一、資料來源與研究方法
（一）資料來源
首先，查找資料。進入中國學術期刊網絡出版總庫的碩博士論文庫，內容檢索條件採用主題詞為「遠程教育」，共查閱到學位論文3179篇，其中碩士學位論文3079篇，博士學位論文100篇。查閱時間為2013年6月9日。其次，對文獻進行取捨。在3179篇文獻中，剔除9篇不符合要求的學位論文，共得到有效文獻3170篇。最後，標準化材料。將不同單位來源的學位論文的關鍵詞進行格式和內容標準化。
（二）研究工具
中國醫科大學醫學信息學系崔雷教授和瀋陽市弘盛計算機技術有限公司開發的Bicomb共詞分析軟體；SPSS20。
（三）研究進程
首先，確定高頻關鍵詞。其次，建立高頻關鍵詞共詞頻矩陣。再次，進行高頻關鍵詞聚類分析。將高頻關鍵詞共詞矩陣導入SPSS20中，進行樣本聚類，得出高頻關鍵詞的聚類圖。第四，結合聚類結果，運用SPSS20對高頻關鍵詞相異係數矩陣進行多維尺度分析，繪製出關鍵詞知識圖譜。最後，結合聚類和知識圖譜進行相應的內容解釋和分析。
二、研究結果與分析
（一）高頻關鍵詞詞頻統計及分析
關鍵詞呈現總頻次為14307次，對標準化後的50個高頻關鍵詞進行排序，結果見表1。從表1可以看出，50個高頻關鍵詞，總呈現頻次為2792次，占關鍵詞總頻次14307次的19.51%。其中，前8位關鍵詞出現頻次均達到67次，它們依次為遠程教育（527次）、現代遠程教育（153次）、流媒體（120次）、網絡課程（117次）、網絡教育（108次）、Java（88次）、J2EE（72次）、XML（67次），其餘42個關鍵詞出現頻次均大於25次。通過表1可以初步看出，遠程教育多以流媒體和網絡課程在現代遠程教育中的應用研究為主。
（二）關鍵詞相異係數矩陣
為對高頻關鍵詞進行數據挖掘，找出它們之間潛在的重要信息，用Bicomb共詞分析軟體對50個高頻關鍵詞進行共詞分析，生成詞篇矩陣。將該矩陣導入SPSS20，選取Ochiai係數將其轉化為共詞相似矩陣。再採用相異矩陣=1-相似矩陣，生成相異矩陣（見表2）。相異矩陣中的數值的大小表明對應的兩個關鍵詞間的距離遠近，數值越接近1，表明關鍵詞間的距離越遠，相似度越小；數值越接近0，表明關鍵詞間的距離越近，相似度越大。從表2可以看出，各個關鍵詞距離遠程教育由近及遠的順序依次為：Java（0.870）、J2EE（0.897）、流媒體（0.924）、網絡課程（0.940）、網絡教育（0.950）、現代遠程教育（0.993）。它表明，遠程教育研究中將Java與J2EE和流媒體結合在一起進行研究的幾率，大於其與另外3種關鍵詞的結合。表2中有2對關鍵詞間距離較為接近，分別為：網絡教育和網絡課程、Java和J2EE。這個結果初步揭示出，在已發表的關於遠程教育的學位論文中，經常會將Java和J2EE的運用結合在一起，或者將網絡課程與網絡教育結合在一起。
（三）關鍵詞聚類分析
為了更直觀地展示50個高頻關鍵詞間的親疏關係，將Bicomb產生的50個高頻關鍵詞詞篇矩陣導入SPSS20進行聚類分析，具體結果見表3。種類1為遠程教育支持系統及其應用技術研究，包含Java、J2EE、UML、遠程教育等11個關鍵詞。它又可以細分為2小類：類1為遠程教育支持系統，包括Java、J2EE、UML、遠程教育、XML等5個關鍵詞。闡述了目前我國的網絡遠程教育卻僅僅是傳統遠程教育的「網絡版」，遠遠沒有把網絡遠程教育的優勢發揮出來。