基于學(xué)習(xí)者個(gè)性行為分析的學(xué)習(xí)結(jié)果預(yù)測(cè)框架設(shè)計(jì)研究*

武法提，牟智佳

(北京師范大學(xué) 教育學(xué)部 教育技術(shù)學(xué)院，北京 100875)

基于學(xué)習(xí)者個(gè)性行為分析的學(xué)習(xí)結(jié)果預(yù)測(cè)框架設(shè)計(jì)研究*

武法提，牟智佳

(北京師范大學(xué) 教育學(xué)部 教育技術(shù)學(xué)院，北京 100875)

對(duì)學(xué)習(xí)者及其所在情境中產(chǎn)生的數(shù)據(jù)進(jìn)行記錄和分析并為其提供個(gè)性化學(xué)習(xí)服務(wù)是教育大數(shù)據(jù)背景下學(xué)習(xí)分析研究在促進(jìn)有效學(xué)習(xí)方面的內(nèi)在旨趣，而要實(shí)現(xiàn)對(duì)學(xué)習(xí)狀態(tài)的評(píng)估、預(yù)警和干預(yù)則需要對(duì)學(xué)習(xí)者個(gè)性化信息進(jìn)行實(shí)時(shí)建模。該文通過(guò)對(duì)國(guó)內(nèi)外學(xué)習(xí)分析模型的梳理分析總結(jié)存在問(wèn)題，并基于個(gè)性化學(xué)習(xí)模式和相關(guān)文獻(xiàn)構(gòu)建了數(shù)字化學(xué)習(xí)環(huán)境下個(gè)性化行為分析模型。在此基礎(chǔ)上，以教學(xué)目標(biāo)分類理論、個(gè)性化學(xué)習(xí)理論和社會(huì)認(rèn)知理論為指導(dǎo)設(shè)計(jì)了“目標(biāo)—過(guò)程—結(jié)果”為思想的學(xué)習(xí)結(jié)果分類設(shè)計(jì)原理，并對(duì)各層級(jí)的學(xué)習(xí)行為類型進(jìn)行分析。最后基于學(xué)習(xí)行為分析模型和學(xué)習(xí)結(jié)果分類設(shè)計(jì)了學(xué)習(xí)結(jié)果預(yù)測(cè)框架，包括學(xué)習(xí)內(nèi)容分析、學(xué)習(xí)行為分析和學(xué)習(xí)預(yù)測(cè)分析三個(gè)模塊，為后面?zhèn)€性化學(xué)習(xí)分析工具的設(shè)計(jì)提供理論指導(dǎo)。

學(xué)習(xí)分析模型；個(gè)性化學(xué)習(xí)模式；學(xué)習(xí)行為分析；學(xué)習(xí)目標(biāo)；學(xué)習(xí)結(jié)果預(yù)測(cè)

一、引言

近年來(lái)，學(xué)習(xí)分析引起了國(guó)內(nèi)外研究者、學(xué)術(shù)團(tuán)體、管理者和教學(xué)實(shí)踐者的廣泛關(guān)注。它通過(guò)搜集教與學(xué)過(guò)程中的行為數(shù)據(jù)并應(yīng)用復(fù)雜的分析工具進(jìn)行挖掘分析來(lái)改善學(xué)習(xí)和教育，使其逐步成為一個(gè)新興的研究領(lǐng)域。從近五年來(lái)舉辦的“學(xué)習(xí)分析與知識(shí)國(guó)際會(huì)議”主題來(lái)看，其關(guān)注點(diǎn)由早期的將學(xué)習(xí)分析中的技術(shù)與社會(huì)、教育相整合到探索大數(shù)據(jù)背景下的教育研究與技術(shù)改善學(xué)習(xí)[1]，再聚焦到利用大數(shù)據(jù)實(shí)現(xiàn)大范圍的影響研究[2]，其重心逐漸轉(zhuǎn)移到教與學(xué)成效改善方向上。Xavier Ochoa等研究者還對(duì)會(huì)議內(nèi)容進(jìn)行了詞頻和主題分析，并總結(jié)了六類研究主題關(guān)鍵詞，即可視化、行為分析、社會(huì)學(xué)習(xí)分析、應(yīng)用、挑戰(zhàn)和概念[3]，其中行為分析部分涉及四類層級(jí)水平：第一層級(jí)是捕獲和分析不同的數(shù)據(jù)來(lái)源，包括手勢(shì)數(shù)據(jù)、眼動(dòng)數(shù)據(jù)、可汗學(xué)院平臺(tái)數(shù)據(jù)；第二層級(jí)是確定這些數(shù)據(jù)的影響；第三層級(jí)是預(yù)測(cè)分析，即對(duì)可能存在學(xué)習(xí)問(wèn)題的學(xué)生進(jìn)行預(yù)測(cè)；第四層級(jí)是對(duì)學(xué)生行為的序列結(jié)構(gòu)進(jìn)行分析。可以看出，相對(duì)以往的教育數(shù)據(jù)挖掘和統(tǒng)計(jì)分析工具注重對(duì)行為數(shù)據(jù)的分析和挖掘，聚焦于還原論分析[4]，學(xué)習(xí)分析則是在數(shù)據(jù)分析結(jié)果的基礎(chǔ)上，通過(guò)建立分析模型來(lái)預(yù)測(cè)行為，并對(duì)學(xué)習(xí)過(guò)程進(jìn)行干預(yù)、優(yōu)化、預(yù)警等。

從國(guó)內(nèi)外研究者和學(xué)術(shù)團(tuán)體對(duì)學(xué)習(xí)分析的界定上看，學(xué)習(xí)分析的目標(biāo)是要預(yù)測(cè)學(xué)習(xí)結(jié)果并進(jìn)行干預(yù)以更好地改善學(xué)習(xí)成效，例如George Siemens認(rèn)為學(xué)習(xí)分析是應(yīng)用智能數(shù)據(jù)、學(xué)習(xí)者產(chǎn)生的數(shù)據(jù)和分析模型發(fā)現(xiàn)學(xué)習(xí)者內(nèi)在的信息和社交聯(lián)系，以預(yù)測(cè)和改善學(xué)習(xí)[5]；Johnson, L.等認(rèn)為通過(guò)學(xué)習(xí)分析可以預(yù)測(cè)未來(lái)的學(xué)習(xí)表現(xiàn)，并發(fā)現(xiàn)潛在的問(wèn)題[6]；國(guó)內(nèi)研究者李艷燕等認(rèn)為通過(guò)學(xué)習(xí)分析可以對(duì)學(xué)習(xí)者行為進(jìn)行預(yù)測(cè)、評(píng)估學(xué)習(xí)者的學(xué)習(xí)狀態(tài)和效果，繼而干預(yù)學(xué)習(xí)，提高學(xué)習(xí)者學(xué)習(xí)績(jī)效的技術(shù)[7]；李青等認(rèn)為學(xué)習(xí)分析目標(biāo)是預(yù)測(cè)學(xué)習(xí)結(jié)果、診斷學(xué)習(xí)中發(fā)生的問(wèn)題、優(yōu)化學(xué)習(xí)效果的一類教學(xué)技術(shù)的集合[8]。因此，搜集學(xué)習(xí)者的學(xué)習(xí)過(guò)程行為數(shù)據(jù)并進(jìn)行個(gè)性化分析、評(píng)價(jià)、預(yù)測(cè)和干預(yù)是學(xué)習(xí)分析研究在促進(jìn)有效學(xué)習(xí)方面的內(nèi)在旨趣。本研究通過(guò)對(duì)網(wǎng)絡(luò)學(xué)習(xí)者個(gè)性化行為進(jìn)行分析和模型構(gòu)建，并設(shè)計(jì)學(xué)習(xí)結(jié)果預(yù)測(cè)框架，以豐富學(xué)習(xí)分析在個(gè)性化學(xué)習(xí)服務(wù)方面的理論探索，并為后面設(shè)計(jì)個(gè)性化學(xué)習(xí)分析工具提供理論依據(jù)。

