基于大數(shù)據(jù)的高校動(dòng)態(tài)個(gè)性化學(xué)習(xí)模式國內(nèi)外研究熱點(diǎn)與趨勢分析

摘要：個(gè)性化教育是基于全面發(fā)展目標(biāo)，以個(gè)人的教育需求為導(dǎo)向，運(yùn)用信息技術(shù)包括大數(shù)據(jù)技術(shù)來幫助高校學(xué)習(xí)者激發(fā)學(xué)習(xí)動(dòng)機(jī)。雖然國內(nèi)個(gè)性化教學(xué)研究有一定的發(fā)展，但相關(guān)的研究成果較少，而且缺少對國內(nèi)外研究動(dòng)向和熱點(diǎn)進(jìn)行梳理。因此本研究通過使用citespace軟件，基于cnki和web of science數(shù)據(jù)對2013年到2022年的文獻(xiàn)進(jìn)行計(jì)量研究。研究結(jié)果顯示，從研究國家來看，中國、美國和英國是研究排在前列的國家，研究熱點(diǎn)主要集中在5個(gè)聚類上，依次為大數(shù)據(jù)、智能技術(shù)、學(xué)習(xí)分析、數(shù)據(jù)驅(qū)動(dòng)和個(gè)性化。而前沿研究主要集中在大數(shù)據(jù)、機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘方面；從分析來看，基于大數(shù)據(jù)的個(gè)性化研究仍然會(huì)成為以后的研究熱點(diǎn)，并受到高校教育領(lǐng)域研究者的重點(diǎn)關(guān)注。

關(guān)鍵詞：大數(shù)據(jù)；個(gè)性化學(xué)習(xí)；教育模式；文獻(xiàn)分析

引言

全球進(jìn)入互聯(lián)網(wǎng)時(shí)代，越來越多的學(xué)者希望獲得個(gè)性化的教育服務(wù)來提高學(xué)習(xí)效率和教育質(zhì)量，而作為教學(xué)主體的高校也希望利用大數(shù)據(jù)技術(shù)、學(xué)習(xí)分析技術(shù)來提升教育教學(xué)效果，謀求在教育領(lǐng)域獲得更高的聲譽(yù)。因此，不少學(xué)者和教育專家開始關(guān)注基于大數(shù)據(jù)開展個(gè)性化教學(xué)的領(lǐng)域，希望能改進(jìn)教學(xué)模式，完善個(gè)性化教學(xué)環(huán)境和工具，教師們也積極開展相關(guān)理論和實(shí)踐的研究。目前，針對大數(shù)據(jù)的個(gè)性化教學(xué)方面的理論和實(shí)踐的研究成果并不多，文獻(xiàn)方面的資源則更加有限。因此，學(xué)者急需了解這個(gè)領(lǐng)域的國內(nèi)外發(fā)展?fàn)顩r和研究熱點(diǎn)，從而為進(jìn)一步研究提供總體框架和開發(fā)依據(jù)。本研究通過文獻(xiàn)分析法利用citespace分析工具開展文獻(xiàn)計(jì)量和分析，研究成果為基于大數(shù)據(jù)的個(gè)性化學(xué)習(xí)領(lǐng)域的研究提供支持。

1. 研究設(shè)計(jì)

本研究的所有文獻(xiàn)來自中國知網(wǎng)（CNKI）和WoS（Web of Science）。通過文獻(xiàn)計(jì)量法對文獻(xiàn)進(jìn)行分析，基于文獻(xiàn)所在的地區(qū)、作者、關(guān)鍵詞和引文等進(jìn)行分析，采用citespace軟件作為文獻(xiàn)分析工具，獲得相關(guān)的分析結(jié)論。國內(nèi)的中文文獻(xiàn)研究數(shù)據(jù)主要來源于CNKI的cssci數(shù)據(jù)庫收入的學(xué)術(shù)期刊文獻(xiàn)，基于主題的關(guān)鍵詞為“個(gè)性化學(xué)習(xí)”和“大數(shù)據(jù)”。通過檢索，發(fā)現(xiàn)162條文獻(xiàn)符合要求，時(shí)間跨度從2013年到2022年。國外的英文文獻(xiàn)數(shù)據(jù)則來源于WoS（Web of Science）的核心合集數(shù)據(jù)庫，檢索關(guān)鍵詞為“personalized learning”和“big data”。檢索的時(shí)間也是從2013年到2022年，選擇了500個(gè)文獻(xiàn)開展分析。在查詢過程中發(fā)現(xiàn)，與中文文獻(xiàn)相類似，相關(guān)主題的文章數(shù)量從2013年開始呈現(xiàn)明顯的上升趨勢。

