基于CiteSpace 的深度学习文献分析

杨 霞

三峡大学，湖北 宜昌 443000

长久以来，“教学即传递”的观念一直深入人心，但这种观念本身非但无法体现教学活动的全部意义，也误读了教师与学生的角色定位，而且弱化了知识原本的习得意义，在一定程度上加剧了知识学习与实践应用的分离。［1］随着信息时代呈现出的知识总量爆发性增长，固守传统的传递式学习方式，已无法帮助我们从众多繁杂的信息中准确筛选出有效知识，更无法将其内化入个人的知识体系。由此，“深度学习”在教育变革中应运而生。它不仅是基于传统学习的革新与深化，更是促进个体全面发展、灵活应对社会变化的有力保障。

一、什么是“深度学习”

“深度学习”最初起源于对人工神经网络的研究。［2］随着社会的急剧变化，单纯以习得知识、掌握科学研究成果为目标的学习，渐渐凸显出诸多弊端，如何求得更有深度、更有质量的学习研究逐渐引起人们的关注。自此，深度学习的探索广泛拓展到人工智能、教育等多个领域。人工智能领域的深度学习，可用于激发学习动机和学习兴趣，在新旧知识的重构与迭代中助力学习者提升认知水平与迁移能力；［3］教育领域的深度学习，是相较于浅层学习而言的一种全新的学习方式，更强调学习者能动地参与，是学生形成自我认知、社会情感、思维方式、价值观念、核心素养的重要途径。

早期研究者认为：“深度学习是在理解学习的基础上，批判性地学习新的思想，在众多思想间建立联系，将已有的知识迁移到新的情境中以解决实际问题。”；［4］也有研究者将深度学习视作一种提高学习能力、实践能力和创新能力的学习方式。这些关于深度学习的表述，从当时的社会情境来看，均有一定程度的合理性。而今，我们更需要整合复杂的知识信息，形成自己的独特思考，并同现实社会与实际生活紧密结合起来，求得更具深度、更具实践性的学习与发展。

二、数据来源与研究工具

（一）数据来源

本文以CNKI 数据库作为基础数据来源，选择学术期刊，按照主题“深度学习”并含关键词“教育”进行高级检索，搜索年度设置为2005 年至2022 年，检索日期为2022 年6 月6 日，在人工剔除无作者、读者心声、名师工作室、本期导读、专题公告、学校简介、试题分析等检索结果后，共检索到“深度学习”中文文献2233 篇。进一步选择期刊来源为北大核心、CSSCI 和CSCD 后，最终得到880 篇高质量中文文献。

（二）研究工具

本研究以陈超美教授开发的CiteSpace 为研究工具。CiteSpace 是一款用于学术研究的科学计量与知识图谱工具，于2005 年引入我国，下载所需文献并对数据进行预处理后即可在操作界面制作关于作者、机构分布、时间线、文献共被引等可视化图谱，其典型特征是能够清晰地呈现某个知识领域的发展趋势，用以分析这一知识领域的研究状况并预判未来的发展走向。［5］

三、“深度学习”时间与机构分布图谱分析

（一）时间分布图谱分析

期刊发文量的时序变化可以反映一个研究领域的演进趋势。根据2005－2022 期间教育领域“深度学习”期刊发文总量，绘制出了年度发文数量统计图（如图1 所示）和时间线图谱（如图2所示）。

图2 时间线图谱

图1 中的两段增幅变化曲线可间接反映出我国研究者对“深度学习”的关注程度。就重点期刊发文率而言，虽然2005－2013 年间发文总量并不大，但深度学习的重点期刊发文率均在33%以上。而2014 至2022 年间，在深度学习逐步成为教育热点话题的同时，重点期刊发文率却有缓慢降低的趋势。因此，对我国学者而言，在对深度学习保持高度关注的同时，也不可忽视研究的深度与研究质量。

