学习共同体研究热点领域与发展趋势——基于2003年－2015年CNKI核心期刊文献的共词可视化分析

（宝鸡文理学院 教育学院，陕西 宝鸡 721016）

“学习共同体”（learning community）的概念为1989年布朗（Brown，J.S.）等人首提，指出学习应是一种基于广泛学习共同体的社会性建构。1995年博耶（Ernest Boyer）在报告中倡导在学校建立真正意义上的学习共同体。同年，佐藤学（Manabu Sato）提出创建“学习共同体”的学校改革理念与方略，随后在日本建立改革试验基地学校。国内对“学习共同体”的研究起步相对较晚，中国知网的期刊检索显示最早以“学习共同体”为篇名的文献为1998年钟启泉根据博耶所著《基础学校》日译本摘录的书中要旨，以引介美国这一最新学校改革提案所体现的教育思想。［1］2000年，万明钢撰文于《中国教育报》浅谈建构网络条件下的学习共同体。［2］直至2003年，基于网络的学习共同体研究开始崭露头角，教师专业发展的视角也开始延伸到以学习共同体为支点和路径。随着国家对建设学习型社会和构建终身教育体系的倡导，理论研究者对学习共同体的青睐与日俱增，学习共同体在教育研究领域的相关文献亦呈逐年增长趋势。本文拟运用共词分析，对学习共同体前期研究的关键文献进行共词可视化分析，系统探究学习共同体研究热点的主要集中领域，并尝试对其未来研究发展趋势加以探索。

一、研究资料与方法

（一）资料来源

研究文献选自中国知网（CNKI）的中国学术期刊网络出版总库（CAJI），检索主题设定为“学习共同体”，初步检索到相关文献4102篇。根据布拉福德文献离散规律，绝大多数关键文献通常都会集中发表在少数核心期刊。因此设定检索条件中的来源期刊类别为核心期刊和中文社会科学引文索引（CSSCI）期刊，获得检索结果1502条。根据本文对学习共同体的概念界定和研究需要，进一步运用高级检索方式。因最早出现“学习共同体”篇名的核心期刊和CSSCI期刊文献记录始于2003年，因此将检索时间范围选定为2003年－2015年（检索截止2015年9月30日），设定以“学习共同体”为主题且篇名检索，获得文献318篇。为保证文献的代表性和有效性，经过进一步人工筛查，剔除书刊评述、学校推介和会议报道等与本研究弱相关文献，最终获得281篇文献作为本次研究统计样本。有关“学习共同体”期刊文献发表年份分布情况见表1。需要指出的是，随着后期研究者对“学习共同体”的英文表达“Learning Community”存在争议，也有研究者将其译作“学习型社区”或“学习社群”等，有对学习共同体研究现状分析的文献将学习型社区与学习共同体视为同义进行文献采集，［3］但从篇名和关键词检索的数量结果来看，“学习共同体”较之于“学习型社区”和“学习社群”受到了研究者更为广泛的认可。对比发现，学习共同体研究的时间序列与学习型社区并不同步，因此本文将“学习型社区”视为区别于“学习共同体”概念。本文研究主题仅限定为“学习共同体”，不存在相似词汇，以避免诸多同义替换带来的研究资料来源主旨不一。

表1 中国知网CAJD库2003－2015年核心期刊和CSSCI期刊中有关“学习共同体”的文献发表年份分布情况统计

观察不同年度文献发表数量可以从总体上判断主题的研究趋势。从文献数量来看，有关学习共同体的研究在2004年之前数量甚微，但之后始终保持数量上升趋势；2007年翻倍增长，2008年至2010年间基本处于相似水平；之后几年平稳发展，至2013年达到数量最多；文献数量总体呈逐年上升趋势，后期无明显变化。2014和2015年，该研究主题热度相对降低，或因相关研究遭遇瓶颈，导致研究数量上升空间受抑。但数量增长的减缓并不是热点消退的标志，而可以视为研究质量提升的呼唤和持续创新的契机。总体而言，通过文献年份数量分布和内容摘要分析，可以初步判断有关学习共同体的研究，在研究规模上走向内敛持平，在研究内容上有待突破创新。