2. 數(shù)據(jù)分析結(jié)果

2.1 中文文獻(xiàn)和外文文獻(xiàn)數(shù)據(jù)分析

首先，通過對中文文獻(xiàn)分析，按照基于不同時(shí)間節(jié)點(diǎn)的發(fā)文情況來觀察總體趨勢，如圖1所示。國內(nèi)基于大數(shù)據(jù)的個(gè)性化教育的相關(guān)研究基本始于2013年，到2017年、2018年形成高峰。從2019年開始，智慧教育模式、人工智能技術(shù)等方面研究的深入，使得個(gè)性化學(xué)習(xí)、教學(xué)方面的研究形成新的趨勢，總體研究的質(zhì)與量呈現(xiàn)不斷拓展和延伸的趨勢。隨著可用于個(gè)性化研究的技術(shù)和教學(xué)新模式的引入，國內(nèi)個(gè)性化學(xué)習(xí)領(lǐng)域的研究成果越來越豐富。通過對外文文獻(xiàn)的分析可以看出，從2013年開始，發(fā)文量一直呈現(xiàn)逐步增加的趨勢，線性發(fā)展的特征明顯，如圖2所示。數(shù)據(jù)說明，基于大數(shù)據(jù)的個(gè)性化教育領(lǐng)域在國外仍然是熱點(diǎn)，且有持續(xù)不斷的成果顯現(xiàn)。因此，國內(nèi)外的研究有效聯(lián)系、互為助力，將國外的優(yōu)秀理論和有效實(shí)踐案例進(jìn)行分析吸收，應(yīng)用于國內(nèi)的教育教學(xué)，將會(huì)形成更好的教育成效。

2.2 作者所處國家分析

通過基于作者所在國家的分析，得出空間分布圖譜，從而獲得國家合作網(wǎng)絡(luò)圖譜。分析生成的不同國家作者間的合作網(wǎng)絡(luò)，體現(xiàn)了作者在不同的國家和地理的分布情況。其中，圖中的網(wǎng)絡(luò)節(jié)點(diǎn)N值為51，連線數(shù)量為154，網(wǎng)絡(luò)密度值為0.1208。從形成的信息可以知曉，中國、美國、英國、德國和加拿大處于本領(lǐng)域發(fā)文量的前五名。其中，中國發(fā)文量最多為92篇，美國為70篇，英國為22篇，德國為19篇。各個(gè)節(jié)點(diǎn)間的聯(lián)系較密，體現(xiàn)了不同國家作者之間的合作較為緊密。