[7]要實現網頁的交互作用，就必須使用JavaScript等腳本語言編輯腳本程序，[8]而J2EE所定義的開放式多層體系結構，其技術特點很適合於構架遠程教育這樣一個基礎平台，[9]UML建模方法可以通過概念建模、邏輯建模、物理建模來完成資料庫的設計和實現。[10]Ajax（異步的JavaScript和XML）作為一種新的Web應用交互模型，[11]為今後的遠程教育提供了一種新的Web設計方法。類2為遠程教育的應用技術，包括建構主義、JSP、遠程教學、數據挖掘、移動學習、高等教育等6個關鍵詞。強調了建構主義對遠程教育系統所起到的指導作用，指出了良好的遠程教育系統能夠根據學生的學習狀態、目的，動態地生成所要學習的知識並進行導航，以達到個性化的要求。[12]現代遠程教育綜合管理信息系統採用三層結構的Brower／Server模型，使用JSP作為中間件，[13]可以便捷地滿足各用戶通過瀏覽器運行。粗集理論可以較好地解決現代遠程教育中的評價系統收集評價數據，經過數據挖掘，獲得評價的決策。[14]Android手機作業系統可以較好使移動學習成為可能。[15]種類2為遠程教育中的個性化設計研究，包含網絡教學、個性化、本體3個關鍵詞。隨著網際網路技術和教育資源數字化的迅猛發展，學習者飽受信息過載和信息迷航的困擾，因此針對學習者的個性化資源推薦就成為遠程教育網中亟待研究和解決的問題。[16]遠程網絡教學不僅採用適應性學習系統可以使得傳統的網絡教學系統可以更有利於個體學習者，[17]而且對遠程教育過程中積累的歷史數據的分析和挖掘，產生出有利於改進遠程教學質量和服務水平的知識，[18]也有助於為教師、學生和遠程教學管理人員提供良好的個性化服務。種類3為遠程考試系統設計研究，包含在線考試、遺傳算法、ASP.NET3個關鍵詞。隨著計算機考試系統在各類考試中的廣泛應用，個別化的測試試捲成為研究人員和教師們新的關注對象。[19]遺傳算法是一種通過模擬生物界自然選擇和遺傳變異的機制來求解複雜問題的隨機搜索和優化的方法，是智能算法的一種。[20]將遺傳算法應用於在線考試系統，不僅可以網絡實現試題資源的共享和快速分發，為參加遠程教育的學生提供在線測試功能，[21]而且還可以對組捲起到優化作用。[22]種類4為網絡教學平台的設計與實現研究，包含Web、B/S、ASP、資料庫、網絡學習等5個關鍵詞。研究揭示，運用較新的動態網絡編程技術來開發適用於現代遠程教育的高質量的網絡課程成了我國發展現代遠程教育的一個非常重要而迫切的課題。[23]網絡多媒體技術是提高網絡課程的教學效果的一種有效途徑，遠程留言是網絡教學的有效輔助手段，[24]微軟的ASP.NET技術為Web程序與流媒體課件資料庫的交互提供了完整的技術基礎架構。[25]種類5為遠程教育的學習支持服務系統研究，包含模式、教師培訓、現代遠程教育、對策、學習支持服務、教學模式、信息技術等7個關鍵詞。該類研究認為，學習支持服務系統在保障學習者學習質量、條件等方面具有積極的作用。[26]要改變遠程教育支持服務系統智能化程度低的弊端，現代遠程教育的學習支持服務系統要體現合作學習和自主學習的理念，採用基於雙向實時視頻會議形式，[27]運用ASP.NET開發出具有需求分析、系統設計、主要子平台的編碼實現等功能，[28]以雙主互動式原則為指導，採用RMI靈活的遠程調用與回調的分布式對象技術[29]實現實時交互學習和協同學習。