馮秀強(qiáng)

摘 ? 要：信息化、智能化信息處理技術(shù)的興起，特別是數(shù)據(jù)挖掘技術(shù)的應(yīng)用，為個性化學(xué)習(xí)的發(fā)展開辟了新的方向。文章借助CiteSpace V軟件，對個性化學(xué)習(xí)中數(shù)據(jù)挖掘技術(shù)的已有研究進(jìn)行可視化分析，發(fā)現(xiàn)相關(guān)文獻(xiàn)中技術(shù)方法研究較多，能充分發(fā)揮技術(shù)優(yōu)勢，但研究成果數(shù)量較少、研究力量分散、技術(shù)應(yīng)用范圍狹窄且風(fēng)險意識淡薄。為促進(jìn)該領(lǐng)域的研究，應(yīng)加強(qiáng)溝通交流，促進(jìn)合作研究;拓展研究視野，轉(zhuǎn)換研究視角;增強(qiáng)安全意識，防范潛在風(fēng)險。

關(guān)鍵詞：個性化學(xué)習(xí);數(shù)據(jù)挖掘;可視化分析

中圖分類號：G40-057 文獻(xiàn)標(biāo)志碼：A 文章編號：1673-8454（2019）21-0019-7

關(guān)于個性化學(xué)習(xí)的討論由來已久。早在兩千五百年前，孔子就提出因材施教的教育思想，關(guān)注不同學(xué)生的個性區(qū)別及能力差異，實施不同的教學(xué)內(nèi)容和教學(xué)方法。個性化學(xué)習(xí)的實現(xiàn)要能夠了解學(xué)習(xí)者的不同需求，為學(xué)習(xí)者提供針對性的學(xué)習(xí)支持。然而，無論是精英教育向大眾教育的過渡，還是班級授課制的廣泛應(yīng)用，都在一定程度上限制了教育的個性化，使得學(xué)習(xí)者的個性特點(diǎn)、經(jīng)驗背景以及需求偏好等信息難以準(zhǔn)確把握。信息化、智能化信息處理技術(shù)的興起，特別是數(shù)據(jù)挖掘技術(shù)的應(yīng)用，為個性化學(xué)習(xí)的發(fā)展開辟了新的方向。數(shù)據(jù)挖掘技術(shù)能在大量不完全或模糊的數(shù)據(jù)中提取潛在的有用信息或知識[1]。本文借助CiteSpace V軟件，對個性化學(xué)習(xí)中數(shù)據(jù)挖掘技術(shù)的已有研究進(jìn)行可視化分析，從而展示和分析個性化學(xué)習(xí)中數(shù)據(jù)挖掘技術(shù)應(yīng)用的研究現(xiàn)狀、熱點(diǎn)問題以及發(fā)展趨勢。

一、研究方法

1.研究工具

CiteSpace是需要在Java環(huán)境下運(yùn)行的一款信息可視化軟件，它的開發(fā)和使用以共引分析理論和尋徑網(wǎng)絡(luò)算法為主要基礎(chǔ)。該軟件能夠?qū)δ愁I(lǐng)域的樣本文獻(xiàn)進(jìn)行計算，分析該學(xué)科研究內(nèi)容演化的主要路徑和知識的轉(zhuǎn)換節(jié)點(diǎn)，并且通過分析所生成的可視化圖譜可以發(fā)現(xiàn)該學(xué)科演化的內(nèi)在動力及其發(fā)展的前沿內(nèi)容[2]。本研究利用CiteSpace V.5.3.R4繪制可視化知識圖譜。將檢索到的樣本研究文獻(xiàn)的題錄以“Refworks”的格式導(dǎo)出，并按該軟件的格式要求命名為“download_data mining.txt”。因為CiteSpace讀取數(shù)據(jù)的標(biāo)準(zhǔn)是Web of Science數(shù)據(jù)庫所對應(yīng)的數(shù)據(jù)格式，所以在處理數(shù)據(jù)之前使用CiteSpace的內(nèi)置轉(zhuǎn)換工具對導(dǎo)出的文獻(xiàn)題錄數(shù)據(jù)進(jìn)行格式轉(zhuǎn)換。

2.數(shù)據(jù)來源

本文以CNKI（中國期刊全文數(shù)據(jù)庫）為樣本來源，以“個性化學(xué)習(xí)”和“數(shù)據(jù)挖掘”為“主題”，以“精確”為匹配模式，對截至2019年6月28日的文獻(xiàn)進(jìn)行檢索。共搜索到文獻(xiàn)316篇，篩選并剔除無效文獻(xiàn)4篇，共得到有效文獻(xiàn)312篇。其中包括183篇期刊論文、117篇碩士論文、7篇博士論文和5篇會議論文。

