论文部分内容阅读
[摘 要] 移动学习（Mobile Learning）是当前国内外网络学习研究领域的一个热点，如何从当前日益涌现的海量研究文献中快速把握该领域的研究脉络、研究热点和趋势，避免研究过程和结论的简单重复，提高相关研究的创新性和学术价值是从事该领域研究的每一个学者必须面对的问题。运用可视化引文分析方法，基于Web of Science的文献数据，利用HistCite软件对当前国内外的相关研究成果进行实证分析，可以确定移动学习领域的核心期刊、核心文献和核心著者，把握该领域研究的历史沿革和发展趋势，为该领域的研究人员提供参考。
[关键词] 移动学习； 引文分析； 可视化
[中图分类号] G434 [文献标志码] A
[作者简介] 刘敏（1979—），女，山东泗水人。讲师，硕士，主要从事信息化环境中的深度学习与潜能激发研究。E-mail：[email protected]。
随着移动计算技术（Mobile Computing）的迅猛发展，近几年移动学习（Mobile Learning）悄然兴起，在改变人们学习方式的同时，改变了人们的学习和时间管理理念，成为未来网络学习的重要发展方向和“未来学习不可或缺而又极富潜力的全新学习模式”。[1]相关研究亦如雨后春笋般涌现出来。毋庸置疑，移动学习已成为当前国内外研究的热点之一。以国内研究为例，在中国知网CNKI学术期刊全文数据库中，以“移动学习”为检索词、按“主题”检索项“精确”匹配方式进行检索，得到相关研究文献1077篇（CNKI， http：//www.cnki.net/（2012-4-9）），其中近一半文献是2010年以后涌现的。
面对日益剧增的海量学术文献，怎样才能清晰地把握移动学习领域中的理论发展、研究热点和趋势，避免研究过程和结果的简单重复，增加研究的创新性和学术价值？本文基于WoS（Web of Science）数据库导出的引文数据，综合运用文献分析、引文分析和可视化技术方法，对文献数量、期刊分布、关键词、著者等进行分析，以期找出移动学习领域的核心期刊、核心文献和核心著者，把握该领域研究的历史沿革和发展规律，为后续研究活动提供参考。
一、数据来源与研究方法
本研究主要采用引文分析方法对移动学习领域的相关研究进行实证分析。因此，所分析文献的质量、覆盖面成为影响研究质量的先决因素。而研究分析方法的选择和恰当运用是保证分析结果准确、有效的关键。
（一）数据来源
本研究选择Web of Science（简称WoS）数据库作为数据来源。WoS是美国Thomson Scientific（汤姆森科技信息集团）基于WEB开发的大型综合性、多学科、核心期刊引文索引数据库，共收录各领域学术期刊10000多种，文献记录更新及时，并提供了详实的引文回溯数据和独特的检索机制，可轻松回溯或追踪学术文献，是世界范围内权威的学术文献索引工具。
研究中笔者使用“TS=（“mobile learning”）OR TS=（M-learning）”为检索表达式在WoS数据库中进行了精确检索。在所有年份的数据库中，共得到286篇检索文献（Web of Science. http：//apps.isiknowledge.com/（2012-4-2））。文献类型分布上，“Article”类型的文献262篇，“Proceedings Paper”类型文献42篇，“Editorial Material”类型的文献10篇，“Book Review”类型的文献7篇，“Review”类型的文献3篇，“Meeting Abstract”类型的文献2篇，“Correction”和“Poetry”类型的文献各1篇。可见移动学习领域的文献以“Article”类型为主。
本研究只选择其中类型为“Article”的文献以确保研究的质量。研究中将这些文献的详细文献题录（包括引用的参考文献在内）保存为文本文档以供后续分析。这些文献的发表时间分布在1992年至2012年之间，共涉及645位作者，99种期刊，引用文献（Cited References）6676篇，关键词760个。
