基于教育大數(shù)據(jù)的學(xué)習(xí)干預(yù)模型構(gòu)建*

李彤彤，黃洛穎，鄒 蕊，武法提

(1.天津師范大學(xué) 教育科學(xué)學(xué)院，天津 300387；2.北京師范大學(xué) 信息網(wǎng)絡(luò)中心，北京 100875；3.北京師范大學(xué) 教育學(xué)部 教育技術(shù)學(xué)院，北京 100875)

基于教育大數(shù)據(jù)的學(xué)習(xí)干預(yù)模型構(gòu)建*

李彤彤1，黃洛穎2，鄒 蕊3，武法提3

(1.天津師范大學(xué) 教育科學(xué)學(xué)院，天津 300387；2.北京師范大學(xué) 信息網(wǎng)絡(luò)中心，北京 100875；3.北京師范大學(xué) 教育學(xué)部 教育技術(shù)學(xué)院，北京 100875)

學(xué)習(xí)分析是利用預(yù)測(cè)模型及學(xué)習(xí)過(guò)程中產(chǎn)生的數(shù)據(jù)，分析、預(yù)測(cè)學(xué)習(xí)者未來(lái)表現(xiàn)并發(fā)現(xiàn)潛在問(wèn)題以實(shí)施干預(yù)的技術(shù)。在學(xué)習(xí)分析過(guò)程中，學(xué)習(xí)干預(yù)作為與教學(xué)過(guò)程直接相聯(lián)的部分，是改善、提升學(xué)習(xí)成效的關(guān)鍵。然而，當(dāng)前國(guó)內(nèi)外已有的學(xué)習(xí)干預(yù)方面的相關(guān)研究大多從微觀層面上列舉了部分干預(yù)措施，缺乏整體性和系統(tǒng)性的考慮。該研究構(gòu)建了基于教育大數(shù)據(jù)和學(xué)習(xí)分析的、以干預(yù)引擎為核心的“狀態(tài)識(shí)別—策略匹配—干預(yù)實(shí)施—成效分析”四環(huán)節(jié)循環(huán)結(jié)構(gòu)干預(yù)模型，該模型主要關(guān)注學(xué)習(xí)者的學(xué)習(xí)風(fēng)格類型、學(xué)習(xí)進(jìn)度水平、學(xué)習(xí)互動(dòng)水平、學(xué)業(yè)成就水平四方面的狀態(tài)特征，并針對(duì)這四方面的狀態(tài)水平設(shè)計(jì)了具體的干預(yù)策略、干預(yù)時(shí)機(jī)以及干預(yù)方式，以期為在線學(xué)習(xí)環(huán)境中的學(xué)習(xí)干預(yù)理論研究與實(shí)踐應(yīng)用提供參考。

干預(yù)模型；干預(yù)策略；學(xué)習(xí)分析；教育大數(shù)據(jù)

學(xué)習(xí)分析技術(shù)作為一種能夠在海量數(shù)據(jù)中提取隱含、潛在應(yīng)用價(jià)值信息的工具，可以對(duì)學(xué)習(xí)者、教師、管理部門(mén)等相關(guān)利益方進(jìn)行干預(yù)支持，改善對(duì)教與學(xué)的理解，促進(jìn)和優(yōu)化學(xué)習(xí)效果和環(huán)境，進(jìn)而提升數(shù)字時(shí)代的教育內(nèi)外部效益[1]。西蒙斯指出，學(xué)習(xí)分析是運(yùn)用智能數(shù)據(jù)、學(xué)習(xí)者產(chǎn)生的數(shù)據(jù)及分析模型，來(lái)發(fā)現(xiàn)信息和社會(huì)聯(lián)系并預(yù)測(cè)和建議學(xué)習(xí)的技術(shù)[2]。從學(xué)習(xí)分析的定義中可以看出，學(xué)習(xí)分析不僅是判定學(xué)生是否處于危險(xiǎn)之中，更重要的是依據(jù)分析結(jié)果進(jìn)行適當(dāng)?shù)母深A(yù)，為學(xué)生提供個(gè)性化指導(dǎo)，對(duì)有風(fēng)險(xiǎn)的學(xué)生進(jìn)行干預(yù)，使之順利完成教學(xué)目標(biāo)[3]。干預(yù)是學(xué)習(xí)分析技術(shù)改善、提升學(xué)習(xí)者學(xué)習(xí)成效的最直接環(huán)節(jié)，對(duì)保持學(xué)習(xí)狀態(tài)至關(guān)重要[4]。如何進(jìn)行適時(shí)適當(dāng)?shù)母深A(yù)、構(gòu)建能夠有效提高學(xué)習(xí)效果的干預(yù)模型已經(jīng)成為學(xué)習(xí)分析領(lǐng)域的重要議題。