二、可視化分析

1.載文量分析

通過文獻(xiàn)檢索發(fā)現(xiàn)，若單獨(dú)以“個性化學(xué)習(xí)”或“數(shù)據(jù)挖掘”為主題進(jìn)行檢索，可分別得到6150篇、80643篇文獻(xiàn)，發(fā)文量均較多。而將兩個主題詞組合搜索，則得到如圖1所示的發(fā)文量時間分布圖。由圖可見，首篇文章發(fā)表于2001年，隨后有所增長。進(jìn)入21世紀(jì)以后，數(shù)據(jù)挖掘技術(shù)的研究相對成熟，并逐漸應(yīng)用于教育領(lǐng)域，為個性化學(xué)習(xí)的發(fā)展提供了新的方向。經(jīng)過幾年相對穩(wěn)定的發(fā)展之后，2016年的發(fā)文量達(dá)到峰值47篇。其原因可能與2015年8月31日國務(wù)院發(fā)布的《促進(jìn)大數(shù)據(jù)發(fā)展行動綱要》有關(guān)。數(shù)據(jù)挖掘是大數(shù)據(jù)技術(shù)的重要組成部分，二者具有密切的聯(lián)系。大數(shù)據(jù)的發(fā)展也為個性化學(xué)習(xí)注入了新的活力。通過搜索發(fā)現(xiàn)，僅2016年以來，以“個性化學(xué)習(xí)”和“大數(shù)據(jù)”為主題的文獻(xiàn)就有363篇。隨著個性化學(xué)習(xí)中以大數(shù)據(jù)為主題研究的迅速增長，數(shù)據(jù)挖掘逐漸內(nèi)含于大數(shù)據(jù)之中并被取代，進(jìn)而導(dǎo)致以個性化學(xué)習(xí)和數(shù)據(jù)挖掘為主題的相關(guān)文獻(xiàn)數(shù)量減少，甚至2019年上半年僅有三篇文獻(xiàn)發(fā)表。

從發(fā)文情況來看，關(guān)于個性化學(xué)習(xí)中數(shù)據(jù)挖掘技術(shù)的研究相對薄弱。由于個性化學(xué)習(xí)和數(shù)據(jù)挖掘分別屬于兩個截然不同的學(xué)科門類，關(guān)于二者相結(jié)合的研究，可能存在一定的困難。從載文期刊的學(xué)科分布（如圖2所示）也可以看出，關(guān)于個性化學(xué)習(xí)中數(shù)據(jù)挖掘的研究，有47%的文獻(xiàn)發(fā)表于計算機(jī)學(xué)科類別中，43%的文獻(xiàn)發(fā)表于教育學(xué)科類別中，其他學(xué)科類別中的文獻(xiàn)僅占10%。計算機(jī)學(xué)科和教育學(xué)科期刊是相關(guān)文獻(xiàn)發(fā)表的主要載體，均占有近乎一半的比重。數(shù)據(jù)挖掘和個性化學(xué)習(xí)分別與計算機(jī)和教育類別相對應(yīng)，二者相互滲透，在研究中各有側(cè)重。此外，在檢索得到的183篇期刊文獻(xiàn)中，核心期刊共有49篇。其中教育學(xué)科期刊35篇，計算機(jī)學(xué)科期刊8篇，其他類別期刊6篇。雖然教育學(xué)科期刊發(fā)文總量（43%）不如計算機(jī)學(xué)科（47%），但文獻(xiàn)質(zhì)量相對較高，約占核心期刊和CSSCI總量的71%，具有更高的參考價值。

2.研究作者及機(jī)構(gòu)

對作者或機(jī)構(gòu)的合作網(wǎng)絡(luò)分析，可以了解研究者或機(jī)構(gòu)之間的合作關(guān)系以及影響力比較突出的研究者或團(tuán)隊。在CiteSpace中導(dǎo)入轉(zhuǎn)換格式后的文獻(xiàn)數(shù)據(jù)，根據(jù)已有文獻(xiàn)發(fā)表時間選擇時間區(qū)間為2001-2019年，在“Node Types”面板中分別選擇“Author”和“Institution”，分別生成作者和機(jī)構(gòu)合作網(wǎng)絡(luò)圖譜（如圖3、圖4所示）。其中，節(jié)點(diǎn)大小反映的是作者或機(jī)構(gòu)發(fā)文數(shù)量，作者或機(jī)構(gòu)之間的連線反映的是其合作關(guān)系。

通過圖譜可以看出，作者和機(jī)構(gòu)合作較少，研究力量均相對分散，并沒有形成一定規(guī)模的合作群體，且發(fā)文量較少。在作者合作網(wǎng)絡(luò)中，兩人及以上的合作團(tuán)體只有七個，并且合作次數(shù)最多的也只有兩次。此外，多數(shù)合作團(tuán)體中的成員來自同一院校，如余明華、馮翔、祝智庭均來自華東師范大學(xué)，徐鵬、王以寧、張海均來自東北師范大學(xué)。研究者之間不僅合作較少，更缺少學(xué)校之間的合作。同時，在機(jī)構(gòu)合作網(wǎng)絡(luò)中出現(xiàn)的合作關(guān)系也基本存在于校內(nèi)不同部門之間，缺乏校際合作，如華東師范大學(xué)教育信息技術(shù)學(xué)系、華東師范大學(xué)開放教育學(xué)院、華東師范大學(xué)上海數(shù)字化教育裝備工程技術(shù)研究中心之間的合作。進(jìn)一步分析發(fā)現(xiàn)，在該領(lǐng)域發(fā)文量超過兩篇的研究者只有何克抗和余延冬兩人，其中何克抗是以獨(dú)立作者發(fā)表文章，其研究領(lǐng)域主要為教育技術(shù)理論與應(yīng)用，文章涉及促進(jìn)個性化學(xué)習(xí)的理論和關(guān)鍵技術(shù)方法的系統(tǒng)介紹。而余延冬有兩篇文章是在與趙蔚和張賽男合作下完成的，其研究致力于解決在線學(xué)習(xí)中個性化系統(tǒng)存在的問題和挑戰(zhàn)，主要涉及Web數(shù)據(jù)挖掘技術(shù)的應(yīng)用。雖然所得圖譜并沒有顯示出明顯的合作關(guān)系和影響力較大的研究者，但是以上兩人的研究內(nèi)容也反映了該領(lǐng)域研究的主要內(nèi)容。而反觀四人的學(xué)科背景均同時包含教育和計算機(jī)兩個方向，其他研究者的學(xué)科背景以計算機(jī)方向為主。說明一定的計算機(jī)基礎(chǔ)是進(jìn)行該方面研究的前提，學(xué)科的交叉可能在一定程度上限制了研究的發(fā)展。

