信息计量学结课论文
基于社会网络分析方法的国内外MOOC研究比较分析
王鑫，信息管理与信息系统
摘要:2012年以来，MOOC受到了国内外学者的广泛关注，涌现出大量的研究成果。为了深入分析国内外MOOC研究的整体情况以及研究重点的异同，本研究从国内外认可度较高的数据库Web of Science和CNKI收集MOOC研究的相关文献，并同时利用SPSS进行共词聚类分析和利用UCINET进行合作网络分析以及关键词共现图谱分析。着重讨论了国内外MOOC研究的发文情况、作者合著情况、当前研究热点的情况，以期为我国MOOC 的进一步发展提供参考。
关键词：MOOC；可视化分析；UCINET；信息计量学；研究热点
1 引言
自2008年，"大规模在线开放课程（MOOC）"被提出以来，世界各地的大学、研究机构等纷纷加入到这场席卷世界的免费教学盛宴之中。学员从仅仅几十人迅速发展到遍布全球的上亿人；参与的机构从几所大学发展到众多世界名牌大学、教育公司；办学形式也从小规模的大学教学发展到大众化、小规模化、个性学习等多种形式共存的状态。美国新媒体联盟（New Media Consortium，简称NMC）发布的《2015年高等教育版地平线报告》[1]预测MOOC仍会不断增长，虽然会与最初的MOOC型态有所改变，呈现出多元化发展的趋势（SPOC、SOOC等等），但是MOOC已经引发了人们对在线学习的认可与重视。通过探讨和分析国内外某领域中的研究热点与发展趋势，国内的相关研究人员可以更为准确地了解到国内外该领域的研究现状、掌握该领域的研究趋势和方向以及进行后续研究。
目前，通过查阅CNKI发现对国内外MOOC研究领域热点的可视化对比分析的文章很少，国内以往研究更多的是只从国内或者国外单方面（即只基于CNKI或WOS某一数据库）进行研究热点的可视化分析。例如，李亚员[2]针对2009-2014年CNKI中MOOC领域国内文献以及研究热点和研究趋势进行了分析与探讨；万昆等人[3]以CNKI数据库为基础从多维研究视角研究领域下分析我国MOOC的研究现状与发展趋势；而李海峰和王炜[4]则以WOS数据库为基础针对国际大规模在线开放课程进行热点主题分析并探析了MOOC的未来发展趋势。基于这一研究现状，本文以CNKI和国际著名的文摘与索引数据库WOS作为数据来源，通过科学知识图谱的方式对当今国内外MOOC的研究主题、发展趋势等进行对比分析与讨论。
2 数据收集与研究方法
2.1数据收集
为保证所收集数据的质量，本文使用国内外具有代表性的数据库作为数据来源。国内数据来源于CNKI核心期刊数据库，以"MOOC"或"MOOCs"或"慕课"或"大规模在线开放课程"等为主题检索文献，得到1319篇相关文献，经过清洗剔除掉不规范的文献后得到1248篇相关文献。国外文献的数据来源于Web of Science 数据库。本文以"MOOC"or"MOOCs"or"Massive Open Online Courses"or"Massively Open Online Courses"为主题进行文献检索，设定文献类型为期刊，所收集的每条数据包括题目、摘要、作者和引用文献等信息，共检索出372篇期刊文献，同样经过清洗最终精炼出352篇期刊文献。MOOC 主题研究是以文献中关键词词对的共现频率进行统计和聚类分析的，重点关键词的同义和命名的不规范将影响词频统计、聚类分析和图谱可视化，因此对关键词进行同义转化和规范处理，譬如将"MOOCs"、"massive open online courses"、"massive online open courses"统一命名为"MOOC"，"OER"统一命名为"Open Educational Resources"等。
上述中英文数据统一采集时间为2016年6月3日。
2.2研究方法
词频分析中的关键词是表达文献主题概念的自然语言词汇，能够反映文献的核心内容，因此一个学术领域在某一时期内大量学术论文的关键词的集合，可以揭示该领域学术研究的发展脉络与发展方向[5]。
共词分析法是一种重要的信息计量学研究方法，它主要是利用文献集中词汇对或名词短语共同出现的情况，来确定该文献集所代表学科中各个主题之间的关系。词汇对在同一篇文献中出现的次数越多，则代表各个主题的关系越紧密。统计同一篇文献中的主题词两两之间在同一篇文献中出现的频率，便可形成一个由这些词对关联所组成的共词网络，网络内节点之间的远近便可以反映主题内容的亲疏关系[6]。
共词聚类分析法采用聚类的计算方法，对文献中共现的关键词进行关联性计算，关系密切的关键词将被聚集一类，从而实现挖掘文献中隐含信息的目的[7]。因此通过共词聚类分析法可以揭示某一主题学科结构的变化，从而确定某一领域的研究现状与热点。
社会网络分析法 [8-9]是在人类学、心理学、社会学、数学以及统计学等领域中发展起来的，已经经历了70多年的历史。"社会网络"指的是社会行动者及其间的关系的集合。在其形成的图中简述为多个点和各点之间的连线的关系的集合，它可以人与人之间的关系、上下级关系、科研合作关系等，组织成员之间的沟通关系等等。
2.3研究工具
本文使用浙江大学信息资源管理系刘启元开发的一款名为文献题录信息统计分析工具（Statistical Analysis Toolkit for Informetrics SATI）[10]。其能处理多种格式的文件，包括Web of Knowledge导出的HTML格式、CNKI导出的NoteExpress格式等题录数据，并能够导出共现矩阵并能够生成EXCEL格式文档，进而可以基于此矩阵导入相关软件（如Ucinet、Netdraw、Pajek等可视化分析软件）生成共现网络知识图谱。同时本文还会利用书目共线分析系统（Biocmb）统计关键词出现的频次，以及利用SPSS对SATI导出的关键词相异矩阵进行聚类分析，结合高频关键词共现网络对国内外研究热点进行主题的划分并进行分析。
