基于共词聚类的我国农村学前教育研究现状评析_任平

《基于共词聚类的我国农村学前教育研究现状评析_任平》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、第１卷第４期教师教育学报２０１４年８月Ｖｏｌ．１Ｎｏ．４ＪｏｕｒｎａｌｏｆＴｅａｃｈｅｒＥｄｕｃａｔｉｏｎＡｕｇ．，２０１４基于共词聚类的我国农村学前教育研究现状评析任平，赵微（陕西师范大学教育学院，西安７１００６２）摘要：利用Ｂｉｃｏｍｂ（书目共现分析系统）对我国近十年农村学前教育研究相关文献分析发现，我国农村学前教育研究主要有六大热点问题：农村学前教育质量、留守幼儿与政府职责、学前师资与教师专业发展、幼儿园课程资源的开发利用和乡镇中心幼儿园与家园共育以及城乡教育差异与学前教育公平。在此基础上，提出了可能的新的研究方向与重点。关键词：共词聚类；农村学前教育；研究现状；热点问题

2、；高频关键词中图分类号：Ｇ６１９．２文献标识码：Ａ文章编号：２０９５－８１２９（２０１４）０４－００７２－０７学前教育是教育事业的基础，发展学前教育是提高人口素质实现中华民族伟大复兴的重要举措之一。众所周知，我国是农业大国，农村幼儿数量众多，农村学前教育的发展必然影响到整个中华民族教育事业的发展。《国家中长期教育改革和发展规划纲要（２０１０－２０２０年）》（以下简称《纲要》）指出要“重点发展农村学前教育”，明确规定农村学前教育是国家教育发展的重中之重。为此，笔者对我国近十年来农村学前教育的研究成果进行归纳总结，找出该领域研究的热点。笔者在中国学术期刊网络出版总库（ＣＮＫＩ）、中

3、国博士学位论文全文数据库以及中国优秀硕士学位论文全文数据库中，搜集了近十年国内农村学前教育的研究文献，然后利用Ｂｉｃｏｍｂ（书目共现分析系统）对我国农村学前教育研究现状进行分析与探讨，目的是找出近十年来我国农村学前教育研究的热点问题，希冀为以后的研究提供方向。一、数据来源与研究方法（一）数据来源本文以中国学术期刊网络出版总库（ＣＮＫＩ）、中国博士学位论文全文数据库以及中国优秀硕士学位论文全文数据库为数据源；检索时间为２００３年－２０１４年（不含２０１４年硕博论文，因２０１４年硕博学位论文还没被ＣＮＫＩ收录）；以“农村”分别并含“学前教育”、“幼儿教育”、“幼教”，以及“乡村”并

4、含“学前教育”、“幼儿教育”、“幼教”为主题进行检索，共检索到相关文献２７１篇。经过去重，删除与主题不相干的课题简介、征稿启事和研讨会综述等非正规学术文献后，得到有效文献２６３篇（其中核心期刊论文１４２篇、优秀硕士学位论文１１８篇、博士学位论文３篇）。（二）研究工具本研究的主要研究工具有Ｂｉｃｏｍｂ（书目共现分析系统）、ＳＰＳＳ１１．５和ＳＰＳＳ１３．０，其中Ｂｉｃｏｍｂ软件由中国医科大学医学信息学系崔雷教授和沈阳弘盛计算机技术有限公司共同开发。＊收稿日期：２０１４－０３－２７作者简介：任平，陕西师范大学硕士研究生。赵微，博士，陕西师范大学教授，博士生导师。７２二、研究过程第一

5、步，研究材料的准备。提取２６３篇学术文献的所有关键词，把这些关键词整理到一个编码格式为“ＡＳＣＩ码”的文档中。第二步，确定并提取高频关键词，生成高频关键词词篇矩阵。第三步，进行聚类分析和多维尺度分析。将高频关键词词篇矩阵导入ＳＰＳＳ１１．５，采用样本聚类，生成聚类树图。同时，将共词相似矩阵转化为相异矩阵并运用ＳＰＳＳ１３．０进行多维尺度分析，绘制成知识图谱。第四步，结合相关内容进行分析、总结。三、研究结果与分析（一）确定高频关键词和构建高频关键词相异矩阵首先，笔者利用Ｂｉｃｏｍｂ（书目共现分析系统）对２６３篇文献的关键词进行词频统计，得到所有关键词的词频分布情况。然后，对关键词

6、进行规范处理，如把“幼儿教育”、“幼教”统一规范为“学前教育”，最终得到共４６８个有效关键词。本文把关键词频次≥４、累计频率≥５０．２０％的前３７个关键词作为高频关键词（见表１）。表１我国农村学前教育研究的高频关键词表关键词频次关键词频次关键词频次关键词频次农村学前教育６１乡镇中心幼儿园１３政府职责６农村学前教育普及４学前教育６１留守幼儿１２政策６农村学前教育师资４农村６０幼儿园１０幼儿园教育６民办幼儿园４幼儿教师３２教育公平１０教育质量６培训需求４农村幼儿园２５幼儿园课程９教育均衡发展６教师４对策２３农村幼儿９开发利用５家园合作４农村幼儿教师２１幼儿７生存现状５发展４问题１９

7、继续教育７影响因素５教师专业发展１５农村留守幼儿７城乡差异５现状１３入学准备６西部农村４高频关键词的确定是根据关键词在文献群中出现的次数来确定的，频率越高表示该主题受到［１］的关注越多，即为学科研究的重点与热点。由此，从表１可初步看出，我国近十年农村学前教育研究的热点词汇有：“农村幼儿教师”、“教师专业发展”、“乡镇中心幼儿园”等。但是这些热点词汇之间是零散的，不能看出它们之间的内在联系，因此笔者利用关键词共现技术对高频关键词做进一步统计，构成了一个３７×３７的共词相似矩阵，然后用“１”减相