3.研究熱點(diǎn)分析

文獻(xiàn)中的關(guān)鍵詞是對全文內(nèi)容主題的濃縮表達(dá)。通過CiteSpace軟件對關(guān)鍵詞進(jìn)行共現(xiàn)分析，有助于把握個性化學(xué)習(xí)中數(shù)據(jù)挖掘技術(shù)的研究熱點(diǎn)。將CiteSpace的時間跨度設(shè)置為2001-2019 年，單個時間分區(qū)設(shè)置為1年，在“Node Types”面板中選擇“Keyword”，同時將閾值設(shè)置為“Top50”，即在每個時間分段中選擇出現(xiàn)次數(shù)排名前50的關(guān)鍵詞，生成關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)圖譜。由于不同學(xué)者對同一類型問題的表達(dá)可能會選擇不同的關(guān)鍵詞，并且部分關(guān)鍵詞之間具有明顯的包含關(guān)系，筆者將此類關(guān)鍵詞進(jìn)行了合并處理。例如在“Web挖掘”關(guān)鍵詞中，合并后包括“Web數(shù)據(jù)挖掘”、“Web日志”、“Web日志挖掘”、“Web使用挖掘”和“Web挖掘技術(shù)”等關(guān)鍵詞。為了使結(jié)果顯示更加簡潔，圖譜中已去掉了頻次低于10且中心性小于0.1的關(guān)鍵詞。最后對節(jié)點(diǎn)、標(biāo)簽和連線的大小和顏色進(jìn)行調(diào)整，從而使最終生成的圖譜更加清晰。在如圖5所示的圖譜中，節(jié)點(diǎn)大小表示關(guān)鍵詞共現(xiàn)的次數(shù)，節(jié)點(diǎn)越大說明其所對應(yīng)的關(guān)鍵詞出現(xiàn)的次數(shù)越多。具有深色外圈圍繞的節(jié)點(diǎn)表示該節(jié)點(diǎn)在圖譜中具有關(guān)鍵性的決定作用，即中心性較高，它反映的是該節(jié)點(diǎn)在網(wǎng)絡(luò)中的“媒介”能力。各節(jié)點(diǎn)之間的連線表示關(guān)鍵詞之間的共現(xiàn)關(guān)系。其粗細(xì)表示共現(xiàn)的強(qiáng)度，連線越粗說明相關(guān)關(guān)系越密切。顏色則對應(yīng)年份，即首次共現(xiàn)出現(xiàn)的時間，從冷色調(diào)到暖色調(diào)的變化代表早期到近期的變化。

通過圖譜可以發(fā)現(xiàn)，各節(jié)點(diǎn)所代表的關(guān)鍵詞以個性化學(xué)習(xí)和數(shù)據(jù)挖掘為核心緊密相連，充分表明圖譜所顯示的關(guān)鍵詞之間具有密切聯(lián)系且相互交叉。個性化服務(wù)雖然出現(xiàn)頻次不多，但卻具有較高的中心性，說明個性化服務(wù)在相關(guān)研究中具有關(guān)鍵性“媒介”作用。此外，遠(yuǎn)程教育和Web挖掘節(jié)點(diǎn)較大且顏色較深，是研究之初的熱點(diǎn)問題。關(guān)聯(lián)規(guī)則和聚類分析也受到了一定的關(guān)注，而學(xué)習(xí)分析和大數(shù)據(jù)則是近年來關(guān)注的焦點(diǎn)。以上關(guān)鍵詞反映了2001年以來個性化學(xué)習(xí)中數(shù)據(jù)挖掘技術(shù)的研究熱點(diǎn)。由于個性化學(xué)習(xí)和數(shù)據(jù)挖掘是檢索文獻(xiàn)的兩個主題詞，并且在引言中已經(jīng)介紹，因此不再作為熱點(diǎn)關(guān)鍵詞進(jìn)行分析。圖譜中的熱點(diǎn)關(guān)鍵詞按照研究傾向可分為三個維度：聚焦技術(shù)的研究、聚焦應(yīng)用環(huán)境的研究和聚焦學(xué)習(xí)者的研究。聚焦技術(shù)的研究傾向于從技術(shù)特點(diǎn)出發(fā)研究其應(yīng)用的價值和功能，包括關(guān)聯(lián)規(guī)則、聚類分析、大數(shù)據(jù)和學(xué)習(xí)分析等關(guān)鍵詞;聚焦應(yīng)用環(huán)境的研究傾向于從學(xué)習(xí)的具體情境出發(fā)探尋技術(shù)實施的可行性，包括遠(yuǎn)程教育和Web挖掘兩個關(guān)鍵詞;聚焦學(xué)習(xí)者的研究傾向于從學(xué)習(xí)者的角度出發(fā)滿足不同學(xué)習(xí)者的個性化需求，包含的關(guān)鍵詞為個性化服務(wù)。

（1）聚焦技術(shù)的研究

第一，關(guān)聯(lián)規(guī)則。關(guān)聯(lián)規(guī)則是數(shù)據(jù)挖掘中相對成熟且重要的研究方法之一，其目的是為了發(fā)掘數(shù)據(jù)之間的某種關(guān)系，最初是用于分析消費(fèi)者的購買習(xí)慣[3]。將關(guān)聯(lián)規(guī)則應(yīng)用于個性化學(xué)習(xí)中，能夠有效地挖掘出學(xué)習(xí)者的學(xué)習(xí)關(guān)聯(lián)，掌握學(xué)生的學(xué)習(xí)動態(tài)，進(jìn)而更深入地了解學(xué)生的學(xué)習(xí)規(guī)律與特點(diǎn)[4]。例如，劉愛民將關(guān)聯(lián)規(guī)則應(yīng)用于成績分析系統(tǒng)中，分析影響學(xué)生學(xué)習(xí)結(jié)果的各種因素，從而為學(xué)生提供針對性指導(dǎo)[3];文堂柳、李雯應(yīng)用關(guān)聯(lián)規(guī)則算法對學(xué)生個人信息、行為信息和評價信息等遠(yuǎn)程教學(xué)反饋信息進(jìn)行數(shù)據(jù)挖掘，幫助教師制定個性化的教學(xué)策略[5]。

