论文部分内容阅读
摘要：文献计量分析显示，对虚拟学习社区的研究从最初的互联网支持下大学生异步视听学习与同时互动，到智慧环境下的社会网络分析、学习适应与交互分析以及虚拟现实与游戏语境下的交互学习体验与协同创新等，研究主题与技术研发、应用、商品化、政策支持之间相互依存，形成创新共进网络。有关实证研究也表明大学生对新技术的应用与相关研究、教学与课程改革、技术指导、政策密切关联。研究发现：创新具有周期性趋势；创新具有相互依存性与共进性；科学共同体起关键作用。政策建议：发挥科学共同体和行业的作用；加强文化与伦理建设；加强技术指导及工作融入；加强数据监测评估与挖掘利用；加强实证研究，提高政策的导向性。
关键词：创新共进STAMP模式；虚拟学习社区；科学共同体；学术研究；技术共进
中图分类号：G301 文献标识码：A DOI：10.3969/j.issn.1003-8256.2019.02.008
1 引言
知识社会学家布鲁诺·拉图尔将科学技术置于社会语境中，提出科学家社会联盟、资源及社会网络概念以加强科学、技术与社会的联系（图1）[1]。
迈克尔·吉本斯提出的知识生产新模式更加强调科研-技术-应用之间互动关系，对知识生产动力学、知识的市场化和商业化、技术研发、科技政策、弥散式知识管理等进行了系统论述，展示了知识生产的多方共进性及网络化、虚拟化知识管理特征[2]。
现代科学沿着内生性和外生性两种逻辑衍化。从内生性看，知识进化有严格的学科边界和概念体系，同时又能够在边缘和交叉中找到新的生成点，形成缜密的知识进化图谱；从外生性看，科学-技术-应用-政策-服务之间联系更加密切，形成创新共进网络。不同领域在知识生产、人才培养、知识传播、技术研发和平台建设方面合作加强。科学共同体担任着科学标准制定与维护、高科技预测与创新监测等角色；专利局、初创公司和创新实验室发挥着纽带作用；科学基金、代理、金融为科技创新注入新动力[3]。
本文以虚拟学习社区的研究为例，通过对研究文献、专利、政策文本的计量研究和内容分析，辅以问卷调查，展现了学术研究 Study-技术 Technology-应用 Application-商品化 Merchandising-政策 Policy（STAMP）之间创新共进关系以及创新的周期性现象，最后提出了政策建议。研究框架如图2所示：
2 虚拟学习社区研究的文献计量与内容分析
有关虚拟学习社区的研究始于二十世纪九十年代。随着信息技术的不断革命，有关虚拟学习社区的研究也呈现出与新技术、新方法及教学变革共生共进的趋势。
周庆鹏从经济学视角对移动学习与技术创新交互作用进行了研究，指出移动学习效率与技术更新、学习者对新工具使用的熟练程度以及社会网络支持等因素高相关。移动学习提高了学习效率，但一些技术仍限制了移动工具的使用效率，例如，不能方便地进行各种编辑和创新活动等。为此，移动学习需要工具的不断改进，使得阅读、视听与即时创作、高级编辑相结合。移动学习效率还需有良好的社会网络支持，而不仅仅是技术问题[4]。
本文利用中国知网以“虚拟学习社区”为题目检索相关文献，中文文献615篇，英文文献1424篇。检索时间节点为2018年 6月30日。
2.1 国外相关研究
1995年加利福尼亚大学圣地亚哥分校医学院开展的虚拟现实-多媒体综合实验项目，以创建一个融合虚拟现实、多媒体和通信技术元素的教育计算环境，扩大医学教学的灵活性和有效性[5]。这时期是虚拟现实理论进一步完善和应用阶段（1990—2004），还没有实现对人与环境的全面感知与交互层面。
1996年 Eric Sandelands 等介绍了虚拟学习技术、内容以及发展前景，以支持个体和组织学习[6]；Terence Allen Edwards 介绍了全球联盟合作开展的“社区学习赋权和资源”（CLEAR）项目。旨在利用 ICT 开放教育资源，改善培训质量、规模、多样性和经济性[7]。
1997年 Doreen Dailey 研究了亚利桑那学习系统（ALS），旨在创建基于胜任力的虚拟学习资源，以补充现实学习的不足；创建一种新的学习文化来支持ALS 系统功能的实现[8]。
1998年 Mclellan H 研究了基于互联网的虚拟学习社区模式，使学生、内容、技术、成员之间动态互动。另外还研究了异步虚拟学习体验的互补性：学生可以在任何时间灵活地参与课堂活动，同时参与在线讨论[9]。
Owen C 等将“学习社区”定义为通过社会资本来增强学习的实践-问题-解決网络；基于社会资本的学习指标：共享语言、分享经验、自我发展、相互信任；对社区的认同感进行了网络调查和数据分析。调解人在维护尊重性对话、理解和促进学习中起关键作用[10]。
Eric Sandelands介绍了独立商学院—国际管理中心（IMC）如何与数据库出版商 Anbar Electronic Intelligence 合作创建虚拟图书馆并将 Anbar Management Intelligence 整合到课件中，帮助各地师生方便进入丰富的知识库以成功完成项目；与行动学习专家合作研究如何通过虚拟社区基于问题解决来促进行动学习与合作学习。主张虚拟图书馆开发者、虚拟大学经营者、行动学习研究专家、教师及学生各主体之间的合作伙伴关系，协同创新，实现共赢[11]。
1999年以来有关虚拟学习社区的研究不断拓展和深化，基本内容归纳如下：
2.1.1有关虚拟学习社区的理论探讨
数字时代新型学习文化的倡导者布朗指出，隐性知识与显性知识共同构成了完整的知识生态系统。学习者可以围绕现实问题在与他人互动的过程中形成真实的学习语境，使得学习和探究更富有意义；强调环境中知识资本的积累以及生态多样性。不同主体在共同编织的社会网络中找到契合点，形成动态耦合关系，从而使得学习更富有生产性和效能感[12]。 乔纳森认为学习环境是学习共同体一起学习或相互支持的空间，学习者控制学习活动，运用信息资源和知识建构工具来解决问题。技术是学习者探索、建构和反思学习的工具。在重视认知工具和学习策略的同时还要考虑社会背景的支持[13]。戈瑞森提出的“网络学习社区模型”，关注了学习社区中的四个核心要素：教学性存在、学习性存在、社会性存在以及认知性存在[14]。
2.1.2有关虚拟学习社区的实证研究
特奥等通过实验检验了系统设计中信息可访性和社区适应性对用户认知和行为意向有显著影响，进而影响虚拟学习社区的可持续性[15]。
克劳斯等研究了大学生课外学习社区及同伴互动的本质与功能。结果显示：大学生同伴辅导主要是基于作业的讨论，但不同年級、年龄、经验及语言背景下的学生互动模式也不同。学习成绩好、满意度高的学生更喜欢与同伴讨论有关作业问题并能平衡好课内学习、网上交流及业余工作之间的关系，学习社区的内容与课堂教学的内容具有高度的关联性[16]。此研究对提高大学生学习质量、学习投入度及支持性制度环境都具有参考价值。
泰姆·温特林等以伊利诺斯大学为例研究了在线学习和培训项目的成本-效益，发现报名人数超过23人才能达到成本-效率平衡。但在线学习不能仅仅考虑成本问题，还要考虑学习者及教师的满意度、学生的需要、保持率等因素[17]。
与此同时还出现一些大规模调查报告。如，1998年第9次美国高校使用计算机技术情况调查发现，IT 是校园环境和课堂体验的核心组成部分，但 IT 规划和基础设施等关键方面仍存在问题，诸如 IT 的战略和财务规划，课程整合，提供足够的用户支持等。44.4%的课程使用电子邮件；33.1%的人使用互联网资源作为教学大纲；45.1%的本科生和51.6%的教师每天至少使用一次互联网；45.8%的校园报告了强制性的学习技术费用；5%有强制性的学生购买要求；每180名学生平均有一名 IT 支持人员；70%的人认为 Y2K 问题不严重；很少有关于校园网知识产权的政策；更多学校提供各种校园网络资源和服务权限[18]。