有研究者指出，學(xué)習(xí)干預(yù)的相關(guān)研究非常重要但是很少被關(guān)注[5]。目前對(duì)于學(xué)習(xí)干預(yù)的研究大多是從分類的視角出發(fā)，在微觀層面上提出了幾種常見(jiàn)的干預(yù)方式，還遠(yuǎn)不夠深入和系統(tǒng)。本研究在分析國(guó)內(nèi)外學(xué)習(xí)干預(yù)相關(guān)研究的基礎(chǔ)上，梳理了已有的干預(yù)方式和干預(yù)內(nèi)容，構(gòu)建了基于教育大數(shù)據(jù)分析的、以干預(yù)引擎為核心的“狀態(tài)識(shí)別—策略匹配—干預(yù)實(shí)施—成效分析”四環(huán)節(jié)循環(huán)結(jié)構(gòu)干預(yù)模型，以期為學(xué)習(xí)干預(yù)的理論研究與實(shí)踐應(yīng)用提供參考和借鑒。

一、學(xué)習(xí)干預(yù)模型構(gòu)建的基本思路

1.學(xué)習(xí)干預(yù)的界定

在傳統(tǒng)教學(xué)領(lǐng)域，學(xué)習(xí)干預(yù)一直作為一個(gè)約定俗成的概念存在著，它包括一切對(duì)學(xué)習(xí)者學(xué)習(xí)產(chǎn)生影響的介入手段。但是，隨著學(xué)習(xí)分析技術(shù)的發(fā)展，基于教育大數(shù)據(jù)的學(xué)習(xí)干預(yù)需要有別于傳統(tǒng)教學(xué)環(huán)境下的干預(yù)手段，由此學(xué)習(xí)干預(yù)的概念再度引起教育技術(shù)研究者的關(guān)注。張超在對(duì)教育教學(xué)中干預(yù)特征分析基礎(chǔ)上，對(duì)遠(yuǎn)程教學(xué)環(huán)境中的學(xué)習(xí)干預(yù)進(jìn)行了如下界定[6]：“學(xué)習(xí)干預(yù)是學(xué)習(xí)服務(wù)提供者為改善學(xué)習(xí)者學(xué)習(xí)績(jī)效和解決學(xué)習(xí)問(wèn)題而針對(duì)學(xué)習(xí)者采取的各種間接的接入性策略與行為的綜合，其最終目的是幫助學(xué)習(xí)者發(fā)展特定的知識(shí)、技能和態(tài)度。”陳珊指出[7]，學(xué)習(xí)干預(yù)是立足于學(xué)習(xí)者出現(xiàn)的各種困難和難題，更有針對(duì)性地為其提供的各種支持，包括資源和活動(dòng)等。

在本研究中，我們以學(xué)習(xí)分析技術(shù)為基礎(chǔ)和依據(jù)，探討基于教育大數(shù)據(jù)的學(xué)習(xí)干預(yù)模型的構(gòu)建。作為教育大數(shù)據(jù)重要應(yīng)用之一，學(xué)習(xí)分析可以通過(guò)分析學(xué)習(xí)者的學(xué)習(xí)情況等過(guò)程數(shù)據(jù)，構(gòu)建學(xué)習(xí)者學(xué)習(xí)行為預(yù)測(cè)模型，進(jìn)而獲得并預(yù)知學(xué)習(xí)者的學(xué)習(xí)狀態(tài)，如學(xué)習(xí)進(jìn)度、學(xué)習(xí)路徑等[8-10]。由此，我們將學(xué)習(xí)干預(yù)界定為“為了幫助學(xué)習(xí)者克服學(xué)習(xí)困難、順利完成學(xué)習(xí)，以基于學(xué)習(xí)過(guò)程的教育大數(shù)據(jù)的分析為基礎(chǔ)，針對(duì)每位學(xué)習(xí)者的具體學(xué)習(xí)狀態(tài)而實(shí)施的各種支持性策略和指導(dǎo)性活動(dòng)的綜合。”

