聶文苗 彭紹東

（湖南師范大學(xué) 教育科學(xué)學(xué)院，湖南 長沙410081）

一、引言

中共“十九大”報(bào)告指出在發(fā)展的重要戰(zhàn)略機(jī)遇期必須深化教育改革，加快教育現(xiàn)代化，把建設(shè)教育強(qiáng)國作為中華民族偉大復(fù)興的基礎(chǔ)工程。為把握發(fā)展機(jī)遇，面對大數(shù)據(jù)對教育領(lǐng)域產(chǎn)生的重要影響，充分利用前沿引領(lǐng)技術(shù)來提取或挖掘教育數(shù)據(jù)的價(jià)值顯得尤為重要。2018年4月教育部印發(fā)了《教育信息化2.0 行動計(jì)劃》，該計(jì)劃聚焦以能力為先的人才培養(yǎng)需求，提出實(shí)施數(shù)字資源服務(wù)普及、網(wǎng)絡(luò)學(xué)習(xí)空間覆蓋、教育治理能力優(yōu)化等重點(diǎn)開展的八大行動[1]。這些行動實(shí)施過程的特征是以“數(shù)據(jù)”為*基礎(chǔ)，這表明我們在推進(jìn)信息技術(shù)與教育教學(xué)深度融合的條件下，需要利用數(shù)據(jù)挖掘技術(shù)發(fā)現(xiàn)教育產(chǎn)生的海量數(shù)據(jù)所隱藏的規(guī)律和深層聯(lián)系，從而使教育數(shù)據(jù)為各級各類教育的發(fā)展提供支持服務(wù)，真正實(shí)現(xiàn)教育數(shù)據(jù)挖掘的意義。

教育數(shù)據(jù)挖掘是順應(yīng)智能環(huán)境下教育發(fā)展的必然選擇，已成為眾多學(xué)者研究的重點(diǎn)，但是整體上分析該領(lǐng)域研究現(xiàn)狀與熱點(diǎn)的文獻(xiàn)少而分散。本研究主要通過BICOMB2.0、Ucinet6.0、SPSS20.0 對檢索的相關(guān)文獻(xiàn)分別進(jìn)行時(shí)間分布分析、詞頻分析、共詞聚類分析以及戰(zhàn)略坐標(biāo)分析，并結(jié)合文獻(xiàn)研讀展開探討，從而把握我國教育數(shù)據(jù)挖掘領(lǐng)域的研究熱點(diǎn)及其發(fā)展趨勢，旨在為同類研究提供參考。

二、研究的對象、方法與過程

1.研究對象

本研究數(shù)據(jù)來源于中國學(xué)術(shù)期刊網(wǎng)絡(luò)出版總庫CNKI，以“主題”為檢索項(xiàng)，“教育數(shù)據(jù)挖掘”“教育+數(shù)據(jù)挖掘”為檢索詞進(jìn)行高級檢索，檢索時(shí)間限定為2017年12月31日之前，并對初次檢索結(jié)果中會議通知、論文集、開欄語以及無關(guān)的文獻(xiàn)進(jìn)行排除，最終選取624 篇有效樣本作為研究對象。本研究將這624 篇文獻(xiàn)的題錄信息以NoteFirst 格式導(dǎo)出并保存，以便利用相關(guān)研究工具進(jìn)行系統(tǒng)梳理和分析。

2.研究方法與研究工具

本研究主要使用文獻(xiàn)年代分布分析、詞頻分析、共詞聚類分析和戰(zhàn)略坐標(biāo)分析法。文獻(xiàn)的時(shí)間分布情況能夠反映教育數(shù)據(jù)挖掘領(lǐng)域關(guān)注度的變化。詞頻分析法是對表現(xiàn)文獻(xiàn)主體的關(guān)鍵詞的頻次進(jìn)行統(tǒng)計(jì)，利于快速掌握研究重點(diǎn)。共詞聚類分析是利用聚類算法統(tǒng)計(jì)共詞出現(xiàn)的頻率，把眾多分析對象之間復(fù)雜的共詞網(wǎng)狀關(guān)系簡化為數(shù)目相對較少的若干類群之間的關(guān)系，以進(jìn)一步探究主題詞之間的關(guān)聯(lián)[2]。戰(zhàn)略坐標(biāo)分析法是通過計(jì)算向心度和密度來探究聚類后所形成各亞領(lǐng)域內(nèi)部以及彼此之間關(guān)系緊密程度的方法。