（二）主要研究方法
在某研究领域的科学文献体系中，各文献之间并不是孤立的，而是相互联系的。科学文献的相互关系突出地表现在文献的相互引用方面。因此，利用引文分析方法分析某一领域研究的趋势和规律具有客观性、分类原则的科学性和数据的有效性等特点，[2]与传统的学者个人归纳、访谈调查等主观研究方法相比具有不可比拟的优越性。
引文分析（Citation Analysis）主要是利用各种数学及统计学的方法，以及比较、归纳、抽象、概括等逻辑学方法，对科学期刊、论文、专著等研究对象的引用和被引用现象进行分析，以便揭示其中的数量特征和内在规律。[3]具体的分析方法中，引文时序图法（Historiography）、[4]文献耦合分析（Bibliographic Coupling）[5]以及同被引分析（Co-Citation）[6]是当前主流的可视化引文分析方法。其中引文时序图法研究的最早，分析时选择具有代表性的引文作为节点，并按时间先后标上序号，按引用关系连接这些节点并以引用频次或被引率为权值构成引文时序图，操作比较便利。引文时序图可以直观、形象地显示出研究主题的引用渊源、重要著者、相关研究的发展沿革及继承关系，有助于发现特定研究领域的发展规律和趋势。因此，本研究主要使用引文时序图法分析移动学习领域的研究规律和发展趋势。
研究过程中使用HistCite 11.12.07软件工具包作为辅助分析工具。HistCite是SCI（Science Citation Index，科学引文索引）的创始人Garfield于2001年推出的强有力的文献分析工具，利用从WoS上导出的文献记录进行分析，功能强大，使用灵活。 二、文献量与期刊分析
（一）学科分布分析
通过文献间的相互引证关系，分析某研究领域文献的引文来源和学科特性，不仅可以了解该研究领域涉及哪些学科，而且还能把握该研究领域的学科交叉广度和深度。
在本研究中，从262篇文献所属的学科分布来看，移动学习领域的相关研究共涉及了25个学科（此学科分类是根据WoS的学科分类体系），其中文献数量前10名的学科分别为：教育及教育研究（170篇）、计算机科学（99篇）、工程学（21篇）、信息科学和图书馆学（8篇）、语言学（7篇）、电信（6篇）、通信（5篇）、护理学（5篇）、经营管理（4篇）以及心理学（4篇）。由学科分布可以看出，移动学习领域的相关研究具有较为明显的学科交叉特性，涉及多个学科领域，尤其以教育及教育研究和计算机科学领域的交叉最深，反映出移动学习的相关研究成果主要集中于这两个领域并对这两个学科领域的创新发展作出贡献。从交叉的广度来看，移动学习的相关研究对其他学科也有所渗透，这间接证明了移动学习已经在工程学、信息科学和图书馆学等学科领域的相关实践中得到应用，促进了这些学科相关理论与实践的发展，应用范围比较广泛。
（二）文献数量和引文频次分析
特定研究领域的年度文献数量以及引用情况在一定程度上可以反映出该领域研究的进展状况、某个时间段的研究水平以及领域内学术交流的活跃程度。
表1是移动学习领域所有文献按年代划分和引用情况。在HistCite软件中，LCS（Local Citation Score）表示的是文献在当前文献集合中的引用频次，在本研究中即在所筛选出的262篇文献中的引用频次。GCS（Global Citation Score）表示文献在WoS中的引用总频次。表中的TLCS表示该年文献在当前文献集合中的引用频次之和，而TGCS则表示该年文献在WoS中的引用频次之和。根据文献的数量变化，可以看出WoS中收录的移动学习领域的文献始于1992年，但直至2002年文献总数仅为5篇，说明这一时期移动学习领域的研究仅是零星现象，并未引起重视。2003年到2011年间文献数量基本呈上升态势，尤其是2008年和2010年的增幅较大，说明移动学习领域的研究逐渐繁荣，领域内的学术交流比较活跃，研究成果也比较丰富。值得注意的是2002年虽然只有一篇文献，但其引用频次却较多，说明该文献对后期研究有重要影响。而2003年的7篇文献，在数量上虽然不多，其TLCS和TGCS却接近峰值，说明在这一年移动学习的相关研究虽然处于起步阶段，但已经产生了重要的研究成果。
