摘? 要? 以中國知網數(shù)據庫2011年1月1日—2021年7月1日收錄的513篇涉及在線學習活動的文獻作為研究對象，選用CiteSpace軟件作為知識圖譜繪制工具，分析發(fā)文量、高影響力機構、核心作者、關鍵詞，揭示該領域研究發(fā)展現(xiàn)狀與趨勢，為未來在線學習活動研究提出建議。

關鍵詞? 在線學習；知識圖譜；CiteSpace；混合學習；教育信息化

中圖分類號：G40-057? ? 文獻標識碼：B

文章編號：1671-489X（2022）07-0005-05

0? 引言

在線學習活動是基于網絡所開展的教學活動的必要組成部分，是學習者以及與之相關的學習群體為了實現(xiàn)特定的學習結果，利用網絡與外部學習環(huán)境進行的交互總和[1]。信息化教育教學改革與發(fā)展背景下，網絡教育教學已步入追求高質量的發(fā)展階段，在線學習活動作為學習者在線學習行為發(fā)生的重要環(huán)節(jié)，對學習者知識的遷移發(fā)揮著重要作用，是教育工作者關注的重點。目前對于在線學習活動的設計、模式、實施等研究不勝枚舉，但缺少研究最新發(fā)展趨勢的綜述類文章。

本研究通過可視化分析軟件CiteSpace繪制在線學習活動研究的知識圖譜，并結合文獻內容進行剖析，目的是明確在線學習活動的研究現(xiàn)狀并探索其未來發(fā)展趨勢，更好地為未來在線學習活動的實施服務。

1? 數(shù)據來源與研究工具

1.1? 數(shù)據來源

本文通過中國知網進行高級檢索，于2021年7月1日采集數(shù)據，以“在線學習活動”為檢索主題詞，時間跨度設置為2011—2021年，來源類別為“SCI來源期刊”“EI來源期刊”“北大核心”“CSSCI”，剔除新聞、新書推薦、會議報道等與主題不符的文獻，共得到有效文獻513篇，作為本研究的數(shù)據來源。

1.2? 研究工具

本文選用CiteSpace可視化軟件作為研究工具，將中國知網所選文獻共513篇以CiteSpace可操作格式導入軟件，Time Slicing設置為2011—2021，Years Per Slice設置為1，Node Type選擇Author、Institution、Keyword，閾值選擇 TOP=50，運行軟件進行數(shù)據可視化并美化圖譜，便于分析。

2? 知識圖譜分析及結果分析

2.1? 成果產出量分析

成果產出量分析反映該研究領域在時間維度上的研究進度以及科學知識量的變化[2]。如圖1所示，2011年以來，在線教學設計研究總體呈現(xiàn)出波動上升的趨勢，除去2021年，研究量在2014年、2016年出現(xiàn)兩次下降，其余均比前一年研究量增多。

2011—2016年，在線學習活動研究處于寬領域、探索階段，且對于國外的在線學習活動研究較多，研究者對于該領域的研究方向也比較分散，主題豐富。自2017年起，研究量呈快速上升趨勢，這主要得益于國家對教育信息化的推動。2016年政府工作報告中，李克強總理提出將加快推進遠程教育，擴大優(yōu)質教育資源覆蓋面作為一項教育工作重點。2017年、2018年，教育部先后發(fā)布《2017年教育信息化工作要點》《教育信息化2.0行動計劃》等文件。教育信息化的發(fā)展同時促進了研究者對于在線教育、在線教育活動的關注和研究。根據研究結果，對在線教育活動的研究在2020年出現(xiàn)頂峰，原因是出于新冠疫情防控需要，在線教育成為各級學校、教學單位、教育企業(yè)重點關注的教學形式，對于在線教育活動的反思和研究在這一年達到高潮。

2.2? 高影響力機構分析

如圖2所示，知識圖譜共包括31家研究機構，網絡密度為0.010 8，共五條連線，節(jié)點分布分散，說明研究機構之間的聯(lián)系不緊密，相互間合作程度不高，沒有形成緊密的合作網絡，互相缺少交流。節(jié)點圓圈最大的兩所機構西北師范大學教育技術學院與陜西師范大學教育學院之間存在連線，說明兩家機構的合作對該領域的研究貢獻突出。

將普賴斯公式作為高影響力機構的選擇標準。普賴斯公式：。M表示高頻閾值，Nmax指最高產機構的文獻數(shù)量。研究樣本文獻中，發(fā)文最多的機構是西北師范大學教育技術學院（14篇），可得M≈3。因此，高影響力研究機構發(fā)文量應在三篇以上，本研究高影響力機構發(fā)文量如表1所示。

