国外MOOC游戏化研究的文献计量分析

摘要：以“Web of Science核心合集”为数据源，采用文献计量法、共词分析法和社会网络分析法等方法，对2012—2018年国外的106篇MOOC游戏化文献进行了统计分析。统计了该领域文献的时间分布、期刊分布、核心作者及合著网络分布、高频关键词分布等，结果表明：MOOC的游戏化研究还处于早期阶段，初步形成了小规模的核心作者群，研究范畴主要集中在社会化学习、学习平台及学习方式、学习设计和学习行为几方面，网络学习及合作学习受到较多关注。国内学者可依托SPOC平台，探索MOOC游戏化元素及混合学习模式，通过实证研究和学习分析，为学习者提供学习诊断和个性化指导，从而有效促进MOOC课程的完成率。

关键词：慕课;游戏化;文献计量;社会网络分析

中图分类号：G434  文献标志码：A  文章编号：1008-4657（2020）01-0089-08

MOOC（大规模开放在线课程），中文译为“慕课”，诞生于2008年，作为一种在线学习环境，增加了学生接受教育的机会，并于2012年得到井喷式发展。然而，随后暴露出来的高辍学率和低完成率[1]问题表明学生的参与度和投入度不高。

随着游戏化在教育中的广泛应用，在MOOC中也可有效采用游戏化，来提高学生的学习积极性和完成率。目前，对MOOC中游戏化的研究程度还不清楚，基于此，本研究基于Web of Science数据库，对国外MOOC游戏化相关文献进行梳理与分析，通过文献计量、共词分析和社会网络分析等方法，较为全面、系统地分析国外MOOC游戏化的研究现状，探索该领域研究热点，预测研究趋势，以期为相关研究提供借鉴和参考。

一、数据来源与研究方法

（一）数据来源

国外文献来自“Web of Science核心合集”数据库，检索式为：TS= （（Gamification OR Game-Based Learning）AND （MOOC  OR  MOOCs  OR  Massive Open Online Course OR  Massive Open Online Courses）），经过检索，得到有效文献106篇，检索时间为2019年5月1日。

（二）研究方法

综合使用文献计量法、共词分析法和社会网络分析法对文献进行统计和分析。使用文献题录信息统计分析工具SATI，对文献进行初步统计和清理，获取研究样本，进行词频统计，生成高频作者及关键词共现矩阵;通过Excel对发文量和文献类型进行可视化显示与描述性统计分析;使用NetDraw绘制核心作者及高频关键词可视化图谱;结合Ucinet对作者进行合著网络分析，通过SPSS对关键词进行共词分析和聚类分析。

二、数据分析

（一） 时间分布

统计文献的时间分布情况，对于评价该领域的发展阶段及预测发展趋势具有重要参考意义。文献计量学之父普赖斯提出，科技文献增长分为四个阶段：不稳定缓慢增长阶段（诞生期）、急剧

指数增长阶段（发展期）、线性缓慢增长阶段（成熟期）和日趋下降阶段（分化期）[2]。

国外关于MOOC游戏化研究文献的时间分布见图1，由图1可知，相关文献最早出现于2012年，仅有1篇;2012—2013年增长缓慢，发文数量寥寥无几，共产生4篇文献;2014—2016年文献量增长态势迅速，该阶段共产生58篇文献，是前两年发文量的近15倍;2016年，文献量首次达到顶峰，共28篇;2016—2017年，发展平缓;由于新事物在发展初期，常会出现不稳定状态，2017—2018年文献量出现短暂的回落。整体来看，当前对MOOC游戏化的研究尚处在发展初期。

（二）文献类型和主要刊物

1.文献类型

本研究分析的SCI论文涉及4种文献类型：研究论文（Article）、综述（Review）、会议论文（Proceedings Paper）和社论材料（Editorial Material）。MOOC游戏化的文献主要为Proceedings Paper，共75篇，占70.8%，其次为Article（26篇，24.5%）、Review（3篇，2.8%）和Editorial Material（2篇，1.9%）。

会议论文的传播与交流面不及期刊论文广，学术价值低于期刊论文，然而会议论文具有新颖性、时效性和前瞻性等特点[3]，可反映本领域的研究前沿，因此，会议论文与期刊论文在学术交流中皆起着重要作用。

