陳倩楠，錢志剛，王貝貝，金桂芳，張雪茹

（1.蚌埠醫(yī)學(xué)院，安徽蚌埠，233000；2.安徽省太和縣中醫(yī)院，安徽太和，236600）

自我調(diào)節(jié)學(xué)習(xí)指學(xué)習(xí)者從制定目標(biāo)到完成目標(biāo)的一系列自我調(diào)節(jié)行為的過程，這一過程包括建立目標(biāo)、實施計劃、應(yīng)用策略、自我監(jiān)控與評估等諸多要素［1］。近年來，自我調(diào)節(jié)學(xué)習(xí)研究的文獻(xiàn)發(fā)文量整體呈上升趨勢，通過檢索數(shù)據(jù)庫的方式已經(jīng)不能滿足及時了解學(xué)科最新動態(tài)的需求，需要一種新的、客觀性、科學(xué)性方法了解學(xué)科的最新進(jìn)展?？茖W(xué)知識圖譜定義為以知識為對象，以文獻(xiàn)計量學(xué)、情報學(xué)、科學(xué)學(xué)、網(wǎng)絡(luò)分析學(xué)等為理論基礎(chǔ)，運用信息可視化技術(shù)揭示科學(xué)知識的發(fā)展進(jìn)程與結(jié)構(gòu)關(guān)系的知識圖譜［2］。CiteSpace軟件［3］是由國際著名的美國德雷塞爾大學(xué)計算機(jī)與情報專業(yè)陳超美教授依據(jù)Java語言開發(fā)用于分析動態(tài)、多元、分時復(fù)雜網(wǎng)絡(luò)的可視化工具。通過將時間劃分為均勻的片段，在每個時間段中形成共現(xiàn)網(wǎng)絡(luò)，許多網(wǎng)絡(luò)合并將某個領(lǐng)域研究的規(guī)律、結(jié)構(gòu)、分布情況通過形成整體的可視化網(wǎng)絡(luò)以知識圖譜的方式直觀呈現(xiàn)出來，為挖掘某領(lǐng)域研究的熱點和前沿信息提供參考，該軟件是近年來文獻(xiàn)計量與可視化分析最具有影響力的軟件之一［4］。本研究基于CiteSpace軟件對中國知網(wǎng)中自我調(diào)節(jié)學(xué)習(xí)相關(guān)研究文獻(xiàn)進(jìn)行分析，梳理該領(lǐng)域的研究現(xiàn)狀、熱點、前沿，以期為護(hù)理工作者及科研者開展研究提供參考。

1 資料與方法

1.1 數(shù)據(jù)來源

以中國知網(wǎng)為文獻(xiàn)統(tǒng)計來源，檢索時間2021年5月2日，檢索式：“發(fā)表時間=1994年1月1日—2021年5月1日，主題詞=自我調(diào)節(jié)學(xué)習(xí)”，知網(wǎng)檢索到773條記錄。為保證獲取資料的可靠性和科學(xué)性，2名研究者分別進(jìn)行文獻(xiàn)篩選和查重，手動刪除研究推介、專題策劃、研究要點、會議通知等無法反映刊文信息的記錄，并交叉核對所納文獻(xiàn)，對有分歧文獻(xiàn)進(jìn)行討論分析，最終獲得有效記錄627條。

1.2 研究方法

本研究將符合檢索條件的627條記錄以Refworks格式導(dǎo)出，分別以“download_.txt”進(jìn)行命名，在“C盤”中建立“input、output、data、project”文件夾，對中國知網(wǎng)中導(dǎo)出的627條記錄保存至“input”文件夾中，以CiteSpaceV軟件內(nèi)置功能對數(shù)據(jù)進(jìn)行格式轉(zhuǎn)換保存到“output”文件夾中，再把“output”文件夾中的數(shù)據(jù)復(fù)制到“data”文件夾中。選定project及data路徑后，設(shè)置時間跨度為1994年1月1日—2021年5月1日；時間切片設(shè)為5；術(shù)語來源設(shè)置為默認(rèn)全選狀態(tài)；每個節(jié)點閾值TopN設(shè)為50項數(shù)據(jù)；算法選擇最小生成樹算法；以關(guān)鍵詞為節(jié)點進(jìn)行分析是剪裁方式設(shè)置為“尋徑網(wǎng)絡(luò)和剪裁合并網(wǎng)絡(luò)”，以作者和機(jī)構(gòu)為節(jié)點是不進(jìn)行網(wǎng)絡(luò)剪裁；最后分別以關(guān)鍵詞、作者、機(jī)構(gòu)為網(wǎng)絡(luò)節(jié)點進(jìn)行可視化分析。可視化知識圖譜中，節(jié)點直徑大小和發(fā)文量頻次呈正比，節(jié)點圓圈寬度與對應(yīng)不同年份發(fā)文量呈正比，節(jié)點連線表示共現(xiàn)情況，連線粗細(xì)與共現(xiàn)頻次呈正比［5-7］。