二、國(guó)內(nèi)外學(xué)習(xí)分析模型研究現(xiàn)狀與問(wèn)題分析

(一)國(guó)內(nèi)外學(xué)習(xí)分析模型研究分析

學(xué)習(xí)分析模型是教育數(shù)據(jù)背景下用于指導(dǎo)和開(kāi)展網(wǎng)絡(luò)學(xué)習(xí)行為分析的理論基礎(chǔ)，在學(xué)習(xí)分析研究領(lǐng)域初期階段，研究者們分別從分析環(huán)節(jié)、分析維度、分析框架等方面提出了設(shè)計(jì)模型，勾勒出學(xué)習(xí)分析在應(yīng)用實(shí)踐過(guò)程中的系統(tǒng)分析思路。比較有代表性的學(xué)習(xí)分析模型研究有：George Siemens依據(jù)系統(tǒng)方法提出了學(xué)習(xí)分析循環(huán)模型，該模型包括搜集、存儲(chǔ)、數(shù)據(jù)清洗、數(shù)據(jù)整合、分析、可視化呈現(xiàn)和行動(dòng)等七個(gè)部分[9]。其中數(shù)據(jù)來(lái)源部分包括學(xué)習(xí)管理系統(tǒng)數(shù)據(jù)、感知數(shù)據(jù)、手動(dòng)輸入數(shù)據(jù)、數(shù)據(jù)市場(chǎng)等；行動(dòng)部分包括干預(yù)、優(yōu)化、引導(dǎo)、預(yù)警等內(nèi)容。整個(gè)設(shè)計(jì)過(guò)程采用線性循環(huán)思路，將學(xué)習(xí)分析的各個(gè)環(huán)節(jié)融為整體，并使各部分內(nèi)容緊密相連。Katrien Verbert等研究者認(rèn)為學(xué)習(xí)分析過(guò)程包括感知、反思、意義建構(gòu)和影響四個(gè)層面[10]。其中感知階段關(guān)注的是數(shù)據(jù)及其可視化的活動(dòng)流；反思階段關(guān)注用戶提出的問(wèn)題以及對(duì)這些問(wèn)題的有效性和相關(guān)性進(jìn)行評(píng)估；意義建構(gòu)階段關(guān)注用戶在反思過(guò)程中提出的問(wèn)題以及新觀點(diǎn)的創(chuàng)新性；影響階段是將用戶認(rèn)為有用的想法進(jìn)行實(shí)踐并改變自己的行為。Tanya Elias通過(guò)對(duì)學(xué)習(xí)分析的過(guò)程和及其相關(guān)利益者進(jìn)行分析，提出了學(xué)習(xí)分析改善模型，該模型包括數(shù)據(jù)搜集、信息處理和知識(shí)應(yīng)用三部分內(nèi)容[11]。其中數(shù)據(jù)搜集模塊涉及數(shù)據(jù)選擇和捕獲；信息處理模塊涉及整合和預(yù)測(cè)；知識(shí)應(yīng)用模塊涉及提煉和應(yīng)用。這三部分內(nèi)容由機(jī)構(gòu)組織、計(jì)算機(jī)、相關(guān)人員和理論等四塊內(nèi)容提供支持。Dirk Ifenthaler等通過(guò)對(duì)已有學(xué)習(xí)分析模型的分析，指出個(gè)別模型在指導(dǎo)實(shí)踐方面還存在不足，并在此基礎(chǔ)上提出較為具體的學(xué)習(xí)分析內(nèi)容框架[12]，該框架包括八部分內(nèi)容：(1)個(gè)人特征，包括興趣、先驗(yàn)知識(shí)、學(xué)習(xí)策略、競(jìng)爭(zhēng)力等；(2)社交網(wǎng)絡(luò)，包括個(gè)人網(wǎng)絡(luò)、社交關(guān)系、同伴互助、社交媒體偏好；(3)身體數(shù)據(jù)，包括地理位置、健康、情感、動(dòng)機(jī)等；(4)課程，包括基本要求、學(xué)習(xí)設(shè)計(jì)、學(xué)習(xí)目標(biāo)、評(píng)價(jià)等；(5)網(wǎng)絡(luò)學(xué)習(xí)環(huán)境，包括學(xué)習(xí)路徑、交互數(shù)據(jù)、內(nèi)容導(dǎo)航、討論活動(dòng)、評(píng)價(jià)和表現(xiàn)、滿意度等；(6)學(xué)習(xí)分析引擎，包括數(shù)據(jù)挖掘、結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)、自然語(yǔ)言、回歸和預(yù)測(cè)等；(7)報(bào)告引擎，包括儀表盤、熱點(diǎn)圖、統(tǒng)計(jì)圖標(biāo)和自動(dòng)報(bào)告等；(8)個(gè)性化和自適應(yīng)引擎，包括引導(dǎo)、可視化、提供支架、反饋、推薦等；(9)機(jī)構(gòu)策略；(10)管理決策。各部分內(nèi)容擯棄了以往學(xué)習(xí)分析內(nèi)容的單向線性關(guān)系，轉(zhuǎn)而形成雙向多層關(guān)系，且各部分內(nèi)容進(jìn)一步細(xì)化，從使其在指導(dǎo)實(shí)踐方面更具信度和可操作性。

相對(duì)于國(guó)外研究視角和內(nèi)容的多樣性，國(guó)內(nèi)研究者在學(xué)習(xí)分析模型探索上形式單一且側(cè)重整個(gè)系統(tǒng)環(huán)節(jié)，例如趙蔚等依據(jù)在項(xiàng)目實(shí)踐中應(yīng)用的自適應(yīng)學(xué)習(xí)系統(tǒng)，以個(gè)性化自主學(xué)習(xí)、個(gè)性化自適應(yīng)推薦、個(gè)性化心理學(xué)和計(jì)算機(jī)科學(xué)為理論基礎(chǔ)，從數(shù)據(jù)與環(huán)境、關(guān)益者、方法和目標(biāo)等四個(gè)方面建立個(gè)性化自適應(yīng)在線學(xué)習(xí)分析模型，描述了在線學(xué)習(xí)分析所涉及的數(shù)據(jù)來(lái)源、分析目標(biāo)、相關(guān)參與人員和分析方法[13]。馮翔等通過(guò)分析教育信息化領(lǐng)域?qū)W(xué)習(xí)分析的需求以及大數(shù)據(jù)技術(shù)，設(shè)計(jì)了以Hadoop為核心的學(xué)習(xí)分析系統(tǒng)，該系統(tǒng)包括利益相關(guān)者、教育系統(tǒng)、數(shù)據(jù)域處理、學(xué)習(xí)分析引擎和顯示面板五部分[14]。郁曉華等采用極簡(jiǎn)設(shè)計(jì)思想，對(duì)學(xué)習(xí)行為的內(nèi)容和流程進(jìn)行了設(shè)計(jì)，該模型包括學(xué)習(xí)需要、學(xué)習(xí)目標(biāo)、學(xué)習(xí)活動(dòng)，其中學(xué)習(xí)活動(dòng)涉及活動(dòng)內(nèi)容、工具和參與的人，各部分呈邏輯遞順序向前指向和分解[15]。

