國外網絡環境下自我調節學習的研究熱點與趨勢—基于引文分析和共詞分析的知識圖譜研究

劉盼盼

陜西師范大學教育學院， 西安 710062

自我調節學習(self-regulated learning，SRL)是近30年來教育心理學研究領域的一個重要課題。自我調節學習的概念于1989年首先由Zimmerman提出，他指出自我調節學習是個體在一定程度上調節元認知、動機和行為，進而促使其積極主動地參與自己的學習活動，并指向目標的達成[1]。已有相關研究表明，自我調節學習能力是學習者取得學業成功的關鍵因素[2]。網絡環境能夠給予學生更大的自主性，但同時也對學習者存在一定的負面影響[3]。因此，基于網絡環境探究學習者的自我調節學習對于促進學習者高效學習具有重要意義。目前，我國已有一些研究旨在提高學習者在網絡學習環境下的自我調節能力，但是，總體來看相關研究較少，并且存在研究方法單一、研究內容不深入等問題。鑒于此，文章采用引文分析與共詞分析的方法，可視化地呈現國外網絡環境下自我調節學習研究領域的主題和熱點，以把握國外自我調節學習的研究熱點與發展趨勢，以期為我國同類研究提供借鑒。

1 研究方法與工具

1.1 數據來源

該文數據來源于Web of Science核心合集，采用高級檢索：TS=(“Online Learning” or “E-learning” or “Mobile Learning” or “Internet Learning” or “Web-ba- sed Learning”)and TS=(“Self Regulation” or “Self-regulated Learning” or “Self-regulatory” or “Self-con- trol”)，檢索截止日期為2018年5月25日，共檢索到213篇相關文獻，通過瀏覽所得文獻的題目、摘要以及關鍵詞，得到與該研究精確匹配的文獻206篇，最后導出文獻的關鍵詞、摘要、期刊來源、研究機構等題錄信息。

1.2 研究方法

引文分析是指利用各種數學及統計學的方法，對科學期刊、論文、專著等研究對象的引用和被引用現象進行分析研究，以便揭示其數量分布特征和內在關聯規律的一種文獻計量研究方法[4]。引文分析采用的軟件為HistCite。HistCite是美國著名信息學家、被譽為“SCI之父”的尤金·加菲爾德及其同事共同開發的一套引文編年可視化分析軟件[5]。

共詞聚類分析是共詞分析中常用的一種方法。在共詞分析的基礎上，以共詞出現的頻率為分析對象，利用聚類的統計學方法，把眾多分析對象之間錯綜復雜的共詞網狀關系簡化為數目相對較少的若干類群之間的關系，并直觀地表示出來的聚類過程[6]。在共詞分析時采用Bicomb 2.0共詞分析軟件、SPSS 20.0作為數據處理工具。

1.3 研究過程

首先，確定關鍵詞。采用Bicomb 2.0軟件對206篇文獻進行關鍵詞統計，抽取出詞頻≥3的40個關鍵詞為高頻關鍵詞；其次，建立高頻關鍵詞共詞矩陣，利用Bicomb 2.0軟件產生共詞矩陣；再次，進行聚類分析，即將共詞矩陣導入SPSS 20.0中，采用系統聚類得到聚類圖；最后，結合聚類結果和相關文獻進行分析。

2 國外網絡學習環境下自我調節研究的分布情況

2.1 時間分布

將題錄信息導入HistCite中統計年發文量，并通過Excel繪制時間分布圖(如圖1所示)。發現自2007年以來，國外網絡學習環境下自我調節相關研究的文獻數量呈波動增長的態勢，表明國外對網絡環境中自我調節學習的關注度一直在上升：在2016年發文量最高，共計35篇。由于該研究對2018年的數據僅統計了前5個月，故該年的文獻相對較少。

圖1 時間分布圖

2.2 國家(地區)和機構分布

通過分析文獻的國家(地區)分布，可以了解不同國家(地區)對該研究領域的關注度和貢獻度[7]。使用HistCite軟件，通過Recs(發文量)及TLCS(被引頻次)兩個指標進行排序，得到排名前五位的國家(地區)，分別是：美國(Recs：64，TLCS：142)、中國臺灣地區(Recs：50，TLCS：96)、澳大利亞(Recs：14，TLCS：5)、德國(Recs：10，TLCS：18)和韓國(Recs：10，TLCS：10)?？梢园l現，無論是發文量(Recs)，還是被引用的頻次(TLCS)，美國均為世界最高，這表明美國在網絡環境下自我調節學習研究領域的貢獻最大，其成果對該領域的研究具有重要借鑒意義。

