基于CiteSpace的特定区域混合学习研究可视化分析与对比

Visualization and Comparison Analysis of Mixed Learning Research in Specific Regions Based on CiteSpace

摘要: 混合学习作为融合线上与线下教学优势的教学模式，近年来在全球范围内得到广泛实践和理论探究。本文基于CiteSpace，对2003~2024年间Web of Science数据库中特定区域的混合学习研究文献进行可视化分析，旨在揭示该领域的知识基础与研究热点，划分其发展阶段，并与国内既有的混合学习研究领域知识图谱进行异同比较。研究发现，检索得到的混合学习研究主要围绕课程设计、学科应用及系统性回顾和评价展开；其热点议题集中在混合学习概念界定、有关技术开发、教学设计与实证研究验证上；从时间演进来看，该领域在2003~2007年处于萌芽阶段，2008~2015年进入应用实践阶段，2016~2024年则迈向优化推广阶段。

Abstract: As a teaching model that combines the strengths of online and face-to-face instruction, blended learning has been widely implemented and intensively studied worldwide in recent years. This paper uses CiteSpace to conduct a visual analysis of hybrid learning research literature in a specific region from the Web of Science database between 2003 and 2024. The aim is to reveal the knowledge base and research hotspots in this field, divide its development stages, and compare its similarities and differences with the existing knowledge map of hybrid learning research in China. Research findings indicate that the mixed learning studies retrieved primarily focus on course design, subject application, and systematic review and evaluation. Current hotspots center on defining blended learning, developing enabling technologies, refining instructional design, and conducting empirical validations. Chronologically, the field experienced an embryonic phase (2003~2007), an application-practice phase (2008~2015), and an optimization-and-promotion phase (2016~2024).

1. 引言

近二十多年，混合学习得到一线教育工作者的大量实践，并引起学者的广泛关注，研究成果颇为丰硕，范围涵盖了混合学习的理论研究、教学设计、实践应用等方面，因此对相关研究进行系统梳理和分析是必要的，可以为后来研究者提供一个较为全面的研究视角。

已有学者借助CiteSpace描绘国内外混合学习的热点、演进及趋势，但针对发展阶段的专门研究仍显稀缺，大多聚焦于国内的混合学习研究[1] [2]，而国外尚无对美国混合学习进行知识图谱分析。同时近年文献的数据更新不足[3]-[5]，且缺少基于量化阈值的发展阶段划分[6]。本文拟以CiteSpace解析美国混合学习的知识基础与热点，并综合年发文量及突现词信息熵的量化结果，划分发展阶段，构建清晰的分析框架。鉴于翻转课堂符合“线上 + 线下”的混合学习内涵，本文将其视为混合学习方法之一，纳入检索词。数据来源于Web of Science (WOS)核心数据库，检索主题词为“blended learning” or “hybrid learning” or “flipped classroom” or “mix education” or “flexible learning” or “Learning Management System” or “LMS”，限制地区为“America”，共检索到论文5603篇(检索时间截至2024-12-31)。经标题筛选剔除非教育学文献后，最终纳入2231篇论文进行分析。

2. 美国混合学习研究知识基础

通过对共引网络进行节点聚类分析并深度挖掘节点信息，可系统揭示特定研究领域的知识基础、结构特征及发展前沿。

2.1. 聚类分析

本研究以年度为单位，将2003至2024年间发表的相关文献进行时间分割。通过调整比例因子k值筛选这些文献的参考文献，构建了参考文献的共被引网络，见图1。该网络包含628个节点(即被引文献)，其中前五大聚类共包含288个节点，占比38.85%。网络聚类模块值(Modularity)为0.8534，平均轮廓值(Mean Silhouette)为0.9286，表明聚类结构显著且合理[7]。

节点的引用历史表征为多色树环，每个树环对应一个年份的引用记录，其节点直径与被引频次成正比。最高被引文献探讨了自适应课程在翻转课堂课前学习环节的应用[8]。不同颜色的区域映射区域内共引链接的首次出现时间。各聚类可通过标题术语、关键词及引用该聚类文献的摘要词汇进行标注。例如，聚类#3被标注为“graduate medical education”，表明该聚类由医学研究生教育领域的文献所引用。

Figure 1. Panoramic view of the co-citation network (k = 15, LRF = 2.5, LBY = 5, e = 1.0)

图1. 共引网络的全景图(k = 15, LRF = 2.5, LBY = 5, e = 1.0)