2.3? 核心作者分析

通過作者共現(xiàn)分析，探究各作者之間的合作情況及文章的引用關系[3]。如圖3所示，作者共現(xiàn)圖譜中，節(jié)點共49個，連線共27條，密度為0.023，總體作者合作關系少，聯(lián)系不緊密。作者合作團隊人數(shù)最多為四人，研究團隊普遍較小，或者個人進行研究。

在線學習活動研究最高產作者的文獻量是四篇，依據普賴斯公式，M≈2，因此，文獻量兩篇以上即為核心作者。根據結果，2011—2021年在線學習活動核心作者共12位，發(fā)文總量41篇，約占該領域發(fā)文量的8%，對該領域研究貢獻突出。

在核心作者中，李海峰等[4]主要研究在線協(xié)作知識構建活動，并提出促進在線學生協(xié)作知識構建水平提高的組織框架和策略；王孝金等[5]研究了網絡學習中深度學習的影響因素和發(fā)生策略，其中每種策略都可以通過在線學習活動推進；俞樹煜等[6]建立問題解決模型，促進學習者在在線學習中批判思維的發(fā)展，通過實驗研究對模型進行論證，除此之外，還對學習者交互文本進行了深層次分析；肖君等[7]通過大數(shù)據分析技術構建開放學習分析模型，形成學習者畫像促進個性化教學，其中在線學習活動中所呈現(xiàn)的學習行為、學習路徑是重要數(shù)據來源；馬志強等[10]致力于問題解決學習活動的研究，包括問題解決在線學習活動中的任務設計、協(xié)作學習中的角色設計、知識建構過程、批判性思維發(fā)展等。

2.4? 關鍵詞分析

文章中的關鍵詞是對文章中信息的高度概括。對關鍵詞的分析可以解釋該領域的研究重點和發(fā)展趨勢。

2.4.1? 關鍵詞共現(xiàn)圖譜及頻次分析? 如圖4所示，本研究關鍵詞共現(xiàn)圖譜中共98個節(jié)點，173條連線，密度為0.036 4。節(jié)點圓圈越大，關鍵詞出現(xiàn)頻率越高。圓圈之間的線表示兩者之間的相關性，相關性越強，線越粗。從研究結果來看，在線學習活動領域的研究熱點是松散的、低密度的網絡結構，這表明該領域的研究覆蓋面廣，專注度偏低。

關鍵詞頻次對該領域的研究熱點有一定呈現(xiàn)力。中心度（Centrality）反映節(jié)點在研究網絡中的重要性。中心度大于0.1，可以認為該節(jié)點為研究熱點。如表2所示，在線學習活動研究關鍵詞共現(xiàn)中共有六個中心度大于0.1的關鍵節(jié)點，即在線學習（0.68）、在線學習活動（0.15）、學習分析（0.23）、混合學習（0.13）、學習活動（0.16）、影響因素（0.16）。其中，在線學習、在線學習活動、學習活動與研究主題具有領域涵蓋關系，頻次高；學習分析、混合學習、影響因素呈現(xiàn)出的高頻次體現(xiàn)其在在線學習活動研究中的熱點地位。

2.4.2? 突現(xiàn)詞分析? 如圖5所示，研究樣本文獻中共有四個突現(xiàn)詞，它們在某一時間段內出現(xiàn)頻次突然增高。結合文獻內容進行分析可得：2011—

2012年與2013—2016年，基于Moodle、Moodle平臺的在線學習活動研究為該領域的熱點，相關研究覆蓋引領式在線學習活動、在線協(xié)作學習、在線學習動機等?；旌鲜綄W習在2011—2013年突現(xiàn)，這一

階段研究者對于混合式環(huán)境下的在線學習活動的教學設計、策略研究、模式研究較為充分。MOOC在2014—2016年突現(xiàn)，這是由于2013年起，MOOC大規(guī)模走進亞洲，我國MOOC教育教學走向成功并與其他國家MOOC教學接軌，國家政策與信息化教學環(huán)境同樣促使MOOC學習活動的研究走向熱潮。