2.高影响力期刊/论文集

载文量和被引频次能够反映学科领域的研究进展和程度，是衡量期刊/论文集影响力的重要指标[4]。表1为MOOC游戏化研究领域中载文量超过6篇、论文被引频次超过20次的期刊/论文集。

MOOC游戏化载文量排在前列的刊物皆来自会议论文集，其中载文量最高的为《EDULEARN Proceedings》（《国际教育和新学习技术会议论文集》），共刊载8篇;其次为《IEEE Global Engineering Education Conference》（《全球工程教育會议》）和《Lecture Notes in Computer Science》（《计算机科学讲义》），分别刊载了7篇;《Proceedings of the European Conference on Games-Based Learning》（《游戏学习欧洲会议论文集》）刊载了6篇。

被引频次最高的文献《Designing MOOCs for the Support of Multiple Learning Styles》发表于《Lecture Notes in Computer Science》（计算机科学讲义）会议论文集上，共被引48次。其次为发表在《Educational Technology & Society》上的《Exploring Engaging Gamification Mechanics in Massive Online Open Courses》一文，共被引24次。《Teaching and Learning Programming and Software Engineering via Interactive Gaming》被引23次，发表在《Proceedings of the 35TH International Conference on Software Engineering （ICSE 2013）》（《第35届软件工程国际会议论文集》）上。《A new paradigm for serious games：Transmedia learning for more effective training and education》一文刊载在《Journal of Computational Science》（《计算科学》）上，共被引20次。

综上所述，MOOC游戏化高影响力文献主要分布在计算机教育、教育技术、软件工程等领域的核心期刊及相关会议论文集上。

（三）作者分析

1.核心作者分析

发文量是衡量学者学术水平和科研能力的重要指标[5]，每个领域都有发文量较多的核心作者群。对核心作者群进行分析，有助于洞察某领域的研究水平。

根据普赖斯理论，N=0.749 nmax，其中nmax为核心作者的最大发文量，N为核心作者的最小发文量[6]。经过SATI统计得知，最大發文量为9篇，代入上述公式，计算得出N=2.247，即核心作者最小发文量为3篇。经过统计，发文3篇以上的核心作者共有18人，如表2所示。

普赖斯提出核心作者数定律，即M=m[7]，m为所有作者总数，M为核心作者数。在106篇文献样本中，共有273名作者，即核心作者数大约为17人。表2统计的核心作者数有18人，这说明该研究领域的核心作者群初步形成。

洛特卡定律认为，发表1篇论文的作者数占作者总人数的60.79%，发表n篇论文的作者数约占发表1篇论文作者数的1/n2（n>1）[6]，该公式代表了作者数与发文数的关系。本研究搜集的文献中，发表1篇文献的作者数为243人，占作者总数（273人）的89%，不符合洛特卡定律，说明当前MOOC游戏化研究处在发展初期，大多数作者没有进行深入研究，只是偶尔有感而发，这会影响MOOC游戏化的整体研究水平。

18位核心作者中，有5位来自德国，5位来自西班牙，4位来自荷兰，4位来自智利，说明这些国家的研究人员对MOOC游戏化研究赋予了较高关注。

2.作者合著分析

（1）作者合著图谱

论文作者合作度是反映作者科研协作水平和研究活跃程度的重要指标[8]。由于样本基数小，且以发文占1篇的作者居多，故在此对发文量≥2篇的作者进行合著分析。利用SATI工具，对作者字段进行抽取和频次统计，选取频次≥2的作者共计30位，构建30×30的矩阵，保存为Excel格式，将该矩阵导入UCINET，保存为.##h的扩展名，并通过NetDraw绘制作者合著共现图谱，删除单节点，并经过“Centrality measures-Degree”分析，得到如图2所示的作者合著可视化图谱。

图谱中每个节点代表作者，节点大小表示点度中心度（Degree），节点越大，度中心性越高;节点间的连线粗细表示作者间的合作强度，合作次数越多，则连线越粗[9]。由图2可知，国外MOOC游戏化研究形成7个合作研究团队，其中6人和2人团体各有2个，5人、4人和3人团体各有1个。由图谱可初步看出，度中心性最高的作者为来自德国波茨坦大学的Meinel Christoph，其次为来自西班牙马德里理工大学的Borras-Gene Oriol。