2.3 研究著者分布

通過所發表的論文數量以及發表論文的被引用頻次，可以了解論文著者對特定領域研究的貢獻程度，貢獻程度較高的著者即構成該領域的核心著者群[8]。使用HistCite分析，得到排名前十位的研究著者(如表1所示)。其中，發文量最高的是中國臺灣地區的蔡家文團隊，2007—2018年期間共發文14篇，其研究主要關注通過教學干預培養自我調節學習策略，進而提升學生在線課程學習效果。

表1 研究著者分布(部分)表

2.4 核心期刊分布

利用HistCite分析被引核心期刊，通過發文量和被引頻次進行排序，得到排名前5位的核心期刊，分別是：《計算機與教育》(Computers&Education)(Recs：22，TLCS：57)、《計算機在人類行為研究中的應用》(ComputersInHumanBehavior)(Recs：15，TLCS：30，該期刊致力于從心理學角度研究計算機的使用)，《互聯網和高等教育》(InternetandHigherEducation)(Recs：13，TLCS：52)、《教育技術與社會》(EducationalTechnology&Society)(Recs：11，TLCS：20)、《英國教育技術雜志》(BritishJournalofEducationalTech-nology)(Recs：10，TLCS：22)。這些期刊上發表的關于網絡環境下自我調節學習研究的文獻具有重要參考價值。

2.5 核心文獻分布

一般而言，文獻的被引頻次越高，在該研究領域的影響力也就越大，可以被確定為核心文獻[9]。利用HistCite軟件將文獻按照LCS(即本地引用次數)降序排列，得到LCS前六位的文章(如表2所示)。

表2 核心文獻分布(部分)表

從表2可以看出，被引頻次較高的文獻主要集中于培養學生網絡環境下的自我調節學習能力，以提升網絡學習效果方面的研究。其中，被引頻次最高的兩篇文章是由Barnard L[10]等撰寫的“在線和混合學習環境中測量自我調節”和由Shea P和Bidjerano T[11]撰寫的學習存在“關于自我效能感、自我調節以及在網絡和混合學習環境中探究社區發展的理論”。前者設計并驗證了在線自我調節學習的調查量表(online self-regulated learning questionnaire，OSLQ)。量表包含了環境構建、目標設定、時間管理、尋求幫助、任務策略和自我評價六個維度，并在混合和在線學習環境中驗證了該量表的高信度和可靠度。后者探究了在虛擬環境中提升學習者自我效能感的措施，并指出“學習存在”代表了自我效能感以及其他認知、行為和動機結構等因素對在線學習者自我調節的影響。

3 網絡學習環境下自我調節研究的主題分析

3.1 高頻關鍵詞統計分析

使用Bicomb 2.0提取高頻關鍵詞，然后對關鍵詞進行標準化，最后提取詞頻≥3的40個詞為高頻關鍵詞，如表3所示。可以看出，除了檢索詞“Online learn- ing”“Self-regulated learning”“Self-regulation”之外，國外網絡環境下自我調節學習研究的前10個關鍵詞分別是教與學的策略(17)、學習動機(15)、協作學習(13)、自我效能感(12)、參與度(11)、學習社區(11)、交互學習環境(11)。這10個高頻關鍵詞總的出現頻次為307，占高頻關鍵詞總頻次的35.1%。由此反映出，近年來國外網絡環境下自我調節研究的熱點：通過調整教與學的策略、構建交互學習環境來提升學習者自我調節學習的能力。

3.2 聚類分析

聚類分析反映的是關鍵詞間的親疏關系，可以進一步反映當前該領域的研究熱點[12]。在相異矩陣的基礎上再利用SPSS 20.0軟件產生聚類圖，將關鍵詞聚合為五大研究主題，各主題的名稱及包含的關鍵詞如表4所示。

