中文期刊的检索条件为：((主题% =‘职业学校’or 题名% =‘职业学校’) OR (主题% =‘中职学校’or 题名% =‘中职学校’)) AND (主题% =‘师生关系’or 题名% =‘师生关系’)) OR (主题% =‘教学关系’or 题名% =‘教学关系’)) AND (主题% =‘学习兴趣’or 题名% =‘学习兴趣’)) OR (主题% =‘学习兴趣’or 题名% =‘学习兴趣’)) AND ((核心期刊 =‘Y’) OR (CSSCI期刊 = ‘Y’)) AND ((专题子栏目代码 =‘H131?’) OR (专题子栏目代码 =‘H127?’))；检索范围：期刊。通过以上检索式，得到初步的数据之后再进行数据的提炼筛选，如限定发文年份、学科类别、期刊等级、剔除会议论文等，最终得到的中文期刊数量为926篇，文献来源分布如 图1 所示。

学位论文(中文)的检索条件为：检索式A：((主题% =‘职业学校’or 题名% =‘职业学校’) AND (主题% =‘中职学校’or 题名% =‘中职学校’))AND (主题% =‘师生关系’or 题名% =‘师生关系’)) OR (主题% =‘教学关系’or 题名% =‘教学关系’)) AND (主题% =‘学习兴趣’or 题名% =‘学习兴趣’)) OR (主题% =‘学习兴趣’or 题名% =‘学习兴趣’)) AND (评价层次 =‘1’)。经过数据的筛选，对发文所在学校限定为一流大学，最终选择了299篇硕博论文。

英文文献(Web of Science)的检索条件为：TS = Vocational Schools OR Secondary schools AND Teacher-student relationship OR Learning Interest OR Academic performance) and 6.11 Education & Educational Research or 6.73 Social Psychology (Citation Topics Meso) and 6.11.31 Self-regulated Learning or 6.11.295 Science Education or 6.73.1794 Emotional Intelligence or 6.73.1166 Personality or 6.73.785 Subjective Well-being or 6.11.190 Teacher Education or 6.11.1889 Student Evaluation Of Teaching or 6.11.2525 Open Education Resources or 6.73.2190 Moral Judgment or 6.73.2468 Boredom Proneness or 6.11.882 Critical Pedagogy (引文主题微观) and Education Scientific Disciplines or Education Educational Research (Web of Science 类别)和论文或者综述论文或者在线发表(文献类型) Web of Science类别；检索范围：Web of Science 核心合集。通过以上检索式，得到初步数据之后再进行数据的筛选清洗，如限定发文年份、学科类别、期刊等级、剔除会议论文、只保留相关主题等，最终得到的英文期刊数量为1209篇。

期刊(中文)的发文量如 图2 所示，总体来看发文量呈现逐年上升的趋势。其中，在1998年、2007年、2009年、2018年、2021年的增长幅度最大，出现了峰值。2023年目前只统计到上半年的情况，如 图2 所示的指数预测情况来看，关于师生关系对学生学习兴趣的影响研究领域的相关文献，在2023年及后面年度，都仍将呈现一个上升趋势，还是一个比较集中的研究热点。

学位论文(中文)的发文量如 图3 所示，总体来看呈现较为平缓的上升趋势。2020年达到了峰值。同样，因为所选文献限定在一流大学，导致文献数量比较少，且发文时间也比较晚(2017年开始)，但发文数量都比较多，最高的一年达到了85篇，具有一定的说服力。从图中的预测情况可知，发文量仍呈现向上攀爬趋势。

英文文献(期刊)的发文量如 图4 所示，总体来看发文量呈现逐年上升的趋势。因为文献数据主要来源于Web of Science核心合集，并且经过一定的数据整理去重工作。所以本研究最终得到的文献数据主要从2015年开始，也即代表关于师生关系对学生学习兴趣的影响研究中，在2015年出现了峰值。2015年开始到2019年的发文量增长都较为平缓，2020年再一次出现了峰值，并自2020年之后发文量都呈现较大的增幅。表明该领域的研究热点较为集中，有重要的研究价值和社会意义。从图中的指数预测线也能看出，2023年下半年直至未来几年都仍呈现增长趋势。