为进一步探索作者合著程度，使用Ucinet对作者合著网络进行中心性分析，中心性是判断网络中节点重要性的指标，中心性涉及点度中心性和中间中心性。

（2）作者中心性分析

①点度中心性分析

运行Ucinet，导入数据，执行“网络-中心度-度”，得出点度中心性数据，由于篇幅有限，这里仅列出Degree值大于10的结果（图3）。

Degree代表绝对点度中心度，NrmDegree代表相对点度中心度。点度中心度指网络中活动节点与当前节点的关联数。从图3可知，点度中心度最高的Meinel Christoph Degree值为14，表明他曾与网络中其他14位作者合著发表过文献。其次为Borras-Gene Oriol，Degree值为13。

对点度中心度值大于10的几位作者发文量进行对比，结合表2数据可知，两者具有相似性，说明发文越多的作者与别人的合作越多。进一步分析合作模式可知，对MOOC游戏化的研究合作基本都是同一地区、同一高等院校的模式。

②中间中心性分析

执行Ucinet“网络-中心度- Freeman中间度-节点中间度”，得出中间中心性数据，这里仅列出Betweenness值大于1的结果（图4）。

Betweenness代表绝对中间中心性，nBetweenness代表标准中间中心性。中间中心性指在网络中作为信息中介的权利大小，值越大，说明掌握的资源越多，桥梁作用越突出，在信息传播中的影响力越大。

由图4可以看出，只有少数著者的中间中心性Betweenness值大于1，分别是Borras-Gene Oriol、Meinel Christoph、Renz Jan 和Woinar Sebastian，他们占有了大部分的资源。而其他作者的Betweenness值皆为0，说明这些作者几乎不具备控制资源的能力。

综上所述，国外MOOC游戏化研究初步形成较小规模的合作网络，基本为同一高等院校内的合作模式，高产作者与他人的合作较为密切，然而大部分作者的中间中心性较低，并不能在该研究领域体现出广泛的学术传播影响力。

（四）关键词分析

1.清洗关键词

关键词是对学术论文的高度提炼，是其核心与精髓，能揭示研究主题、反映研究热点和发展趋势。在对关键词进行分析前，需对同义词进行拆分、合并和转化等数据清洗工作，表3列出部分关键词清洗结果。

2.词频分析

使用SATI软件对数据进行统计，经过数据清洗，抽取频次大于4的关键词共21个，如表4所示。

从表4的高频关键词的排序情况可知，除本体关键词MOOC、Gamification等外， E-Learning（网络学习）、School Education（学校教育）、Collaboration（合作）、Platform（平台）、Instructional Design（教学设计）、Motivation（动机）和Emerging Technology（新兴技术）等，是MOOC游戏化研究的热点。

然而，高频关键词只能初步显示研究热点，为了深入挖掘高频关键词间的深层联系，还需进一步分析词频的共现关系和聚类关系。

3.关键词共现图谱分析

为了更集中地梳理MOOC游戏化研究的核心主题，需要绘制关键词知识图谱。通过SATI将表4呈现的21个高频关键词生成21×21的二值矩阵，利用Ucinet与Netdraw经过Degree和K-core分析，得到如图5所示的高频关键词图谱。由图谱，可以直观地看出国外MOOC游戏化研究领域的现状。

從节点颜色来看，不同颜色的节点代表其所处的不同位置，其中，黑色节点占据图谱大多数位置，是MOOC游戏化研究领域的热点，为了突出显示，图中用矩形对这些关键词进行囊括。

从关键词中心度来分析，首先，MOOC、Gamification、E-Learning和Collaboration等关键词处于图谱中心位置，出现频次较高，它们是MOOC游戏化的研究核心和研究重点，其他领域都围绕它们展开;其次，Instructional Design、Emerging Technology、School Education、Motivation和Platform等处在图谱中间位置，起到桥梁连接作用;最后，Serious Games、Flipped Classroom、Informal Learning、Learning、Engagement、SPOC等处在图谱边缘，反映着MOOC游戏化的研究前沿和研究趋势。

4.共词相异矩阵

为分析高频词之间的聚类关系，需要先构建高频词的共词相异矩阵。相异矩阵的数值越小，越接近于0，表明关键词间的距离越近，相关性越强;数值越大，越接近于1，表明关键词间的距离越远，相关程度越小[10]。在上表4的基础上，将21个关键词组成一个21×21的共词相异矩阵，因篇幅有限，仅呈现了10×10的矩阵表（表5）。