(二)已有學(xué)習(xí)分析模型研究中存在的問(wèn)題

通過(guò)對(duì)國(guó)內(nèi)外已有學(xué)習(xí)分析模型的梳理和分析可以看出，各分析模型多是關(guān)注整個(gè)學(xué)習(xí)分析環(huán)節(jié)和過(guò)程，對(duì)于指導(dǎo)學(xué)習(xí)分析研究具有一定的指導(dǎo)意義，但在實(shí)際操作和分析內(nèi)容方面缺乏指導(dǎo)，其存在的問(wèn)題主要有：(1)各學(xué)習(xí)分析模型屬于工作模型，用于指導(dǎo)開(kāi)展學(xué)習(xí)分析的系統(tǒng)研究，缺少以學(xué)習(xí)者為核心分析對(duì)象的計(jì)算模型；(2)側(cè)重分析教育大數(shù)據(jù)范圍內(nèi)利益相關(guān)者的多樣化分析，弱化對(duì)學(xué)習(xí)行為這一關(guān)鍵點(diǎn)的層級(jí)式分析；(3)模型中各部分內(nèi)容在操作層面上未能指出適合分析的學(xué)習(xí)行為數(shù)據(jù)，Dirk Ifenthaler等雖然分析了個(gè)人學(xué)習(xí)行為活動(dòng)，但未指出其前后行為數(shù)據(jù)在分析層面上的影響關(guān)系；(4)學(xué)習(xí)分析模型在個(gè)性化學(xué)習(xí)特征和行為分析方面分析不足，基于學(xué)習(xí)行為數(shù)據(jù)分析學(xué)生個(gè)性優(yōu)勢(shì)并提供個(gè)性化學(xué)習(xí)路徑實(shí)現(xiàn)其個(gè)性發(fā)展是教育大數(shù)據(jù)在學(xué)習(xí)分析方向要解決的關(guān)鍵問(wèn)題，因此學(xué)習(xí)分析模型應(yīng)在個(gè)性化分析內(nèi)容和行為方向上進(jìn)行深入分析。

學(xué)習(xí)行為分析是學(xué)習(xí)分析領(lǐng)域在其分析過(guò)程、數(shù)據(jù)來(lái)源、學(xué)習(xí)分析工具設(shè)計(jì)、學(xué)習(xí)結(jié)果可視化、學(xué)習(xí)預(yù)測(cè)與干預(yù)等不同研究過(guò)程中所涉及的共同關(guān)注點(diǎn)，它既是網(wǎng)絡(luò)學(xué)習(xí)者行為活動(dòng)數(shù)據(jù)分析的起點(diǎn)，也是觀察和測(cè)量學(xué)習(xí)預(yù)測(cè)與干預(yù)效果的終點(diǎn)。而學(xué)習(xí)行為分析模型則是指導(dǎo)行為數(shù)據(jù)分析來(lái)源、學(xué)習(xí)工具設(shè)計(jì)與學(xué)習(xí)結(jié)果可視化等過(guò)程的分析依據(jù)。已有的學(xué)習(xí)分析模型側(cè)重系統(tǒng)環(huán)節(jié)分析，缺少對(duì)個(gè)性化學(xué)習(xí)行為活動(dòng)內(nèi)容及其分析結(jié)果的關(guān)聯(lián)設(shè)計(jì)，因此需要圍繞學(xué)習(xí)行為分析這一關(guān)鍵點(diǎn)在個(gè)性化、貫一性、有效性方面設(shè)計(jì)分析模型。

三、學(xué)習(xí)者個(gè)性化行為分析模型的構(gòu)建

(一)個(gè)性化學(xué)習(xí)模式分類介紹

在個(gè)性化學(xué)習(xí)模式方面，筆者與學(xué)習(xí)分析研究協(xié)會(huì)(Society for Learning Analytics Research)的創(chuàng)辦人之一George Siemens教授進(jìn)行了討論交流，他認(rèn)為個(gè)性化學(xué)習(xí)模式可以分為五種類型：(1)基于學(xué)前分析的個(gè)性化學(xué)習(xí)，即在學(xué)習(xí)前通過(guò)調(diào)查數(shù)據(jù)了解學(xué)生個(gè)性特征和學(xué)習(xí)偏好，設(shè)計(jì)不同的學(xué)習(xí)材料，該類型搜集的數(shù)據(jù)屬于靜態(tài)學(xué)習(xí)檔案數(shù)據(jù)，不能根據(jù)學(xué)習(xí)過(guò)程行為的變化進(jìn)行調(diào)整[16]；(2)自定步調(diào)的個(gè)性化學(xué)習(xí)，即由學(xué)習(xí)者根據(jù)自身能力情況自定學(xué)習(xí)時(shí)間和進(jìn)度；(3)基于概念掌握的個(gè)性化學(xué)習(xí)，該類型依據(jù)項(xiàng)目反應(yīng)理論(Item Response Theory，簡(jiǎn)稱IRT)通過(guò)開(kāi)展能夠反映學(xué)生能力特征的相關(guān)測(cè)試題來(lái)了解學(xué)生知識(shí)掌握情況。其代表性應(yīng)用是KNEWTON個(gè)性化網(wǎng)絡(luò)學(xué)習(xí)平臺(tái)[17]，該平臺(tái)能夠根據(jù)學(xué)生的不同能力、學(xué)習(xí)特點(diǎn)和行為習(xí)慣即時(shí)調(diào)整學(xué)習(xí)內(nèi)容，從而滿足學(xué)生的個(gè)性化學(xué)習(xí)需求；(4)教師主導(dǎo)的個(gè)性化學(xué)習(xí)，即教師根據(jù)學(xué)生個(gè)性特點(diǎn)設(shè)計(jì)課程內(nèi)容，并對(duì)學(xué)生個(gè)人學(xué)習(xí)過(guò)程和學(xué)習(xí)結(jié)果進(jìn)行監(jiān)控，以即時(shí)調(diào)整學(xué)習(xí)活動(dòng)內(nèi)容。其代表性應(yīng)用是Smart Sparrow自適應(yīng)網(wǎng)絡(luò)學(xué)習(xí)平臺(tái)[18]，該平臺(tái)由教師設(shè)計(jì)課程學(xué)習(xí)內(nèi)容，并為學(xué)生定義個(gè)性化學(xué)習(xí)路徑，其最大特點(diǎn)在于其適應(yīng)性，教師設(shè)計(jì)課程內(nèi)容之后的每一步都是在學(xué)生學(xué)習(xí)行為基礎(chǔ)上動(dòng)態(tài)生成的，通過(guò)互動(dòng)反饋可以幫助教師進(jìn)一步掌握學(xué)生學(xué)習(xí)情況，引導(dǎo)教師實(shí)時(shí)調(diào)整教學(xué)內(nèi)容，進(jìn)而更好地改善學(xué)習(xí)效果；(5)計(jì)算個(gè)性化學(xué)習(xí)，該類型能夠通過(guò)語(yǔ)義方式對(duì)學(xué)生當(dāng)前學(xué)習(xí)內(nèi)容和狀態(tài)做出判斷并通過(guò)語(yǔ)義方式計(jì)算適合學(xué)生的個(gè)性化學(xué)習(xí)方案。其代表性應(yīng)用是WolframAlpha[19]計(jì)算知識(shí)引擎，該平臺(tái)能夠?qū)W(xué)習(xí)者要學(xué)習(xí)的知識(shí)通過(guò)語(yǔ)義計(jì)算并以多種可視化方式提供分析結(jié)果。

