全球视野下教育技术研究热点的聚类分析与展望

许玲 张亦弛

【摘 要】

以互联网为核心的信息技术正深刻地影响着教育系统，把握技术在教育应用中的现状与趋势，有助于推进教育系统的变革与重构。本研究以2018年教育技术领域举办的26项国际会议中的主旨报告、工作坊和圆桌讨论的主题与内容为样本，采用聚类分析的方法，探讨全球视野下技术在教育应用中的研究热点和展望。主要的研究发现包括：人工智能成为教育变革的重要撬动点;学习分析技术研究向深度拓展;教学设计朝着“以学习者为中心”的学习设计方向发展;STEM教育、计算思维培养和游戏化教学研究在基础教育阶段受到青睐;开放教育资源在高等教育中的应用研究如火如荼;移动智能技术助力教育公平;科技和伦理边界的新主题引起关注。研究者期望本研究的结果能够对我国教育技术领域的研究主题的选择和研究方向有所启示。

【关键词】  教育技术;人工智能;学习分析;开放教育资源;教学设计;计算思维;游戏化学习

【中图分类号】  G642.0       【文献标识码】  A       【文章编号】  1009-458x（2019）11-0058-09

一、引言

在云计算、大数据、移动互联网、人工智能、物联网等信息技术推动下的后信息时代，技术正在为教育带来根本性的变革，让科技更好地为教育赋能成为全球教育界的共同愿景。2017年1月，美国教育部教育技术办公室颁布《国家教育技术计划》（National Educational Technology Plan， NETP），指导美国教育实践从技术应用于教育转变为技术改善教育，以确保所有学生都能获得高质量的教育体验。2018年4月，我国教育部出台了《教育信息化2.0计划》，立足“互联网+”时代背景，助力技术与教育的融合应用向创新发展的方向推进。

当前，对教育技术领域研究热点展开探讨的方法主要有两种。第一种方法是以国际或国内权威期刊发表的文章为样本，对某一领域在一定时间范围内的学术论文进行计量统计和基于知识图谱的可视化分析。例如，徐杰等（2018）选取英文期刊《计算机与教育》（Compaters & Education）2013年至2017年间刊载的游戏化学习文献进行分析，认为国际上游戏化学习的研究热点主要集中在价值认知、资源的设计与开发、应用领域与方式、效果评价以及新技术嵌入五大主题。周进等（2018）从Web of Science平台收集了国际上关于机器人教育研究的文献，梳理出研究热点主要涉及机器人教育基本概念与价值、教学工具及环境、教学设计与实践、机器人教育促进学生发展等主题。吴祥恩等（2018）以Web of Science核心数据库中在线临场感研究的文献为样本，使用可视化工具进行分析发现基础理论、实践应用、效果分析、技术支持等是在线临场感研究的热点主题。

第二种方法是聚焦一项国际学术会议，对会议主旨报告和平行论坛的主题进行总结和归纳，概括出这一领域的研究前沿与热点。例如，王美等（2018）对2018年在英国伦敦举办的第13届学习科学国际会议的报告进行整理，梳理出国际学习科学研究的八大热点，分别是信息技术背景下的学习研究、内容领域的学习研究、协作学习研究、不同境脉下的学习研究、基于设计的研究、学习分析研究、教学模式与策略研究和教师学习研究。吴永和等（2017）对2017年在加拿大温哥华召开的第7届学习分析与知识国际会议的内容进行了综述，总结出学习分析领域的前沿研究主题涉及多模态学习分析、多维度分析学习者和学习过程、多方位教学支持以及伦理、政策和发展。

然而，在探讨教育研究的最新热点方面，以上两种方法都有一定的局限性。基于期刊文献的分析往往时效性不足，因为期刊文章的形成要经过研究计划、研究设计、研究工具开发、研究数据的收集、统计分析、论文撰写等较长的过程，在完成论文后又需要经过投稿、审稿、修改、定稿、刊发的程序，因此，从研究計划到论文发表往往需要两年左右或者更长的时间，故而期刊文章的研究主题难以充分代表最新的研究热点和趋势。基于单一国际会议中的主旨报告和平行会议报告的主题进行分析，则可能由于会议范围比较窄、报告者人数有限等原因难以全面呈现相应领域的最新研究重心。