2.2. 美国混合学习研究的主要聚类

CiteSpace生成的时间线图描绘了文献聚类随时间的演进及其引文积累过程，见图2。最大的五个聚类均包含至少50个节点。此外，聚类的持续时间和活跃性值得关注：前三大聚类的持续时间跨度达8至10年，其中，聚类#2迄今仍保持活跃状态。规模相当的聚类#3与#4分别于2021年和2014年起不再活跃。鉴于上述特征，本文选取前三个聚类进行深入分析，以探究美国混合学习研究领域的知识基础。

Figure 2. Timeline chart of the eight largest clusters

图2. 八个最大聚类的时间线图

2.2.1. 聚类#0自主理论和认知负荷理论

聚类#0包含60篇文献，发表年份跨度为2010~2018年，平均年份为2014年。该聚类的主要研究重点是自我决定理论(Self-Determination Theory, SDT)与认知负荷理论(Cognitive Load Theory, CLT)。其中，SDT指出个体普遍存在三种基本心理需求：能力需求、自主性需求与关联性需求：能力需求、自主性需求和关联性需求[9]，CLT则强调工作记忆过载会对学习产生阻碍作用[10]。该聚类中被引频次超过20次的文献见表1。其中，Abeysekera等[11]提出了SDT结合CLT的实证研究理论模型。Freeman等[12]通过元分析证实，在STEM学科教学中，主动学习相较于传统教学模式具有显著优势，该结论从实证角度支持了学习者自主性需求的核心价值。Seery等[13]指出，当前翻转课堂实践存在过度依赖课前视频单向知识传输的倾向，此举实质上偏离了“减少讲授、增加探究”的翻转教学本质；其进一步强调可基于认知负荷理论设计工作示例，以有效衔接课前准备与课堂教学环节。Ryan等[14]的对照研究表明，翻转课堂仅对学业后进群体(成绩排序后1/3学生)的考试成绩提升具有统计显著性；研究者认为，其视频资源的按需点播与自定进度特性，能够规避传统课堂中笔记效率低下、注意力衰减及后排座位干扰等问题，该发现印证了降低学习内在认知负荷的必要性。

上述研究结果提示，翻转课堂的实施需系统构建能力需求、自主性需求与关联性需求的支持框架，以优化学生学习动机。具体而言：自主性需求层面，可通过学习路径差异化设计(如提供视频、阅读材料、案例研究等多元资源选项)，满足学生个性化学习偏好；能力需求层面，应嵌入具有即时反馈机制的形成性评价工具(如课堂应答测验)，通过成就感知强化促进动机内化；关联性需求层面，宜采用角色扮演、协作探究等社会化学习活动，提升知识建构的互动性与情境关联度。此外，认知负荷的调控应同步实施，采用时序信息切分(视频内容模块化分段)与认知标记强化(关键概念可视化标注)，降低内在认知负荷；提供结构化认知支架(如目标导向型学习指南)，明确知识整合路径与问题焦点，从而减少外在认知负荷。

Table 1. Top 5 most cited documents in cluster #0

表1. 聚类#0中被引频次排名前5的文献

作者	年份	文献名称	被引频数
Freeman S	2014	Active learning increases student performance in science, engineering, and mathematics	80
Seery MK	2015	Flipped learning in higher education chemistry: emerging trends and potential directions	34
Abeysekera L	2015	Motivation and cognitive load in the flipped classroom: definition, rationale and a call for research	34
Ryan MD	2016	Impact of the flipped classroom on student performance and retention: a parallel controlled study in general chemistry	30
Fautch JM	2015	The flipped classroom for teaching organic chemistry in small classes: is it effective?	25

2.2.2. 聚类#1翻转课堂的教学设计和实践

聚类#1包含62篇文献，发表时间跨度为2016~2024年，平均年份为2018年，被引频次超过20次的文献见表2。该聚类主要研究主题是翻转课堂的教学设计和实践。翻转课堂作为一种教学模式，其核心特征在于教师于课前制作教学视频、指定阅读材料并设计课前预习任务；学生则需在课外完成预设学习内容，并于课堂时间内通过互动研讨与协作深化理解并解决问题。其中Bergmann等[15]系统介绍了两位美国教师在实践中开发的翻转课堂实施策略，该研究作为该模式早期实践探索的代表性成果，在翻转课堂发展历程中具有里程碑意义。McLaughlin等[16]将自适应学习平台应用于优化翻转课堂课前学习环节，其研究表明，学生对平台在课前学习中的便捷性与指导性普遍持积极评价。Tune等[17]通过构建“视频预习–测验驱动–深度讨论”的结构化教学设计框架，显著提升了研究生生理学课程的教学成效。Pierce等[18]指出，在翻转课堂模式中，形成性评估可能是促进学生成绩提升的关键因素之一。与上述对翻转课堂持积极态度的研究不同，Jensen等[19]所带来的学习收益更可能源于主动学习本身，而非单纯归因于教学流程顺序的调整。