表4 研究主題類別結構表

對照表4中各個主題的關鍵詞，并結合相關文獻，將五個主題具體分析如下：

3.3.1自我調節學習視角下的教學設計與干預研究該主題主要探討如何通過教學干預培養自我調節學習策略，進而提升學生在線課程學習效果。在這方面，中國臺灣地區銘傳大學的蔡家文做過很多探索且成果頗豐：①在網絡環境中將基于問題、項目的學習與自我調節學習相結合，通過反思日記、自我評估等自我調節學習策略來幫助學生養成良好的學習習慣[13]；②將自我調節學習(SRL)拓展為共同調節學習(CRL)，并提出與基于團隊學習(TBL)相結合的創新在線教學方法，提升學生在混合課程中的學習效果[14]；③翻轉學習與在線學習求助(OAHS)相結合等[15]。此外，有研究表明，在線學習中教師的情感反饋和同伴之間形成性反饋、對話式反饋可以增強學生行為和認知參與度，進而影響其在線學習體驗和效果[16]。因此，教師應當為學習者提供精心設計的反饋和有意義的輔導，鼓勵學習者之間建立合作關系并積極主動地互動，提高在線異步環境(如論壇)的性能，提升學生在線自我調節能力。

3.3.2自我調節學習的理論模型研究在教育心理學研究領域中，不同理論淵源的學者從不同的角度對SRL進行了闡釋，并提出了各自的理論模型。其中，被廣泛認可的是齊默爾曼的SRL模型。作為最早研究SRL的學者之一，到目前為止，齊默爾曼已經提出了三種不同的SRL模型：第一個模型是對SRL的三元分析，指出自我調節學習是個體、社會和行為三大因素相互作用的過程[17]；第二個模型被稱為多層次模型，提出學生獲得自我調節能力的四個階段[18]；第三個模型提出了SRL的循環階段，包括籌劃階段、操作階段和自我反思階段[19]。這些是早期研究中提出來的模型。近年來，隨著計算機技術的發展和網絡學習的普及化，不少學者開始探索新技術環境下的自我調節學習模型。哈德溫[20]等提出基于合作學習的SSRL模型，該模型指出協作環境中存在三種調節模式：自我調節(SRL)、共同調節(CORL)和共享調節(SSRL)。阿澤維多提出了超媒體學習環境中的SRL模型[21]，該模型為學習者特征、超媒體環境組成成分和作為中介因素的自我調節過程三者之間的相互作用關系提供了理論框架。

3.3.3計算機環境下自我調節學習的影響因素研究計算機環境下自我調節學習的影響因素主要包括個體因素、環境因素和行為因素[22]。①個體因素方面，主要包括：學習者已有的知識經驗水平、情緒情感、自我效能感等。有學者從社會認知的視角來探討自我效能感、學習策略在網絡學習中的作用，結果表明，具有高自我效能感的學生會采用更高層次的學習策略，如精細加工策略和批判性思維[23]。②環境因素方面，主要包括：認知支持、元認知支持和概念支持等。計算機支持的學習環境相比于傳統學習環境具有支持學習者自我調節學習的工具[22]。Chatzara K等提出了一種以人為中心的自我調節式的人機交互方法，可以為有學習困難和注意力障礙的用戶提供認知支持的智能情緒代理，從而改善特殊學習用戶與學習環境之間的交流[24]。③行為因素方面，主要包括：學習方式、學習策略和學習過程等。Sorgenfrei C等提出了在線學習效果的理論框架，該理論框架對于理解在線學習效果的影響因素提供了新的視角—學習者控制[25]。

3.3.4 MOOCs等在線課程中的自我調節學習研究MOOC作為在線課程的一種形式，目前已經在全球范圍內推廣起來，我國也曾涌現MOOC熱潮，但高輟學率、低完成率一直是MOOC學習者存在的主要問題[26]。有關研究表明，MOOC低完成率的原因之一是由于學習者缺乏自我調節和持續參與課程的動機[27]。該主題主要探討兩方面的問題：其一是MO- OCs作為一種在線開放教育資源，如何通過自我調節學習策略，讓學生的學習變得更容易、高效；其二是通過學習分析技術記錄學習者在MOOCs中的自我調節策略，并預測在線學習者的學業成就。在MOOCs課程中，通過學習分析技術(TA)分析學生在MOOC平臺上的登錄時間、互動交流等記錄以追蹤學生的在線學習行為可以預測其學習目標和行為，并及時進行反饋以提升學習者的自我調節學習能力。