为了弥补以上两种方法的不足，本研究以2018年在全球不同地区召开的教育技术国际学术会议的主旨报告为样本，采用聚类分析的方法，探讨教育技术领域的研究热点，期望研究结果有助于我国教育技术的政策制定者、研究者和实践者了解和掌握国际教育技术研究的最新发展和趋势。

二、资料来源和研究工具

（一）资料来源

本研究所收集的2018年教育技术领域国际会议资料主要来自以下三种途径：一是国际会议汇总网站，如Conal Conference Alerts（https：//conferencealerts.com/index）、All CONFERENCES.COM（http：//www.allconferences.com/）;二是北京师范大学互联网教育智能技术及应用国家工程实验室、智慧学习研究院网站发布的国际会议资讯;三是专家或学者的推荐。最后，获得2018年教育技术领域的26项国际会议资料并以之为样本，详情见表1。由于一些知名的国际会议是两年召开一次，2018年未召开，因此未纳入此研究。

通过表1可以看到，从会议的举办地区来看，26项会议的举办地集中在四大洲，其中亚洲9项、欧洲11项、北美洲4项、大洋洲2项。从会议的主题类属来看，主要为学习分析与教育数据挖掘、学习科学、人工智能与计算机教育、远程教育及综合战略五大类;从会议的主办机构来看，大多数的会议是由多个机构联合主办，另有一些学术组织的年会，如亚洲远程教育协会年会（AAOU）、美国教育传播与技术协会年会（AECT）等。

（二）研究工具与研究过程

本研究首先整理26项国际会议日程中主旨报告（keynote speech）的题目、工作坊（workshop）报告主题、圆桌论坛（round-table）主题形成文本，然后采用Leximancer軟件对文本进行分析，通过关键词词频统计分析聚类形成主题团，探究技术在教育中的应用的热点。Leximancer软件具有强大的文本挖掘功能，它可以对段落性的语句进行直接处理，通过检测一个单词出现以及它与其他单词共同出现的频率生成一个频率矩阵，在此基础上根据其本身的算法生成相关的点，自动形成一个概念图，表征不同概念之间的关系。

Leximancer软件回避了基于人工的方式对段落性语句进行关键词提炼而产生的信度减低问题，在分析过程中需要将一些相近的主题词进行合并，如将AI与artificial intelligence合并，将technology和technologies合并，将designing和design合并，等等。由于一些主旨报告的题目比较抽象，难以较好地把握研究主题内容，因此基于高频词形成的主题团，研究者对主旨报告的内容摘要进行了二次整理，以便进一步做内容分析。

三、聚类分析结果

基于26项国际会议中的128个主旨报告、139个工作坊报告、91个圆桌论坛的主题，通过Leximancer软件自动对以上358条信息的高频关键词进行聚类，结果见图1。

基于可获得的主题报告摘要内容，对以上概念图中6个主题团的内容进行逐一分析和举例描述，由于“研究”这一主题团在不同的主题报告中都有包含，并不是一个独立的研究领域，因此这里不做分析。

（一）教育主题团的研究热点

教育主题团关联的热点是数据（data）、工具（tools）、学习（learning）、开放（open）和科学（science）。教育大数据和学习分析技术广泛融入教育环境中，个体在专业知识、认知能力、学习状态偏好等方面的差异能够借助教育大数据反映并以可视化的方式呈现，教师可据此为学习者提供个性化的学习支持（Conati， 2018）。谢弗（Shaffer， 2018）在学习分析与知识国际会议上分享了基于大数据的研究范式，他认为教育研究从质性研究和量化研究相结合的混合式研究方法转向大数据具有重要意义，会带来一种更接近真实的理解。

对于工具的研究有两种重要视角：一种视角是关注如何更好地使用各种数字化工具促进教育教学，如陈（Chen， 2018）在全球华人计算机教育应用大会上题为“基于个人差异的视角使用数字学习工具提高学术英语技能”的主题演讲所揭示的内容;另一种视角是基于新的教育理论、学习科学前瞻性研究等设计和开发新的工具运用于教育中，如帕森斯（Parsons， 2018）在中美智慧教育大会上分享了基于计算神经心理学和模拟设计的一种增强评估和培训的新工具。