第二，聚類分析。聚類分析是按照相似程度把數(shù)據(jù)劃分為不同的組，每個聚類（或組）均由具有相似特征的對象構(gòu)成。在教育領(lǐng)域中，可使用聚類分析輔助進(jìn)行分組教學(xué)，為分組提供科學(xué)的數(shù)據(jù)支持，進(jìn)而有利于合作學(xué)習(xí)的開展，提高團(tuán)隊學(xué)習(xí)的質(zhì)量[6]。例如，首先按照學(xué)習(xí)進(jìn)程和知識掌握程度的差別將學(xué)習(xí)者分為不同的組群，然后根據(jù)制定好的教學(xué)策略為學(xué)習(xí)者提供個性化的學(xué)習(xí)資料和指導(dǎo)，并且隨著學(xué)習(xí)過程的變化及時調(diào)整分組情況，能夠使學(xué)習(xí)者長期保持良好的學(xué)習(xí)狀態(tài)[7]。

第三，大數(shù)據(jù)。大數(shù)據(jù)的概念還沒有確切的定義，很多人將大數(shù)據(jù)視為各種各樣的海量數(shù)據(jù)，也就是傳統(tǒng)工具不能有效處理的數(shù)據(jù);也有一些人將大數(shù)據(jù)視為一種技術(shù)方法，即收集、挖掘和分析大量復(fù)雜的數(shù)據(jù)，從而得出趨勢預(yù)測的方法[8]。2012年10月，美國教育部發(fā)布的題為《通過教育數(shù)據(jù)挖掘和學(xué)習(xí)分析技術(shù)來提高教與學(xué)：問題簡述》（Enhancing Teaching and Learning Through Educational Data Mining and Learning Analytics： An Issue Brief）的報告中提出，大數(shù)據(jù)應(yīng)用于教育主要體現(xiàn)在教育數(shù)據(jù)挖掘和學(xué)習(xí)分析兩大技術(shù)領(lǐng)域，主張利用大數(shù)據(jù)技術(shù)對自適應(yīng)學(xué)習(xí)系統(tǒng)進(jìn)行改進(jìn)，促進(jìn)個性化學(xué)習(xí)的發(fā)展[9]。在探討了科學(xué)范式、大數(shù)據(jù)在教育技術(shù)領(lǐng)域的應(yīng)用以及不同的教育技術(shù)范式后，祝智庭、沈德梅認(rèn)為個性化自適應(yīng)學(xué)習(xí)系統(tǒng)能夠更好地貫徹“以學(xué)習(xí)者為中心”的教育理念，將成為以大數(shù)據(jù)為基礎(chǔ)的新的教育技術(shù)范式[10]。應(yīng)用大數(shù)據(jù)技術(shù)實現(xiàn)精準(zhǔn)的個性化學(xué)習(xí)是未來教育的發(fā)展方向，使得每個學(xué)習(xí)者的學(xué)習(xí)活動都能夠建立在對以往各類數(shù)據(jù)分析的前提下[11]。

第四，學(xué)習(xí)分析。2011年，由美國多位國際知名學(xué)者組織的跨學(xué)科團(tuán)體——學(xué)習(xí)分析研究協(xié)會（The Society for Learning Analytics Research，簡稱SoLAR）成立，標(biāo)志著學(xué)習(xí)分析作為一個新興領(lǐng)域從數(shù)據(jù)挖掘中獨(dú)立出來。學(xué)習(xí)分析是對學(xué)習(xí)者和學(xué)習(xí)環(huán)境中的相關(guān)數(shù)據(jù)進(jìn)行測量、收集、分析和報告的過程，從而有助于剖析和完善學(xué)習(xí)及其發(fā)生環(huán)境。隨著大數(shù)據(jù)在教育領(lǐng)域的滲透，學(xué)習(xí)分析已經(jīng)成為國內(nèi)外教育工作者關(guān)注的熱點(diǎn)[12]。例如，鄭曉薇利用學(xué)習(xí)分析技術(shù)構(gòu)建了面向?qū)ο蟮膶W(xué)習(xí)分析模型。通過實驗證明，該模型能夠在教學(xué)過程中進(jìn)行個性化的干預(yù)，有效提升教學(xué)效果，促進(jìn)個性化教學(xué)[13]。除此之外，唐麗以學(xué)習(xí)分析技術(shù)為基礎(chǔ)，探討了學(xué)習(xí)分析系統(tǒng)中的干預(yù)措施。個性化的干預(yù)流程首先要挖掘?qū)W習(xí)者的個性信息、行為信息、社會網(wǎng)絡(luò)關(guān)系等隱含信息，并將當(dāng)前成績與目標(biāo)成績進(jìn)行比較，然后根據(jù)系統(tǒng)結(jié)果分別利用基于內(nèi)容的過濾技術(shù)和基于協(xié)作的過濾技術(shù)對學(xué)習(xí)者做出干預(yù)，從而促進(jìn)個性化學(xué)習(xí)的實現(xiàn)[14]。