本研究使用的工具包括BICOMB2.0、Excel、SPSS20.0以及Ucinet6.0，使用目的是探尋科學(xué)文獻(xiàn)中的可視化模式和發(fā)展趨勢，分析該研究領(lǐng)域演進(jìn)的關(guān)鍵路徑和潛在動力機(jī)制。其中，書目共現(xiàn)分析系統(tǒng)（BICOMB）是在文本數(shù)據(jù)集中正規(guī)地抽取關(guān)鍵字段，發(fā)現(xiàn)潛在、有效、新穎的信息，并用可理解的視覺方式呈現(xiàn)的工具。其在本研究中主要步驟為：(1)新建項(xiàng)目來管理NoteFirst 格式類型的主題數(shù)據(jù)；(2)將一批待處理xml 格式文件解析，提取關(guān)鍵字段并修改（同義詞合并），調(diào)整顯示結(jié)果的順序；(3)根據(jù)g 指數(shù)原理設(shè)置高頻詞閾值，對提取字段內(nèi)容進(jìn)行詞頻統(tǒng)計(jì)；(4)生成共現(xiàn)矩陣，利于后續(xù)SPSS20.0 進(jìn)行聚類分析以得到戰(zhàn)略坐標(biāo)圖。

3.研究過程

具體研究過程如圖1所示。

圖1 研究過程圖

三、研究結(jié)果

1.文獻(xiàn)年代分布

對2002-2017年間國內(nèi)教育數(shù)據(jù)挖掘相關(guān)文獻(xiàn)進(jìn)行時(shí)間分布統(tǒng)計(jì)，具體如圖2、3 所示。從中我們發(fā)現(xiàn)，關(guān)于教育數(shù)據(jù)挖掘的研究數(shù)量整體呈上升趨勢。文獻(xiàn)數(shù)量變化曲線可以劃分為三個(gè)階段，2002-2004年期間，教育數(shù)據(jù)挖掘研究文獻(xiàn)相對較少；在2005-2012年期間，相關(guān)研究文獻(xiàn)逐步增加且個(gè)別年份小幅減少，所占比例達(dá)到24%；在2013-2017年期間，發(fā)表數(shù)量顯著增加，所占比例已達(dá)到74%，2017年文獻(xiàn)數(shù)量達(dá)到了178 篇的最高值，這受到了網(wǎng)絡(luò)教育逐漸普及，教學(xué)行為與教育要素?cái)?shù)據(jù)化的影響。由此說明，國內(nèi)教育數(shù)據(jù)挖掘研究的關(guān)注度越來越高，各領(lǐng)域?qū)W者結(jié)合專業(yè)背景，挖掘教育數(shù)據(jù)潛在價(jià)值來解決實(shí)際問題，研究成果逐漸豐富。

圖2 時(shí)間分布圖

圖3 雷達(dá)圖

2.詞頻統(tǒng)計(jì)

利用BICOMB2.0 對有效文獻(xiàn)中關(guān)鍵詞進(jìn)行詞頻統(tǒng)計(jì)，然后刪除無關(guān)、同義詞合并整理，最后，結(jié)合詞頻g 指數(shù)計(jì)算公式[3]：M＞=g2&N＜(g+1)，提取了37 個(gè)高頻關(guān)鍵詞，按照頻次降序排列的具體情況如表1所示。為了更直觀地進(jìn)行可視化表達(dá)，而將重要關(guān)鍵詞渲染輸出為詞云，如圖4所示。由結(jié)果可見，與教育數(shù)據(jù)挖掘聯(lián)系最為密切的詞分別是數(shù)據(jù)挖掘和大數(shù)據(jù)，它們是該領(lǐng)域重要研究內(nèi)容。

