摘" 要：學習分析是近年來我國教育技術(shù)研究領(lǐng)域的熱門話題。使用CiteSpace這一可視化工具并與文獻計量學方法相結(jié)合，對我國2011年以來學習分析領(lǐng)域研究的發(fā)文量、作者分布、機構(gòu)分布、研究熱點和前沿演進進行分析，并基于此提出四點發(fā)展建議：加強核心研究機構(gòu)之間的合作，構(gòu)建研究共同體；加強學習分析領(lǐng)域的跨學科交叉合作；促進學習分析研究與實踐在教育各領(lǐng)域全面開展；探索將學習分析技術(shù)應用于線下課堂學習環(huán)境。

關(guān)鍵詞：學習分析；CiteSpace；教育技術(shù)

文章編號：1671-489X（2025）02-000-07

DOI：10.3969/j.issn.1671-489X.2025.02.00

0" 引言

學習分析（Learning Analytics）是教育技術(shù)領(lǐng)域的一項新興技術(shù)，源于商業(yè)智能、網(wǎng)站分析等研究領(lǐng)域，自《2011地平線報告》發(fā)布后逐漸受到教育研究者的關(guān)注[1]。2011年，George Siemens等人發(fā)起并組織了第一屆學習分析與知識國際會議（LAK），這次會議標志著學習分析成為一個相對獨立的研究領(lǐng)域。這一會議此后每年都會舉辦。2012年，《教育技術(shù)和社會》雜志出版了關(guān)于學習分析的特刊。2013年，學習分析研究會（SoLAR）、國際教育數(shù)據(jù)挖掘研究會（IEDMS）等共同在斯坦福大學創(chuàng)建斯坦福學習分析夏季學院（LASI），為學習分析研究和應用培訓提供相關(guān)支持。2014年，《學習分析期刊》首次發(fā)行。這一系列事件推動著學習分析技術(shù)不斷向前發(fā)展，逐漸走向成熟。關(guān)于學習分析的概念，目前還沒有達成定論，不同的研究者從不同視角出發(fā)，對其內(nèi)涵有不同的詮釋。其中，首屆學習分析與知識國際會議將學習分析定義為“測量、收集、分析和報告關(guān)于學習者及其學習情境的數(shù)據(jù)，以期了解和優(yōu)化學習和學習發(fā)生的情境”[2]，該定義被國際學者普遍認同并廣泛應用。

為了解我國學習分析領(lǐng)域研究的主要進展和現(xiàn)狀，本文通過CiteSpace軟件對2011年至今我國學習分析領(lǐng)域的相關(guān)文獻進行可視化分析，以梳理出我國學習分析研究的熱點與前沿，從而為進一步研究提供參考。

1" 數(shù)據(jù)來源與研究方法

1.1" 數(shù)據(jù)來源

本研究的數(shù)據(jù)來源于CNKI（中國知網(wǎng)），使用其高級檢索功能進行數(shù)據(jù)的篩選和獲取。在檢索條件中，以“學習分析”為關(guān)鍵詞；期刊來源類型選擇“全部期刊”；由于2011年舉辦的第一屆學習分析與知識國際會議是學習分析成為一個相對獨立的研究領(lǐng)域的標志，因此將年限范圍設(shè)置為2011年至今；其他檢索條件均為默認。檢索日期為2023年12月16日。共檢索到2 085篇文獻。由于主要分析國內(nèi)對學習分析領(lǐng)域的研究，因此在檢索結(jié)果中再選擇“中文文獻”，獲得707篇文獻。為保證文獻的可靠性，通過人工篩選清洗掉述評、訪談、會議通知等不相關(guān)文獻共22篇，最終得到文獻685篇，這就是本次研究的研究樣本。

1.2" 研究方法

CiteSpace是由陳超美開發(fā)的一款知識、信息可視化軟件。它能對期刊文獻進行相關(guān)信息的提取，生成對應的可視化圖譜，并通過對圖譜的解讀讓使用者了解相關(guān)領(lǐng)域的主題、熱點、聯(lián)系、前沿和發(fā)展趨勢。本研究使用文獻信息可視化軟件CiteSpace 6.2.R6對所得樣本數(shù)據(jù)進行處理和分析，同時運用Excel進行圖表繪制。使用文獻計量學等方法，繪制出學習分析相關(guān)研究的知識圖譜，利用圖譜直觀地展示作者合作、機構(gòu)合作、關(guān)鍵詞共現(xiàn)、關(guān)鍵詞聚類、突現(xiàn)詞等，探尋我國學習分析研究領(lǐng)域的熱點與前沿。