（2）聚焦應(yīng)用環(huán)境的研究

第一，遠(yuǎn)程教育。遠(yuǎn)程教育又稱網(wǎng)絡(luò)教育，是利用網(wǎng)絡(luò)和多媒體等技術(shù)手段進(jìn)行教學(xué)的一種模式。相對于傳統(tǒng)教育，遠(yuǎn)程教育中師生分離，以學(xué)生自學(xué)為主。遠(yuǎn)程教育對象在年齡、學(xué)習(xí)基礎(chǔ)和學(xué)習(xí)方式等多方面具有較大差異性。然而，無論是學(xué)習(xí)內(nèi)容還是學(xué)習(xí)反饋等方面，現(xiàn)有的遠(yuǎn)程教育均不能很好地適應(yīng)個性化學(xué)習(xí)存在的問題[15]。數(shù)據(jù)挖掘技術(shù)的應(yīng)用可以有效促進(jìn)遠(yuǎn)程教育的個性化發(fā)展。因此遠(yuǎn)程教育成為個性化學(xué)習(xí)中數(shù)據(jù)挖掘技術(shù)應(yīng)用的熱點(diǎn)研究方向之一。例如，宋永生針對網(wǎng)絡(luò)學(xué)習(xí)在學(xué)習(xí)氛圍、學(xué)習(xí)管理和因材施教等方面存在的問題，利用數(shù)據(jù)挖掘技術(shù)設(shè)計了個性化的網(wǎng)絡(luò)學(xué)習(xí)平臺，從而實現(xiàn)個性化教學(xué)[16]。鄧暉則認(rèn)為，個體的學(xué)習(xí)特征會影響在遠(yuǎn)程教育中的學(xué)習(xí)行為，通過構(gòu)建學(xué)生特征分析系統(tǒng)，對包含知識結(jié)構(gòu)、信息加工方式、社會特征和情感、意動類型等因素的學(xué)習(xí)特征進(jìn)行挖掘和分析，可以促進(jìn)在網(wǎng)絡(luò)教育中實現(xiàn)個性化學(xué)習(xí)[17]。

第二，Web挖掘。Web挖掘是指利用數(shù)據(jù)挖掘技術(shù)從Web文檔和訪問數(shù)據(jù)中發(fā)現(xiàn)和抽取知識。因其具有相應(yīng)的處理步驟和對象，也可視作一種數(shù)據(jù)挖掘的方法[18]。實現(xiàn)個性化的遠(yuǎn)程教育需要從以網(wǎng)站為中心向以學(xué)生為中心轉(zhuǎn)變。將Web挖掘應(yīng)用于遠(yuǎn)程教育，能夠在海量的Web數(shù)據(jù)中發(fā)現(xiàn)學(xué)習(xí)者的學(xué)習(xí)規(guī)律、學(xué)習(xí)興趣和學(xué)習(xí)取向，進(jìn)而為學(xué)習(xí)者提供個性化的定制網(wǎng)站、推薦個性化的學(xué)習(xí)內(nèi)容，同時教師也可以根據(jù)個性化的反饋及時做出相適應(yīng)的策略調(diào)整[19]。例如，趙蔚利用Web挖掘處理了E-learning解決方案推薦系統(tǒng)存在的學(xué)習(xí)者兼容性、資源充足性、智能挖掘性、推薦整合性等四大問題，促進(jìn)了數(shù)字學(xué)習(xí)服務(wù)的個性化[20]。

（3）聚焦學(xué)習(xí)者的研究

個性化服務(wù)關(guān)注用戶的個性化需求，致力于為用戶提供針對性的信息，在收集、整理和分析各類資源的基礎(chǔ)上，盡可能滿足用戶的需求[21]。數(shù)據(jù)挖掘應(yīng)用于個性化學(xué)習(xí)的主要目的，就是為了進(jìn)行個性化的數(shù)據(jù)分析，從而推薦個性化的學(xué)習(xí)內(nèi)容、選擇適合的學(xué)習(xí)方法、做出針對性的學(xué)習(xí)評價和規(guī)劃等，也就是提供個性化服務(wù)。例如，個性化服務(wù)在個性化的遠(yuǎn)程教育中主要體現(xiàn)在以下幾個方面：向?qū)W習(xí)者推薦感興趣或與其能力相適應(yīng)的學(xué)習(xí)內(nèi)容;通過學(xué)習(xí)者的提問或考核情況發(fā)現(xiàn)薄弱知識點(diǎn)并提供補(bǔ)習(xí)內(nèi)容和學(xué)習(xí)建議;輔助教師全面把握學(xué)習(xí)者的個性、學(xué)習(xí)習(xí)慣和評價反饋，為學(xué)生制定個性化的教學(xué)策略[22]。

4.研究趨勢分析

在運(yùn)行軟件得到關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)圖譜的基礎(chǔ)上，選擇時間線視圖（Timeline View），并選擇關(guān)鍵詞（Keyword）進(jìn)行聚類，得到如圖6所示的時間線圖譜。時間線視圖（Timeline）主要用于展現(xiàn)聚類之間的關(guān)系以及各聚類中對應(yīng)文獻(xiàn)的時間跨度。為了說明聚類后的結(jié)構(gòu)及其清晰度，證明圖譜呈現(xiàn)效果的有效性，CiteSpace提供了可供參考的兩個指標(biāo)Q值（模塊值）和S值（平均輪廓值）。一般情況下，當(dāng)Q值大于0.3時，表明所劃分出的網(wǎng)絡(luò)結(jié)構(gòu)是顯著的，當(dāng)S值大于0.5時，表明聚類的結(jié)果是有效的[2]。從圖中聚類結(jié)果可以看出：Q= 0.3714、S=0.6021，說明所得圖譜相對有效。圖中共形成四個反映該領(lǐng)域研究熱點(diǎn)的聚類中心，分別是：#0個性化學(xué)習(xí)、#1數(shù)據(jù)挖掘、#2個性化推薦、#3學(xué)習(xí)分析。