翻转课堂的价值不在于简单地将讲课视频移到课前，而在于释放课堂时间，以促进学生主动参与、深度思考和知识建构。需明确的是，教学成效提升的核心机制在于学生主动学习过程的深化，而非教学流程顺序的简单调整。Tune等的实践亦印证，翻转课堂的成功实施依赖于系统化、结构化的教学设计框架。该框架要求各教学环节目标明确、衔接紧密、相互支撑，形成逻辑闭环。其中，形成性评估作为贯穿课前与课中的动态诊断机制，可实时识别学生的认知差距，并为教学策略的动态调适提供依据。在实践层面，可通过课前嵌入诊断性测评、收集学生基于在线学习资源产生的疑问、课中运用实时反馈系统(如线上答题工具)汇总知识掌握情况等方式实施形成性评估。

Table 2. Top 5 most cited documents in cluster #1

表2. 聚类#1中被引频次排名前5的文献

作者	年份	文献名称	被引频数
McLaughlin JE	2014	The flipped classroom: a course redesign to foster learning and engagement in a health professions school	91
Bergmann J	2012	Flip your classroom: reach every student in every class every day	54
Jensen JL	2015	Improvements from a flipped classroom may simply be the fruits of active learning	46
Tune JD	2013	Flipped classroom model improves graduate student performance in cardiovascular, respiratory, and renal physiology	41
Pierce R	2012	Vodcasts and active-learning exercises in a “flipped classroom” model of a renal pharmacotherapy module	40

2.2.3. 聚类#2系统性回顾和评价

聚类#2包含56篇文献，发表时间跨度为2014~2024年，平均年份为2017年。该聚类聚焦于混合学习研究的系统化回顾与评价，主要采用范围综述及元分析方法。被引频次超过20次的文献见表3。其中，Hew等[20]指出，教师在每节课前引入测验可显著提升翻转课堂的效能。Akçayir等[21]通过对72篇翻转课堂研究文献的系统评价发现，该模式实施中的主要挑战多集中于课外环节，例如课前自主学习资源、平台支持、技术开发以及教师准备工作等。OFlaherty等[22]则强调，未来研究应深入探究翻转课堂中学生参与度的不同指标间的关系。鉴于参与度等抽象构念难以完全通过量表测量项目或考试成绩予以充分表征，其内在机制及测量方法亟待深入探究。

课前阶段的设计构成翻转课堂实施的关键要素。高质量的课前学习材料是学生开展有效自主学习的先决条件；操作友好、功能适配的在线学习平台作为核心基础设施，承担着师生交互与资源承载的双重职能；而教师角色的职责转型则面临显著挑战。教师需投入大量时间遴选或开发课前资源、设计高效学习任务、掌握技术平台操作，实现从知识传授者向学习引导者与活动设计者的角色重构。课堂活动设计能够强化学习责任内化。测验、小组讨论及问题收集等活动不仅具有评估功能，更能驱动学生完成课前任务，为教师提供即时反馈以识别预习盲点，并实现与课堂教学内容的有机衔接。学生参与度作为翻转课堂成效的核心指标，其多维度构念特性难以通过单一方法全面测度。未来实证研究可考虑采用混合方法：整合量化数据(平台日志分析、测验成绩)与质性资料(课堂观察记录、深度访谈)及问卷自陈报告，构建多维测量框架。

Table 3. Top 3 most cited documents in cluster #2

表3. 聚类#2中被引频次排名前3的文献

作者	年份	文献名称	被引频数
Hew KF	2018	Flipped classroom improves student learning in health professions education: a meta-analysis	31
Akçayir G	2018	The flipped classroom: a review of its advantages and challenges	26
OFlaherty J	2015	The use of flipped classrooms in higher education: a scoping review	21

3. 美国混合学习研究领域的热点和发展阶段

主题词共现分析作为有效的文献计量方法，可系统揭示美国混合学习领域的研究主题分布。 高频主题词直观表征该领域的研究热点。本研究以年度为单位对2003~2024年文献进行时序切片，通过设定比例因子k值筛选目标文献，构建纳入文献的共词网络图谱。基于标题、摘要及关键词提炼主题词，实现文本信息的深度挖掘。频次大于20的高频关键词分布详见图3。基于图3高频主题词分析，美国混合学习研究热点可归纳为：