從這五種個(gè)性化學(xué)習(xí)模式中可以看出，前兩種個(gè)性化學(xué)習(xí)缺少自適應(yīng)技術(shù)的支持，第三種雖然能夠通過(guò)即時(shí)調(diào)整學(xué)習(xí)內(nèi)容，但缺少教師在學(xué)習(xí)活動(dòng)方面的監(jiān)控和教學(xué)內(nèi)容的即時(shí)調(diào)整，而第四種類型尚在探索中未在教育領(lǐng)域中開(kāi)展有效的實(shí)踐應(yīng)用。因此，第五種模式是未來(lái)一段時(shí)間內(nèi)較為理想且有效的個(gè)性化學(xué)習(xí)方式，既有自適應(yīng)技術(shù)滿足學(xué)習(xí)需求又有教師監(jiān)控實(shí)時(shí)調(diào)整學(xué)習(xí)活動(dòng)。該模式主要解決Benjamin S.Bloom在教育研究領(lǐng)域提出的比較有影響力的“2 sigma”問(wèn)題[20]，即研究者和教師其中一個(gè)重要任務(wù)是基于現(xiàn)實(shí)和實(shí)踐條件尋求能夠采用低成本方式實(shí)現(xiàn)小組教學(xué)與一對(duì)一教學(xué)同樣效果的方法。基于大數(shù)據(jù)、云計(jì)算、教育云、學(xué)習(xí)分析等新興媒體技術(shù)，該問(wèn)題可以得到有效解決。該模式對(duì)本研究的啟示包括：(1)實(shí)時(shí)監(jiān)控學(xué)習(xí)活動(dòng)過(guò)程和學(xué)習(xí)行為，并適時(shí)調(diào)整學(xué)習(xí)內(nèi)容；(2)為教師提供學(xué)習(xí)結(jié)果反饋，幫助教師分析學(xué)生學(xué)習(xí)特征并為其提供個(gè)性化學(xué)習(xí)路徑，發(fā)揮其課程主導(dǎo)作用；(3)能夠?qū)€(gè)性特征、學(xué)習(xí)內(nèi)容和學(xué)習(xí)行為進(jìn)行線性分析，提高系統(tǒng)適應(yīng)性；(4)學(xué)習(xí)分析采取目標(biāo)與過(guò)程并重的價(jià)值取向，并與教學(xué)過(guò)程相互整合[21]?；谏鲜龇治?，本研究將以教師主導(dǎo)的個(gè)性化學(xué)習(xí)為設(shè)計(jì)思路，設(shè)計(jì)面向教師監(jiān)控學(xué)習(xí)狀態(tài)和學(xué)生學(xué)習(xí)結(jié)果反饋的個(gè)性化行為分析模型。

(二)個(gè)性化行為分析模型的構(gòu)建

要構(gòu)建個(gè)性化行為分析模型需要解決兩方面的問(wèn)題，一是要分析學(xué)習(xí)者的個(gè)性行為特征，找到反應(yīng)其個(gè)性優(yōu)勢(shì)的分析內(nèi)容；二是建立學(xué)習(xí)行為分析內(nèi)容與學(xué)習(xí)結(jié)果之間的聯(lián)結(jié)，為后面學(xué)習(xí)結(jié)果的預(yù)測(cè)分析提供依據(jù)。為了解決上述問(wèn)題，本研究首先依據(jù)個(gè)性化學(xué)習(xí)理論和相關(guān)文獻(xiàn)建立初步的個(gè)性化行為分析模型，之后采用德?tīng)柗品▽?duì)個(gè)性化行為分析內(nèi)容進(jìn)行優(yōu)化，征詢的專家意見(jiàn)包括個(gè)性特征分析維度、學(xué)習(xí)分析內(nèi)容、學(xué)習(xí)行為分析、前后線性關(guān)系、學(xué)習(xí)結(jié)果分類等內(nèi)容，征詢形式既包括分析維度和內(nèi)容的認(rèn)同感，也包括針對(duì)具體分析內(nèi)容的開(kāi)放式意見(jiàn)征詢。依據(jù)反饋結(jié)果對(duì)模型進(jìn)行了修正，最終形成面向?qū)W習(xí)結(jié)果的個(gè)性化行為分析模型，如下頁(yè)圖1所示。該模型在分析維度上從宏觀到微觀，在分析過(guò)程上從內(nèi)容到結(jié)果，由學(xué)習(xí)者的個(gè)性行為特征推演到學(xué)習(xí)結(jié)果分析。其分析過(guò)程包括學(xué)習(xí)體征分析、學(xué)習(xí)內(nèi)容分析、學(xué)習(xí)行為分析和學(xué)習(xí)結(jié)果分析四個(gè)過(guò)程，并形成內(nèi)容與結(jié)果的邏輯遞進(jìn)與聯(lián)結(jié)。其中在個(gè)性行為特征分析方面包括學(xué)習(xí)者個(gè)人特征、社交網(wǎng)絡(luò)、情感狀態(tài)和在線環(huán)境等四個(gè)維度的學(xué)習(xí)體征分析；在此基礎(chǔ)上，對(duì)學(xué)生在數(shù)字化學(xué)習(xí)環(huán)境下的學(xué)習(xí)內(nèi)容進(jìn)行分析，并總結(jié)其學(xué)習(xí)行為，最后形成以學(xué)習(xí)目標(biāo)層級(jí)、學(xué)習(xí)活動(dòng)完成度、學(xué)習(xí)能力層級(jí)、交互層次分析和知識(shí)圖譜分析的學(xué)習(xí)結(jié)果分類。

四、基于學(xué)習(xí)行為分析的學(xué)習(xí)結(jié)果分類設(shè)計(jì)原理

(一)基于學(xué)習(xí)行為分析的學(xué)習(xí)結(jié)果分類設(shè)計(jì)原理

要設(shè)計(jì)學(xué)習(xí)結(jié)果預(yù)測(cè)模型需要確定學(xué)習(xí)結(jié)果分類及其行為數(shù)據(jù)，本研究以教學(xué)目標(biāo)分類理論、個(gè)性化學(xué)習(xí)理論和社會(huì)認(rèn)知理論為指導(dǎo)，基于個(gè)性化行為分析模型中學(xué)習(xí)結(jié)果的分類設(shè)計(jì)了以“目標(biāo)—過(guò)程—結(jié)果”為思想的學(xué)習(xí)結(jié)果分類設(shè)計(jì)原理，如圖2所示。其中教學(xué)目標(biāo)分類理論指導(dǎo)分析學(xué)習(xí)目標(biāo)層級(jí)和學(xué)習(xí)能力，確定學(xué)習(xí)者實(shí)現(xiàn)的目標(biāo)層級(jí)及其所達(dá)到的能力水平；個(gè)性化學(xué)習(xí)分析理論用于指導(dǎo)分析學(xué)習(xí)活動(dòng)完成度和參與度，以監(jiān)控學(xué)習(xí)活動(dòng)過(guò)程；社會(huì)認(rèn)知理論用于指導(dǎo)分析交互層次和知識(shí)圖譜，以了解學(xué)生的最終學(xué)習(xí)結(jié)果。