種類6為遠程教育中的網絡課程的教學設計研究，包含網絡課程、教學設計、策略、自主學習、設計5個關鍵詞。研究指出，為避免網絡課程的教學設計中普遍存在的教學模式單一、教學資源簡單堆積、智能化程度低等問題，[29]現代網絡課程設計要注重將項目管理的理論及應用引入遠程教學的教學設計與課程開發中，[30]注重面向學習過程的遠程教學反饋控制原型以及模塊化教學管理系統的應用，[31]注重以學生自主學習為中心。[32]種類7為遠程教育中的流媒體教育平台研究與開發，包含擁塞控制、服務質量、組播、流媒體、AJAX、H.等6個關鍵詞。在遠程教育、視頻點播、視頻會議等領域，流媒體占據了越來越重要的地位，已經成為Internet應用的熱點，[33]但是它容易產生擁塞，導致服務質量下降。為解決這一問題，可以嘗試採用：架構在地址組播技術上的同步協作環境；[34]使用具有高效的壓縮性能和良好的網絡適應性H.264視頻圖像編碼標準[35]進行網絡視頻流式傳輸；將極低速率的視頻傳輸H.263編碼標準在DSP上的實現與優化；[36]通過引入速率差來判斷網絡擁塞狀況並以此動態設置「可容忍暫態計時器」的計時時間；[37]以SQ信息作為反饋信息，降低了ECAM對數據可靠性的要求，使其在各種組播擁塞情況下均能正常工作。[38]種類8為遠程教育中的虛擬現實技術研究與開發，包含虛擬現實、交互、虛擬實驗室、網絡教育、網絡課件、多媒體、網絡、教育信息化等8個關鍵詞。虛擬現實技術的出現可以使人類不受現實的條件束縛，以比較特殊的而又真實的方式去感知和處理虛擬環境中的各種等同於現實環境中的事務。[39]基於在線教學的虛擬實驗室通過對實驗場景、儀器設備及操作過程的虛擬化在線三維仿真，[40]並可以實現與用戶的交互，使用戶產生身臨其境的感覺。[41]它擺脫了傳統實驗教學在空間、時間等方面的限制，激發了學習者的學習興趣，培養實踐能力，[42]縮短了學習人員的學習周期，降低了學習成本，減少了設備損耗（四）關鍵詞多維尺度分析為了進一步探尋50個關鍵詞間隱藏的內涵，將表2的相異係數矩陣導入SPSS20進行多維尺度分析，標準化方法選擇Z分數。結果顯示，其擬合效果良好，Stress=0.086，RSQ=0.905，可以很好地反映出各個關鍵詞間的聯繫狀況。結合多維尺度分析圖和聚類分析圖，繪製出遠程教育研究熱點知識圖譜，結果如圖1所示。多維尺度繪製出的坐標稱為戰略坐標，它以向心度和密度為參數繪製成二維坐標，可以概括地表現一個領域或亞領域的結構。[44]戰略坐標中，各個小圓圈代表各個高頻關鍵詞所處的位置，圖中圓圈間距離越近，表明它們之間的關係越緊密；反之，則關係越疏遠。影響力最大的關鍵詞，其所表示的圓圈距離戰略坐標的中心點越近。坐標橫軸表示向心度（Centrality），表示領域間相互影響的強度；縱軸為密度（Density），表示某一領域內部聯繫強度。[45]在戰略坐標劃分的四個象限中，一般而言，第一象限的主題領域內部聯繫緊密並處於研究網絡的中心地位。第二象限的主題領域結構比較鬆散。這些領域的工作有進一步發展的空間，在整個研究網絡中具有較大的潛在重要性。第三象限的主題領域內部連結緊密，題目明確，並且有研究機構在對其進行正規的研究。但是在整個研究網絡中處於邊緣。第四象限的主題領域在整體工作研究中處於邊緣地位，重要性較小。