隨著計算機和互聯(lián)網(wǎng)技術的迅速發(fā)展，教育領域開始引入相關技術來豐富教學。本文從學習動機的角度出發(fā)，將CNKI中國知網(wǎng)、Web of Science數(shù)據(jù)庫作為文獻數(shù)據(jù)來源，使用SPSS、CiteSpace等文獻計量分析軟件，對國內(nèi)外對學習動機與技術相關研究的關注領域進行科學計量及分析。
關鍵詞：學習動機；技術；SPSS；CiteSpace；文獻分析
引言
自20世紀末以來，計算機和互聯(lián)網(wǎng)技術迅速發(fā)展，逐漸滲透到各行各業(yè)。教育領域開始引入虛擬現(xiàn)實、增強現(xiàn)實、信息技術、人工智能、云計算等各項新興技術，豐富教學形式。合理使用這些技術能夠激發(fā)學生的學習動機，提高教學效果。
文章的關鍵詞是整篇文章的核心，是對表述論文的中心內(nèi)容有實質意義的語匯，通常代表著該篇文章的主要內(nèi)容以及創(chuàng)新之處。因此，本文主要分析國內(nèi)外學習動機與技術的相關文獻的關鍵詞。本文利用Bicomb 2.0、Ucinet 6.0及SPSS 22.0軟件，采取共詞聚類、詞頻分析、多維尺度分析及社會網(wǎng)絡分析等方法，對國內(nèi)學習動機與技術的研究熱點進行了分析；利用CiteSpace軟件，使用關鍵詞共現(xiàn)分析、聚類分析、突現(xiàn)詞分析等方法，對國外學習動機與技術的研究熱點進行了分析。
1
國內(nèi)學習動機與技術研究領域
（一）數(shù)據(jù)收集
選擇CNKI中國知網(wǎng)作為國內(nèi)關于學習動機與技術的文獻來源。在中國知網(wǎng)的全部期刊中，將文獻分類目錄限定為“社會科學Ⅰ輯”“社會科學Ⅱ輯”和“信息科技”，以“學習動機”為關鍵詞，以“技術”為主題進行檢索，并限定范圍為中文文獻。共檢索出
247篇中文文獻，過濾掉研究報告等無關文獻，共篩選出241篇文獻。將這241篇文獻以Note?rst格式導出，作為下一步分析的數(shù)據(jù)來源。
（二）數(shù)據(jù)分析與可視化
1.數(shù)據(jù)分析流程
使用Bicomb 2.0書目共現(xiàn)分析系統(tǒng)提取高頻關鍵詞，并得到相應的詞篇矩陣及共現(xiàn)矩陣。將詞篇矩陣導入SPSS 22.0軟件，生成相似性矩陣，對其進行系統(tǒng)聚類，得到聚類樹狀圖并分析；將相似性矩陣轉化為相異矩陣，對相異矩陣進行多維標度（ALSCAL）分析。將共現(xiàn)矩陣導入Ucinet 6.0中，生成社會網(wǎng)絡分析圖并進行分析。
2.高頻關鍵詞詞頻
在Bicomb 2.0書目共現(xiàn)分析系統(tǒng)中，將關鍵詞閾值設為5。由于搜索條件以學習動機為關鍵詞，因此將學習動機排除，頻次高于5的關鍵詞共有17個，頻次由高到低分別為信息技術、興趣、信息技術教學、體育教學、策略、學習興趣、應用、教學方法、影響因素、激發(fā)、學習效果、個性心理特征、教學效果、在線學習、現(xiàn)代教育技術、多媒體技術、動機。
3.關鍵詞聚類樹狀圖
在Bicomb 2.0中將這17個關鍵詞生成詞篇矩陣及共現(xiàn)矩陣。將詞篇矩陣導入到SPSS 22.0中，生成相似性矩陣，部分相似性矩陣如表1所示。
對相似性矩陣進行系統(tǒng)聚類，得到這些關鍵詞的聚類樹狀圖，如圖1所示。
由樹狀圖可得，可以將國內(nèi)學習動機與技術的相關文獻分為四個領域。
第一個領域為教學中技術與動機的關系，這些文章談到在實際教學中使用多種技術能夠提高其學習動機，其中信息技術教學所占比例較多，包含的關鍵詞有興趣、個性心理特征、信息技術教學和動機。例如，一篇名為《個性化自主學習——小學信息技術課教學探索》的文章中提到福建省安溪縣實驗小學以培養(yǎng)學生具有較強的自主學習動機和自主學習能力為目標，在多媒體網(wǎng)絡環(huán)境下開展個性化自主學習的教學實驗，滿足不同層次學生的發(fā)展需求[1]。
第二個領域為技術應用對激發(fā)動機的影響，包含的關鍵詞有體育教學、學習興趣、學習效果、激發(fā)、策略、應用、信息技術、多媒體技術。例如，一篇名為《信息技術與小學語文融合教學》的文章指出把各種信息技術手段與信息資源完美地融合到小學語文學科教學中，充分利用多媒體技術、電子白板、微課、云教學平臺、網(wǎng)絡教學資源等進行教學，能有效激發(fā)學生潛在的學習動機和求知欲望，讓他們積極主動地獲取知識，從而提升課堂效益[2]。