2" 研究結(jié)果分析

2.1" 發(fā)文量統(tǒng)計

為了解2011年以來我國學習分析領(lǐng)域研究成果產(chǎn)出情況，本文以最終收集到的685條文獻信息按照發(fā)表年份進行頻次統(tǒng)計，并繪制出我國學習分析研究的發(fā)文量時間變化趨勢，如圖1所示。

結(jié)果顯示，2011年至今，我國學習分析領(lǐng)域研究成果豐富，是國內(nèi)教育工作者關(guān)注的重點之一，其總體發(fā)展趨勢表現(xiàn)為先增長、后保持的態(tài)勢，可大致分為三個階段。

第一階段是2012—2013年，處于萌芽起步階段。2011年，學習分析剛剛在國際上被確立為一個相對獨立的研究領(lǐng)域，此時我國學者還沒有發(fā)表相關(guān)文獻。從2012年開始，我國逐漸有學者對學習分析領(lǐng)域進行研究，比較有代表性的論文是顧小清等發(fā)表的《學習分析：正在浮現(xiàn)中的數(shù)據(jù)技術(shù)》。由此，學習分析在我國開始吸引越來越多學者的目光，并在教育領(lǐng)域得到進一步發(fā)展。這一時期在研究方向上，基本處于理論研究階段，實際應用較少，重視學習分析在技術(shù)層面的研究，如朱珂和劉清堂提出一個應用學習分析技術(shù)的自適應學習系統(tǒng)框架。論文年發(fā)表量較少，均少于40篇，但發(fā)文量逐年增長，態(tài)勢良好。

第二階段是2014—2019年，處于快速發(fā)展階段。有關(guān)學習分析的研究快速增長，2014年發(fā)文量陡增，從前一年的14篇躍升到44篇，之后保持高發(fā)文量的態(tài)勢，到2019年達到頂峰值96篇。在這期間，2015年8月，國務(wù)院印發(fā)《促進大數(shù)據(jù)發(fā)展行動綱要》，大數(shù)據(jù)在教育領(lǐng)域的運用是學習分析產(chǎn)生的前提，這在一定程度上推動了學習分析研究熱潮的形成；2018年，《教育信息化2.0行動計劃》出臺，指出要積極推進“互聯(lián)網(wǎng)+教育”，發(fā)揮技術(shù)優(yōu)勢，推進新技術(shù)與教育教學的深度融合，這一政策導向進一步激發(fā)了學者們研究學習分析領(lǐng)域的熱情。在研究方向上逐步走向?qū)嵺`應用、實證研究。

第三階段是2020年至今，處于平緩發(fā)展階段。這一時期，可能是受到新冠疫情的影響，國內(nèi)關(guān)于學習分析的發(fā)文量略有下降，但可以預見總體仍然是向上發(fā)展的態(tài)勢。在研究方向上開始注意跨學科融合，探索可持續(xù)發(fā)展。

2.2" 作者分布

通過分析作者發(fā)表文章數(shù)量的情況，可以洞察其在該領(lǐng)域研究的持續(xù)性、深入程度和所作出的貢獻。作者的分布情況可以在一定程度上反映本研究領(lǐng)域科研活動的發(fā)展進程。在CiteSpace運行主窗口中設(shè)置時間范圍（Time Slicing）為2012—2023，并設(shè)置Years Per Slice為1，選擇節(jié)點類型（Node Types）“Author”，設(shè)置selection Criteria（topN=50），得到作者網(wǎng)絡(luò)圖譜，共涉及196個作者，如圖2所示。

