【摘 要】
　　本研究以學堂在線“心理學概論”課程為例，采用共詞分析法和社會網絡分析法建立基于課程知識點的知識圖譜，并形成相應的知識框架結構，作為探索MOOC教學優(yōu)化的一種可視化方式。教學內容的知識框架結構圖可幫助教師進行高效、清晰的教學過程回顧、分析和改進。教學知識圖譜與學生討論知識圖譜進行對比分析，可幫助教師反思教學設計與學生認知過程中產生的問題，從而促進教學內容、策略及活動的改進。未來需要重視構建學科知識本體，對以xMOOCs為代表的在線學習數(shù)據進行充分挖掘，積極探尋如何將知識圖譜轉化為知識結構，從而促進在線學習模式的轉變。
　　【關鍵詞】 MOOCs；教學內容；學生論壇；知識圖譜
　　【中圖分類號】 G40-057 【文獻標識碼】 A 【文章編號】 1009—458x（2016）07—0005—05
　　自2012年以來，xMOOCs以其優(yōu)質的教學資源和免費開放的特點迅速在全球興起，吸引了數(shù)以萬計的學習者自由選課，參與體驗一對一“大規(guī)�！钡脑诰�教學。然而，其基于行為主義的教學法一直備受爭議（鄭勤華，等，2015）。課程論壇為教師與學生和學生與學生之間交互提供了一定的空間，但由于xMOOC 學習者的大規(guī)�；�，教師難以關注每一名學習者的發(fā)帖情況，應對大量的論壇數(shù)據。鄭燕林等（2015）指出，xMOOC論壇的發(fā)言內容是教師觀察學生的重要途徑，但教師很難像傳統(tǒng)課堂教學環(huán)境中那樣隨時關注到學習者的反應，及時捕捉學習者的需求與反饋，難以及時給予指導與支持。孫洪濤等（2016）調研了622門xMOOCs，發(fā)現(xiàn)“52.6%的課程論壇實際未發(fā)生作用，419 門 （72.5%） 課程的教師未進行答疑輔導”。盡管一些教師通常安排助教幫助回復論壇發(fā)帖、整理課程資料、充當教師與學生之間的“過渡”橋梁（范逸洲，等，2014），教師仍然需要付出巨大的時間成本來處理大量的論壇數(shù)據，借以了解學習者的學習需求，以調整與優(yōu)化xMOOCs的教學內容與進度。因此，通過何種方式幫助教師簡單快速地提取論壇討論的主題，并識別學生討論與其教學內容的異同是一個重要且亟待回答的問題。本研究嘗試對學堂在線“心理學概論”的課程資料和論壇數(shù)據進行分詞和共現(xiàn)矩陣的構建，形成教學內容和學生論壇知識圖譜，使教學內容、學生學習行為可視化，便于教師對自身教學和學生認識理解過程的解讀，并進一步根據教學情況調整或優(yōu)化教學內容與進度。
　　一、知識圖譜分析
　　知識圖譜以其可視化、直觀且便于理解的呈現(xiàn)方式，覆蓋了多領域的知識資源及載體，其構建方法和工具也趨于多樣化。知識圖譜表現(xiàn)的并非淺層次、分離的信息，而是通過一定的語義結構表現(xiàn)出各信息之間潛在的聯(lián)系和規(guī)律。知識圖譜把復雜的知識領域通過數(shù)據挖掘、信息處理、知識計量和圖形繪制顯示出來，揭示知識領域的動態(tài)發(fā)展規(guī)律，為學科研究提供切實的、有價值的參考（秦長江，等，2009）。目前已經比較成熟的分析方法有共詞分析、多元統(tǒng)計分析、引文分析、社會網絡分析、文獻統(tǒng)計分析和詞頻分析等。用于構建知識圖譜的工具有CiteSpace、IN-SRIRE、Histcite、Rost CM、Network workbrench、Ucinet等。
　　本研究采用共詞分析法和社會網絡分析法描述學堂在線“心理學概論”課程的知識圖譜。共詞分析建立在詞頻分析的基礎上，統(tǒng)計出現(xiàn)在同一段文字中的詞語對或名詞短語共同出現(xiàn)的次數(shù)，構造共現(xiàn)矩陣、相似矩陣、相異矩陣來呈現(xiàn)這些詞之間的親疏關系，據此將具有相似主題的詞進行聚類。社會網絡分析法能將復雜關系量化表征，揭示關系的結構，描述不同主體之間的聯(lián)系。本研究采用ROSTCM6和NetDraw工具進行數(shù)據分析。
　　以“心理學概論”中“情緒與情感”這一章節(jié)視頻字幕和論壇數(shù)據為原始數(shù)據進行知識圖譜分析。視頻字幕是教師教學內容的文本載體，作為構建教學內容知識圖譜的文本數(shù)據，用來揭示教學知識點的廣度與相互關系。下載、合并得到包括“緒論”“心理學歷史”“感覺與知覺”等12章的字幕數(shù)據約9萬字。課程論壇數(shù)據用以可視化分析學生討論情況，共獲得課程論壇數(shù)據5，000多條。
　　為了防止課程字幕分詞時專業(yè)詞匯被拆分，首先對課程所有章節(jié)字幕中的心理學名詞進行人工梳理，形成自定義詞表，添加到ROSTCM6的分詞詞表中，然后對“情緒與情感”這一章節(jié)的字幕進行分詞。將分詞后的字幕文件進行詞頻統(tǒng)計，篩選后的數(shù)據作為課程語料庫進行數(shù)據分析。篩選與課程內容相關的論壇數(shù)據，基于構建的課程語料庫進行分詞，選取高頻關鍵詞，利用ROSTCM6生成共現(xiàn)矩陣，導入NetDraw中可視化，分別生成教學和論壇知識圖譜。
　　二、研究結果與分析
　�。ㄒ唬┙虒W內容知識圖譜
　　詞頻分析發(fā)現(xiàn)，“情緒與情感”這一章節(jié)的高頻詞匯涵蓋了心理學現(xiàn)象、一般行為和人名等，比如情緒、情緒體驗、人類、心理學家、差異、情緒活動、反應、表現(xiàn)規(guī)則、生理反應、情商、情緒智力、文化、憤怒、艾克曼、情感、文化差異、面部表情、詹姆斯-蘭格、情緒反應、學習、控制等。
　　在視頻字幕中，共詞頻率偏低，其中“情緒”與“人類”、“情緒”與“反應”共同出現(xiàn)在同一短句中的次數(shù)最多（14次），其次為“情緒”與“差異”（10次）。根據共詞頻率矩陣形成知識圖譜，可視化高頻的課程內容知識點之間的關系（如圖1所示）。
　　圖1中的節(jié)點代表篩選出的高頻詞匯，詞匯相連（邊）代表同一行字幕中兩個詞匯被同時提及，點的大小表示的是該詞匯在圖中的度數(shù)，邊的粗細表示兩端詞匯在同一行中被提及的頻次大小。圖中中心度最大的詞匯為“情緒”，其他節(jié)點以“情緒”為中心以放射性發(fā)散的方式聚集在“情緒”周圍，且大多數(shù)與“情緒”形成邊。除“情緒”之外中心度較大的節(jié)點分別為“反應”“差異”“文化”“面部表情”“生理反應”“體驗”“行為”“因素”等詞匯，以這些詞匯為中心，又形成了數(shù)個小團體。并且，“情緒”分別和“面部表情”“人類”“文化”“差異”“理解”“因素”“體驗”之間形成較粗的邊。各詞匯相互聯(lián)系形成一張知識網絡。

相關熱詞搜索：圖譜 視角 優(yōu)化 教學 知識