2000年第11次校园计算机和信息技术调查数据显示，美国经济所有部门对 IT 人才的需求不断增长，高等教育 IT 规划面临严峻挑战。59.5%的大学课程使用电子邮件，42.6%的课程使用基于互联网的资源。大约1/3 的大学课程都有单独网页，几乎 1/4 的教师有个人网页，但不与特定课程相关联。有更多机构在校园网站提供服务，例如75.5%的参与调查的机构提供在线大学申请；大约2/3的公立和私立大学为学生提供免费的 ISP 服务；超过4/5的社区学院，大约 4/5 的私立四年制大学，几乎 1/2 的公立四年制大学没有提供 ISP 服务[19]。
2.1.3相关技术的开发和实验研究
维森特阿图罗等研究了监控学生个人工作空间中学习活动的可行性以及如何使用记录的数据来预测课程中学生成绩[20]。东浩基姆等基于学生经常在异步在线讨论中报告参与不足和成绩不好等问题通过证据分析，引入“代理变量”以改善异步在线讨论环境[21]。
申克特曼等研发了在线辅导系统 Wayang Outpost，使用四个传感系统来检测学生的情感指标[22]。目前有关研究跟踪学生在智慧教室、创新实验室、Sakai 及 life lab 平台上的行为，包括学习态度、互动和协作、资源应用、作业质量和创新性等。通过模糊理论结合层次分析法（AHP）建立预测模型，确定学生的创新表层水平，实现对学生的创新能力与成果的预判。
二十世纪八九十年代推广的数据驱动型决策制定正在演变成一种更为复杂的大数据概念。它依赖于分析软件和技术。大数据分析可以整合到教学和管理中，但其应用还处于初级阶段。
2016—2018年相关技术与增强现实及人工智能技术呈高相关，如 Yang C T 发布了一种在线学习管理系统和方法，用于通过网络分布的用户促进面部识别，增强现实和虚拟现实学习环境[23]；Ohayon A 等发布了用于学习和建模内部网络的人工智能技术，涉及计算机实现的安全技术、对网络进行建模的基于算法的技术，具体用于学习网络拓扑[24]。
与学习社区研究和应用相关的技术主要包括：Web2.0、沉浸式接口及游戏等。Web2.0 由网络提供资源转向由社区成员互动创新和共享资源。沉浸式接口强调参与者的体验而不是工具。体验基于设计策略整合了行动、符号以及传感因素，增强现实技术及多用户虚拟环境，实现多人异地协同模式下用户之间的高效沟通和“教、学、考、练”环节的全覆盖。
强调动机和参与度是游戏式学习的关键因素。游戏场景是公平的，视觉和动觉体验结合，从玩耍转向思考，团队成员发挥各自特长通力合作完成任务，从做中学，从创造中学。采用行动研究、游戏建模、学习分析技术，跟踪社区中的活动记录，进行学习行为、情感偏好、意志力、创新性等内容的交互分析。
另外还有知识图谱分析、社会网络分析、聚类分析等研究方法，分别采用 Cite Spcae Ⅲ、Unicet 6.0、Bicomb 2.0、SPSS 20.0 对数据进行定量分析。生成有效学习的教学支持、学习行为模式与特征、学习表现预测、学习反馈与评价等研究热点。
数据分析应用更多的分类技术和方法、聚类、贝叶斯模型、关系挖掘、发现模型并可视化；而学习分析聚集社会网络分析、情感、话语及影响分析、学习者成功预测、概念分析及建模。
Chan T， Roschelle J， Hsi S 等研究了技术增强学习演变的阶段。有关研究始于1995年左右，当时互联网迅速扩展到几乎所有部门；2045年教育进入急速变化期，之后变化步伐将放缓，其采纳的群体及技术演进阶段如图3所示[25]。
2.1.4.相关重要研究报告、政策及金融支持 在研究、开发、应用、扩散的同时还出现了由科学共同体主导的相关研究报告、政策方案及投资行动。如，2005年美国计算研究学会发布了《面向未来教育和学习的网络基础设施：愿景和研究议程》的研究报告。本报告是计算机研究协会和国际学习科学学会在国家科学基金会的支持下组织的一系列研讨会的结果，旨在探讨学会在普及计算能力应用于教育方面的作用[26]。2012年美国出台了《通过教育数据挖掘和学习分析促进教与学》的报告，内容涵盖了理论、技术、政策、实施各个方面。
技术的开发与应用离不开资金支持。在投资方面，美国的 Knewton、Realizeit、ALEKS 等老牌的人工智能教育机构近年来都获得了巨额融资；澳大利亚的 Smart Sparrow 也获得了1400万美金B轮融資；印度的byju’s 在转型智能教育后，获得了超过1亿美元融资；韩国的 Know Re 也获得了软银的投资。图4是 MOOCs 平台及投资利益相关者。
2.2 国内相关研究
2.2.1 相关理论、模型、评价反思及实验研究
我国学者高长俊、胡世清研究发现，我国虚拟学习社区研究较多集中在 VLC 设计与开发、VLC 要素、评价与反思、VLC 社会网络关系研究这四个方面。研究方法单一、落后，社区文化建设研究薄弱，研究对象范围窄，研究涉及范围广而不深[28]。
王陆等在基于网络环境的虚拟学习社区实验探讨基础上，展示了虚拟学习社区的结构、特点及应用效果[29]。 齐剑鹏介绍了虚拟学习社区在中美远距离学习合作项目中的应用，总结了在线合作学习的模式及其设计、途径、方式和经验[30]。张新明就构建我国学习型网络社区的组织形式、交互与监控评估、学习环境、协作学习等主题进行了探索[31]。
赵建华对 Web 环境下协作学习、智能教学系统、智能代理、学习技术标准、伙伴模型、教师模型、知识表示等内容进行了比较全面地介绍并建立了由“个体责任、社会协作和知识建构”构成的三维模型[32]。以上两篇文章对国内学习社区的深化研究起到了引领作用。
王陆在国内首次采用了行为分析技术对虚拟学习社区中师生学习行为进行了分析[33]。甘永成、陶舟研究了虚拟学习社区中的平台建设、在线会议、web 讲座学习以及显性知识与隐性知识等知识管理的内容，为后续的社区管理、MOOC 以及大数据与行为分析的研究搭起了桥梁[34]。
张豪锋、卜彩丽指出学习者在学习的同时也成为知识资源的生产者， 众多学习者共同反哺学习资源， 从而优化学习资源[35]。王陆、马如霞研究了意见领袖在虚拟学习社区社会网络中的作用[36]。
2010年以后有关研究主题涉及学习交互、资源推送、基于 web2.0 的资源共建、学习绩效管理、网络学习社区的自组织研究、虚拟学习社区影响因素等研究。存在感、学习效能感、学习生态系统、混合学习、知识深层建构的交互模式、大数据交互分析、学习焦虑分析、社区伦理等成为当下研究热点。
2.2.2相关技术研发与应用
我国相关专利申请近年来也增长迅速，但原创性的关键技术相对欠缺。北京外研讯飞教育科技有限公司研发的语音识别系统、同声翻译、智能化测试系统、口语训练系统、教学评估系统等多个软件在国内处于领先地位。另外还为高校提供了云学习平台及服务，为用户提供海量优质学习资源、快乐无忧的学习体验及便捷顺畅的社交网络。
清华云舟网络教育实验室研发的“基于网络环境的过程性学生评价系统”，利用网络平台从高一开始收集有关学生学习成绩、研究性学习、学习偏好、认知风格及作业等数据，为高校自主招生提供证据。
孟玲玲等从多角度对虚拟学习分析工具进行了分类，并从使用环境、数据支持格式、是否可视化等维度进行了比较，讨论了24种学习分析工具的特点，旨在为学习分析提供相应的技术支持[37]。
2.2.3相关政策与行业支持
在深入研究和技术革新的同时，国家也出台了相关政策：2012年教育部颁布《教育信息化十年发展规划（2011—2020年）》，提出了我国教育信息化发展“三基本两显著”的总体目标；2016年颁布《教育信息化“十三五”规划》，深入推进信息技术与教育的融合创新；2017年国务院印发《新一代人工智能发展规划》；2018年教育部印发了《高等学校人工智能创新行动计划》旨在引导高校不断提高人工智能领域科技创新、人才培养和国际合作交流等能力；2018年教育部印发《教育信息化2.0行动计划》，将教育信息化作为教育系统性变革的内生变量，构建“互联网 ”条件下的人才培养新模式、发展基于互联网的教育服务新模式、探索信息时代教育治理新模式；2018年教育部等五部门印发关于《教师教育振兴行动计划（2018—2022年）》的通知。明确指出要充分利用云计算、大数据、虚拟现实、人工智能等新技术，推进教师教育信息化教学服务平台建设和应用，推动以自主、合作、探究为主要特征的教学方式变革。