3 高频作者合著网络分析
3.1 基本统计分析
对于国外352篇文章组成的数据样本，进行统计分析，得到作者总数为918位，以第一身份发表文章的作者数为302，占作者总数的32.89%，合著论文数为279，占论文总数的79.26%。对于国内1319篇文章组成的数据样本，经过清洗，将不符合格式的数据删除，去除编辑部发文，共得到数据1248篇，进行统计分析，得到作者总数为1956位，以第一作者身份发表文章的作者数位1014，占作者总数的51.80%，合著论文数为743，占论文总数的59.5%。国内外各年份论文总数见表1。
表1 国内外各年论文发表情况统计
| 年份 |
国外论文总数 |
年累积论文数 |
国内论文总数 |
年累积论文数 |
| 2009 |
1 |
1 |
0 |
0 |
| 2010 |
2 |
3 |
0 |
0 |
| 2011 |
3 |
6 |
0 |
0 |
| 2012 |
2 |
8 |
3 |
3 |
| 2013 |
26 |
34 |
58 |
61 |
| 2014 |
81 |
115 |
400 |
461 |
| 2015 |
174 |
289 |
594 |
1055 |
| 2016 |
63 |
352 |
193 |
1248 |
图1 国内外论文发表数量演变趋势（截至2016.6.3）
从图一可以看出，发文数国内与国外都呈逐年增长趋势，反映了计量学正在逐渐发展阶段，在论文发表数量方面，国内在这一阶段论文数量远大于国外，但从合著论文数情况比较，国外论文合著相对于国内强度较大，通过构建作者合著网络，则更能够清晰的比较两者间的差异，同时还能有效的发现具有重要网络结构位置的作者。
由普赖斯定律m=0.749(nmax)0.5可得，中文最高产作者发文量为18篇，英文最高产作者发文量为6篇。故可得中文发文量4篇及以上为高产作者，共有55位；而英文发文量2篇及以上为高产作者，共69位。选取国内外发文量前10位作者如表2所示。
表2 国内外发文量前10的作者及发文量
| 国外作者 |
发文量 |
国内作者 |
发文量 |
| KLOOS CD |
6 |
陈丽 |
19 |
| ALARIO-HOYOS C |
5 |
王志军 |
12 |
| ZHANG CF |
5 |
郑勤华 |
12 |
| LITTLEJOHN A |
4 |
汪琼 |
11 |
| MACKNESS J |
4 |
黄如花 |
10 |
| MUNOZ-MERINO PJ |
4 |
肖俊洪 |
10 |
| PEREZ-SANAGUSTIN M |
4 |
程建钢 |
10 |
| QIU K |
4 |
韩锡斌 |
10 |
| VAZQUEZ-CANO E |
4 |
桑新民 |
9 |
| XU B |
4 |
李晓明 |
8 |
3.2 高频作者合著网络分析
利用Ucinet软件集成的Netdraw软件，对上述软件生成的作者共现矩阵进行处理，得到国外关于mooc研究高频作者合著网络图谱，如图2所示。图中每个节点代表作者，圆点大小代表了他们在网络中的中心度，作者颜色以及节点形状的不同可用以区分通过K-cores分析所得到的分组情况，其中红色方形节点相对较大，说明其在本领域最具影响力，发文量相对较大，而黑色三角形节点则较为集中和紧凑，节点大小略小，蓝色方形节点则最为分散，节点也最小，大多都以三人为以一小团体。图中为了展示清晰可见的图，因此将孤立的节点删除，只保留了具有合作的关系作者。
图2 国外高频作者合著网络图谱
表3 高频作者合著中心性测度
| 序号 |
相对中心性 |
NrmDegree |
中介中心性 |
nBetweenness |
亲近中心性 |
nCloseness |
| 1 |
Chatti, Mohamed Amine |
4.412 |
Alario-Hoyos, Carlos |
0.249 |
Alario-Hoyos, Carlos |
1.639 |
| 2 |
Yousef, Ahmed Mohamed Fahmy |
4.412 |
Lopez Meneses, Eloy |
0.176 |
Delgado Kloos, Carlos |
1.639 |
| 3 |
Wosnitza, Marold |
4.412 |
Salmeron Silvera, Jose Luis |
0.132 |
Munoz-Merino, Pedro J. |
1.639 |
| 4 |
Schroeder, Ulrik |
4.412 |
Vazquez-Cano, Esteban |
0.132 |
Perez-Sanagustin, Mar |
1.639 |
| 5 |
Joksimovic, Srecko |
3.922 |
Delgado Kloos, Carlos |
0.11 |
Leony, Derick |
1.638 |
| 6 |
Kovanovic, Vitomir |
3.922 |
Perez-Sanagustin, Mar |
0.062 |
Ruiperez-Valiente, Jose A. |
1.638 |
| 7 |
Gasevic, Dragan |