圖1 數(shù)字化學(xué)習(xí)環(huán)境下個(gè)性化行為分析模型

圖2 基于學(xué)習(xí)行為分析的學(xué)習(xí)結(jié)果分類設(shè)計(jì)原理

(二)面向?qū)W習(xí)結(jié)果分類的行為數(shù)據(jù)分析

1.基于學(xué)習(xí)目標(biāo)層級(jí)的學(xué)習(xí)結(jié)果分析

基于學(xué)習(xí)目標(biāo)的學(xué)習(xí)結(jié)果分類主要依據(jù)Benjamin S.Bloom的教學(xué)目標(biāo)分類理論和前面設(shè)計(jì)的評(píng)價(jià)量規(guī)，將學(xué)習(xí)目標(biāo)評(píng)價(jià)分為六個(gè)層級(jí)，每個(gè)層級(jí)依據(jù)網(wǎng)絡(luò)學(xué)習(xí)活動(dòng)設(shè)計(jì)可記錄的學(xué)習(xí)行為數(shù)據(jù)，如圖3所示。例如，在學(xué)習(xí)目標(biāo)的知道層級(jí)水平上，可以通過(guò)學(xué)習(xí)觀看視頻學(xué)習(xí)材料的時(shí)長(zhǎng)、學(xué)習(xí)次數(shù)和通過(guò)目標(biāo)數(shù)來(lái)判斷學(xué)習(xí)者是否達(dá)到該目標(biāo)層級(jí)水平，其它層級(jí)水平采用同樣方式處理。

依據(jù)Benjamin S.Bloom的教學(xué)目標(biāo)分類理論，本研究設(shè)計(jì)了基于學(xué)習(xí)目標(biāo)層級(jí)的學(xué)習(xí)評(píng)價(jià)量規(guī)，如下頁(yè)表所示。該量規(guī)遵循“目標(biāo)—內(nèi)容—行為”一致性的邏輯主線，即通過(guò)目標(biāo)推導(dǎo)所需要完成的學(xué)習(xí)內(nèi)容，通過(guò)評(píng)價(jià)內(nèi)容來(lái)推導(dǎo)需要記錄的學(xué)習(xí)行為數(shù)據(jù)。量規(guī)中包括學(xué)習(xí)目標(biāo)分類、單項(xiàng)指標(biāo)分類、評(píng)價(jià)內(nèi)容、學(xué)習(xí)行為數(shù)據(jù)和權(quán)重六個(gè)部分。其中學(xué)習(xí)目標(biāo)分類是依據(jù)教學(xué)目標(biāo)分類理論，評(píng)價(jià)內(nèi)容是分析網(wǎng)絡(luò)學(xué)習(xí)平臺(tái)中不同的學(xué)習(xí)模塊內(nèi)容，學(xué)習(xí)行為數(shù)據(jù)是能夠記錄評(píng)價(jià)內(nèi)容行為的數(shù)據(jù)類型。通過(guò)將評(píng)價(jià)量規(guī)整合到學(xué)習(xí)分析系統(tǒng)中可以判斷學(xué)生達(dá)到的目標(biāo)層級(jí)從而為課程設(shè)計(jì)提供依據(jù)[22]。

圖3 基于學(xué)習(xí)目標(biāo)的學(xué)習(xí)結(jié)果分類

基于學(xué)習(xí)目標(biāo)層級(jí)的學(xué)習(xí)評(píng)價(jià)量規(guī)表

2.基于學(xué)習(xí)活動(dòng)參與度的學(xué)習(xí)結(jié)果分析

基于學(xué)習(xí)活動(dòng)參與度的學(xué)習(xí)結(jié)果分類依據(jù)學(xué)習(xí)者在教育云平臺(tái)中參加的各類學(xué)習(xí)活動(dòng)類型而設(shè)計(jì)，包括課件點(diǎn)播學(xué)習(xí)、討論交流、資源下載、在線閱讀、作業(yè)與考試等，如圖4所示。在各個(gè)活動(dòng)模塊中，通過(guò)不同的行為數(shù)據(jù)指標(biāo)對(duì)各類活動(dòng)參與情況進(jìn)行分析。

3.基于學(xué)習(xí)活動(dòng)完成度的學(xué)習(xí)結(jié)果分析

基于學(xué)習(xí)活動(dòng)完成度的學(xué)習(xí)結(jié)果分析主要分為活動(dòng)類型、活動(dòng)知識(shí)點(diǎn)、活動(dòng)完成時(shí)間和活動(dòng)完成度四個(gè)部分。其中活動(dòng)類型是要明確學(xué)習(xí)者參與的單元學(xué)習(xí)活動(dòng)模塊，如視頻學(xué)習(xí)、討論交流、在線閱讀、練習(xí)考試等[23]；活動(dòng)知識(shí)點(diǎn)是對(duì)學(xué)習(xí)活動(dòng)中需要評(píng)價(jià)的知識(shí)內(nèi)容進(jìn)行設(shè)計(jì)，如微視頻中的互動(dòng)問(wèn)題、學(xué)習(xí)社區(qū)中回答問(wèn)題、在線作業(yè)與練習(xí)等[24]；活動(dòng)完成時(shí)間是對(duì)學(xué)習(xí)者完成學(xué)習(xí)活動(dòng)的用時(shí)統(tǒng)計(jì)；活動(dòng)完成度是依據(jù)活動(dòng)知識(shí)點(diǎn)對(duì)已完成的內(nèi)容進(jìn)行統(tǒng)計(jì)，形成一個(gè)百分比的統(tǒng)計(jì)結(jié)果。

圖4 基于學(xué)習(xí)活動(dòng)參與度的學(xué)習(xí)結(jié)果分析

4.基于學(xué)習(xí)能力的學(xué)習(xí)結(jié)果分析

基于學(xué)習(xí)能力的學(xué)習(xí)結(jié)果分析主要是從學(xué)習(xí)者反思能力、學(xué)習(xí)成就等方面進(jìn)行分析。其中反思能力是對(duì)學(xué)習(xí)者所學(xué)知識(shí)進(jìn)行輸出和表達(dá)的考察和分析；學(xué)習(xí)成就是對(duì)學(xué)習(xí)者通過(guò)不同學(xué)習(xí)模塊的學(xué)習(xí)進(jìn)行量化評(píng)價(jià)，了解學(xué)習(xí)困難者并為其提供學(xué)習(xí)干預(yù)[25]。

5.基于交互層次分析的學(xué)習(xí)結(jié)果分析

基于交互層次的學(xué)習(xí)結(jié)果分析是對(duì)學(xué)習(xí)者與學(xué)習(xí)平臺(tái)、學(xué)習(xí)內(nèi)容交互層次的分析，主要從操作交互、信息交互和概念交互三個(gè)方面進(jìn)行分析[26]。其中操作交互反映學(xué)習(xí)者較少進(jìn)行網(wǎng)絡(luò)學(xué)習(xí)；信息交互反映學(xué)習(xí)者瀏覽和學(xué)習(xí)課程內(nèi)容，但互動(dòng)交流較少；概念交互反映學(xué)習(xí)者課程參與度較高，能夠掌握課程學(xué)習(xí)內(nèi)容。在開(kāi)源工具和平臺(tái)的支持下，可以應(yīng)用學(xué)習(xí)分析對(duì)遠(yuǎn)程教學(xué)交互進(jìn)行基于行為數(shù)據(jù)的分析[27]。