[46]通過對圖1所展示的戰略坐標進行解讀可以得出，領域3（對應種類3）遠程考試系統設計研究和領域4（種類4）網絡教學平台的設計與實現研究這2類主題自身的內部聯繫緊密，並且其研究成果處於有關遠程教育的學位論文中心地位。領域6（種類6）遠程教育中的網絡課程的教學設計研究，領域7（種類7）遠程教育中的流媒體教育平台研究與開發這2個主題自身的內部聯繫較為鬆散，它們未來在遠程教育研究中具有較重要價值，可以加大對它們的研究力度。領域8（種類8）遠程教育中的虛擬現實技術研究與開發橫跨第三和第四象限，落在第三象限的網絡教育、網絡交互、VRML等內容之間的聯繫較為緊密，而落在第四象限的虛擬實驗、虛擬實驗室、虛擬現實等內容的相關研究成果與其他領域的相關成果比較而言還較少。領域1（種類1）遠程教育支持系統及其應用技術橫跨第一和第四象限，其處於第一象限的支持系統研究間聯繫較為緊密，相應的研究也較多，而處於第四象限的遠程教育的應用技術則研究人員少，相應的成果也較少。領域2（種類2）遠程教育中的個性化設計研究和領域5（種類5）遠程教育的學習支持服務系統研究分別處於戰略坐標的縱軸和橫軸，表明它們為遠程研究研究關注的兩大中心點。
三、結論
通過對遠程教育研究的碩博士論文的定性和定量分析，可以發現遠程教育研究主要圍繞上述八個領域展開，但存有四點不足：第一，研究領域較為分散、零碎，不夠集中和系統。第二，對遠程教育的研究，大多數以一門課程或者一個單位為主要研究對象，很少將其加以延伸，致使研究成果的推廣價值大打折扣。第三，研究單位和個人以單打獨鬥為主，各自為伍，很少出現以團隊合作形式對某一領域展開有層次的、系統的、漸進的合作研究。第四，尚未發現將腦神經科學最新研究技術和成果引入遠程教育研究中。
作者：郭文斌 俞樹文 單位：溫州大學教師教育學院 溫州大學現代教育技術中心
（一）資料來源
首先，查找資料。進入中國學術期刊網絡出版總庫的碩博士論文庫，內容檢索條件採用主題詞為「遠程教育」，共查閱到學位論文3179篇，其中碩士學位論文3079篇，博士學位論文100篇。查閱時間為2013年6月9日。其次，對文獻進行取捨。在3179篇文獻中，剔除9篇不符合要求的學位論文，共得到有效文獻3170篇。最後，標準化材料。將不同單位來源的學位論文的關鍵詞進行格式和內容標準化。
（二）研究工具
中國醫科大學醫學信息學系崔雷教授和瀋陽市弘盛計算機技術有限公司開發的Bicomb共詞分析軟體；SPSS20。
（三）研究進程
首先，確定高頻關鍵詞。其次，建立高頻關鍵詞共詞頻矩陣。再次，進行高頻關鍵詞聚類分析。將高頻關鍵詞共詞矩陣導入SPSS20中，進行樣本聚類，得出高頻關鍵詞的聚類圖。第四，結合聚類結果，運用SPSS20對高頻關鍵詞相異係數矩陣進行多維尺度分析，繪製出關鍵詞知識圖譜。最後，結合聚類和知識圖譜進行相應的內容解釋和分析。
二、研究結果與分析
（一）高頻關鍵詞詞頻統計及分析
關鍵詞呈現總頻次為14307次，對標準化後的50個高頻關鍵詞進行排序，結果見表1。從表1可以看出，50個高頻關鍵詞，總呈現頻次為2792次，占關鍵詞總頻次14307次的19.51%。其中，前8位關鍵詞出現頻次均達到67次，它們依次為遠程教育（527次）、現代遠程教育（153次）、流媒體（120次）、網絡課程（117次）、網絡教育（108次）、Java（88次）、J2EE（72次）、XML（67次），其餘42個關鍵詞出現頻次均大於25次。通過表1可以初步看出，遠程教育多以流媒體和網絡課程在現代遠程教育中的應用研究為主。