3.922 |
Schneider, Emily |
0.044 |
Munoz-Organero, Mario |
1.638 |
| 8 |
Delgado Kloos, Carlos |
3.186 |
Munoz-Merino, Pedro J. |
0.037 |
Estevez-Ayres, Iria |
1.637 |
| 9 |
Xu, Bo |
3.186 |
Munoz-Organero, Mario |
0.029 |
Delgado-Kloos, Carlos |
1.637 |
| 10 |
Ling, Yun |
3.186 |
Leony, Derick |
0.029 |
Lopez Meneses, Eloy |
1.538 |
利用Ucinet对上述合著网络结构进行定量分析，网络密度为0.0172，网络连通性在社会网络结构中不够理想，作者间的合作程度相对较低，这种国际间的合作多受地域和语言的影响，因此合作度较差，通过中心性测度分析（见表3）可以发现，程度中心性中的作者一般出现在图2的小团体中，而且可以看出这些小团体之间连线一般较粗，合作强度高，但是程度中心性仅仅反映的是与其直接相连的节点数量，忽略了间接相连的点，因此，所测量出来的中心性可以称为"局部中心性"（local centrality）。而亲近中心性的计算一般是适合整个网络完全连通的情况，因此计算出来的结果也不能准确说明作者重要程度。相反，中介中心性则是测度一个行动者处于交往网络路径上的一个重要指标，这个指标有效的测量出行动者对资源控制的程度，弥补了前两个测度的不足，可以认为在中心度测度中效果最为明显。
因此通过表三分析可知，Alario-Hoyos, Carlos，Lopez Meneses, Eloy等人在整个网络中具有举足轻重的地位，拥有更多的学术资源和合作资源，但在各个小团体中占有核心位置的是Chatti, Mohamed Amine Yousef, Ahmed Mohamed Fahmy等人
同样利用前述方法，对生成的矩阵进行可视化处理，得到国内高频作者合著网络知识图谱，如图3所示。通过K-cores分析，共得到4个较大团体，其中红色方形节点其大小相对最大，核心作者则以吴永和、陈丽为代表。
图3 国内高频作者合著网络图谱
表4 国内高频作者中心性测度
| 序号 |
相对中心性 |
NrmDegree |
中介中心性 |
nBetweenness |
亲近中心性 |
nCloseness |
| 1 |
曾明星 |
1.852 |
吴永和 |
0.28 |
吴永和 |
1.96 |
| 2 |
周清平 |
1.852 |
王娟 |
0.21 |
王娟 |
1.959 |
| 3 |
程建钢 |
1.684 |
陈丽 |
0.14 |
袁莉 |
1.959 |
| 4 |
韩锡斌 |
1.684 |
刘名卓 |
0.14 |
马红亮 |
1.959 |
| 5 |
袁莉 |
1.597 |
任友群 |
0.14 |
魏志慧 |
1.957 |
| 6 |
马红亮 |
1.574 |
李艳 |
0.07 |
陈丽 |
1.923 |
| 7 |
李艳 |
1.556 |
郑勤华 |
1.922 |
||
| 8 |
姜强 |
1.543 |
王志军 |
1.922 |
||
| 9 |
赵蔚 |
1.543 |
任友群 |
1.922 |
||
| 10 |
陈丽 |
1.481 |
刘名卓 |
1.922 |
利用Ucinet做定量分析，得到整体网络密度为0.0045，比起国外网络密度较差，作者之间的合著强度低，大多数以一位作者发文，而国内合著多因机构局限，同一机构作者之间合作密切，例如图3中陈丽、郑勤华均来自北京师范大学、吴永和与马洪亮均来自华东师范大学，但机构之间特别是其高频作者之间合作则相对较弱。通过中心度测度分析得到表4，从中介中心性可以看出，在高频作者合著网络中，吴永和、王娟、陈丽等占据了网络中的重要位置。
对比国内外高频作者合著网络，发现国外高频作者之间合作相对较为密切，而国内由于机构之间的限制，导致高频作者之间合作度较低，不利于知识的交流和发展，在一定程度上不利于学者的创新，同时对比国内外高频作者发文量以及合著网络发现一个问题，不论是国外还是国内，都会有发文量较高，而高频作者之间合著度较低的作者存在，比如国外学者KLOOS CD，国内学者王琼（第一作者发文数排名第二，11篇文章中8篇以第一作者身份发表）等，他们都是本领域重要的学科带头人，追求其原因发现由于本文选取的视角是高频作者合著之间的关系，国外由于语言及地域限制，不利于其高频作者之间的合作，而国内由于学者王琼在2013年就开始进行研究，起步较早，导致合作较少，多以一人发文，同时由于机构之间的限制，导致这些人在高频作者合著网络中并未占据绝对的优势。
4 高频关键词分析
本章主要对高频关键词进行分析，主要通过对高频关键词的相似共词矩阵进行共现图谱分析和对高频关键词的相异共词矩阵进行主题聚类分析两个角度去进行，其中共现图谱分析主要通过中介中心性、程度中心性，并利用K-cores进行分析，而聚类分析会结合具体论文内容进行研究热点主题的分析。
4.1国外高频关键词分析
通过Bicomb分析系统得出在WOS收集的352篇论文中关键词共有908个，总的频次为1566次。我们以频次大于3的作为高频关键词进行分析，频次大于3次的关键词共42个，频次为554次，出现的累计百分比为35.3%。因此，这些高频关键词可以反映出国外MOOC的研究现状与热点。本研究以频次大于3次的前42个关键词作为高频关键词进行分析，得到国外高频关键词分布表如表4所示。
