国内外教育大数据研究热点及趋势的对比研究

李世瑾，周 榕

陕西师范大学教育学院，西安 710062

随着云计算、移动互联网、物联网和虚拟技术、数据挖掘技术等大规模的发展，教育研究者在数据获取、存储、分析和决策等方面的研究得到了大力支持。2012年联合国发布的《大数据促发展:挑战与机遇》白皮书中阐明，“大数据时代已经到来，大数据的出现将对社会各领域产生深刻影响”[1]。同年，美国总统奥巴马宣布大力推进“大数据研究项目”。2015年国务院发布的《促进大数据发展行动纲要》明确提出要大力推进教育文化大数据建设，充分发挥大数据技术对教育变革的支撑作用[2]。可见，大数据的发展引发了国家战略、社会发展、技术变革等多层面的广泛关注及高度重视。

随着大数据在教育领域的逐步升温，广大研究者也进行了诸多相关的研究，并且研究成果某种程度上加速了教育大数据的快速发展。但通过文献分析，发现国内外关于教育大数据的对比性研究还不多。鉴于此，文章采用定性和定量的混合研究，对比分析了国内外教育大数据研究热点、主题的变化以及趋势动态发展情况，一方面吸收研究过程中的优秀经验，为今后的研究指引更具有针对性、方向性的道路;另一方面，弄清楚国内外教育大数据研究过程中的差异、出现的问题，从而避免今后的研究陷入同样的误区。

1 研究设计

1.1 数据来源

该文中文文献来源于CNKI数据库，在高级检索中，选择“期刊”并以“关键词”为“教育&大数据”“学习&大数据”“教学资源&大数据”“教学管理&大数据”检索;时间界定为“2008—2018年”;文献来源于教育类的“核心期刊＋CSSCI”。共检索464条记录，通过实际阅读剔除无关样本后，最终获得有效样本443篇。同样，选择Web of Science核心合集进入“高级检索”，以关键词为“Education&Big Data”“Study&Big Data”“Educational Resources&Big Data”“Educational management&Big Data”，共检索237条记录，最终获得有效期刊文章样本204篇。

1.2 研究方法和工具

该研究通过关键词共现统计其在有效样本中出现的频次，了解关键词之间的亲疏关系，挖掘关键词之间的聚类团体，进而分析聚类主题的关系;并且运用比较分析法进一步比对国内外教育大数据研究热点变化及演进趋势的差异。运用可视化分析软件CiteSpace和Excel 2013软件，采用关键词词频、热点突现、聚类分析及对比梳理等多元维度视角，得到了国内外教育大数据研究的热点及趋势发展情况。

2 研究结果

2.1 时间分布图谱

从时间维度统计国内外“教育大数据”研究的发文量，能够反映出该领域研究成果的发展情况。图1为国内外2008—2018年该领域发文数量的时区视图。从图中看出，国外研究比国内起步要早，说明国外研究成果为国内开展研究奠定了一定基础。但2013年之后，国内发文量呈现直线上升趋势，发文数量明显高于国外。出现这一情况的原因可能是:2013年是中国大数据的元年，随着大数据时代的到来，教育大数据也进入“快节奏”的发展轨道。另外，2015年国务院提出“大众创业，万众创新”政策，更多的智慧产品，如电子书包、智能硬件、机器人等的出现，亟待运用数据挖掘技术解决更多的课堂问题。此外，十九大报告中也明确提出大力推进教育大数据发展，可推测未来将继续掀起教育大数据研究的新热潮。

2.2 空间分布图谱

图2为国内外教育大数据发文量高产研究机构或地域。国内主要集中于西南、中原及东北地带，比较有代表的是实力较强的一些师范类高校，但明显研究团队分散，还没有形成核心研究机构;国外则分布于美国、德国、英国等地域，这些地区的经济、科技水平明显高于其它地区，这正是这些地域教育大数据研究发展快速的原因。进一步分析全球的发文状况，我们了解到中国与美国合作交流密切，这种紧密联系也促使我国教育大数据的研究呈现出“井喷式”态势。可见，与教育大数据发达地区的交流、合作，是加快教育大数据研究的便捷之道。

