摘 要：利用 LDA 模型对教育技术学领域核心期刊进行主题挖掘和演化趋势分析。结果显示：在 2012—2021 年间，教育技术学领域共有 26 个研究主题，其中有在线学习等 8 个热点主题；在线学习等 10 个主题呈上升趋势，远程教育等 5 个主题呈下降趋势，智慧教室、教学模式等 11 个主题演化趋势较为曲折。由此可见，将 LDA 模型引入到教育技术学领域中进行主题挖掘是行之有效的，希望能对后续研究者提供帮助和借鉴。
关键词：教育技术学；LDA 模型；主题挖掘；演化趋势
DOI:10.19850/j.cnki.2096-4706.2023.06.044
基金项目：湖北师范大学 2022 年度研究生科研创新项目（20220550）
中图分类号：TP391 文献标识码：A 文章编号：2096-4706（2023）06-0176-06
Topic Mining and Evolution Trend Analysis of Educational Technology Research Based on LDA Model
TAO Shengyang, XU Xinhua, YU Yafeng, YE Yi, CHEN Suna
(School of Computer and Information Engineering, Hubei Normal University, Huangshi 435002, China)
Abstract: The topic mining and evolution trend analysis of core journals in the field of educational technology are carried out by using LDA model. The results show that from 2012 to 2021, there were 26 research topics in the field of educational technology, including 8 hot topics such as online learning. Ten themes such as online learning showed an upward trend, five themes such as distance education showed a downward trend, eleven themes such as smart classroom and teaching mode showed a tortuous evolution trend. It can be seen that it is effective to introduce the LDA model into the field of educational technology for topic mining, and it is hoped to provide help and reference for subsequent researchers.
Keywords: educational technology; LDA model; topic mining; evolution trend
参考文献：
[1] 谭春辉，熊梦媛 . 基于 LDA 模型的国内外数据挖掘研究热点主题演化对比分析 [J]. 情报科学，2021，39（4）：174-185.
[2] 黄琼珍 .2000—2013 年教育信息资源研究的热点领域和前沿主题分析——基于八种教育技术学期刊刊载文献关键词共词分析视角 [J]. 电化教育研究，2014，35（8）：17-24.
[3] 刘胜男，张细呈，徐晓雄 . 近五年我国教育技术领域研究热点及趋势——基于国内八种教育技术类核心期刊的文献分析 [J].宁波大学学报：教育科学版，2016，38（1）：73-77.
[4] 赵呈领，阮玉娇，梁云真 .21 世纪以来我国教育技术学研究的热点和趋势 [J]. 现代教育技术，2017，27（3）：49-55.
[5] 陈巧云，李艺.中国教育技术学三十年研究热点与趋势——基于共词分析和文献计量方法 [J]. 开放教育研究，2013，19（5）：87-95.
[6] 杨丽霞 . 我国教育技术学研究生学位论文的研究方向与研究热点 [J]. 现代教育技术，2007（9）：41-45+58.
[7] 田林，武滨，陈婵 . 国际教育技术近十年研究热点和趋势分析——基于共词分析法 [J]. 现代教育技术，2018，28（2）：26-32.
[8] 吴查科，王树义 . 基于 LDA 的国内图书馆学研究主题发现及演化研究 [J]. 新世纪图书馆，2019（7）：90-96.
[9] BLEI D M，NG A Y，JORDAN M I. Latent dirichlet allocation [J].The Journal of Machine Learning Research，2003，3：993–1022.
[10] GRIFFITHS T L，STEYVERS M. Finding scientific topics [J]. Proc Natl Acad Sci U S A，2004：5228-5235.
[11] 单斌，李芳 . 基于 LDA 话题演化研究方法综述 [J]. 中文信息学报，2010，24（6）：43-49+68.
[12] 关鹏，王曰芬，傅柱 . 不同语料下基于 LDA 主题模型的科学文献主题抽取效果分析 [J]. 图书情报工作，2016，60（2）：112-121.
[13] WANG X，MCCALLUM A. Topic over time：Anon-markov continuous-time model of topical trends [C]/Proceedings of the 12th ACMSIGKDD International Conference on Knowledge Discovery and Data Mining.Philadelphia：ACM，2006：424-433.
[14] ARUN R，SURESH V，MADHAVAN C E V，et al. On finding the natural number of topics with latent dirichlet allocation： some observations [C]//PAKDD'10：Proceedings of the 14th PacificAsia conference on Advances in Knowledge Discovery and Data Mining. Hyderabad：Springer-Verlag，2010：391-402.
作者简介：陶胜阳（1998—），男，汉族，湖北黄冈人，硕士研究生，研究方向：教育大数据；许新华（1968—），男，汉族，湖北孝感人，教授，研究方向：教育大数据、学习 / 教学模式研究、课程与教学论、计算机科学与技术；余亚烽（1995—），女，汉族，湖北黄石人，硕士研究生，研究方向：教育大数据；叶伊（1997—），女，汉族，湖北武汉人，硕士研究生，研究方向：教育大数据；陈苏娜（1999—），女，汉族，湖北十堰人，硕士研究生，研究方向：教育大数据。