国内相关产品的研发与生产行业支持、金融注入也显示出较好势头，如讯飞教育科技有限公司、艾宾浩斯智能教育、清华云舟教育等为虚拟学习社区提供了先进技术支撑和便捷平台。国内有关虚拟学习社区的研究主题和内容分析显示，引进和介绍的内容占比较高，运用引进的技术和方法结合具体教学而进行的实证研究呈上升趋势，研究方法也更加多元。目前有关中国大学信息化应用普及状况的大数据分析和调查研究报告以及相关政策的配套研究等还需要加强。
3 研究发现
3.1 创新具有周期性螺旋式上升趋势
由于时代背景不同，相应的技术与方法不同，研究的视角以及广度、深度也不同，同一主题会在不同时期反复出现，形成研究的生命周期现象和螺旋式上升趋势。例如1998年出现了有关虚拟大学和行动研究的文献，2010年 Richard Teare 等对虚拟大学、行动研究和工作场所学习进行了深入研究。通过利用虚拟大学以快速访问和降低成本。以工作为基础的“行动学习”是建立组织智力资本和能力的唯一可持续手段，以实现其服务领导和业务目标[38]。 3.2 创新具有相互依存性和共进性
从英文文献看，国外在研究、研发、应用、金融、政策之间形成了明显的共进网络。研究主题随着技术和方法的更新而不断深化。从最初简单的社交文本分析、指标建构、个案研究和实验研究，到深入的理论探讨和定性、定量相结合的研究，再到数据挖掘、交互分析、自适应学习、虚拟现实等研究，所依赖的平台和软件也不断升级：从最初的远程教育、电子邮件到 web2.0 支撑下的 QQ 群、微信群、对分易、校友邦等社交软件；浸入式接口支撑下的虚拟大学、3D 社区、云雨课堂以及游戏教学等，技术和平台不断升级，交流和共享更加方便，相应的数据挖掘和分析软件也不断跟进，科技开发行业与教育及金融加强合作，研究与应用之间相互促进。
与國内研究相比，国外有关虚拟学习社区的研究时间上更超前（国外2009年达到热点，国内2013年）；与新技术、新方法、实践应用共进性更加明显；理论探讨更深入，涉及到哲学、伦理学、人类学、教育学等多元视角；研究方法更具有混合性，基于实证的研究与政策、投资、技术改进结合更密切。
就我国目前大学生虚拟学习社区的调查看，大学生利用虚拟学习社区改进学习的需求较高，但缺乏系统规划和专业指导。一些专业性学习平台内容繁杂，质量参差不齐，收费不规范；学生加入的学习社区比较繁杂，可能会导致新的负担；学习社区的学术性、专业性水平有待提高；社区中学生管理者及同伴辅导者角色缺位，师生互动不足。研究、研发与应用之间共进关系不明显，教育技术领域的学者论文产出比较高，但实际教学转化效果不明显；非教育技术专业的教师实际应用比较多，但相关技术的熟练程度及系统研究不足。
3.3 科学共同体对推动创新共进起关键作用
科学共同体一是负责相关领域学术发表及专利申请的标准制定和评判；二是通过人才培养和学科梯队建设推动教育改革与技术革新共进；三是通过学术组织建设及学术会议推动研究的深化，加强 STS 融合以及专家学者与技术开发商、应用者的合作创新。
例如，1998年在芬兰赫尔辛基召开的“第13届国际信息管理学术会议”对教育信息化及学习社区的研究具有导向性。会议论文主题包括：商业和IT教育；知识管理；教学软件；多媒体教材开发；技术需求；IT 管理；团队建设；软件开发；远程学习；信息系统；现场教学法；体验式学习；教学空间分析；组织学习；信息安全；面向对象 COBOL 和 Java；超媒体与高级学习；协作学习环境[39]。此次会议将信息技术的学术探索-研发-教育应用融合起来，促进了协同创新。
2018年8月6日由中国人工智能学会、中国教育技术协会、中国语言智能研究中心联合举办的首届中国智能教育大会在北京召开，参会者包括教育研究专家、一线校长和教师、人工智能研究专家、VR 行业专家、教育政策制定者等多元主体，探讨人工智能深度赋能教育产业、用科技力量实现学习减负增效。
4 政策建议
4.1 发挥科学共同体和行业的作用，促进协同创新
科学共同体通过前沿科技预测，精准定位研究方向，推动自主创新；定期召开学术会议，吸引创新链条上各创新主体，汇集研究成果，凝练研究方向，制定科学与技术标准，及时采纳新技术、新方法，争取投资支持，并审时度势实现破坏式创新和范式转换。
科学共同体协同决策部门通过基金项目及学术期刊加强理论前沿探讨，推动自主创新；加强全国范围内技术应用情况的调研和大数据分析，为决策部门及投资商提供高质量的研究报告。研究者要发挥各类基金项目和学术平台的作用，将研究-开发-应用-金融-传播深度融合。大学要加强与知识咨询部门及学习软件开发商、工业界、投资商的联系，根据学生需求及趋势预测精准供给学习软件及产品，加强成本控制，推动学习与创新共进网络的形成。
4.2 加强文化与伦理建设，增强创新实效性
随着各类社交媒体、web2.0、living lab 等新学习媒体的出现，学习社区、项目学习、基于模拟与设计的问题解决学习都显示出明显优势。但必须有良好的小组协调网络系统、明确的目标和合作、信任基础才能使得这种非指导性、自由自主的小组学习更有利于增强学习与创新，培养自主性[40]。为了更好地发挥学习社区的作用，必须加强管理，营造良好的学习与创新氛围，发挥同伴管理者和辅导者的促进作用，教师可以结合所教学科为学生推荐一些课题、项目及资源，让学生基于问题和任务进行合作学习和创新探索。
另外要优化学习社区文化与心理生态，全面评估认知、情感、社会性、环境等变量，维护参与者心理健康。有研究指出过度使用社交媒体会引发抑郁、愤怒和焦虑情绪，引发行为模式改变。为了更好地发挥虚拟学习社区的正面作用，一是提倡有限参与；二是加强对在线学习的实时监控和正面干预；三是发挥学生同伴和专家的作用，将学习、研究、合作、服务相结合，构建人性化学习社区。
“建立组织成员间的相互信任、互助合作关系既是保证组织成员协调一致高效工作的重要条件，又是构建虚拟组织创新环境的重要内容”[41]。
4.3 加强技术指导及工作融入，增强创新实效性
新技术需要被实践者掌握才能更好地发挥作用。在线学习主体依托的是技术和工具，而远程学习强调在不同的时空中教师的在场。目前我国大学生对信息技术的利用还缺乏科学规划和专业指导，应用新技术和新工具的随意性较大，风险与成本升高。为此需要加强对新技术的启蒙与指导、维护，推动创新生态发展。
例如，结合 living lad、fab lab 及中国的 AIP 平台，利用模拟生产及虚拟现实技术，加强教学过程的可视化分析。依据创造性成份、创造性人格特质、影响创造力的因素等内容对学生线上与线下创造性水平进行测量；研究创新性与效能感之间的相关性；加强作业改革，强化实践环节，加强设计与学习的融合，加强对游戏教学、创客空间的学习分析和实证研究，降低成本风险，增强学习与创新。 4.4 加強数据监测评估，重视数据挖掘与利用
研究者、决策者、投资商、应用者等多元主体要提高数据意识和数据素养，掌握通用的数据挖掘和分析技术，并及时利用各种数据改进实践，推动创新。例如，教师善于挖掘学生课程学习和作业、作品数据，加强对学生情感、思维和学习行为偏好的数据分析，为有效指导学生学习和创新、选拔各类人才以及精准供给学习资源提供证据和参考，同时加强在线评估与实时互动，增强学习与创新，通过师生共建学习创新平台，形成学科、专业知识创新网络。