表4 国外高频关键词分布表
| 关键词 |
频次 |
关键词 |
频次 |
关键词 |
词频 |
| MOOC |
206 |
distance learning |
7 |
blended learning |
5 |
| e-learning |
31 |
Lifelong Learning |
7 |
educational innovation |
5 |
| online learning |
28 |
open education |
7 |
Gamification |
4 |
| Higher education |
26 |
Online |
6 |
University |
4 |
| online education |
16 |
Teaching |
6 |
Openness |
4 |
| connectivism |
15 |
Online Courses |
6 |
framework |
4 |
| learning |
14 |
Open |
6 |
retention |
4 |
| Education |
14 |
Collaborative learning |
6 |
Social media |
4 |
| Open Educational Resources |
14 |
quality |
5 |
Social Networks |
4 |
| motivation |
11 |
instructional design |
5 |
Technology |
4 |
| learning analytics |
11 |
Innovation |
5 |
course |
4 |
| Distance education |
11 |
massive open online |
5 |
peer assessment |
4 |
| assessment |
10 |
learning environments |
5 |
Design |
4 |
| evaluation |
8 |
data mining |
5 |
Coursera |
4 |
（1）国外高频关键词聚类分析
将表4中国外高频关键词的相异矩阵的全部数据导入到SPSS22.0中进行聚类分析，分析方法采用系统聚类分析法，以变量进行分群处理，聚类方法采用组间联结，度量标准采用Pearson 相关性，聚类结果以树状图进行输出，分析结果如图4所示。
如图4所示，当前国际MOOC研究主题基本可以划分为四大类：
第一类以Open Educational Resources、blended learning、Innovation、data mining等关键词为代表的"利用MOOC学习资源进行学习模式创新研究"；在大规模在线开放课程的发起、发展过程中，现在已经形成不同的MOOC形式，主要包括：cMOOC、xMOOC、SOOC、SPOC、Mini-MOOC 和oMOOC。cMOOC是基于联通主义理论提出的在线学习形式，"c"代表着连接（connection）人们并依靠人与人之间的交流进行学习[11]，更多依赖于同行评议和团队协作，是基于内容聚合形成的在线学习，鼓励学习者自己创建学习内容、选择网站、小组讨论、社区等来为课程做贡献。xMOOC与cMOOC差异较大，倾向于应用普通大学的课程内容提供在线学习，诸如：视频、书面作业、测验和训练等，并通过在线平台中的同伴、教师等进行评价；"x"代表MOOC是大学课程的扩展（extension）[12]，是不同学校的加盟与联盟，是面向知识传送式（transmission）的在线学习，xMOOC与传统的教育方法并没有本质的不同[13]。SPOCs 是指小规模私有在线课程（Small Private Online Courses），与MOOC 的大规模、开放性正好相对应，被称为"后MOOC 时代"[14]。MOOC改变的学习模式主要表现为新型的混合式学习，Naaji, A[15]等人强调随着社交媒体的日益普及，新兴的移动技术和增强现实技术变得更深入地融入教学过程，混合式学习和翻转课堂将成为教学中重要的组成部分。
第二类是以Connectivism、lifelong learning、online education等关键词为代表的"MOOC基础理论与应用领域研究"；MOOC最初是基于联通主义（connectivism）理论创办并在世界迅速发展起来，联通主义理论于2005年由斯蒂芬·唐斯和乔治·西蒙斯构建并提出。两位创始人于2008年在马尼托巴大学首次开设第一门MOOC课程以践行联通主义理论，大规模在线开放课程从此诞生。联通主义理论就是学习网络，学习是网络的形成过程，既是指在通过网络支持学习，又是指在网络中如何学习[16]。乔治·西蒙斯从社会建构主义的视角强调，学习即网络创建，意会和寻径是联通的关键，信息是一个节点，意会是建立节点的过程，寻径是将社会和环境线索引入到导航信息中，知识就是一个连接[17]。