6.基于知識(shí)圖譜的學(xué)習(xí)結(jié)果分析

基于知識(shí)圖譜的學(xué)習(xí)結(jié)果分析是對(duì)學(xué)習(xí)者的知識(shí)點(diǎn)掌握情況進(jìn)行分析，通過(guò)將知識(shí)點(diǎn)分為熟練掌握、一般掌握、未掌握等不同級(jí)別分析學(xué)習(xí)者的知識(shí)掌握?qǐng)D譜，并在此基礎(chǔ)上建立學(xué)習(xí)者的個(gè)人知識(shí)網(wǎng)絡(luò)圖譜，以直觀查看已掌握知識(shí)點(diǎn)情況及其知識(shí)點(diǎn)之間的相互關(guān)系[28]。

五、基于學(xué)習(xí)行為分析模型的學(xué)習(xí)結(jié)果預(yù)測(cè)框架

基于前面對(duì)學(xué)習(xí)內(nèi)容、學(xué)習(xí)行為數(shù)據(jù)和學(xué)習(xí)結(jié)果的分析，我們?cè)O(shè)計(jì)了基于網(wǎng)絡(luò)學(xué)習(xí)行為數(shù)據(jù)的學(xué)習(xí)結(jié)果預(yù)測(cè)框架，如圖5所示。該框架包括學(xué)習(xí)內(nèi)容分析、學(xué)習(xí)行為分析和學(xué)習(xí)預(yù)測(cè)分析三個(gè)模塊。其中學(xué)習(xí)內(nèi)容分析主要從學(xué)習(xí)者在網(wǎng)絡(luò)學(xué)習(xí)平臺(tái)中的課程內(nèi)容學(xué)習(xí)模塊及其評(píng)價(jià)內(nèi)容進(jìn)行分析；學(xué)習(xí)行為分析主要基于學(xué)習(xí)模塊對(duì)學(xué)習(xí)活動(dòng)行為和學(xué)習(xí)結(jié)果行為進(jìn)行分析；學(xué)習(xí)預(yù)測(cè)分析主要是采用聚類分析對(duì)不同學(xué)習(xí)水平的群體進(jìn)行分類，并采用決策樹(shù)、時(shí)間序列分析進(jìn)行預(yù)測(cè)，預(yù)測(cè)的結(jié)果將反饋到學(xué)習(xí)管理系統(tǒng)中。通過(guò)系統(tǒng)平臺(tái)搜集學(xué)生數(shù)據(jù)并應(yīng)用預(yù)測(cè)分析得出分析報(bào)告，之后對(duì)存在問(wèn)題的學(xué)生建立預(yù)警檔案并將相關(guān)信息發(fā)給教師，最后通過(guò)在線學(xué)習(xí)支持環(huán)境為其提供學(xué)習(xí)干預(yù)[29]。

企業(yè)應(yīng)當(dāng)設(shè)立信用評(píng)估部門，聘請(qǐng)專業(yè)人員對(duì)客戶的資信狀況進(jìn)行評(píng)估，對(duì)客戶的經(jīng)營(yíng)能力及償債能力等各項(xiàng)指標(biāo)進(jìn)行系統(tǒng)的分析計(jì)算，將各個(gè)客戶的信用狀況分等級(jí)進(jìn)行歸類整理并且建立檔案，估計(jì)出每個(gè)客戶應(yīng)收賬款的收回期限以及其壞賬損失和所需要付出的管理成本，便于企業(yè)判斷是否對(duì)客戶進(jìn)行賒銷以及賒銷的數(shù)量，對(duì)資信情況不好的企業(yè)不賒銷，對(duì)資信情況較好的企業(yè)適量賒銷，這從源頭就降低了賒銷可能帶來(lái)的財(cái)務(wù)風(fēng)險(xiǎn)。

圖5 基于學(xué)習(xí)行為分析模型的學(xué)習(xí)結(jié)果預(yù)測(cè)框架

該模型的預(yù)測(cè)原理是基于學(xué)習(xí)活動(dòng)和學(xué)習(xí)結(jié)果兩方面所涉及的六個(gè)分類結(jié)果，從學(xué)習(xí)內(nèi)容分析中選取能夠表征和反應(yīng)其結(jié)果的分析指標(biāo)，并將各類指標(biāo)按活動(dòng)重要性進(jìn)行權(quán)重轉(zhuǎn)換，形成層級(jí)和分值兩種方式預(yù)測(cè)結(jié)果輸出。在預(yù)測(cè)分析算法上，相對(duì)于貝葉斯預(yù)測(cè)模型，決策樹(shù)分析法速度快，計(jì)算量相對(duì)較小，容易轉(zhuǎn)化成分類規(guī)則。在準(zhǔn)確性方面，挖掘出的分類規(guī)則準(zhǔn)確性高，可以清晰顯示出哪些字段比較重要。在決策樹(shù)預(yù)測(cè)算法上主要采用ID3算法，該算法主要針對(duì)屬性選擇問(wèn)題，是決策樹(shù)算法中最具影響和典型的算法。該算法的基本策略包括：(1)創(chuàng)建一個(gè)節(jié)點(diǎn)，若樣本都在同一類中，則算法停止，該節(jié)點(diǎn)改成樹(shù)葉節(jié)點(diǎn)，并用該類標(biāo)記；(2)若樣本不在同一類中，選擇一個(gè)能夠最好的將訓(xùn)練集分類的屬性，該屬性作為該節(jié)點(diǎn)的測(cè)試屬性；(3)對(duì)測(cè)試屬性中的每一個(gè)值，創(chuàng)建相應(yīng)的一個(gè)分支，并據(jù)此劃分樣本；(4)使用同樣的過(guò)程自頂向下遞歸。在選擇樹(shù)叉時(shí)，ID3算法是采用信息增益來(lái)進(jìn)行判斷，即選擇具有最高信息增益的自變量作為當(dāng)前的樹(shù)叉，其計(jì)算方式為其中I為目標(biāo)變量，m為不同屬性值，pi是任意樣本屬于m各類別中的概率[30]。通過(guò)上述計(jì)算方式可以確定決策樹(shù)中各個(gè)分類樹(shù)叉，本研究后面將利用ID3算法對(duì)不同學(xué)習(xí)結(jié)果中的分類節(jié)點(diǎn)進(jìn)行計(jì)算分析，基于已有數(shù)據(jù)利用歸納算法生成可讀的規(guī)則和決策樹(shù)，然后使用決策對(duì)新數(shù)據(jù)進(jìn)行預(yù)測(cè)分析。

六、結(jié)束語(yǔ)