表1 高頻關(guān)鍵詞（前20）

圖4 高頻關(guān)鍵詞標(biāo)簽云

3.構(gòu)建共詞矩陣與相異矩陣

利用BICOMB2.0 進(jìn)行詞頻統(tǒng)計(jì)后，還可生成高頻詞共現(xiàn)矩陣以便進(jìn)一步研究內(nèi)部關(guān)系特征，部分如表2所示。利用Ucinet6.0 對數(shù)據(jù)進(jìn)行可視化，可形成圖5所示的高頻關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)。從圖表中可以看出，出現(xiàn)在同一篇文獻(xiàn)次數(shù)較多的高頻詞組有“數(shù)據(jù)挖掘”—“關(guān)聯(lián)規(guī)則”“教育數(shù)據(jù)挖掘”—“學(xué)習(xí)分析”“數(shù)據(jù)挖掘”—“遠(yuǎn)程教育”等，表明這些個(gè)體之間存在較密切的關(guān)系。為深入挖掘隱性信息，將共現(xiàn)矩陣轉(zhuǎn)換為相似矩陣，結(jié)果如表3所示。其數(shù)值大小表明關(guān)鍵詞間的相異程度，值越大，相似度越小，距離越遠(yuǎn)[4]。兩個(gè)矩陣是我們后續(xù)進(jìn)行聚類和戰(zhàn)略坐標(biāo)分析的重要基礎(chǔ)。

表2 共詞矩陣（部分）

表3 相異矩陣（部分）

圖5 高頻關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)

4.高頻關(guān)鍵詞聚類樹狀圖與戰(zhàn)略坐標(biāo)圖

聚類分析的目的是按照個(gè)體特征分類，使同類別內(nèi)的個(gè)體之間具有較高的相似度，不同類別之間具有較大的差異性。共詞聚類分析是把復(fù)雜的共詞網(wǎng)狀關(guān)系簡化為若干類群之間的關(guān)系，便于有的放矢地進(jìn)行策略分析。為此，將相異矩陣導(dǎo)入SPSS，并進(jìn)行參數(shù)設(shè)置。包括聚類方法是組間聯(lián)接，測量方法選擇平方歐式距離，使用Z 得分標(biāo)準(zhǔn)化轉(zhuǎn)換值，最終生成可以直觀表現(xiàn)聚類過程的聚類樹狀圖，如圖6所示。結(jié)合粘合力的計(jì)算（N(A i )=S/(n-1)，n 為某類團(tuán)內(nèi)主題詞數(shù)量，S 為與其它詞共現(xiàn)頻次之和）衡量聚類后形成的類團(tuán)內(nèi)各主題詞對所屬類團(tuán)的貢獻(xiàn)程度，以中心詞為主確定類團(tuán)的名稱與性質(zhì)[5]。經(jīng)計(jì)算比較與分析后，將高頻關(guān)鍵詞聚合成的6 個(gè)類團(tuán)的研究主題（A-F）分別總結(jié)為：數(shù)據(jù)挖掘與算法在教育數(shù)據(jù)挖掘中的應(yīng)用研究、大數(shù)據(jù)視域下學(xué)習(xí)分析的應(yīng)用與思考、面向智慧學(xué)習(xí)的教育數(shù)據(jù)挖掘作用研究、基于教育數(shù)據(jù)挖掘的遠(yuǎn)程教育發(fā)展探究、教育數(shù)據(jù)挖掘關(guān)鍵技術(shù)研究、基于學(xué)習(xí)活動過程數(shù)據(jù)的學(xué)習(xí)預(yù)測與學(xué)業(yè)預(yù)警研究。