第三类是以assessment、evaluation、peer assessment等关键词为代表的"MOOC学习评价研究"；大规模在线开放课程打破了传统教学中教、学、评价的循环过程，难以进行形成性评价和反馈，缺乏教育的体验。迄今为止，在MOOC 中应用最广泛的评价方法是应用同伴评价来提供必要的反馈，研究者们根据同伴评价的特点和不足也进行了大量的研究。Estevez-Ayres 等人认为，在线学习中同伴互评对于那些没有收到其他人评价的学习者会产生挫折感，他们提出了两种算法来减小MOOC 中同伴评价匹配中的问题，即评价的滑动期限和对前者的简化处理[18]。Suen, HK认为，没有经过审核的同伴评价正在遭受着缺乏信任的苦恼，将几种便捷的方法结合起来将能够促进同伴评价的精确性，主要包括：cMOOCs理念的同伴互评、校准的同行评审系统、贝叶斯事后统计校正方法、信誉指数方法[19]。
第四类是以online learning、higher education、Collaborative learning、learning environments、distance education等关键词为代表的"MOOC理念下在线学习研究"。不论是cMOOC、xMOOC还是目前新提出的o-MOOC理念，它们共同的基本特征是：大规模、在线性、开放性、名校性。在线教育、在线学习、远程教育等关键词成为了MOOC研究的重要方面，主要涉及学生的在线学习状况研究。Katy Jordan教授认为，目前的研究存在着一个显著的鸿沟，即MOOC课程自身的特点与入学人数、学业完成率之间关系。Katy Jordan 教授从在线课程自身的特征对学业完成率进行了研究，结果表明，MOOC 的参与人数正在下降，并且与课程的长度成正相关，学业完成率与整个MOOC时期、大学的等级、全部的入学人数是一致的，但是与课程的长度成负相关[20]。加拿大多伦多大学的Vera L B Dolan 教授认为，关于MOOC 最严重的问题是学习者感到孤立或者被忽视，尤其是当他们意识到其他课程参与者或者教授正在忽视他们的贡献的时候[21]。学生很可能收到名义教授对他们非专门的问题反馈，缺乏有意义的交互可能是导致高校在线学习环境高损耗的一个关键因素。
图4国外高频关键词聚类树状图
（2）国外高频关键词共现图谱分析
利用UCINET自带的Netdraw生成高频关键词的共现图谱如图5，利用K-cores分析，将所有高频词分类，其中红色正方形的节点占据了图中中心的位置，是国外MOOC研究领域的热点，同时从节点之间的距离清晰的看出频次高于25的关键词连线较为紧密且节点相对较大，占据了网络的核心地位，是最主要的研究领域。
图5国外高频关键词共现图谱
从图5中我们可以看出：第一，MOOC、电子化学习、在线学习、高等教育、在线学习资源处于网络的中心而且这些词出现的频次很高，说明这些关键词与其他关键词出现的频次较多，在国外MOOC研究领域中处于核心地位，是目前研究的重点，MOOC的大多数研究都是围绕他们展开的。第二，远程学习、动机、创新、关联主义、学习环境、评估等研究内容处于网络的中间位置，表明MOOC研究正在向学习者动机、教育创新等方面研究转变。
由于图5不同高频关键词之间还是有较强的紧密关系，我们利用UCINET的核心——外围模型进行归类，得到国外MOOC研究领域中详细的核心-边缘分类如表5所示。其中核心度数值大于0.15的关键词为核心关键词；核心度数值小于或等于0.15且大于或等于0.05的关键词为半边缘关键词；核心度数值小于0.05的关键词为边缘关键词[22]。
表5 国外高频关键词核心-边缘分类表
| 分类 |
关键词 |
| 核心关键词 |
MOOC、e-learning、Social media、Higher education、data mining、online learning、Open Educational Resources、Open、course、massive open online |
| 半核心关键词 |
online education、Online、connectivism、Distance education、blended learning、Education 、learning 、assessment 、University 、learning analytics、motivation 、Online Courses、evaluation 、Technology 、Innovation 、Openness 、learning environments、peer assessment、quality、distance learning |
| 边缘关键词 |
instructional design、Lifelong Learning、educational innovation、Coursera 、open education、Teaching 、retention 、Design 、framework 、Collaborative learning、Social Networks、Gamification |
表6国外高频关键词中心度统计分析（部分）
| 关键词 |
程度中心性 |
中介中心性 |
亲近中心性 |
| MOOC |
41 |
349.612 |
41 |
| e-learning |
23 |
47.695 |
59 |
| online learning |
18 |
29.706 |
64 |
| Higher education |
21 |
42.381 |
61 |
| online education |
12 |
10.736 |
70 |
| connectivism |
13 |
14.651 |
69 |
| learning |
12 |
9.454 |
70 |
| Education |
14 |
10.847 |
68 |
| Open Educational Resources |
14 |