从图2 的时间线视图中，我们能够快速识别深度学习研究领域中各子领域的研究主题和时间跨度等。图2 中主要涉及的研究主题包括学习动机、学习理念、学习方式、学习策略、学习环境、学习过程、学习行为等与深度学习相关的方方面面，时间跨度从2005 发展至2022 年，大致经历了三个阶段：2005－2013 年为初始探索阶段，这一时期的深度学习主要注重过程及环境的探索、方式及策略的探析；2014－2017 年为成倍增长阶段，这一时期的教育研究逐渐活跃，涌入了翻转课堂、终身学习、人工智能、核心素养、高效课堂等主题的研究；2018－2021 年为迅猛发展阶段，这一时期随着教育改革不断深化以及“双减”政策的发布，更是为深度学习的研究增添了强力助燃剂。

（二）机构分布图谱分析

探讨研究机构分布特征可以发现某科学领域知识产生、传播、演变的进展并借此评估某机构在特定研究领域的科研实力与受关注程度。在CiteSpace 运行主窗口设置起止节点为2005 至2022 年，选择节点类型“Institution”，阈值策略选取g-index，K=25，点击“GO”生成图谱，最终得到研究机构网络合作图谱结果（图3），有五个教育机构发文量在20 篇以上，分别为西南大学教育学部（31 篇）、华中师范大学教育学院（24 篇）、陕西师范大学教育学院（24 篇）、北京师范大学教育学部（22 篇）、东北师范大学教育学部（21篇）。华东师范大学开放教育学院、浙江师范大学教师教育学院、东北师范大学等机构，发表文献均在13 篇左右。可见，“深度学习”这一研究领域的内容已受到我国各大师范院校的广泛关注。

图3 机构合作图谱

从图3 中显示的机构间的合作情况来看，合作网络最多的机构是北京师范大学教育学部，它跟周边区域的高教研究中心、基础研究中心形成了比较紧密的合作关系。除此之外，西南大学教育学部、华东师范大学开放教育学院也与周边的研究中心形成了较为密切的合作。但从整体来看，尚未形成大幅度的跨区域、跨专业的合作网络。总而言之，若想进一步深化推进教育领域深度学习，我们需要改变各自为营的局面，加快形成多元化合作网络。

四、“深度学习”共现与聚类图谱分析

（一）关键词共现分析

关键词作为学术论文的精髓，能够如实反映出该论文的内容结构。一组关键词在同一篇文献中出现的频次越高，这几个主题的关系就越紧密。对关键词进行共现分析，能够较为直观地展现一个研究领域的代表性术语，以呈现该研究领域的热点话题。［6］

在CiteSpace 主界面设置节点类型为“Keyword”，其他设置保持不变，生成的图谱如图4 所示，即关键词共现图谱。图谱生成关键词节点556个，连线数为661，密度为0.0043。图中的节点代表分析的对象。从图4 中可以看出，关键词“深度学习”的字体与节点圆圈均为最大，说明此关键词为图谱中的最大节点，出现频次最多，中心性最强。人工智能、核心素养、翻转课堂、教学改革、教学模式、深度教学、教学设计、大数据、教学策略（按节点大小排序）为出现频次较高的9 个关键词，说明这些领域是近18 年来深度学习研究的热点问题。节点之间的连线则表示共现关系，其粗细表明共现的强度，如“翻转课堂”与“教学模式”，“教学改革”与“核心素养”“人工智能”，“机器学习”与“智慧教育”的共现关系较为紧密。

图4 关键词共现图谱

（二）关键词聚类分析

关键词聚类是在关键词共现的基础上，通过谱聚类算法生成知识聚类，以此展现对应于一定知识基础的研究前沿和发展趋势。为了使关键词的聚类结果更全面，本研究选取LLR 算法对关键词进行聚类后生成聚类报告（见表1），设置显示前10 个聚类。聚类模块值Q 为0.8765，大于0.3，表明聚类效果显著；从聚类平均轮廓值S值来看，S＝0.9621，且各聚类轮廓值均大于0.7，意味着聚类良好且合理。