（三）国别分析
文献的国别分析大体反映了不同国家和地区在特定研究领域所作的贡献。国别和地区分析结果显示：我国台湾是在移动学习领域发表学术文献最多的地区，占移动学习领域文献总数的23.3%，其发表文献的引用频次也最高。其次是美国和英国。我国大陆地区发表的移动学习文献共18篇，按文献数量排名居于第四位，按文献的TLCS排名居于第五位。值得注意的是日本虽然移动学习文献数量较少（只有5篇），但其引用频次（排名第4）却较高，说明日本学者发表的移动学习文献的质量较高，对于移动学习领域的相关研究作出了较大贡献。
（四）核心期刊分析
引文分析法是常用的确定特定研究领域核心期刊的方法之一，其主要特点是从文献被利用的角度来评价和选择期刊，因此比较客观。对特定领域核心期刊发表的学术文献进行跟踪和分析有助于准确了解该领域的研究进展和研究水平。
本研究综合文献数量和被引频次（尤其是TLCS）两个指标来判断移动学习领域的核心期刊，共选取12种期刊（见表2），这些期刊是移动学习领域相关研究的重要信息源。其中，“JOURNAL OF COMPUTER ASSISTED LEARNING”、“COMPUTERS & EDUCATION”以及“EDUCATIONAL TECHNOLOGY & SOCIETY”三种期刊在2003至2012年间共发表移动学习领域相关文献85篇，占WoS移动学习领域文献总量的32.4%。这85篇文献的TLCS总和为235，占该领域文献TLCS总数的72.98%，TGCS总和为880，占该领域文献TGCS总数的66.47%。显然，这三种期刊是移动学习领域最重要的核心期刊。
（五）核心文献分析
文献的被引频次反映了该文献被其他研究者关注的程度以及对于其他研究者相关研究的影响程度。因此，文献的被引频次很大程度上代表了该文献在所在研究领域内的重要程度。被引频次高的文献，对所在研究领域的影响较大，反映了该领域的研究重点和趋势，可被认定为核心文献。
对于两个引用频次指标LCS和GCS，笔者认为文献在当前集合中的引用频次LCS更能反映文献在特定领域内的被引用情况，是界定核心文献的主要指标。在HistCite中，按照LCS的大小对262条文献记录进行降序排序，结果如图1所示。其中，按LCS和GCS均排名第一的是由台湾国立中正大学（National Chung Cheng University）学者Chen YS，Kao TC和Sheu JP发表在Journal of Computer Assisted Learning上的文章，[7]文中开发了一个移动学习系统以支持学生观察研究野鸟，并在研究中实施形成性评价以探究移动学习设备扮演的角色和提供的学习帮助，以及调查学生是否由于使用移动学习设备而受益。
为防止因为WoS期刊收录年限和范围、文献类型的限制，或者由于研究中检索方法不当而遗漏某些重要文献，我们在研究中对所有6676篇被引文献记录进行引用频次降序排序（如图2所示），未发现被引频次超过30次的重要文献，表明研究中对于核心文献的确定建立在较高的查全率基础上，并没有遗漏该研究领域中的重要文献。
三、著者分析
通过所发表的论文数量以及发表论文的被引用频次可以了解论文著者对特定领域研究的贡献程度，贡献程度较高的著者即构成该领域的核心著者群。他们的研究方法和研究结论往往成为该领域后续研究的支撑和创新基石。了解和追踪这些研究者的研究主题和方向，可以帮助我们快速掌握某一领域的研究重点和发展趋势。 [参考文献]
[1] 任友群，鲍贤清，等.规范与交叉：教育技术发展趋势分析——美国AERA2009年会述评[J].远程教育杂志，2009，（5）：3～14.
