基于CiteSpace的我國學習者畫像研究熱點與趨勢分析

摘要：近年來，國內關于學習者畫像的研究蓬勃發展，使用CiteSpace軟件對中國知網（CNKI）、萬方、維普數據庫中2015—2023年814篇以“學習者畫像”為主題的文獻進行研究熱點和趨勢分析。研究發現，國內學習者畫像的研究成果逐年增多，但尚未形成緊密的作者合作網絡，在教育領域學習者畫像主要應用于促進在線教學、優化教學環節、建設智慧校園、開展知識服務等四個方面。學習者畫像在數據采集、技術構建、實證驗證、倫理問題等方面還有待突破，以便為教育領域帶來更多的創新和改變。

關鍵詞：學習者畫像；CiteSpace；知識圖譜；熱點趨勢

中圖分類號：G434

文獻標志碼：A

文章編號：1009-4156（2025）04-0098-04

隨著互聯網、云計算、機器學習等技術的普及，大數據與教育的結合成為時代發展的必然要求^［1］。《中國教育現代化2035》提出，要加快信息化時代教育變革，利用現代技術實現規模化教育與個性化培養的有機結合。學習者畫像是用戶畫像在教育領域的應用^［2］，可通過采集各類教育數據，經過清洗、分析、處理、展現等，多維度呈現學習者特征并標簽化，實現個性化、精準化教學，在大數據時代強調優質教育的背景下具有深刻意義。學習者畫像研究在我國發展到了怎樣的程度？學習者畫像主要應用到了哪些教育場景及環節？當前研究的特點和未來的發展趨勢又如何？基于這些問題，采用文獻計量法和科學知識圖譜方法，運用可視化工具CiteSpace對國內有關學習者畫像的文獻進行研究，探尋學習者畫像在教育領域的應用現狀，分析我國學習者畫像研究熱點與趨勢，為推動學習者畫像技術在我國教育領域研究和實踐不斷深入提供參考。

"一、數據來源與研究方法

以中國知網（CNKI）、萬方、維普數據庫為數據來源，以“學習者畫像”“學習畫像”“學生畫像”為主題詞進行高級檢索，并用“數字畫像”“用戶畫像”“教育”“學習”“學生”等主題詞進行補充檢索，檢索時間截至為2023年11月14日。手工篩選符合主題的期刊文獻，通過CiteSpace軟件剔除關鍵詞缺少及重復文獻，共獲得814篇有效文獻。采用美國德雷塞爾大學陳超美教授開發的一款用于學術文獻分析的信息可視化工具CiteSpace，以探測我國學習者畫像研究的發展及其研究熱點主題和演進。設置時間跨度為2015—2023年，間隔為1年，通過閾值設置、選擇裁剪算法、采用靜態聚類、展示整個網絡的可視化方式呈現最終分析圖譜。

二、學習者畫像研究的時空知識圖譜及其分析

（一）學習者畫像研究的時間分布圖譜

為考察我國學習者畫像的研究成果，檢索中國知網（CNKI）、萬方、維普數據庫，統計2015—2023年的發文數量及時間分布。最早關注這一領域的是韓鳳霞，于2015年在《中國教育信息化》上發表第一篇相關論文^［3］，作者將學生畫像用于學籍狀態動態監測，從而對學籍狀態異常學生進行預警和幫扶指導。在此之后，學習者畫像的研究起步，總體發文量呈上升趨勢，具體見圖1。

學習者畫像順應智能環境下的教育發展，圖1還顯示，2018年相關研究發文增速進一步提升，呈爆發式增長趨勢。2018年，教育部印發《教育信息化20行動計劃》，強調積極推進“互聯網+教育”，加快教育現代化和教育強國建設，為學習者畫像的發展提供了政策導向。

（二）學習者畫像研究的空間分布圖譜

在研究單位方面，近200所院校、機構開展了有關學習者畫像的研究。發文量排在前三位的是華東師范大學（13篇）、上海市電化教育館（10篇）和西南大學教育學部（6篇）。上海地區總體發文量較多，多單位參與，表明上海地區在學習者畫像的學術研究和知識產出方面具有較高的活力和影響力，為上海地區教育事業的發展和創新注入了強大的動力。機構合作網絡中共有節點190個，連線59條，網絡整體密度僅為0.0033，說明我國學習者畫像研究單位分散，合作較少。