图1 国内外教育大数据发文量时间分布

图2 国内外教育大数据空间分布

2.3 高频关键词统计

将CNKI中Refworks格式的文献题录导入Cite-Space软件中，先将文献格式经过预处理，Time Slicing选择2008—2018年，Years per slice设置为1，Node Types选择“Keyword”，阈值选择通过前、中、后三个时间段(C，CC，CCV)，即(被引或出现的频次，共被引或共现频次，共被引或共现率)的设置为(2，2，20)，图谱修剪选择“寻径”算法及静态化的图谱可视化方式。同理，将Web of Science中导出的题录信息使用同样的方法，得到了表1关于国内外教育大数据研究的高频关键词共现统计情况。

表1显示，国内教育大数据研究的高频词语有大数据、思想政治教育、学习分析和机器学习等。思想政治教育是大数据教育应用管理的具体体现，而学习分析、机器学习是大数据支撑下的技术体现，慕课则是大数据进入课堂的教学形式。可见，国内教育大数据已经深入到了教育的各个范畴。国外研究则集中于如何运用大数据技术，如学习分析技术、数据挖掘技术和虚拟现实技术等，最终实现学生 “个性化”的创新学习目标;同时，在研究教育大数据的同时，国外更注重技术媒体，如云计算、hadoop等新技术的融合实践应用。

表1 国内外教育大数据关键词共现(局部)

3 国内外教育大数据研究热点分析

Cite Space的关键词聚类功能可以明确某研究领域的热点及其随年代发展的动态变化趋向。将CNKI和Web of Science导出的有效样本进行格式转换处理，切分年代为1年，聚类词来源选择标题、摘要、作者信息、关键词、节点类型等，剪切连线设置为路径探测算法，最终呈现出教育大数据聚类图谱(如图3显示)。Cite Space将国内外研究聚类，国内网络密度为0.0279，国外为0.072，两者的Modularity Q和Mean Silhouette指标分别为0.7684、0.5838和0.5079、0.6222，数值均大于0.5，说明是可以成功聚类的。

图3 国内外教育大数据研究聚类情况

图3将国内外研究热点聚为若干类，结合聚类情况和文献内容分析，最终将国内热点归纳为4类，国外归为3类，具体如下:

3.1 国内教育大数据研究热点

3.1.1 基础理论探索 教育大数据理论研究重点关注两个方面:一是大数据的内涵特征，给教育领域带来的机遇和挑战;二是教育大数据在教学应用方面的支撑，如何适应并突破新的教学方式?国内学者理论研究视角各有千秋:杨现民[3]从大数据采集视角界定教育大数据，孙洪涛[4]以大数据的技术过程为主，王莎[5]等则从大数据的效益角度入手，而丛亮[6]等对大数据在教学中的应用做重点探究。总体说来，国内学者虽然从不同视角来探索教育大数据的理论基础，但目前国内学者对教育大数据的定义还没有明确统一界定，也没有形成完备的理论体系，后期需要更多的研究者深入研究。

3.1.2 教育大数据的技术体系支撑 大数据在教育领域的蓬勃发展，催生了新技术的发芽。如何运用这些新技术，精准预测、分析学生的学习行为，满足个体的需求兴趣，真正实现因材施教，成为了研究者关注的重点。如学习分析技术、数据挖掘技术等，都突显出新技术运用于教学之中，不断改革教学方式从而提升学习绩效。但是国内现阶段的研究大部分停留于理论层面，运用新技术的实践研究还需亟待加强。因此，我们今后应该积极探索如何让新技术服务于教学，服务于未来教育。

3.1.3 教育大数据在教学中的具体应用 大数据技术与教育教学深度融合，挖掘有用的课堂数据，分析学生的学习习惯、志趣爱好，方便教师推送合理的学习资源，也方便教师在教学方式上推陈出新，从而最大化地满足学生的个性化学习。另外，关于教育大数据背景下学习资源的研究热点主要有:网络平台、数据资源、教育信息化等，这些平台为教师、学生获取优质教育资源提供了便捷途径，也为逐步实现学生个性化学习、创新思维的培养以及创新式发展贡献了力量。但目前国内虽然在积极探索，但研究方向单一，有待多元化、多视角展开后期研究工作。