“#0個性化學(xué)習(xí)”聚類包括自適應(yīng)學(xué)習(xí)系統(tǒng)、學(xué)習(xí)者特征、學(xué)習(xí)者模型、智慧教育、人工智能等關(guān)鍵詞。此類關(guān)鍵詞反映了通過數(shù)據(jù)挖掘技術(shù)實現(xiàn)個性化學(xué)習(xí)的主要方式，即通過構(gòu)建各種學(xué)習(xí)系統(tǒng)或?qū)W習(xí)者模型，利用數(shù)據(jù)挖掘技術(shù)發(fā)現(xiàn)學(xué)習(xí)者特征等個性化信息。數(shù)據(jù)挖掘技術(shù)的應(yīng)用往往與信息化、智能化等技術(shù)手段結(jié)合以促進(jìn)個性化學(xué)習(xí)，也是智慧教育的體現(xiàn)。

“#1數(shù)據(jù)挖掘”聚類包括決策樹、agent、E-learning等關(guān)鍵詞。決策樹和agent是數(shù)據(jù)挖掘技術(shù)的兩種算法，E-learning則體現(xiàn)出數(shù)據(jù)挖掘技術(shù)應(yīng)用的主要載體。

“#2個性化推薦”聚類包括遠(yuǎn)程教育、Web挖掘、關(guān)聯(lián)規(guī)則、個性化服務(wù)、聚類分析、移動學(xué)習(xí)、協(xié)同過濾等關(guān)鍵詞。個性化推薦是為學(xué)習(xí)者提供個性化服務(wù)的主要方式，相關(guān)研究主要聚焦于遠(yuǎn)程教育和移動學(xué)習(xí)領(lǐng)域，Web挖掘、關(guān)聯(lián)規(guī)則、聚類分析和協(xié)同過濾是進(jìn)行數(shù)據(jù)挖掘的主要方法。

“#3學(xué)習(xí)分析”聚類包括學(xué)習(xí)分析、社會網(wǎng)絡(luò)分析、大數(shù)據(jù)等關(guān)鍵詞。學(xué)習(xí)分析和教育數(shù)據(jù)挖掘是大數(shù)據(jù)在教育領(lǐng)域的兩個主要技術(shù)，而結(jié)合社會網(wǎng)絡(luò)分析則可以獲得更豐富、更準(zhǔn)確的信息。

通過圖譜可以看出，“#0個性化學(xué)習(xí)”和“#2個性化推薦”聚類中所包含的相關(guān)研究主題，從該領(lǐng)域研究初始至今，除中期相對停滯外，始終受到一定的關(guān)注?！?1數(shù)據(jù)挖掘”聚類中的相關(guān)主題，雖然在前期具有較高的中心性，但在2008年后終斷。而“#3學(xué)習(xí)分析”聚類中的相關(guān)內(nèi)容凸現(xiàn)為近幾年的研究熱點(diǎn)。研究發(fā)現(xiàn)，雖然個性化學(xué)習(xí)中數(shù)據(jù)挖掘的研究在早期受到了一定的關(guān)注，但研究者和發(fā)文量仍相對匱乏。并且隨著數(shù)據(jù)量的增多，單純的數(shù)據(jù)挖掘技術(shù)已無法滿足技術(shù)需求，因此經(jīng)過幾年發(fā)展后便陷入瓶頸。隨著技術(shù)的發(fā)展以及學(xué)科之間的交叉越來越多，為研究帶來了新的活力。而數(shù)據(jù)挖掘技術(shù)在不斷發(fā)展中逐漸內(nèi)含于學(xué)習(xí)分析、大數(shù)據(jù)、人工智能等相關(guān)技術(shù)中，成為各類技術(shù)中必不可少的關(guān)鍵技術(shù)。個性化學(xué)習(xí)隨著技術(shù)的進(jìn)步和更迭逐漸發(fā)展。

三、結(jié)論與展望

1.結(jié)論

本研究對近20年來CNKI數(shù)據(jù)庫關(guān)于個性化學(xué)習(xí)中數(shù)據(jù)挖掘技術(shù)研究的相關(guān)文獻(xiàn)進(jìn)行梳理，并通過CiteSpace V對作者、機(jī)構(gòu)、關(guān)鍵詞等進(jìn)行可視化分析，得出以下結(jié)論：

第一，研究成果數(shù)量較少，且研究力量分散。相關(guān)研究成果的年發(fā)文量均比較穩(wěn)定，但是300多篇的文獻(xiàn)總數(shù)仍顯不足。數(shù)據(jù)挖掘技術(shù)在教育領(lǐng)域的應(yīng)用促進(jìn)了學(xué)習(xí)的個性化，為個性化學(xué)習(xí)的研究開拓了新的思路，并在應(yīng)用研究的過程中使得技術(shù)自身逐漸發(fā)展和完善。但學(xué)科的交叉也為相關(guān)研究增加了一定的難度。跨學(xué)科人才短缺使得具有不同專業(yè)背景的研究者之間的合作顯得尤為重要。然而研究發(fā)現(xiàn)，作者和機(jī)構(gòu)合作較少，并沒有形成一定規(guī)模的合作群體。并且，研究者和研究機(jī)構(gòu)之間的合作關(guān)系大多為校內(nèi)合作，缺乏校際合作。具有不同學(xué)科背景的研究者和研究機(jī)構(gòu)各自為營，使得研究力量和資源分散。

