大數據背景下學習分析技術對遠程教育教學模式的影響

摘 要：作為大數據分析在教育信息化領域中的重要應用，學習分析技術為教師教學決策、優化教學提供有效支持，為學生自我導向學習、學習危機預警、自我評估以及個性化學習設計提供數據參考。本文在介紹學習分析技術的基礎上，構建出基于學習分析技術的遠程教育基本模型，并就其對遠程教育的教學模式改革所起到的作用進行探討。

關鍵詞：大數據；學習分析；教育模式

在線學習系統中包含了大量與學習者學習行為相關的數據，例如，學習日志、學習途徑、學習成果數據、課程數據、學習管理數據等。充分集中整合這些大數據，再對學習過程和學習效果進行評價分析，更有效地支持學習，優化教學服務，為教學管理與決策提供依據已成為遠程教育工作者面臨的重大課題。

一、目前遠程教育存在的問題

遠程教育中學生可以隨時隨地利用網絡進行課程學習，不受時間和空間的限制，但同時也存在一些問題，例如：

1.評價數據單一化。

教師通常采用總結性評價對學習者的學習過程進行評價，如利用課后作業、論文、測驗、出勤情況等評價數據。

2.評價方法靜態化

目前評價方法采集的數據是靜態的，缺乏對學習過程進行實時監測，不能實現動態的反饋，不能準確反映學習者的參與程度。

3.評價的真實性難以把握

對于一些視頻課程的學習，很難判斷出學習者是認真參與學習還是開著視頻人卻離開，而對于課后測驗與作業是否獨立完成也很難保證。

利用上述方法考核、分析和評估遠程教育，教師既不能實時把握學習者真實的學習情況，也無法確定學生個體的學習方式、認知習慣和學習興趣。學生也無法對自身學習效果有一個客觀而明晰的認識，不能較好地制訂下一步的學習計劃。

二、學習分析的特征

學習分析技術是運用數據挖掘、信息可視化等智能技術來分析學習系統產生的數據，并利用分析結果提供恰當的干預、評估，其主要目的是優化學習過程，促進學習。學習分析技術具有以下特征：

1.復合化的數據采集

多樣化的數據為自動化的學習支持和針對性的學習服務提供了可能性。學習分析技術采集的數據來源：一是由學習管理系統、移動終端、社會性軟件中所記錄的學生的學習行為數據；二是內容管理系統中的學習記錄數據；三是學生學習成果數據，如作業、作品。這些不同來源的多樣性數據通過第三方分析軟件整合并導入到同一個分析框架中，就可得出學生學習情況的分析結果。

2.多角度的分析技術

要進行有效的分析，必須使用多種研究方法、技術與工具。學習分析技術應從網絡交互、交流內容、交互內容等多個角度展開，并對數據進行挖掘、聚合、分析，結合定量研究與定性研究的數據為學習提供支持。

3.可視化的分析結果

通過可視化分析結果，使學生對學習狀況、教師對教學情況有直觀地了解，并作出有效的判斷和分析。

4.多層次的服務對象

學習分析技術從教師、學生以及管理者的角度對學生的學習過程進行客觀的預測，方便教師優化教學，改進過程評價手段，幫助學生進行自我評價、自我診斷，給教育機構和管理者提供決策依據。

三、基于學習分析技術的遠程學習系統模型

學習分析技術利用數據分析探究學習過程的發生機制，改進學習，這一過程包含了數據的選擇、獲取、綜合與報告、預測、使用、完善和分享等活動。因此需要基于學習分析技術初步規劃學習系統運行的步驟。第一步，學習者結合自身興趣和系統推薦，選取學習內容；第二步，系統記錄下學生者產生的學習數據，結構先定義好再存入數據庫；第三步，對預測模塊進行分析，在采集學習者行為數據的基礎上，與學習者的特征信息相結合，利用分析工具及模型對預測模塊進行分析；第四步，在參照上一步預測模塊預測結果的基礎上，利用數據挖掘技術為學生推薦適合學生學習特征的學習策略及指導方法；第五步，可以利用可視化的形式將上述數據挖掘結果、分析結果傳遞給學生、教師和教學管理者。

該學習系統包含六大模塊：（1）學習的內容。管理、維護、傳遞個性化的學習內容與評價給學習者，以支持學習者的學習行為。（2）學習行為數據。記錄學習者在學習系統中的學習行為（比如學習時間、學習次數、學習路徑、學習進度等）。（3）分析預測模塊。這是整個模型的核心，整合學習者信息系統中的數據和學習者學習行為數據，通過多種技術（語義分析、社會網絡分析）對數據處理和分析，對學習者未來的學習行為和結果進行預測。（4）可視化面板。根據用戶角色的不同，將預測模塊中的結果以可視化、圖形化的方式呈現。（5）推薦模塊。根據分析預測模塊的運行結果，再根據學習者的學習水平和興趣，對學習內容等進行個性化的定制和推送。（6）干預模塊。允許教師、教學管理者和系統開發人員根據預測模塊的運行結果，對系統實施人工干預、自動化干預。