圖中每個節(jié)點代表一位作者，節(jié)點越大，意味著這個作者發(fā)文數(shù)量越多；節(jié)點之間的連線代表著作者之間的合作情況，連線越粗，意味著作者之間合作的強度越大。由圖2可知，學習分析領(lǐng)域的研究者中，核心作者以趙蔚為首，武法提、顧小清、魏順平、姜強次之；此外，牟智佳、馬志強、鄭勤華等也是該領(lǐng)域的高產(chǎn)作者，他們在學習分析領(lǐng)域進行了比較深入的研究，研究成果較多。在合作方面，作者節(jié)點數(shù)N為196，連接數(shù)E為173，密度Density是0.009 1。從整個圖來看，分散的節(jié)點較多，且這些節(jié)點總體較小，說明關(guān)注該領(lǐng)域的學者較多，但很多只發(fā)表了一篇或兩篇文章，沒有持續(xù)研究下去，通常進行獨立研究，僅有部分作者尤其是高產(chǎn)作者間有較多的合作關(guān)系，學習分析領(lǐng)域整體還未形成明顯的研究共同體。

2.3" 機構(gòu)分布

通過對某一機構(gòu)發(fā)表論文的數(shù)量進行統(tǒng)計，可以在一定程度上反映其在該領(lǐng)域研究的持續(xù)性、深入程度和所作出的貢獻。節(jié)點類型選擇“Institution”，運行CiteSpace得到研究機構(gòu)網(wǎng)絡(luò)圖譜，共涉及156個研究機構(gòu)，如圖3所示。

從發(fā)文數(shù)量來看，華東師范大學教育信息技術(shù)學系、北京師范大學遠程教育研究中心、東北師范大學計算機科學與信息技術(shù)學院、北京師范大學教育技術(shù)學院、華中師范大學教育信息技術(shù)學院排名前五，表明這五個機構(gòu)（四所學校）在學習分析領(lǐng)域居于領(lǐng)跑地位。這與多數(shù)核心作者的所在單位高度吻合，凸顯出這些機構(gòu)聚集了一批研究學習分析的專家學者。其中，華東師范大學教育信息技術(shù)學系尤為突出，其發(fā)文量位居榜首，而且自2012年起即有相關(guān)研究成果發(fā)表，這體現(xiàn)出該機構(gòu)對學習分析領(lǐng)域的研究在我國有重要的影響力和奠基作用。在研究機構(gòu)的地域分布方面，呈現(xiàn)比較明顯的集中于東部地區(qū)的趨勢，而中部和西部地區(qū)的研究力量相對較弱。在研究機構(gòu)的屬性方面，絕大部分是師范類高校，少部分是綜合類、理工類高校。

在合作方面，由圖3可知，我國學習分析領(lǐng)域的研究格局大致為，以華東師范大學教育信息技術(shù)學系為核心機構(gòu)，以師范類高校為主要研究力量。研究機構(gòu)節(jié)點數(shù)N為156，連接數(shù)E為81，密度Density是0.006 7，主要研究機構(gòu)與其他研究機構(gòu)間有一定聯(lián)系，但主要研究機構(gòu)之間的合作較少，尤其是不在同一地區(qū)、不屬于同一所學校的主要研究機構(gòu)。從研究機構(gòu)網(wǎng)絡(luò)圖譜來看，最為核心的機構(gòu)華東師范大學教育信息技術(shù)學系與其他核心機構(gòu)之間沒有進行過合作。

2.4" 研究熱點分析

2.4.1" 關(guān)鍵詞頻次與中心度統(tǒng)計分析

關(guān)鍵詞能夠最直接地反映和概括一篇文章的主題與內(nèi)容，頻次和中心度高的關(guān)鍵詞揭示了在一定時期內(nèi)研究者們所共同關(guān)注的議題，反映了研究熱點。關(guān)鍵詞的頻次越高，意味著其在該研究領(lǐng)域越受到關(guān)注；而中介中心度是衡量某個關(guān)鍵詞在網(wǎng)絡(luò)圖中重要性的關(guān)鍵參考數(shù)據(jù)，中心度大于0.1的稱為關(guān)鍵詞的關(guān)鍵節(jié)點，節(jié)點中心度越高，其在該領(lǐng)域的地位就越重要。將節(jié)點類型設(shè)置為“Keyword”，運行CiteSpace軟件，得到學習分析領(lǐng)域的關(guān)鍵詞表，統(tǒng)計出高頻次的前10個關(guān)鍵詞和高中介中心度的前10個關(guān)鍵詞，如表1和表2所示。