[2] 刘林青.作品共被引分析与科学地图的绘制[J].科学学研究，2005，（4）：155～159.
[3] 邱均平.信息计量学（九）：第九讲文献信息引证规律和引文分析法[J].情报理论与实践，2001，（3）：236～240.
[4] Garfield， E.， Sher， I.H.，& Torpie， R. J. The Use of Citation Data in Writing the History of Science[M].Philadelphia： Institute for Science Information Service，1965.
[5] Kessler， M. M.Bibliographic Coupling between Science Papers[J].American Documentation，1963，（14）：10～26.
[6] Small， H. The Relationship of Information Science to the Social Science： A Co-citation Analysis[J].Information Processing and Management，1980，（17）：39～50.
[7] Chen YS， Kao TC， Sheu JP. A Mobile Learning System for Scaffolding Bird Watching Learning[J].Journal of Computer Assisted Learning，2003，（3）：347～359.
[8] Han SG， Han HS， Kim JB. SCORM-Based Contents Collecting Using Mobile Agent in m-Learning[C].Advances in Multimedia Information Processing - PCM 2004， PT 2， Proceedings，2004，（3332）：688～695.
[9] Sie YL， Wang TH， Chang HP， Chang SN， Shih TK. A SCORM-Based Caching Strategy for Supporting Ubiquitous Learning Environment[C].Autonomic and Trusted Computing， Proceedings. 2006，（4158）：551～560.
[10] Chang HP， Shih TK， Li Q， Wang CC， Wang TH， et al. An Adaptive Caching Strategy for m-Learning Based on SCORM Sequencing and Navigation[J].World Wide Web-Internet and Web Information Systems. 2008 SEP； 11（3）：387～406.
[11] 汪凤麟，李望秀，李华新.对国内移动学习文献的定量分析[J].现代教育技术，2008，（12）：62～66.
[12] 方海光，王红云，黄荣怀.移动学习的系统环境路线图——国内外移动学习研究与应用案例研究专栏综述篇[J].现代教育技术，2011，（1）：14～20.
[13] 刘建设，李青，刘金梅.移动学习研究现状综述[J].电化教育研究，2007，（7）：21～36.
[关键词] 移动学习； 引文分析； 可视化
[中图分类号] G434 [文献标志码] A
[作者简介] 刘敏（1979—），女，山东泗水人。讲师，硕士，主要从事信息化环境中的深度学习与潜能激发研究。E-mail：[email protected]。
随着移动计算技术（Mobile Computing）的迅猛发展，近几年移动学习（Mobile Learning）悄然兴起，在改变人们学习方式的同时，改变了人们的学习和时间管理理念，成为未来网络学习的重要发展方向和“未来学习不可或缺而又极富潜力的全新学习模式”。[1]相关研究亦如雨后春笋般涌现出来。毋庸置疑，移动学习已成为当前国内外研究的热点之一。以国内研究为例，在中国知网CNKI学术期刊全文数据库中，以“移动学习”为检索词、按“主题”检索项“精确”匹配方式进行检索，得到相关研究文献1077篇（CNKI， http：//www.cnki.net/（2012-4-9）），其中近一半文献是2010年以后涌现的。