2.3 核心著者圖譜分析

針對國內(nèi)的研究者間的關(guān)系分析，形成國內(nèi)作者的文獻(xiàn)圖譜分析，從而了解國內(nèi)基于大數(shù)據(jù)的個(gè)性化學(xué)習(xí)模式研究領(lǐng)域的關(guān)鍵研究人員之間所形成相關(guān)的圖譜。分析英文文獻(xiàn)的作者共現(xiàn)圖譜，可以發(fā)現(xiàn)在中文文獻(xiàn)的作者分析過程中，網(wǎng)絡(luò)節(jié)點(diǎn)N值為213，連線數(shù)量為183，網(wǎng)絡(luò)密度值為0.0081。英文文獻(xiàn)的作者合作網(wǎng)絡(luò)圖譜中，網(wǎng)絡(luò)節(jié)點(diǎn)N值為214，連線數(shù)量為166，網(wǎng)絡(luò)密度值為0.0073。各個(gè)節(jié)點(diǎn)間的聯(lián)系較疏松，體現(xiàn)了不同國家作者之間的合作較為分散。通過對核心作者的文獻(xiàn)的整理，體現(xiàn)他們的研究重點(diǎn)和關(guān)注的熱點(diǎn)。通過對核心作者的研究領(lǐng)域發(fā)現(xiàn)，大數(shù)據(jù)、個(gè)性化學(xué)習(xí)、人工智能、機(jī)器學(xué)習(xí)等都是大家所關(guān)心的共同熱點(diǎn)。此外，大數(shù)據(jù)和個(gè)性化學(xué)習(xí)還在不同領(lǐng)域進(jìn)行了應(yīng)用，比如在教育領(lǐng)域、醫(yī)療領(lǐng)域、企業(yè)管理等方面。同時(shí)還發(fā)現(xiàn)，核心學(xué)者多集中在特定高校，比如國內(nèi)的師范類高校，如東北師范大學(xué)、北京師范大學(xué)等，這也從側(cè)面說明，基于大數(shù)據(jù)的個(gè)性化學(xué)習(xí)領(lǐng)域研究在教育學(xué)范疇內(nèi)的應(yīng)用是很廣泛的，也是非常值得繼續(xù)深入研究的。

2.4 關(guān)鍵詞共現(xiàn)與聚類圖譜分析

通過對關(guān)鍵詞的頻次和中心性的分析，發(fā)現(xiàn)越是頻次高，中心性值越大的關(guān)鍵詞，則代表的應(yīng)該是研究的關(guān)注熱點(diǎn)。同時(shí)，通過對關(guān)鍵詞進(jìn)行聚類分析，也可以基于時(shí)間線來觀察熱點(diǎn)的變化以及未來研究方向的形成規(guī)律，幫助研究者為未來研究做好積累和準(zhǔn)備。中文文獻(xiàn)關(guān)鍵詞共現(xiàn)圖譜中關(guān)鍵詞網(wǎng)絡(luò)節(jié)點(diǎn)值為221、連線數(shù)量值為402，密度值為0.0165。英文文獻(xiàn)關(guān)鍵詞共現(xiàn)圖譜中關(guān)鍵詞網(wǎng)絡(luò)節(jié)點(diǎn)值為279、連線數(shù)量值為1150，密度值為0.0297。從關(guān)鍵詞分析可以發(fā)現(xiàn)，國內(nèi)研究和國外研究具有一定的共性，比如，“大數(shù)據(jù)”“人工智能”“個(gè)性化”“數(shù)據(jù)挖掘”等，都是國內(nèi)外學(xué)者關(guān)注的熱點(diǎn)。表中列舉了十大高頻率管檢測，這代表學(xué)者們一段時(shí)間內(nèi)共同關(guān)注的研究問題。

2.5 中文文獻(xiàn)聚類分析

通過對中文文獻(xiàn)進(jìn)行聚類分析，形成了5個(gè)聚類，每個(gè)聚類由多個(gè)密切相關(guān)的關(guān)鍵詞組合而成，每個(gè)聚類的簇號代表其擁有的關(guān)鍵詞的數(shù)量排名，簇號越小則包含的關(guān)鍵詞越多，這5個(gè)聚類按照簇號從小到大依次為：大數(shù)據(jù)、智能技術(shù)、學(xué)習(xí)分析、數(shù)據(jù)驅(qū)動(dòng)和個(gè)性化。