由表5可看出，除去本体关键词外，与MOOC密切度较高的有：E-Learning（0.8283）、Collaboration（0.8512）、Platform（0.8648）、Motivation（0.8783）。与Gamification密切度较高的有：Motivation（0.8487）、Collaboration（0.8888）和E-Learning（0.8992）。由此表明，E-Learning、Collaboration和Motivation皆与MOOC和Gamification有着较密切的联系，网络学习、合作与动机是MOOC游戏化研究的关注重点，该结果与共现图谱分析结果基本一致。

5.聚类分析

聚类分析是将性质相近的变量自动分组的一种多元统计分析方法，可实现组内的对象具有较高的相似性，组间的对象具有较大的差异性[11]。

在聚类分析前，先去除本体关键词MOOC、Massive Open Online Courses、Gamification和Game-based Learning等，一方面，它们与其他高频词有着密切联系，统计它们没有实质意义;另一方面，它们会影响聚类分析视图效果。通过SPSS将剩余的高频词相异矩阵采用系统聚类，选择组间联接法和平方Euclidean距离进行聚类分析，得到如图6所示的高频词聚类树状图。

由图6可以看出，关键词大致可以聚为4类：第1类为社交媒体、非正式学习、社交网络、学习分析和翻转课堂;第2类为网络学习、游戏化MOOC平台、移动学习、SPOC和合作学习;第3类为教学设计、新兴技术、学校教育和严肃游戏;第4类为动机、学习和参与。图6 关键词聚类树状图

三、研究结论

通过对2012—2018年发布在WOS核心合集数据库中的106篇MOOC游戏化文献，进行文献计量和可视化分析，得出以下结论：

1.从时间分布来看，2012年作为MOOC元年，有关MOOC学习的研究如雨后春笋般涌出，而随之而来的MOOC高辍学率、低完成率同时引发了教育者的深思，部分教育者提出游戏化策略可减少MOOC学习者的辍学率[12-14]。从发文时间来看，MOOC游戏化研究最早出现于2012年，并于2016年首次达到研究顶峰。目前，国外对MOOC游戏化的研究尚处在发展初期，未来还有较大研究空间。

2.从文献类型和主要刊物分布来看，MOOC游戏化研究成果较集中发表于会议论文集上，且以计算机教育、教育技术和软件工程等领域的会议论文为主要刊载来源。然而，会议论文的学术传播力和综合影响力低于期刊论文[3]，因此该主题研究至今，并未取得良好的传播效果。

3.从核心作者构成来看，初步形成了小规模的核心作者群，共产生7个合作研究团队，其中，以来自德国波茨坦大学的Meinel Christoph团队及来自西班牙马德里理工大学的Borras-Gene Oriol团队为核心，团队发文总量排在首位。然而，他们的合作基本为同一高等院校内的合作模式，且大部分作者的中间中心性较低，并不能在该研究领域体现出重要的桥梁纽带作用，学术传播影响力较低。

4.从关键词共现图谱来看，虚拟现实、增强虚拟现实、可穿戴设备、大数据、云计算等新兴技术成为研究枢纽，可促进MOOC游戏化学习的有效开展。结合这些技术，学者多关注于通过MOOC游戏化平台创新教学设计，充分使用社交网络和社交媒体，促进学习者在网络学习中深度合作学习，提高学习成效。而通过SPOC、翻转课堂等来提高MOOC学习者的参与度尚有较大的研究空间，有待于学者进一步深入探索。

5.从关键词聚类分析结果来看，可将MOOC游戏化研究领域分为四个方面。

（1）社交化学习。涉及的高频关键词有5个，分别为社交网络、社交媒体、非正式学习、学习分析和翻转课堂，总频次为31。

（2）学习平台及学习方式。涉及的高频关键词有5个，分别为网络学习、游戏化MOOC平台、SPOC、移动学习和合作学习，总频次为67。

（3）学习设计。涉及的高频关键词有4个，分别为教学设计、新兴技术、学校教育和严肃游戏，总频次为49。

（4）学习行为。涉及的高频关键词有3个，分别为动机、学习和参与，总频次为32。

四、研究启示

本研究对我国的MOOC游戏化研究具有参考价值。中国知网数据显示，我国现有该领域的研究文献微乎其微，仅有的几篇文献多数围绕游戏化在MOOC中的应用策略进行探讨，然而，对于游戏化是否能解决MOOC高辍学率和低完成率的问题，缺乏有力的实证数据支撑。故本文的研究成果可为国内相关研究提供有价值的研究参考。