圖6 高頻關(guān)鍵詞聚類樹狀圖

戰(zhàn)略坐標(biāo)圖是通過計(jì)算外（內(nèi)）部連接平均數(shù)以及相應(yīng)總平均數(shù)得到各個(gè)類團(tuán)研究主題向心度（密度）后繪制而成的，用于描述研究亞領(lǐng)域內(nèi)部聯(lián)系狀態(tài)和亞領(lǐng)域間的相互影響[6]。根據(jù)表4計(jì)算結(jié)果，以向心度為橫坐標(biāo)，密度為縱坐標(biāo)，把每一個(gè)研究熱點(diǎn)放置到坐標(biāo)的四象限中，如圖7所示。從核心/周邊地位、發(fā)展成熟/不成熟角度出發(fā)，觀察并描述各主題的研究發(fā)展情況，有利于輔助我們進(jìn)行教育數(shù)據(jù)挖掘領(lǐng)域發(fā)展趨勢的探討。在A—F 表示的6 個(gè)研究熱點(diǎn)中，B、D 在第一象限，即學(xué)習(xí)分析應(yīng)用與遠(yuǎn)程教育發(fā)展是教育數(shù)據(jù)挖掘領(lǐng)域研究的重點(diǎn)內(nèi)容，發(fā)展較為成熟；A 在第二象限，且密度最高，說明分類的各主題詞聯(lián)系最緊密，表示數(shù)據(jù)挖掘算法在教育數(shù)據(jù)挖掘領(lǐng)域中已初步成熟，而向心度低表示目前的研究處于非核心狀態(tài)；E、F 在第三象限，二者向心度、密度都最低，說明這兩項(xiàng)研究主題內(nèi)部結(jié)構(gòu)松散且發(fā)展不成熟，處于研究的周邊地位；C 在第四象限且向心度最高，說明該研究主題與其他主題間聯(lián)系廣泛，如教育數(shù)據(jù)挖掘、在線學(xué)習(xí)、機(jī)器學(xué)習(xí)與其他主題中關(guān)鍵詞共現(xiàn)次數(shù)高，表示其同樣是研究重點(diǎn)與核心，但研究有待于成熟。

表4 研究主題的向心度和密度

圖7 戰(zhàn)略坐標(biāo)圖

四、研究熱點(diǎn)分析

1.數(shù)據(jù)挖掘與算法在教育數(shù)據(jù)挖掘中的應(yīng)用研究

教育數(shù)據(jù)挖掘符合教育信息化建設(shè)的價(jià)值取向，主要應(yīng)用數(shù)據(jù)挖掘技術(shù)幫助揭示潛在的意義關(guān)系，科學(xué)解釋教育現(xiàn)象，發(fā)現(xiàn)相關(guān)教育動態(tài)和規(guī)律。因此，教育數(shù)據(jù)挖掘領(lǐng)域伴隨數(shù)據(jù)挖掘技術(shù)（如數(shù)據(jù)挖掘算法）的進(jìn)化而逐步發(fā)展。從管理與評價(jià)的服務(wù)角度出發(fā)，李橋等[7]提出應(yīng)用關(guān)聯(lián)規(guī)則與Apriori 算法在樣本分析中發(fā)現(xiàn)有價(jià)值的數(shù)據(jù)模式，為科學(xué)地評價(jià)教學(xué)活動及教學(xué)改進(jìn)提供依據(jù)。還有運(yùn)用決策樹算法、聚類算法設(shè)計(jì)信息系統(tǒng)、開發(fā)教育決策支持系統(tǒng)[8]，為高校發(fā)展規(guī)劃提供幫助，實(shí)現(xiàn)管理的智能化。除此之外，李彥奇[9]、王琴[10]等通過比較常見算法后選擇合適算法進(jìn)行優(yōu)化，建立模型應(yīng)用于就業(yè)系統(tǒng)，實(shí)現(xiàn)對高校就業(yè)的指導(dǎo)。綜上，研究者主要探討了各種算法在教學(xué)管理、教學(xué)評價(jià)、就業(yè)、成績等方面的應(yīng)用以及如何互相結(jié)合使用提高算法效率，但如何在保證信度效度前提下能夠平行移植算法，使模型或系統(tǒng)應(yīng)用在更大的領(lǐng)域中。如何能夠挖掘出更有質(zhì)量、體現(xiàn)教育教學(xué)本質(zhì)的規(guī)則，目前這些研究有待于深入。