從作者來看，發文量最高的是張治，為10篇，其次是喬慧、吳彥文、鐘紹春均為4篇，表1顯示頻次為3的作者有7位。網絡整體密度僅為0.004，同樣說明目前我國學習者畫像研究領域缺乏緊密的合作網絡，且尚未形成一個凝聚力強的科研團體。

三、學習者畫像研究的內容知識圖譜及其分析

（一）學習者畫像研究的研究熱點

在CiteSpace軟件設置界面，將網絡節點類型（Node Types）設置為“Keyword”，繪制了學習者畫像研究關鍵詞頻次的共現知識圖譜。關鍵詞能夠準確、簡潔地概括、反映論文主題，其出現頻次及中心度的高低可以反映一段時間內該研究領域的熱點。在CiteSpace關鍵詞頻次的共線圖譜中，節點和字號越大，反映該關鍵詞出現頻率越高；中心性越大則表示該節點在該研究領域中的重要性及影響力越大。通過關鍵詞頻次的共現知識圖譜分析發現，國內研究文獻中出現頻率較高的關鍵詞有“大數據”“人工智能”“數據挖掘”“大學生”“知識圖譜”“智慧校園” “精準教學” “學習分析”“高校”等。中心性較高的關鍵詞有“大數據”（0.43）、“數據挖掘”（033）、“大學生”（0.29）、“人工智能”（0.27）、“學習分析”（0.19）、“智慧校園”（0.14）等。

通過聚類知識圖譜分析，獲得網絡節點282個，連線297條。利用聚類模塊值（Q值）和聚類平均輪廓值（S值）兩個指標對圖譜繪制效果進行評估。一般而言，Q值在［0，1）區間內，當Q＞0.3時，意味著劃分出來的社團結構是顯著的；當S值在0.5以上時，聚類是合理的，在S值為0.7時，是令人信服的^［4］。在本研究中，Q=0.8425＞0.3，說明該聚類結果所劃分出的社團結構是顯著的，S=091＞07，證明聚類結果是令人信服的。最終，形成了“大數據”“大學生” “學習分析”“數據挖掘”“智慧校園”“知識圖譜”“個性化”等共13個聚類。

關鍵詞聚類與關鍵詞頻次共現分析顯示，學習者畫像的構建是基于大數據的支持，采用了數據采集技術、數據處理技術、數據分析、數據挖掘及數據展示等技術^［5］。深度學習、機器學習、知識圖譜等新一代人工智能技術的發展在學習者畫像方面具有廣闊的應用前景^［6］。學習者畫像的研究大部分面向高校的學生，應用領域包括在線教學、優化教學設計與評價、建設智慧校園、開展知識服務等。

（二）通過學習者畫像技術助力在線教學

通過學習者畫像可以在在線學習的過程中實現精準支持服務。數字技術進入教育領域以來，學習者可以通過互聯網獲取海量的學習資源，但每位學習者所需的學習資源是有限的，且是根據自身發展而變化的，如何解決“總體資源無限”與“個體需求資源有限”、“需求資源動態化”與“學習資源靜態化”之間的矛盾是需要回答的^［7］。基于學習者畫像技術，在線學習系統可以利用在線數據，掌握學習者在線學習情況，實時分析，生成符合學習者現狀的畫像，動態推送合適的學習資源，引導學習者學習，并將學習診斷反饋給學習者，使信息顯性化，確保學習者明確自己的學習水平、知識進度等。

（三）借助于學習者畫像技術優化教學過程

學習者畫像以大數據為支持，可采集不同類型的學習者數據，在教學環節為教師提供針對性意見，從而優化教學。在教學準備階段，葉玲和吳新煒^［8］以某醫科大學新生的大學英語課程為例，利用學習者畫像識別學習者特點，分析其需求，采用不同的課程類型，幫助教師更好開展教學設計工作。在評價環節，由于獲取數據的及時性、高效性，因此學習者畫像有利于開展融入教學全過程的伴隨式評價，并能綜合呈現學習者最為客觀、最為科學的評價結果，方便教師加以鑒別，以提升教師的教學評價能力，是大數據落地教學評價的一大實踐成果。