第三個領域為使用技術進行學習時，激發(fā)學生學習動機的影響因素，包含的關鍵詞是影響因素和在線學習。例如，《影響教育虛擬社區(qū)中學習動機激發(fā)因素的實證分析》一文在基于課程“學習科學與技術”的教育虛擬社區(qū)學習實踐的基礎上，實證分析了教育虛擬社區(qū)中學習動機激發(fā)的影響因素，并提出了影響教育虛擬社區(qū)學習動機激發(fā)因素的分析模型[3]。
第四個領域為實際教學中如何使用相關技術來激發(fā)學生的學習動機，包含的關鍵詞是教學效果、現(xiàn)代教育技術、教學方法。在《運用現(xiàn)代教育技術激發(fā)數(shù)學學習動機》一文中，遵循小學數(shù)學的學科特點和兒童的認知規(guī)律，在多媒體教學環(huán)境下，研究激發(fā)學生學習動機的模式和有效策略[4]。
4.多維尺度分析
將相似性矩陣導入Microsoft Excel中，得到相異矩陣，在SPSS 22.0中對相異矩陣進行多維尺度分析，結果如圖2所示。
由圖中可以看出，在第一象限中的關鍵詞是領域2的大部分，應用相關技術激發(fā)學習動機是國內(nèi)學習動機與技術的關注重點。在第二象限，領域1的關鍵詞相互間聯(lián)系較為緊密，且整體離主軸較近，但相關文獻數(shù)量較少，不是關注重點領域；領域3兩個關鍵詞分別位于第三和第四象限，但兩者聯(lián)系緊密，表明該領域的文獻內(nèi)容相互間有交叉，但相關研究成果不多；領域4的關鍵詞有兩個位于第四象限且距離較近，有一個關鍵詞位于第三象限且與其他兩個相距較遠，表明領域4結構較為松散，易受其他領域影響。
5.社會網(wǎng)絡分析
將Bicomb 2.0中得到的共現(xiàn)矩陣導入Ucinet 6.0，生成關鍵詞社會網(wǎng)絡圖，并進行中心性可視化處理。社會網(wǎng)絡圖中各節(jié)點大小反映關鍵詞在網(wǎng)絡中地位與作用的大小，節(jié)點越大，其地位越重要，作用越大；節(jié)點間距離反映關鍵詞之間的密切程度，距離越小，關鍵詞與關鍵詞之間越密切；節(jié)點間連線粗細則反映關鍵詞之間關系的強弱，連線越粗，關系就越強[5]。從圖3可以得出以下結論：信息技術、體育教學是學習動機與技術相關研究的熱點，在線學習、影響因素兩者聯(lián)系緊密，但與其他關鍵詞共現(xiàn)較少；教學效果和現(xiàn)代教育技術與其他關鍵詞聯(lián)系很少。此結論與多維尺度分析及社會網(wǎng)絡分析結果基本符合。
2
國外學習動機與技術研究領域
（一）數(shù)據(jù)收集
本文使用Web of Science（WOS）數(shù)據(jù)庫作為國外學習動機與技術相關文獻的檢索平臺。在期刊收錄方面，WOS數(shù)據(jù)庫以ISI Web of Knowledge作為檢索平臺，共包括8000多種世界范圍內(nèi)最有影響力的、經(jīng)過同行專家評審的高質量的期刊，其中包括1700多種社會科學期刊和1100多種人文類期刊[6]。在WOS數(shù)據(jù)庫的Web of Science核心合集中，以下列條件為檢索條件進行文獻檢索：以learning motivation和technology為主題；將文獻類型設定為ARTICLE（期刊論文）或REVIEW（綜述）；文獻為OPEN ACCESS（開放獲?。粸楸ＷC數(shù)據(jù)的準確性，將檢索時間設置為1986年，與中文最早一篇文獻的出現(xiàn)時間保持一致；索引為SCI-EXPANDED，SSCI，CPCI-S，CPCI-SSH，CCR-EXPANDED，IC。以上述檢索條件進行檢索，共得到602篇文獻，將這些文獻數(shù)據(jù)以純文本形式導出。
（二）數(shù)據(jù)分析與可視化
1.數(shù)據(jù)分析步驟
將得到的純文本數(shù)據(jù)導入CiteSpace5.1.R6，將Time Slicing（時間分割）設置成1986—2020年，NoteTypes（網(wǎng)絡節(jié)點類型）選擇Key word（關鍵詞），詞頻閾值（Top N）設置成20，設置完成后點擊“GO”運行軟件，進行關鍵詞共現(xiàn)分析、聚類分析、突現(xiàn)詞分析。
2.關鍵詞共現(xiàn)分析
運行軟件后得到國外學習動機與技術相關文獻的高頻關鍵詞知識圖譜。前20個高頻關鍵詞如表2所示。從表中可以看出，國外學習動機與技術的研究主要集中在如何使用技術激發(fā)學生的學習動機、提高學生的成就感和自我效能感等。