面对日益剧增的海量学术文献，怎样才能清晰地把握移动学习领域中的理论发展、研究热点和趋势，避免研究过程和结果的简单重复，增加研究的创新性和学术价值？本文基于WoS（Web of Science）数据库导出的引文数据，综合运用文献分析、引文分析和可视化技术方法，对文献数量、期刊分布、关键词、著者等进行分析，以期找出移动学习领域的核心期刊、核心文献和核心著者，把握该领域研究的历史沿革和发展规律，为后续研究活动提供参考。
一、数据来源与研究方法
本研究主要采用引文分析方法对移动学习领域的相关研究进行实证分析。因此，所分析文献的质量、覆盖面成为影响研究质量的先决因素。而研究分析方法的选择和恰当运用是保证分析结果准确、有效的关键。
（一）数据来源
本研究选择Web of Science（简称WoS）数据库作为数据来源。WoS是美国Thomson Scientific（汤姆森科技信息集团）基于WEB开发的大型综合性、多学科、核心期刊引文索引数据库，共收录各领域学术期刊10000多种，文献记录更新及时，并提供了详实的引文回溯数据和独特的检索机制，可轻松回溯或追踪学术文献，是世界范围内权威的学术文献索引工具。
研究中笔者使用“TS=（“mobile learning”）OR TS=（M-learning）”为检索表达式在WoS数据库中进行了精确检索。在所有年份的数据库中，共得到286篇检索文献（Web of Science. http：//apps.isiknowledge.com/（2012-4-2））。文献类型分布上，“Article”类型的文献262篇，“Proceedings Paper”类型文献42篇，“Editorial Material”类型的文献10篇，“Book Review”类型的文献7篇，“Review”类型的文献3篇，“Meeting Abstract”类型的文献2篇，“Correction”和“Poetry”类型的文献各1篇。可见移动学习领域的文献以“Article”类型为主。
本研究只选择其中类型为“Article”的文献以确保研究的质量。研究中将这些文献的详细文献题录（包括引用的参考文献在内）保存为文本文档以供后续分析。这些文献的发表时间分布在1992年至2012年之间，共涉及645位作者，99种期刊，引用文献（Cited References）6676篇，关键词760个。
（二）主要研究方法
在某研究领域的科学文献体系中，各文献之间并不是孤立的，而是相互联系的。科学文献的相互关系突出地表现在文献的相互引用方面。因此，利用引文分析方法分析某一领域研究的趋势和规律具有客观性、分类原则的科学性和数据的有效性等特点，[2]与传统的学者个人归纳、访谈调查等主观研究方法相比具有不可比拟的优越性。
引文分析（Citation Analysis）主要是利用各种数学及统计学的方法，以及比较、归纳、抽象、概括等逻辑学方法，对科学期刊、论文、专著等研究对象的引用和被引用现象进行分析，以便揭示其中的数量特征和内在规律。[3]具体的分析方法中，引文时序图法（Historiography）、[4]文献耦合分析（Bibliographic Coupling）[5]以及同被引分析（Co-Citation）[6]是当前主流的可视化引文分析方法。其中引文时序图法研究的最早，分析时选择具有代表性的引文作为节点，并按时间先后标上序号，按引用关系连接这些节点并以引用频次或被引率为权值构成引文时序图，操作比较便利。引文时序图可以直观、形象地显示出研究主题的引用渊源、重要著者、相关研究的发展沿革及继承关系，有助于发现特定研究领域的发展规律和趋势。因此，本研究主要使用引文时序图法分析移动学习领域的研究规律和发展趋势。
研究过程中使用HistCite 11.12.07软件工具包作为辅助分析工具。HistCite是SCI（Science Citation Index，科学引文索引）的创始人Garfield于2001年推出的强有力的文献分析工具，利用从WoS上导出的文献记录进行分析，功能强大，使用灵活。 二、文献量与期刊分析
（一）学科分布分析
通过文献间的相互引证关系，分析某研究领域文献的引文来源和学科特性，不仅可以了解该研究领域涉及哪些学科，而且还能把握该研究领域的学科交叉广度和深度。
