基于CiteSpace的在线学习投入研究可视化分析

冯思怡 苏秋燕 姚淑梅

摘  要：为全面了解我国在线学习投入的研究现状，把握研究热点与发展趋势，文章借助CiteSpace软件对中国知网近十年的相关文献进行可视化分析。研究发现，在线学习投入研究整体上呈上升趋势；师范类院校是主要的科研力量；研究热点主要聚焦于在线学习模式、在线学习效果、在线学习投入及影响因素；研究趋势可以从技术驱动、政策驱动、应用驱动三个维度进行解读和分析。

关键词：在线学习；学习投入；CiteSpace；可视化

中图分类号：TP39；G434  文献标识码：A  文章编号：2096-4706（2023）06-0181-05

Visual Analysis of Online Learning Engagement Research Based on CiteSpace

FENG Siyi， SU Qiuyan， YAO Shumei

（School of Computer and Information Engineering， Nanning Normal University， Nanning  530001， China）

Abstract： In order to fully understand the research status of online learning engagement in China and grasp the research hotspots and development trends， this paper uses CiteSpace software to conduct a visual analysis of the relevant documents of CNKI in the past decade. The study found that the research on online learning engagement shows an upward trend on the whole; Normal colleges and universities are the main scientific research force; The research focuses on online learning mode， online learning effect， online learning engagement and influencing factors; Research trends can be interpreted and analyzed from three dimensions： technology-driven， policy-driven and application-driven.

Keywords： online learning; learning engagement; CiteSpace; visualization

0  引  言

2018年教育部提出建設五类“金课”，包括线上“金课”、线上线下混合式“金课”[1]。2019年《教育部关于一流本科课程建设的实施意见》提出要全面建设一流本科课程，在三年左右的时间，建成万门左右的国家级和省级一流本科课程，实施一流本科课程双万计划[2]。至今，已有数千门一流线上课程建成并投入使用，如何保障在线学习质量被人们持续关注。随着后疫情时代的到来，在线学习日渐成为当代学生的常态化学习方式，如何提高在线学习投入以获得满意的教学效果成为关注重点。

有研究表明，学习投入不仅可以预测网络环境中学习者的学业成绩，还能预测其辍学率和心理与行为等问题[3]。而有学者认为，在网络学习环境中学生的主观能动性不强，自我学习意识与自主学习动机薄弱，导致参与度弱、存在感低、辍课率高等问题，严重影响学生的学习投入与学习成效[4]。学习者在线学习的成效受到多方面因素的影响，其中，在线学习投入是决定在线学习质量的关键因素之一[5]。为准确把握当前国内在线学习投入的研究现状、热点与趋势，本研究借助计量学软件CiteSpace，针对2013—2022年中国知网所收录的在线学习投入相关文献进行可视化分析，以期为今后该领域的研究实践提供参考和借鉴。

1  研究设计

1.1  数据来源

本研究选用了中国知网的“期刊”数据库，以主题为检索条件，分别以“在线学习投入”“在线学习参与”，或者“在线学习”与“学习投入”“学习参与”为检索词，对2013—2022年的全部文献进行检索，得到327篇文献。（文献检索时间为2022年4月24日）剔除相关度不高的24篇文献后，最终得到303篇样本文献。以Refworks格式导出样本文献后，在CiteSpace中进行格式转换，得到303条文献数据。

1.2  研究工具

CiteSpace是着眼于分析科学文献中蕴含的潜在知识的一款多元、分时、动态的引文可视化分析软件[6]。本文使用CiteSpace，在搭建的Java语言环境下进行可视化研究，绘制发文数量、核心作者、研究机构、关键词共现、关键词聚类和关键词突现等科学知识图谱，对我国在线学习投入的相关文献进行可视化分析。