以上只是通过人工计量和内容概览，对学习共同体相关文献进行的大体分析，有待于通过数据分析进一步验证。

（二）工具与方法

运用书目共现分析系统Bicomb2.0和社会科学统计软件包SPSS19.0作为本次学习共同体研究热点主要领域与发展趋势的分析工具。导入研究文本至Bicomb2.0后提取文献关键字段信息，获得1156个关键词。为使研究样本具有代表性和可信性，对初获得的关键词进行筛查整合。剔除表达有误、语义不准确、概括性不强、俗语等一些与研究无关的词语，最终提取关键词1152个。考虑不同研究者个体对相似关键词的概括有所差异，同义关键词在不同文献中表达有所差别，故将有效文献关键词进行规范处理，如将“学校变革”并入“学校改革”，将“教师学习共同体”、“教师专业发展共同体”等并入“教师专业学习共同体”，将“教师发展”、“专业发展”统一为“教师专业发展”，将“合作学习法”、“合作式学习”统一纳入“合作学习”等。对提取后的关键词进行词频统计，最终生成681个关键词样本。

二、研究结果与讨论

（一）词频分析

词频分析法是定性分析法的一种，是指利用能够揭示或表达文献核心内容的关键主题词在某一研究领域文献中出现的频次高低来确定该领域研究热点和发展动向的文献计量方法。［4］参考孙清兰所提高频词与低频词的界分及词频估算法，［5］结合“学习共同体”既有研究规模，综合考虑本研究所选取文献样本数，最终确定本研究高频、低频词阈值为4次，提取获得27个高频关键词（表2）。

表2 中国知网CAJD库2003－2015年核心期刊和CSSCI期刊中有关“学习共同体”研究的高频关键词统计（频数≧4）

由表2可以看出，27个高频词的累积百分比达34.72%，在关键词样本中占有较大比重，贡献率较高，具有一定代表性。频次居高的关键词依次为“学习共同体”、“教师专业学习共同体”、“网络虚拟学习共同体”和“教师专业发展”。其余不同高频词之间的频次差异不大，说明有关学习共同体的研究热点相对集中，并再次验证学习共同体与教师专业发展及网络虚拟环境密切相关，但研究热点的主要领域有待进一步通过共词分析和聚类分析进行挖掘。词频分析作为文献分析的基础，还需要与共词可视化分析结合，通过定性和定量结合以增强分析结果的准确度。

（二）共词分析

共词分析是内容分析法的常用方法之一，是指利用文献集中词汇对或名词短语共同出现的情况，来确定该文献集所代表学科中各主题之间的关系。一般认为词汇对在同一篇文献中出现的次数越多，代表这两个主题的关系越紧密。［6］在提取关键词、统计高频词的基础上，使用Bicomb2.0生成高频词的词篇矩阵和共现矩阵。其中，利用生成的27*27共现矩阵，可以看到两两关键词在同一篇文献中共同出现的频次，以获得高频词之间的疏密关系（表3）。

表3 有关“学习共同体”研究的高频关键词共现矩阵（局部）

通过该共现矩阵可看到高频关键词之间两两出现的频次，其中共现强度较大的相异关键词，主要有“教师专业发展”和“学习共同体”（13）、“教师专业发展”和“教师专业学习共同体”（12），可见教师专业发展和学习共同体结合所生成的教师专业学习共同体是一个交叉研究热点。另外，“构建”、“学校改革”、“合作学习”、“共同体”和“教师”这几个关键词，都和核心关键词“学习共同体”有关联共现词频，其领域划分有待通过系统聚类进一步获得。构建共现矩阵仅能够反应出高频词两两配对的绝对数量，但关键词共现次数受各自词频高低的影响，存在一定误差。共现矩阵不能完全真实反映全部共词关系，［7］因此应采用Ochiia系数法对矩阵进行标准化处理，构建相似矩阵以挖掘关键词之间的关联程度。