3.1.4 教育大数据的发展战略和政策 数字化时代，教育大数据的发展成为了国家的重中之重。2015年，国务院印发了大数据发展行动纲领，将大数据的发展提升到了国家战略层面，同时，诸多地方已经开始展开具体规划，如2016年江苏省人民政府公布了《江苏省大数据发展行动计划》，强调关注大数据，为用户提供多样化、个性化、精准化的产品和服务。并且，已有研究表明，教育大数据政策的提出，不仅对教学方式的改革和教育资源的共享有显著的推动作用，而且其双向传递功能也对教育大数据政策革新、及时反馈和修正提供便利。为更好地发展我国的教育大数据，亟待需要国家和地方齐心协力，共同规划发展，建立起上下协同、互相督促发展的战略新局面。

3.2 国外教育大数据研究热点

3.2.1 教育大数据技术体系构建研究 聚类显示，国外非常重视教育大数据在技术研发方面的研究。关于这一主题的研究有:技术环境下的实践研究，如云计算技术、虚拟现实技术、数据挖掘技术在教学、网络平台的实践运用。比较有代表的有:Wu GZ[7]关于验证教育大数据技术绩效的研究，Li Yao[8]关于新技术的应用开发途径，Wassan J T[9]关于技术挖掘模型的开发等。国外研究更加注重实践应用层面，真实具体地解决相应的问题，在实践中出真知，在技术架构中跨越理念创新，从而真正实现教育大数据技术方面的新突破。

3.2.2 教育应用研究 国外积极探索教育大数据的应用研究，最终实现用户教育应用的个性化追求。如采用学习分析技术，分析学生需求，个性化地推送课程资源，及时反馈课程障碍与问题，最终实现学生的高效学习。同时，国外研究注重保护用户隐私，避免因数据处理失误而给其带来安全漏洞。他们更倾向于用科学安全的方式，改变传统的教学模式，创新个性化、先进性的发展路径。

3.2.3 优质的教育资源,精准的教学革新 国外学者在教育大数据的研究过程中，关注如何推送优质、开放、共享的资源，如何在海量的大数据中，符合每一位用户需求，推送高质量、高效资源是国外研究的重点。他们利用先进的技术改革手段，侦探出学生的学习表现和学习路径，把握学生的兴趣爱好，精准革新教学模式，真正实现学生的个性化、创新型、供应链式发展。国外研究更注重个性化、兴趣化和发散思维的发展，充分强调“以人为本”的教育理念。此外，国外在教学改革研究方面注重实验研究，并强调通过实验验证模型，最终运用于教育大数据课程模式的开发。

3.3 国内外研究对比分析

对比国内外教育大数据的相关热点研究，可归纳出其具体特征:

3.3.1 国内重视理论探讨,国外强调实践应用 国内外学者在研究教育大数据的时候，都十分关注技术手段、技术工具的开发运用，强调如何借助分析技术，精准预测学生的学习需求，从而提供针对性的资源和辅导。但是，国内外侧重点不一样，国内重视理论探讨，习惯借助国外相应的可行性方案、数据挖掘手段及案例讲述等;国外则强调实证研究，他们习惯于在实践应用中验证理论基础的正确性，并进一步完善理论。因此，我国在今后的教育大数据研究过程中，应该积极根据自身情况，深入剖析应用实践，不断完善我国教育大数据研究的理论体系，切忌不能照搬国外研究模式，避免走入研究的“误区”。

3.3.2 国内研究发展滞缓,国外发展速度快 国外大数据出现的比较早，但教育大数据的提出与国内时间接近。那么从文献统计分析的情况可以看出，国外发展速度明显比国内要快。从教育数据中心来看，美国的EIIC要比中国的CNKI更为完善;从研究机构来看，美国的麻省理工学院、英国卡耐基梅隆大学都有长期深入的跟踪，而国内虽然有国务院规划纲领、地区政策颁布，但目前还没有形成稳定的核心研究团队。所以，在今后开展教育大数据的工作时，我们应该注重从聚焦问题深入剖析下去，并且要长时期追踪研究，究其本质的特征。

3.3.3 国内自身新媒体技术较单一,国外呈现多元化新貌 从文献分析的结果看来，国外在新兴技术与新媒体应用方面的敏感度要强于国内。国外强调多元化趋势发展，如翻转课堂、可汗学院、MOOC、微课等多方位发展，这也恰好推动了国外教育应用前沿的发展;而国内研究比较单一，方向固守，更多的是对国外经验的借鉴和模仿，但是借鉴效果并不理想，如近几年在国内兴起的翻转课堂研究仍处于探索阶段，而国外已经进入了示例阶段。因此，我国教育大数据的发展阶段，国内研究者应该从国家发展的本质出发，切忌一味地引入国外技术手段支撑，应该遵循国情、人民发展的需求，精准分析需要、精准谋得发展。

