基于學習分析技術的中小學教師遠程培訓效果影響因素實證研究*

趙 艷，趙 蔚，姜 強

(1.東北師范大學 計算機科學與信息技術學院，吉林 長春 130117；2.長春教育學院，吉林 長春 130061 )

基于學習分析技術的中小學教師遠程培訓效果影響因素實證研究*

趙 艷1,2，趙 蔚1，姜 強1

(1.東北師范大學 計算機科學與信息技術學院，吉林 長春 130117；2.長春教育學院，吉林 長春 130061 )

該研究運用相關分析、多元回歸分析以及社會網絡分析等學習分析技術，對中小學教師的基本信息數據以及在Moodle學習管理平臺上的遠程學習行為數據進行深入分析，指出影響培訓效果的主要因素以及在社會交互方面的問題，并輔以個別訪談法對分析結果進行印證。該研究獲取的分析結果在課程內容設計、交互的縱深發展、學習任務設計、測試的自動反饋設計以及輔導教師的指導和干預等方面為我們帶來了有益啟示，可為今后開展教師遠程培訓提供指導和借鑒，以期更好地改善教師遠程培訓效果。

學習分析；社會網絡分析；中小學教師遠程培訓；相關分析；回歸分析

一、引言

“教育現代化，教師是關鍵”，不斷提高教師的執教能力，促進教師的專業發展，教師培訓是關鍵。隨著信息技術的不斷發展，特別是通信、網絡技術的飛速發展，使得利用網絡進行教師遠程培訓成為可能。網絡遠程培訓不受時空限制的優勢可以較好地解決一線中小學教師的工學矛盾，教師可以根據自己的實際情況自定步調學習，正因如此，教師遠程培訓越來越受到廣大一線中小學教師(以下簡稱為學員)的歡迎。網絡是一個巨大的信息資源庫，利用網絡資源共享性的特點，可以把優質教育資源延伸到任何地方，有利于促進教育均衡發展。2013年5月《教育部關于深化中小學教師培訓模式改革全面提升培訓質量的指導意見》第五條明確指出“營造網絡學習環境，推動教師終身學習”，進一步強調了網絡學習的作用和價值，通過培養網絡研修骨干隊伍，打造教師學習共同體，實現教師培訓常態化[1]。然而如何保障網絡遠程教師培訓的質量，是培訓機構以及培訓者關注的重要問題，同時也是廣大教師培訓機構一直努力的目標，要實現這一目標需要在不斷實踐的基礎上，了解遠程學習規律，深入分析遠程學員的學習行為，根據分析結果有針對性地對培訓做出改善。

學習分析技術是正在浮現并具有發展潛力的技術[2]，更加側重解釋和語義化數據來改善學習[3]。2011年2月在加拿大的阿爾伯特省班芙市召開的第一屆學習分析和知識國際會議上一致通過了學習分析的定義，即學習分析技術是測量、收集、分析和報告有關學生及其學習環境的數據，用以理解和優化學習及其產生環境的技術[4]。學習分析包含數據收集、分析、學生學習、聽眾、干預和預測五個要素，以提高教學和學習效果為終極目標[5]。因此運用相應的學習分析技術對學員的基本信息數據和遠程培訓平臺上學員的學習數據進行分析可以更深入、具體地了解教師的學習行為，找出影響培訓效果的因素，從而有效地監控學員的學習過程，給予學員以恰當的學習指導，提升培訓效果。

二、相關研究

國外關于學習分析技術的研究相對成熟，主要集中對學習分析服務框架、分析方法、可視化工具以及應用學習分析技術分析學生學習過程數據的實證研究。2011年美國西部州際高等教育委員會教育技術合作部(WICHE , WCET, Western Interstate Commission for Higher Education, Cooperative for Educational Technologies )的教育大數據分析項目的預測分析報告中，運用學習分析技術確認影響學生退學以及是否能夠畢業的因子[6]。西班牙馬德里理工大學的學者ángel F. Agudo-Peregrina在定義三種交互類別的基礎上，運用學習分析技術分析了在線學習交互與培訓效果之間的影響關系[7]。英屬哥倫比亞大學學者Leah P. Macfadyen, Shane Dawson研究運用學習分析技術分析基于Blackboard學習管理平臺的學生學習行為數據，確定影響學習效果的主要因素，建立回歸分析模型，用來預測學生的成績[8]。

