人工智能视域下机器学习在教育研究中的应用
上QQ阅读APP看本书,新人免费读10天
设备和账号都新为新人

2.3.6 战略坐标图分析

战略坐标图通常用来表示某一研究领域与其他领域间的关联程度以及内部之间的联系程度。基于聚类分析的结果,使用战略坐标图能够预测不同类团之间的内部关系和发展趋势。如图2-5所示,本书通过计算各个类团的向心度和密度来绘制二维战略坐标图,其中,x轴为向心度,y轴为密度,点大小代表了类团所含关键词多少。

图2-5 战略坐标图

位于第一象限的类团是“智能教育应用”,其主题的向心度和密度较高,表明该研究主题内部联系紧密且与其他研究主题联系程度较高,发展较为成熟,处于整个人工智能教育研究的核心位置。位于第二象限的类团为“智能教育内容”,该类团的密度为正值,说明内部联系紧密,具备一定的研究规模,但该向心度较低,说明与其他主题之间的联系稀疏。该领域的进一步发展潜力较大,有望成为新的研究核心。位于第三象限的类团为“智能教育理论”,该类团的向心度和密度都较低,内部研究松散,尚未形成完备的体系。位于第四象限的类团为“智能教育技术”,该类团的向心度高,表明处于整体研究的核心位置,与其他各类联系较为密切,研究处于活跃状态。但是密度较低,说明其内部联系较为稀疏,研究方向较为多元,暂未形成严密的体系。该类主题在发展过程可能会分化成其他的类团,具有潜在发展趋势。