由表1和表2可知，從2011年至今，我國學習分析領(lǐng)域的研究熱點主要有“學習分析”“大數(shù)據(jù)”“數(shù)據(jù)挖掘”“在線學習”“學習行為”“人工智能”“學習投入”“協(xié)作學習”“可視化”“在線課程”“機器學習”“學習環(huán)境”“智能教育”“學習者”。這體現(xiàn)出，在學習分析領(lǐng)域，國內(nèi)學者主要是基于對大數(shù)據(jù)、數(shù)據(jù)挖掘、人工智能等技術(shù)和機器學習等算法的探索，測量并收集學習者在在線課程中的各類學習行為數(shù)據(jù)，分析學習者進行在線學習時的學習投入、協(xié)作學習等情況，以可視化的方式輸出結(jié)果，研究構(gòu)建與優(yōu)化智慧學習環(huán)境，推進智能教育。

其中，“學習分析”的中心度數(shù)值為1.27，頻次為685，它是知識圖譜中最為核心的節(jié)點，作為中心樞紐把其他關(guān)鍵詞聯(lián)系起來。前三個關(guān)鍵詞的頻次都在50次以上，是強勢關(guān)鍵詞，比靠后的關(guān)鍵詞的頻次要高出許多，這說明學者們對“學習分析”“大數(shù)據(jù)”“數(shù)據(jù)挖掘”進行了長期探索與深入研究。前六個關(guān)鍵詞的詞頻與中介中心度在表格中均位列前十，這體現(xiàn)出“學習分析”“大數(shù)據(jù)”“數(shù)據(jù)挖掘”“在線學習”“學習行為”和“人工智能”在研究中受到學者關(guān)注。此外，“機器學習”“學習環(huán)境”“智能教育”和“學習者”這幾個雖然不是強勢關(guān)鍵詞，也不在頻次排名前十的關(guān)鍵詞中，但它們的中心度均高于0.22，起到連接其他關(guān)鍵詞的重要樞紐作用，在學習分析領(lǐng)域有著不可忽視的地位。

2.4.2" 關(guān)鍵詞聚類分析

使用CiteSpace對關(guān)鍵詞進行聚類分析，繪制關(guān)鍵詞聚類圖譜，得到10個方面的聚類，如圖4所示。通常當圖譜中的聚類模塊值（Modularity）Q值超過0.3時，表明聚類結(jié)構(gòu)是顯著的；當聚類平均輪廓值（Silhouette）S值超過0.7時，意味著聚類結(jié)果是令人信服的。該圖譜的Q值為0.795 1，

遠大于0.3；S值是0.972，遠大于0.7。這充分說明該圖譜的聚類結(jié)構(gòu)顯著，并且聚類結(jié)果高度可信。SIZE表示聚類大小值，選擇SIZE值在15及以上的前六個聚類，進行如下分析。

聚類0是“學習分析”，SIZE值為89，主要共現(xiàn)的核心關(guān)鍵詞有學習分析、大數(shù)據(jù)、網(wǎng)絡(luò)學習、3D打印、SPOC等。陸巖等[3]指出當前學習分析研究主要聚焦三大主題，即大數(shù)據(jù)背景下的學習分析模型框架的設(shè)計研究，學習分析工具及應用研究，學習分析對學習活動、過程的優(yōu)化研究。

聚類1是“大數(shù)據(jù)”，SIZE值為31，主要共現(xiàn)的核心關(guān)鍵詞有大數(shù)據(jù)、分析技術(shù)、關(guān)聯(lián)規(guī)則、數(shù)據(jù)挖掘、應用研究等。學習分析是大數(shù)據(jù)技術(shù)在教育領(lǐng)域的典型應用，我國學者自研究學習分析領(lǐng)域以來，對大數(shù)據(jù)技術(shù)進行了長期探索。例如：2014年，馮翔等[4]引入大數(shù)據(jù)技術(shù)，設(shè)計了以Hadoop為核心的學習分析系統(tǒng)，構(gòu)建基于學習分析的智能數(shù)字化教育服務(wù)，并列舉了此技術(shù)方案的具體應用案例；2016年，趙慧瓊等[5]構(gòu)建了數(shù)據(jù)安全與隱私保護框架，并提出相關(guān)策略，以期提高利

用學習分析技術(shù)進行大數(shù)據(jù)研究的成效；2021年，韓小燕等[6]基于教育大數(shù)據(jù)構(gòu)建了以學習分析為核心的“信息采集—成績預測—干預措施—效果評估”四環(huán)節(jié)循環(huán)結(jié)構(gòu)學習干預模型，以期能夠有效引導高職學生學習，化解學習危機，促進個性化教學。