2.大數(shù)據(jù)視域下學(xué)習(xí)分析的應(yīng)用與思考

教育數(shù)據(jù)挖掘和學(xué)習(xí)分析這兩個(gè)研究領(lǐng)域聯(lián)系緊密且多有交叉，是目前促進(jìn)教與學(xué)的熱門領(lǐng)域。二者雖然起源、側(cè)重點(diǎn)具有差異性，但是具有很多共同的目標(biāo)和關(guān)注點(diǎn)。舒忠梅、徐曉東等對于跨領(lǐng)域研究有深度探討，如基于教育數(shù)據(jù)挖掘視角獲取影響大學(xué)生滿意度的因素，從學(xué)習(xí)分析視角探討意義再建構(gòu)[11]，從學(xué)生個(gè)體和學(xué)校兩層面構(gòu)建學(xué)習(xí)成果評價(jià)模型[12]、采用相關(guān)分析和數(shù)據(jù)挖掘方法相結(jié)合識別以學(xué)生投入模型為基礎(chǔ)的相關(guān)因素，并對學(xué)生學(xué)習(xí)行為進(jìn)行分類研究[13]。這些探討，充分發(fā)揮了教育數(shù)據(jù)挖掘方法建模與發(fā)現(xiàn)結(jié)構(gòu)的優(yōu)勢，促進(jìn)了學(xué)習(xí)分析中的意義建構(gòu)。同時(shí)也利用學(xué)習(xí)分析收集學(xué)習(xí)痕跡促進(jìn)教育數(shù)據(jù)挖掘算法的發(fā)現(xiàn)演進(jìn)路徑與計(jì)算指標(biāo)。劉清堂等[14]界定了學(xué)習(xí)分析和教育數(shù)據(jù)挖掘的概念與區(qū)別，提出教育數(shù)據(jù)挖掘可以幫助解決學(xué)習(xí)分析中的數(shù)據(jù)不足等問題，學(xué)習(xí)分析應(yīng)用策略等可為教育數(shù)據(jù)挖掘提供借鑒。因此，協(xié)同研究、跨領(lǐng)域合作對于彼此的發(fā)展大有裨益，關(guān)鍵是處理好人為與自動的關(guān)系，做出合適的搭配與解釋論證。

3.面向智慧學(xué)習(xí)的教育數(shù)據(jù)挖掘作用研究

教育數(shù)據(jù)挖掘旨在通過對持續(xù)積累的數(shù)據(jù)資源進(jìn)行智能挖掘，發(fā)現(xiàn)教學(xué)活動過程中各變量的價(jià)值關(guān)系，重點(diǎn)解決“為什么”“是什么”的問題，然后作為促進(jìn)教育結(jié)構(gòu)性變革的重要實(shí)踐途徑，為“如何用”探討方向。文益民等提出在人才培養(yǎng)方案設(shè)計(jì)、招生、在校學(xué)習(xí)與生活、學(xué)生就業(yè)以及校友跟蹤調(diào)查五個(gè)階段實(shí)施數(shù)據(jù)挖掘[15]，推動應(yīng)用模式的改革，創(chuàng)新高校人才培養(yǎng)機(jī)制。呂海燕等針對教育數(shù)據(jù)挖掘的作用，以學(xué)生在線學(xué)習(xí)行為分析為例，形成教育數(shù)據(jù)挖掘模式的構(gòu)成要素及流程[16]，強(qiáng)調(diào)了調(diào)整優(yōu)化教學(xué)策略與完善課程內(nèi)容的重要性。此外，研究者需要深入探討在數(shù)據(jù)機(jī)制中，如何利用機(jī)器學(xué)習(xí)使供給方式適應(yīng)智慧學(xué)習(xí)的需要，以滿足教與學(xué)利益相關(guān)者需求。這些研究將參與教育供給側(cè)改革，助力教育服務(wù)供給模式升級。