期刊(中文)的作者发文量Top10分布如 表1 所示，就本文所统计的作者发文量Top10数据中可以看到，最高的作者是“赵蔚”(7篇)、最少的作者“刘电芝”(3篇)，其余发文量多集中在5篇或4篇左右。总体来看，该领域的作者发文量Top10的排列中还是比较多的。

通过VOSviewer可视化分析软件得出如 图5 所示的期刊(中文)作者共线关系图得到共有244个聚类，其中最大的共线关系有28个节点，20个节点次之，2个节点最少。通过NoteExpress可视化分析软件进行数据的查证分析，发现最大节点上的作者共同发文量最多，表明其有较为密切的合作关系。

学位论文(中文)的作者发文量Top10分布如 表2 所示，就本文所统计的作者发文量Top10数据中可以看到，最高的“李艳”(2篇)、最少的“朱正洲”(1篇)，其余发文量多集中在1篇上下。就本研究中所统计的学位论文与期刊相比，学位论文的发文量不及期刊的发文量。

通过NoteExpress软件对数据进行再次整理清洗之后，导入到VOSviewer可视化分析软件，得出学位论文(中文)作者的共线关系图共有243个聚类。因界面所视关系，本文只截取了局部共线关系图(见 图6 )，本文所统计的最大作者共线关系图共有8个节点，即以指导老师(王建华和阳荣威等)为中心节点，(李林郁、杨翠、傅晓、卢鸿鸣、胡弼成等)学生为子节点组成的关系节点。由NoteExpress进行数据查证分析，可知作者地址都来自湖南大学。再由时间轴颜色可知，黄色代表发文量最新，本文所统计的第二大作者共线关系图也即最新的研究共线关系图，即以指导老师(贾存显等)为中心节点，(刘珍珍、宋艳、郭晓雷、刘贤臣等)学生为子节点组成的关系节点。由NoteExpress进行数据查证，可知作者地址都来自山东大学。表明湖南大学和山东大学是该研究领域的两大主力高校。

期刊(英文)的作者发文量Top10分布如 表3 所示，就本文所统计的作者发文量Top10数据中可以看到，最高的“Cooper, Katelyn M”(9篇)、最少的“Kelly, Angela M”(4篇)，其余发文量多集中在5篇或6篇上下。由 表1 ~ 3 所统计的数据进行对比，明显可以看到英文期刊的发文量位列首位，中文期刊次之，中文学位论文篇幅最少。

通过VOSviewer可视化分析软件得出英文期刊的作者共线关系图(见 图7 )可知，本研究所统计的作者共线关系共有149个聚类。其中，最大的关系图有21个节点，即图中显示的以ballen，cissy J、cotner，sehoya、creech，catherine等为节点的聚类，最小的关系图有1个节点。

期刊(中文)的关键词Top10分布如 表4 所示，就本文所统计的关键词词频、中心度Top10中可以看到，出现次数最多的“学业成绩”(33次)和最少的“小班教学”(2次)，中心度分别为0.63和0.02。其余关键词词频平均集中在4次上下，中心度平均多集中在0.06左右。其中，“学业成绩”的中心度高达0.63，表明“学业成绩”与其他关键词具有较为明显的共线关系。

通过CiteSpace可视化分析软件得出的关键词共线图(见 图8 )，通过VOSviewer可视化分析软件得出的关键词共线图(见 图9 )。对比之下，两个软件所呈现的关键词聚类图并无太大差异，说明本研究所统计的数据具有较高的可靠性。

运用CiteSpace可视化分析软件将关键词进行聚类分析(见 图10 )，通过采用对数似然率算法(LLR)对关键词网络图谱进行聚类并进行可视化，生成中职学校师生关系对学生学习兴趣影响研究的期刊(中文)关键词聚类图谱，共得到6个聚类，其中，Modularity Q值为0.5635，大于0.3，表明该聚类结果的网络模块紧密相关。同时，Mean Silhouette值为0.9104大于临界值0.5，说明各聚类都与本研究均有较强联系。

学位论文(中文)的关键词Top10分布如 表5 所示，就本文所统计的关键词词频、中心度Top10中可以看到，出现次数最多的“影响因素”(22次)和最少的“小学生”(6次)，中心度分别为0.68和0.02。其余关键词词频平均集中在13次上下，中心度平均多集中在0.07左右。其中，“影响因素”的中心度高达0.68，表明“影响因素”与其他关键词具有较为明显的共线关系。