聚類2是“人工智能”，SIZE值為24，主要共現(xiàn)的核心關(guān)鍵詞有人工智能、在線教學、高職、精準教學、影響因素等。人工智能技術(shù)是學習分析領(lǐng)域的核心技術(shù)之一，基于人工智能的學習分析技術(shù)對實現(xiàn)精準教學、提高教學質(zhì)量等有重要作用。例如，周進等[7]認為融合人工智能技術(shù)的學習分析在推動計算教育學發(fā)展、培育數(shù)據(jù)驅(qū)動思維、構(gòu)建終身學習服務(wù)體系、提升教育治理水平等方面具有極大潛能；何皓怡等[8]提出了人工智能技術(shù)支持的協(xié)同知識建構(gòu)過程分析模型，以實現(xiàn)智能技術(shù)與協(xié)同知識建構(gòu)過程分析的融合，進而促進學習績效的提升。

聚類3是“協(xié)作學習”，SIZE值為23，主要共現(xiàn)的核心關(guān)鍵詞有協(xié)作學習、信息技術(shù)、可視化、在線課程、個性化等。協(xié)作學習，尤其是在線協(xié)作學習是學習分析領(lǐng)域研究的一個重要方面，學習分析技術(shù)的興起為協(xié)作學習提供了新的發(fā)展機遇和空間。例如，鄭婭峰等[9]基于學習分析的視角，構(gòu)建了面向計算機支持的協(xié)作學習分析模型，來有效識別群組成員的交互結(jié)構(gòu)，并基于該模型設(shè)計開發(fā)了支持在線協(xié)作學習過程分析的交互式可視化工具，在在線課堂中開展了實踐研究。

聚類4是“數(shù)據(jù)挖掘”，SIZE值為23，主要共現(xiàn)的核心關(guān)鍵詞有數(shù)據(jù)挖掘、學習行為、分類、合作學習、網(wǎng)絡(luò)課程等。數(shù)據(jù)挖掘技術(shù)在教育領(lǐng)域的價值一直以來都對學界有著巨大的吸引力，相關(guān)研究者致力于使用該技術(shù)對教育教學系統(tǒng)的海量數(shù)據(jù)進行挖掘，比如，挖掘?qū)W習者在學習網(wǎng)絡(luò)課程時的各種學習行為、合作學習方面的數(shù)據(jù)，以發(fā)現(xiàn)這些教育數(shù)據(jù)的潛在價值，從而優(yōu)化教與學。

聚類5是“機器學習”，SIZE值為19，主要共現(xiàn)的核心關(guān)鍵詞有機器學習、在線學習、模型、自主學習、智能教育等。機器學習在學習分析領(lǐng)域有著不可忽視的重要地位，機器學習技術(shù)的可解釋性是人工智能與教育教學深度融合、推進智能教育的關(guān)鍵所在。例如，張曉峰等[10]聚焦學習云空間中學習主體認知投入相關(guān)數(shù)據(jù)的獲取，提出基于機器學習的認知投入量化方法。

2.5" 前沿演進分析

突現(xiàn)詞是指在一定時期內(nèi)出現(xiàn)頻次高、變化速度快的詞，通過對突現(xiàn)詞進行有效梳理與追蹤，能夠探索某一領(lǐng)域的研究前沿，從而有助于把握該領(lǐng)域的未來發(fā)展方向。在Citespace中，選擇Burstness，設(shè)置γ=0.6，共獲得15個突現(xiàn)詞，如圖5所示，該圖展示了每個突現(xiàn)詞的名稱（Keywords）、突變強度（Strength）、突變起始年份（Begin）和突變結(jié)束年份（End）。

由圖5可知，在我國學習分析領(lǐng)域的研究初期，2012年，研究者開始研究“數(shù)據(jù)挖掘”“電子書包”