在线学习成本-效益主要考虑四个因素：成本、学习者的满意度、学生保持率、学习资源，其中成本是主要的影响因素。平台运营者需要考虑投入和产出，如果学生在线学习能够给他们带来附加值，例如学生在学习过程中完成的作业、设计和项目等反哺网络资源，优秀的可以为运营者带来后期检索和使用效益，再者学生在线学习所留下的足迹和数据也是教育决策者、大学招生部门、课程研发者所需要的证据，这些在线学习数据经过专业处理也可以为运营商带来效益。
学习与创新增强需要技术支撑与精准供给，为此要加强基于大数据和学习分析的实证研究；加强技术指导和优质产品精准推送；加强相关教材和配套学习资源的开发和推送。降低学生在线学习的盲目性和信息冗余带来的新的学习压力和负担。另外大学生课内与课外、线上与线下的学习和活动应该紧密衔接起来，并且要互相补充，将知识学习、实践、创新相结合（如图5）。
4.5 加强实证研究，提高政策的导向性
国外在政策制定过程中非常重视实证研究，例如对全国范围内大学生计算情况的调查，在此基础上形成研究报告，为决策提供参考。另一方面重视基于大数据监测评估的政策制定，使得政策更具可信度、导向性和实效性。
我国对新技术普及应用情况基于大规模调查、大数据分析等实证研究还比较欠缺，政策实施缺乏系统性配套。例如，有关虚拟学习社区的应用需要哪些技术、设备支撑？相关的课程资源供给、教学时数安排、学分制改革等政策必须配套，这样才能更好地将新技术有效融入到教学中去。现实中学生在使用新技术的同时还存在诸多矛盾冲突和风险代价。
5 问题与展望
目前我国对基于个案研究、实证研究和大数据分析的创新共进图景分析还不够深入和系统，政策的连续性、导向性以及实施的系统性、创新性还有很大改进空间。今后拟结合已有研究加强对虚拟学习社区生态指标体系建构及学习供给链研究；加强知识创新增值研究以及人工智能技术与虚拟学习社区功能融合研究；加强对虚拟学习社区的监控、干预技术的研究，减少游戏及不良信息对青少年的身心伤害，增强科技的学习与创新促进功能。最后拟关注基于科技前沿预测的教学与科研技术与方法预测，教学模式与方法、内容的配套改革。
参考文献：
[1] 布鲁诺·拉图尔.科学在行动[M].刘文旋，郑开译.北京：东方出版社，2005.234.
[2] 迈克尔·吉本斯.知识生产的新模式：当代社会科学与研究的动力学[M].北京大学出版社，2011.122-147.
[3] Wang Y. Promoting Innovation Ecosystem from Knowledge Supplying Side[J]. Management Dynamics in the Knowledge Economy Journal， 2017， 5（1）：137-147.
[4] Wai Ching Poon，Ah Choo Koo.Mobile learning： The Economics Perspective[J].International Journal of Innovation and Learning 2010，7（4）：412-429.
[5] Hoffman H M. Virtual reality meets medical education[J]. 1995.
[6] Eric Sandelands， Mathew Wills. Creating virtual support for lifelong learning[J]. The Learning Organization，1996，3（5）.
[7] Terence Allen Edwards. Community learning with an “intelligent” college： a new way to learn[J]. Journal of European Industrial Training，1996，20（1）.
[8] Doreen Dailey， Thomas Hassler. A State‐Level Catalyst for Transformation： Arizona Learning Systems[J]. New Directions for Institutional Research，1997 （94）.
[9] Mclellan H. The Internet as a virtual learning community[J]. Journal of Computing in Higher Education， 1998， 9（2）：92-112.
[10] Owen C， Pollard J， Kilpatrick S， et al. Electronic Learning Communities？ Factors That Enhance and Inhibit Learning within Email Discussion Groups[J]. Communication Research， 1998（2）： 9. [11] Eric Sandelands. Creating an online library to support a virtual learning community[J]. Internet Research： Electronic Networking Applications and Policy，1998，8（1）.
[12] 王玉秋.教育生態研究[M].南昌：江西人民出版社，2017.161.
[13] 戴维.H.乔纳森.学习环境的理论基础[M].郑太年，译.上海：华东师范大学出版社，2002.
[14] DR Garrision， M Cleveland-Innes， T Tung. Student role adjustment in online communities of inquiry： Model and instrument validation [J]. Journal of Asynchronous Learning Network， 2004，8（2）：61-74.
[15] Teo H H， Chan H C， Wei K K， et al. Evaluating information accessibility and community adaptive features for sustaining virtual learning communities[J]. International Journal of Human-Computer Studies， 2003， 59（5）：671-697.
[16] Krause K L， Mcinnis C， Welle C. Out-of-Class Engagement in Undergraduate Learning Communities： The Role and Nature of Peer Interactions[J]. Foreign Countries， 2003：8.
[17] Wentling T L. Cost Analysis of E-learning： A Case Study of A University Program[J]. University of Illinois at Urbana， 2002.
[18] Green， Kenneth C. Campus Computing， 1998. The Ninth National Survey of Desktop Computing and Information Technology in American Higher Education[R]. http：//www.campuscomputing.net.1999-03.