（四）借助于學習者畫像技術完善智慧校園建設

學習者畫像技術以其對學生特征精準呈現的優勢，可促進智慧校園建設不斷完善和豐富。例如，為解決學生資助工作中的資助對象認定不精準的問題，已有研究利用學生基本信息、校園一卡通消費數據等形成學習者畫像，構建基于學習者畫像的高校扶貧流程、資助模式^［9-11］。在學生就業方面，部分高職高校以學習者畫像技術為支持，構建畢業生畫像，智能匹配就業崗位，對接企業，以便順利完成校企過渡^［12］；在創業方面，有高校利用學習者畫像進行資源的有效供給，開設個性化創業指導課程，建設智能創業平臺，精準提供創業資源^［13］。

（五）利用學習者畫像技術拓展學校知識服務

學習者畫像的應用擴展了知識服務的廣度與深度。在圖書館中，通過采集圖書館借閱數據、圖書館出入數據等，構建學習者畫像，可幫助高校圖書館創新閱讀推廣路徑，個性化推送講座信息，為師生提供精準化知識服務。在教育出版行業，有研究者關注利用學習者畫像提供個性化定制知識服務，促進了教育出版的智能化^［14］。有研究關注醫療科研人員，構建醫護科研人員畫像，以實現人工智能視域下醫護科研人員知識服務效能的提升^［15］。

四、學習者畫像研究的研究趨勢

突現詞是在一個時間段內出現頻次呈爆發式增長的詞，反映研究領域的熱點及未來的趨勢。學習者畫像研究排名前10位的高頻突現詞如圖2所示。由于2015年是“十二五”規劃的收官之年，基本完成了各級各類學校互聯網全覆蓋的核心目標，因此為實現學習者畫像提供了數據支持。可以發現，聚焦于學習者畫像構建方面的研究，在起步階段就有部分學者開始利用多源學生數據匯聚整合形成標簽體系^［16］。學習者畫像建模技術在2017—2019年以人機協同指導思想的機器學習^［17］為主，2021年以來則以k-means聚類技術為主。

隨著學習者畫像構建技術的不斷發展與成熟，學習者畫像的應用規模也進一步擴大，逐步擴展至以面向師生個性化服務為理念的智慧校園，在智慧校園的環境下持續開展^［18］。自2021年起，慕課成為學習者畫像研究的新熱點，學習者畫像被更多應用在助力個性化資源推薦路徑、精準思政教學路徑、人才培養路徑以及媒體融合發展等方面。

圖2"學習者畫像研究高頻突現關鍵詞（跨度：1年）

五、結論與思考

（一）結論

第一，國內學習者畫像相關研究起步于2015年，于2018年發文進入快速增長期，近200所院校、機構開展了有關學習者畫像的研究。上海地區總體發文量較多，多單位參與，但總體來看，我國學習者畫像研究單位分散，合作較少，并未形成緊密的合作網絡。第二，學習者畫像研究多面向高校的學生，在思政教育、公安教育、職業培訓等方向進行了嘗試，應用領域主要包括在線教學、優化教學環節、建設智慧校園、開展知識服務等。第三，學習者畫像研究起步階段關注學習者畫像的構建方法，隨著構建技術的發展，學習者畫像的應用從早期的學習分析再到智慧校園的建設。自2021年起，慕課成為學習者畫像研究的新熱點，并助力路徑的發展，從人才培養方面助力媒體融合。

（二）思考

國內有關學習者畫像的研究在數據采集、技術構建、實證驗證、倫理方面仍存在一些突出問題。在數據采集方面，不同研究者根據實際研究需要，采集不同類型的學習者數據，除基本個人信息、考試成績等常規數據以外，部分研究還涉及學習者心理、個性等內顯數據以及零碎的線下學習過程數據，如何確保采集數據的準確性、可靠性、有效性，有待進一步探索；在技術構建方面，目前學習者畫像仍存在構建技術不成熟、流程尚未形成規范、缺乏統一的指導意見等問題；在實證驗證方面，由于技術、教育等現實因素的影響，國內學習者畫像較少真正進行落地推進，僅僅停留在方案構建階段，因此對多數已形成的學習者畫像的標簽是否準確、維度是否需要擴展以及整體應用效果如何，仍缺乏實證評價^［19］；在倫理方面，學習者畫像來源于教育大數據，不可避免地會面臨大數據時代隱私方面的新挑戰，例如在數據采集階段，雖然數據缺失會影響學習者畫像的完整性，但學習者的隱私數據同樣需要受到重視與保護，哪些數據適合采集、如何合理合法地應用亟待解決。

參考文獻：

［1］楊現民，唐斯斯，李冀紅.發展教育大數據：內涵、價值和挑戰［J］.現代遠程教育研究，2016（1）：50-61.