在CiteSpace中對關鍵詞進行聚類（選擇LLR算法），結果如圖4所示。這些關鍵詞被分為10類（聚類標號從#0開始），第一類為achievement goal framework（成就目標框架），第二類為blended learning（混合學習），第三類為adoption（采納），第四類為access（成就），第五類為nurse（培養(yǎng)），第六類為satisfaction（滿意），第七類為mathematics（數(shù)學），第八類為psychiatricrehabilitation（精神康復），第九類為ontology（存在論），第十類為computer supported collaborative learning（計算機支持的協(xié)作學習）。
經(jīng)過觀察，筆者認為可以將這十個聚類劃分成三大領域：領域一為聚類#0achievement goal framework（成就目標框架）、#1 blended learning（混合學習）、#3access（成就）、#7 psychiatric rehabilitation（精神康復），主要研究如何在教學中通過技術使學生獲得成就感、激發(fā)學習動機。一篇文章中總結了在外語（FL）學與教中使用技術的有效性的證據(jù)，重點是將新技術與更傳統(tǒng)的方法或材料的使用進行比較的實證研究，對于技術在FL學習中產(chǎn)生可觀影響的說法的強烈支持來自對計算機輔助發(fā)音訓練，特別是自動語音識別（ASR）的研究[7]。
領域二為聚類#2 adoption（采納）、#6 mathematics（數(shù)學）、#8 ontology（存在論），主要研究采用相關算法得出的相關結論及理論內(nèi)容。如有的文章擴展了技術接受模型，并將836名大學生的反饋意見用于測試所提出的結構模型。數(shù)據(jù)顯示，技術支持對感知的易用性和有用性具有顯著的直接影響，而感知的易用性和有用性是影響使用WebCT的學生態(tài)度的主要因素[8]。
領域三為聚類#4 nurse（培養(yǎng)）、#5 satisfaction（滿意）、#9 computer supported collaborative learning（計算機支持的協(xié)作學習），主要研究技術支持下激發(fā)學生學習動機的影響因素。有文章開發(fā)了一個具有六個維度的集成模型——學習者、講師、課程、技術、設計和環(huán)境，并進行了一項調查，以調查影響學習者在電子學習中滿意度的關鍵因素。結果表明，學習者的計算機焦慮，教師對電子學習的態(tài)度，電子學習課程的靈活性，電子學習課程的質量，感知的實用性，感知的易用性以及評估的多樣性是至關重要的影響學習者滿意度的因素[9]。
3.突現(xiàn)詞分析
對關鍵詞進行突現(xiàn)分析，得到圖5所示的5個突現(xiàn)關鍵詞，分別為environment環(huán)境（2013年）、online在線（2015年）、system系統(tǒng)（2017年）、classroom教室（2018年）、performance績效（2020年）。由此可以看出，國外關于學習動機與技術的相關研究從環(huán)境、在線形式等物理因素逐漸轉移到系統(tǒng)、績效等更為全面、整體的研究。
3
總結
通過對國內(nèi)外學習動機與技術的相關文獻進行計量分析，我們可以看到，國內(nèi)相關研究主要分為四個領域：教學中技術與動機的關系；技術應用對激發(fā)動機的影響；使用技術進行學習時，激發(fā)學生學習動機的影響因素；實際教學中如何使用相關技術來激發(fā)學生的學習動機。國外相關研究主要分為三個領域：如何在教學中通過技術使學生獲得成就感、激發(fā)學習動機；采用相關算法得出的相關結論及理論內(nèi)容；技術支持下激發(fā)學生學習動機的影響因素。
我們可以看到國內(nèi)外的關注點有共同之處，比如國內(nèi)外大部分學者都認同使用恰當技術可以激發(fā)學生的學習動機，同時，對于在教學中使用技術會如何影響學習動機，國內(nèi)外都有一定的研究。同時，國內(nèi)外相關研究各有特色，如國內(nèi)體育教學對學習動機與技術較為關注，以及信息技術課程如何在實際教學過程中激發(fā)學生的學習動機；國外一些研究會構建模型或模式，并用收集到的數(shù)據(jù)去改進模型或模式。
在后續(xù)研究中，我國學者在結合我國教學特色的同時，也可以借鑒國外的研究思路，研究學習動機與技術相關的系統(tǒng)、績效等方面。國外也有相當一部分學者會構建學習模型或模式，并通過教學實踐收集數(shù)據(jù)，以便進一步改進，這種方式可以更為直觀、有效地促進教學活動，保證研究成果的真實性與可行性。