在教育云服務(wù)、網(wǎng)絡(luò)學(xué)習(xí)空間人人通、教育大數(shù)據(jù)背景下，學(xué)習(xí)者的網(wǎng)絡(luò)學(xué)習(xí)活動(dòng)和行為可以得到全過(guò)程的記錄和監(jiān)控，并由此形成以學(xué)習(xí)者為中心來(lái)自其學(xué)習(xí)活動(dòng)、社交網(wǎng)絡(luò)、情感狀態(tài)等多維信息的立體化數(shù)據(jù)。而基于學(xué)習(xí)者肖像特征數(shù)據(jù)進(jìn)行學(xué)習(xí)分析并對(duì)其學(xué)習(xí)結(jié)果進(jìn)行預(yù)測(cè)，則可以發(fā)現(xiàn)存在學(xué)習(xí)障礙和困難的學(xué)生，這為學(xué)習(xí)補(bǔ)救和學(xué)習(xí)干預(yù)提供了數(shù)據(jù)支持，由此可以為學(xué)習(xí)者提供符合其個(gè)性特征的學(xué)習(xí)路徑和學(xué)習(xí)服務(wù)。本研究通過(guò)構(gòu)建個(gè)性化學(xué)習(xí)分析模型并據(jù)此設(shè)計(jì)學(xué)習(xí)結(jié)果預(yù)測(cè)框架旨在描繪數(shù)字化學(xué)習(xí)環(huán)境下開(kāi)展學(xué)習(xí)行為分析及其結(jié)果預(yù)測(cè)的理論路線。后面我們將依據(jù)該模型和框架，基于教育服務(wù)平臺(tái)設(shè)計(jì)個(gè)性化學(xué)習(xí)分析工具，并通過(guò)儀表盤形式將學(xué)習(xí)活動(dòng)和結(jié)果進(jìn)行可視化呈現(xiàn)，為教師及時(shí)調(diào)整教學(xué)內(nèi)容和提供個(gè)別化指導(dǎo)提供科學(xué)依據(jù)。

[1] The 3th International Conference on Learning Analytics and Knowledge [EB/OL].https://tekri.athabascau.ca/analytics/,2013-04-08.

[2] The 5th International Conference on Learning Analytics andKnowledge[EB/OL].http://lak15.solaresearch.org/,2015-03-16.

[3] Xavier Ochoa, Dan Suthers, Katrien Verbert, Erik Duval.Analysis and Reflections on the Third Learning Analytics and Knowledge Conference (LAK 2013)[J].Journal of Learning Analytics,2014,1(2):5-22.

[4] Baker, R., Duval, E., Stamper, J., Wiley, D., & Buckingham Shum, S.Panel: Educational Data Mining Meets Learning Analytics [A]. Dawson,S.,Haythornthwaite,C.,Shum,S.,Ga?evi?,D.&Ferguson,R.Proceedings of the 2nd International Conference on Learning Analytics and Knowledge[C].New York: Association for Computing Machinery,2012.3-5.

[5] Siemens, G. What are Learning Analytics?[EB/OL].http://www.elearnspace.org/blog/2010/08/25/what-are-learninganalytics/,2010-08-25.

[6] Johnson, L., Smith, R., Willis, H., Levine, A., Haywood, K. The 2011 Horizon Report [R].Austin, Texas:The New Media Consortium.2011.28.

[7] 李艷燕,馬韶茜等.學(xué)習(xí)分析技術(shù):服務(wù)學(xué)習(xí)過(guò)程設(shè)計(jì)和優(yōu)化[J].開(kāi)放教育研究,2012,18(5):18-24.

[8] 李青,王濤.學(xué)習(xí)分析技術(shù)研究與應(yīng)用現(xiàn)狀述評(píng)[J].中國(guó)電化教育,2012,(8):129-133.

[9] George Siemens. Learning Analytics: The Emergence of a Discipline[J].American Behavioral Scientist,2013,57(10):1380-1400.

[10] Katrien Verbert, Erik Duval1, Joris Klerkx1, Sten Govaerts, José Luis Santos. Learning Analytics Dashboard Applications[J].American Behavioral Scientist,2013,57(10):1500-1509.

[11] Tanya Elias. Learning Analytics: The Definitions, the Processes, and the Potential[EB/OL].http://learninganalytics.net/LearningAnalyticsDe finitionsProcessesPotential.pdf/,2011-12-26.

[12] Dirk Ifenthaler,Chathuranga Widanapathirana. Development and Validation of a Learning Analytics Framework:Two Case Studies Using Support Vector Machines[J].Technology, Knowledge and Learning,2014,19(1):221-240.

[13] 姜強(qiáng),趙蔚等.基于大數(shù)據(jù)的個(gè)性化自適應(yīng)在線學(xué)習(xí)分析模型及實(shí)現(xiàn)[J].中國(guó)電化教育,2015,(1):85-92.

[14] 馮翔,余明華等.基于大數(shù)據(jù)技術(shù)的學(xué)習(xí)分析系統(tǒng)架構(gòu)[J].華東師范大學(xué)學(xué)報(bào)(自然科學(xué)版),2014,(2):20-29.

[15] 郁曉華,顧小清.學(xué)習(xí)活動(dòng)流:一個(gè)學(xué)習(xí)分析的行為模型[J].遠(yuǎn)程教育雜志,2013,(4):20-28.

[16] ELEARNSPACE: Learning, Networks, Knowledge,Technology,Comm unity[EB/OL].http://www.elearnspace.org/blog/2015/07/02/personallearning-graphs-pleg/,2015-07-02.

[17] KNEWTON個(gè)性化網(wǎng)絡(luò)學(xué)習(xí)平臺(tái)[EB/OL].https://www.knewton.com/,2015-09-07.

[18] Smart Sparrow自適應(yīng)網(wǎng)絡(luò)學(xué)習(xí)平臺(tái)[EB/OL].https://www.smartsparrow.com/,2015-09-10

[19] WolframAlpha計(jì)算知識(shí)引擎[EB/OL].https://www.smartsparrow.com/,2015-09-12.

[20] Bloom B S. The 2 sigma problem:The search for methods of group instruction as effective as one-to-one tutoring[J].Educational researcher,1984,13(6): 4-16.

[21] 朱珂,劉清堂.基于“學(xué)習(xí)分析”技術(shù)的學(xué)習(xí)平臺(tái)開(kāi)發(fā)與應(yīng)用研究[J].中國(guó)電化教育,2013,(9):127-132.

[22] Gibson A, Kitto K, Willis J. A Cognitive Processing Framework for Learning Analytics[A].Pistilli,M.,Willis,J.,Koch,D.,Arnold,K.,Teasl ey,S.&Pardo,A.Proceedings of the Fourth International Conference on Learning Analytics and Knowledge[C].New York:Association for Computing Machinery,2014.212-216.

[23] Tempelaar D T, Rienties B, Giesbers B. In search for the most informative data for feedback generation: Learning Analytics in a datarich context [J].Computers in Human Behavior,2015,47(6):157-167.

[24] Anna Lea Dyckhoff, Dennis Zielke, Mareike Bültmann, Mohamed Amine Chatti，Ulrik Schroeder. Design and Implementation of a Learning Analytics Toolkit for Teachers[J].Educational Technology &Society,2012, 15(3):58-76.

[25] Brooks C, Greer J. Explaining Predictive Models to Learning Specialists Using Personas[A].Pistilli,M.,Willis,J.,Koch,D.,Arnold,K.,T easley,S.&Pardo,A.Proceedings of the Fourth International Conference on Learning Analytics and Knowledge[C].New York:Association for Computing Machinery,2014.26-30.

[26] 陳麗.遠(yuǎn)程學(xué)習(xí)的教學(xué)交互模型和教學(xué)交互層次塔[J].中國(guó)遠(yuǎn)程教育,2004,(3):24-28.

[27] 孫洪濤.學(xué)習(xí)分析視角下的遠(yuǎn)程教學(xué)交互分析案例研究[J].中國(guó)電化教育,2012,(11):40-46.

[28] Gunnarsson B L, Alterman R. Predicting Failure: A Case Study in Co-blogging[A].Dawson,S.,Haythornthwaite,C.,Shum,S.,Ga?evi?,D.&Ferguson,R.Proceedings of the 2nd International Conference on Learning Analytics and Knowledge[C].New York:Association for Computing Machinery,2012.263-266.