4 国内外教育大数据研究的发展趋势

在上述研究聚类的基础上，将国内外教育大数据前沿关键词按时序统计，着重统计了突现情况。表2为国内教育大数据关键词突现情况，结果显示:国内于2009年出现“大数据”一词，但是教育大数据真正出现在2012年，将教育大数据的发展阶段大致分为3个阶段:第一阶段(2012—2013年)称为“萌芽期”，这个阶段的研究集中于教育大数据的内涵特征、价值意义在教育管理领域的研究;第二阶段(2013—2015年)称为“起步期”，这个阶段的研究集中于新技术、新媒体在教育大数据领域的发展，可以说该阶段为之后教育改革奠定了稳固的技术支撑;第三阶段(2015年之后)称为“发展期”，这个阶段的研究集中于教育变革、教育个性化学习、数据素养的研究，该阶段的研究还不稳固，仍在进一步完善发展。

同样，表3为国外教育大数据的关键词突现情况，大致划分为3个阶段:第一阶段(2009—2012年)称为“发展前期”，这个阶段的研究集中于教育大数据的起步发展，涉及理念指导、制度政策等的研究;第二阶段(2012—2014年)称为“发展中期”，这个阶段的研究集中于教育教学模式的探析改革、学习分析技术的智慧教育发展;第三阶段(2014年之后)称为“成熟期”，这个阶段的研究集中于教育大数据实践产业、文化素养的培养。可见，国外教育大数据的发展速度之快，规模基本成熟。

表2 国内教育大数据关键词突现

表3 国外教育大数据关键词突现

综上，教育大数据的研究在国内还有很大的潜在价值，今后的研究趋势逐渐向新技术如何促进教育教学改革，如“雾时代”的到来，如何利用精准的技术分析，推送适合的教育资源，达到因材施教的教育模式;随着教育大数据的发展，学生的数据素养发展情况、数据处理模式、数据安全保障措施等的研究。因此，未来国内研究会朝着更具实践性、细致化方向发展。但国外发展速度飞快，已经将教育大数据的研究上升为产业实践层面，这主要归功于国外发展前期具有实践性、针对性的指导规划。未来国外教育大数据的研究则更加关注认知层面、具体应用产业层面的实践研究，同时，多维度的研究视角和多元化的新型技术仍然是国外倡导的主流。

教育大数据是未来教育信息化、教育教学改革研究的关键内容。该研究采用定性和定量混合的研究方法，对国内外教育大数据的研究热点及发展趋势进行了梳理，并比对分析了国内外研究的优劣势，归纳、反思研究经验与问题，在一定程度上为今后教育大数据的工作开展提供了契机。但是，目前关于教育变革、数据安全、分析技术等实证问题较少，期待更多的研究者深入开展实践研究，以促进未来教育大数据的可持续发展。

参考文献

[1]王娟，陈世超，王林丽，等.基于CiteSpace的教育大数据研究热点与趋势分析[J].现代教育技术，2016，26(2)：5-13

[2]裴莹，付世秋，吴锋.我国教育大数据研究热点及存在问题的可视化分析[J].中国远程教育，2017(12)：46-53，80

[3]杨现民，唐斯斯，李冀红.发展教育大数据：内涵、价值和挑战[J].现代远程教育研究，2016(1)：50-61

[4]孙洪涛，郑勤华.教育大数据的核心技术、应用现状与发展趋势[J].远程教育杂志，2016，34(5)：41-49

[5]王莎，杨扬，杨航.大数据思想政治教育研究述评[J].大学教育科学，2015(3)：112-117

[6]丛亮.大数据背景下高校信息化教学模式的构建研究[J].中国电化教育，2017(12)：98-102，137

[7]Wu Guangzhi.A New Paradigm of Educational Technology Research based on Big Data[J].Agro Food Industry Hi-Tech，2017，28(3)：599-603

[8]Li Yao.Study of Educational Technology Innovation Based on the Perspective of Big Data[J].Agro Food Industry Hi-Tech，2017，28(3)：813-816

[9]Wassan J T.Discovering Big Data Modelling for Educational World[J].Procedia Social and Behavioral Sci，2015(176)：642-649