摘要：個性化教育是基于全面發(fā)展目標，以個人的教育需求為導向，運用信息技術(shù)包括大數(shù)據(jù)技術(shù)來幫助高校學習者激發(fā)學習動機。雖然國內(nèi)個性化教學研究有一定的發(fā)展，但相關(guān)的研究成果較少，而且缺少對國內(nèi)外研究動向和熱點進行梳理。因此本研究通過使用citespace軟件，基于cnki和web of science數(shù)據(jù)對2013年到2022年的文獻進行計量研究。研究結(jié)果顯示，從研究國家來看，中國、美國和英國是研究排在前列的國家，研究熱點主要集中在5個聚類上，依次為大數(shù)據(jù)、智能技術(shù)、學習分析、數(shù)據(jù)驅(qū)動和個性化。而前沿研究主要集中在大數(shù)據(jù)、機器學習和數(shù)據(jù)挖掘方面；從分析來看，基于大數(shù)據(jù)的個性化研究仍然會成為以后的研究熱點，并受到高校教育領(lǐng)域研究者的重點關(guān)注。

關(guān)鍵詞：大數(shù)據(jù)；個性化學習；教育模式；文獻分析

引言

全球進入互聯(lián)網(wǎng)時代，越來越多的學者希望獲得個性化的教育服務(wù)來提高學習效率和教育質(zhì)量，而作為教學主體的高校也希望利用大數(shù)據(jù)技術(shù)、學習分析技術(shù)來提升教育教學效果，謀求在教育領(lǐng)域獲得更高的聲譽。因此，不少學者和教育專家開始關(guān)注基于大數(shù)據(jù)開展個性化教學的領(lǐng)域，希望能改進教學模式，完善個性化教學環(huán)境和工具，教師們也積極開展相關(guān)理論和實踐的研究。目前，針對大數(shù)據(jù)的個性化教學方面的理論和實踐的研究成果并不多，文獻方面的資源則更加有限。因此，學者急需了解這個領(lǐng)域的國內(nèi)外發(fā)展狀況和研究熱點，從而為進一步研究提供總體框架和開發(fā)依據(jù)。本研究通過文獻分析法利用citespace分析工具開展文獻計量和分析，研究成果為基于大數(shù)據(jù)的個性化學習領(lǐng)域的研究提供支持。

1. 研究設(shè)計

本研究的所有文獻來自中國知網(wǎng)（CNKI）和WoS（Web of Science）。通過文獻計量法對文獻進行分析，基于文獻所在的地區(qū)、作者、關(guān)鍵詞和引文等進行分析，采用citespace軟件作為文獻分析工具，獲得相關(guān)的分析結(jié)論。國內(nèi)的中文文獻研究數(shù)據(jù)主要來源于CNKI的cssci數(shù)據(jù)庫收入的學術(shù)期刊文獻，基于主題的關(guān)鍵詞為“個性化學習”和“大數(shù)據(jù)”。通過檢索，發(fā)現(xiàn)162條文獻符合要求，時間跨度從2013年到2022年。國外的英文文獻數(shù)據(jù)則來源于WoS（Web of Science）的核心合集數(shù)據(jù)庫，檢索關(guān)鍵詞為“personalized learning”和“big data”。檢索的時間也是從2013年到2022年，選擇了500個文獻開展分析。在查詢過程中發(fā)現(xiàn)，與中文文獻相類似，相關(guān)主題的文章數(shù)量從2013年開始呈現(xiàn)明顯的上升趨勢。

2. 數(shù)據(jù)分析結(jié)果

2.1 中文文獻和外文文獻數(shù)據(jù)分析

首先，通過對中文文獻分析，按照基于不同時間節(jié)點的發(fā)文情況來觀察總體趨勢，如圖1所示。國內(nèi)基于大數(shù)據(jù)的個性化教育的相關(guān)研究基本始于2013年，到2017年、2018年形成高峰。從2019年開始，智慧教育模式、人工智能技術(shù)等方面研究的深入，使得個性化學習、教學方面的研究形成新的趨勢，總體研究的質(zhì)與量呈現(xiàn)不斷拓展和延伸的趨勢。隨著可用于個性化研究的技術(shù)和教學新模式的引入，國內(nèi)個性化學習領(lǐng)域的研究成果越來越豐富。通過對外文文獻的分析可以看出，從2013年開始，發(fā)文量一直呈現(xiàn)逐步增加的趨勢，線性發(fā)展的特征明顯，如圖2所示。數(shù)據(jù)說明，基于大數(shù)據(jù)的個性化教育領(lǐng)域在國外仍然是熱點，且有持續(xù)不斷的成果顯現(xiàn)。因此，國內(nèi)外的研究有效聯(lián)系、互為助力，將國外的優(yōu)秀理論和有效實踐案例進行分析吸收，應(yīng)用于國內(nèi)的教育教學，將會形成更好的教育成效。