相對于國外研究，國內關于學習分析的研究多為理論研究和述評，基于學習分析技術對中小學教師遠程培訓效果影響因素的研究較少，國內相關研究多以問卷調查和訪談方法對培訓效果的影響因素進行分析，通過對中小學教師遠程培訓相關文獻的內容分析，我們發現國內有關研究者從不同的維度提出了教師遠程培訓效果的影響因素，歸納結果如表1所示。

表1 中小學教師遠程培訓效果影響因素分析表

通過對文獻的分析我們了解到國內研究者主要從宏觀角度對影響培訓效果的因素進行研究，研究主要集中在對課程資源、學習支持服務、交互、學習活動設計、評價反饋以及學習者自身的學習態度、動機等方面。在此，我們在已有研究的基礎上對影響遠程培訓效果的因素進行細化，運用學習分析技術獲取學員多方面的數據進行分析，從微觀層面上找出影響培訓效果的因素，結合分析結果為教師培訓機構提供有助于提升培訓效果的有益啟示。

三、研究設計

(一)研究對象及培訓課程選擇

本研究以Moodle2.6搭建的長春市中小學教師遠程培訓平臺“http://www.ccjyxy.net”為依托。為了使數據更具有代表性，研究對象選擇2013年9-12月參加教育技術遠程培訓的全體學員，總計2100人。學員所教學科涵蓋語文、歷史、政治、數學、地理、化學、物理，共7個學科，其中小學教師1129人、初中教師971人，男教師792人、女教師1308人，分別占樣本總數的53.8%、46.2%，37.7%、62.3%。

培訓過程包括6周網上在線學習。培訓初始，輔導教師在學習平臺上為學員提供課程的學習目標、學習方法、整個學習過程中使用的學習環境、平臺功能的介紹以及學習流程指南。培訓內容由6個模塊組成，考慮一線教師工作情況，每個模塊的學習時間為1周。在學習過程中按學科分班，每個虛擬班級一般涵蓋三個學科，由50-60個學員，以及1名學科教師和1名在線學習輔導教師組成。在6周的時間里，學員大概要花費50個小時的時間學習，隨著培訓的進行，課程內容逐漸向學員開放。某一模塊課程學習開始后，課程內容將在整個培訓期間都開放，但測試、討論、任務等只在本模塊學習期間開放，本模塊學習時間結束，這些項目自動關閉。遠程學習技術支持主要通過討論區、公告板、電子郵件、以及電話等同步和異步方式，整個學習過程采用過程性評價和終結性評價相結合的評價形式。

(二)中小學教師遠程培訓效果影響因素提取

本研究側重從學員的基本信息、遠程培訓過程中學員的學習行為方面探討影響培訓效果的因素，力圖為培訓組織機構、培訓管理者、培訓課程設計者以及培訓輔導教師等提出優化培訓效果的建議。本研究假設細分為以下兩點：(1)學員對遠程培訓有很好的接受度；(2)學員的信息技術水平可以保障其完成培訓過程。

通過對文獻內容的分析我們發現，影響培訓效果的因素很多，大到學校環境，小到學員的個性特征、學習態度都與培訓效果有著一定關系。本文在歸納已有研究者成果的基礎上，主要結合運用Moodle學習管理平臺進行培訓的特點對學員基本信息，以及對課程資源、學習支持服務、社會交互、參與學習活動方面的學習行為進行細化，共提取18個因素，如表2所示為遠程培訓效果影響因素提取表。

表2 遠程培訓效果影響因素提取表

(三)數據來源

研究數據中基本信息來源于針對Moodle學習管理平臺開發的報名系統，其他方面數據來源于Moodle學習管理平臺的Web日志報表，日志報表中完整地記錄學員對每個模塊的學習行為(瀏覽、發帖、測試等)以及訪問時間。對收集到的數據進行結構化處理后，運用SPSS17.0進行相關分析以及多元回歸分析。