已有研究指出，SPOC（小规模限制性在线课程）是在MOOC基础上产生的，是MOOC的可持续发展模式，有利于增强学生的学习动机[15]，能为促进信息技术与在线学习的全面深度融合提供支持[16]，为实施MOOC游戏化教学研究提供有效途径。我国研究者可依托SPOC平台，充分应用移动技术、信息技术和社交媒体，探索MOOC游戏化混合学习模式。

MOOC游戏化元素的设置是实施MOOC游戏化混合学习的重要基础。研究者需要充分考虑学习者特征，综合教育学、心理学、设计学等多学科知识，增强学习体验，调动深度参与，方可使MOOC游戏化的实施更加有效，从而有效促进MOOC课程的完成率。

参考文献：

[1] Jordan K.Initial trends in enrolment and completion of massive open online courses[J].The International Review Of Research In Open And Distributed Learning，2014，15（1）：133.

[2] 邱均平.文献计量学[M].北京：科学技术文献出版社，1988：64-65.

[3] 顾东蕾，郑晓南.会议论文在学术期刊上发表之研究[J].中国科技期刊研究，2014，25（1）：57-64.

[4] 钟源.国外开放政府数据研究文献计量分析[J].2017（3）：87-91

[5] 吴向文，王志军.2001—2015年境内外教师教育研究文献计量分析及其启示[J].教师教育研究，2016（6）：108.

[6] 邱均平.信息计量学（六）第六讲文献信息作者分布规律——洛特卡定律[J].情报理论与实践，2000，（6）：123-128.

[7] 邱均平.信息计量学[M].武汉：武汉大学出版社，2007.

[8] 张丽玉，洪明.我国当前外国教育史研究近况考察[J].大学教育科学，2006（2）：73-76.

[9] 赵蓉英，李飞.基于社会网络分析方法的国内外信息计量比较研究[J].情报科学，2013，31（2）：7-12.

[10] 郭婷，郑颖.数据挖掘在国内图书情报领域的应用现状分析——基于文献计量分析和共词分析[J].情报科学，2015，33（10）：91-98.

[11] 储节旺，闫士涛.知识管理学科体系研究（下）——聚类分析和多维尺度分析[J].情报理论与实践，2012（33）：5-9.

[12] Ortega-Aranz A，Kalz M，&Martinez-Mones A.Creating Engaging Experiences in MOOCs through In-Course Redeemable Rewards[C].IEEE Global Engineering Education Conference，2018：1875-1882.

[13] Ortega-Arranz A，Sanz-Martinez L，&Alvarez-Alvare S，et al.From Low-Scale to Collaborative，Gamified and Massive-Scale Courses：Redesigning a MOOC[C].Lecture Notes in Computer Science，2017：77-87.

[14] Borras-Gene O，Martinez-Nunez M，Fidalgo-Blanco A.New Challenges for the Motivation and Learning in Engineering Education Using Gamification in MOOC[J].International Journal of Engineering Education，2016，32（1）：501-512.

[15] 徐碧波，李添，石希.MOOC、翻转课堂和SPOC的学习动机分析及其教育启示[J].中国电化教育，2017（9）：47-52，61.

[16] 王朋娇，崔璨，姜爽.引领式SPOC教学模式构建及在开放大学中的应用研究[J].中国电化教育，2018（9）：123-131.

[责任编辑：王妍]

收稿日期：2020-01-08

基金项目：2019 年安徽省质量工程项目教学研究项目“高职SPOC混合式学习的实現路径与效果评价研究”（2019jyxm0557）;安徽省高校优秀青年人才支持计划重点项目（gxyqZD2016575）;安徽省质量工程项目精品开放课程“Flash动画基础”（2017kfk128）

作者简介：昂娟（1983-），女，安徽巢湖人，马鞍山师范高等专科学校软件工程系副教授，硕士，主要从事新媒体传播和教育研究。