(1) 概念体系建构与理论演进。Distance learning、blended learning等概念性词汇自2002年涌现，研究聚焦混合学习、在线教学与传统教学模式对学生学业表现的差异化影响。2010年后，active learning、student-centered learning等主题词凸显理论深化趋势，学者关注学生满意度、自主学习能力等核心议题，旨在通过混合学习模式激发学生主体性潜能。

(2) 技术支撑体系的完善。Learning management system、educational technology等高频词印证混合学习对技术生态的高度依赖。伴随技术进步，其实施路径持续迭代，当前主流技术载体包括：学习管理系统(LMS)、实时交互工具、自适应学习平台及数字资源库。值得注意的是，重复开发功能接近的平台可能引发资源冗余问题，建议将研发重点转向模块化功能开发。同时，需深化教育数据挖掘应用：系统采集LMS行为数据，结合机器学习算法分析学习路径，实现对学习状态与知识掌握程度的动态监测，为精准教学决策提供依据。

(3) 教学设计与实证研究。Instructional design、strategy等主题词指向教学模式重构研究。实证层面，academic performance、engagement等测量指标形成三类评估体系：学业成绩、情感维度、行为数据，通过测验成绩或者绩点评估学生学业表现，通过问卷等方法得到学生满意度、学习态度等情感维度指标，采集如论坛发帖频次、学习线上资源次数等数据量化学生参与度、学习动力等学习行为指标。

Figure 3. Frequency map of keywords appearing more than 20 times (k = 15, LRF = 2.5, LBY = 5, e = 1.0)

图3. 出现频数大于20次的主题词时区图(k = 15, LRF = 2.5, LBY = 5, e = 1.0)

4. 美国混合学习研究的发展阶段

为量化美国混合学习研究的演进轨迹，本研究引入年发文量增长率与信息熵双指标评估体系，辅以突现词分析进行发展阶段划分。年发文量增长率跃升通常标志萌芽期终结或快速发展期启动；增长率显著回落或负增长则预示成熟期或衰退期来临；突现词指特定时段内频次激增或新现的关键词，其演变规律可解析研究热点迁移路径；信息熵用于量化年度研究主题离散程度：熵值趋低表征主题集中化，熵值趋高反映主题多元化。信息熵计算公式如下：

$H\left(X\right)=-{\displaystyle \sum _{i=1}^{n}p\left(x_i\right){\log }_{2}p\left(x_i\right)},$

其中，$H\left(X\right)$ 表示第$X$ 年的信息熵，$p\left(x_i\right)$ 表示在第$X$ 年中选取到第$i$ 个主题词的概率，$n$ 表示第$X$ 年的主题词数量。

基于R语言与Excel平台的信息熵及年发文量增长率测算结果见表4，美国混合学习研究呈现显著三阶段演进特征：

(1) 萌芽期(2003~2007年)：熵值区间0.06~2.70，表征研究主题高度集中；突现词以概念界定类为主；年发文量基数低且增长波动剧烈。

(2) 应用实践阶段(2008~2015年)：熵值稳态上升(1.88~2.33)，标志研究主题多元化加速。2013年“flipped classroom”主题词的$p\left(x_i\right)$ 值为0.69，是出现频数最大的主题词，折射教学模式向学生中心范式转型；年发文量呈高波动增长态势。

(3) 推广应用阶段(2016~2024年)，年发文量于2016年跃升至178篇并持续高位运行(151~202篇)，增长率趋稳；熵值维持高值区间(3.70~4.38)，证实研究主题多元分化。典型如2023年11个主题词均匀分布，涵盖数据隐私、体育教育等多维议题。2021~2024年熵值稳定于3.37~3.70区间，结合平缓的增长率，显示领域进入平台期。值得注意的是，跨学科技术融合趋势显现，人工智能等新兴技术的渗透，预示“AI + 教育”范式可能成为新增长点。

Table 4. Annual growth rate of publications, information entropy, and specific information on emergent words for each year