[29] Sandeep M. Jayaprakash, Erik W. Moody, Eitel J.M.Lauría, James R. Regan,Joshua D. Baron. Early Alert of Academically At-Risk Students: An Open Source Analytics Initiative[J].Journal of Learning Analytics,2014, 1(1):6-47.

[30] (美)Mehamed Kantardzic,王曉海.數(shù)據(jù)挖掘:概念、模型、方法和算法(第二版)[M].北京:清華大學(xué)出版社,2013.121-122.

責(zé)任編輯：李馨 趙云建

征稿通知：2016年21世紀(jì)的混合式學(xué)習(xí)國(guó)際會(huì)議

2016年“21世紀(jì)的混合式學(xué)習(xí)國(guó)際會(huì)議”將于2016年4月22日-26日在希臘卡瓦拉（Kavala, Greece）舉行，本屆會(huì)議是“混合式學(xué)習(xí)國(guó)際協(xié)會(huì)”首次在希臘舉辦，秘書(shū)處成員分別來(lái)自加拿大、沙特阿拉伯、希臘、美國(guó)、塞內(nèi)加爾、中國(guó)和馬來(lái)西亞。

本次會(huì)議是在技術(shù)與互聯(lián)網(wǎng)飛速發(fā)展的時(shí)代下，在混合式學(xué)習(xí)領(lǐng)域的研究、經(jīng)驗(yàn)與實(shí)踐做法等領(lǐng)域，吸引全球教育界的專家、學(xué)者、教師和技術(shù)人員投稿，分享個(gè)人或機(jī)構(gòu)在該領(lǐng)域的最新發(fā)現(xiàn)與創(chuàng)新。當(dāng)社會(huì)發(fā)展的腳步進(jìn)入21世紀(jì)后，我們看到新一代的學(xué)習(xí)者在日常生活中隨處使用技術(shù)，而與此同時(shí)，數(shù)字化資源隨時(shí)隨地可以獲取。教育和培訓(xùn)工作者在設(shè)計(jì)混合式學(xué)習(xí)時(shí)需要考慮到這些因素。本屆大會(huì)的主題之一就是關(guān)注設(shè)計(jì)混合式學(xué)習(xí)的最佳范例和指南。實(shí)施混合式學(xué)習(xí)要依賴于技術(shù)，而新技術(shù)的出現(xiàn)，也幫助教育培訓(xùn)工作者更好的實(shí)施混合式學(xué)習(xí)。采用何種技術(shù)來(lái)實(shí)施高質(zhì)量的混合式學(xué)習(xí)？在使用混合式學(xué)習(xí)方面開(kāi)展了哪些研究？本屆大會(huì)的另一個(gè)主題就是回答如何在混合式學(xué)習(xí)中使用技術(shù)。

隨著時(shí)間的推移、技術(shù)的發(fā)展，我們需要探討混合式學(xué)習(xí)未來(lái)要扮演何種角色。對(duì)于學(xué)習(xí)者來(lái)說(shuō)，混合式學(xué)習(xí)如何才能更加有效地激發(fā)學(xué)生的學(xué)習(xí)？影響混合式學(xué)習(xí)的未來(lái)趨勢(shì)是什么？大學(xué)計(jì)劃如何嵌入混合式學(xué)習(xí)？關(guān)于混合式學(xué)習(xí)當(dāng)前的研究如何能夠影響其未來(lái)的實(shí)踐？這些都將在本次大會(huì)中得以深入全面地闡釋。

長(zhǎng)期以來(lái)，企業(yè)培訓(xùn)都采用面授的方式，但是隨著數(shù)字媒體的出現(xiàn)和發(fā)展，各種學(xué)習(xí)平臺(tái)的使用及學(xué)習(xí)內(nèi)容的發(fā)布方式多樣化，混合式學(xué)習(xí)將在企業(yè)培訓(xùn)中發(fā)揮越來(lái)越大的作用。

本次大會(huì)側(cè)重于深入了解教學(xué)法，這是教學(xué)實(shí)踐、教學(xué)方法、教學(xué)策略和教學(xué)心理及信條的指南。實(shí)踐做法也是大會(huì)要討論的主題，任何關(guān)于學(xué)習(xí)和培訓(xùn)工具以及實(shí)踐做法的成功經(jīng)驗(yàn)均可以成文分享。

長(zhǎng)篇論文不超過(guò)8頁(yè)、短片論文不超過(guò)4頁(yè)、輔導(dǎo)手冊(cè)不超過(guò)2頁(yè)、海報(bào)1頁(yè)、企業(yè)展板2頁(yè)。

會(huì)議的重要日期如下：

(1)參會(huì)提前注冊(cè)的最后截止日期：2016年1月10日

(2)長(zhǎng)短論文的投稿截止日期：2016年1月10日

(3)輔導(dǎo)手冊(cè)和企業(yè)展板投稿截止日期：2016年1月10日

(4)錄用通知日期：2016年2月1日

(5)照相制版提交日期：2016年2月30日

(6)演講稿和材料提交日期：2016年3月30日

(7)大會(huì)召開(kāi)日期：2016年4月22日

聯(lián)系方式：論文提交地址Agnieszka Palalas

＜agaizabella@rogers.com＞

The Design Research of Learning Outcomes Prediction Based on the Model of Personalized Behavior Analysis for Learners

Wu Fati, Mou Zhijia
(School of Educational Technology, Faculty of Education, Beijing Normal University, Beijing 100875 )

It is internal purport for recording and analysis of the data that is generated by learners and their contexts and providing personalized learning service in the aspect of promoting effective learning under the educational background of big data. The real time modeling is required to achieve the assessment of learning status, early warning as well as intervention. The existing problems were summarized by combing analysis for learning analysis model at domestic and abroad in this paper. And we built a personalized behavior model applying in the digital environment based on the personalized learning patterns and related literature. In addition, we designed learning outcome classification principles with the idea of “target-process-results” in the guidance of instruction theories which included teaching target classification theory, personalized learning theory and social cognitive theory. The type of behaviors was also analyzed at all levels. Finally, the learning outcomes prediction framework was designed based on learning behavior analysis model and learning results. The framework included learning content analysis, learning behavior analysis and learning prediction analysis, which could provide theoretical guidance for the design of personalized learning analysis tools.

Learning Analysis Model; Personalized Learning Pattern; Learning Behavior Analysis; Learning Objectives; Learning Outcomes Prediction

G434

：A

1006—9860(2016)01—0041—08

武法提：教授，博士生導(dǎo)師，研究方向?yàn)閿?shù)字化學(xué)習(xí)環(huán)境與學(xué)習(xí)資源設(shè)計(jì)(wft@bnu.edu.cn)。

牟智佳：在讀博士，研究方向?yàn)閿?shù)字化學(xué)習(xí)技術(shù)與環(huán)境(ambitionyt@163.com)。

2015年9月23日

* 本文系2014年全國(guó)教育科學(xué)“十二五”規(guī)劃教育部重點(diǎn)課題“基于教育大數(shù)據(jù)的學(xué)習(xí)分析工具設(shè)計(jì)與應(yīng)用研究”(課題編號(hào)：DCA140230)、2014年北京師范大學(xué)自主科研基金重點(diǎn)項(xiàng)目“電子書(shū)包中基于大數(shù)據(jù)的學(xué)生個(gè)性化信息挖掘與應(yīng)用研究”(課題編號(hào)：00305-310400080)和2015年國(guó)家留學(xué)基金委建設(shè)高水平大學(xué)公派研究生項(xiàng)目研究成果。