四、數據分析

(一)教師遠程培訓效果影響因素相關分析

Bivariate兩變量相關分析是指研究兩個變量之間相關的統計方法。相關系數主要有三種：Pearson、SpearMan、Kendall。由于我們分析的變量是兩個連續數據之間的關系，因此采用Pearson系數進行分析[18]，分析結果如表3所示。

表3 遠程培訓效果影響因素相關分析

相關分析結果顯示：學員基本信息中性別、學段、學科、職稱與成績沒有顯著相關，年齡與成績呈負相關r=-0.441。課程內容瀏覽頻次、成績瀏覽頻次與成績無相關，除“是否展示自己成果”與成績在0.05水平上相關外，其余變量均在0.01水平上與成績呈相關性。

(二)教師遠程培訓效果影響因素回歸分析

為了更加深入地了解變量的影響效果，根據相關分析的結論，剔除無顯著相關的性別、學段、學科、職稱以及課程瀏覽頻次、查看成績頻次6個變量后，對其他12個變量做多元回歸分析如表4所示，結果顯示影響遠程培訓效果的回歸統計結果相關系數R=0.987，模型判定系數為(或解釋力)R2=0.974，回歸方程判斷系數F檢驗值為106.948，其顯著性=.000，說明回歸模型的判定系數具有統計學意義，即用這些變量解釋中小學教師遠程培訓效果有意義，這些變量可以解釋培訓效果97.4%的變差[19]。

表4 遠程培訓效果影響因素多元回歸分析

由表4可知12個自變量中有3個自變量對遠程培訓效果產生顯著性影響，標準化回歸方程為：成績=63.458+2.867X1+2.798 X2+0.854X3(其中X1，X2，X3表示的學習行為分別是完成任務、發起主題帖子、完成測試)。結果顯示，對遠程培訓效果影響的大小依次為完成任務(2.867)、發起主題帖子(2.798)、完成測試(0.854)。為進一步印證統計分析的結果，我們對部分教師做了訪談，訪談結果基本支持上述觀點。其中，85.3%的學員認為完成任務、結合實踐的討論互動以及有針對性的測試有助于他們掌握培訓內容，這大體上印證了回歸分析的結果。另外，58.9%的學員認為課程的內容即視頻講座部分理論性太強，單純觀看講座視頻對教學實踐指導意義不大；47.6%的學員認為理論聯系實際的案例資源、拓展資源對培訓效果影響較大；41.2%的學員認為課程公告、輔導教師的郵件提醒以及與輔導教師通過郵件溝通對提升培訓效果有積極作用；32.6%的學員認為積極展示自己的學習作品以及評價他人的學習作品可以很好地總結和梳理培訓所學內容；13.8%年齡接近50的學員表示雖然他的信息技術水平可以支持一般的學習，但是具體操作不是很熟練，導致沒有充分地參與討論互動，對于回答測試題也有一定的影響。這些訪談結果在很大程度上也印證了相關分析的結果。

前人研究的結果以及本研究數據分析的結果均表明交互對培訓效果有較大的影響，為了更好地了解教師遠程培訓中互動的參與情況以及具體的互動結構，我們嘗試運用社會網絡分析對某討論區的情況進行深入分析。

(三)討論區的社會網絡分析

相關分析和多元回歸的結果均表明學員參與交互的行為對培訓效果有積極影響，教師的學習和學生不同，教師學習者們本身具有豐富的教學經驗，是真正的教學實踐者，有很多的經驗和教學智慧，他們本身有著教育教學的基本素養和能力，具有設計和實施教學的能力，也具有批判和反思的能力。因此，他們之間的充分溝通和交流對于促進知識共享與內化具有更重要的意義。由此我們對討論區采取社會網絡分析方法進行深入分析，通過對社會網絡的基本屬性分析，可以從宏觀上把握網絡結構的特征。

筆者借助Snapp和Ucinet兩個工具[20]對某一虛擬班級討論區進行社會網絡分析，運用Snapp可以省去人工收集數據，建立關系矩陣等繁雜的前期工作，將其嵌入Moodle學習管理平臺的討論區可以一次性把論壇中發帖和回貼的統計信息呈現出來，并即時呈現討論區的社群圖，本討論區的社群圖如圖1所示。

