国内教育数据挖掘文献的知识图谱分析摘要：人工智能和大数据技术是当前研究的热点，数据挖掘作为其中的核心技术也受到广泛关注。本文为揭示国内教育领域数据挖掘的发展趋势以及热点方向，采取了以知识图谱分析为主的研究方法，运用CiteSpaceV、Unicet6.666、NoteExpress3.3.0.722等软件，对中国知网（CNKI）数据库收录的241篇与教育数据挖掘相关的期刊论文进行了分析。分析发现：教育数据挖掘文献数量呈现不断增长的趋势；国内教育数据挖掘尚未形成具有凝聚力的科研群体；教育数据挖掘与学习分析、大数据、教育大数据等领域紧密相连、相互交叉并且可能成为未来几年的发展方向。为此，文章给出了进一步的总结，以期为相关研究者提供参考。关键词：教育，数据挖掘，科学知识图谱一、引言教育数据挖掘是数据挖掘的一个重要分支，特指教育领域的数据挖掘，是运用数据挖掘的技术和方法从大量教育数据中提取出有价值、有意义信息的一个过程，以便相关人员利用提取出的信息更好地为教育教学服务[1]。近年来，以教育数据挖掘为主题的研讨会自2005年起在国内外多次开展，如第一届教育数据挖掘国际学术会议于2008年在加拿大召开；第五届高级数据挖掘与应用国际会议于2009年在北京师范大学举行时首次加入了“数据挖掘在教育中的应用”主题[1]；第四届教育数据挖掘国际会议于2011年7月在荷兰埃因霍温举办，并且成功创办了《教育数据挖掘》杂志（JEMD）这一专门的电子期刊[1]。另外，建设教育文化大数据、成立“教育大数据应用技术国家工程实验室”，在我国国务院2015年发布的《促进大数据发展行动纲要》中被明确提出[2]；新媒体联盟于2016年发布的《地平线报告》（高等教育版）中提到了一个重要问题——如何运用各类学习活动行为数据对学习者进行科学测量和评价[3]；2017年6月在湖北武汉举行的第十届国际教育数据挖掘大会---本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除---（The10thInternationalConferenceonEducationalDataMining）上很多专家与学者发表了自己的观点并达成共识，促进了国内外教育数据挖掘领域的发展；2017年8月在北京师范大学举办的“首届京师教育大数据挖掘与应用年会”上探讨了教育大数据挖掘的进展、大数据挖掘与教育质量监测等大数据在教育领域所发挥的作用[4]；2018年12月在山东青岛举行的2018年国际教育改革与社会科学研讨会（2018InternationalWorkshoponEducationReformandSocialSciences，ERSS2018）上提到了在教育大数据的基础之上运用数据挖掘技术以提高教育靶向性的实践研究[5]。二、数据和研究方法1.数据本文根据研究的需要选取中国知网数据库（CNKI）作为样本数据库，检索时间为2019年1月10日，以“数据挖掘”“DM”“DataMining”为领域关键词，以“核心期刊”和“CSSCI”为类别，以“教育”为期刊检索关键词，对发表时间为2002-2018年的论文进行高级检索，共搜集到241篇相关文献，剔除与主题相关性弱和重复的文献，最终获得200篇有效文献。2.研究方法与工具本文主要采取知识图谱分析和社会网络分析的方法，利用相关软件生成时间分布图谱、空间分布图谱、关键词共现图谱和关键词时序图谱，并对各个图谱进行分析，以探究国内数据挖掘在教育领域的研究趋势、研究单位之间的合作关系、研究热点以及发展演化等。研究工具方面，分别采用CiteSpaceV、Unicet6.666、NoteExpress3.3.0.722对数据进行处理，其中CiteSpaceV用于生成机构合作图谱以及关键词时序图谱，Ucinet6.666用于生成关键词共现图谱，NoteExpress3.3.0.722则用于进行词频统计和构建关键词矩阵。三、知识图谱分析1.时间分布图谱---本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除---通过分析某一领域连续几年内论文发文量的趋势变化图，能够直观地了解该领域的研究趋势，因此绘制了如图1所示的教育数据挖掘文献历年分布图。从图1中可以直观地发现，我国国内对教育数据挖掘的研究虽然有波动，但整体依旧呈现不断上升的趋势，表明研究者对教育数据挖掘的关注度不断提高，尤其在2008年、2013年和2017年，这三年相关的发文量迅速增加，主要原因是：2...