

[2] 张屹. 教育技术学研究方法[M]. 北京：北京大学出版社，2011：149.

[3] 龚志武. 关于成人学生网上学习行为影响因素的实证研究[J]. 中国电化教育，2004，（8）：32-35.

[4] 徐红彩. 在校大学生网络学习行为的调查与研究[J]. 电化教育研究，2005，（6）：61-63、73.

[5] 彭文辉，杨宗凯，黄克斌. 网络学习行为分析及其模型研究[J]. 中国电化教育，2006，（10）：31-35.

[6][30][31] 彭文辉. 网络学习行为分析与建模[M]. 北京：科学出版社，2013.

[7] 魏德生，杨雪. 网络学习行为自动监控系统的设计与实现[J]. 教育信息化，2006，（1）：40-41.

[8] 何丕廉，李青森，宋正菊. 聚类算法在网络学习行为特征分析中的应用研究[J]. 现代远距离教育，2007，（2）：25-27.

[9] 彭文辉，杨宗凯，涂山青，李念. 网络学习者的学习行为调查及分析[J]. 中国电化教育，2007，（12）：52-56.

[10] 黄克斌，王锋，王会霞. 智能化网络学习行为分析系统的设计与实现[J]. 中国教育信息化，2008，（6）：55-58.

[11] 刘中宇，周晓. 行为科学理论指导下的高校大学生网络学习行为研究[J]. 中国电化教育，2008，（5）：46-48.

[12] 曾祥跃，袁松鹤. 远程学习者网络学习行为的调查与分析[J]. 中国远程教育，2008，（4）：47-51.

[13] 张量，刘秀敏，刘秀娟. 智能化网络学习行为诊断技术研究[J]. 现代远距离教育，2008，（5）：24-26.

[14] 沈丽梅. 基于高校精品课程的网络学习行为分析研究[J]. 科教文汇（下旬刊），2009，（8）：29、214.

[15] 周岩. 基于TRA和TAM的大学生网络学习行为模型构建[J]. 中国电化教育，2009，（11）：58-62.

[16]肖爱平，蒋成凤. 网络学习者网上学习现状、影响因素及对策研究[J]. 开放教育研究，2009，（1）：75-80.

[17] 郭绍青，马丽. 西部小学教师网络学习行为个案调查与分析[J].中国电化教育，2009，（1）：55-59.

[18] 吕莉，张屹. 基于Web服务的网络学习行为采集研究现状[J]. 开放教育研究，2009，（3）：99-104.

[19] 黄震，黄云. 网络学习行为分析平台学习模式的设计与研究[J].软件导刊，2010，（3）：195-197.

[20] 李冬，韩永国. 网络学习行为个性化引导的研究[J]. 中国教育技术装备，2010，（3）：79-81.

[21] 黄伟. 教师基于博客群网络学习行为的实证研究——以海盐教师博客为例[J]. 中国电化教育，2010，（11）：22-27.

[22] 廖竞，张晖. 一种灵活的网络学习行为数据采集与分析系统[J].信息与电脑（理版），2011，（1）：85-86.

[23] 杨丽娜，颜志军. 信息技术采纳视角下的网络学习行为实证研究[J]. 中国远程教育，2011，（4）：36-40.

[24] 李晓昕，谢维奇. 基于Web日志挖掘的网上学习行为研究[J]. 计算机技术与发展，2011，（12）：73-76.

[25] 李星，杨瑾，肖梦雄，徐晴. 基于网络学习行为的个性化评价研究[J]. 电脑知识与技术，2012，（7）：1704-1707.

[26] 孙海民. 个性特征对网络学习行为影响研究的关键问题探究[J].电化教育研究，2012，（10）：50-55、63.

[27] 李玉斌，姚巧红，侯威，王晶. 网络学习行为研究的向度与分析[J]. 电化教育研究，2012，（9）：48-53.

[28] 徐恩芹，胥旭. 活动理论指导下的网络自主学习研究——大学生网络自主学习行为现状的个案调查[J]. 远程教育杂志，2012，（4）：87-92.

[29] 彭文辉，杨宗凯，刘清堂. 网络学习行为系统概念模型构建研究[J]. 中国电化教育，2013，（9）：39-46.

[32] 祝智庭，沈德梅. 基于大数据的教育技术研究新范式[J]. 电化教育研究，2013，（10）：5-13.

收稿日期：2014-09-15

作者简介：彭文辉，教授；曾东薇，在读研究生。华中师范大学教育技术学院（430079）。

责任编辑 碧 荷

责任校对 碧 荷