［2］肖君，喬惠，李雪嬌.大數據環境下在線學習者畫像的構建［J］.開放教育研究，2019（4）：111-120.

［3］韓鳳霞.大數據時代高校學籍預警機制的探索與研究［J］.中國教育信息化，2015（19）：46-49.

［4］陳悅，陳超美，劉則淵，等.CiteSpace知識圖譜的方法論功能［J］.科學學研究，2015（2）：242-253.

［5］劉海鷗，劉旭，姚蘇梅，等.基于大數據深度畫像的個性化學習精準服務研究［J］.圖書館學研究，2019（15）：68-74.

［6］李振，周東岱，王勇.“人工智能+”視域下的教育知識圖譜：內涵、技術框架與應用研究［J］.遠程教育雜志，2019（4）：42-53.

［7］姜強.自適應學習系統支持模型與實現機制研究［D］.長春：東北師范大學，2012.

［8］葉玲，吳新煒.醫學院校“課程思政”導向的英語學習共同體構建——基于教學管理模式新思維的研究［J］.中國醫學教育技術，2022（3）：342-346.

［9］張麗娟，夏艷，賴慶，等.基于用戶畫像高校學生精準扶貧體系的研究［J］.智庫時代， 2020（36）：135-136.

［10］伍智鑫.基于一卡通數據挖掘的高校貧困生精準扶貧應用研究［J］.湖南科技學院學報，2019（4）：122-123.

［11］李靜，龍金輝.基于大數據分析的精準資助育人模式研究［J］.信息與電腦（理論版），2019（5）：166-168.

［12］劉洪超，滕鑫鑫，白浩.基于大數據的高校智能就業平臺建設與應用［J］.現代教育技術，2020（2）：111-117.

［13］張明麗，丁月華.基于大數據畫像的個性化創新創業教育模式［J］.高等工程教育研究，2023（2）：183-189.

［14］楊秦予，常利娜.教育出版智能化知識服務路徑探索［J］.中國編輯，2019（9）：50-53+65.

［15］趙永國.大數據挖掘的用戶畫像人才標簽體系生成方法［J］.信息技術，2021（12）：142-146.

［16］劉海鷗，孫晶晶，蘇妍嫄，等.國內外用戶畫像研究綜述［J］.情報理論與實踐，2018（11）：155-160.

［17］師亞飛，彭紅超，童名文.基于學習畫像的精準個性化學習路徑生成性推薦策略研究［J］.中國電化教育，2019（5）：84-91.

［18］黃榮懷，張進寶，胡永斌，等.智慧校園：數字校園發展的必然趨勢［J］.開放教育研究，2012（4）：12-17.

［19］崔佳峰，闕粵紅.智能技術支持下的學生數字畫像：困境與突破［J］.當代教育科學，2020（11）：88-95.

The Analysis of Research Hotspots "and Trends on Learner portrait in China based on CiteSpace

Xu Yahong"Liu Ningjing

（School of Nursing， Capital Medical University， Beijing 100069， China）

Abstract：The research on learner portrait has been flourishing in China in recent years. Based on 814 literature on the theme of “learner profiling” from 2015 to 2023 in CNKI， Wanfang and VIP databases， this study uses CiteSpace software to analyze the research hotspots and trends. It is found that the research results of learner portrait in China are increasing year by year， but a close cooperation network of authors has not been formed yet. In the field of education， learner portrait is mainly applied in four aspects， such as promoting online teaching， optimizing teaching links， building smart campus and carrying out knowledge service. At the same time， learner portrait still needs to be broken through in data collection， technology construction， empirical verification and ethical issues， so as to bring more innovation and change to the field of education.

Key words：Learner portrait；CiteSpace；Knowledge graph；Hot trend