2.學(xué)習(xí)干預(yù)的方式

對(duì)于學(xué)習(xí)干預(yù)的方式，李艷燕等[11]進(jìn)行了系統(tǒng)深入的研究，從干預(yù)的性質(zhì)、規(guī)模、主體等維度區(qū)分了干預(yù)的內(nèi)容。從性質(zhì)的角度，干預(yù)可以分為教學(xué)和社會(huì)干預(yù)，教學(xué)干預(yù)指一切教學(xué)元素的干預(yù)，如學(xué)習(xí)路徑建議、學(xué)習(xí)資源推薦等，而社會(huì)干預(yù)指學(xué)習(xí)心理疏導(dǎo)、伙伴推薦等；根據(jù)干預(yù)的規(guī)模，干預(yù)可以分為個(gè)人和班級(jí)干預(yù)；根據(jù)干預(yù)的主體，干預(yù)又可以分為人工和自動(dòng)干預(yù)，人工干預(yù)主要應(yīng)用于傳統(tǒng)課堂教學(xué)，教師發(fā)現(xiàn)問(wèn)題后，直接對(duì)學(xué)習(xí)者進(jìn)行教學(xué)干預(yù)，例如增加練習(xí)、談話，調(diào)整授課方式和學(xué)習(xí)活動(dòng)等，而自動(dòng)干預(yù)主要指非正式學(xué)習(xí)或混合學(xué)習(xí)中技術(shù)支持下的干預(yù)，如個(gè)性化學(xué)習(xí)系統(tǒng)或自適應(yīng)學(xué)習(xí)系統(tǒng)實(shí)施的干預(yù)，教師利用設(shè)備對(duì)學(xué)習(xí)者移動(dòng)終端進(jìn)行干預(yù)等。張超[12]則將干預(yù)目標(biāo)群體和干預(yù)形態(tài)視為干預(yù)分類體系的基本變量，并綜合這兩個(gè)維度，提出了“學(xué)習(xí)干預(yù)的二維分類框架”，得出了四類不同的學(xué)習(xí)干預(yù)方式，即個(gè)體化—結(jié)構(gòu)化，個(gè)體化—非結(jié)構(gòu)化，集體化—結(jié)構(gòu)化，集體化—非結(jié)構(gòu)化。此外，也有研究者針對(duì)教師主導(dǎo)和學(xué)生自主學(xué)習(xí)兩種教學(xué)模式提出了不同的干預(yù)機(jī)制[13]。

