|
随着计算机和互联网技术的迅速发展，教育领域开始引入相关技术来丰富教学。本文从学习动机的角度出发，将CNKI中国知网、Web of Science数据库作为文献数据来源，使用SPSS、CiteSpace等文献计量分析软件，对国内外对学习动机与技术相关研究的关注领域进行科学计量及分析。 关键词：学习动机；技术；SPSS；CiteSpace；文献分析 引言 自20世纪末以来，计算机和互联网技术迅速发展，逐渐渗透到各行各业。教育领域开始引入虚拟现实、增强现实、信息技术、人工智能、云计算等各项新兴技术，丰富教学形式。合理使用这些技术能够激发学生的学习动机，提高教学效果。 文章的关键词是整篇文章的核心，是对表述论文的中心内容有实质意义的语汇，通常代表着该篇文章的主要内容以及创新之处。因此，本文主要分析国内外学习动机与技术的相关文献的关键词。本文利用Bicomb 2.0、Ucinet 6.0及SPSS 22.0软件，采取共词聚类、词频分析、多维尺度分析及社会网络分析等方法，对国内学习动机与技术的研究热点进行了分析；利用CiteSpace软件，使用关键词共现分析、聚类分析、突现词分析等方法，对国外学习动机与技术的研究热点进行了分析。 1 国内学习动机与技术研究领域 （一）数据收集 选择CNKI中国知网作为国内关于学习动机与技术的文献来源。在中国知网的全部期刊中，将文献分类目录限定为“社会科学Ⅰ辑”“社会科学Ⅱ辑”和“信息科技”，以“学习动机”为关键词，以“技术”为主题进行检索，并限定范围为中文文献。共检索出 247篇中文文献，过滤掉研究报告等无关文献，共筛选出241篇文献。将这241篇文献以Notefirst格式导出，作为下一步分析的数据来源。 （二）数据分析与可视化 1.数据分析流程 使用Bicomb 2.0书目共现分析系统提取高频关键词，并得到相应的词篇矩阵及共现矩阵。将词篇矩阵导入SPSS 22.0软件，生成相似性矩阵，对其进行系统聚类，得到聚类树状图并分析；将相似性矩阵转化为相异矩阵，对相异矩阵进行多维标度（ALSCAL）分析。将共现矩阵导入Ucinet 6.0中，生成社会网络分析图并进行分析。 2.高频关键词词频 在Bicomb 2.0书目共现分析系统中，将关键词阈值设为5。由于搜索条件以学习动机为关键词，因此将学习动机排除，频次高于5的关键词共有17个，频次由高到低分别为信息技术、兴趣、信息技术教学、体育教学、策略、学习兴趣、应用、教学方法、影响因素、激发、学习效果、个性心理特征、教学效果、在线学习、现代教育技术、多媒体技术、动机。 3.关键词聚类树状图 在Bicomb 2.0中将这17个关键词生成词篇矩阵及共现矩阵。将词篇矩阵导入到SPSS 22.0中，生成相似性矩阵，部分相似性矩阵如表1所示。 对相似性矩阵进行系统聚类，得到这些关键词的聚类树状图，如图1所示。 由树状图可得，可以将国内学习动机与技术的相关文献分为四个领域。 第一个领域为教学中技术与动机的关系，这些文章谈到在实际教学中使用多种技术能够提高其学习动机，其中信息技术教学所占比例较多，包含的关键词有兴趣、个性心理特征、信息技术教学和动机。例如，一篇名为《个性化自主学习——小学信息技术课教学探索》的文章中提到福建省安溪县实验小学以培养学生具有较强的自主学习动机和自主学习能力为目标，在多媒体网络环境下开展个性化自主学习的教学实验，满足不同层次学生的发展需求[1]。 第二个领域为技术应用对激发动机的影响，包含的关键词有体育教学、学习兴趣、学习效果、激发、策略、应用、信息技术、多媒体技术。例如，一篇名为《信息技术与小学语文融合教学》的文章指出把各种信息技术手段与信息资源完美地融合到小学语文学科教学中，充分利用多媒体技术、电子白板、微课、云教学平台、网络教学资源等进行教学，能有效激发学生潜在的学习动机和求知欲望，让他们积极主动地获取知识，从而提升课堂效益[2]。 第三个领域为使用技术进行学习时，激发学生学习动机的影响因素，包含的关键词是影响因素和在线学习。