[19] Green， Kenneth C. Campus Computing， 2000： The 11th National Survey of Computing and Information Technology in American Higher Education. http：//www.campuscomputing.net.2001-03
[20] Monitoring student progress using virtual appliances： A case study. Vicente-Arturo Romero-Zaldivar， Abelardo Pardo， Daniel Burgos[J].Computers
关键词：创新共进STAMP模式；虚拟学习社区；科学共同体；学术研究；技术共进
中图分类号：G301 文献标识码：A DOI：10.3969/j.issn.1003-8256.2019.02.008
1 引言
知识社会学家布鲁诺·拉图尔将科学技术置于社会语境中，提出科学家社会联盟、资源及社会网络概念以加强科学、技术与社会的联系（图1）[1]。
迈克尔·吉本斯提出的知识生产新模式更加强调科研-技术-应用之间互动关系，对知识生产动力学、知识的市场化和商业化、技术研发、科技政策、弥散式知识管理等进行了系统论述，展示了知识生产的多方共进性及网络化、虚拟化知识管理特征[2]。
现代科学沿着内生性和外生性两种逻辑衍化。从内生性看，知识进化有严格的学科边界和概念体系，同时又能够在边缘和交叉中找到新的生成点，形成缜密的知识进化图谱；从外生性看，科学-技术-应用-政策-服务之间联系更加密切，形成创新共进网络。不同领域在知识生产、人才培养、知识传播、技术研发和平台建设方面合作加强。科学共同体担任着科学标准制定与维护、高科技预测与创新监测等角色；专利局、初创公司和创新实验室发挥着纽带作用；科学基金、代理、金融为科技创新注入新动力[3]。
本文以虚拟学习社区的研究为例，通过对研究文献、专利、政策文本的计量研究和内容分析，辅以问卷调查，展现了学术研究 Study-技术 Technology-应用 Application-商品化 Merchandising-政策 Policy（STAMP）之间创新共进关系以及创新的周期性现象，最后提出了政策建议。研究框架如图2所示：
2 虚拟学习社区研究的文献计量与内容分析
有关虚拟学习社区的研究始于二十世纪九十年代。随着信息技术的不断革命，有关虚拟学习社区的研究也呈现出与新技术、新方法及教学变革共生共进的趋势。
周庆鹏从经济学视角对移动学习与技术创新交互作用进行了研究，指出移动学习效率与技术更新、学习者对新工具使用的熟练程度以及社会网络支持等因素高相关。移动学习提高了学习效率，但一些技术仍限制了移动工具的使用效率，例如，不能方便地进行各种编辑和创新活动等。为此，移动学习需要工具的不断改进，使得阅读、视听与即时创作、高级编辑相结合。移动学习效率还需有良好的社会网络支持，而不仅仅是技术问题[4]。
本文利用中国知网以“虚拟学习社区”为题目检索相关文献，中文文献615篇，英文文献1424篇。检索时间节点为2018年 6月30日。
2.1 国外相关研究
1995年加利福尼亚大学圣地亚哥分校医学院开展的虚拟现实-多媒体综合实验项目，以创建一个融合虚拟现实、多媒体和通信技术元素的教育计算环境，扩大医学教学的灵活性和有效性[5]。这时期是虚拟现实理论进一步完善和应用阶段（1990—2004），还没有实现对人与环境的全面感知与交互层面。
1996年 Eric Sandelands 等介绍了虚拟学习技术、内容以及发展前景，以支持个体和组织学习[6]；Terence Allen Edwards 介绍了全球联盟合作开展的“社区学习赋权和资源”（CLEAR）项目。旨在利用 ICT 开放教育资源，改善培训质量、规模、多样性和经济性[7]。
1997年 Doreen Dailey 研究了亚利桑那学习系统（ALS），旨在创建基于胜任力的虚拟学习资源，以补充现实学习的不足；创建一种新的学习文化来支持ALS 系统功能的实现[8]。
1998年 Mclellan H 研究了基于互联网的虚拟学习社区模式，使学生、内容、技术、成员之间动态互动。另外还研究了异步虚拟学习体验的互补性：学生可以在任何时间灵活地参与课堂活动，同时参与在线讨论[9]。
Owen C 等将“学习社区”定义为通过社会资本来增强学习的实践-问题-解決网络；基于社会资本的学习指标：共享语言、分享经验、自我发展、相互信任；对社区的认同感进行了网络调查和数据分析。调解人在维护尊重性对话、理解和促进学习中起关键作用[10]。
Eric Sandelands介绍了独立商学院—国际管理中心（IMC）如何与数据库出版商 Anbar Electronic Intelligence 合作创建虚拟图书馆并将 Anbar Management Intelligence 整合到课件中，帮助各地师生方便进入丰富的知识库以成功完成项目；与行动学习专家合作研究如何通过虚拟社区基于问题解决来促进行动学习与合作学习。主张虚拟图书馆开发者、虚拟大学经营者、行动学习研究专家、教师及学生各主体之间的合作伙伴关系，协同创新，实现共赢[11]。
1999年以来有关虚拟学习社区的研究不断拓展和深化，基本内容归纳如下：
2.1.1有关虚拟学习社区的理论探讨
数字时代新型学习文化的倡导者布朗指出，隐性知识与显性知识共同构成了完整的知识生态系统。学习者可以围绕现实问题在与他人互动的过程中形成真实的学习语境，使得学习和探究更富有意义；强调环境中知识资本的积累以及生态多样性。不同主体在共同编织的社会网络中找到契合点，形成动态耦合关系，从而使得学习更富有生产性和效能感[12]。 乔纳森认为学习环境是学习共同体一起学习或相互支持的空间，学习者控制学习活动，运用信息资源和知识建构工具来解决问题。技术是学习者探索、建构和反思学习的工具。在重视认知工具和学习策略的同时还要考虑社会背景的支持[13]。戈瑞森提出的“网络学习社区模型”，关注了学习社区中的四个核心要素：教学性存在、学习性存在、社会性存在以及认知性存在[14]。
2.1.2有关虚拟学习社区的实证研究
特奥等通过实验检验了系统设计中信息可访性和社区适应性对用户认知和行为意向有显著影响，进而影响虚拟学习社区的可持续性[15]。
克劳斯等研究了大学生课外学习社区及同伴互动的本质与功能。结果显示：大学生同伴辅导主要是基于作业的讨论，但不同年級、年龄、经验及语言背景下的学生互动模式也不同。学习成绩好、满意度高的学生更喜欢与同伴讨论有关作业问题并能平衡好课内学习、网上交流及业余工作之间的关系，学习社区的内容与课堂教学的内容具有高度的关联性[16]。此研究对提高大学生学习质量、学习投入度及支持性制度环境都具有参考价值。
泰姆·温特林等以伊利诺斯大学为例研究了在线学习和培训项目的成本-效益，发现报名人数超过23人才能达到成本-效率平衡。但在线学习不能仅仅考虑成本问题，还要考虑学习者及教师的满意度、学生的需要、保持率等因素[17]。
与此同时还出现一些大规模调查报告。如，1998年第9次美国高校使用计算机技术情况调查发现，IT 是校园环境和课堂体验的核心组成部分，但 IT 规划和基础设施等关键方面仍存在问题，诸如 IT 的战略和财务规划，课程整合，提供足够的用户支持等。44.4%的课程使用电子邮件；33.1%的人使用互联网资源作为教学大纲；45.1%的本科生和51.6%的教师每天至少使用一次互联网；45.8%的校园报告了强制性的学习技术费用；5%有强制性的学生购买要求；每180名学生平均有一名 IT 支持人员；70%的人认为 Y2K 问题不严重；很少有关于校园网知识产权的政策；更多学校提供各种校园网络资源和服务权限[18]。