开放主题词是连接教育和未来主题团的重要桥梁。大规模在线开放课程（MOOC）变革了教育体系的组织模式和实践模式，将教育的开放推向了更深、更广的层面，但MOOC深层教育规律还有待研究。在开放创新教育国际会议上，英联邦学习共同体主席坎瓦尔（Kanwar， 2018）分享了开放教育资源的全球趋势及未来走向，认为在发展中国家更多强调的是资源建设，而不是如何使用开放教育资源;缺乏用户量是影响开放教育资源主流化的显著性障碍;开放教育资源的研究要从狭隘的学术界限扩展到更广泛的终身学习中。

科学主题词的研究主要集中在STEM教育。STEM汇集了科学、技术、工程和数学的知识，多学科交叉融合，同时能够培养学生的问题解决能力，有利于培养面向未来的具有创新素养的个体，在第26届计算机教育国际会议中独立设置了三个STE（A）M主题圆桌讨论，分别是技术支持下的STEM教育、STEM教育中的教师专业化发展和STEM教与学的乐趣。

（二）设计主题团的研究热点

设计（design）词团中关联的热点是协作（collaborative）、教学（teaching）、知识（knowledge）、工具（tools）和工程（engineering）。在美国教育传播与技术协会2018年学术年会上，布勒 （Buller， 2018）做了题为“了解自己，与不同人协调合作”的演讲，他强调在“互联网+”时代人们要正确认识自我，积极地展开协作，共同学习与分享。宏观层面的设计研究主要关注学习环境的设计。学习环境的设计为支持学习过程提高参与度及达到预期学习效果提供了支撑，有研究者开展了以家庭为中心的学习环境设计的研究，也有学者分享了如何基于数字化学习工具开展物理性教室学习空间的设计以促进协作学习。微观层面的设计研究包含STEM教育中课程设计、MOOC学习的交互策略设计和评价工具的设计等。近年来，随着学习科学的发展教学设计逐步转向学习设计。在学习分析与知识国际会议上，专门设了“连接学习分析与学习设计的评估系统与工具”圆桌讨论，从教学设计转向学习设计是技术在教育中应用研究的新思路。

（三）分析主题团的研究热点

分析（analytics）词团中关联的热点是数字（digital）、教室（classroom）、社交（social）、工具（tools）和教师（teachers）。随着互联网的发展，学习分析逐渐从实验室走向真实世界，被广泛地运用于基础教育、高等教育甚至工作场所的学习，涉及在线教育和传统课堂教学。美国佛罗里达州立大学登嫩（Dennen， 2018）在开放创新教育国际会议上分享了在线环境中社交媒体的研究，学习者在收藏、分享、协商、创造等在线社交活动中积累了大量的行为数据，通过学习分析技术为学习者提供全方位支持服务。在学习分析与知识国际会议上普列托（Prieto， 2018）等主持了“在传统课堂层面如何协调学习分析”的圆桌讨论。学习分析的研究不仅关注学习者，也开始关注教师。辛普森（Sampson， 2018）在开放创新教育国际会议上分享了自己的观点，他认为学习分析技术能够帮助教师反思或重新进行课程设计，以实现更具有吸引力的教学，甚至是更真实和有效的教学评量。技术的发展，如可穿戴设备、眼动仪、录像设备等工具，极大地拓展了学习分析的数据来源，让现实环境中收集多样化的教育大数据成为可能。在越来越多的数据中，可视化工具的重要性凸显。贝克鲁（Becheru， 2018）等在中美智慧教育大会上分享了一种用于社交学习环境的可视化的学生合作工具Student Viz，该工具能够将大数据直观地呈现出来，有助于研究者从中发现特点，找出趋势与规律，为教育决策提供支持。

（四）评估主题团的研究热点

评估（assessment）词团中关联的热点是设计（design）、投入（engagement）、思考（thinking）和科学（science）。教学评价既是对个体学习目标达成情况的判断，也是对不同的教学模式、教学内容、教学场景的综合性评估。在以互联网为核心的信息技术影响下，教学评价的理论、方法和工具都在发生转变，合理地设计评价方式才能得出客观的判断。波利托（Polito， 2018）等在中美智慧教育大会上分享了设计一种游戏化的方法来自动评估程序性任务。哈里斯（Harris， 2018）等在学习科学国际会议上分享了设计应用性知识的评估任务和评估标准以促进科学课堂中的深度学习。也有一些不同教育场景中的教育评价的研究，如在线认知发展评价、计算思维的评价、STEM教育的评价以及开放教育资源的使用与评价。随着学习科学领域发展，基于学习分析的个性化评价成为未来教育评价的发展趋势，大规模的非认知评价也受到研究者关注。