4.基于教育數(shù)據(jù)挖掘的遠(yuǎn)程教育發(fā)展探究

教育數(shù)據(jù)挖掘中，提取可用信息、構(gòu)建學(xué)習(xí)者模型等是促進(jìn)遠(yuǎn)程教育研究關(guān)鍵問題解決的助推器。其中，個(gè)性化學(xué)習(xí)支持服務(wù)與教學(xué)交互是遠(yuǎn)程教育的核心內(nèi)容之一，也是研究者關(guān)注的熱點(diǎn)。姜強(qiáng)等強(qiáng)調(diào)了個(gè)性化自適應(yīng)學(xué)習(xí)成為大數(shù)據(jù)時(shí)代數(shù)字化學(xué)習(xí)新常態(tài)的必要性，并提煉了個(gè)性化自適應(yīng)學(xué)習(xí)的元認(rèn)知與開放學(xué)習(xí)者模型、自主學(xué)習(xí)方式、信息可視化處理等內(nèi)容[17]，為解決網(wǎng)絡(luò)個(gè)性化學(xué)習(xí)問題、提高學(xué)習(xí)者學(xué)習(xí)效果、改善學(xué)習(xí)體驗(yàn)提供了應(yīng)用參考。馮桂爾[18]側(cè)重于從數(shù)據(jù)挖掘在遠(yuǎn)程教育中的作用出發(fā)，運(yùn)用關(guān)聯(lián)規(guī)則、聚類分析等方法處理在線課程數(shù)據(jù)，尊重個(gè)體差異，反饋結(jié)果以優(yōu)化教學(xué)。張婷[19]基于現(xiàn)代遠(yuǎn)程教育發(fā)展與個(gè)性化學(xué)習(xí)理論，運(yùn)用數(shù)據(jù)挖掘技術(shù)挖掘?qū)W習(xí)者相關(guān)信息，設(shè)計(jì)出以學(xué)習(xí)者模型為核心的個(gè)性化學(xué)習(xí)系統(tǒng)，進(jìn)而為后續(xù)的智能應(yīng)用及動態(tài)更新研究提供借鑒意義。因此，教育數(shù)據(jù)挖掘拓寬了遠(yuǎn)程教育發(fā)展的實(shí)現(xiàn)路徑，對于支持個(gè)性化服務(wù)、輔助學(xué)習(xí)者資源取舍、學(xué)習(xí)診斷與反饋等方面有較大的促進(jìn)作用。

5.教育數(shù)據(jù)挖掘關(guān)鍵技術(shù)研究

在“互聯(lián)網(wǎng)+教育”的背景下，教育數(shù)據(jù)挖掘技術(shù)是一種手段，能夠?qū)①Y源匯聚并流動傳播。它更是一種創(chuàng)造力，體現(xiàn)在適應(yīng)各種教育場景的變化，動態(tài)挖掘隱藏的知識信息，形成新的認(rèn)識與研究。教育數(shù)據(jù)挖掘技術(shù)其實(shí)是在教育領(lǐng)域中采用的數(shù)據(jù)挖掘技術(shù)。馮桂爾[20]對于在線課程學(xué)習(xí)的大量數(shù)據(jù)，運(yùn)用各種數(shù)據(jù)挖掘技術(shù)進(jìn)行挖掘，如從路徑分析訪問次數(shù)、聚類分析共同特征、關(guān)聯(lián)規(guī)則統(tǒng)計(jì)興趣比率、序列模式預(yù)測學(xué)習(xí)行為，使改善后的在線平臺訪問與交流頻次增多、滿意度與成績有了提高。彭亞等[21]將教育數(shù)據(jù)挖掘技術(shù)方法的分布進(jìn)行了梳理，結(jié)果顯示常用的技術(shù)分別為預(yù)測、關(guān)系挖掘、聚類、統(tǒng)計(jì)分析與可視化，其它應(yīng)用較少的是協(xié)同過濾，研究的重點(diǎn)是隨著數(shù)據(jù)更豐富，技術(shù)的復(fù)雜度更高，需要注意挖掘任務(wù)目標(biāo)與挖掘技術(shù)的適應(yīng)性，避免走彎路。研究者更多傾向于數(shù)據(jù)挖掘技術(shù)在網(wǎng)絡(luò)教育、平臺架構(gòu)、學(xué)習(xí)行為分析等方面的應(yīng)用，而技術(shù)的標(biāo)準(zhǔn)化與易用性的研究還不成熟，當(dāng)前的數(shù)據(jù)“孤島”與技術(shù)“鴻溝”問題依然有待解決。