2 結(jié)果

2.1 文獻(xiàn)發(fā)文量分析

對納入的627篇文獻(xiàn)按時間進(jìn)行分布（2021年發(fā)文量僅統(tǒng)計到5月1日）。結(jié)果如圖1所示，發(fā)文量整體呈上升趨勢，平均每年發(fā)文量23.22篇；雖然2005年、2010年、2012年、2014年、2015年，2019年發(fā)文量較前后時間發(fā)文量降低，但發(fā)文量較開始時間仍較高，文獻(xiàn)于2020年達(dá)到峰值64篇，期刊論文于2020年達(dá)到峰值43篇，碩博論文于2018年達(dá)到峰值32篇。

圖1 文獻(xiàn)發(fā)文量

2.2 文獻(xiàn)作者分析

應(yīng)用CiteSpace軟件對文獻(xiàn)作者進(jìn)行共現(xiàn)分析，繪制作者合作關(guān)系圖譜如圖2所示：節(jié)點有191個，連線89條，網(wǎng)絡(luò)密度0.0049。其中方平（首都師范大學(xué)）發(fā)文量最多為9篇，發(fā)文量≥5篇的作者共有方平（9篇）、劉儒德（北京師范大學(xué)）（8篇）、周國韜（東北師范大學(xué)）（7篇）、李愛萍（北京大學(xué)）（6篇）、張先庚（成都醫(yī)學(xué)院）（5篇）、趙蔚（東北師范大學(xué)）（5篇）、路海東（東北師范大學(xué)）（5篇），7人共發(fā)文45篇。由作者共現(xiàn)知識圖譜可知，本研究領(lǐng)域未形成廣泛聯(lián)系的作者合作網(wǎng)絡(luò)，整體松散，雖形成了幾個合作團(tuán)隊，但不同團(tuán)隊間合作較微縮。團(tuán)隊內(nèi)合作緊密如方平、宋娟、蘇丹之間，王紅艷、張夏夢、張先庚之間連線較粗，說明合作次數(shù)較多；此外圖譜中散落節(jié)點較多，說明大部分學(xué)者進(jìn)行獨立研究。應(yīng)用CiteSpace軟件中突現(xiàn)詞檢測分析，發(fā)現(xiàn)突現(xiàn)強度最高的是陳雨萍為4.93，在1994年至2005年發(fā)文量較高，李愛萍為近年來突現(xiàn)度最高的作者，突現(xiàn)強度為3.59，在2017年至2018年發(fā)文量較高。然而，所有作者中心度均為0，說明作者間的合作強度有待加強。