3.學(xué)習(xí)干預(yù)的具體方法

隨著學(xué)習(xí)分析技術(shù)在教育大數(shù)據(jù)中應(yīng)用研究的不斷深入，研究者在實(shí)踐應(yīng)用領(lǐng)域中也開(kāi)展了關(guān)于學(xué)習(xí)干預(yù)具體方法的相關(guān)研究。如普渡大學(xué)的“信號(hào)項(xiàng)目”致力于從學(xué)習(xí)管理系統(tǒng)、課程管理系統(tǒng)、課程成績(jī)簿中收集信息來(lái)劃分危險(xiǎn)學(xué)生的層次，并用綠色、黃色和紅色來(lái)標(biāo)示危險(xiǎn)等級(jí)，并針對(duì)處于“危險(xiǎn)”狀態(tài)的學(xué)生進(jìn)行個(gè)別化指導(dǎo)[14]。北亞利桑那大學(xué)的評(píng)價(jià)績(jī)效狀態(tài)系統(tǒng)能夠收集學(xué)習(xí)者在課堂中的表現(xiàn)評(píng)級(jí)，并通過(guò)郵件發(fā)送給學(xué)習(xí)者，郵件主要包括出勤情況、學(xué)習(xí)成績(jī)和課業(yè)問(wèn)題三類[15]。在開(kāi)放學(xué)術(shù)分析項(xiàng)目中，學(xué)習(xí)者的學(xué)習(xí)數(shù)據(jù)經(jīng)過(guò)學(xué)習(xí)分析處理后，形成學(xué)術(shù)警告報(bào)告，被識(shí)別為處于危險(xiǎn)狀態(tài)的學(xué)習(xí)者將會(huì)獲得系統(tǒng)提供的自動(dòng)干預(yù)，共有兩種，即警告信息和參加在線學(xué)術(shù)支持環(huán)境[16]。其中，警告信息針對(duì)那些對(duì)于順利完成課程任務(wù)存在風(fēng)險(xiǎn)的學(xué)生，警告信息的內(nèi)容包括學(xué)習(xí)現(xiàn)狀、詳細(xì)學(xué)習(xí)建議和指導(dǎo)等。要求參與在線學(xué)習(xí)支持環(huán)境的學(xué)生，將進(jìn)入一個(gè)在線學(xué)習(xí)支持網(wǎng)站，其中包含可汗學(xué)院視頻、Flat World開(kāi)源教科書(shū)等開(kāi)放教育資源，同時(shí)他們還會(huì)得到來(lái)自同伴或?qū)I(yè)教學(xué)人員提供的學(xué)習(xí)指導(dǎo)。當(dāng)學(xué)生多次處于危險(xiǎn)狀態(tài)時(shí)，警告信息將會(huì)變得越來(lái)越嚴(yán)厲。

4.學(xué)習(xí)干預(yù)模型的提出

干預(yù)模型從系統(tǒng)和整體的角度指導(dǎo)整個(gè)干預(yù)過(guò)程的設(shè)計(jì)與實(shí)施，對(duì)于干預(yù)過(guò)程的順利開(kāi)展和干預(yù)目標(biāo)的實(shí)現(xiàn)都起著重要的指導(dǎo)作用。當(dāng)前關(guān)于學(xué)習(xí)干預(yù)理論層面上的研究，較多地探討了設(shè)計(jì)干預(yù)措施的基本原則、建議，以及微觀層面的干預(yù)方式及內(nèi)容，還沒(méi)有較為系統(tǒng)和完整的干預(yù)模型。實(shí)踐層面上，已有的項(xiàng)目和系統(tǒng)通過(guò)自動(dòng)、半自動(dòng)等方式實(shí)現(xiàn)了有效干預(yù)，其中涉及的干預(yù)機(jī)制等為本研究設(shè)計(jì)干預(yù)模型提供了借鑒和參考。

基于對(duì)已有研究的綜合分析，我們提出了如下圖所示的基于教育大數(shù)據(jù)的學(xué)習(xí)干預(yù)模型，該模型以干預(yù)引擎為中心，以發(fā)現(xiàn)學(xué)習(xí)者的學(xué)習(xí)困難、提升學(xué)習(xí)者的學(xué)習(xí)效果為目標(biāo)，包括學(xué)習(xí)者學(xué)習(xí)狀態(tài)識(shí)別、干預(yù)策略匹配計(jì)算、干預(yù)策略實(shí)施、干預(yù)效果分析四個(gè)循環(huán)的環(huán)節(jié)。

基于教育大數(shù)據(jù)的學(xué)習(xí)干預(yù)模型圖

(1)干預(yù)引擎是模型的核心，起著關(guān)鍵的調(diào)控作用，它監(jiān)控著每一環(huán)節(jié)的實(shí)施狀態(tài)，并適時(shí)對(duì)干預(yù)過(guò)程進(jìn)行調(diào)整，以保證干預(yù)朝著有效的目標(biāo)進(jìn)行。