（二）關鍵詞相異係數矩陣
為對高頻關鍵詞進行數據挖掘，找出它們之間潛在的重要信息，用Bicomb共詞分析軟體對50個高頻關鍵詞進行共詞分析，生成詞篇矩陣。將該矩陣導入SPSS20，選取Ochiai係數將其轉化為共詞相似矩陣。再採用相異矩陣=1-相似矩陣，生成相異矩陣（見表2）。相異矩陣中的數值的大小表明對應的兩個關鍵詞間的距離遠近，數值越接近1，表明關鍵詞間的距離越遠，相似度越小；數值越接近0，表明關鍵詞間的距離越近，相似度越大。從表2可以看出，各個關鍵詞距離遠程教育由近及遠的順序依次為：Java（0.870）、J2EE（0.897）、流媒體（0.924）、網絡課程（0.940）、網絡教育（0.950）、現代遠程教育（0.993）。它表明，遠程教育研究中將Java與J2EE和流媒體結合在一起進行研究的幾率，大於其與另外3種關鍵詞的結合。表2中有2對關鍵詞間距離較為接近，分別為：網絡教育和網絡課程、Java和J2EE。這個結果初步揭示出，在已發表的關於遠程教育的學位論文中，經常會將Java和J2EE的運用結合在一起，或者將網絡課程與網絡教育結合在一起。
（三）關鍵詞聚類分析
為了更直觀地展示50個高頻關鍵詞間的親疏關係，將Bicomb產生的50個高頻關鍵詞詞篇矩陣導入SPSS20進行聚類分析，具體結果見表3。種類1為遠程教育支持系統及其應用技術研究，包含Java、J2EE、UML、遠程教育等11個關鍵詞。它又可以細分為2小類：類1為遠程教育支持系統，包括Java、J2EE、UML、遠程教育、XML等5個關鍵詞。闡述了目前我國的網絡遠程教育卻僅僅是傳統遠程教育的「網絡版」，遠遠沒有把網絡遠程教育的優勢發揮出來。[7]要實現網頁的交互作用，就必須使用JavaScript等腳本語言編輯腳本程序，[8]而J2EE所定義的開放式多層體系結構，其技術特點很適合於構架遠程教育這樣一個基礎平台，[9]UML建模方法可以通過概念建模、邏輯建模、物理建模來完成資料庫的設計和實現。[10]Ajax（異步的JavaScript和XML）作為一種新的Web應用交互模型，[11]為今後的遠程教育提供了一種新的Web設計方法。類2為遠程教育的應用技術，包括建構主義、JSP、遠程教學、數據挖掘、移動學習、高等教育等6個關鍵詞。強調了建構主義對遠程教育系統所起到的指導作用，指出了良好的遠程教育系統能夠根據學生的學習狀態、目的，動態地生成所要學習的知識並進行導航，以達到個性化的要求。[12]現代遠程教育綜合管理信息系統採用三層結構的Brower／Server模型，使用JSP作為中間件，[13]可以便捷地滿足各用戶通過瀏覽器運行。粗集理論可以較好地解決現代遠程教育中的評價系統收集評價數據，經過數據挖掘，獲得評價的決策。[14]Android手機作業系統可以較好使移動學習成為可能。[15]種類2為遠程教育中的個性化設計研究，包含網絡教學、個性化、本體3個關鍵詞。隨著網際網路技術和教育資源數字化的迅猛發展，學習者飽受信息過載和信息迷航的困擾，因此針對學習者的個性化資源推薦就成為遠程教育網中亟待研究和解決的問題。[16]遠程網絡教學不僅採用適應性學習系統可以使得傳統的網絡教學系統可以更有利於個體學習者，[17]而且對遠程教育過程中積累的歷史數據的分析和挖掘，產生出有利於改進遠程教學質量和服務水平的知識，[18]也有助於為教師、學生和遠程教學管理人員提供良好的個性化服務。