18.206 |
68 |
| motivation |
13 |
21.469 |
69 |
根据国外高频关键词中心度统计分析（表6），可以发现MOOC作为本文选取的研究领域，其中介中心性远远高于其他关键词，另外电子学习、高等教育的中介中心性也相对较高，他们在关键词的社会网络中起着桥梁的作用；另外结合三个中心性指标总体进行分析，开放教育资源、高等教育、动机、混合学习、数据挖掘的程度中心性和亲近中心性较低，而中介中心性相对较高，说明这些关键词能够在一定意义上代表国际MOOC研究未来几年的发展趋势[23]。
4.2国内高频关键词分析
同样利用上述方法，通过Bicomb分析系统得出在CNKI收集的1248篇论文中关键词共有2717个，总的频次为5815次。我们以频次大于9的作为高频关键词进行分析，频次大于9次的关键词共45个，频次为1961次，出现的累计百分比为33.4%。因此，这些高频关键词可以反映出国内MOOC的研究现状与热点。本研究以频次大于9次的前45个关键词作为高频关键词进行分析，得到国内高频关键词分布表如表7所示。
表7 国内高频关键词分布表
| 关键词 |
频次 |
关键词 |
频次 |
关键词 |
词频 |
| MOOC |
734 |
信息技术 |
22 |
混合式教学 |
14 |
| 慕课 |
236 |
学习过程 |
22 |
开放大学 |
14 |
| 翻转课堂 |
87 |
开放教育 |
21 |
教育信息化 |
13 |
| 在线教育 |
70 |
开放教育资源 |
20 |
网络课程 |
12 |
| 高等教育 |
55 |
思想政治理论课 |
19 |
教育技术 |
12 |
| 高校图书馆 |
54 |
课程建设 |
18 |
美国 |
12 |
| 教学改革 |
47 |
学习分析 |
18 |
个性化学习 |
11 |
| 教学模式 |
42 |
自主学习 |
17 |
混合学习 |
11 |
| SPOC |
38 |
挑战 |
16 |
对策 |
11 |
| 在线课程 |
38 |
教学设计 |
16 |
课程 |
11 |
| 图书馆 |
31 |
信息素养 |
15 |
大学英语 |
11 |
| 远程教育 |
26 |
开放课程 |
15 |
移动学习 |
10 |
| 在线学习 |
24 |
信息素养教育 |
14 |
网络教育 |
10 |
| 大数据 |
24 |
高校 |
14 |
教学效果 |
10 |
| 微课 |
22 |
课堂教学 |
14 |
图书馆服务 |
10 |
（1）国内高频关键词聚类分析
将表7中国内高频关键词的相异矩阵的全部数据导入到SPSS22.0中进行聚类分析，分析方法采用系统聚类分析法，以变量进行分群处理，聚类方法采用组间联结，度量标准采用Pearson 相关性，聚类结果以树状图进行输出，分析结果如图4所示。
如图6所示，当前国内MOOC研究主题基本可以划分为三大类：
第一类是以教学模式、SPOC、混合学习、混合式教学、微课等关键词为代表的"MOOC理念下教学模式的变革与创新研究"；罗国锋[24]针对当前高校文献检索课教学面临的困难，构建文献检索课SPOC混合教学模式，采用课堂教学与在线学习相结合的方式实施翻转课堂教学，将文献检索课教学模式由"以教为主"转变为"以学为主"；吴志丹[25]通过实验探究得出结论：基于翻转课堂的混合学习模式深受学生欢迎，学习效果超出预期。罗九同和孙梦等人[26]在混合学习及MOOC发展现状阐述的基础上，对典型SPOC案例进行分析，从学习需求、学习计划和测量策略、学习内容准备和实施和测量结果四个方面剖析，加深对案例中蕴藏的教学设计理念的理解，并为SPOC的广泛应用奠定基础。
第二类是以课堂教学、在线课程、教学效果、自主学习、教学设计等关键词为代表的"MOOC课程设计与学习活动设计研究"；李曼丽[27]在2013年就指出就教学设计而言，MOOCs较为综合地运用了学习科学近30年不断倡导的人本化学习、掌握学习、建构主义学习、程序教学及有意义学习等理论原则。胡钦太和林晓凡[28]基于服务科学理念提出MOOCs教学与服务科学之间的关系，调查与分析了学习者对MOOCs的服务需求,梳理了较为突出的问题，即：学习过程服务持续性、资源设计的相关性、教师指导与支持服务质量等，进而构建了面向服务的MOOCs教学。
第三类是以信息素养、信息素养教育、高校图书馆、图书馆等关键词为代表的"MOOC模式下信息素养教育的研究"。郑勤华和陈悦等人[29]通过问卷调查的方式就信息素养、学习关系的维持、学习过程管理、元认知、学习态度五类学习素养展开调查。调查发现，MOOCs学习者未能充分利用信息技术促进有效学习，对于信息技术的利用停留在基础操作层面,缺乏深层次的利用。罗博[30]从专业组织的发展动向、理论研究的最新进展出发，阐述高校图书馆参与大规模开放在线课程（MOOC）进程的必要性，并分别从高校与MOOC供应商的角度论述其可行性。
图6国内高频关键词聚类树状图
（2）国内高频关键词共现图谱分析
同样利用UCINET自带的Netdraw生成高频关键词的共现图谱如图7，利用K-cores分析，将所有高频词分类，其中红色正方形的节点占据了图中中心的位置，是国内MOOC研究领域的热点，同时从节点之间的距离清晰的看出频次高于50的关键词连线较为紧密且节点相对较大，占据了网络的核心地位，是最主要的研究领域。