（五）未来主题团的研究热点

未来（future）词团中关联的热点是发展（development）、开放（open）和计算（computational）。面向未来的教育越来越关注个体的发展研究，在未来教育大会上辛格（Singer， 2018）做了题为“探索未来教育原动力”的分享，他认为未来教育要转向创造力、问题解决能力、企业家精神等这些软技能的培养，关注个体的生活能力。国内外学者从不同视角探讨了未来的学校与社会的关系变化、教育与科技的融合与边界，尤其是人工智能技术在教育领域研究应用深化。在第10届计算机支持教育国际会议上，培根（Bacon， 2018）分享了人工智能与自动化对未来社会、工作、教育需求的影响，讨论了人工智能可能的应用方向以及潜在的危机。在第26届计算机教育国际会议上，杜布雷（Du Boulay， 2018）分析了人工智能的现状并预测了未来十年的进展，她认为未来人工智能侧重于拓宽学习者模型，不仅包括知识和技能，还包括元认知、情感和动机，这种拓展带来了开发教学策略的需要。无论是发展中国家，还是发达国家，都在积极研究未来对人才的要求及整个教育系统可能的变化，从当下出发培养能应对充满不确定性未来的人才。在“互联网+”时代，学校不再是教育资源的唯一供给平台，最好的老师也不一定在课堂上，全社会蕴含着丰富的教育资源，个体需要具备计算思维和信息化素养并在开放与联通的环境中与全世界的学习者一起学习。

（六）在线主题团的研究热点

在线教育（online educaton）是高频的研究词团，在线平台（online plat）、在线课程（online course）、在线社区（online community）的研究都是热点。例如，在国际学习分析与知识会议上，詹宁斯（Jennings， 2018）主持了“如何创建数字分析模型来衡量在线课程的成功”的圆桌讨论。此外，也有一些新的研究议题，如在线实验室。萨利亚·哈桑（Saliah-Hassane， 2018）在第10届计算机支持教育国际会议上讨论了在线教与学对在线实验室的需求，并介绍了在线实验室的类型以及网络基础设施的支撑技术，形成满足学习者和教师教学需求的网络物理实验室。

四、讨论

基于以上对2018年教育技术领域26项国际会议的主旨报告、工作坊报告和平行会议报告的主题聚类分析结果，在此尝试展望技术在教育中的应用相关研究。

（一）人工智能将成为教育变革的重要撬动点

人工智能是2018年诸多国际会议上研究者关注的热点议题。近年来，人工智能技术在教育中应用的理论研究与实践均呈现爆发式的增长，神经科学的兴起、机器学习、数据挖掘等领域的快速发展促成了这种前所未有的增长。人工智能技术为教育系统带来了新的机遇，智能化学习环境可以对学习活动本身进行建模，帮助我们更好地理解学习，通过智能代理与学习者之间进行对话，执行教学策略，促进学习者与系统之间有效互动。在不同的国际会议中，专家学者分享了关于人工智能研究的前沿内容，主要有宏观和微观两方面。宏观层面主要包括人工智能技术专业人才的培养研究、人工智能时代的人文教育研究、人工智能时代的教育政策研究等;微观层面主要包括人工智能技术与教师的关系研究、智能教育系统的设计与开发研究等，已经有设计开发智能的导师系统、AI辅助学习系统等运用于实践，让学习者体验基于网络的AI互动式教学。随着对人工智能的研究不断深入，人们对人工智能的认识也逐渐加深，在国际人工智能与教育大会成果文件《北京共识》中主要围绕10个议题规划了人工智能时代的教育（张慧， 等， 2019），提出教育人工智能的政策制定要体现以人为本、跨界合作及多元经费筹措的原则（苗逢春， 2019），为未来研究指明了方向。

（二）学习分析技术研究向深度拓展

学习分析主题在2018年不同的国际会议中频繁出现也印证了学习分析的研究是当前热点。对学习分析研究的内容从横向来看不断丰富，涌现出许多新的研究内容，如文本分析转向写作分析，建设学习分析的课程，学习分析的参与式设计，大规模的个性化反馈的方法与实践，证据导向的学习分析，学习分析的人才培养及职业发展，等等。对学习分析的研究纵向不断深化，包括学习过程追踪，采集在不同学习场景下行为数据、不同感知觉数据，通过多模态数据分析追踪学习过程;构建学习者画像，在网络学习环境中通过文本分析、话语分析、表情识别、情感分析等对学习者建模，深度了解学习者特点;提供个性化和全方位的支持服务、教育资源精准推送、个性化的教育评价与反馈、风险预警和教学干预等，促進教育逐渐走向个性化。除此之外，学习分析的政策、风险和保障措施也受到研究者的关注，完善学习分析数据和技术规范并提供政策保障显得至关重要。