圖2 文獻(xiàn)作者共現(xiàn)分析知識圖譜

2.3 文獻(xiàn)機(jī)構(gòu)分析

科研機(jī)構(gòu)對提升國家科研水平創(chuàng)新性方面具有至關(guān)重要作用［8］，通過對不同科研機(jī)構(gòu)發(fā)表論文量進(jìn)行分析，可以了解自我調(diào)節(jié)學(xué)習(xí)研究領(lǐng)域中研究力量的分布。對納入的627篇文獻(xiàn)所屬機(jī)構(gòu)進(jìn)行共現(xiàn)分析，繪制機(jī)構(gòu)共現(xiàn)知識圖譜如圖3所示：節(jié)點有163個，連線43條，網(wǎng)絡(luò)密度0.0033。通過圖譜可知，對自我調(diào)節(jié)學(xué)習(xí)的研究機(jī)構(gòu)以師范高校為主，發(fā)文量最高的機(jī)構(gòu)為北京大學(xué)對外漢語教育學(xué)院（8篇），緊隨其后的是北京師范大學(xué)心理學(xué)院（7篇）、四川護(hù)理職業(yè)學(xué)院（6篇）、東北師范大學(xué)教育科學(xué)學(xué)院（5篇）、華東師范大學(xué)心理與認(rèn)知科學(xué)學(xué)院（4篇）。由圖可知機(jī)構(gòu)間有合作如華東師范大學(xué)心理與認(rèn)知科學(xué)學(xué)院、天津師范大學(xué)心理與行為研究院、首都師范大學(xué)教育學(xué)院之間，四川護(hù)理職業(yè)學(xué)院、成都醫(yī)學(xué)院四川養(yǎng)老與老年健康協(xié)同創(chuàng)新中心、成都中醫(yī)藥大學(xué)護(hù)理學(xué)院之間。然而，機(jī)構(gòu)的中心度均為0，說明機(jī)構(gòu)合作強度不夠。

圖3 文獻(xiàn)機(jī)構(gòu)共現(xiàn)分析知識圖譜

2.4 關(guān)鍵詞分析

2.4.1 關(guān)鍵詞共現(xiàn)分析：關(guān)鍵詞是文章的精髓，是文獻(xiàn)主題和核心內(nèi)容的高度概括，基于關(guān)鍵詞共現(xiàn)和聚類可視化分析能夠敏銳、直接地反映出研究主題熱點和發(fā)展趨勢［9-11］。節(jié)點中心度是衡量節(jié)點在網(wǎng)絡(luò)中信息交流能力的重要指標(biāo)，中心度越大說明某關(guān)鍵詞在該領(lǐng)域中與各個主題的關(guān)聯(lián)性越強［12］。以關(guān)鍵詞為節(jié)點進(jìn)行共現(xiàn)可視化分析得到前20個高頻關(guān)鍵詞如表1所示，其中中心度＞0.1的關(guān)鍵詞有12個。

表1 文獻(xiàn)高頻關(guān)鍵詞

2.4.2 關(guān)鍵詞聚類分析：在關(guān)鍵詞共現(xiàn)基礎(chǔ)上進(jìn)行聚類分析得到關(guān)鍵詞聚類知識圖譜：節(jié)點有310個，連線543條，網(wǎng)絡(luò)密度0.0113。共有11個聚類：“#0 自我調(diào)節(jié)學(xué)習(xí)”、“#1 自我調(diào)節(jié)”、“#2 學(xué)習(xí)策略”、“#3學(xué)業(yè)拖延”、“#4元認(rèn)知”、“#5自我效能感”、“#6 學(xué)業(yè)成就”、“#7 大學(xué)生”、“#8mooc”、“#9學(xué)習(xí)能力”、“#10影響因素”。CiteSpace提供了模塊值（Q值）和平均輪廓值（S值）作為衡量圖譜繪制效果的依據(jù)，一般認(rèn)為Q值＞0.3說明聚類結(jié)構(gòu)顯著，S值＞0.5說明聚類結(jié)果合理，S值＞0.7說明聚類結(jié)果具有較高的可信度［13-15］。本研究中Q值為0.728，S值為0.9033，說明聚類成員一致性程度較高，結(jié)果合理。由關(guān)鍵詞共現(xiàn)及聚類可知，自我調(diào)節(jié)學(xué)習(xí)研究熱點主題主要為：從自我調(diào)節(jié)學(xué)習(xí)現(xiàn)況調(diào)查及相關(guān)性分析到基于自我調(diào)節(jié)學(xué)習(xí)理論進(jìn)行教學(xué)模式改革研究，最后到自我調(diào)節(jié)學(xué)習(xí)的干預(yù)研究。