从图7中我们可以看出：第一，MOOC、在线教育、高等教育处于网络的中心而且这些词出现的频次很高，说明这些关键词与其他关键词出现的频次较多，在国内MOOC研究领域中处于核心地位，是目前研究的重点，MOOC的大多数研究都是围绕他们展开的。第二，教学改革、开放教育资源、在线课程、信息素养、网络课程等研究内容处于网络的中间位置，表明MOOC研究正在向在线课程、网络课程以及信息素养等方面研究转变。
图7国内高频关键词共现图谱
同样由于图7不同高频关键词之间还是有较强的紧密关系，我们利用UCINET的核心——外围模型进行归类，得到国内MOOC研究领域中详细的核心-边缘分类如表8所示。
表8 国内高频关键词核心-边缘分类表
| 分类 |
关键词 |
| 核心关键词 |
MOOC、翻转课堂、SPOC、在线教育、高等教育、教学模式 |
| 半核心关键词 |
图书馆、高校图书馆、学习过程、学习分析、在线学习、微课、混合式教学、大数据、开放教育、教学改革、开放教育资源、在线课程、信息素养、网络课程、教学效果、思想政治理论课、教学设计、信息素养教育、开放大学、混合学习、图书馆服务、挑战、远程教育、信息技术、网络教育、高校、课堂教学 |
| 边缘关键词 |
课程建设、个性化学习、移动学习、自主学习、对策、开放课程、教育信息化、课程、教育技术、美国、大学英语 |
表9国内高频关键词中心度统计分析（部分）
| 关键词 |
程度中心性 |
中介中心性 |
亲近中心性 |
| MOOC |
44 |
258.144 |
44 |
| 慕课 |
34 |
109.247 |
54 |
| 翻转课堂 |
22 |
32.206 |
66 |
| 在线教育 |
31 |
82.192 |
57 |
| 高等教育 |
23 |
43.131 |
65 |
| 高校图书馆 |
11 |
5.987 |
77 |
| 教学改革 |
17 |
12.637 |
71 |
| 教学模式 |
16 |
13.871 |
72 |
| SPOC |
13 |
7.213 |
75 |
| 在线课程 |
19 |
22.696 |
69 |
根据国外高频关键词中心度统计分析（表9），可以发现MOOC作为本文选取的研究领域，其以及中文名称"慕课"的中介中心性远远高于其他关键词，另外在线教育、高等教育的中介中心性也相对较高，他们在关键词的社会网络中起着桥梁的作用；另外结合三个中心性指标总体进行分析，翻转课堂、教学模式、教学改革、在线课程的程度中心性和亲近中心性较低，而中介中心性相对较高，说明这些关键词能够在一定意义上代表国内MOOC研究未来几年的发展趋势。
5结语
本文运用社会网络分析方法，研究高频作者合著网络以及高频关键词共现网络，使用SPSS、Ucinet以及Netdraw进行定量与可视化分析，可以得出以下结论：
（1）通过文献统计分析可知，关于MOOC研究虽然国内相较国外起步较晚，但在2012年至今正在呈现迅速而稳定的增长态势，而且国内在这一阶段论文增长速度远大于国外，但在论文合著度方面，国内则不如国外，这在知识的交流与传播方面则会受到一定的影响。
（2）通过高频作者发文统计可知，国外KLOOS CD，ALARIO-HOYOS C，陈丽，王志军，郑勤华等人在本领域做出了突出贡献，而通过合著网络分析都发现网络中各自的核心人物，国外整体网络中Alario-Hoyos, Carlos占据重要位置；而国内吴永和则占据了网络的中心位置。通过网络密度分析，可知国内高频作者网络连通性远不及国外，这使得一些排名较前的高频作者无法成为网络的核心，在一定程度上不利于国内学科的发展。
（3）通过SPSS进行共词聚类分析结合UCINET进行关键词共现网络得出，国内外目前针对MOOC的研究热点既有相似又有不同。但国外的MOOC研究已不再停留于课程本身的基础研究，而是更加注重合作、创新、设计等实践问题的研究，国内尚停留在MOOC课程与教学的理论阶段，缺乏深度和广度。最后利用UCINET的三种中心性指标和关键词核心——边缘分类表分别预测了国内外关于MOOC研究的不同研究趋势，国内的研究趋势仍将是教学模式、教学改革以及在线课程的建设，而国外的研究将会转向学习动机、混合式学习建设、数据挖掘、教育创新等方面。
从整体上看，由于近几年互联网背景下的国内各方面发展环境良好，加之国家对网络教育事业的重视，我国的MOOC事业及相关研究也在不断地深入，具有很好的发展前景。然而根据以上分析，本文认为我国在以后的MOOC研究中需要注意以下问题：（1）加强与其它国家的合作研究和协同创新，借鉴国外先进的研究方法。（2）在明确国内研究特点的基础上，探求更深入更广泛的研究空间，发展具有"中国特色"的MOOC研究。（3）重视创新能力的培养，这是提升国内研究水平，逐步缩小国内外差距的关键。
本文从国内外较有代表性的Web of Science 和CNKI两个数据库收集MOOC领域的文献数据，通过UCINET软件对国内外MOOC 研究的研究情况进行对比分析。然而由于数据年份的限制，所收集的数据集容量较小，未能对国内外MOOC整体的发展进程进行全面分析，分析结果可能会与实际情况有一定偏差；在高频关键词分析部分，根据关键词的共现聚类分析来概括当前研究热点来确定该领域的研究热点，具有很强的主观性，根据中心性综合预测研究发展趋势也并未详细解读，因此这部分还有很多具体问题值得进一步探讨；期待以后的研究人员可以进一步扩展数据集，克服时间跨度和数据量的不利影响，发散思维并运用更多元的研究方法从不同的角度更深入地挖掘出数据中隐含的信息。
参考文献：
[1] 新媒体联盟(NMC). 新媒体联盟地平线报告(2015高等教育版)[J]. 北京广播电视大学学报, 2015(2):1-18.