3.3.5支持自我調節的學習環境開發研究早期主要有智能導師系統、多媒體/超媒體環境、課程管理系統(CMS)等。近年來，新興技術層出不窮，研究者也在探索如何利用新技術支持的高交互、沉浸的學習環境來提升學習者的自我調節學習能力。有研究者開發了一種新型的個性化的e-Learning系統(PELS)，該系統將傳統的學習系統拓展為個性化交互界面代理、交互式教學代理和個性化自我調節學習代理三部分，包含了SRL輔助機制以幫助學習者提高其自我調節的學習能力[28]。林建偉等開發了一個具有群體意識(GA)支持的在線協作系統并通過實驗證明了該系統的有效性。該系統可以提供一個外部腳手架(同伴刺激)，激勵學習者堅持訓練任務，并促進學習者同儕互動[29]。

4 總結與建議

文章通過引文分析法與共詞分析法清晰、直觀地梳理了國外關于網絡環境下自我調節學習的研究現狀。發現網絡環境下自我調節學習研究已取得了長足發展，研究熱點集中于教與學的策略、學習動機、協作學習、自我效能感等，研究主題聚焦于自我調節學習視角下的教學設計與干預研究，自我調節學習的理論模型研究，計算機環境下自我調節學習的影響因素研究，MOOCs等在線課程中的自我調節學習研究，支持自我調節的學習環境開發研究。在此，筆者立足于國外網絡環境下自我調節學習的研究，為我國相關研究提出若干參考建議：

4.1 自我調節學習的研究主題和研究領域進一步拓展

①在研究對象的選取上：目前國內的研究大多集中在高等教育，而其他階段的研究較少。為使網絡教學更加精準，需要探究包括學前、中小學、成人階段的學習者的自我調節；此外，有關網絡環境下自我調節的性別差異和文化差異的研究需要更多的關注。②在自我調節學習的影響因素方面：當今社會，支持學習的新興技術不斷涌現，自我調節學習的影響因素不斷發生著變化。因此，未來的研究應尋求新的路徑，多關注新技術環境中學習者自我調節學習的影響因素。③在提升自我調節學習的策略方面：加強在新的技術環境下自我調節學習策略培養的研究。尤其在實際的課堂教學中，如何將教師的外部教學策略轉化為學生內部的自我調節過程，需要進一步探究。④在技術環境的開發方面：自我調節學習是一個包括設定目標和制定計劃、選擇和實施學習策略、自我反思和評價等復雜的循環往復的過程，未來研究在設計和開發在線學習系統時應該全面考慮各個要素，充分發揮人工智能、虛擬現實等新興技術的優勢，開發綜合的支持自我調節學習的工具。

4.2 相關領域的理論和實踐研究進一步加強

理論是實踐的先導。網絡環境下的自我調節學習研究是一個相對綜合的研究領域，其中包括自我調節理論以及網絡環境學習理論。隨著時代的發展，新的技術層出不窮，在技術的沖擊下非常有必要探索新的理論去指導實踐。國內在自我調節理論模型的探討較少，大多研究都借鑒國外的理論模型。未來研究需要對現有的SRL模型進行系統地梳理，運用新的方法驗證已經存在的模型，找出不同理論模型的異同和優劣之處，進而嘗試建立一個完備的、整合的SRL模型，在此基礎上更多地探索網絡學習環境中的SRL模型，這對于入深理解網絡環境下學習者自我調節的機制具有重要的意義。同時，自我調節學習的心理和認知神經機制的研究需要加強。此外，還要注重跨領域的合作。國外相關研究涉及計算機科學、教育學、心理學等多個領域，其中有很多跨領域的合作，在深度學習和學科融合的大背景下，我國也應該注重跨領域的合作，增強研究的深度。

4.3 注重研究方法的豐富和創新

Chia-Wen Tsai[30]對SSCI上關于在線環境中的自我調節學習的文獻做過統計，研究顯示，最常用的是定量研究方法(63.0%)，其次是混合方法(19.6%)和定性研究方法(4.3%)?？梢钥闯?，定量研究方法是國外研究中普遍采用的研究方法，此外，混合研究法在近年來不斷受到國外學者的青睞，在定量研究方法的基礎上加以大量的定性分析，使得其研究結果更具真實性，研究成果也得到了大范圍的推廣。我國學者應加強定量與定性混合研究，綜合采用混合研究方法全面、多角度探究網絡環境下自我調節學習能力的提升策略，促進自我調節學習研究深入、系統的開展。