2  在线学习投入研究的计量分析

2.1  发文量分析

通过对样本文献的可视化分析，将筛选过的303篇文献绘制成横轴为发文时间，纵轴为发文数量，近十年在线学习投入相关文献的发展趋势图，如图1所示。

由图1显示的结果来看，2013—2022年在线学习投入研究整体呈现上升趋势。2022年预测可发表129篇，已发21篇，说明在线学习投入研究逐渐受到国内学者的广泛关注。从文献数量上看，近十年在线学习投入的研究可以分为三个阶段：第一阶段为2014年之前，2013—2014年的文献总量不超过发文数量最高年份的5%，说明该阶段的在线学习投入处于萌芽状态。第二阶段为2015—2018年，发文数量缓慢增长，但总体数量偏少。第三阶段为2019年以后，发文数量呈爆发性增长。剖析其原因，2018—2019年教育部提出了“金课”和一流本科课程建设，有力推动了线上课程的开发及应用。2020年初新冠疫情爆发以来，在线学习逐渐从应急性应用转为常态化的学习方式，进一步促进了在线学习相关研究的发展。

2.2  研究机构分布

运用CiteSpace软件，对在线学习投入的研究机构进行了可视化分析，统计出发文量前十的研究机构和院校，如表1所示。

从表1可以发现，这个领域的科研力量主要分布在以师范类高校为代表的教育研究机构。华南师范大学教育信息技术学院的发文数量是最多的，共4篇，且排名前十的研究机构主要集中在广东、江浙、北京等经济教育发达地区的师范类院校。华南师范大学教育信息技术学院拥有全国多媒体教学软件制作与培训基地，并有多门国家级、省级的一流课程资源，是国内外有重要影响的学术交流中心。整体而言，该领域研究力量相对分散，研究机构间的合作交流还有提升的空间。

2.3  核心作者分析

对在线学习投入研究的核心作者进行可视化分析，得到核心作者共现知识图谱，如图2所示。作者姓名大小与发文量的数量有关，姓名越大，数量越多；作者之间的连线粗细与合作强度有关系，线越粗则合作强度越高。因此，从图中就可以了解到不同学者之间合作的情况，该图谱中节点、连线以及网络的整体密度值依次为197个、120条、0.006 2。可以发现图谱网络较为分散，只是形成了2个小规模的合作群体。最大的合作网络是由李爽、喻忱、程罡、宗阳、魏顺平五位学者组成，其次刘清堂、张思、雷诗捷、王亚如也形成了合作网络。说明在线学习投入研究作者之间虽然有合作，但还是处于较为分散的状态，合作发文大多数是同一所高校的同事合作、师生合作，需加强跨地域、跨校、跨专业合作。

统计该领域发文量前十的核心作者，发文量最高的作者是北京师范大学的李爽，共7篇；其次是华中师范大学的刘清堂，共4篇；核心作者的工作单位主要集中在国内部分重点师范院校，具有比较鲜明的行业特征。

3  在线学习投入研究热点分析

3.1  关键词共现分析

在CiteSpace软件中对关键词进行可视化分析，得到了节点数为216、连线数为280、密度为0.012 1的关键词共现图谱，如图3所示。关键词是一篇文章的高度凝练，通过对关键词进行共现网络分析，可以发现某一领域的研究热点[7]。如果关键词的节点越大，表明某一研究领域关键词出现的频率越高。出现频次最高的是在线学习105次，其次是学习投入74次，接着是影响因素26次与在线教学21次。在线学习和学习投入是该领域的直接关联词，所以学者更多的是关注影响在线学习投入的相关因素以及在线教学中如何提高学生的学习投入。

中心性反映节点在网络结构的重要程度，中心性越大则对信息流动产生的媒介和传递作用越大，中心性＞0.1的节点为关键节点[8]。其中学习效果的中心性达到0.86，是联系其他关键词的核心枢纽；其次是参与度0.73与在线课程0.53；再者是在线学习0.45、MOOC（0.45）与学习分析0.41，如表2所示。可见当前该领域绝大多数的研究集中于学习效果、参与度、学习分析等方面。