2.4.3 關(guān)鍵詞突現(xiàn)分析：突現(xiàn)詞為某段時間內(nèi)通過關(guān)鍵詞頻次變化將突然大量出現(xiàn)的詞探索出來，較單獨研究關(guān)鍵詞出現(xiàn)頻次而言，關(guān)鍵詞突現(xiàn)詞能有效反映研究的前沿和趨勢［16-17］。關(guān)鍵詞突現(xiàn)得到63個突現(xiàn)詞，表2為突現(xiàn)至今的14個突現(xiàn)詞。對63個突現(xiàn)詞進(jìn)行總結(jié)和文獻(xiàn)回顧可知：從1999年開始大量研究自我調(diào)節(jié)學(xué)習(xí)與成就目標(biāo)、自我效能感、歸因的相關(guān)性研究并持續(xù)到2008年，研究對象主要為初中生；1999年至2003年大量研究自我調(diào)節(jié)學(xué)習(xí)與元認(rèn)知、時間壓力、學(xué)習(xí)動機(jī)、學(xué)習(xí)自主性相關(guān)方面研究，查閱文獻(xiàn)可知研究對象主要為大學(xué)生；2014年至2018年開始大量研究在線學(xué)習(xí)中自我調(diào)節(jié)學(xué)習(xí)相關(guān)研究，研究對象主要為高中生，大學(xué)生次之；2019年至2021年主要研究通過干預(yù)措施提高學(xué)生在線學(xué)習(xí)的自我調(diào)節(jié)學(xué)習(xí)能力，研究對象以高中生為主、大學(xué)生次之，干預(yù)研究熱點持續(xù)至今，研究方向已成為主流，研究內(nèi)容逐步深入，有望成為未來的研究前沿。

表2 文獻(xiàn)關(guān)鍵詞突現(xiàn)分析表

3 討論

本研究依據(jù)CiteSpace軟件對中文數(shù)據(jù)庫中主題詞為“自我調(diào)節(jié)學(xué)習(xí)”相關(guān)文依據(jù)文獻(xiàn)作者、機(jī)構(gòu)、關(guān)鍵詞進(jìn)行可視化分析，并繪制相關(guān)圖譜。

3.1 尚未形成大范圍合作群，且地域發(fā)文量差異大

在學(xué)術(shù)研究和臨床工作中，團(tuán)隊合作不僅對護(hù)理學(xué)的發(fā)展有重要意義，還對學(xué)術(shù)研究具有優(yōu)勢互補作用［18］，加強團(tuán)隊合作能進(jìn)一步提升自我調(diào)節(jié)學(xué)習(xí)的廣度和深度。通過對文獻(xiàn)作者、機(jī)構(gòu)進(jìn)行可視化分析可知作者中心度為0，機(jī)構(gòu)中心度為0，獨立研究機(jī)構(gòu)較多，說明作者間及機(jī)構(gòu)間的合作有待進(jìn)一步加強。研究機(jī)構(gòu)以師范類高校為主，研究對象主要為學(xué)生，一方面對自我調(diào)節(jié)學(xué)習(xí)的研究適用人群主要為學(xué)生；另一方面對自我調(diào)節(jié)學(xué)習(xí)的相關(guān)研究需要具有一定的專業(yè)知識和科研水平，高校研究者符合以上條件。從發(fā)文機(jī)構(gòu)地區(qū)分布可知，發(fā)文前5名的機(jī)構(gòu)中有2所來自北京地區(qū)，1所來自上海地區(qū)，刊文地區(qū)分布不均勻，存在地域性。原因可能為經(jīng)濟(jì)發(fā)達(dá)地區(qū)對科研重視程度較高，具有較高的學(xué)術(shù)水平。為加強自我調(diào)節(jié)學(xué)習(xí)相關(guān)研究的科研成果產(chǎn)出，一方面不同機(jī)構(gòu)間及不同地區(qū)機(jī)構(gòu)間應(yīng)加強合作相互促進(jìn)交流；另一方面應(yīng)加強心理學(xué)和醫(yī)學(xué)、社會學(xué)、教育學(xué)、公共衛(wèi)生管理等學(xué)科進(jìn)行更大范圍的交叉合作，在不同學(xué)科基礎(chǔ)上構(gòu)建出新的理論和知識，不斷豐富自我調(diào)節(jié)學(xué)習(xí)理論內(nèi)容。

