基于知识图谱的混合学习研究现状分析

2017-04-14冯焕华任博

中国教育信息化·高教职教 2017年2期

冯焕华++任博

摘要：本文以中国知网（CNKI）数据库收录的1038篇混合学习研究文献为研究对象，以聚类分析和知识图谱分析为研究方法，运用 Bicomb2 和 SPSS 23.0 软件工具绘制出了能直观反映该研究领域各高频词的树状图和热点知识图谱，并对此图谱进行了分析。认为，当前国内混合学习的研究主要集中在教学设计、混合学习模式、在线学习模式以及教学模式应用四个方面，其它方面关注较少。特别是对网络平台的适应要求，及时支持，课程资源库等研究比较少。

关键词：混合学习；聚类分析；知识图谱

中图分类号：G434 文献标志码：A 文章编号：1673-8454（2017）03-0004-05

一、引言

关于混合学习，何克抗教授认为：所谓混合学习就是要把传统学习方式的优势和E-Learning的优势结合起来，既要发挥教师引导、启发、监控教学过程的主导作用，又要充分体现学生作为学习过程主体的主动性、积极性与创造性[1]。陈卫东等人认为混合学习正是基于人类对课堂教学和数字化学习的反思，以综合发挥面对面教学和数字化学习的优点为目的提出的一个概念[2]。美国印第安那大学柯蒂斯·J·邦克教授认为，混合学习是面对面教学和计算机辅助在线学习的结合[3]。

笔者认为，所谓混合学习是针对能够运用网络的学生，基于当前教学内容，选择合适的网络通信平台，运用合适的教学组织模式建立的一种线上和线下相结合的，以提高学习效率，促进学生学习为核心的教学模式。此处，所谓合适的教学模式，不仅要选择合适的网络平台，而且与学习者的年龄，特征，认知能力，学习的内容、目标等有关。并非所有的学生，或者知识都能够应用这种线上和线下的教学模式组织教学。只有在合适的条件下才具备组织和实施混合学习模式可能性。

笔者运用共词分析法，以及系統聚类分析法和战略坐标图等技术，绘制出近年来我国混合式学习研究的知识图谱，以图形的形式展示了当前我国混合式学习文献研究的现状，使研究者能够较为直观地了解该领域的存在问题和发展趋势，为深入认识混合式学习研究提供参考。

二、研究对象与研究方法

1.研究对象

本文基于中国知网（CNKI）数据库，以“混合学习”或者“混合式学习”为关键词，检索了从2004年至2016年共计12年之间，相关文献1815篇，并作为本文的研究对象。剔除会议通知、征稿通知和内容重复等不符合要求的文献，最后得到有效研究文献或者称为本文研究对象 1038 篇。其中，期刊论文795篇，博士论文3篇，硕士论文199篇，会议论文39篇，报纸2篇，并以Notefirst形式导出并保存成文本文件，为后续的数据分析做准备。

2.研究方法

本文采用知识图谱（Mapping Knowledge Domains）分析法为基本研究方法。该方法也是科学学与科学计量学领域的重要研究手段之一。常用的图谱分析方法包括直接引用、共被引、共词、合著、基于引文的文献耦合以及引文与文本的混合分析等类型[4]。知识图谱能够用直观图像展现出最前沿领域和学科知识的信息会聚点，从宏观、中观、微观等不同层面来揭示一个领域或学科的发展概貌，使人们便于全面审视一个学科的结构和研究热点、重点等信息[5]。

3.研究工具

使用的研究工具为SPSS23.0统计分析软件和Bicomb2.0书目共现分析系统。其中，SPSS23.0为IBM公司推出的一种用于统计学分析运算、数据挖掘的软件。Bicomb2.0是书目共现分析系统，由中国医科大学医学信息学系崔雷等人联合开发的软件。该软件能够从文献中抽取其中特定的字段，如作者、期刊名、标题、发表年代、引文等，统计相应字段的出现频次，按照一定的阈值截取高频条目后，形成共现矩阵和条目[6]。所生成的矩阵可以导入到SPSS23.0软件中进行系统聚类分析以及多维尺度分析，还可以导入到Ucinet软件中进行社会网络分析。

三、具体研究过程与结果分析

1.具体研究过程

笔者首先在中国知网（CNKI）里抽取出Bicomb能够识别的ANSI编码文本文件，将筛选后的1038篇文献题录信息，按年份以NoteFirst格式导出，保存为ANSI 编码的纯文本格式文件，将这些个文本文件放在一个名为Blended learning的文件夹内。其次打开Bicomb2.0 共词分析软件，新建一个名为Blended learning的项目，格式类型选择“cnki··”，通过选择目录的方式，将Blended learning文件夹导入到项目中，提取到关键词 5200个。最后，为了统计结果的准确性，将同义的关键词进行了修改和合并，将 “算法”、“网络”等无效的关键词剔除，最终得到有效关键词1956个。