“學習過程”，且對這三個方面的研究熱潮均持續(xù)了三年或三年以上，進行了深入探索；2013和2014年，分別開始關(guān)注“教育數(shù)據(jù)”與“模型”。在研究中期，學界逐漸將目光聚焦于“混合學習”“網(wǎng)絡(luò)學習”，研究“學習科學”“教育技術(shù)”“教學設(shè)計”，探究學習分析在教學中的實踐應用，試圖改進教與學，但研究熱潮的持續(xù)時間相對較短。在研究后期，自2020年開始，隨著對學習分析的不斷深入研究，同時在疫情防控期間大規(guī)模在線教育的背景下，面對學生在線學習中出現(xiàn)的各種問題，研究者開始致力于探索學生在進行在線學習時的“學習投入”與“協(xié)作學習”，研究“機器學習”算法，旨在提升在線學習效果，保證在線教育質(zhì)量；2021年，學界開始對“人工智能”與“智能教育”進行研究，挖掘?qū)W習分析在融合人工智能技術(shù)、推動智能教育中的巨大潛能。

其中，突現(xiàn)情況出現(xiàn)在2020—2023年，并且持續(xù)至今的突現(xiàn)詞能夠在一定程度上反映研究前沿，符合該條件的突現(xiàn)詞主要為“學習投入”“機器學習”“人工智能”和“智能教育”。并且，這四個關(guān)鍵詞的突變強度均大于2，處于較高水平，尤其是“學習投入”的突變強度最高，達到6.66，這說明它們在近幾年受到該領(lǐng)域?qū)W者的關(guān)注。

3" 研究結(jié)論與建議

3.1" 研究結(jié)論

經(jīng)過對學習分析領(lǐng)域的相關(guān)文獻進行可視化分析，發(fā)現(xiàn)目前我國的學習分析領(lǐng)域研究存在一些不足，主要包括以下幾點。

3.1.1" 研究機構(gòu)、作者之間的合作不夠充分，還未形成明顯的研究共同體

從研究機構(gòu)網(wǎng)絡(luò)圖譜來看，通常是處在同一地域或同一學校的核心機構(gòu)之間合作較頻繁，而不在同一地域、不屬于同一所學校的核心研究機構(gòu)之間合作非常少，整體分布較分散，還未形成大范圍的明顯的研究共同體，不利于相關(guān)研究者對學習分析領(lǐng)域的研究成果進行充分的分享與交流。

3.1.2" 缺少從跨學科視角對學習分析領(lǐng)域的研究

學習分析領(lǐng)域涉及教育學、信息科學、系統(tǒng)科學、認知科學、工程學、心理學等多種學科，需要進行跨學科拓展與合作。從研究機構(gòu)網(wǎng)絡(luò)圖譜可知，目前研究者的學科背景多為教育學和信息科學，缺少與其他學科的合作。通過對相關(guān)文獻的梳理，發(fā)現(xiàn)目前已經(jīng)有一些研究者開始注意到學習分析領(lǐng)域需要加強跨學科的交叉合作，但大多只停留在意識層面或進行了簡單的理論探討，在文獻中通常是在“未來趨勢”部分有所提及，并沒有真正從跨學科的視角出發(fā)研究學習分析領(lǐng)域。

3.1.3" 在實踐應用中以高等教育領(lǐng)域為主，面向基礎(chǔ)教育、職業(yè)教育等領(lǐng)域較少

通過調(diào)研文獻，發(fā)現(xiàn)目前在學習分析領(lǐng)域的實踐應用中，主要是針對高等教育領(lǐng)域進行研究，面向基礎(chǔ)教育、職業(yè)教育、繼續(xù)教育等領(lǐng)域的文獻相對較少，而它們是在線學習中非常具有代表性的領(lǐng)域，這就可能導致學習分析領(lǐng)域的研究失之偏頗，沒有足夠了解和優(yōu)化中小學生、高職學生等類型學習者的學習與學習情境。

3.1.4" 主要應用于在線學習環(huán)境，很少應用于線下課堂學習環(huán)境

George Siemens認為，實現(xiàn)對現(xiàn)實世界學習數(shù)據(jù)的采集是學習分析的重要發(fā)展前景之一。當前，學習分析技術(shù)的應用環(huán)境絕大多數(shù)是線上，很少有研究者研究將其應用于線下課堂學習環(huán)境，這是學習分析面臨的機遇，同時也是挑戰(zhàn)。