種類3為遠程考試系統設計研究，包含在線考試、遺傳算法、ASP.NET3個關鍵詞。隨著計算機考試系統在各類考試中的廣泛應用，個別化的測試試捲成為研究人員和教師們新的關注對象。[19]遺傳算法是一種通過模擬生物界自然選擇和遺傳變異的機制來求解複雜問題的隨機搜索和優化的方法，是智能算法的一種。[20]將遺傳算法應用於在線考試系統，不僅可以網絡實現試題資源的共享和快速分發，為參加遠程教育的學生提供在線測試功能，[21]而且還可以對組捲起到優化作用。[22]種類4為網絡教學平台的設計與實現研究，包含Web、B/S、ASP、資料庫、網絡學習等5個關鍵詞。研究揭示，運用較新的動態網絡編程技術來開發適用於現代遠程教育的高質量的網絡課程成了我國發展現代遠程教育的一個非常重要而迫切的課題。[23]網絡多媒體技術是提高網絡課程的教學效果的一種有效途徑，遠程留言是網絡教學的有效輔助手段，[24]微軟的ASP.NET技術為Web程序與流媒體課件資料庫的交互提供了完整的技術基礎架構。[25]種類5為遠程教育的學習支持服務系統研究，包含模式、教師培訓、現代遠程教育、對策、學習支持服務、教學模式、信息技術等7個關鍵詞。該類研究認為，學習支持服務系統在保障學習者學習質量、條件等方面具有積極的作用。[26]要改變遠程教育支持服務系統智能化程度低的弊端，現代遠程教育的學習支持服務系統要體現合作學習和自主學習的理念，採用基於雙向實時視頻會議形式，[27]運用ASP.NET開發出具有需求分析、系統設計、主要子平台的編碼實現等功能，[28]以雙主互動式原則為指導，採用RMI靈活的遠程調用與回調的分布式對象技術[29]實現實時交互學習和協同學習。種類6為遠程教育中的網絡課程的教學設計研究，包含網絡課程、教學設計、策略、自主學習、設計5個關鍵詞。研究指出，為避免網絡課程的教學設計中普遍存在的教學模式單一、教學資源簡單堆積、智能化程度低等問題，[29]現代網絡課程設計要注重將項目管理的理論及應用引入遠程教學的教學設計與課程開發中，[30]注重面向學習過程的遠程教學反饋控制原型以及模塊化教學管理系統的應用，[31]注重以學生自主學習為中心。[32]種類7為遠程教育中的流媒體教育平台研究與開發，包含擁塞控制、服務質量、組播、流媒體、AJAX、H.等6個關鍵詞。在遠程教育、視頻點播、視頻會議等領域，流媒體占據了越來越重要的地位，已經成為Internet應用的熱點，[33]但是它容易產生擁塞，導致服務質量下降。為解決這一問題，可以嘗試採用：架構在地址組播技術上的同步協作環境；[34]使用具有高效的壓縮性能和良好的網絡適應性H.264視頻圖像編碼標準[35]進行網絡視頻流式傳輸；將極低速率的視頻傳輸H.263編碼標準在DSP上的實現與優化；[36]通過引入速率差來判斷網絡擁塞狀況並以此動態設置「可容忍暫態計時器」的計時時間；[37]以SQ信息作為反饋信息，降低了ECAM對數據可靠性的要求，使其在各種組播擁塞情況下均能正常工作。[38]種類8為遠程教育中的虛擬現實技術研究與開發，包含虛擬現實、交互、虛擬實驗室、網絡教育、網絡課件、多媒體、網絡、教育信息化等8個關鍵詞。虛擬現實技術的出現可以使人類不受現實的條件束縛，以比較特殊的而又真實的方式去感知和處理虛擬環境中的各種等同於現實環境中的事務。[39]基於在線教學的虛擬實驗室通過對實驗場景、儀器設備及操作過程的虛擬化在線三維仿真，[40]並可以實現與用戶的交互，使用戶產生身臨其境的感覺。