2.2 作者所處國家分析

通過基于作者所在國家的分析，得出空間分布圖譜，從而獲得國家合作網(wǎng)絡(luò)圖譜。分析生成的不同國家作者間的合作網(wǎng)絡(luò)，體現(xiàn)了作者在不同的國家和地理的分布情況。其中，圖中的網(wǎng)絡(luò)節(jié)點N值為51，連線數(shù)量為154，網(wǎng)絡(luò)密度值為0.1208。從形成的信息可以知曉，中國、美國、英國、德國和加拿大處于本領(lǐng)域發(fā)文量的前五名。其中，中國發(fā)文量最多為92篇，美國為70篇，英國為22篇，德國為19篇。各個節(jié)點間的聯(lián)系較密，體現(xiàn)了不同國家作者之間的合作較為緊密。

2.3 核心著者圖譜分析

針對國內(nèi)的研究者間的關(guān)系分析，形成國內(nèi)作者的文獻圖譜分析，從而了解國內(nèi)基于大數(shù)據(jù)的個性化學習模式研究領(lǐng)域的關(guān)鍵研究人員之間所形成相關(guān)的圖譜。分析英文文獻的作者共現(xiàn)圖譜，可以發(fā)現(xiàn)在中文文獻的作者分析過程中，網(wǎng)絡(luò)節(jié)點N值為213，連線數(shù)量為183，網(wǎng)絡(luò)密度值為0.0081。英文文獻的作者合作網(wǎng)絡(luò)圖譜中，網(wǎng)絡(luò)節(jié)點N值為214，連線數(shù)量為166，網(wǎng)絡(luò)密度值為0.0073。各個節(jié)點間的聯(lián)系較疏松，體現(xiàn)了不同國家作者之間的合作較為分散。通過對核心作者的文獻的整理，體現(xiàn)他們的研究重點和關(guān)注的熱點。通過對核心作者的研究領(lǐng)域發(fā)現(xiàn)，大數(shù)據(jù)、個性化學習、人工智能、機器學習等都是大家所關(guān)心的共同熱點。此外，大數(shù)據(jù)和個性化學習還在不同領(lǐng)域進行了應(yīng)用，比如在教育領(lǐng)域、醫(yī)療領(lǐng)域、企業(yè)管理等方面。同時還發(fā)現(xiàn)，核心學者多集中在特定高校，比如國內(nèi)的師范類高校，如東北師范大學、北京師范大學等，這也從側(cè)面說明，基于大數(shù)據(jù)的個性化學習領(lǐng)域研究在教育學范疇內(nèi)的應(yīng)用是很廣泛的，也是非常值得繼續(xù)深入研究的。

2.4 關(guān)鍵詞共現(xiàn)與聚類圖譜分析

通過對關(guān)鍵詞的頻次和中心性的分析，發(fā)現(xiàn)越是頻次高，中心性值越大的關(guān)鍵詞，則代表的應(yīng)該是研究的關(guān)注熱點。同時，通過對關(guān)鍵詞進行聚類分析，也可以基于時間線來觀察熱點的變化以及未來研究方向的形成規(guī)律，幫助研究者為未來研究做好積累和準備。中文文獻關(guān)鍵詞共現(xiàn)圖譜中關(guān)鍵詞網(wǎng)絡(luò)節(jié)點值為221、連線數(shù)量值為402，密度值為0.0165。英文文獻關(guān)鍵詞共現(xiàn)圖譜中關(guān)鍵詞網(wǎng)絡(luò)節(jié)點值為279、連線數(shù)量值為1150，密度值為0.0297。從關(guān)鍵詞分析可以發(fā)現(xiàn)，國內(nèi)研究和國外研究具有一定的共性，比如，“大數(shù)據(jù)”“人工智能”“個性化”“數(shù)據(jù)挖掘”等，都是國內(nèi)外學者關(guān)注的熱點。表中列舉了十大高頻率管檢測，這代表學者們一段時間內(nèi)共同關(guān)注的研究問題。

2.5 中文文獻聚類分析

通過對中文文獻進行聚類分析，形成了5個聚類，每個聚類由多個密切相關(guān)的關(guān)鍵詞組合而成，每個聚類的簇號代表其擁有的關(guān)鍵詞的數(shù)量排名，簇號越小則包含的關(guān)鍵詞越多，這5個聚類按照簇號從小到大依次為：大數(shù)據(jù)、智能技術(shù)、學習分析、數(shù)據(jù)驅(qū)動和個性化。

2.5.1 聚類０（大數(shù)據(jù)）

對該聚類中的內(nèi)容進行分析，可以探究出多個研究熱點，一是通過大數(shù)據(jù)和人工智能技術(shù)的結(jié)合，以學習者為中心，支持自適應(yīng)學習的個性化學習模式。二是利用大數(shù)據(jù)對現(xiàn)有的教育數(shù)據(jù)進行細致的分析，挖掘教育大數(shù)據(jù)在學生學習、自適應(yīng)系統(tǒng)構(gòu)建、相關(guān)標準的制定、教學模式方面和教學有效評價的設(shè)計方式和實踐路徑。三是基于大數(shù)據(jù)的個性化學習的實現(xiàn)關(guān)鍵是學習資源的精準投放，需要對用戶需求進行精準分析、歸類、畫像、建模[1]，增強學習者的實際獲得感。