(2)對(duì)學(xué)習(xí)者學(xué)習(xí)狀態(tài)的準(zhǔn)確識(shí)別和判斷，是干預(yù)策略選擇和實(shí)施的起點(diǎn)和關(guān)鍵環(huán)節(jié)。學(xué)習(xí)者狀態(tài)識(shí)別是指基于教育大數(shù)據(jù)來(lái)獲取學(xué)習(xí)者的狀態(tài)信息，識(shí)別出學(xué)習(xí)者學(xué)習(xí)狀態(tài)的關(guān)鍵特征，從而定位學(xué)習(xí)者的學(xué)習(xí)階段，判斷學(xué)習(xí)者的學(xué)習(xí)狀況。基于教育大數(shù)據(jù)的學(xué)習(xí)分析技術(shù)能夠有效地支持教師收集、分析、輸出學(xué)習(xí)者相關(guān)教育大數(shù)據(jù)并得出其學(xué)習(xí)狀態(tài)，如學(xué)習(xí)任務(wù)完成情況、學(xué)習(xí)內(nèi)容掌握情況等，從而為學(xué)習(xí)者狀態(tài)識(shí)別提供有效的支持。

(3)干預(yù)策略匹配計(jì)算是指依據(jù)學(xué)習(xí)者學(xué)習(xí)狀態(tài)的關(guān)鍵特征，從干預(yù)策略庫(kù)中篩選相關(guān)的干預(yù)策略，并與學(xué)習(xí)者學(xué)習(xí)狀態(tài)的關(guān)鍵特征進(jìn)行匹配計(jì)算，得出匹配度較高的最佳干預(yù)策略。匹配合適的干預(yù)策略是干預(yù)實(shí)施效果的重要保障，干預(yù)策略匹配計(jì)算又依賴于存儲(chǔ)的干預(yù)策略，因此，學(xué)習(xí)干預(yù)模型構(gòu)建的關(guān)鍵是設(shè)計(jì)干預(yù)策略庫(kù)與匹配機(jī)制。

(4)干預(yù)策略實(shí)施是指根據(jù)最佳干預(yù)策略，以恰當(dāng)?shù)母深A(yù)方式，將合適的干預(yù)內(nèi)容推送給學(xué)習(xí)者。

(5)干預(yù)效果分析：干預(yù)是一個(gè)系統(tǒng)性的、循環(huán)往復(fù)的過(guò)程。干預(yù)模型始于經(jīng)過(guò)學(xué)習(xí)分析得出的學(xué)習(xí)者學(xué)習(xí)狀態(tài)數(shù)據(jù)，然后判斷識(shí)別學(xué)習(xí)者學(xué)習(xí)狀態(tài)的關(guān)鍵特征，同時(shí)從干預(yù)策略庫(kù)中篩選相關(guān)的干預(yù)策略，并與學(xué)習(xí)者學(xué)習(xí)狀態(tài)的關(guān)鍵特征進(jìn)行匹配計(jì)算，將匹配度較高的干預(yù)策略（包括干預(yù)方式及具體干預(yù)內(nèi)容）推送給學(xué)習(xí)者，實(shí)施干預(yù)策略后，干預(yù)引擎將持續(xù)跟蹤學(xué)習(xí)者的學(xué)習(xí)狀態(tài)，一方面是判斷已實(shí)施干預(yù)策略的效果，另一方面是及時(shí)發(fā)現(xiàn)學(xué)習(xí)者新的學(xué)習(xí)狀態(tài)以備選擇并實(shí)施新一輪的干預(yù)，依次循環(huán)往復(fù)。