3.2 熱點分析

聚類“#0自我調(diào)節(jié)學(xué)習(xí)”、“#1自我調(diào)節(jié)”、“#3學(xué)業(yè)拖延”、“#7 大學(xué)生”、“#8mooc”、“#9 學(xué)習(xí)能力”、“#10影響因素”顯示，自我調(diào)節(jié)學(xué)習(xí)在學(xué)習(xí)中的研究越來越多，特別是在線學(xué)習(xí)自我調(diào)節(jié)學(xué)習(xí)的干預(yù)研究。隨著國家深入推進(jìn)《教育信息化“十三五”規(guī)劃》的政策［19］，我國教育理念、教學(xué)資源和教學(xué)方式等都已發(fā)生巨大變化，學(xué)校發(fā)展并利用現(xiàn)代化技術(shù)實現(xiàn)智能化教學(xué)，在線學(xué)習(xí)已成為重要的學(xué)習(xí)方式，據(jù)統(tǒng)計我國慕課數(shù)量和應(yīng)用規(guī)模已達(dá)到世界第一［20］。由于在線學(xué)習(xí)具有自主性、不易掌控性、開放性等特點更需要學(xué)習(xí)者對自我學(xué)習(xí)過程進(jìn)行管理和調(diào)節(jié)，擁有自我調(diào)節(jié)學(xué)習(xí)能力和策略是保證在線學(xué)習(xí)效果的重要前提［21］。如何提升大學(xué)生的在線自我調(diào)節(jié)學(xué)習(xí)水平、對其自我調(diào)節(jié)學(xué)習(xí)過程進(jìn)行干預(yù)是在線學(xué)習(xí)研究需要重點關(guān)注的議題，對在線學(xué)習(xí)自我調(diào)節(jié)學(xué)習(xí)的干預(yù)研究，對理解自我調(diào)節(jié)學(xué)習(xí)的本質(zhì)具有重要的理論價值，對干預(yù)理論和方法的擴(kuò)展有重要意義，對指導(dǎo)和改進(jìn)在線課程的教學(xué)設(shè)計具有重要的現(xiàn)實意義［22］。

聚類“#2學(xué)習(xí)策略”、“#6學(xué)業(yè)成就”、“#8mooc”顯示基于mooc、混合式教學(xué)、傳統(tǒng)教學(xué)對自我調(diào)節(jié)學(xué)習(xí)進(jìn)行研究，自我調(diào)節(jié)學(xué)習(xí)在基于教學(xué)中發(fā)揮著重要的作用，也就意味著這種教學(xué)需要更加關(guān)注學(xué)習(xí)者層面的自我調(diào)節(jié)學(xué)習(xí)因素，良好的自我調(diào)節(jié)學(xué)習(xí)可以幫助學(xué)生形成良好的學(xué)習(xí)習(xí)慣。

聚類“#3學(xué)業(yè)拖延”、“#4元認(rèn)知”、“#5自我效能感”顯示自我調(diào)節(jié)學(xué)習(xí)與知識水平、學(xué)業(yè)拖延、自我調(diào)節(jié)學(xué)習(xí)效能感、學(xué)業(yè)情緒、學(xué)習(xí)效率、父母教養(yǎng)方式、學(xué)習(xí)倦怠、感知教師情感支持、學(xué)業(yè)情緒、學(xué)習(xí)效率、父母教養(yǎng)方式、課堂教學(xué)、學(xué)業(yè)自我效能感等相關(guān)性研究。

在當(dāng)前的自我調(diào)節(jié)學(xué)習(xí)研究領(lǐng)域中，傳統(tǒng)的綜述總結(jié)方式難以將研究結(jié)果形象直觀的展現(xiàn)出來。本研究采用CiteSpace軟件通過分析關(guān)鍵詞、作者、機(jī)構(gòu)得到可視化知識圖譜，結(jié)合文獻(xiàn)回顧形式分析研究熱點和前沿。由于萬方、維普數(shù)據(jù)庫數(shù)據(jù)導(dǎo)出格式限制，未對維普和萬方數(shù)據(jù)庫中相關(guān)文獻(xiàn)進(jìn)行分析，雖然中國知網(wǎng)數(shù)據(jù)庫作為中國最大的全文數(shù)據(jù)庫，但僅對中國知網(wǎng)進(jìn)行查詢，文獻(xiàn)的查全率在一定程度上可能受到影響。關(guān)鍵詞分析發(fā)現(xiàn)自我調(diào)節(jié)學(xué)習(xí)和醫(yī)學(xué)交叉研究不多，建議醫(yī)學(xué)研究者應(yīng)加大自我調(diào)節(jié)學(xué)習(xí)理論在醫(yī)學(xué)生中的應(yīng)用。

利益沖突聲明：作者聲明本文無利益沖突