第二，技術(shù)方法研究較多，但應(yīng)用領(lǐng)域有限。雖然關(guān)聯(lián)規(guī)則和聚類分析是數(shù)據(jù)挖掘中比較常用的兩種方法，但也有研究涉及決策樹、Agent和協(xié)同過濾等方法。同時，學(xué)習(xí)分析、大數(shù)據(jù)、人工智能等新興技術(shù)領(lǐng)域也逐漸脫離單純的數(shù)據(jù)挖掘技術(shù)，成為近幾年研究的熱點(diǎn)話題。個性化學(xué)習(xí)中關(guān)于數(shù)據(jù)挖掘技術(shù)的方法研究越來越豐富。由于在遠(yuǎn)程教育過程中會產(chǎn)生較多便于挖掘的數(shù)據(jù)，數(shù)據(jù)挖掘技術(shù)的應(yīng)用研究多集中在遠(yuǎn)程教育領(lǐng)域。相關(guān)研究涉及學(xué)習(xí)策略、學(xué)習(xí)內(nèi)容、學(xué)習(xí)評價與反饋等方方面面的內(nèi)容，但是對于遠(yuǎn)程教育之外存在的海量數(shù)據(jù)信息關(guān)注度較低。個性化學(xué)習(xí)中數(shù)據(jù)挖掘技術(shù)的應(yīng)用范圍仍顯狹窄。

第三，技術(shù)優(yōu)勢發(fā)揮充分，但風(fēng)險意識淡薄。無論是應(yīng)用關(guān)聯(lián)規(guī)則發(fā)現(xiàn)學(xué)習(xí)者的學(xué)習(xí)關(guān)聯(lián)，還是利用聚類分析進(jìn)行分組教學(xué)，研究者均能充分認(rèn)識技術(shù)的特點(diǎn)，發(fā)揮技術(shù)優(yōu)勢。各種數(shù)據(jù)挖掘方法及其相關(guān)技術(shù)的應(yīng)用，多角度、全方位地促進(jìn)了個性化學(xué)習(xí)的發(fā)展。然而，相關(guān)研究在感嘆技術(shù)發(fā)展為個性化學(xué)習(xí)帶來巨大收益的同時，卻忽視了技術(shù)應(yīng)用過程中可能存在的數(shù)據(jù)安全和隱私風(fēng)險等潛在問題。少部分研究者雖在文獻(xiàn)結(jié)尾論及此類問題，但也只是停留在表面，缺乏系統(tǒng)的研究。該領(lǐng)域并沒有得到應(yīng)有的關(guān)注，研究者對技術(shù)應(yīng)用的風(fēng)險意識相對淡薄。

2.展望

基于對已有研究的分析和總結(jié)，筆者認(rèn)為，促進(jìn)個性化學(xué)習(xí)中數(shù)據(jù)挖掘技術(shù)的研究應(yīng)注意以下幾個方面：

第一，加強(qiáng)溝通交流，促進(jìn)合作研究。信息化、智能化的社會背景下，原有技術(shù)方法更新迅速，各種新興技術(shù)蓬勃興起。個性化學(xué)習(xí)的發(fā)展也應(yīng)與時俱進(jìn)，及時吸納新技術(shù)并靈活運(yùn)用于教育中來。由于數(shù)據(jù)挖掘、學(xué)習(xí)分析和大數(shù)據(jù)等技術(shù)均比較復(fù)雜，其在個性化學(xué)習(xí)中的應(yīng)用研究需要具有一定專業(yè)知識的人來實現(xiàn)，而這些人往往不具備相應(yīng)的教育理論知識。這就直接決定了具有單一學(xué)科背景的研究者難以進(jìn)行該領(lǐng)域的研究或者研究質(zhì)量不高。因此，不同學(xué)科領(lǐng)域的研究者和研究機(jī)構(gòu)之間應(yīng)該加強(qiáng)溝通和交流，促進(jìn)合作研究，實現(xiàn)優(yōu)勢互補(bǔ)。

第二，拓展研究視野，轉(zhuǎn)換研究視角。《教育信息化十年發(fā)展規(guī)劃（2011-2020年）》提出，要“努力為每一名學(xué)生和學(xué)習(xí)者提供個性化學(xué)習(xí)的信息化環(huán)境和服務(wù)”。《中國教育現(xiàn)代化2035》也提出，要“利用現(xiàn)代技術(shù)加快推動人才培養(yǎng)模式改革，實現(xiàn)規(guī)?；逃c個性化培養(yǎng)的有機(jī)結(jié)合”。應(yīng)用現(xiàn)代技術(shù)促進(jìn)個性化學(xué)習(xí)應(yīng)面向所有學(xué)習(xí)者并適用于各種學(xué)習(xí)環(huán)境，使每個學(xué)習(xí)者都能隨時隨地享受到個性化的學(xué)習(xí)服務(wù)。因此，在應(yīng)用數(shù)據(jù)挖掘、學(xué)習(xí)分析和大數(shù)據(jù)等現(xiàn)代技術(shù)時，不能僅聚焦在遠(yuǎn)程教育領(lǐng)域。研究者應(yīng)該將視野放寬，全方位關(guān)注各種教育領(lǐng)域和教育形式中的學(xué)習(xí)，努力挖掘更加全面、有效的信息。此外，要積極轉(zhuǎn)換研究視角，從以技術(shù)為中心逐漸向以學(xué)習(xí)者為中心轉(zhuǎn)變。研究者要站在學(xué)習(xí)者的立場，從學(xué)習(xí)者的個性化需求出發(fā)，尋找解決問題的方法。