例如，《影响教育虚拟社区中学习动机激发因素的实证分析》一文在基于课程“学习科学与技术”的教育虚拟社区学习实践的基础上，实证分析了教育虚拟社区中学习动机激发的影响因素，并提出了影响教育虚拟社区学习动机激发因素的分析模型[3]。 第四个领域为实际教学中如何使用相关技术来激发学生的学习动机，包含的关键词是教学效果、现代教育技术、教学方法。在《运用现代教育技术激发数学学习动机》一文中，遵循小学数学的学科特点和儿童的认知规律，在多媒体教学环境下，研究激发学生学习动机的模式和有效策略[4]。 4.多维尺度分析 将相似性矩阵导入Microsoft Excel中，得到相异矩阵，在SPSS 22.0中对相异矩阵进行多维尺度分析，结果如图2所示。 由图中可以看出，在第一象限中的关键词是领域2的大部分，应用相关技术激发学习动机是国内学习动机与技术的关注重点。在第二象限，领域1的关键词相互间联系较为紧密，且整体离主轴较近，但相关文献数量较少，不是关注重点领域；领域3两个关键词分别位于第三和第四象限，但两者联系紧密，表明该领域的文献内容相互间有交叉，但相关研究成果不多；领域4的关键词有两个位于第四象限且距离较近，有一个关键词位于第三象限且与其他两个相距较远，表明领域4结构较为松散，易受其他领域影响。 5.社会网络分析 将Bicomb 2.0中得到的共现矩阵导入Ucinet 6.0，生成关键词社会网络图，并进行中心性可视化处理。社会网络图中各节点大小反映关键词在网络中地位与作用的大小，节点越大，其地位越重要，作用越大；节点间距离反映关键词之间的密切程度，距离越小，关键词与关键词之间越密切；节点间连线粗细则反映关键词之间关系的强弱，连线越粗，关系就越强[5]。从图3可以得出以下结论：信息技术、体育教学是学习动机与技术相关研究的热点，在线学习、影响因素两者联系紧密，但与其他关键词共现较少；教学效果和现代教育技术与其他关键词联系很少。此结论与多维尺度分析及社会网络分析结果基本符合。 2 国外学习动机与技术研究领域 （一）数据收集 本文使用Web of Science（WOS）数据库作为国外学习动机与技术相关文献的检索平台。在期刊收录方面，WOS数据库以ISI Web of Knowledge作为检索平台，共包括8000多种世界范围内最有影响力的、经过同行专家评审的高质量的期刊，其中包括1700多种社会科学期刊和1100多种人文类期刊[6]。在WOS数据库的Web of Science核心合集中，以下列条件为检索条件进行文献检索：以learning motivation和technology为主题；将文献类型设定为ARTICLE（期刊论文）或REVIEW（综述）；文献为OPEN ACCESS（开放获取）；为保证数据的准确性，将检索时间设置为1986年，与中文最早一篇文献的出现时间保持一致；索引为SCI-EXPANDED，SSCI，CPCI-S，CPCI-SSH，CCR-EXPANDED，IC。以上述检索条件进行检索，共得到602篇文献，将这些文献数据以纯文本形式导出。 （二）数据分析与可视化 1.数据分析步骤 将得到的纯文本数据导入CiteSpace5.1.R6，将Time Slicing（时间分割）设置成1986—2020年，NoteTypes（网络节点类型）选择Key word（关键词），词频阈值（Top N）设置成20，设置完成后点击“GO”运行软件，进行关键词共现分析、聚类分析、突现词分析。 2.关键词共现分析 运行软件后得到国外学习动机与技术相关文献的高频关键词知识图谱。前20个高频关键词如表2所示。从表中可以看出，国外学习动机与技术的研究主要集中在如何使用技术激发学生的学习动机、提高学生的成就感和自我效能感等。 在CiteSpace中对关键词进行聚类（选择LLR算法），结果如图4所示。