圖1 虛擬班級討論區社群

1.社會網絡基本屬性分析

圖1社群圖中的點表示培訓過程中的學員，連線表示學員之間存在關系，箭頭表示關系的方向。連線越多，點分布越密集表示學員之間的交互越頻繁，反之，像編號為JS12010267則為孤立學員，沒有和任何人發生聯系。該網絡節點聯系稀疏，說明學員之間相互聯系比較松散，整體上看更多的是集中在teacher節點，即圍繞輔導教師的話題展開討論交流。

社會網絡基本屬性值如表5所示：(1)該網絡共有31 名成員，相互間建立的連接數為 42，密度僅為0.0333，進一步說明該網絡成員相互之間聯系較少，是一個比較稀疏的網絡；(2)平均度為1.355，即每個成員平均與1.355個其他成員發生交互，互惠性為0.153，即只有 15.3%的人之間是雙向的相互交互關系。

表5 社會網絡基本屬性值

2.中心度分析

將運用S n a p p統計得到的數據直接導入Ucinet6.0軟件中，沿著 Networks- Centrality- Degree進行中心度分析[21]，得出結果為：點入度較高的是輔導教師teacher和學員JS12010221、JS12010258三個節點，數值分別為31、6和2，JS12010208、JS12010232、JS12010264點入度均為1，其他學員的點入度為0。點入度可以用來表示學員在網絡中的聲望，高聲望意味著該學員是眾多學員選擇交往的對象，比較受大家的歡迎[22]；點出度較高的是輔導教師teacher和學員JS12010221、JS12010233、JS12010236、JS12010270五個節點，數值分別為4、2、2、2和2，其他學員的點出度絕大多數為1。點出度可以用來衡量一個學員在網絡中接觸其他學員的能力，點出度值越大表明學員越處于網絡的中心位置，點出度值越小則表示該學員越位于網絡的邊緣。由此可見，輔導教師具有較高的聲望和具有中心的位置。在 Ucinet6.0 中，沿著 Networks-Centrality- FreeMan Betweenness-Node Betweenness進行中間中心度分析，發現輔導教師teacher和學員JS12010221、JS12010258三個節點的中間中心度較高，Betweenness數值分別為157.000、32.000和10.000，其他學員的中間中心度均為0.000，學員的中間中心度明顯低于輔導教師的中間中心度，而中間中心度用來表示討論區成員對資源的控制程度。因此，在討論區中輔導教師除了扮演了“領導者”角色外還擔負了重要的中介角色，學員JS12010221、JS12010258也起到了一定的中介作用，這幾個成員在較大程度上控制信息的傳遞[23]。

五、結論與啟示

本研究通過對中小學教師的基本信息以及學員遠程學習過程中的學習行為等18個因素進行相關分析、多元回歸分析以及結合對學員的個別訪談，得出的結論如圖2所示：(1)外圈為相關因素，在相關因素中我們發現，學員的基本信息中只有年齡因素與培訓效果有相關性，學員的性別、學段、學科、職稱等因素不對學習效果產生相關影響；課程資源中，為學員提供的課程內容講座、瀏覽自己和他人成績因素均與培訓效果無相關；(2)內圈為顯著相關因素，完成任務、發起主題帖子、完成測試三個因素與培訓效果呈現顯著相關。同時針對討論區進行社會網絡分析結果顯示：討論區中輔導教師是中心，學員的參與度不高，除輔導教師之外，學員JS12010258與其他學員聯系相對緊密。針對分析的結果，我們獲得如下啟示：

圖2 中小學教師遠程培訓效果相關影響因素結構圖

(一)關注一線教師的實際需求，優化課程內容設計，豐富課程資源的呈現形式

先前一些研究者的研究結果表明課程內容對學員的學習效果有很大影響。對數據的分析發現，學員課程內容瀏覽頻次與最后的成績沒有顯著關系，而訪談結果表明，接近一半的學員認為課程內容理論性過強，不能很好地指導教學實踐。課程設計者對此應進行深刻的反思，反思課程內容的設計是否合理，是否滿足學員所需，是否能引起學員的興趣。為此，課程設計者應通過大量的一線調研、問卷調查、訪談等形式了解中小學教師的實際需求，合理設計和優化課程內容。同時，對于設計好的課程內容，不應是一成不變的，應考慮依據課程的利用率及學習者對課程評價，采用進化機制促進課程內容不斷優化更新。