第三，增強(qiáng)安全意識，防范潛在風(fēng)險。事物的發(fā)展都有其兩面性。數(shù)據(jù)挖掘等現(xiàn)代技術(shù)的廣泛應(yīng)用在為學(xué)習(xí)者帶來極大便利的同時，也可能存在一些潛在的危險。如何保障海量的數(shù)據(jù)信息不被非法利用、數(shù)據(jù)的收集和分析是否需要征得用戶同意、分析所得結(jié)果會不會給當(dāng)事人帶來不平等待遇、技術(shù)的發(fā)展和應(yīng)用究竟是促進(jìn)了教育公平還是拉大了教育不平衡的差距等等，諸如此類問題必須得到足夠重視。個性化學(xué)習(xí)的實現(xiàn)不能以損害學(xué)習(xí)者利益為代價，更不能影響教育和社會的長期穩(wěn)定發(fā)展。因此，研究者應(yīng)提高警惕，認(rèn)真反思數(shù)據(jù)挖掘及其相關(guān)技術(shù)在應(yīng)用過程中可能存在的諸多挑戰(zhàn)。

參考文獻(xiàn)：

[1]吳修霆.SAS數(shù)據(jù)挖掘技術(shù)的實現(xiàn)[J].微電腦世界，2000（14）：44-45.

[2]陳悅，陳超美，劉則淵，胡志剛，王賢文.CiteSpace知識圖譜的方法論功能[J].科學(xué)學(xué)研究，2015，33（2）：242-253.

[3]劉愛民.基于關(guān)聯(lián)規(guī)則的學(xué)生成績分析系統(tǒng)的設(shè)計與實現(xiàn)[D].長春：吉林大學(xué)，2014.

[4]繆廣寒.關(guān)聯(lián)規(guī)則Apriori算法在個性化學(xué)習(xí)系統(tǒng)中的應(yīng)用研究[J].硅谷，2014，7（5）：47-48.

[5]文堂柳，李雯.關(guān)聯(lián)規(guī)則在遠(yuǎn)程教育教學(xué)反饋中的應(yīng)用[J].計算機(jī)與信息技術(shù)，2009（9）：17-18，22.

[6]李汪麗，蔣玲.數(shù)據(jù)挖掘在中國教育領(lǐng)域的應(yīng)用研究綜述[J].湖北第二師范學(xué)院學(xué)報，2010，27（2）：55-58.

[7]趙立江.聚類分析在個性化學(xué)習(xí)中的研究與應(yīng)用[J].福建電腦，2006（12）：13，2.

[8]張杰夫.大數(shù)據(jù)，大視野，大教育[J].中小學(xué)信息技術(shù)教育，2013（10）：12-14.

[9]U.S. Department of Education， Office of Educational Technology. Enhancing Teaching and Learning Through Educational Data Mining and Learning Analytics： An Issue Brief [DB/OL]. Washington， D. C.： M. Bienkowski， M. Y. Feng， and B. Means， 2012，https：//tech.ed.gov/wp-content/uploads/2014/03/edm-la-brief.pdf

[10]祝智庭，沈德梅.基于大數(shù)據(jù)的教育技術(shù)研究新范式[J].電化教育研究，2013，34（10）：5-13.

[11]胡水星.大數(shù)據(jù)及其關(guān)鍵技術(shù)的教育應(yīng)用實證分析[J].遠(yuǎn)程教育雜志，2015，33（5）：46-53.

[12]吳青，羅儒國.學(xué)習(xí)分析：從源起到實踐與研究[J].開放教育研究，2015，21（1）：71-79.

[13]鄭曉薇，劉靜，高悅.面向?qū)ο蟮膶W(xué)習(xí)分析模型的構(gòu)建與實現(xiàn)[J].中國電化教育，2016（10）：116-122.

[14]唐麗，王運(yùn)武，陳琳.智慧學(xué)習(xí)環(huán)境下基于學(xué)習(xí)分析的干預(yù)機(jī)制研究[J].電化教育研究，2016，37（2）：62-67.

[15]徐輝增，孫學(xué)農(nóng).數(shù)據(jù)挖掘在現(xiàn)代遠(yuǎn)程教育中的應(yīng)用[J].電腦知識與技術(shù)（學(xué)術(shù)交流），2007（10）：1179-1180.

[16]宋永生.基于數(shù)據(jù)挖掘的個性化學(xué)習(xí)平臺研究[J].電腦知識與技術(shù)，2018，14（36）：198-200.

[17]鄧暉.網(wǎng)絡(luò)個性化學(xué)習(xí)學(xué)生特征分析系統(tǒng)的分析與設(shè)計[J].遠(yuǎn)程教育雜志，2003（1）：11-13.

[18]李汪麗，蔣玲.數(shù)據(jù)挖掘在中國教育領(lǐng)域的應(yīng)用研究綜述[J].湖北第二師范學(xué)院學(xué)報，2010，27（2）：55-58.

[19]羅興文，閆友彪，蔡海濱.基于Web挖掘的個性化遠(yuǎn)程教育系統(tǒng)研究[J].計算機(jī)工程與設(shè)計，2007（12）：3016-3019，3022.

[20]趙蔚，余延冬，張賽男.基于Web數(shù)據(jù)挖掘的個性化E-learning解決方案推薦系統(tǒng)研究[J].現(xiàn)代遠(yuǎn)距離教育，2011（4）：60-63.

[21]魏丹丹，邱樂興.基于Web3.0的網(wǎng)絡(luò)教學(xué)個性化服務(wù)平臺構(gòu)建[J].江西師范大學(xué)學(xué)報（自然科學(xué)版），2013，37（6）：584-588.

[22]李華，何茜，吳中福.基于Web的個性化學(xué)習(xí)系統(tǒng)研究[J].計算機(jī)工程與應(yīng)用，2002（13）：239-242.

（編輯：王曉明）