在本研究中，从262篇文献所属的学科分布来看，移动学习领域的相关研究共涉及了25个学科（此学科分类是根据WoS的学科分类体系），其中文献数量前10名的学科分别为：教育及教育研究（170篇）、计算机科学（99篇）、工程学（21篇）、信息科学和图书馆学（8篇）、语言学（7篇）、电信（6篇）、通信（5篇）、护理学（5篇）、经营管理（4篇）以及心理学（4篇）。由学科分布可以看出，移动学习领域的相关研究具有较为明显的学科交叉特性，涉及多个学科领域，尤其以教育及教育研究和计算机科学领域的交叉最深，反映出移动学习的相关研究成果主要集中于这两个领域并对这两个学科领域的创新发展作出贡献。从交叉的广度来看，移动学习的相关研究对其他学科也有所渗透，这间接证明了移动学习已经在工程学、信息科学和图书馆学等学科领域的相关实践中得到应用，促进了这些学科相关理论与实践的发展，应用范围比较广泛。
（二）文献数量和引文频次分析
特定研究领域的年度文献数量以及引用情况在一定程度上可以反映出该领域研究的进展状况、某个时间段的研究水平以及领域内学术交流的活跃程度。
表1是移动学习领域所有文献按年代划分和引用情况。在HistCite软件中，LCS（Local Citation Score）表示的是文献在当前文献集合中的引用频次，在本研究中即在所筛选出的262篇文献中的引用频次。GCS（Global Citation Score）表示文献在WoS中的引用总频次。表中的TLCS表示该年文献在当前文献集合中的引用频次之和，而TGCS则表示该年文献在WoS中的引用频次之和。根据文献的数量变化，可以看出WoS中收录的移动学习领域的文献始于1992年，但直至2002年文献总数仅为5篇，说明这一时期移动学习领域的研究仅是零星现象，并未引起重视。2003年到2011年间文献数量基本呈上升态势，尤其是2008年和2010年的增幅较大，说明移动学习领域的研究逐渐繁荣，领域内的学术交流比较活跃，研究成果也比较丰富。值得注意的是2002年虽然只有一篇文献，但其引用频次却较多，说明该文献对后期研究有重要影响。而2003年的7篇文献，在数量上虽然不多，其TLCS和TGCS却接近峰值，说明在这一年移动学习的相关研究虽然处于起步阶段，但已经产生了重要的研究成果。
（三）国别分析
文献的国别分析大体反映了不同国家和地区在特定研究领域所作的贡献。国别和地区分析结果显示：我国台湾是在移动学习领域发表学术文献最多的地区，占移动学习领域文献总数的23.3%，其发表文献的引用频次也最高。其次是美国和英国。我国大陆地区发表的移动学习文献共18篇，按文献数量排名居于第四位，按文献的TLCS排名居于第五位。值得注意的是日本虽然移动学习文献数量较少（只有5篇），但其引用频次（排名第4）却较高，说明日本学者发表的移动学习文献的质量较高，对于移动学习领域的相关研究作出了较大贡献。
（四）核心期刊分析
引文分析法是常用的确定特定研究领域核心期刊的方法之一，其主要特点是从文献被利用的角度来评价和选择期刊，因此比较客观。对特定领域核心期刊发表的学术文献进行跟踪和分析有助于准确了解该领域的研究进展和研究水平。
本研究综合文献数量和被引频次（尤其是TLCS）两个指标来判断移动学习领域的核心期刊，共选取12种期刊（见表2），这些期刊是移动学习领域相关研究的重要信息源。其中，“JOURNAL OF COMPUTER ASSISTED LEARNING”、“COMPUTERS & EDUCATION”以及“EDUCATIONAL TECHNOLOGY & SOCIETY”三种期刊在2003至2012年间共发表移动学习领域相关文献85篇，占WoS移动学习领域文献总量的32.4%。这85篇文献的TLCS总和为235，占该领域文献TLCS总数的72.98%，TGCS总和为880，占该领域文献TGCS总数的66.47%。显然，这三种期刊是移动学习领域最重要的核心期刊。
（五）核心文献分析
文献的被引频次反映了该文献被其他研究者关注的程度以及对于其他研究者相关研究的影响程度。因此，文献的被引频次很大程度上代表了该文献在所在研究领域内的重要程度。被引频次高的文献，对所在研究领域的影响较大，反映了该领域的研究重点和趋势，可被认定为核心文献。
对于两个引用频次指标LCS和GCS，笔者认为文献在当前集合中的引用频次LCS更能反映文献在特定领域内的被引用情况，是界定核心文献的主要指标。在HistCite中，按照LCS的大小对262条文献记录进行降序排序，结果如图1所示。其中，按LCS和GCS均排名第一的是由台湾国立中正大学（National Chung Cheng University）学者Chen YS，Kao TC和Sheu JP发表在Journal of Computer Assisted Learning上的文章，[7]文中开发了一个移动学习系统以支持学生观察研究野鸟，并在研究中实施形成性评价以探究移动学习设备扮演的角色和提供的学习帮助，以及调查学生是否由于使用移动学习设备而受益。