2000年第11次校园计算机和信息技术调查数据显示，美国经济所有部门对 IT 人才的需求不断增长，高等教育 IT 规划面临严峻挑战。59.5%的大学课程使用电子邮件，42.6%的课程使用基于互联网的资源。大约1/3 的大学课程都有单独网页，几乎 1/4 的教师有个人网页，但不与特定课程相关联。有更多机构在校园网站提供服务，例如75.5%的参与调查的机构提供在线大学申请；大约2/3的公立和私立大学为学生提供免费的 ISP 服务；超过4/5的社区学院，大约 4/5 的私立四年制大学，几乎 1/2 的公立四年制大学没有提供 ISP 服务[19]。
2.1.3相关技术的开发和实验研究
维森特阿图罗等研究了监控学生个人工作空间中学习活动的可行性以及如何使用记录的数据来预测课程中学生成绩[20]。东浩基姆等基于学生经常在异步在线讨论中报告参与不足和成绩不好等问题通过证据分析，引入“代理变量”以改善异步在线讨论环境[21]。
申克特曼等研发了在线辅导系统 Wayang Outpost，使用四个传感系统来检测学生的情感指标[22]。目前有关研究跟踪学生在智慧教室、创新实验室、Sakai 及 life lab 平台上的行为，包括学习态度、互动和协作、资源应用、作业质量和创新性等。通过模糊理论结合层次分析法（AHP）建立预测模型，确定学生的创新表层水平，实现对学生的创新能力与成果的预判。
二十世纪八九十年代推广的数据驱动型决策制定正在演变成一种更为复杂的大数据概念。它依赖于分析软件和技术。大数据分析可以整合到教学和管理中，但其应用还处于初级阶段。
2016—2018年相关技术与增强现实及人工智能技术呈高相关，如 Yang C T 发布了一种在线学习管理系统和方法，用于通过网络分布的用户促进面部识别，增强现实和虚拟现实学习环境[23]；Ohayon A 等发布了用于学习和建模内部网络的人工智能技术，涉及计算机实现的安全技术、对网络进行建模的基于算法的技术，具体用于学习网络拓扑[24]。
与学习社区研究和应用相关的技术主要包括：Web2.0、沉浸式接口及游戏等。Web2.0 由网络提供资源转向由社区成员互动创新和共享资源。沉浸式接口强调参与者的体验而不是工具。体验基于设计策略整合了行动、符号以及传感因素，增强现实技术及多用户虚拟环境，实现多人异地协同模式下用户之间的高效沟通和“教、学、考、练”环节的全覆盖。
强调动机和参与度是游戏式学习的关键因素。游戏场景是公平的，视觉和动觉体验结合，从玩耍转向思考，团队成员发挥各自特长通力合作完成任务，从做中学，从创造中学。采用行动研究、游戏建模、学习分析技术，跟踪社区中的活动记录，进行学习行为、情感偏好、意志力、创新性等内容的交互分析。
另外还有知识图谱分析、社会网络分析、聚类分析等研究方法，分别采用 Cite Spcae Ⅲ、Unicet 6.0、Bicomb 2.0、SPSS 20.0 对数据进行定量分析。生成有效学习的教学支持、学习行为模式与特征、学习表现预测、学习反馈与评价等研究热点。
数据分析应用更多的分类技术和方法、聚类、贝叶斯模型、关系挖掘、发现模型并可视化；而学习分析聚集社会网络分析、情感、话语及影响分析、学习者成功预测、概念分析及建模。
Chan T， Roschelle J， Hsi S 等研究了技术增强学习演变的阶段。有关研究始于1995年左右，当时互联网迅速扩展到几乎所有部门；2045年教育进入急速变化期，之后变化步伐将放缓，其采纳的群体及技术演进阶段如图3所示[25]。
2.1.4.相关重要研究报告、政策及金融支持 在研究、开发、应用、扩散的同时还出现了由科学共同体主导的相关研究报告、政策方案及投资行动。如，2005年美国计算研究学会发布了《面向未来教育和学习的网络基础设施：愿景和研究议程》的研究报告。本报告是计算机研究协会和国际学习科学学会在国家科学基金会的支持下组织的一系列研讨会的结果，旨在探讨学会在普及计算能力应用于教育方面的作用[26]。2012年美国出台了《通过教育数据挖掘和学习分析促进教与学》的报告，内容涵盖了理论、技术、政策、实施各个方面。
技术的开发与应用离不开资金支持。在投资方面，美国的 Knewton、Realizeit、ALEKS 等老牌的人工智能教育机构近年来都获得了巨额融资；澳大利亚的 Smart Sparrow 也获得了1400万美金B轮融資；印度的byju’s 在转型智能教育后，获得了超过1亿美元融资；韩国的 Know Re 也获得了软银的投资。图4是 MOOCs 平台及投资利益相关者。
2.2 国内相关研究
2.2.1 相关理论、模型、评价反思及实验研究
我国学者高长俊、胡世清研究发现，我国虚拟学习社区研究较多集中在 VLC 设计与开发、VLC 要素、评价与反思、VLC 社会网络关系研究这四个方面。研究方法单一、落后，社区文化建设研究薄弱，研究对象范围窄，研究涉及范围广而不深[28]。
王陆等在基于网络环境的虚拟学习社区实验探讨基础上，展示了虚拟学习社区的结构、特点及应用效果[29]。 齐剑鹏介绍了虚拟学习社区在中美远距离学习合作项目中的应用，总结了在线合作学习的模式及其设计、途径、方式和经验[30]。张新明就构建我国学习型网络社区的组织形式、交互与监控评估、学习环境、协作学习等主题进行了探索[31]。
赵建华对 Web 环境下协作学习、智能教学系统、智能代理、学习技术标准、伙伴模型、教师模型、知识表示等内容进行了比较全面地介绍并建立了由“个体责任、社会协作和知识建构”构成的三维模型[32]。以上两篇文章对国内学习社区的深化研究起到了引领作用。
王陆在国内首次采用了行为分析技术对虚拟学习社区中师生学习行为进行了分析[33]。甘永成、陶舟研究了虚拟学习社区中的平台建设、在线会议、web 讲座学习以及显性知识与隐性知识等知识管理的内容，为后续的社区管理、MOOC 以及大数据与行为分析的研究搭起了桥梁[34]。
张豪锋、卜彩丽指出学习者在学习的同时也成为知识资源的生产者， 众多学习者共同反哺学习资源， 从而优化学习资源[35]。王陆、马如霞研究了意见领袖在虚拟学习社区社会网络中的作用[36]。
2010年以后有关研究主题涉及学习交互、资源推送、基于 web2.0 的资源共建、学习绩效管理、网络学习社区的自组织研究、虚拟学习社区影响因素等研究。存在感、学习效能感、学习生态系统、混合学习、知识深层建构的交互模式、大数据交互分析、学习焦虑分析、社区伦理等成为当下研究热点。
2.2.2相关技术研发与应用
我国相关专利申请近年来也增长迅速，但原创性的关键技术相对欠缺。北京外研讯飞教育科技有限公司研发的语音识别系统、同声翻译、智能化测试系统、口语训练系统、教学评估系统等多个软件在国内处于领先地位。另外还为高校提供了云学习平台及服务，为用户提供海量优质学习资源、快乐无忧的学习体验及便捷顺畅的社交网络。
清华云舟网络教育实验室研发的“基于网络环境的过程性学生评价系统”，利用网络平台从高一开始收集有关学生学习成绩、研究性学习、学习偏好、认知风格及作业等数据，为高校自主招生提供证据。
孟玲玲等从多角度对虚拟学习分析工具进行了分类，并从使用环境、数据支持格式、是否可视化等维度进行了比较，讨论了24种学习分析工具的特点，旨在为学习分析提供相应的技术支持[37]。
2.2.3相关政策与行业支持
在深入研究和技术革新的同时，国家也出台了相关政策：2012年教育部颁布《教育信息化十年发展规划（2011—2020年）》，提出了我国教育信息化发展“三基本两显著”的总体目标；2016年颁布《教育信息化“十三五”规划》，深入推进信息技术与教育的融合创新；2017年国务院印发《新一代人工智能发展规划》；2018年教育部印发了《高等学校人工智能创新行动计划》旨在引导高校不断提高人工智能领域科技创新、人才培养和国际合作交流等能力；2018年教育部印发《教育信息化2.0行动计划》，将教育信息化作为教育系统性变革的内生变量，构建“互联网 ”条件下的人才培养新模式、发展基于互联网的教育服务新模式、探索信息时代教育治理新模式；2018年教育部等五部门印发关于《教师教育振兴行动计划（2018—2022年）》的通知。明确指出要充分利用云计算、大数据、虚拟现实、人工智能等新技术，推进教师教育信息化教学服务平台建设和应用，推动以自主、合作、探究为主要特征的教学方式变革。