（三）教学设计向“以学习者为中心”的学习设计方向发展

教学设计是教育技术领域的核心研究内容，随着人们对教育学理论的认识不断加深，教学设计逐步从以教师为中心转向以学习者为中心，开始关注学习者的需求和学习能力，并在大数据和学习分析技术的推动下从教学设计转向学习设计。这是一种新的设计思路与模式，在更真实地了解学习者特点的基础上设计学习内容和学习活动，根据学习活动参与情况动态地给予学习评价和学习反馈，并不断迭代更新学习设计，实现真正地以学习者为中心。未来随着学习分析技术的发展将为学习设计提供更多支撑。

（四）STEM教育、计算思维培养和游戏化教学研究在基础教育阶段受到青睐

在K-12阶段，STEM教育、计算思维的培养和游戏化教学是研究的热点。STEM教育最早兴起于美国，随后在全世界蓬勃发展。目前，研究者已经不再局限于STEM的内涵、特征、意义的讨论，更多地从课程设计、教学、师资配置及专业发展等方向研究如何提高STEM教育质量。此外，在互联网时代，计算思维培养也成为基础教育的重要研究主题。计算思维是个体运用计算科学的思想方法进行问题解决时产生的思维活动（朱珂， 等， 2018），格罗夫（Grover， 2018）在题为“关于计算思维及学习科学如何塑造对计算机科学深度学习的思考”的主旨报告中提出计算思维和编程被认为是21世纪的关键技能，是“互联网+”时代个体必须具备的重要信息素养，计算思维的培养有助于激发学习者的创新能力和问题解决能力，应对未来不确定的挑战。基于数字游戏的学习能够增强学习动机，尤其是在K-12阶段，能够激发学习者的学习兴趣。有研究者开始关注游戏化教学策略的研究，通过恰当的策略性工具的使用提高学习者的学习效率。值得指出的是，过度采用游戏或信息技术开展教学容易带来科技沉溺的问题。

（五）开放教育资源在高等教育中的应用研究如火如荼

广义的开放教育资源研究不仅包括MOOC在内的在线课程的设计、开发、应用、推广的研究，也包括在线学习规律的研究。在國际会议中，已涌现出一些关于在线教学交互的研究、社交媒体的研究和在线教育的情感研究。加里森（Garrison， 1999）等最早提出了著名的探究社区理论，指出教学中存在三个关键要素——社会临场感、教学临场感和认知临场感，他们认为只有当这三个要素的水平都较高时有效的学习才会发生。近年来，该模型的创始人之一Cleveland Innes教授又在模型中补充了第四个要素，即情感临场感 ，由此显示在线教育中的情感研究开始受到关注（冯晓英， 等， 2018）。

（六）移动智能技术助力教育公平

当前，我们使用的设备大部分都是笔记本电脑、平板电脑、手机等移动终端设备。智能耳戴设备的研究提供了未来教育的又一种可能。智能耳戴设备是一种无线、智能化且包括麦克风和耳机的具有人工智能的微型计算机（Hunn， 2014）。目前，耳戴设备发展非常迅速，用户可以使用无线蓝牙链接，降低对网络的依赖性，主动过滤环境噪音从而降低入耳噪音。麦克格利尔（McGreal， 2018）指出，智能耳戴设备最显著的意义是它能够提供给人们超越耳朵基础听力的能力，它能够实现技术支持下的随时随地学习，从而高度地实现个性化。对耳戴设备的研究是新兴的研究热点。据了解，美国Bose公司的无线耳机已经开始尝试教育运用，其语音搜索功能的实现能够面向有障碍的人群，从而助力实现教育公平。