案例瀏覽頻次和拓展資源瀏覽頻次相對課程內容瀏覽頻次普遍高，通過相關分析可知這兩個課程資源的瀏覽頻次與成績有相關性。由此可見，中小學教師更喜歡的課程資源形式是案例資源，通過案例資源能夠更好地實現知識遷移。故課程設計者應考慮課程資源的設計形式，設計更多反映學員學習需求的優秀案例。同時，可以充分發揮學員的群體智慧，給予學員適當的權限，使之也成為優秀案例資源的提供者，進而實現優質資源的共建共享。在設計拓展資源時，不能片面追求資源豐富，在保障資源質量的同時，適當地控制拓展資源的數量，避免增加學員不必要的認知負荷。

(二)采取獎勵措施，發揮骨干教師的引領作用，促進交互向縱深發展

分析結果表明，學員發起討論區帖子與培訓效果呈現顯著的相關性，而學員瀏覽討論區帖子以及回復討論區帖子與培訓效果有相關性，這進一步驗證了遠程培訓中互動的重要作用，同時也表明學員只是被動地觀看，或者跟著他人思路學習沒有自己帶著問題主動構建知識的效果好，學員只有在具有積極的學習態度和對培訓內容有較好理解的基礎上，有解決自己問題的需求時，才會更加傾向主動的發起討論帖子，與他人探討自己在教育教學實踐中遇到的問題。社會網絡分析的結果顯示學員之間的聯系較松散，輔導教師具有較高聲望和中心度。因此，輔導教師在教師遠程培訓過程中調動學員參與互動的積極性變得非常重要，良好的互動氛圍可以消除遠程學習的孤獨感，同時有利于促進學員對知識的理解。輔導教師可以采取相應的激勵措施，比如，對積極參與討論的學員獎勵一定的積分，積分可以換取相應的分數，調動學員參與討論的積極性。此外，對于學員結合培訓內容發起的有助于解決教育教學實踐的主題帖子，給予額外的加分獎勵，學員發起的主題往往更貼近教學實際，更有利于探討實際的教學問題，能夠更好地促進討論的深入發展。

從社會網絡的視角看，學習是通過無縫對話，分享實踐經驗而產生的社會性、合作性的成果。編號JS12010258學員是除輔導教師之外，聲望較高的參與者，如上頁圖1社群圖所示。經過核對信息我們發現，JS12010258是一名市級骨干教師，統計數據分析結果顯示教師的職稱對于培訓效果無相關影響，但是在對討論區的社會網絡分析中我們了解到，骨干教師在討論區中發揮著積極的作用。這與骨干教師一般具備完善的學科知識、更高的執教能力、探討問題更加深刻不無關系。因此培訓管理者在進行分班時可以考慮將不同級別的骨干教師分別分配到不同的班級，使骨干教師積極參與討論，充分發揮學科骨干教師的引領作用，同時也能避免輔導教師一人成為討論的中心，從而有利于理論知識與實踐知識的結合，利于知識的傳播與共享。

(三)注重任務設計與教學實踐相結合，充分調動學員學習的主動性

分析結果顯示，完成任務與成績呈顯著相關，相關系數B=2.867。因此，對學習任務的設計應更加深入細致，緊密結合培訓的內容以及學員的工作實際，使任務的完成情況可以直接反映學員學習的情況，體現培訓的效果，改變以往簡單的模式化任務設計，即學員不需經過深入的思考，甚至不參加培訓也可以完成，這樣會降低學員的學習積極性和主動性。因此，我們提出任務的設計要在充分了解學員基本情況的基礎上做到與學員自身的教學實踐相結合，例如，提交一個自己學科的授導型教學設計、探究型教學設計，或者是對自己學科的某一個教學實施的設計情況進行評價，對某一節課的案例分析等，更加強調學員在參與學習活動的過程中結合自己的教學經驗來完成任務。學習任務的合理設計可以充分發揮學員的學習主動性，反思自己的學習和工作情況，也有利于學員根據任務需求對我們設計的培訓課程進行深入的學習，提高課程資源的利用率。