高频次和高中心性的关键词既是某个阶段研究的热点，又是后续研究的方向。综上所述，在该领域中主要是以大学生为研究对象，以MOOC为载体，从学习投入、参与度、学习行为等研究方向出发，通过学习分析的方法对在线学习效果进行探索。

3.2  关键词聚类分析

CiteSpace依据网络结构和聚类的清晰度，提供了模块值（Q值）和平均轮廓值（S值）来评判图谱绘制效果[9]。该聚类图谱的模块值Q=0.836 8＞0.3表明聚类结构是显著的，平均轮廓值S=0.965 9＞0.7表明聚类是令人信服的。从关键词聚类图谱中可以看出，在线学习投入研究热点主要分为十个聚类群，分别是：在线学习、学习行为、影响因素、翻转课堂、混合学习、行为投入、在线课程、学习投入、学习绩效、学习效果，如图4所示。

结合关键词聚类图谱及深入文献分析发现，在线学习投入的研究热点大致可以归纳为以下三个方面。

3.2.1  在线学习模式的研究

关键词聚类图显示，与在线学习模式研究联系紧密的关键词主要有：在线学习、翻转课堂、混合学习。江毅等学者结合定量、定性研究方法，通过问卷调查和话语分析，验证翻转课堂中学生协作学习的有效性，并为改进课堂协作学习提出相应策略[10]。近几年由于疫情，在线学习的相关研究得到了进一步深化，研究成果也更加丰富。黄荣怀等学者总结疫情期间的实践经验发现，教师在开展在线学习时需要掌握七个事实，通过合理的设计和组织，形成能应对多种社会突发状况的与线下课堂有机融合的未来教育新形态[11]。由此可见，后疫情时代，在线学习逐渐成为一种新常态，在线学习模式成为众多研究者的重点关注对象。

3.2.2  在线学习投入及其影响因素的研究

在线学习与传统课堂相比，虽然学习环境和学习投入方式发生了变化，但从本质上看都是学生在学习过程中的投入。与该研究联系紧密的关键词有：学习行为、影响因素、行为投入、学习投入。关于在线学习投入的研究主要分为两个方面：

（1）在线学习投入的結构维度研究，不同的学者对学习投入的结构维度划分都有所不同。如美国学者Fredricks认为在线学习投入是学习者参与在线学习活动过程中表现出来的一种积极状态，包括行为投入、情感投入、认知投入三个层面[12]。尹睿等学者将其归类为行为投入、情感投入、认知投入和社交投入四个维度[13]。由图4可知，在该领域学者们对于在线学习投入的结构维度更多的是研究行为投入层面。学习者的行为数据能够通过学习平台进行详细记录，例如浏览资源、发布帖子等[14]。

（2）在线学习投入的影响因素研究，从现有的文献看，学者对于在线学习投入影响因素的研究主要围绕着外在因素、内在因素两个方面展开。影响学习者学习投入的外在因素包括感知教师支持、在线学习平台体验；内在因素包括在线学习态度、在线学习自我效能感。大量研究结果表明，在线学习环境下学生的学习投入与学业成绩、自我效能感、教师支持等呈现正向作用。对于在线学习投入的相关影响因素，教学实践者应善于调节影响因素中的积极与消极作用，保持积极状态以提高学习投入水平。

3.2.3  在线学习效果的研究

关键词聚类图显示，与在线学习效果研究联系紧密的关键词主要有：在线课程、学习效果、学习绩效。随着技术的发展，在线教学显现出较大的便利性，新冠疫情的爆发，全国各级学校纷纷开展线上教学，但同时学习者“无法深度学习”“低参与度”“高注册率、高辍课率、低完成率”已成为在线教学面临的重大问题，如何提高学习效果就成为线上教学的研究热点。学习效果不仅指学习成绩，而是受教育后的全方面变化，是学习者学习目标的达成情况[15]。舒忠梅等学者发现在学生个体方面，学习投入程度将直接影响他们在学习经历当中的收获[16]。因此，学习投入与学习效果是存在因果关系的，学习投入的时间越多，则学习效果就越好。沈欣忆等学者设计了一系列支持在线学习发展的策略，为教师提供更有效的策略来支持学生参与、反馈，从而提高学生学习效果[17]。可见，目前关于在线学习效果的研究大多是基于提高学习者在线学习投入从而提高学习效果，或者对在线学习效果的提高提出有效的策略。