（七）科技和伦理边界的新主题引起关注

随着互联网技术的发展，尤其是多媒体互联网技术的发展，其在教育中的应用逐渐从局外、边缘的教育工具转变为关键、重要的支撑，从工具性地加入教学变为融入教学，这也使得科技与教育的伦理边界引起关注。在未来教育大会和第19届人工智能在教育中应用的国际会议中，设立了关于人工智能与教育伦理、人工智能与道德问题的圆桌讨论。关于人工智能的伦理讨论聚焦于两个问题，其一是AI本身的道德评价问题，其二是AI研发与应用后果的善恶问题（王银春， 2018）。人工智能与任何事物一样，都具有两面性。目前，在世界范围内几乎没有任何相关指导方针，也没有制定任何政策、法规来解决在教育中使用人工智能所引起的道德问题，因此亟待明确面向智能教育的人工智能的伦理构建原则（杜静， 等， 2019），这也是人工智能在教育中的应用研究面临的挑战和重要问题，规范伦理道德有助于更充分地利用人工智能技术带来的积极的正面作用。

五、结语

本研究基于2018年在全球举办的26项教育技术领域的国际会议的文献，对收集得到的358个大会主旨报告、工作坊报告及圆桌会议的主题和摘要通过Leximancer软件进行聚类分析，发现了教育、设计、分析、评价、未来、在线、研究七个主题团属下的22个研究热点，据此综合分析了教育技术领域的研究热点和发展趋势。每年全球举办的教育技术及相关领域的学术会议众多，在本研究过程中或有遗漏，但作者希望本研究结果能为教育技术的研究者和实践者提供新的思路，保持对新技术发展和应用的高度敏锐，积极探索如何用好技术促进教育变革，最终为教育发展做出应有的贡献。

[参考文献]

杜静，黄荣怀，李政璇，等. 2019. 智能教育时代下人工智能伦理的内涵与建构原则[J]. 电化教育研究（07）：21-29.

冯晓英，王瑞雪，吴怡君. 2018. 国内外混合式教学研究现状述评——基于混合式教学的分析框架[J]. 远程教育杂志（03）：13-24.

苗逢春. 2019. 引领人工智能时代的教育跃迁：2019年北京国际人工智能与教育大会综述[J]. 电化教育研究（08）：1-11.

王美，廖媛，黄璐，等. 2018. 数字时代重思学习：赋予学习科学重要使命——第13届学习科学国际大会综述[J]. 开放教育研究（05）：108-120.

王银春. 2018. 人工智能的道德判断及其伦理建议[J]. 南京师大学报（社会科学版）（04）：29-36.

吴祥恩，陈晓慧. 2018. 国际在线临场感研究的现状、热点及趋势——基于2000—2017年WOS核心数据库相关文献的知识图谱分析[J]. 中国电化教育（02）：37-45.

吴永和，李若晨，王浩楠. 2017. 学习分析研究的现状与未来发展——2017年学习分析与知识国际会议评析[J]. 开放教育研究（05）：42-56.

徐杰，杨文正，李美林，等. 2018. 国际游戏化学习研究热点透视及对我国的启示与借鉴——基于Computers & Education（2013-2017）载文分析[J]. 远程教育杂志（06）：73-83.

張慧，黄荣怀，李冀红，等. 2019. 规划人工智能时代的教育：引领与跨越——解读国际人工智能与教育大会成果文件《北京共识》[J]. 现代远程教育研究（03）：3-11.

中华人民共和国教育部. 2018-4-18. 教育部关于印发《教育信息化2.0行动计划》的通知[EB/OL]. [2019-1-10]. http：//www.moe.gov.cn/srcsite/A16/s3342/201804/t20180425_334188.html

周进，安涛，韩雪婧. 2018. 国际机器人教育研究前沿与热点——基于Web of Science文献的可视化分析[J]. 开放教育研究（4）：43-52.

朱珂，贾鑫欣. 2018. STEM视野下计算思维能力的发展策略研究[J]. 现代教育技术（12）：115-121.

Bacon， L. （2018， March 15）. Impact of Artificial Intelligence and Automation on the Future of Education. Retrieved February 10，2019 from http：//www.csedu.org/KeynoteSpeakers.aspx？y=2018

Becheru， A.， & Calota， A. （2018， March 18）. Student Viz： A Tool for Visualizing Students Collaborations in a Social Learning Environment. Retrieved February 10，2019 from http：//ucsec.bnu.edu.cn/

Buller， J. L. （2018， October 23）. Knowing yourself and collaborating with all kinds of people to get things done. Retrieved February 12，2019 from https：//www.aect.org/keynote_speaker.php