国内相关产品的研发与生产行业支持、金融注入也显示出较好势头，如讯飞教育科技有限公司、艾宾浩斯智能教育、清华云舟教育等为虚拟学习社区提供了先进技术支撑和便捷平台。国内有关虚拟学习社区的研究主题和内容分析显示，引进和介绍的内容占比较高，运用引进的技术和方法结合具体教学而进行的实证研究呈上升趋势，研究方法也更加多元。目前有关中国大学信息化应用普及状况的大数据分析和调查研究报告以及相关政策的配套研究等还需要加强。
3 研究发现
3.1 创新具有周期性螺旋式上升趋势
由于时代背景不同，相应的技术与方法不同，研究的视角以及广度、深度也不同，同一主题会在不同时期反复出现，形成研究的生命周期现象和螺旋式上升趋势。例如1998年出现了有关虚拟大学和行动研究的文献，2010年 Richard Teare 等对虚拟大学、行动研究和工作场所学习进行了深入研究。通过利用虚拟大学以快速访问和降低成本。以工作为基础的“行动学习”是建立组织智力资本和能力的唯一可持续手段，以实现其服务领导和业务目标[38]。 3.2 创新具有相互依存性和共进性
从英文文献看，国外在研究、研发、应用、金融、政策之间形成了明显的共进网络。研究主题随着技术和方法的更新而不断深化。从最初简单的社交文本分析、指标建构、个案研究和实验研究，到深入的理论探讨和定性、定量相结合的研究，再到数据挖掘、交互分析、自适应学习、虚拟现实等研究，所依赖的平台和软件也不断升级：从最初的远程教育、电子邮件到 web2.0 支撑下的 QQ 群、微信群、对分易、校友邦等社交软件；浸入式接口支撑下的虚拟大学、3D 社区、云雨课堂以及游戏教学等，技术和平台不断升级，交流和共享更加方便，相应的数据挖掘和分析软件也不断跟进，科技开发行业与教育及金融加强合作，研究与应用之间相互促进。
与國内研究相比，国外有关虚拟学习社区的研究时间上更超前（国外2009年达到热点，国内2013年）；与新技术、新方法、实践应用共进性更加明显；理论探讨更深入，涉及到哲学、伦理学、人类学、教育学等多元视角；研究方法更具有混合性，基于实证的研究与政策、投资、技术改进结合更密切。
就我国目前大学生虚拟学习社区的调查看，大学生利用虚拟学习社区改进学习的需求较高，但缺乏系统规划和专业指导。一些专业性学习平台内容繁杂，质量参差不齐，收费不规范；学生加入的学习社区比较繁杂，可能会导致新的负担；学习社区的学术性、专业性水平有待提高；社区中学生管理者及同伴辅导者角色缺位，师生互动不足。研究、研发与应用之间共进关系不明显，教育技术领域的学者论文产出比较高，但实际教学转化效果不明显；非教育技术专业的教师实际应用比较多，但相关技术的熟练程度及系统研究不足。
3.3 科学共同体对推动创新共进起关键作用
科学共同体一是负责相关领域学术发表及专利申请的标准制定和评判；二是通过人才培养和学科梯队建设推动教育改革与技术革新共进；三是通过学术组织建设及学术会议推动研究的深化，加强 STS 融合以及专家学者与技术开发商、应用者的合作创新。
例如，1998年在芬兰赫尔辛基召开的“第13届国际信息管理学术会议”对教育信息化及学习社区的研究具有导向性。会议论文主题包括：商业和IT教育；知识管理；教学软件；多媒体教材开发；技术需求；IT 管理；团队建设；软件开发；远程学习；信息系统；现场教学法；体验式学习；教学空间分析；组织学习；信息安全；面向对象 COBOL 和 Java；超媒体与高级学习；协作学习环境[39]。此次会议将信息技术的学术探索-研发-教育应用融合起来，促进了协同创新。
2018年8月6日由中国人工智能学会、中国教育技术协会、中国语言智能研究中心联合举办的首届中国智能教育大会在北京召开，参会者包括教育研究专家、一线校长和教师、人工智能研究专家、VR 行业专家、教育政策制定者等多元主体，探讨人工智能深度赋能教育产业、用科技力量实现学习减负增效。
4 政策建议
4.1 发挥科学共同体和行业的作用，促进协同创新
科学共同体通过前沿科技预测，精准定位研究方向，推动自主创新；定期召开学术会议，吸引创新链条上各创新主体，汇集研究成果，凝练研究方向，制定科学与技术标准，及时采纳新技术、新方法，争取投资支持，并审时度势实现破坏式创新和范式转换。
科学共同体协同决策部门通过基金项目及学术期刊加强理论前沿探讨，推动自主创新；加强全国范围内技术应用情况的调研和大数据分析，为决策部门及投资商提供高质量的研究报告。研究者要发挥各类基金项目和学术平台的作用，将研究-开发-应用-金融-传播深度融合。大学要加强与知识咨询部门及学习软件开发商、工业界、投资商的联系，根据学生需求及趋势预测精准供给学习软件及产品，加强成本控制，推动学习与创新共进网络的形成。
4.2 加强文化与伦理建设，增强创新实效性
随着各类社交媒体、web2.0、living lab 等新学习媒体的出现，学习社区、项目学习、基于模拟与设计的问题解决学习都显示出明显优势。但必须有良好的小组协调网络系统、明确的目标和合作、信任基础才能使得这种非指导性、自由自主的小组学习更有利于增强学习与创新，培养自主性[40]。为了更好地发挥学习社区的作用，必须加强管理，营造良好的学习与创新氛围，发挥同伴管理者和辅导者的促进作用，教师可以结合所教学科为学生推荐一些课题、项目及资源，让学生基于问题和任务进行合作学习和创新探索。
另外要优化学习社区文化与心理生态，全面评估认知、情感、社会性、环境等变量，维护参与者心理健康。有研究指出过度使用社交媒体会引发抑郁、愤怒和焦虑情绪，引发行为模式改变。为了更好地发挥虚拟学习社区的正面作用，一是提倡有限参与；二是加强对在线学习的实时监控和正面干预；三是发挥学生同伴和专家的作用，将学习、研究、合作、服务相结合，构建人性化学习社区。
“建立组织成员间的相互信任、互助合作关系既是保证组织成员协调一致高效工作的重要条件，又是构建虚拟组织创新环境的重要内容”[41]。
4.3 加强技术指导及工作融入，增强创新实效性
新技术需要被实践者掌握才能更好地发挥作用。在线学习主体依托的是技术和工具，而远程学习强调在不同的时空中教师的在场。目前我国大学生对信息技术的利用还缺乏科学规划和专业指导，应用新技术和新工具的随意性较大，风险与成本升高。为此需要加强对新技术的启蒙与指导、维护，推动创新生态发展。
例如，结合 living lad、fab lab 及中国的 AIP 平台，利用模拟生产及虚拟现实技术，加强教学过程的可视化分析。依据创造性成份、创造性人格特质、影响创造力的因素等内容对学生线上与线下创造性水平进行测量；研究创新性与效能感之间的相关性；加强作业改革，强化实践环节，加强设计与学习的融合，加强对游戏教学、创客空间的学习分析和实证研究，降低成本风险，增强学习与创新。 4.4 加強数据监测评估，重视数据挖掘与利用
研究者、决策者、投资商、应用者等多元主体要提高数据意识和数据素养，掌握通用的数据挖掘和分析技术，并及时利用各种数据改进实践，推动创新。例如，教师善于挖掘学生课程学习和作业、作品数据，加强对学生情感、思维和学习行为偏好的数据分析，为有效指导学生学习和创新、选拔各类人才以及精准供给学习资源提供证据和参考，同时加强在线评估与实时互动，增强学习与创新，通过师生共建学习创新平台，形成学科、专业知识创新网络。
在线学习成本-效益主要考虑四个因素：成本、学习者的满意度、学生保持率、学习资源，其中成本是主要的影响因素。平台运营者需要考虑投入和产出，如果学生在线学习能够给他们带来附加值，例如学生在学习过程中完成的作业、设计和项目等反哺网络资源，优秀的可以为运营者带来后期检索和使用效益，再者学生在线学习所留下的足迹和数据也是教育决策者、大学招生部门、课程研发者所需要的证据，这些在线学习数据经过专业处理也可以为运营商带来效益。