表4. 各年份的年发文量增长率、信息熵及突现词具体信息

年份	发文量	年发文量增长率(%)	信息熵	突现词
2003	6		0.06
2004	7	16.67	1.51	Blended learning (2004~2014)
2005	4	−42.86	1.12	distance education (2005~2015); online learning (2009~2013); distance learning (2011~2013)
2006	19	375.00	2.70	active learning (2014~2015); collaborative learning (2020~2021)
2007	17	−10.53	1.88	hybrid learning (2010~2015)
2008	26	52.94	2.33
2009	27	3.85	2.24	medical education (2017~2018); community (2020~2024)
2010	26	−3.70	2.08
2011	50	92.31	2.28
2012	53	6.00	1.88
2013	95	79.25	1.96
2014	123	29.47	3.71	health (2014~2017); student-center learning (2014~2015); inverted classroom (2014~2018)
2015	141	14.63	3.99	First-year undergraduate/general (2015~2016); medical student (2015~2017); student performance (2016~2017); outcm (2020~2021); motivation (2022~2024)
2016	178	26.24	4.18	lecture (2016~2018)
2017	196	10.11	4.38
2018	202	3.06	3.91	skills (2017~2019)
2019	199	−1.49	3.92
2020	195	−2.01	3.81	analytics (2022~2024)
2021	169	−13.33	3.48	COVID-19 (2021~2024); self determination theory (2021~2022)
2022	170	0.59	3.70	remote learning (2022~2024); machine learning (2022~2024)
2023	151	−11.18	3.37
2024	177	17.22	3.57

5. 中美混合学习知识图谱研究的对比分析

为进一步厘清中美混合学习研究的整体图景，本节以部分国内混合学习知识图谱研究[1] [2] [4]为参照，从发展阶段、研究热点与知识基础三方面展开对比。

5.1. 发展阶段

从阶段划分来看，中美混合学习研究均呈现出三阶段特征，但各阶段的主要研究方向略有差异。萌芽阶段，国内聚焦于基础理论引入与概念本土化，何克抗、李克东等对混合学习定义进行本土化阐释[1] [2]，实践验证相对不足；美国混合学习同样关注概念界定问题，但“学习管理系统”主题词的浮现表明其早期已开展线上与传统教学对比等实证探索。应用实践阶段，中国混合学习研究进入活跃扩张期，高校实验课程从2008年的28门增至2013年的410门[4]。翻转课堂成为两国的共同研究热点，教学结构从“教师中心”向“学生中心”转型。技术驱动下，美国Knewton自适应学习系统已开始应用于混合课程。推广应用阶段，两国均迎来主题多元化爆发。中国研究热点覆盖“课程思政”、“线上线下金课”、“形成性评价”等教育要素。而美国在这一阶段则更多关注“数据隐私”、“性别差异”等社会性议题。

5.2. 研究热点与研究聚类

美国学界聚焦混合学习概念界定、有关技术开发、教学设计与实证研究等；而国内学者则侧重于应用实践、混合课程与学科的整合研究以及混合学习的教学设计[1]。两国均重视教学设计与实践，但是美国的高频主题词如active learning、student-centered learning、adaptive learning、education technology、outcm等凸显学生自主性与技术赋能的深度融合；而中国研究更强调线上线下教学方式的系统性优化，同时更强调教师的重要作用。这一特征是本土混合学习理论的重要标识[1]。

在主要研究聚类方面，美国学者聚焦于理论基础研究、课程设计、学科应用；而国内学者则侧重课程思政与混合学习的融入以及建设线上线下相结合的混合式“金课”的建设[2]，体现出国内教育管理部门对混合学习实践和理论研究的重要引导作用。

6. 结论

本文以CiteSpace解析美国混合学习的知识基础与研究热点，并以R语言测算年发文量增长率与信息熵划分发展阶段，为教育实践提供参照。研究发现：2003~2007年为萌芽阶段，2008~2015年为应用实践阶段，2016~2024年进入推广应用阶段，目前整体趋于平台期，关键词熵值与发文量或将小幅波动；推广应用阶段涌现大量跨学科技术，结合AI浪潮，“AI + 教育”新范式可期。主题词共现显示研究热点集中于概念界定、技术开发和教学设计/实证研究三类，广泛应用学习管理系统、实时互动与协作工具、自适应平台及资源平台，教学设计关注模式、策略与效果评估，效果衡量指标涵盖学业成绩、情感维度与行为数据。共被引分析提示，翻转课堂应通过营造能力、自主与关联需求提升学习动机，并以视频分段、概念标注降低认知负荷，课前与课堂活动设计是关键，未来可混合测量学生参与度。中美知识图谱对比启示我们强化技术赋能教学效能，推行以学生为中心的混合学习，促使学生主动建构知识。

基金项目

2024年福建农林大学重点教改项目，“以人为本，AI赋能”视域下农林院校绿色统计人才的分析素养提升路径研究(编号：111424039)。