3.2" 發(fā)展建議

針對以上不足，提出以下發(fā)展建議。

3.2.1" 加強核心研究機構(gòu)之間的合作，構(gòu)建研究共同體

對于不在同一地域、不屬于同一所學校的核心研究機構(gòu)之間的合作，一方面，建議舉辦一些線下的學術(shù)交流講座，促進研究者之間的深入交流與探討；另一方面，也可以使用在線平臺進行定期的視頻會議，以便于研究者及時交流研究成果、進展情況和遇到的問題，促進學術(shù)思想的碰撞與融合。除此以外，研究機構(gòu)之間還可以組織學習分析領(lǐng)域的聯(lián)合研究項目，將各核心研究機構(gòu)的優(yōu)勢結(jié)合起來，有助于提高研究質(zhì)量，推動學術(shù)進步。

3.2.2" 加強學習分析領(lǐng)域的跨學科交叉合作

跨學科合作是學習分析發(fā)展的重要趨勢，需要重點關(guān)注與研究。建議該領(lǐng)域的研究者與其他學科的研究者組成研究團隊，積極進行合作，學習他們的學科知識與經(jīng)驗，以打破學科壁壘，掌握更加全面的數(shù)據(jù)信息，促進跨學科的思想碰撞，共同對學習分析領(lǐng)域進行研究，解決復雜的問題。

3.2.3" 促進學習分析研究與實踐在教育各領(lǐng)域全面開展

加大對基礎(chǔ)教育、職業(yè)教育、繼續(xù)教育等領(lǐng)域的關(guān)注，促進學習分析研究與實踐在教育各個領(lǐng)域全面開展，以有針對性地了解和優(yōu)化不同教育領(lǐng)域?qū)W習者的學習與學習情境，響應教育各領(lǐng)域?qū)虒W規(guī)律、方法、技術(shù)探索的需求。

3.2.4" 探索將學習分析技術(shù)應用于線下課堂學習環(huán)境

物聯(lián)網(wǎng)時代的學習分析有了新的發(fā)展，讓真實環(huán)境中的生物數(shù)據(jù)收集和處理成為可能。學界可以將學習分析技術(shù)與生物識別技術(shù)、傳感器技術(shù)、可穿戴設(shè)備、物聯(lián)網(wǎng)技術(shù)等相結(jié)合，追蹤與采集學生在線下課堂學習過程中的各種面部表情、肢體行為、語言等外顯數(shù)據(jù)和腦電、皮膚電、激素分泌等生理數(shù)據(jù)，從而探究學習者的認知與情感變化，實現(xiàn)學習分析技術(shù)在線下課堂學習環(huán)境中的應用，以優(yōu)化線下教與學。

4" 參考文獻

[1] 張家華，鄒琴，祝智庭.國內(nèi)近五年學習分析研究現(xiàn)狀的可視化綜述[J].浙江師范大學學報（社會科學版），2017，42（1）：117-124.

[2] 王良周，于衛(wèi)紅.大數(shù)據(jù)視角下的學習分析綜述[J].中國遠程教育，2015（3）：31-37.

[3] 陸巖，趙威，馬曉義.學習分析的研究熱點與主題可視化分析[J].智庫時代，2020（8）：184-185.

[4] 馮翔，余明華，馬曉玲，等.基于大數(shù)據(jù)技術(shù)的學習分析系統(tǒng)架構(gòu)[J].華東師范大學學報（自然科學版），2014（2）：20-29.

[5] 趙慧瓊，姜強，趙蔚.大數(shù)據(jù)學習分析的安全與隱私保護研究[J].現(xiàn)代教育技術(shù)，2016，26（3）：5-11.

[6] 韓小燕，曹培培.基于大數(shù)據(jù)學習分析的高職學生學習干預模型研究[J].邢臺職業(yè)技術(shù)學院學報，2021，38（1）：29-31，42.

[7] 周進，葉俊民.智能時代學習分析再認識及其發(fā)展路徑[J].數(shù)字教育，2021，7（3）：9-14.

[8] 何皓怡，黃冬梅.人工智能技術(shù)支持的協(xié)同知識建構(gòu)過程分析模型研究[J].中國現(xiàn)代教育裝備，2023（10）：8-10，18.

[9] 鄭婭峰，徐唱，李艷燕.計算機支持的協(xié)作學習分析模型及可視化研究[J].電化教育研究，2017，38（4）：47-52.

[10] 張曉峰，李明喜，俞建慧，等.面向?qū)W習云空間的認知投入量化研究[J].中國遠程教育，2020（5）：18-28，76-77.