近十年国内个性化学习研究现状与展望——基于CNKI(2011—2020)的文献知识图谱分析

许冬平

(上海师范大学，上海200234)

1 引言

《国家中长期教育改革和发展规划纲要(2010—2020 年)》《教育信息化十年发展规划(2011—2020 年)》《教育信息化“十三五”规划》《教育信息化2.0行动计划》《中国教育现代化2035》等文件多次强调个性化学习的重要性。近十年来，个性化学习得到了国家、社会的广泛关注。研究者以“个性化学习”为主题在中国知网中检索，结果显示自2010 年以来文献数量提升显著。基于此，本研究对近十年国内个性化学习研究进行可视化分析，窥探其研究现状与热点，为后续研究提供参考。

2 研究设计

2.1 数据来源

检索文献的质量直接决定文献计量分析的准确度和解释度，一个学科的基础文献常常集中于影响力较大的核心期刊中，对核心期刊进行统计分析可以了解该学科的基本情况[1]。因此，本研究数据来源为中国知网中CSSCI(含扩展版)数据库，检索时间范围为2011—2020年，主题词为“个性化学习”，通过检索得到文献592篇，对592篇进行筛选，最终获得可分析文献587篇。

2.2 研究工具与方法

本研究主要采用的研究工具为可视化文献分析软件CiteSpace，它能对数据库中析出的文献资料进行有效处理，快速提炼出研究领域的基本信息，以清晰直观的知识图谱揭示该领域的研究现状和演进方向[2]。

3 知识图谱分析

3.1 时间分布

某一领域研究数量的变化能够反映该领域的研究进展。如图1，近十年国内个性化学习研究数量呈上升趋势，年均发文量为58.7 篇，2017 年达到峰值，发文量为83 篇，2018—2020 年发文量出现些许波动，但基本保持在较高水平。基于此，个性化学习在国内的整体关注度提升，是国内学界关注的热点领域。但是，国内个性化学习研究起步相对较晚，许多理论与实践问题亟待解决，需要投入更多的研究。

图1 2011—2020年个性化学习研究时间序列统计

3.2 机构分布

应用Citespace 对所选文献的机构分布进行分析(如图2)，节点大小代表频次高低，连线代表二者之间存在合作关系，连线的粗细程度表示研究者之间合作的强弱。

图2 机构合作网络

从机构发文数量来看，东北师范大学、华东师范大学、北京师范大学以及华南师范大学是该领域研究的领军力量。

从机构合作角度来看，各个节点之间虽有连线，但连线较细，且多为校内合作.总体而言形成的结合体不多，说明国内对外个性化学习领域的研究，机构间合作度不高，关联度较低。

3.3 作者分布

作者群体的研究素养决定着一个研究领域的深度与广度，明晰一个研究领域的核心作者，能够为后续研究提供参考[3]。作者分布结果如表1，人均发文量2.05篇，发文量最多的是东北师范大学学者赵蔚和姜强，分别为20篇。根据普莱斯理论，该领域核心作者最低发文量为3.35 篇。经统计，共有14 位核心作者，共发表文献106 篇，占全部文献的18.06%，低于50%，说明个性化学习研究领域还未形成具有一定规模的核心研究群体。核心作者人均发文篇数7.57 篇，相较于人均发文量2.05篇，可称为高产出作者，这表明个性化学习研究领域已经有了相对固定的作者群。

表1 作者分布

3.4 关键词共现分析

关键词是一篇论文内容的高度浓缩[4]，一般而言，高频关键词能够表明学界的研究热点。通过关键词共现分析，绘制出关键词共现知识图谱，并将词频≥10 的关键词绘制成表格(如表2)，除去检索主题词，学习分析以47 次高居榜首。一般认为，节点中心性≥0.1，则该节点较重要。据统计，中介中心性≥0.1的关键词有6 个，分别是“个性化学习”“学习分析”“人工智能”“大数据”“MOOC”以及“个性化”，在一定程度上能够体现该领域研究热点。

表2 高频关键词频次表

为进一步明确研究热点，对关键词进行聚类分析(见图3)，采用对数似自然律算法(Likelihood Rate，简称LLR)，得到模块值Q=0.5892＞0.3，平均轮廓值S=0.8647＞0.5，该聚类结果合理。结合聚类对文本进行深入阅读，并作出如下讨论。