之后，再次运用 Bicomb2.0 的词频统计功能，将 1956个有效关键词进行词频统计。在本文中所谓的高频关键词，是根据高频被引频次阈值确定的。其中高频阈值根据普赖斯计算公式确定，计算公式为：M=0.749 。其中M为高频阈值，Nmax表示区间学术论文被引频次最高值[7]。为了确定高频关键词的阈值，以混合学习为主题在中国知网（CNKI）搜索高频被引文章，通过搜索发现在2004-2016年间被引频率最高的是李克东教授发表的“混合学习的原谅与应用模式”一文[8]。该文从发表至今已被引用811次，在混合学习研究领域起着非常大的作用。根据普莱斯公式计算，将关键词选取为词频大于22的21个关键词为主要关键词。高频关键词统计情况详如表1所示。

根据表1高频关键词的统计结果，可以初步地了解到我国混合学习研究的热点。除去混合式学习、混合学习本身等比较热门的研究热点领域还有教学设计、混合学习模式、教学模式等。为了进一步掌握该领域的变化规律，获得高频关键词之间的关联性，笔者分别统计这些高频关键词在同一篇文献中共同出现的频次，形成由这些词组成的共词矩阵，从而以此为基础对其进行系统聚类和多维尺度分析以揭示词与词之间的亲疏关系，归纳该领域的结构与范式[9]。

2.具体研究结果分析

为了获得更理想的结果，笔者进一步采用聚类分析法进行分析。其优点在于它利用高频词反映某学科或主题的研究热点，能定量反映出词与词之间的亲疏关系，进而反映这些词所代表的主题内容的结构[10]。在聚类分析时，需要规定样本间距离。本研究采用的样本间距离是欧式距离，欧式距离是空间中两个样本点在 m 维指标变量上差值平方和的平方根，计算时运用了空间点上所有数据信息，故反应灵敏，是聚类分析中最常用的距离[11]。用公式可以表示为：

dij=i，j=1，2，…，n

在系统聚类方法中，类平均法聚类效果最好，应用也比较广泛。这种方法是用两类元素两两间的平均平方距离作为两类间距离的平方，其公式表示如下：

根据研究需要，除去核心关键词“混合式學习”、“混合学习”，利用Bicomb软件，选择频次阈值（≥21，≤510）生成共词矩阵，然后将共词矩阵导入到SPSS23.0中转化成相异矩阵，如表2所示。

在相异矩阵的基础上，利用SPSS23.0统计分析软件进行系统聚类分析，聚类方法选择类平均法，计算距离选择的是欧式距离，得到聚类树状图。但该图其本身并没有具备对样本进行分类的功能，而是通过反映样本之间亲疏关系的并类过程来为样本最终的分类提供依据。因此，笔者根据聚合系数随分类数变化曲线，从曲线开始变得平缓的点选择合适的分类数[12]，将混合学习的研究热点分为4个领域，得到的高频关键词聚类树状图如图1所示。

从图1可以看出，我国的混合学习研究关注点较集中，主要有四个领域：领域一为基于信息技术的自主学习模式与学习活动研究，包括学习过程、信息技术、网络化学习、学习活动、自主学习和学习模式；领域二为基于Moodle平台的混合式学习模式设计与教学改革研究，包括教学设计、Moodle、混合学习模式、课堂教学、教学改革；领域三为在线学习与模式研究，包括在线学习、模式；领域四为基于现代教育技术的课程设计与教学模式应用研究，包括大学英语、应用、现代教育技术、课程设计、教学模式、网络学习。通过关键词词义分析。

为了科学判断出混合学习在教育领域所处的位置及其核心性，笔者将结合多维尺度分析和战略坐标图，绘制混合学习研究热点的知识图谱。多维尺度分析是一种将多维空间的研究对象简化到低维空间进行定位、分析和归类，同时又保留对象间原始关系的数据分析方法[13]。战略坐标图描述了某研究领域内部联系情况和领域间相互影响的情况。在战略坐标图中，横坐标为向心度（Centrality），表示领域间相互影响的强度；纵坐标为密度（Density），表示领域内各要素的联系紧密程度，横轴和纵轴将战略坐标图分割成四个象限[14]，如图2所示。

在 SPSS23.0统计分析软件中，利用多维尺度分析（ALSCAL）功能，得出欧氏距离模型散点图，根据战略坐标，从向心度和密度两个维度出发，结合聚类分析的结果，绘制出混合学习研究热点知识图谱。如图3所示。

通过分析图3可以发现，从2004年到现在，我国关于混合学习的热点研究领域在整个研究网络中处于不同战略位置。

基于信息技术的自主学习模式与学习活动研究（领域一）横跨二、三象限，主要位于第二象限，向心度较高，密度较低，说明领域一的研究已经形成了一定的规模，但是研究的结构还不稳定；位于第二象限的研究主题有自主学习、学习活动、信息技术，这些研究主题之间联系密切，研究结构较为成熟，但是也存忽视与其他研究领域相联系的问题。位于第三象限的研究主题有学习模式、网络化学习、学习过程，这些研究主题之间联系较为松散，研究结构不稳定且不成熟。