表1 关键词聚类报告

这十个聚类中，S 值最大的是聚类9“高等教育”，其聚类结果最令人信服，说明我国学者在高等教育层面的深度学习研究中取得了很多重要成果。从平均年份的维度来看，发展时间较早的是对深度学习教学理论基础的研究，其极具代表性的建构主义学习理论、具身认知理论均为深度学习的概念转变打下了坚实的基础；到了2015 年左右，技术革新教育的步伐逐渐加快，培养学习智慧、重塑教育理念、增进核心素养、提高创新能力已逐步成为人人都需要具备的关键行为能力；2019 年之后，深度学习的研究开始转向“互联网+”时代下教学策略和方法的运用，这种以互联网进课堂、生活实践进课堂、创新教育进课堂为主要特征的“互联网+”课堂模式，更容易成为学校课程与教学改革的新趋势，将在教育教学中展现其广阔的应用前景。

五、结论与启示

（一）结论

1.从研究主体分布来看

虽然参与深度学习研究的机构众多，但多数研究群体长期处于各自为营的状态，且分布较为分散，深度学习的研究依然集中于高校内部，跨领域、跨研究机构之间的合作寥寥无几。

2.从研究主题与研究对象来看

国内深度学习的研究主题主要集中在学习方式的转变、学习策略的运用以及教学实践改革等方面，而如何监测深度学习的发生过程以及如何实现学习的迁移等方面的研究较为薄弱；研究对象多为高校大学生，面向中小学生及成人开展深度学习的研究极少。

3.从研究视角与研究方法来看

虽然我国深度学习研究已经取得了丰硕的成果，但在实践应用方面还存在着诸多问题。例如，研究视角较为单一，缺乏学科融合探究；研究方法多注重各学习方式之间的比较研究，缺少个案研究、实证研究及深入的理论研究。

（二）启示

1.透析深度学习本质，深化前沿问题研究

近年来，深度学习在国内逐渐推广，名声大噪，许多研究者对此有过详细论述。从图1 和图2可得知，随着我国在2011 年颁布义务教育课程标准、2021 年发布“双减”政策，以及2022 年对课程内容结构、学业质量标准等方面进行系统性修订，“深度学习”逐渐成为新兴研究潮流，其文献数量逐年攀升，但与此同时，我们不得忽视深度学习的研究目的和本质特征，应在积极响应教育改革的基础上，透析深度学习的本质含义，深化相关前沿问题的研究。

2.加强各级交流合作，推动理论实践融合

从研究机构可视化图谱分析可知，我国深度学习研究的主力军集中于高等教育机构，基础教育层面的深度学习研究文献极少。高校研究人员理论水平扎实，但缺乏教育教学的实践经历。而教育基层工作者虽教学经验丰富，却普遍缺乏理论提升的意识和科学方法的支撑，若能加强各级交流合作，积极引入教育一线工作者深入参与并建立稳定的核心研究群，必能为深度学习的发展、理论实践的融合贡献最大力量。

3.调控深度学习过程，实现由浅至深转变

为了解决学习效率低下的问题，学者们开始探究学习的影响因素，加强了对学习过程的监控。聚类1、聚类2、聚类7 均展现了研究者对学生学习过程中学习策略和学习方法使用的关注。学习过程是动态发展的，关注学习过程、调节学习方式、评估学习结果是实现深度学习的必经之路。

从深度学习研究热点与研究趋势分析可以看出，在教与学方面，深度学习领域最大的发展，是在传统的教师的教的基础上，逐渐转向学生的学的研究，这一转变在聚类6 中高频关键词“主体性”“先学后教”中有所体现。因此，我们在监控学习者学习过程与学习结果的同时，也应不断反思这过程中出现的各种问题，及时调整学习状态与学习策略，以期实现由浅层学习向深度学习的转变。