表4 有关“学习共同体”的研究高频关键词相似矩阵（局部）

使用SPSS19.0以Ochiia系数法对Bicomb所生成的高频词矩阵进行处理，生成高频关键词的相似矩阵（表4）。该相似矩阵能够进一步反映出学习共同体研究中高频关键词之间的疏密程度。关系的疏密程度取值范围在0到1之间，数值越接近1，说明二者之间的关系越密切；反之，数值越接近0，则表明关系越疏远。［8］表中可见，“学习共同体”这一核心关键词与其他高频关键词在共同文献中被探究和讨论程度较高，与它们之间的关系紧密程度由高到低依次为“教师专业发展”（0.192）、“学校改革”（0.169）、“构建”（0.168）、“合作学习”（0.133）、“共同体”（0.133）、“教师”（0.084）。由此两两组合可形成不同取向的学习共同体研究领域，视为与学习共同体研究联系紧密的热点关键词。利用矩阵进行共词分析能够为学习共同体研究热点提供基本一致的关键词亲疏关系统计，矩阵呈现的关联词对形成一张包容并连接不同关键词的平面共词关系网络，但它仍难于反映关键词之间真正的依赖程度高低，一个主题同时与多个主题构成关联，也无法体现词对关系网中不同类团的分类界定。因此，具体相关热点领域的呈现需进一步通过系统聚类和多维尺度进行可视化分析以直观简明呈现领域划分。

（三）可视化分析

知识可视化是指那些可以用来建构和传达复杂观点的图解形式。它不仅能够提高知识传递的效率，而且能够使知识在传播的过程中整合生成新知识。［9］树状图和知识图谱属于知识可视化的视觉表征工具。为后续聚类分析的需求，用“1”与相似矩阵内各数据相减转化为反映两个关键词之间差异程度的相异矩阵，通过系统聚类分析和多维尺度分析以获得可视化效果图。聚类分析是依照“物以类聚”的原理，根据事物本身的特性进行分类，将多个变量置于一个多维空间中，按照它们空间关系的密切程度，进行同类相聚的多元统计分析方法。［10］本研究运用系统聚类法，生成聚类树状图（图1）。系统聚类能够将关键词按照疏密程度逐层次两两合并归类，直至所有关键词被并归，以实现同类内部相似性最大、同类外部差异性最大，自动划分后的整体具有较好的结构性。

图1利用树状结构勾勒出单个关键词之间的线性关系，同一水平尺度的N个关键词可以看做一类，合并同类后将与它们共有关联的关键词一同并入，直至大类之间是完全平行关系。如“教师专业学习共同体”和“教师合作”处于同一水平尺度，视为同类；同时，“教师专业发展”依附于“教师专业学习共同体”，亦属于同类，这三个归为一类的基础上，它们和“教师”都有所关联，故将教师一并纳入该类，由此便形成由这四个关键词构成的一个类团。但是，聚类树图无法表达出确定同类团内部核心关键词，因此需进一步尝试通过多维尺度分析来辅助寻找关键词的分类结构。

图1 学习共同体研究的聚类树状图

多维尺度分析（multidimensional scaling）是基于变量之间的相似性或距离，将变量简化到一个低维（二维或三维）空间进行定位、分析和归类，用空间图示形象展示出数据关系和类别的数据分析方法。［11］123本研究对相异矩阵进行二维尺度分析，以正对称组图（散点图）的形式呈现（图2）。但是，聚类分析和多维尺度分析得到的结果有时存在差异，有研究者将它归因于由聚类分析过程及合并类目的不同顺序所引起，［12］毕竟降维会带来完整信息的损耗，二维显示往往并不能完全准确表达多维问题。因此，结合二者共同寻找关键词亲疏关系，更有利于控制信息流失和弥补各自弊端。通过非线性转换后空间降维得到的知识图谱，还保留了对象间的原始关系，以关键词在平面上的距离来反映它们之间的相似性。图2中相互靠拢聚集的关键词可以组成一个类团。因此，结合聚类树状图，在散点图上将位置相近的因子圈出6个类团，将相近类团聚集进而绘制出学习共同体的共词知识图谱。每个类团在坐标轴空间象限的位置是否核心反映出类团的成熟度，对类团发展变化的解释可以掌握学习共同体研究热点领域的发展脉络。图中类团6的相关研究相对比较成熟，具有良好的稳定性。同类团内部因子的粘合度越高，则对同类目因子的凝聚力越大，对类团结构稳定的贡献度越高。

