知识流是指知识在人们之间流动的过程或是知识处理的机制，像传统的物流和资金流在各个节点间的流动。在知识时代，学习资源库拥有各种各样的视频和资讯内容，知识流是提供知识为主的内容类程序最重要的媒介样式，广泛应用在以知识为服务的功能工具类、社区类等程序。可视化海洋科普教育知识流分析有助于分析学习者行为特征与知识内容偏好，评估知识内容质量，进而优化知识分发策略。

(一)学习者知识流描述性分析

针对学习者使用海洋教育服务平台知识流的情况，我们可以先将其拆分成问题，然后转化成可视化的模型指标进行分析。

问题一:海洋教育服务平台学习粘性情况如何?

针对问题一，分析“次均使用时长”关键指标。比较海洋教育服务平台整体的平均使用时长与知识流的次均使用时长，可直观反映平台学习粘性情况。

问题二:个性化数据展现策略是否合理?知识是否具有吸引力?

针对问题二，综合分析“次均展现信息数”“次均点击信息数”和“信息点击率”三个重要指标，再结合相关点击率水平进行分析。学习者知识流描述性分析策略如图4-11 所示。

图4-11　学习者知识流描述性分析策略

(二)学习者知识内容偏好分析

海洋教育服务平台根据内容的差异设置不同分类，如海洋科普推荐、海洋科普热点、海洋科普新闻、海洋科技、海洋文化等。为了解学习者知识内容偏好差异，我们可以通过内容分类筛选进行分析。

(1)比较不同分类的学习者使用规模，分析的指标包括:日均使用学习者数、日均使用次数；比较不同分类的内容的认可度，可分析的指标包括次均点击信息数、信息点击率、次均使用时长。

(2)比较不同分类近日受关注的热点内容差异，在分析数据表中，展示具体分类下的内容信息及其指标。通过按照内容“点击次数”排序，对不同分类内容的排名作横向比较。

(3)追踪特定分类的内容浏览变化情况。在积累一段时间数据后，导出特定分类近日的内容结果，分析内容指标的变化，并与整体平台内容指标比较，判断该分类当前内容教学效果。海洋科普内容关键词共现矩阵可视化分析如图4-12 所示，采用社会分析方法，对分类的内容关键词进行精确的量化分析，找出核心关键词，从分析中得到启发，分析海洋科普内容热点问题和发展情况，为分类的内容后续优化教学策略提供参考。

图4-12　海洋科普内容关键词共现矩阵可视化分析

(三)知识内容的热度与质量分析(www.daowen.com)

学习者的知识内容浏览行为可抽象为AIDA 模型，AIDA 即细分注意(attention)、兴趣(interest)、欲望(desire)和行动(action)四个阶段。通过AIDA 模型分析，知识内容效果可以分解出不同的层次，考察知识内容的效果时可以测量该内容在多大程度上引起了学习者的“注意”，激发学习者的“兴趣”，刺激学习者学习“愿望”，改变学习者的“行为”或“行为意向”。

优质的知识内容无论对学习者还是海洋教育服务平台而言，都有重要的价值。海洋科普教育知识内容的热度与质量评估可以通过以下方式分析:

(1)“展现次数”和“点击次数”直观分析知识内容受欢迎的程度。

(2)知识内容质量的分析，既需要判断知识内容的列表页样式或标题文案等对学习者的吸引力，也需要分析学习者浏览知识内容后的满意度。

海洋科普教育知识内容质量的分析指标包括:次均展现时长、点击率、次均浏览时长和短点击率。可结合知识内容的收藏、分享等其他指标进一步丰富知识内容评估体系。其中，“次均展现时长”越长、代表信息更能引起学习者的注意；点击率越高，代表信息成功激发了学习者浏览的兴趣；次均浏览时长越长，短点击率越低，代表更多学习者在浏览详情后表示了认可。利用可视化技术，海洋科普教育内容维度统计指标雷达图如图4-13 所示，海洋科普内容展现次数趋势如图4-14 所示。

图4-13　海洋科普教育内容维度统计指标雷达图

图4-14　海洋科普内容展现次数趋势

海洋科普内容词频社会网络可视化如图4-15 所示，海洋科普内容需求强弱可视化如图4-16 所示，海洋科普内容访问活跃度可视化如图4-17 所示。

图4-15　海洋科普内容词频社会网络可视化

图4-16　海洋科普内容需求强弱可视化

图4-17　海洋科普内容访问活跃度可视化