2.5.1 聚類０（大數(shù)據(jù)）

對該聚類中的內(nèi)容進(jìn)行分析，可以探究出多個(gè)研究熱點(diǎn)，一是通過大數(shù)據(jù)和人工智能技術(shù)的結(jié)合，以學(xué)習(xí)者為中心，支持自適應(yīng)學(xué)習(xí)的個(gè)性化學(xué)習(xí)模式。二是利用大數(shù)據(jù)對現(xiàn)有的教育數(shù)據(jù)進(jìn)行細(xì)致的分析，挖掘教育大數(shù)據(jù)在學(xué)生學(xué)習(xí)、自適應(yīng)系統(tǒng)構(gòu)建、相關(guān)標(biāo)準(zhǔn)的制定、教學(xué)模式方面和教學(xué)有效評價(jià)的設(shè)計(jì)方式和實(shí)踐路徑。三是基于大數(shù)據(jù)的個(gè)性化學(xué)習(xí)的實(shí)現(xiàn)關(guān)鍵是學(xué)習(xí)資源的精準(zhǔn)投放，需要對用戶需求進(jìn)行精準(zhǔn)分析、歸類、畫像、建模[1]，增強(qiáng)學(xué)習(xí)者的實(shí)際獲得感。

2.5.2 聚類１（智能技術(shù)）

該聚類呈現(xiàn)的研究焦點(diǎn)是：利用人工智能、“互聯(lián)網(wǎng)+”、大數(shù)據(jù)、5G技術(shù)深入開展大學(xué)教學(xué)改革，有效提高教學(xué)質(zhì)量，已成為廣大高校教師討論的熱點(diǎn)。通過智能技術(shù)優(yōu)化教學(xué)環(huán)節(jié)，建立豐富的教學(xué)資源，構(gòu)建教學(xué)團(tuán)隊(duì)，研究相關(guān)理論和教學(xué)設(shè)計(jì)原則從而達(dá)成精確教學(xué)和評估的結(jié)果。

2.5.3 聚類2（學(xué)習(xí)分析）

該聚類體現(xiàn)了通過人工智能的智能感知技術(shù)、學(xué)習(xí)分析技術(shù)和情感計(jì)算技術(shù)，建立基于大數(shù)據(jù)的智能化教學(xué)模型。通過構(gòu)建基于大數(shù)據(jù)智能的在線學(xué)習(xí)教育平臺(tái)為教師提供豐富的教學(xué)方法，為學(xué)生的學(xué)習(xí)提供個(gè)性化評估和自適應(yīng)學(xué)習(xí)服務(wù)，有助于提高高校教學(xué)效率。傳統(tǒng)的教學(xué)設(shè)計(jì)模式不能有效指導(dǎo)智能教學(xué)，不能滿足學(xué)生個(gè)體發(fā)展的需要。因此，對人工智能技術(shù)、大數(shù)據(jù)等技術(shù)支持下的智能教學(xué)設(shè)計(jì)成為一個(gè)研究熱點(diǎn)領(lǐng)域。利用大數(shù)據(jù)、物聯(lián)網(wǎng)、移動(dòng)互聯(lián)網(wǎng)、人工智能等新一代信息技術(shù)，構(gòu)建一整套科學(xué)的智能教學(xué)設(shè)計(jì)模式，有助于引導(dǎo)教師更好地開展智慧教學(xué)，幫助學(xué)生探索合作自主學(xué)習(xí)，在一定程度上促進(jìn)教學(xué)方法和學(xué)習(xí)方法向智慧教學(xué)轉(zhuǎn)化。

2.5.4 聚類3（數(shù)據(jù)驅(qū)動(dòng)）

聚類聚焦點(diǎn)針對當(dāng)前大數(shù)據(jù)環(huán)境下個(gè)性化學(xué)習(xí)和教學(xué)智能服務(wù)的研究領(lǐng)域，主要以大數(shù)據(jù)驅(qū)動(dòng)的移動(dòng)學(xué)習(xí)智能服務(wù)框架系統(tǒng)的構(gòu)建研究、整體開發(fā)、資源建設(shè)和利用等幾個(gè)方面為研究熱點(diǎn)，從而改善教學(xué)資源、改革教學(xué)模式，運(yùn)用大數(shù)據(jù)分析，不斷提高教學(xué)管理水平。研究人員認(rèn)為該系統(tǒng)可以整合學(xué)習(xí)基礎(chǔ)設(shè)施、數(shù)據(jù)資源、服務(wù)應(yīng)用程序和高校學(xué)習(xí)者，重構(gòu)智能服務(wù)的業(yè)務(wù)流程，為學(xué)習(xí)服務(wù)提供決策支持，同時(shí)，它可以提高學(xué)習(xí)能力，提供個(gè)性化的服務(wù)，實(shí)現(xiàn)學(xué)生的因材施教[2]。