为防止因为WoS期刊收录年限和范围、文献类型的限制，或者由于研究中检索方法不当而遗漏某些重要文献，我们在研究中对所有6676篇被引文献记录进行引用频次降序排序（如图2所示），未发现被引频次超过30次的重要文献，表明研究中对于核心文献的确定建立在较高的查全率基础上，并没有遗漏该研究领域中的重要文献。
三、著者分析
通过所发表的论文数量以及发表论文的被引用频次可以了解论文著者对特定领域研究的贡献程度，贡献程度较高的著者即构成该领域的核心著者群。他们的研究方法和研究结论往往成为该领域后续研究的支撑和创新基石。了解和追踪这些研究者的研究主题和方向，可以帮助我们快速掌握某一领域的研究重点和发展趋势。 [参考文献]
[1] 任友群，鲍贤清，等.规范与交叉：教育技术发展趋势分析——美国AERA2009年会述评[J].远程教育杂志，2009，（5）：3～14.
[2] 刘林青.作品共被引分析与科学地图的绘制[J].科学学研究，2005，（4）：155～159.
[3] 邱均平.信息计量学（九）：第九讲文献信息引证规律和引文分析法[J].情报理论与实践，2001，（3）：236～240.
[4] Garfield， E.， Sher， I.H.，& Torpie， R. J. The Use of Citation Data in Writing the History of Science[M].Philadelphia： Institute for Science Information Service，1965.
[5] Kessler， M. M.Bibliographic Coupling between Science Papers[J].American Documentation，1963，（14）：10～26.
[6] Small， H. The Relationship of Information Science to the Social Science： A Co-citation Analysis[J].Information Processing and Management，1980，（17）：39～50.
[7] Chen YS， Kao TC， Sheu JP. A Mobile Learning System for Scaffolding Bird Watching Learning[J].Journal of Computer Assisted Learning，2003，（3）：347～359.
[8] Han SG， Han HS， Kim JB. SCORM-Based Contents Collecting Using Mobile Agent in m-Learning[C].Advances in Multimedia Information Processing - PCM 2004， PT 2， Proceedings，2004，（3332）：688～695.
[9] Sie YL， Wang TH， Chang HP， Chang SN， Shih TK. A SCORM-Based Caching Strategy for Supporting Ubiquitous Learning Environment[C].Autonomic and Trusted Computing， Proceedings. 2006，（4158）：551～560.
[10] Chang HP， Shih TK， Li Q， Wang CC， Wang TH， et al. An Adaptive Caching Strategy for m-Learning Based on SCORM Sequencing and Navigation[J].World Wide Web-Internet and Web Information Systems. 2008 SEP； 11（3）：387～406.
[11] 汪凤麟，李望秀，李华新.对国内移动学习文献的定量分析[J].现代教育技术，2008，（12）：62～66.
[12] 方海光，王红云，黄荣怀.移动学习的系统环境路线图——国内外移动学习研究与应用案例研究专栏综述篇[J].现代教育技术，2011，（1）：14～20.
[13] 刘建设，李青，刘金梅.移动学习研究现状综述[J].电化教育研究，2007，（7）：21～36.