(四)加強測試環節的反饋設計，促進學員對所學內容的理解

分析結果顯示，完成測試與成績呈現顯著相關，測試對于幫助學員理解和消化知識，檢測學員的學習效果有明顯的促進作用。因此，應加強對測試環節的設計，一方面對于測試題內容的編寫應更加合理有效，使之能夠更好地幫助學員檢驗自己的學習效果。另一方面對于選擇性測試題，改變以往測試結果反饋中單純呈現正確答案的形式，注重測試題選項的反饋環節設計。Moodle學習管理平臺具有自身編輯選擇性試題的特點，即可以編輯測試問題的自動反饋環節。因此，可以在選擇性試題的每一個錯誤答案后面增加反饋，指出學員錯誤選擇某一個選項在理解上存在的誤區，使測試不僅達到幫助學員了解自己學習效果的作用，而且幫助學員了解自己對知識理解的偏差所在，進而使學員在能夠了解自己的答案是否正確的基礎上，知道自己錯在哪里，需要鞏固和學習哪些內容來加強對這部分知識的理解。

(五)積極進行學習指導與干預，幫助學員順利完成培訓

相關分析結果表明，年齡與成績呈現負相關。年齡接近50歲的學員學習成績相對低一些，而這部分學員往往具備豐富的學科知識和教學經驗，他們的教學設計能力和教學實施能力都很強，這部分學員中的很多人可以很好地指導新入職的年輕教師，幫助新教師成長。針對相關分析的結果，結合對部分年齡偏大學員的訪談結果了解到，雖然他們具備了一定的信息技術基礎知識，但信息技術操作能力相對年輕人薄弱一些，這一因素在一定程度上影響了學習效果。因此，輔導教師對于這部分學員要給予更多的關注，在平臺操作上要給予更多的指導和干預，使之能夠快速熟悉遠程學習，完全地參與到遠程學習中去，更好地發揮這部分教師群體的積極作用。

六、研究展望

運用學習分析技術有助于發揮學習過程數據的價值，可以促進培訓機構中培訓管理者、課程設計者、輔導教師等深入了解學員的遠程學習行為，找出影響培訓效果的因素，從而及時調整培訓步調，使數據成為審慎決策、過程優化的重要依據。本研究利用學習分析技術對教師遠程培訓的數據進行了深入分析，得出了影響培訓效果的相關因素和顯著因素，并針對分析結果反思培訓的設計，獲得了有助于改進培訓效果的相關啟示，在后續的研究中，針對分析結果及啟示，我們將進一步完善教師遠程培訓的設計和管理，同時注重探索可視化軟件與Moodle學習管理平臺相結合，有針對性地開發數據獲取工具，進一步探索教師遠程培訓的規律。

[1]教育部關于深化中小學教師培訓模式改革全面提升培訓質量的指導意見[EB/OL]. http://www.moe.gov.cn/publicfiles/business/htmlfiles/moe/s7034/201305/151910.html, 2013-05-06.

[2]顧小清.學習分析：正在浮現中的數據技術[J].遠程教育雜志,2012,(1):18-25.

[3]Siemens, G. Learning and Knowledge Analytics-Knewton-the future of education?[EB/OL]. http://www.learninganalytics.net/?p=126,2014-04-17.

[4]The New Media Consortium. Learning Analytics[EB/OL]. http://wp.nmc.org/horizon2011/，2014-05-06.

[5]Malcolm Brown. Learning Analytics: The Coming Third Wave[EB/OL].http://net.educause.edu/ir/library/pdf/ELIB1101.pdf, 2013-11-16.

[6]Boulder, CO (PRWEB). WCET Predictive Analytics Reporting (PAR)Framework Project DeliversMillions of Course Records for Review and Analysis[DB/OL]. http://www.prweb.com/releases/2011/10/prweb8882165.htm, 2013-10-17.

[7]ángel F. Agudo-Peregrina.Can we predict success from log data in VLEs? Classification of interactions for learning analytics and their relation with performance in VLE-supported F2F and online learning[J]. Computers in Human Behavior,2013,(5):1-9.