进而，通过CiteSpace可视化分析软件得出的关键词共线图(见 图11 )，通过VOSviewer可视化分析软件得出的关键词共线图(见 图12 )。对比可知，两者所呈现的数据较为接近，说明本研究所统计的数据具有一定的说服力和科学性。由图中关键词“大学生”(10次)、“中学生”(6次)、“小学生”(6次)，可知关于师生关系对于学生学习兴趣的影响研究，普遍存在大中小学生中，可见影响范围指广泛，而不只是仅仅存在中职学校，具有重大的研究价值和社会意义。

运用CiteSpace可视化分析软件将关键词进行聚类分析(见 图13 )，通过采用对数似然率算法(LLR)对关键词网络图谱进行聚类并进行可视化，生成中职学校师生关系对学生学习兴趣影响研究的学位论文(中文)关键词聚类图谱，共得到5个聚类，其中，Modularity Q值为0.6809，大于0.3，表明该聚类结果的网络模块紧密相关。同时，Mean Silhouette值为0.9428大于临界值0.5，说明各聚类都与本研究均有较强联系。

期刊(英文)的关键词Top10分布如 表6 所示，可知当前领域的研究热点主要集中在“education”(83次)、“science”(82次)、“performance”(72次)、“academic performance”(69次)、“achievement”(66次)等为聚焦点。总体看来，关键词词频的平均频次为61次左右，其中频次最高的“education”中心度达到0.15，表明“education”与其他关键词具有明显的共线关系。

运用CiteSpace软件将关键词进行共线分析(见 图14 )，运用VOSviewer得到的关键词共线图(见 图15 )，通过采用对数似然率算法(LLR)对关键词网络图谱进行聚类并进行可视化得到关键词聚类(见 图16 )，共得到7个聚类，由 图16 的Modularity Q值为0.5405，大于0.3，表明该聚类结果的网络模块紧密相关。同时，Mean Silhouette值为0.9354大于临界值0.5，说明各聚类都与该研究均有较强联系。

如前文图表所示，有关中职师生关系对学生学习兴趣影响的文献数量无论是中文还是英文文献都呈上升趋势，表明该领域依旧是一个研究热点。在我国，早在春秋战国时期孔子就提出“知之者不如好之者，好之者不如乐之者”，近代梁启超等更明确主张“趣味教学” [6] ，《国家中长期教育改革和发展规划纲要(2010~2020年)》在“减轻中小学生课业负担”和“创新人才培养模式”等内容中也明确提出要培养学生的学习兴趣，“学习兴趣”的重要性可见一斑。

在作者发文量的统计中，均值为6篇左右，数量较少。但在作者的聚类分析中，仍有较为密切的合作团体。深入研读文献发现，学者间关于学习兴趣的内涵存在一定的差异性，但大多认为学习兴趣是指学生在学习活动中表现出的一种积极心理状态和重复参与相关活动的倾向。总体上体现三个特点：第一，情境性与稳定性的“综合”，海蒂等人将学习兴趣划分为情境兴趣和个体兴趣 [7] ，包括诱发阶段和维持阶段 [8] 。就本研究而言，主要聚焦于个体较为稳定的学习兴趣，即个体兴趣。第二，学习兴趣具有对象指向性 [9] ，如话题兴趣、阅读兴趣或学习兴趣等。第三，学习兴趣具有结构的多维性 [10] [11] ，瑞宁格尔借鉴海蒂等人的研究基础上，从兴趣发展的角度出发，认为兴趣的发展阶段和程度可以通过个体在情绪、价值、知识和投入四个方面的表现来区分 [12] ，后人也多借鉴采纳这四个维度进行兴趣测量工具的编制。

在关键词的统计中，“学业成绩”、“学习动机”、“中学生”、“影响因素”、“学习策略”等是研究的高频词，表明中职师生关系对学生学习兴趣能产生诸多影响，而且效果较为显著。本文认为师生关系不止发生在课堂上，在课余生活、课后辅导等都广泛存在着师生关系，同时教学关系是师生关系的一种最直接的体现。学习兴趣是指一个人对学习活动所产生的一种积极的、较为持久的心理倾向，是对学习效率、学习效果影响较为明显的一种非智力因素。因此，要构建合理良好的师生关系，增强学生的学习兴趣，促进学生的全面自由发展。