基于學習分析的遠程學習系統模型能夠及時量化跟蹤學習過程，提出較好的學習建議，并以可視化的形式呈現給學生和老師，幫助他們更加清楚地了解自己學習的變化過程，幫助學生更好地認知自己的學習狀態，激發學習者的學習興趣和學習激情。

模型利用采集到的學生學習興趣發展的數據，了解學習者狀態，包括學習者已掌握的相關知識、學習習慣等；建立合理的學習者分析模式與數據分析框架，從簡單的資源推送逐步完善為提供基于大數據分析的適時、貼切的個性化指導，幫助學生完善知識結構，挖掘自身興趣愛好和特長。整個學習過程既實現了學習者的自制學習和自我學習，以及教師個性化干預指導，又實現了系統根據用戶特征適應性推送資源輔助學習者學習的目的。

四、學習分析技術對遠程教育模式改革的價值

1.提供有針對性的教學干預

隨著支持網絡學習活動的工具種類的劇增，教師可從學習者網絡學習的表現（如學習時間投入、學習活動頻率、學習資源瀏覽、師生交互行為、考試成績等）等多方面統計描述學習者的各種活動因素，預測學習者的需要，開展面向教學的社交網絡分析。教師可根據本課程課件的評價和反饋合理組織教學，根據學習者的學習狀態來組織教學內容，實施教學計劃，改進課程的適應性，提高個性化水平。

2.幫助學員實現自我導向學習

學習分析技術可以為每個學生建立個性化的學習檔案，記錄學生的學習行為和學習習慣。這種基于學習行為的數據分析，站在學生的角度了解學生學習過程的發生機制，幫助學生開展自適應性學習，并針對學生的學習特點向其推薦適合的學習活動、學習資源及學習任務，以改進其學習效果，引導學生積累更豐富的學習經驗。由此可見，學習分析技術可以將學生過去的學習行為描述、解釋出來，對正在發生的學習行為進行預警及干預，并對未來的發展趨勢做出預測，將學習過程中積累的數據的作用充分發揮出來。

3.變革和創新評價方法

利用學習分析開展學習評價，采集全面的過程數據，豐富評價指標；分析結果通過可視化的形式反饋給學生、教師等相關人員，大大提高了反饋信息的直觀性、實效性及針對性；對正在學習的行為進行預警及干預，使得學習評價的價值也隨之提升，這種學習評價體現出發展性的特點，以科學的數據分析為參考，提高了教學活動的科學性與有效性。

4.優化教學資源的組織

對于學校管理者而言，學習分析技術可幫助教師用來評估相關課程，綜合完善現有的考核制度和方法，提供更為深入的教學分析，不僅能根據學生的興趣、能力和學習計劃，安排個性化的教學課程和練習，還通過了解學校的辦學情況優化配置學校的教學資源和教育產品。

大數據時代已經來臨，學習分析技術使數據成為學習過程優化的重要依據，使個性化的教學服務成為可能。學習分析技術對于使用者以及技術開發人員均具有重要的意義和價值。但是，學習分析技術也存在一定的安全問題，如數據如何保存，數據是否準確等。數據包括了學生的相關私人信息，怎樣確保他們的信息不被不法分子盜取用作他途，確定數據由誰負責存儲和維護，誰有權對數據進行二次開發利用等，都需要深入研究。解決了這些問題，將會真正發揮大數據背景下學習分析技術的作用。

參考文獻：

[1]徐鵬，王以寧，劉艷華，等.大數據視角分析學習變革——美國《通過教育數據挖掘和學習分析促進教與學》報告解讀及啟示[J].遠程教育雜志，2013（12）.

[2]顧小清，張進良，蔡慧英.學習分析：正在浮現中的數據技術[J].遠程教育雜志，2012（2）.

[3]以智慧教育引領信息化教育變革與創新祝智庭[J].中國教育信息化，2014（5）.

[4]姜強，趙蔚，王朋嬌，等.基于大數據的個性化自適應在線學習分析模型及實現[J].中國電化教育，2015（1）.

基金項目：江蘇開放大學（江蘇城市職業學院）“十二五”規劃2014年度課題“基于大數據的學習分析技術研究與應用”（編號14SEW-Q-049）。

作者簡介：張紅霞（1980- ），女，江蘇城市職業學院任教，研究方向：計算機、教育技術。