[2] 李亚员. 国内慕课(MOOC)研究现状述评:热点与趋势——基于2009—2014年CNKI所刊文献关键词的共词可视化分析[J]. 电化教育研究, 2015(7):55-60.
[3] 万昆, 叶冬连, 戚丽,等. 多维视阈下的国内MOOC研究进展与可视化分析——以我国MOOC研究领域为例[J]. 中国远程教育:综合版, 2015(2):38-44.
[4][23] 李海峰, 王炜. 国际MOOC领域热点主题及发展趋势研究——基于共词分析法的知识可视化图谱分析[J]. 远程教育杂志, 2015, 33(5):38-45.
[5] 张勤. 词频分析法在学科发展动态研究中的应用综述[J]. 图书情报知识, 2011(2):95-98.
[6] 钟伟金, 李佳. 共词分析法研究(一)——共词分析的过程与方式[J]. 情报杂志, 2008, 27(5):70-72.
[7] 钟伟金, 李佳, 杨兴菊. 共词分析法研究(三)——共词聚类分析法的原理与特点[J]. 情报杂志, 2008, 27(7):118-120.
[8] 刘军. 社会网络分析导论[M]. 社会科学文献出版社, 2004.
[9] Newman M E J. The Structure and Function of Complex Networks[C]// SIAM Rev. 2003:167-256.
[10] 刘启元, 叶鹰. 文献题录信息挖掘技术方法及其软件SATI的实现——以中外图书情报学为例[J]. 信息资源管理学报, 2012(1):50-58.
[11] Boyatt R, Joy M, Rocks C, et al. What (Use) is a MOOC?[J]. Springer Proceedings in Complexity, 2014:133-145.
[12] Thinnes A M, Exhibition A. MOOC and Online Library[J]. Coetail Com.
[13] http//edtechfrontier.com/author/godsvilla/. The Pedagogy of MOOCs[J]. https://www.facebook.com/WordPresscom.
[14] Lorenz A, Meier S. Digital Badges zur Dokumentation von Kompetenzen: Klassifikation und Umsetzung am Beispiel des Saxon Open Online Courses (SOOC)[C]// Der Pre-Conference Workshops Der 12. E-Learning Fachtagung Informatik. 2014.
[15] Naaji A, Herman C, Mustea A. Implementation model for new technologies in online education[C]// Eaeeie Conference. IEEE, 2013:71-75.
[16] 胡艺龄, 顾小清. 从联通主义到MOOCs:联结知识,共享资源——访国际知名教育学者斯蒂芬·唐斯[J]. 开放教育研究, 2013(6):4-10.
[17] 王志军, 陈丽. 联通主义学习理论及其最新进展[J]. 开放教育研究, 2014(5):11-28.
[18] Estévez-Ayres I, Crespo-García R M, Kloos C D, et al. An Algorithm for Peer Review Matching in Massive Courses for Minimising Students' Frustration[J]. Journal of Universal Computerence, 2013, 19(15):2173-2197.
[19] Suen H K. Peer Assessment for Massive Open Online Courses (MOOCs).[J]. International Review of Research in Open & Distance Learning, 2014, 15(3):312-327.
[20] Jordan K. Initial Trends in Enrolment and Completion of Massive Open Online Courses[J]. International Review of Research in Open & Distance Learning, 2014, 15(15):133-160.
[21] Dolan V L B. Massive Online Obsessive Compulsion: What are They Saying Out There about the Latest Phenomenon in Higher Education?[J]. International Review of Research in Open & Distance Learning, 2014, 15(2):268-281.
[22] Xi Y, Tang F. Multiplex Multi-Core Pattern of Network Organizations: An Exploratory Study[J]. Computational & Mathematical Organization Theory, 2004, 10(2):179-195.
[24] 罗国锋. 文献检索课SPOC混合教学模式构建与实践[J]. 图书馆论坛, 2016, 36(4).
[25] 吴志丹. 基于翻转课堂的混合学习模式重构研究[J]. 现代教育科学, 2016(3).
[26] 罗九同, 孙梦, 顾小清. 混合学习视角下MOOC的创新研究:SPOC案例分析[J]. 现代教育技术, 2014, 24(7).
[27] 李曼丽. MOOCs的特征及其教学设计原理探析[J]. 清华大学教育研究, 2013, 34(4):13-21.
[28] MOOCs(大规模开放在线课程),面向服务,教学设计. 面向服务的MOOCs分析与教学设计研究[J].
[29] 郑勤华, 陈悦, 陈丽. 中国MOOCs学习者学习素养调查研究[J]. 开放教育研究, 2016, 22(2).
[30] 罗博. 大规模在线开放课程(MOOC)与高校图书馆角色研究综述[J]. 图书情报工作, 2014, 58(3):130-136.
致谢
非常感谢我的老师赵蓉英老师，在这学期的信息计量学这门课的学习期间，赵老师以严谨的治学风格、渊博的学术知识和寓教于乐的生活态度，给予我莫大的教诲和启迪。赵老师认真、严谨的治学态度和高度的敬业精神，让我终身受用。特别是在信息计量学这门课上，老师不仅向我传授知识，还在课程当中不时教给我做人的道理，在此向赵老师表示衷心的感谢!
可能由于本人研究能力有限，论文中有些地方存在一定的不足，恳请老师批评指正！
王鑫
2016.6.24