图2 学习共同体研究的共词知识图谱

聚类分析通过统计类间距离和点间距离，能够实现同类关键词的凝聚和异类关键词的分解，有效减少了人工统计的误差。但在聚类的过程中，由于聚类过程的互斥性，导致关键词划分进入某个类团具有唯一性。［13］在实际学习共同体的相关研究中，存在同一关键词进入不同热点领域的情况，而聚类分析只能够将高频词聚入某个相关文献最多的类团，这就导致可能同属于其他领域的关键词无法并入相关主题领域。如“构建策略”这一高频关键词往往在各类不同主题类团的文献中都有作为关键词出现，但鉴于此处“教育改革”和“学校改革”等相邻距离较近，故归于类团2当中。同时，并非类团内的所有关键词都代表一致的研究方向，在聚类过程中因为词与词间的距离有传递关系，而聚类过程中没能有效将这种词间距离的传递关系取出，导致在聚类时将一些概念关联不太相关的主题词聚集在一起。［14］类团内部的各关键词因子影响力有所差异，必须通过寻找粘性较大的关键词才能够确定各类目的主题命名。有研究者提出粘合力思想，［15］用以衡量类团内各主题词对聚类成团的贡献程度，表达每个主题在类团的聚集过程中所起作用的程度。粘合力的计算是取该词与其它主题词在同篇文献分别共现频率的平均值（表5）。当平均值越大时，该词在类团中的地位越突出。在类团中，粘合力最大的词称为中心词，中心词在确定类团的名称与性质中起至关重要的作用。

表5 学习共同体研究高频关键词的粘合度

可以看到，类团1、2、3和6均具有突出的中心词，如“学习活动”、“学校改革”、“教师专业发展”和“网络”等，分别取各类团内部粘合度较高的中心词用以作为类团主题名确定的参照。如，从类团2当中各关键词的粘合度可以判断，该类团的主要研究主题集中在基于“学习共同体”的“学校改革”和“教育改革”，同时有部分文献集中于“行动研究”，因此将其主题确定为“学习共同体与学校教育改革的实践研究”。其中，类团5的中心词尚不明显，一方面说明三个关键词之间相互贡献均衡，另一方面说明其结构成分不明确，故同时结合前面的共词矩阵和聚类树图予以命名。由此，结合共词分析的可视化输出（表1、表2），根据类团内部关键词的粘合度，并结合相关研究文献主题，尝试将国内学习共同体研究热点划分为六大主题类别（表6）。

表6 学习共同体研究热点类团的主题结构表

（四）战略坐标分析

战略坐标是Law等人在1988年提出的，用来描述某一研究领域各主题内部联系情况以及主题间的相互影响情况。［16］在战略坐标图中，使用密度来衡量某一研究领域各主题的内部联系强度（通常用Y轴表示），使用向心度来度量各主题之间的相互影响程度（通常用X轴表示）。在本研究中，作为衡量主题类团内部关联强度的指标，在共现矩阵所呈现出关键词两两共现关系的基础上，每个类团的密度是计算类团内关键词两两共现频次的总和后求均值所得；而每个类团的向心度是计算类团内关键词与其余类团中的关键词两两共现频次的总和后求均值所得。由此，得到各类团的密度和向心度（表7）。

表7 学习共同体研究热点各类团的向心度与密度

以向心度为横轴，密度为纵轴，根据表7中向心度和密度值依次确定各类团坐标点A、B、C、D、E、F以绘制出各类团坐标点的基本位置，以向心度的均值和密度的均值定位坐标原点为（67.2，42.8）将整个战略坐标图划分为四个象限，位于不同象限的类团则分别处于不同的发展阶段。沿着横轴方向看，向心度逐渐增大，说明类团内关键词与其他类团内关键词共现的频次越高，即与其他类团主题联系愈加紧密，说明该研究主题具有较强的灵活性和生命力。沿着纵轴方向看，密度逐渐增大，说明类团内部各关键词之间共现频次越高，即内部结构愈加紧密，研究主题自身相对成熟且研究充分。