Chen， S. Y. （2018， May 25）. Using Digital Learning Tools to Enhance Academic English Skills： An Individual Difference Perspective.Retrieved February 8，2019 from http：//gccce2018.scnu.edu.cn/KEYNOTE-SPEECHESC/SPEECHESCN/

Conati， C. （2018， March 5）. Towards User-Centered Analytics： User-Adaptive Visualizations. Retrieved February 10，2019 from https：//latte-analytics.sydney.edu.au/keynotes/

Dennen， V. P. （2018， July 4）. Social Media Knowledge Activities： Opportunities for Learning across Formal and Informal Settings. Retrieved February 20，2019 from http：//icoie2018.ouhk.edu.hk/e-keynote.html

Du Boulay， B. （2018， November 26）. Artificial Intelligence in Education-the next 10 years . Retrieved February 10，2019 from http：//icce2018.ateneo.edu/index.php/keynote-speakers/

Garrison， D. R.， Anderson T.， & Archer， W. （1999）. Critical inquiry in a text-based environment： computer conferencing in higher education. The internet and higher education， 2（2）：87-105.

Grover， G. （2018 November 26）. Thinking about Computational Thinking and How Learning Sciences Can Shape Deeper Learning of Computer Science in Schools. Retrieved February 10，2019 from http：//icce2018.ateneo.edu/index.php/keynote-speakers/

Harris， J. C.， Krajcik， J. & Severance， S. （2018， June 23）. Designing Knowledge-In-Use Assessment Tasks and Rubrics to Assess and Promote Deep Learning in Science Classrooms. Retrieved February 12，2019 from https：//www.isls.org/icls/2018/icls2018.com/workshops/index.html

Hunn， N. （2014， April 4）. Hearables-the new warbles. Retrieved February 10，2019 from http：//www.wearable-technologies.com/2014/04/hearables-the-new-wearables/

Jennings， C. （2018）. Make your courses count： how to create a digital analytics model to measure the success of online courses. Retrieved February 10，2019 from https：//latte-analytics.sydney.edu.au/workshop- schedule-tuesday-6-march/

Kanwar， A. S. （2018）. Global Trends in OER—What is the Future？ Retrieved February 20，2019 from http：//icoie2018.ouhk.edu.hk/e-keynote.html

Leximancer. （2015）. Leximancer manual version 4. Retrieved December 27，2018 from http：//www.leximancer.com/

McGreal， R. （2018）. Hearables for online learning. The International Review of Research in Open and Distributed Learning， 19（4）：260- 267.

U.S.Department of Education. （2017 January）. Reimagining the role of technology in education： 2017 national education technology plan update.Retrieved February 10，2019 from https：//tech.ed.gov/files/2017/01/NETP17.pdf

Parsons， T. D. （2018）. Computational Neuropsychology & Simulation： New Tools for Enhancing Assessment & Training.Retrieved January 25，2019 from http：//ucsec.bnu.edu.cn/

Polito， G.， & Temperini， M. （2018 March 18）. A Gamified Approach to Automated Assessment of Programming Assignments. Retrieved February 20，2019 from http：//ucsec.bnu.edu.cn/en

Prieto， L. P.， & Rodríguez-Triana， M. J. （2018）. Orchestrating learning analytics： learning analytics adoption at the classroom level. Retrieved February 10，2019 from https：//sites.google.com/view/orla-ws-2018/home

Saliah-Hassane， H. （2018 March 15）. Standardization of Online Laboratories for Education—Why and How？ Retrieved February 10，2019 from http：//www.csedu.org/KeynoteSpeakers.aspx？y=2018

Sampson， D. （2018 July 4）. Educational Data Analytics for Supporting Teaching and Learning in Online Education. Retrieved February 20，2019 from http：//icoie2018.ouhk.edu.hk/e-keynote.html

Shaffer， D. W. （2018 March 5）. The Importance of Meaning： Going Beyond Mixed Methods to Turn Big Data into Real Understanding. Retrieved February 11，2019， from https：//latte-analytics.sydney.edu.au/keynotes/

Singer， S. （2018 November 5）. Identifying the Catalysts of the Education of the Future. Retrieved February 11，2019 from http：//www.ges-china.com/2018/zh/news/newDetails.aspx？Id=33

收稿日期：2019-03-30

定稿日期：2019-08-08

作者簡介：许玲，博士研究生，北京师范大学首都学习型社会研究院（100875）。

张亦弛，网易（杭州）网络有限公司（310052）。

责任编辑 郝 丹