[41]它擺脫了傳統實驗教學在空間、時間等方面的限制，激發了學習者的學習興趣，培養實踐能力，[42]縮短了學習人員的學習周期，降低了學習成本，減少了設備損耗（四）關鍵詞多維尺度分析為了進一步探尋50個關鍵詞間隱藏的內涵，將表2的相異係數矩陣導入SPSS20進行多維尺度分析，標準化方法選擇Z分數。結果顯示，其擬合效果良好，Stress=0.086，RSQ=0.905，可以很好地反映出各個關鍵詞間的聯繫狀況。結合多維尺度分析圖和聚類分析圖，繪製出遠程教育研究熱點知識圖譜，結果如圖1所示。多維尺度繪製出的坐標稱為戰略坐標，它以向心度和密度為參數繪製成二維坐標，可以概括地表現一個領域或亞領域的結構。[44]戰略坐標中，各個小圓圈代表各個高頻關鍵詞所處的位置，圖中圓圈間距離越近，表明它們之間的關係越緊密；反之，則關係越疏遠。影響力最大的關鍵詞，其所表示的圓圈距離戰略坐標的中心點越近。坐標橫軸表示向心度（Centrality），表示領域間相互影響的強度；縱軸為密度（Density），表示某一領域內部聯繫強度。[45]在戰略坐標劃分的四個象限中，一般而言，第一象限的主題領域內部聯繫緊密並處於研究網絡的中心地位。第二象限的主題領域結構比較鬆散。這些領域的工作有進一步發展的空間，在整個研究網絡中具有較大的潛在重要性。第三象限的主題領域內部連結緊密，題目明確，並且有研究機構在對其進行正規的研究。但是在整個研究網絡中處於邊緣。第四象限的主題領域在整體工作研究中處於邊緣地位，重要性較小。[46]通過對圖1所展示的戰略坐標進行解讀可以得出，領域3（對應種類3）遠程考試系統設計研究和領域4（種類4）網絡教學平台的設計與實現研究這2類主題自身的內部聯繫緊密，並且其研究成果處於有關遠程教育的學位論文中心地位。領域6（種類6）遠程教育中的網絡課程的教學設計研究，領域7（種類7）遠程教育中的流媒體教育平台研究與開發這2個主題自身的內部聯繫較為鬆散，它們未來在遠程教育研究中具有較重要價值，可以加大對它們的研究力度。領域8（種類8）遠程教育中的虛擬現實技術研究與開發橫跨第三和第四象限，落在第三象限的網絡教育、網絡交互、VRML等內容之間的聯繫較為緊密，而落在第四象限的虛擬實驗、虛擬實驗室、虛擬現實等內容的相關研究成果與其他領域的相關成果比較而言還較少。領域1（種類1）遠程教育支持系統及其應用技術橫跨第一和第四象限，其處於第一象限的支持系統研究間聯繫較為緊密，相應的研究也較多，而處於第四象限的遠程教育的應用技術則研究人員少，相應的成果也較少。領域2（種類2）遠程教育中的個性化設計研究和領域5（種類5）遠程教育的學習支持服務系統研究分別處於戰略坐標的縱軸和橫軸，表明它們為遠程研究研究關注的兩大中心點。
三、結論
通過對遠程教育研究的碩博士論文的定性和定量分析，可以發現遠程教育研究主要圍繞上述八個領域展開，但存有四點不足：第一，研究領域較為分散、零碎，不夠集中和系統。第二，對遠程教育的研究，大多數以一門課程或者一個單位為主要研究對象，很少將其加以延伸，致使研究成果的推廣價值大打折扣。第三，研究單位和個人以單打獨鬥為主，各自為伍，很少出現以團隊合作形式對某一領域展開有層次的、系統的、漸進的合作研究。第四，尚未發現將腦神經科學最新研究技術和成果引入遠程教育研究中。
作者：郭文斌 俞樹文 單位：溫州大學教師教育學院 溫州大學現代教育技術中心
收藏