6.基于學(xué)習(xí)活動過程數(shù)據(jù)的學(xué)習(xí)預(yù)測與學(xué)業(yè)預(yù)警研究

在教與學(xué)的動態(tài)交互過程中，各種類型數(shù)據(jù)出現(xiàn)，如學(xué)習(xí)參與度數(shù)據(jù)、課程表現(xiàn)數(shù)據(jù)等，這些可作為教育數(shù)據(jù)挖掘的輸入，然后被事先制定的規(guī)則程序自動分析進(jìn)而得到輸出結(jié)果，最后將結(jié)果結(jié)合教育教學(xué)的熱點(diǎn)問題進(jìn)行分析與應(yīng)用。學(xué)習(xí)成績預(yù)測與學(xué)業(yè)預(yù)警研究作為不斷深化教學(xué)實(shí)踐探索的重要抓手，與教育數(shù)據(jù)挖掘中的學(xué)習(xí)活動過程數(shù)據(jù)聯(lián)系緊密。陳益均等[22]基于數(shù)據(jù)挖掘中的聚類算法對不同網(wǎng)絡(luò)行為群體的成績特征進(jìn)行分析，從而探討學(xué)生成績影響模型，制定有效策略。陳子健等[23]采用數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)方法，通過相關(guān)系數(shù)和信息增益率共同確定成績影響因素，構(gòu)建分類預(yù)測模型并評估性能，推進(jìn)在線學(xué)習(xí)學(xué)業(yè)預(yù)警及學(xué)習(xí)預(yù)測實(shí)踐。大多數(shù)研究的一般流程，是運(yùn)用數(shù)據(jù)挖掘技術(shù)對各種學(xué)習(xí)記錄與行為信息進(jìn)行提取、分析，構(gòu)建學(xué)習(xí)者模型，從而判定學(xué)習(xí)者行為屬性，并預(yù)測其學(xué)習(xí)表現(xiàn)，對具有警告的行為提供指向性內(nèi)容和針對性干預(yù)，以達(dá)到教育教學(xué)的精準(zhǔn)支持，規(guī)避風(fēng)險(xiǎn)，促進(jìn)學(xué)生全面發(fā)展。