图3 关键词聚类分析

聚类#0“MOOC”关注个性化学习的实现方式，诸多研究者均指出可以通过MOOC 开发、微课制作、翻转课堂等方式推动学习者个性化学习的实施[5-7]。

聚类#1“自适应学习”关注基于学习者视角的个性化学习路径。随着人工智能、大数据、学习分析等技术在教育中的深度应用，自适应学习已经成为在线教育的新热点[8]。

聚类#2“学习分析”关注学习者各类数据的分析及其重要作用。如何有效利用学习者相关海量数据成了学界焦点。有研究者指出可以通过构建个性化学习平台进行学习分析，从而实现因材施教[9]。

聚类#3“教育信息化”关注个性化学习的政策与背景。个性化学习是教育信息化背景下的发展趋势，同时，如何实施好个性化学习也将是未来教育的一大挑战[10]。

聚类#4“个性化学习”关注个性化学习的相关理论与实践。多元智力理论、元认知理论、“以人为本”教育理念、教育公平理论以及人的全面发展学说是个性化学习坚实的理论基础。

聚类#5“面向服务”关注个性化学习服务的供给。丰富的学习资源既给学习者带来了自主选择的权利，同时也让学习者陷入了抉择困境。有研究者提出解决方案：通过构建面向服务的MOOCs教学模型，支持和促进学习者个性化学习[11]。

聚类#6“教育大数据”关注通过数据来驱动个性化学习与聚类#2 有相似之处，但聚类#6 更加关注学习评价。有研究者认为可以通过构建个性化学习评价模型，最终推动学习者个性化学习[12]。

聚类#7“个人学习环境”关注个性化学习网络环境的构建。如何构建有利于学习者个性化学习需要，促进其终身学习的学习环境，是现代远程教育值得研究的重要课题[13]。

聚类#8“学习科学”关注学习科学理论指导下的个性化学习相关研究与实践。有研究者提出构建智能学习环境下的“学习—教学—评估”一体化中小学在线教学应用体系，来推动学习者居家学习期间的个性化学习[14]。

聚类#9“个性化教育”关注个性化教育的开展与落实。个性化教育是近10年来国际社会关注的话题，它建立在时间、空间、学习者的要求和特点、互动这四个维度的基础上[15]。

4 讨论与展望

基于知识图谱分析，本研究对国内个性化学习研究的发展现状与热点做以下总结。

4.1 研究数量处在上升期，合作广度与深度需加强

近十年来，国内个性化学习研究数量整体呈上升趋势。从作者分布来看，当前已经形成了相对固定的作者群，但还未形成一定规模的核心研究群体。从机构分布来看，东北师范大学、华东师范大学、北京师范大学以及华南师范大学等师范院校是该领域研究的领军力量。然而，国内相关研究起步较晚，研究总数仍不足，许多理论与实践问题亟待解决。此外，从合作角度来看，如东北师范大学等部分机构形成了机构内合作，但总体而言形成的结合体不多，机构间合作度不高，合作的广度和深度有待加强。

4.2 学习分析等技术成为个性化学习实施的重要支撑

因材施教是个性化学习的核心。学习分析技术能够对教育数据进行挖掘与分析，通过模型构建等方式探索教育领域各变量间的关系，为个性化学习的实施提供依据。在教育信息化的背景下，学习分析等技术将极大推动个性化学习的实施并提升其效果，自适应学习模式的发展能更好地满足学习者个性化学习的需求。

4.3 在线学习仍将是个性化学习研究领域的重大热点

在教育信息化与疫情防控的双重背景下，在线学习方式和混合学习方式成为热点话题。基于内容分析，首先，对个性化在线学习进行讨论，就离不开对在线学习环境的讨论。要实现在线学习质量的提升，必须对个性化在线学习的环境展开研究。其次，在线学习资源的质量同样影响个性化学习的质量，目前有关MOOC开发、微课制作等个性化学习资源的研究已有不少，但效果存疑，应加大研究与实践的力度。最后，在线学习资源的个性化推荐能够为学习者创造更好的在线学习环境，提高学习效率，正在成为该领域的热点话题。因此，有关在线学习的研究仍将是该研究领域的重大热点。