具体来看，类团B所代表的“学习共同体与学校教育改革的实践研究”和类团C所代表的“教师专业学习共同体研究”均位于战略坐标图的第一象限，是相对比较成熟、稳定的研究领域，拥有较高的密度和向心度，不仅类团内部各关键词联系紧密，而且和其他类团主题存在较强联系，这一方面说明这两个研究主题自身内部有着较好的稳定性，另一方面也说明它们和其他研究主题之间有所交叉。战略坐标图当中位于第二象限的类团A代表“学习共同体内部组织的理论研究”，密度较高，意味着该研究主题内部联系紧密，已有较为系统的研究，形成相对独立的研究领域；但向心度偏低，意味着该研究主题与其他研究主题联系不够密切，在整个学习共同体研究领域表现并不活跃，后续发展趋势可能会随着研究规模的增大而逐步淡化。位于密度和向心度都较低的类团D、E分别代表“课堂学习共同体研究”、“共同体与网络教学模式研究”，这两个研究主题向心度和密度都较弱，不仅内部结构松散，且与其他研究主题联系不密切，是学习共同体研究领域受关注相对较少的主题，研究尚不成熟，有待于进一步发展。位于战略坐标图第四象限的类团F代表“网络虚拟学习共同体研究”，向心度较高，说明该主题与其它主题之间有一定联系，在学习共同体研究领域表现活跃，是其它主题有所渗透交叉的主题，具有一定的发展潜力，但自身内部结构松散，发展不够成熟，易被分解演化成其他相关主题。

图3 学习共同体研究热点主题战略坐标图

三、研究结论与展望

通过上述对学习共同体研究热点的频次分析、共词分析、可视化分析和战略坐标分析，可以看出我国有关学习共同体的研究自本世纪初涌现以来，已经在几个密切相关的研究主题领域形成热点话题，研究者结合教师专业发展和网络虚拟学习等诸多视角业已形成不同的理论模型建构和实践应用探究。但不同的研究热点主题之间的发展进程和趋势有所差异：有相对成熟、活跃的主题，如教师专业发展和学校教育改革；也存在高频但研究相对独立，或较易分解的主题。结合上文对文献内容主题演变的大体趋势进行划分，可以得出以下几点研究结论。

第一，“学习共同体与学校教育改革的实践研究”和“教师专业学习共同体研究”作为两个热点中核心且成熟的研究领域，为获得持久生命力需要开拓主题内部的差异化研究，细分研究主题到更为新颖和具体的关键词，深挖内部结构，避免内部同质性。如学校教育改革实践中的学习共同体研究，可以区分不同学段、不同学科、不同行为取向的学习共同体，避免学习共同体成为改革实践中的一个“筐”，什么都可往里装，应明确各类学习共同体之间的界限。有关教师专业学习共同体的研究，可以尝试在教师专业发展领域内部的“教师培训”、“教师成长”和“教师教学改进”等关键词之间建立联系，既有不同行为取向的教师专业学习共同体的划分，又有教师专业发展不同方面的整合研究，由此通过学习共同体搭建起不同层次的教师专业发展共同体之间的桥梁。整体来说，“学习共同体与学校教育改革的实践研究”和“教师专业学习共同体研究”的发展已经相对比较成熟和稳定，可通过加深自身内部结构和扩大与其他主题之间的联系以推动研究新进展。

第二，“学习共同体内部组织的理论研究”相对独立，面临消解危机，有待加强与其他主题之间的联系。有关“助学者”、“学习活动”、“学习过程”、“学习模式”、“主体性”和“知识建构”等学习共同体的基本理论研究作为各类共同体研究的基础已经相对比较成熟，但欠缺有效的提升动力，可以通过寻找与其他主题之间的结合点来注入新鲜血液，保持该研究领域的稳定性。如结合网络虚拟学习环境对助学者在学习共同体中的角色类型和身份特征进行研究等。学习共同体内不同主题之间的相互交叉和深度融合研究，不仅有益于欠缺发展动力的主题获得新进展，也有助于学习共同体研究获得更为持续的关注。