基于Moodle平台的混合式学习模式设计与教学改革研究（领域二）横跨一、三象限，主要位于第一象限，密度和向心度都较高，说明该领域内部研究结构稳定，而且研究较为成熟，位于第一象限的主题有教学设计、Moodle、混合学习模式，这些研究主题与其他研究领域如在线学习练习紧密，受到的关注度较高；位于第三象限的主题有课堂教学、教学改革，这些主题处于研究的边缘，并且研究不成熟，说明关于课堂教学的改革还有待加强。

在线学习与模式研究（领域三），位于第一象限，向心度和密度都高，说明这方面的研究结构比较稳定，研究较为成熟。随着新技术的涌现，在线学习的种类也变得多样化。

基于现代教育技术的课程设计与教学模式应用研究（领域四），横跨三、四象限，主要位于第四象限，向心度高，密度低，说明该领域与其他领域联系比较紧密，但是内部联系松散。位于第四象限的主题有网络学习、教学模式、课程设计、大学英语，这些研究主题是研究的核心，但是没有形成稳定的研究结构，而且研究不成熟，需要进一步完善自身的结构。

四、研究结论

混合学习的研究涉及教学设计、学习理论和实践应用等多方面的内容。其中的一些内容引起了大家的共同兴趣，对这些内容的研究成为人们关注的焦点。笔者通过文献研究发现，当前对混合学习的研究主要集中在以下四个方面：

1.聚焦高等教育领域，热衷课程层面的研究

在众多的文献中，80%以上研究内容都是基于某门课程开展的研究，热点集中于大学英语教学、职业技术教育、医学教育、计算机教育应用以及中等教育等领域。产生这一现象的原因可能是因为研究者大多为在校的博士或说是研究生，课程层面的混合式学习研究容易计划和实践。

2.新技术、新媒体支持下的混合式学习

在以正式学习、非正式学习为主要方式的泛在学习环境中，移动学习工具和社会化网络学习平台成为应用的主流。其中，MOOC、微信平台、翻转课堂、虚拟现实技术便是近年来兴起的研究热点，并逐渐成为整合在线学习、移动学习、个性化学习、深度学习等论题的重要研究主题。以香港城市大学叶豪盛为代表的学者把虚拟现实等新技术引入混合学习者领域。他将虚拟现实学习环境（VRLE）应用于儿童心理康复实验中。该研究团队在实践中利用虚拟现实设计了帮助受虐儿童恢复心理健康的学习环境，在国际上获得高度认可[15]。

3.研究方法倾向实证研究与非实证研究的混合

结合具体文献进行分析，混合式学习相关论文的结构大同小异。既有学习模型的设计又有针对模型设计的实证研究，可以说是构建模型与实证研究相结合的方法，而国际上这样研究方法使用较少。在Halverson 等人（2014）的研究中发现，国际论文使用最多的方法是采用几种实证分析法相混合的方法，其次是质性研究和文献综述的方法[16]。

4.研究的意义和影响有限，对实证研究的有效性关注较少

从文献的被引频次和所发表期刊的影响因子来看，混合式学习的研究除少数文章具有较高学术影响，其余研究的意義和影响颇为有限。因为大多数研究者将焦点定位在教育领域使得研究视阈受限。而且研究者比较注重教学模式的设计，对于应用效果的分析轻描淡写。

随着新技术的不断涌现和社会对人才需求的改变，混合学习将会面临更多的挑战和变革。如何混合以充分发挥在线学习和面对面教学的优势，是研究者需要关注的焦点。不是所有的教学都需要进行混合，也不要用成绩来衡量混合式学习取得的成效。研究者应根据学习者特征和客观条件，多用实证研究来得出科学的、令人信服的研究成果，从而实质性的提升学习效果，提高学习效率。

参考文献：

[1]何克抗.从 Blending Learning 看教育技术理论的新发展（上）[J].中国电化教育，2004（3）：1-6.

[2]陈卫东，刘欣红，王海燕.混合学习的本质探析[J]现代远距离教育，2010（5）：30-33.

[3]柯蒂斯·邦克著，焦建利等译.世界是开放的：网络技术如何变革教育[M].上海：华东师范大学出版社，2011.

[4]钟镇.知识图谱分析方法的可靠性检验研究——以共词分析为例[J].科学学研究，2015（5）：647-653.

[5]任红娟，张志强.基于文献计量的科学知识图谱发展研究[J].情报杂志，2009（12）：86-90.

[6]崔雷，刘伟，闫雷，张晗，侯跃芳，黄莹娜，张浩.文献数据库中书目信息共现挖掘系统的开发[J].现代图书情报技术 2008（8）：70-75.

[7]王佑镁，伍海燕.中国高教研究领域高频被引论文的学术特征分析[J].中国高教研究，2012（1）：33-37.

[8]李克东，赵建华.混合学习的原理与应用模式[J].电化教育研究，2004（7）：1-6.

[9]王佑镁，叶爱敏，赖文华. MOOC何去何从：基于知识图谱的国内研究热点分析[J].中国电化教育，2015（7）：12-18.

[10]杨颖，崔雷.基于共词分析的学科结构可视化表达方法的探讨[J].现代情报，2011（1）：91-96.

[11]王孝玲.教育统计学（第五版）[M].上海：华东师范大学出，2015：268-269.