2.4.3? 時序圖譜分析? 將圖譜呈現(xiàn)方式設為Timezone，展現(xiàn)研究文獻關鍵詞在時間中的變化，結果如圖6所示。該圖譜展現(xiàn)了在線學習活動研究的發(fā)展脈絡：2011—2014年，在線學習活動研究熱點較為分散，主要包括在線學習活動的內涵、理念、教學模式、影響因素等本體論和理論研究，除此之外，還涉及課程設計、混合式學習、Moodle平臺的應用等角度的研究；2015—2018年，人工智能、大數(shù)據與教育深度結合，在線學習活動中學習者的行為成為研究的數(shù)據來源，學習分析、學習投入、學習行為、深度學習出現(xiàn)在在線學習活動的研究領域；2019年以后，研究熱點的廣度從在線課程擴展到在線教育，向著更全面、更宏觀的角度發(fā)展。

3? 結論與反思

3.1? 結論

通過對近十年的513篇在線學習活動相關文獻進行可視化分析，了解該領域發(fā)文量的時間變化、高影響力機構、核心作者，通過關鍵詞共現(xiàn)圖譜及頻次分析、突現(xiàn)詞和時區(qū)圖譜，探究在線學習活動近十年的研究趨勢，結合文獻閱讀與剖析，得出以下結論。

3.1.1? 在線學習活動的研究隨著教育信息化的快速發(fā)展和國家深入推進教育教學改革而整體處于上升發(fā)展的趨勢? 新冠疫情對在線教學的挑戰(zhàn)使研究者對于在線學習活動的思考走向高潮，這說明未來在線學習活動的研究仍將處于熱門研究狀態(tài)，并朝著學校教育教學、疫情常態(tài)化防控下如何促進師生教與學的方向發(fā)展。

3.1.2? 在線學習活動的研究機構合作程度不高，聯(lián)系少，高影響力機構集中在幾所知名度較高的師范大學的教育或教育技術學院? 各個高?？梢园l(fā)揮自己的優(yōu)勢和長處，相互學習交流，加強合作、分享資源，合力促進在線學習活動研究在技術、理論、應用等各方面綜合發(fā)展。

3.1.3? 在線學習活動研究的作者聯(lián)系少，合作程度低，有合作關系的作者基本來自同一單位? 從

核心作者的研究可以看出，研究者對于在線學習活動的研究集中在與深度學習、協(xié)作學習、批判性思維等主題的融合，并提出解決策略或模型。這說明如何在在線學習環(huán)境中利用不同教學方法開展活動，培養(yǎng)學習者的各項能力，促進學習者學習，滿足教與學的需求，達到教學目標，是需要研究者廣泛而全面進行研究的核心。

3.1.4? 學習分析是在線學習活動領域的研究熱點之一? 通過學習分析，教育工作者可以對學生的學習成績進行預測，所得數(shù)據體現(xiàn)學習過程中的問題，進而幫助教學者及時進行教學干預，防止“高風險”學生中途退學。除此之外，目前學習分析也用于提供個性化的學習反饋，培養(yǎng)學生批判性思維等，激發(fā)學生自主學習意識等[8]?；跀?shù)據挖掘算法和學習分析技術，趙慧瓊等[9]建立在線學習干預模型，提出具體的干預措施，實施個性化指導，促進學習質量的提升。馬志強等[10]對已有的學習行為分析研究成果進行分類，構建行為模式的三維模式分析框架，包括行為序列描述、關鍵事件診斷和行為結果預測。荊永君等[11]運用學習分析技術，實證研究某市教師在線學習中的學習行為，總結出教師行動方式簡單、社會互動不理想等問題，給出提供腳手架和干預機制等建議。

3.1.5? 教育信息化促進線上學習與面對面教學相結合的混合式學習模式發(fā)展? 本研究結果論證了在線學習活動與混合學習之間強烈的關聯(lián)性。周媛等[12]分析了學生在混合學習活動中投入學習的情況，論證了形成差異的原因，得出必要的作業(yè)設定和測試、教師指導、循序漸進地反饋、對學生的認知負荷進行控制等措施，可以促進學生學習水平的提高。穆肅等[13]對不同復雜度混合學習的設計與實施方法進行探究，包括簡單組合、結合、整合、融合。李利等[14]討論了大學生混合學習中教學情境的感知對深度學習的影響，并提出強化在線學習設計以促進學生認知投入等建議。

3.1.6? 針對各維度的在線學習活動影響因素的研究從源頭出發(fā)剖析? 包括在線學習者的投入、體驗、行為意愿的影響因素，也包括落實到高職院校、高師院校環(huán)境中學習現(xiàn)狀、動機的研究，以及基于技術角度的分析，如基于Moodle平臺的學習動機以及混合學習中虛實互動的影響因素研究。在線學習活動過程中涵蓋學習者、教學者、平臺、環(huán)境、教學設計、教學評價等組成部分，可研究的方向廣泛，對于更多角度的影響因素分析為研究者提供了新思路。