4  在线学习投入研究趋势分析

使用CiteSpace分析关键词的突现性，可以发现学者在不同时间段的关注重点，合理的预测该领域未来发展趋势。本研究在关键词知识图谱的基础上运用CiteSpace的Burstness功能分析近十年间在线学习投入的相关文献，选取Top15的突现词，如图5所示。通过分析将我国在线学习投入的发展分为三个阶段。

4.1  技术驱动阶段（2013—2017年）

第一阶段的突现词包括教育硕士、参与度、移动环境、大数据、学习分析、互联网+等。说明该阶段正处于技术发展背景下学习形态变化时期，主要是以移动学习、互联网+学习为主。近年来，随着人工智能、学习分析、大数据等技术的飞速发展，使得在线学习投入评测智能化、精准化、个性化的实现成为可能[18]。在未来的教育领域中新技术会不断涌现，通过人工智能、虚拟现实技术、混合现实技术与学习分析相结合，教学实践者能高效采集在线教学过程中的数据，更精准的分析学生的学习动向。技术正在成为推动在线学习持续发展的直接动力，技术也是在线学习研究的重要平台和工具。

4.2  政策驱动阶段（2018—2019年）

第二阶段的突现词包括在线课程、混合学习、学习平台、参与、学习表现等。2018年教育部提出“淘汰水课、打造金课”，2019年开始建设万门左右国家级和省级的一流本科课程，混合式学习和在线学习迅速成为这个阶段的新兴教学模式，政策推动成为在线学习快速发展的关键因素。随着国家对教育信息化重视程度的日益增强，不仅仅是高等教育，包括职业教育、中小学教育在内的各阶段教育都将迎来不同程度的教育变革，如何根据不同教育阶段的特点进一步细化在线学习模式的研究以及教育实践应用是今后研究的重点。

4.3  应用驱动阶段（2020—至今）

第三阶段的突现词包括认知投入、线上教学、教学交互、学业情绪等。近年来由于疫情影响，全国大范围开展了线上教学活动，教与学模式的转变和学生学习习惯的转变都将成为促进在线学习长期发展的驱动力。当前的学习者群体是所谓“数字土著”的一代，信息技术对他们的认知、态度及行为习惯的塑造是空前的：他们一出生就浸润在数字化的生活环境中[19]。电子产品已经完全融入了他们的生活，他们也已经习惯了随时随地使用网络来进行沟通交流和处理数据信息。这种由社会性应用驱动的线上学习将会变得越来越常态化，学者要基于当代学生信息素养及学习习惯的特点，深入分析影响他们在线学习投入的相关因素，提出有利于提升在线学习效果的策略，从而提高在线学习效果。

5  结  论

本研究利用CiteSpace可视化分析软件，对303篇在线学习投入研究的相关文献进行分析，并得出以下主要结论：

近几年有关在线学习投入的研究呈上升趋势，大致可以分成三个阶段：2014年前为萌芽期，2015—2018年缓慢增长，2019年后呈爆发性增长。有关在线学习投入研究的核心力量大部分是来自国内重点师范院校的学者和专家。这些研究机构和学者之间协作交流有待加强。

我国在线学习投入的研究热点大致集中在三方面：在线学习模式的研究、在线学习投入及其影响因素的研究、在线学习效果的研究，研究成果比较丰富。

在研究趋势方面，该领域呈现出由技术驱动到政策驱动，再到应用驱动三个阶段相互融合、递进发展的特征。技术发展、政策驱动、应用推进这三个因素将成为影响在线学习发展和研究的关键因素。此外，对在线学习投入的研究将在细化在线学习模式、发掘在线学习投入影响因素、促进在线学习投入、以及量化分析在线学习效果等方面获得更多关注。

参考文献：

[1] 教育部.教育部关于狠抓新时代全国高等学校本科教育工作会议精神落实的通知[EB/OL].[2022-10-18].http：//www.moe.gov.cn/srcsite/A08/s7056/201809/t20180903_347079.html.