五、研究趨勢討論

1.決策支持系統(tǒng)、自適應(yīng)學(xué)習(xí)系統(tǒng)的設(shè)計(jì)與應(yīng)用

教育數(shù)據(jù)挖掘的算法、方法與技術(shù)對決策支持系統(tǒng)、自適應(yīng)學(xué)習(xí)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)起著重要的作用，未來將促進(jìn)各種服務(wù)系統(tǒng)的研制與應(yīng)用。決策支持系統(tǒng)包括數(shù)據(jù)倉庫、知識庫、方法庫以及人機(jī)接口五個(gè)重要組成部分，技術(shù)改進(jìn)將有利于發(fā)揮各部分協(xié)同效應(yīng)，完善系統(tǒng)功能，為學(xué)校管理與決策提供強(qiáng)有力的支撐。自適應(yīng)學(xué)習(xí)系統(tǒng)是支持個(gè)性化學(xué)習(xí)、實(shí)現(xiàn)差異化教學(xué)的有效途徑，它能夠?qū)Χ嗑S數(shù)據(jù)進(jìn)行轉(zhuǎn)化分析，從社會性、情感性和元認(rèn)知等方面建立模型，以使學(xué)習(xí)者掌握自己的學(xué)習(xí)狀態(tài)，主動投入深度學(xué)習(xí)。但是目前記錄、跟蹤、分析、預(yù)測、評估等階段的自適應(yīng)調(diào)節(jié)還不精準(zhǔn)，離目標(biāo)還有距離，還需要研究者開展深入探討。此外，這些系統(tǒng)的設(shè)計(jì)與應(yīng)用需應(yīng)用更多教育理論，旨在為內(nèi)容配置、學(xué)習(xí)行為評估等方面提供指導(dǎo)，共同促進(jìn)教育數(shù)據(jù)挖掘意義的實(shí)現(xiàn)，避免實(shí)踐脫離教育需求的尷尬局面。

2.安全標(biāo)準(zhǔn)、法規(guī)的制定與隱私保護(hù)算法的創(chuàng)新應(yīng)用

隨著虛擬現(xiàn)實(shí)、人工智能技術(shù)的發(fā)展，教育數(shù)據(jù)挖掘創(chuàng)新應(yīng)用面臨著機(jī)遇與挑戰(zhàn)?？v觀研究熱點(diǎn)中各類應(yīng)用實(shí)踐，可知教育數(shù)據(jù)挖掘發(fā)展的著力點(diǎn)越來越豐富，但伴隨著多類型大規(guī)模的數(shù)據(jù)共享，其安全與隱私問題越發(fā)凸顯。如何在保障師生隱私的前提下進(jìn)行數(shù)據(jù)的采集與分析，已成為當(dāng)前及今后所面臨的挑戰(zhàn)之一。未來研究中，對于該問題解決主要有兩大切入點(diǎn)：一是制度保證，即制定相關(guān)安全標(biāo)準(zhǔn)和特定的非營利性規(guī)則，加強(qiáng)對運(yùn)營產(chǎn)業(yè)的監(jiān)管，以此來規(guī)范教育機(jī)構(gòu)或企業(yè)獲取教育大數(shù)據(jù)的行為，嚴(yán)格保密所持有數(shù)據(jù)資源，保證師生等資源提供方的合法權(quán)益；二是教育數(shù)據(jù)挖掘隱私保護(hù)算法，如k 匿名算法、關(guān)聯(lián)規(guī)則隱藏算法等，可在一定程度上防止隱私泄露，但是需要平衡數(shù)據(jù)挖掘的準(zhǔn)確性與隱私保護(hù)強(qiáng)度。因而，數(shù)據(jù)挖掘隱私保護(hù)算法的組合創(chuàng)新及精細(xì)化應(yīng)用將是未來重要發(fā)展方向。

六、總結(jié)

基于教育數(shù)據(jù)挖掘領(lǐng)域的文獻(xiàn)進(jìn)行了年代分布分析、詞頻分析、共詞聚類分析和戰(zhàn)略坐標(biāo)分析，根據(jù)以上分析得到的研究結(jié)果確定了六大研究熱點(diǎn)，并重點(diǎn)闡述了眾多研究者的核心思想以及各主題所處研究狀態(tài)、存在的問題。最后結(jié)合文獻(xiàn)研讀，指出決策支持系統(tǒng)與自適應(yīng)學(xué)習(xí)系統(tǒng)的設(shè)計(jì)及應(yīng)用、制度保證與隱私保護(hù)算法的創(chuàng)新應(yīng)用等是未來研究的重要發(fā)展動向。這些都表明在教育行為和教育要素?cái)?shù)據(jù)化的時(shí)代，教育數(shù)據(jù)挖掘以其顯著特征促進(jìn)“聯(lián)接”與“智能”落地，同時(shí)為各級各類學(xué)校的教學(xué)改革帶來了新的機(jī)遇。