这些关键词被分为10类（聚类标号从#0开始），第一类为achievement goal framework（成就目标框架），第二类为blended learning（混合学习），第三类为adoption（采纳），第四类为access（成就），第五类为nurse（培养），第六类为satisfaction（满意），第七类为mathematics（数学），第八类为psychiatricrehabilitation（精神康复），第九类为ontology（存在论），第十类为computer supported collaborative learning（计算机支持的协作学习）。 经过观察，笔者认为可以将这十个聚类划分成三大领域：领域一为聚类#0achievement goal framework（成就目标框架）、#1 blended learning（混合学习）、#3access（成就）、#7 psychiatric rehabilitation（精神康复），主要研究如何在教学中通过技术使学生获得成就感、激发学习动机。一篇文章中总结了在外语（FL）学与教中使用技术的有效性的证据，重点是将新技术与更传统的方法或材料的使用进行比较的实证研究，对于技术在FL学习中产生可观影响的说法的强烈支持来自对计算机辅助发音训练，特别是自动语音识别（ASR）的研究[7]。 领域二为聚类#2 adoption（采纳）、#6 mathematics（数学）、#8 ontology（存在论），主要研究采用相关算法得出的相关结论及理论内容。如有的文章扩展了技术接受模型，并将836名大学生的反馈意见用于测试所提出的结构模型。数据显示，技术支持对感知的易用性和有用性具有显著的直接影响，而感知的易用性和有用性是影响使用WebCT的学生态度的主要因素[8]。 领域三为聚类#4 nurse（培养）、#5 satisfaction（满意）、#9 computer supported collaborative learning（计算机支持的协作学习），主要研究技术支持下激发学生学习动机的影响因素。有文章开发了一个具有六个维度的集成模型——学习者、讲师、课程、技术、设计和环境，并进行了一项调查，以调查影响学习者在电子学习中满意度的关键因素。结果表明，学习者的计算机焦虑，教师对电子学习的态度，电子学习课程的灵活性，电子学习课程的质量，感知的实用性，感知的易用性以及评估的多样性是至关重要的影响学习者满意度的因素[9]。 3.突现词分析 对关键词进行突现分析，得到图5所示的5个突现关键词，分别为environment环境（2013年）、online在线（2015年）、system系统（2017年）、classroom教室（2018年）、performance绩效（2020年）。由此可以看出，国外关于学习动机与技术的相关研究从环境、在线形式等物理因素逐渐转移到系统、绩效等更为全面、整体的研究。 3 总结 通过对国内外学习动机与技术的相关文献进行计量分析，我们可以看到，国内相关研究主要分为四个领域：教学中技术与动机的关系；技术应用对激发动机的影响；使用技术进行学习时，激发学生学习动机的影响因素；实际教学中如何使用相关技术来激发学生的学习动机。国外相关研究主要分为三个领域：如何在教学中通过技术使学生获得成就感、激发学习动机；采用相关算法得出的相关结论及理论内容；技术支持下激发学生学习动机的影响因素。 我们可以看到国内外的关注点有共同之处，比如国内外大部分学者都认同使用恰当技术可以激发学生的学习动机，同时，对于在教学中使用技术会如何影响学习动机，国内外都有一定的研究。同时，国内外相关研究各有特色，如国内体育教学对学习动机与技术较为关注，以及信息技术课程如何在实际教学过程中激发学生的学习动机；国外一些研究会构建模型或模式，并用收集到的数据去改进模型或模式。 在后续研究中，我国学者在结合我国教学特色的同时，也可以借鉴国外的研究思路，研究学习动机与技术相关的系统、绩效等方面。国外也有相当一部分学者会构建学习模型或模式，并通过教学实践收集数据，以便进一步改进，这种方式可以更为直观、有效地促进教学活动，保证研究成果的真实性与可行性。 |
|
|
