基于知识图谱我国MOOC研究热点分析.docVIP

基于知识图谱我国MOOC研究热点分析 　　摘要 本研究运用知识图谱技术，揭示当前我国MOOC研究的热点问题，主要集中在四个方面：MOOC本体研究、课程资源建设及实际应用研究、对高等教育以及职业教育的影响研究、对传统课堂教学的变革和影响研究。针对研究热点中存在的一些问题，提出四个方面的建议：进一步加强我国MOOC本土化研究，全力打造我国MOOC优质资源体系，不断创新我国MOOC教学模式，加快推进我国各级学校的MOOC理论与实践。 　　关键词 MOOC；知识图谱；聚类分析 　　中图分类号：G642.4 文献标识码：B 　　文章编号：1671-489X（2016）08-0011-05 　　2008年，MOOC悄然兴起。一经问世，MOOC就在全球范围内掀起一场新的在线教育革命。美国《纽约时报》将2012年称之为MOOC元年。在这一年里，Coursera、Udacity、Edx三大MOOC平台相继成立，成为推动MOOC发展的重要引擎。后来，普林斯顿大学、加州理工大学、密歇根大学和宾夕法尼亚大学等100多所知名大学纷纷加入Coursera。Edx在短短几个月时间里就与全球12所知名高校签约，为全世界学习者提供优质课程。在国内，复旦大学、上海交通大学、香港中文大学、国立台湾大学相继加盟Coursera；清华大学、香港大学加盟Edx；北京大学和香港科技大学同时加盟Coursera和Edx。此外，以学堂在线、超星慕课、智慧树、果壳网、C20慕课联盟等为代表的中国式MOOC应运而生，宣告了中国MOOC时代的到来。 　　与此同时，我国针对MOOC的学术研究在近几年也呈现井喷之势。2012-2015三年间，共发表1300多篇相关论文。但在MOOC繁荣发展的背后始终伴随一些争议，甚至出现“Anti-MOOC”的声音。如今，在狂热之后，人们更加理性地看待MOOC这一新鲜事物：MOOC既不是解决当前教育问题的灵丹妙药，也不能对其无动于衷。为了帮助更多的研究者了解当前我国MOOC发展状况和研究热点，本文采用知识图谱的关键词共现分析方法，其成熟的聚类算法和图形化界面，增强了聚类的科学性和可读性，聚类图清晰地呈现了当前我国MOOC研究的总体框架及热点问题，为相关学者提供了一定的参考。 　　1 研究技术和工具 　　知识图谱技术 所谓知识图谱，是通过将应用数学、图形学、信息可视化技术、信息科学等学科的理论和方法与计量学引文分析、共现分析等方法结合，并利用可视化的图谱形象地展示学科的核心结构、发展历史、前沿领域以及整体知识架构达到多学科融合目的的一种研究方法。知识图谱目前主要应用于科学文献中的知识发现，用以揭示领域知识结构和领域的研究重点。 　　知识图谱中最常用的是共词分析法，它通过对一组词两两统计它们在同一篇文献中出现的次数，以此为基础对这些词进行聚类分析，从而反映出这些词之间的亲疏关系，进而分析这些词所代表的学科和主题的结构变化，发现学科的研究热点。共词分析中最常用的是关键词共现分析。关键词是文献内容、观点、涉及的问题或类别等方面的标志和提示，是文献思维方法的提炼和概括。关键词共现体现了文献之间的关系和研究的交叉点，可以表达某一领域分支的组成，也能够提示出该领域的研究热点。 　　知识图谱工具：BICOMB和SPSS BICOMB（BibliographicItems Co-occurrence Matrix Builder）全名是书目共现分析系统，由中国医科大学崔雷教授和沈阳市弘盛计算机技术有限公司合作开发。BICOMB提供了文献计量分析和共现矩阵生成两大功能，可以对来源文献的作者、期刊、关键词、发表时间等文献计量指标进行统计，也可以对统计结果生成共现矩阵，比如作者合著、引文同被引、关键词共现等。BICOMB支持多种文献数据库，如PubMed、SCI以及CNKI、万方等。 　　SPSS是一款广泛应用于社会科学统计分析的软件，集数据录入、整理、分析功能于一身。SPSS主要优点有：一是操作界面极为友好，输出结果美观漂亮；二是功能强大，提供了相关分析、回归分析、时间序列分析、因子分析、多维尺度分析以及聚类分析等多种统计分析功能；三是支持多种输入数据格式，如dbf、txt、xls等。本文使用SPSS对关键词共现矩阵进行聚类，通过对聚类图进行分析，来揭示当前我国M00C研究的热点。2研究过程和方法 　　本文研究文献来源于中国知网CNKI。CNKI是目前中国最大的期刊全文数据库，共收录了1994年至今的2200多万篇论文，涵盖自然科学、社会科学、工程技术、医学、农学等领域的国内8200多种重要期刊。CNKI数据库每日更新，保证文献的完整性和时效性。具体研究过程如表1所示。 　　文献信息统计 　　本文以CNKI的期刊和特色期刊为数据检索源，以M00