[2] 教育部.教育部關于一流本科课程建设的实施意见 [EB/OL].[2022-10-18]http：//www.moe.gov.cn/srcsite/A08/s7056/201910/t20191031_406269.html.

[3] 高洁，李明军，张文兰.主动性人格与网络学习投入的关系——自我决定动机理论的视角 [J].电化教育研究，2015，36（8）：18-22+29.

[4] 姜强，潘星竹，赵蔚，等.网络学习空间中教师激励风格对学习投入的影响研究——SDT中内部动机的中介效应 [J].中国电化教育，2018（9）：7-16.

[5] 饶爱京，万昆.在线学习准备度对大学生在线学习投入度的影响 [J].教育科学，2020，36（2）：31-38.

[6] 李杰，陈超美.CiteSpace：科技文本挖掘及可视化：第2版 [M].北京：首都经济贸易大学出版社，2017.

[7] 孔令帅，范永胜.近十年我国比较教育研究的现状考察与热点综述 [J].比较教育学报，2021（5）：13-25.

[8] 陈彪，徐娜.我国高校跨学科研究现状、热点与趋势分析——基于CiteSpace的可视化分析 [J].中国高校科技，2021（12）：25-30.

[9] 陈悦，陈超美，刘则渊，等.CiteSpace知識图谱的方法论功能 [J].科学学研究，2015，33（2）：242-253.

[10] 江毅，何晓萍，万昆.翻转课堂中协作学习的效果与策略研究 [J].现代教育技术，2016，26（3）：80-86.

[11] 黄荣怀，虎莹，刘梦彧，等.在线学习的七个事实——基于超大规模在线教育的启示 [J].现代远程教育研究，2021，33（3）：3-11.

[12] FREDRICKS J A，BLUMENFELD P C，Paris A H. School engagement：Potential of the concept，state of the evidence [J].Review of educational research，2004，74（1）：59-109.

[13] 尹睿，徐欢云.在线学习投入结构模型构建——基于结构方程模型的实证分析 [J].开放教育研究，2017，23（4）：101-111.

[14] 刘繁华，易锡添.在线学习投入的分析模型构建及应用研究 [J].电化教育研究，2021，42（9）：69-75.

[15] 王改花，张李飞，傅钢善.学习者特征对混合学习效果影响研究 [J].开放教育研究，2021，27（1）：71-83.

[16] 舒忠梅，屈琼斐.基于教育数据挖掘的大学生学习成果分析 [J].东北大学学报：社会科学版，2014，16（3）：309-314.

[17] 沈欣忆，胡雯璟，Daniel Hickey.提升在线学习参与度和学习效果的策略探究及有效性分析 [J].中国电化教育，2015（2）：21-28.

[18] 万昆，饶宸瑞，徐如梦.国际教育领域学习投入度研究的焦点与转向 [J].现代教育技术，2021，31（4）：36-43.

[19] 顾小清，林仕丽，汪月.理解与应对：千禧年学习者的数字土著特征及其学习技术吁求 [J].现代远程教育研究，2012（1）：23-29.

作者简介：冯思怡（1996—），女，汉族，广东惠州人，硕士研究生在读，研究方向：信息化教学设计；苏秋燕（1996—），女，汉族，广西岑溪人，硕士研究生在读，研究方向：信息化教学设计；姚淑梅（1998—），女，汉族，广西玉林人，硕士研究生在读，研究方向：信息化教学设计。

收稿日期：2022-11-07