第三，“课堂学习共同体”和“共同体与网络教学模式研究”尚需强化内部结构之间的联系并加强与其他主题关联性。从发展现状来看，这两个主题内部结构松散，研究尚不成熟，如“合作学习”和“课堂学习共同体”之间的区别和联系尚未有清晰的研究成果做阐释；课堂学习共同体的相关研究比较分散，缺少集中的主题关键词以支撑整个主题。未来可尝试打通“课程”、“学习”和“课堂”之间的壁垒，通过学习共同体理论为学校课堂学习和课外课程学习搭建桥梁。共同体与教学模式的相关研究亦相对松散疏离，自身难以确立核心概念和联系，可尝试将相关研究与其他主题结合，在补偿性研究中获得自身的发展动力。

第四，“网络虚拟学习共同体研究”和其他主题之间联系密切，但仍需提高主题内部一致性。相对于其他研究主题而言，网络虚拟学习能够为教师专业学习共同体、课堂学习共同体等其他相关主题研究提供环境支撑和技术支持，在本主题外部有着良好的粘合力，但是内部各关键词相对分散，缺少集中体现网络虚拟学习成果的高频关键词。其中社会性网络服务（SNS）很难作为一个内部独立的核心概念起到主要粘合力的作用，仍有待寻找新的内部粘合力较高的关键词以支撑网络虚拟学习共同体研究的内部结构，从而保证该研究主题的内部一致性和发展成熟度。

参考文献：

［1］钟启泉.基础学校：学习的共同体——新世纪“基础学校”的构图（之一）［J］.上海教育，1998，（8）.

［2］万明钢.建构网络条件下的学习共同体［N］.中国教育报，2000－11－20.

［3］卢强.国内学习共同体研究现状与进展分析［J］.中国远程教育，2012，（5）.

［4］马费成，张勤.国内外知识管理研究热点——基于词频的统计分析［J］.情报学报，2006，（2）.

［5］孙清兰.高频、低频词的界分及词频估计方法［J］.情报科学，1992，（2）.

［6］钟伟金，李佳.共词分析法研究（一）——共词分析的过程与方式［J］.情报杂志，2008，（5）.

［7］包莹，栗洪武.蒙古族教育研究热点的主要领域与发展趋势——基于CNKI学术期刊2000年－2013年文献的共词可视化分析［J］.西北民族大学学报：哲学社会科学版，2014，（6）.

［8］Bauin S.，Michelet B.，Schweighoffer M.G.，etal.Using Bibliometrics in Strategic Analysis：“Understanding Chemical Reactions”at the CNRS［J］.Scientometrics，1991，（1）.

［9］李梁，来宁.国内知识可视化的研究现状及其趋势——基于2005～2013年CNKI等期刊文献的分析［J］.山东工商学院学报，2014，（6）.

［10］张勤，徐绪松.共词分析法与可视化技术的结合：揭示国外知识管理研究结构［J］.管理工程学报，2008，（4）.

［11］张文彤.SPSSⅡ统计分析教程［M］.北京：北京希望电子出版社，2002.

［12］Peter B.M.，Ray B.，et al.A Method for Identifying Clusters in Sets of InterlinkingWeb Spaces［J］.Scientometrics，2003，（3）.

［13］钟伟金，李佳，杨兴菊.共词分析法研究（三）——共词聚类分析法的原理与特点［J］.情报杂志，2008，（7）.

［14］杨颖，崔雷.基于共词分析的学科结构可视化表达方法的探讨［J］.现代情报，2011，（1）.

［15］钟伟金，李佳.共词分析法研究（二）——类团分析［J］.情报杂志，2008，（6）.

［16］Law J.，Bauin S.，Courtial J.P.，et al.Policy and the Mapping of Scientific Change：A co-word analysis of Research into Environmental Acidification［J］.Scientometrics，1988，14（3－4）.