2.5.2 聚類１（智能技術(shù)）

該聚類呈現(xiàn)的研究焦點是：利用人工智能、“互聯(lián)網(wǎng)+”、大數(shù)據(jù)、5G技術(shù)深入開展大學教學改革，有效提高教學質(zhì)量，已成為廣大高校教師討論的熱點。通過智能技術(shù)優(yōu)化教學環(huán)節(jié)，建立豐富的教學資源，構(gòu)建教學團隊，研究相關(guān)理論和教學設(shè)計原則從而達成精確教學和評估的結(jié)果。

2.5.3 聚類2（學習分析）

該聚類體現(xiàn)了通過人工智能的智能感知技術(shù)、學習分析技術(shù)和情感計算技術(shù)，建立基于大數(shù)據(jù)的智能化教學模型。通過構(gòu)建基于大數(shù)據(jù)智能的在線學習教育平臺為教師提供豐富的教學方法，為學生的學習提供個性化評估和自適應(yīng)學習服務(wù)，有助于提高高校教學效率。傳統(tǒng)的教學設(shè)計模式不能有效指導智能教學，不能滿足學生個體發(fā)展的需要。因此，對人工智能技術(shù)、大數(shù)據(jù)等技術(shù)支持下的智能教學設(shè)計成為一個研究熱點領(lǐng)域。利用大數(shù)據(jù)、物聯(lián)網(wǎng)、移動互聯(lián)網(wǎng)、人工智能等新一代信息技術(shù)，構(gòu)建一整套科學的智能教學設(shè)計模式，有助于引導教師更好地開展智慧教學，幫助學生探索合作自主學習，在一定程度上促進教學方法和學習方法向智慧教學轉(zhuǎn)化。

2.5.4 聚類3（數(shù)據(jù)驅(qū)動）

聚類聚焦點針對當前大數(shù)據(jù)環(huán)境下個性化學習和教學智能服務(wù)的研究領(lǐng)域，主要以大數(shù)據(jù)驅(qū)動的移動學習智能服務(wù)框架系統(tǒng)的構(gòu)建研究、整體開發(fā)、資源建設(shè)和利用等幾個方面為研究熱點，從而改善教學資源、改革教學模式，運用大數(shù)據(jù)分析，不斷提高教學管理水平。研究人員認為該系統(tǒng)可以整合學習基礎(chǔ)設(shè)施、數(shù)據(jù)資源、服務(wù)應(yīng)用程序和高校學習者，重構(gòu)智能服務(wù)的業(yè)務(wù)流程，為學習服務(wù)提供決策支持，同時，它可以提高學習能力，提供個性化的服務(wù)，實現(xiàn)學生的因材施教[2]。

2.5.5 聚類4（個性化）

可見研究集中在學校教育、數(shù)據(jù)智慧、教育變革、教學制度、個性化分析模型、學習處方等方面。通過利用信息技術(shù)，如人工智能、大數(shù)據(jù)、機器學習和深度學習等技術(shù)，能夠?qū)崟r解決極其復(fù)雜的教育問題，提供個性化教育所需的靈活性和適應(yīng)性，進而構(gòu)建的學習環(huán)境對學習者開展個性化學習更加友好和有效。通過對學習者的個性特征、學習習慣和所需工具的分析，根據(jù)相應(yīng)的匹配算法來準確識別學習者的學習個性，從而提供較為精確的學習方案和干預(yù)方案[3-4]。

結(jié)語

通過文獻研究發(fā)現(xiàn)，目前基于大數(shù)據(jù)的個性化研究領(lǐng)域仍然是高校教育教學的研究熱點，研究成果在不斷增加，而且發(fā)展迅速，但也存在不少研究空白，還需要后續(xù)進行研究。該領(lǐng)域的研究成果常被作為高校開展精準教學和個性化教學的理論支持和實踐參考，對于提高高校教學質(zhì)量，開展科學化教學研究、精準教學治理、實施智慧化的評價，具有廣闊的應(yīng)用前景。

參考文獻：

[1]劉海鷗，劉旭，姚蘇梅，等.基于大數(shù)據(jù)深度畫像的個性化學習精準服務(wù)研究[J].圖書館學研究，2019，（15）：68-74.

[2]祝智庭，胡姣.教育數(shù)字化轉(zhuǎn)型的實踐邏輯與發(fā)展機遇[J].電化教育研究，2022， 43（1）：5-15.

[3]包子涵，翁彧.基于數(shù)據(jù)驅(qū)動的大學計算機基礎(chǔ)精準教學模式探究[J].計算機教育，2022，（9）：157-161，165.

[4]董圓圓.人工智能賦能思政教育的倫理風險及其應(yīng)對[J/OL].北京航空航天大學學報（社會科學版）：1-7[2023-02-03].https：//doi.org/10.13766/j.bhsk.1008-2204.2022.0955.

作者簡介：顏正恕，在讀博士，副教授，研究方向：數(shù)字媒體和教育、計算機科學與技術(shù)。

基金項目：2020年浙江省教育廳一般科研項目——基于“大數(shù)據(jù)+動力學”的高校動態(tài)個性化學習模式研究（編號：Y202044773）。