基于过程数据及分析的在线学习路径研究规律与规划摘要：学习路径能直观地反映学习者真实的学习过程，对优化学习、提供学习帮助、调整教学策略等具有重要意义。本研究从中英文核心文献库选取近五年“基于数据的学习路径分析”中文文献324篇、英文文献255篇，定量和定性分析学习路径的概念界定和核心研究内容，最后总结出研究的发展趋势和未来展望。本研究发现：1）学习路径为单维或多维学习信息单元的组织序列，学习路径节点信息可以分为学习内容和学习行为两大类；2）核心研究内容有学习路径规划和学习路径发现。学习路径规划是利用数据规划未来路径，包括基于知识特征、学习者特征和综合情境特征生成最优学习路径，重在智能适应；学习路径发现研究关注发现已有学习路径数据的规律，包括普遍学习路径发现和最优学习路径发现，突出群体智能；3）研究发展趋势有：学习路径由静态预设转变到动态生成，学习路径分析数据参数由单一维度转向多维度整合，实现学习路径的技术方法趋向人工和机器结合；4）未来展望主要有：多维信息特征映射的教育知识图谱重构，面向学习过程综合情境感知的个性化学习路径生成，基于学习行为且体现群体智能的学习路径发现，多维度数据支持的在线学习路径可视化。关键词：在线学习，学习过程，学习路径，研究现状一、引言在数据密集型科学研究范式（祝智庭等，2013）的背景下，在线学习研究着重关注学习过程，包括学习过程的全数据感知、学习行为与路径分析建模、动态过程监控与管理（穆肃等，2018）。在线学习路径的生成与导航是个性化学习的必备要素（EDUCAUSE，2014），也是智慧教育系统关键技术之一（钟绍---本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除---春，2019）。学习路径是学习者学习过程中选择的一系列概念和活动的序列集合（牟智佳，2016）。有效的学习路径有利于解决“学习迷航”“认知负荷过载”等问题，进而改善在线学习成效和体验。近年来，学习路径研究逐渐成为教育技术研究新的重要生长点（兰国帅，2017），亟需系统梳理学习路径研究的关注点、发展脉络和未来走向等，清晰了解其整体研究状况，以便支持基于学习数据和人工智能技术的智能化学习分析与预测、教育知识图谱生成、学习过程监控与管理等研究与实践。本研究采用定量和定性分析结合方法梳理学习路径国内外研究现状，定量分析文献的关键词，展示学习路径研究整体状况，定性分析梳理文献核心内容，聚焦四个问题：学习路径是什么，具体研究了什么，发展特点有哪些，未来方向有哪些。二、文献选取及过程研究分别以“学习路径”和“learningpath”为关键词在中英文权威数据库检索文献。中文文献源于CSSCI期刊、北大核心、CNKI硕博士论文、专利和会议论文库；以关键词、篇名或摘要含有“学习路径”为规则进行检索。英文文献源于SCI、SSCI、ESCI、AHCI、CPCI收录期刊及会议；以关键词、拓展关键词、篇名、摘要中含有“learningpath”为规则检索论文。检索时间为2019年12月9日，文献发表时间跨度为2014年至2019年（近五年），共检索到中文论文391篇和英文论文637篇。因文献作者对学习路径的理解和界定不尽相同，初次检索所得文献包含与本文相关度不高的文献，如机器人行走路线的学习路径，为此本研究对初次检索得到的文献进行二次筛选。研究者通读所有文献摘要，人工判断该文献内容与“基于数据的在线学习路径”研究主题的相关度，利用中文文献分析工具E-Study和英文文献分析工具EndNote，从“内容相关、引用率高、专业权威期刊”三方面进行相关度判定并赋值，形成六个等级的相关度，分别以数值5到0标记，最高相关度标记为5，最低标记为0，3表示有相关度。本研究选取相关度得分大于等于3的文献进行分析，其中中文文献324篇、英文255篇（见表一）。关键词反映了文献的核心内容，高频关键词在一定程度上代表了某一领域较受关注的研究内容。本研究对选取的中英文文献的关键词进行量化分析，得出频次前30的高频关键词（见表二）。选取出现频次为3及以上的关键词生成---本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除---高频关键词共现网...