学习与创新增强需要技术支撑与精准供给，为此要加强基于大数据和学习分析的实证研究；加强技术指导和优质产品精准推送；加强相关教材和配套学习资源的开发和推送。降低学生在线学习的盲目性和信息冗余带来的新的学习压力和负担。另外大学生课内与课外、线上与线下的学习和活动应该紧密衔接起来，并且要互相补充，将知识学习、实践、创新相结合（如图5）。
4.5 加强实证研究，提高政策的导向性
国外在政策制定过程中非常重视实证研究，例如对全国范围内大学生计算情况的调查，在此基础上形成研究报告，为决策提供参考。另一方面重视基于大数据监测评估的政策制定，使得政策更具可信度、导向性和实效性。
我国对新技术普及应用情况基于大规模调查、大数据分析等实证研究还比较欠缺，政策实施缺乏系统性配套。例如，有关虚拟学习社区的应用需要哪些技术、设备支撑？相关的课程资源供给、教学时数安排、学分制改革等政策必须配套，这样才能更好地将新技术有效融入到教学中去。现实中学生在使用新技术的同时还存在诸多矛盾冲突和风险代价。
5 问题与展望
目前我国对基于个案研究、实证研究和大数据分析的创新共进图景分析还不够深入和系统，政策的连续性、导向性以及实施的系统性、创新性还有很大改进空间。今后拟结合已有研究加强对虚拟学习社区生态指标体系建构及学习供给链研究；加强知识创新增值研究以及人工智能技术与虚拟学习社区功能融合研究；加强对虚拟学习社区的监控、干预技术的研究，减少游戏及不良信息对青少年的身心伤害，增强科技的学习与创新促进功能。最后拟关注基于科技前沿预测的教学与科研技术与方法预测，教学模式与方法、内容的配套改革。
参考文献：
[1] 布鲁诺·拉图尔.科学在行动[M].刘文旋，郑开译.北京：东方出版社，2005.234.
[2] 迈克尔·吉本斯.知识生产的新模式：当代社会科学与研究的动力学[M].北京大学出版社，2011.122-147.
[3] Wang Y. Promoting Innovation Ecosystem from Knowledge Supplying Side[J]. Management Dynamics in the Knowledge Economy Journal， 2017， 5（1）：137-147.
[4] Wai Ching Poon，Ah Choo Koo.Mobile learning： The Economics Perspective[J].International Journal of Innovation and Learning 2010，7（4）：412-429.
[5] Hoffman H M. Virtual reality meets medical education[J]. 1995.
[6] Eric Sandelands， Mathew Wills. Creating virtual support for lifelong learning[J]. The Learning Organization，1996，3（5）.
[7] Terence Allen Edwards. Community learning with an “intelligent” college： a new way to learn[J]. Journal of European Industrial Training，1996，20（1）.
[8] Doreen Dailey， Thomas Hassler. A State‐Level Catalyst for Transformation： Arizona Learning Systems[J]. New Directions for Institutional Research，1997 （94）.
[9] Mclellan H. The Internet as a virtual learning community[J]. Journal of Computing in Higher Education， 1998， 9（2）：92-112.
[10] Owen C， Pollard J， Kilpatrick S， et al. Electronic Learning Communities？ Factors That Enhance and Inhibit Learning within Email Discussion Groups[J]. Communication Research， 1998（2）： 9. [11] Eric Sandelands. Creating an online library to support a virtual learning community[J]. Internet Research： Electronic Networking Applications and Policy，1998，8（1）.
[12] 王玉秋.教育生態研究[M].南昌：江西人民出版社，2017.161.
[13] 戴维.H.乔纳森.学习环境的理论基础[M].郑太年，译.上海：华东师范大学出版社，2002.
[14] DR Garrision， M Cleveland-Innes， T Tung. Student role adjustment in online communities of inquiry： Model and instrument validation [J]. Journal of Asynchronous Learning Network， 2004，8（2）：61-74.
[15] Teo H H， Chan H C， Wei K K， et al. Evaluating information accessibility and community adaptive features for sustaining virtual learning communities[J]. International Journal of Human-Computer Studies， 2003， 59（5）：671-697.
[16] Krause K L， Mcinnis C， Welle C. Out-of-Class Engagement in Undergraduate Learning Communities： The Role and Nature of Peer Interactions[J]. Foreign Countries， 2003：8.
[17] Wentling T L. Cost Analysis of E-learning： A Case Study of A University Program[J]. University of Illinois at Urbana， 2002.
[18] Green， Kenneth C. Campus Computing， 1998. The Ninth National Survey of Desktop Computing and Information Technology in American Higher Education[R]. http：//www.campuscomputing.net.1999-03.
[19] Green， Kenneth C. Campus Computing， 2000： The 11th National Survey of Computing and Information Technology in American Higher Education. http：//www.campuscomputing.net.2001-03
[20] Monitoring student progress using virtual appliances： A case study. Vicente-Arturo Romero-Zaldivar， Abelardo Pardo， Daniel Burgos[J].Computers