3.2? 反思

在線學習活動的研究已有時間和經驗的積淀并趨于成熟，但是面對新形勢仍有進一步發(fā)展的空間。

3.2.1? 疫情防控常態(tài)化背景下，在線學習活動在K12領域的研究仍有很大的研究空間? 在后疫情時代，線上線下相結合的教學方式將在K12領域呈現(xiàn)普遍性。研究者需要總結疫情防控期間的經驗和教訓，思考如何設計、開展在線學習活動來降低K12教育中師生分離帶來的影響，保證正常教育教學，以及如何在新教育教學環(huán)境下整合學習資源，利用學習工具，提供支持與服務，促進學生自主學習，提升在線學習活動參與感和積極性等問題，為今后各種突發(fā)性遠程教育教學需求提供支持。

3.2.2? 提高MOOC建設質量，選好用好平臺? 各

高校已將MOOC作為教育教學的重要組成部分，而目前MOOC發(fā)展陷入規(guī)模大但課程質量參差不齊的困境，不足以滿足學生個性化的學習需求，且?guī)熒?、生生有效交互少，教學臨場感處于淺層次水平。如何通過在線學習活動有效促進知識遷移與運用，促進深度學習，以及高校在MOOC建設中如何對在線學習活動開展進行有效把控，具體的實施建議和策略等需要研究者深度探索。

在線學習活動的開展依托各平臺的技術支持、技術整合和互補，平臺的篩選需要各機構、組織共同探索。在大數(shù)據、人工智能迅速發(fā)展的背景下，學習分析嵌入平臺，幫助教學者監(jiān)控教學，促進學習者個性化學習，是未來教育發(fā)展的必經之路，將在移動學習、開放教育等各個領域迎來更多挑戰(zhàn)。

3.2.3? 在線學習活動研究是廣而深的話題，應多方協(xié)作促進整體發(fā)展? 數(shù)據開放、數(shù)據共享、資源整合可為各研究者、機構的合作帶來契機，促進在線學習活動研究進一步發(fā)展。

參考文獻

[1] 王楠.在線學習活動設計模型研究[J].中國遠程教育，2014（4）：31-34.

[2] 肖明，孔成果.2013年我國圖書館學情報學發(fā)展前沿文獻計量分析[J].圖書館學研究，2014（20）：6-15.

[3] 蔡建東，馬婧，袁媛.國外CSCL理論的演進與前沿熱點問題：基于 Citespace的可視化分析[J].現(xiàn)代??教育技術，2012，22（5）：10-16.

[4] 李海峰，王煒.自組織視域下的在線深度協(xié)作知識建構研究[J].中國遠程教育，2019（1）：47-57.

[5] 王孝金，穆肅.在線學習中深層次學習影響因素研究[J].電化教育研究，2020，41（10）：45-51.

[6] 俞樹煜，王國華，聶勝欣，等.在線學習活動中促進批判性思維發(fā)展的問題解決學習活動模型研究[J].電化教育研究，2015，36（7）：35-41，72.

[7] 肖君，喬惠，李雪嬌.大數(shù)據環(huán)境下在線學習者畫像的構建[J].開放教育研究，2019，25（4）：111-120.

[8] 維伯格，哈利勒，巴斯，等.在線學習環(huán)境下的自我調節(jié)學習和學習分析實證研究述評[J].肖俊洪，譯.中國遠程教育，2020（12）：28-41，58，93.

[9] 趙慧瓊，姜強，趙蔚，等.基于大數(shù)據學習分析的在線學習績效預警因素及干預對策的實證研究[J].電化教育研究，2017，38（1）：62-69.

[10] 馬志強，汪一池，岳蕓竹，等.學習分析視閾下在線學習行為模式研究[J].現(xiàn)代遠距離教育，2019（6）：35-44.

[11] 荊永君，李昕.學習分析技術支持下的教師在線學習行為特征分析[J].中國電化教育，2020（2）：75-82.

[12] 周媛，韓彥鳳.混合學習活動中學習者學習投入的研究[J].電化教育研究，2018，39（11）：99-105.

[13] 穆肅，溫慧群.適應學生的學習：不同復雜度的混合學習設計與實施[J].開放教育研究，2018，24（6）：60-69.

[14] 李利，顧衛(wèi)星，葉建敏，等.混合學習中大學生教學情境感知對深度學習的影響研究[J].中國電化教育，2019（9）：121-127.

作者：田昕，首都師范大學教育學院在讀碩士，研究方向為信息技術教育（100048）。