[8][20]Leah P. Macfadyen ,Shane Dawson. Mining LMS data to develop an“early warning system” for educators A proof of concept[J].Computer& Education, 2010,(54):588-599.

[9]唐紅兵.農村中小學教師培訓工作存在的問題及對策[J].教育探索,2013,(8):116-117.

[10]孔維宏.中小學教師遠程培訓的問題分析與對策研究[J].中國電化教育,2011,(5):65-68.

[11]焦道利.“農遠工程”中基于Moodle平臺的教師遠程培訓研究[J].現代教育技術,2009,(2):57-59.

[12]朱旭東.論教師培訓核心要素培訓需求[J].教師教育研究,2013,(5):1-8.

[13]賈巍,張天榮.農村中小學教師遠程學習行為的調查與分析——以寧夏“國培計劃”遠程培訓為例[J]. 繼續教育研究,2013(4):18-21.

[14]趙艷.農村中小學教師網絡遠程培訓的問題與對策研究[J].中小學教師培訓,2013,(9),:11-14.

[15]肖愛平.網絡學習者網上學習現狀、影響因素及對策研究[J].開放教育研究,2009,(2): 75-80.

[16]趙丕元.影響學生遠程學習行為因素的分析[J].中國遠程教育,2002,(8):50-53.

[17]毛利杰.基于網絡教學平臺的學習監控功能研究與設計[J].軟件導刊,2009,(8):30-34.

[18]謝龍漢,尚濤. Spss統計分析與數據挖掘[M].北京:電子工業出版社,2012.219-222.

[19]李梅.中小學新教師工作滿意度影響因素的實證研究[J].教師教育研究,2013,(9):43-47.

[21]魏順平.Moodle平臺數據挖掘研究以一門在線培訓課程學習過程分析為例[J].中國遠程教育,2011,(1):24-30.

[22]王陸.虛擬學習社區的社會網絡分析[J].中國電化教育,2009,(2):5-11.

[23]劉軍.整體網分析講義:UCINET軟件實用指南[M].上海:格致出版社,2009.

趙艷：在讀博士，講師，研究方向為現代遠程教育、網絡個性化學習、教師教育(94292083@qq.com)。

趙蔚：教授，博士生導師，研究方向為現代遠程教育、網絡個性化學習(zhaow577@nenu.edu.cn)。

2014年6月23日

責任編輯：宋靈青

Empirical Research on Effect Factors of K12 Teachers Distance Training Based on Learning Analytics Technology

Zhao Yan1,2, Zhao Wei1, Jiang Qiang1
(1. School of Computer Science and Information Technology, Northeast Normal University, Changchun Jilin 130117;2. Changchun Education College, Changchun Jilin 130061 )

This study analyzes K12 teacher pro fi les and distance learning process data in Moodle learning management platform by using learning analytics technology, such as the correlation analysis, multiple regression analysis and social network analysis, points the factors which affect the training effect and social interaction. And the analysis results were supplemented by individual interview. According to the results of the analysis, we have gained enlightenments in the design of curriculum contents, interaction organization, learning tasks, feedback of test and the guidance and intervention for tutors in order to improve quality and effectiveness of teacher’s distance training.

Learning Analytics; Social Network Analysis; K12 Teachers Distance Training; Correlation Analysis; Regression Analysis

G434

A

1006—9860(2014)09—0132—07

* 本文系全國教育科學“十二五”教育部規劃課題中國教師發展基金會重點資助項目區域專項課題“長春地區農村中小學教師遠程網絡培訓有效性研究”(項目編號：FHB110083—ZXKTDB02—09—(043100—02))、吉林省教育科學“十二五”規劃課題“基于Moodle平臺的中小學教師遠程培訓有效性研究”(項目編號：GH13632)、全國教育科學“十二五”規劃教育部重點課題“可視化技術支持下學科知識自主學習模型研究”(項目編號：DCA130224)、教育部人文社會科學研究青年基金項目“自適應學習系統理論模型建構及其效果實證研究” (項目編號：12YJCZH086)階段性成果。