2.5.5 聚類4（個(gè)性化）

可見研究集中在學(xué)校教育、數(shù)據(jù)智慧、教育變革、教學(xué)制度、個(gè)性化分析模型、學(xué)習(xí)處方等方面。通過利用信息技術(shù)，如人工智能、大數(shù)據(jù)、機(jī)器學(xué)習(xí)和深度學(xué)習(xí)等技術(shù)，能夠?qū)崟r(shí)解決極其復(fù)雜的教育問題，提供個(gè)性化教育所需的靈活性和適應(yīng)性，進(jìn)而構(gòu)建的學(xué)習(xí)環(huán)境對學(xué)習(xí)者開展個(gè)性化學(xué)習(xí)更加友好和有效。通過對學(xué)習(xí)者的個(gè)性特征、學(xué)習(xí)習(xí)慣和所需工具的分析，根據(jù)相應(yīng)的匹配算法來準(zhǔn)確識(shí)別學(xué)習(xí)者的學(xué)習(xí)個(gè)性，從而提供較為精確的學(xué)習(xí)方案和干預(yù)方案[3-4]。

結(jié)語

通過文獻(xiàn)研究發(fā)現(xiàn)，目前基于大數(shù)據(jù)的個(gè)性化研究領(lǐng)域仍然是高校教育教學(xué)的研究熱點(diǎn)，研究成果在不斷增加，而且發(fā)展迅速，但也存在不少研究空白，還需要后續(xù)進(jìn)行研究。該領(lǐng)域的研究成果常被作為高校開展精準(zhǔn)教學(xué)和個(gè)性化教學(xué)的理論支持和實(shí)踐參考，對于提高高校教學(xué)質(zhì)量，開展科學(xué)化教學(xué)研究、精準(zhǔn)教學(xué)治理、實(shí)施智慧化的評價(jià)，具有廣闊的應(yīng)用前景。

參考文獻(xiàn)：

[1]劉海鷗，劉旭，姚蘇梅，等.基于大數(shù)據(jù)深度畫像的個(gè)性化學(xué)習(xí)精準(zhǔn)服務(wù)研究[J].圖書館學(xué)研究，2019，（15）：68-74.

[2]祝智庭，胡姣.教育數(shù)字化轉(zhuǎn)型的實(shí)踐邏輯與發(fā)展機(jī)遇[J].電化教育研究，2022， 43（1）：5-15.

[3]包子涵，翁彧.基于數(shù)據(jù)驅(qū)動(dòng)的大學(xué)計(jì)算機(jī)基礎(chǔ)精準(zhǔn)教學(xué)模式探究[J].計(jì)算機(jī)教育，2022，（9）：157-161，165.

[4]董圓圓.人工智能賦能思政教育的倫理風(fēng)險(xiǎn)及其應(yīng)對[J/OL].北京航空航天大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版）：1-7[2023-02-03].https：//doi.org/10.13766/j.bhsk.1008-2204.2022.0955.

作者簡介：顏正恕，在讀博士，副教授，研究方向：數(shù)字媒體和教育、計(jì)算機(jī)科學(xué)與技術(shù)。

基金項(xiàng)目：2020年浙江省教育廳一般科研項(xiàng)目——基于“大數(shù)據(jù)+動(dòng)力學(xué)”的高校動(dòng)態(tài)個(gè)性化學(xué)習(xí)模式研究（編號：Y202044773）。