二、基于教育大數(shù)據(jù)的學(xué)習(xí)者狀態(tài)識(shí)別

學(xué)習(xí)者學(xué)習(xí)狀態(tài)的準(zhǔn)確識(shí)別是干預(yù)策略準(zhǔn)確選擇且有效實(shí)施的必然前提。隨著數(shù)字化學(xué)習(xí)的普及和流行，教育領(lǐng)域已經(jīng)部署了眾多的學(xué)習(xí)管理系統(tǒng)，學(xué)習(xí)者在各種學(xué)習(xí)終端的支持下的各類學(xué)習(xí)系統(tǒng)中都產(chǎn)生并保留了大量的學(xué)習(xí)記錄[17][18]。這些記錄中隱藏著有關(guān)學(xué)習(xí)者的大量的多維的信息，通過(guò)恰當(dāng)?shù)募夹g(shù)對(duì)這些數(shù)據(jù)進(jìn)行聚類與分析，可以獲得、跟蹤和掌握學(xué)習(xí)者的不同學(xué)習(xí)特點(diǎn)、學(xué)習(xí)需求、學(xué)習(xí)基礎(chǔ)和學(xué)習(xí)行為等不同類型的數(shù)據(jù)[19]，從而能夠?yàn)閷W(xué)習(xí)者的狀態(tài)識(shí)別提供依據(jù)。

1.教育大數(shù)據(jù)的獲取與分析方法

教育大數(shù)據(jù)得以有效利用的根本前提是首先能夠基于技術(shù)手段獲取到教育大數(shù)據(jù)，并將數(shù)據(jù)獲取并加以分析，從而獲得對(duì)學(xué)習(xí)者有用的關(guān)鍵信息。目前已有眾多研究者對(duì)教育大數(shù)據(jù)的獲取進(jìn)行了研究，為基于教育大數(shù)據(jù)應(yīng)用的相關(guān)研究提供了思路。牟智佳[20]提出電子書(shū)包中教育大數(shù)據(jù)的獲取來(lái)自于數(shù)據(jù)捕獲、多感知數(shù)據(jù)和實(shí)時(shí)傳感數(shù)據(jù)三個(gè)方面，可以通過(guò)多個(gè)軟件實(shí)現(xiàn)對(duì)多種數(shù)據(jù)的記錄。顧小清等[21]將學(xué)習(xí)者在學(xué)習(xí)過(guò)程中的學(xué)習(xí)行為、學(xué)習(xí)活動(dòng)、學(xué)習(xí)進(jìn)程以及與之交互的學(xué)習(xí)環(huán)境等數(shù)據(jù)概括為學(xué)習(xí)者的學(xué)習(xí)經(jīng)歷數(shù)據(jù)，并利用“活動(dòng)流”來(lái)描述學(xué)習(xí)經(jīng)歷及用Statement記錄學(xué)習(xí)經(jīng)歷的方式來(lái)獲取學(xué)習(xí)者的學(xué)習(xí)數(shù)據(jù)。而對(duì)教育大數(shù)據(jù)的分析，目前常用的方法包括內(nèi)容分析法、社會(huì)網(wǎng)絡(luò)分析法和回話分析等。

2.學(xué)習(xí)者學(xué)習(xí)狀態(tài)數(shù)據(jù)及水平識(shí)別

要準(zhǔn)確地識(shí)別學(xué)習(xí)者的狀態(tài)，需要有針對(duì)性地收集教育大數(shù)據(jù)。那么為了實(shí)施有效的學(xué)習(xí)干預(yù)，需要獲取哪些數(shù)據(jù)？我們對(duì)已有的在線學(xué)習(xí)者學(xué)習(xí)行為及學(xué)習(xí)模型的相關(guān)文獻(xiàn)進(jìn)行了調(diào)研分析，孟玲玲等[22]從學(xué)習(xí)分析工具的角度，提出要對(duì)學(xué)習(xí)者的學(xué)習(xí)進(jìn)度等網(wǎng)絡(luò)學(xué)習(xí)數(shù)據(jù)、知識(shí)建構(gòu)過(guò)程等學(xué)習(xí)內(nèi)容數(shù)據(jù)、學(xué)習(xí)能力和學(xué)習(xí)水平等學(xué)習(xí)能力數(shù)據(jù)、學(xué)習(xí)軌跡及特征等學(xué)習(xí)行為數(shù)據(jù)進(jìn)行分析，從而準(zhǔn)確地獲得學(xué)習(xí)者的學(xué)習(xí)狀態(tài)特征。李艷燕等[23]提出應(yīng)通過(guò)分析教與學(xué)過(guò)程的交互數(shù)據(jù)、教學(xué)資源數(shù)據(jù)、學(xué)習(xí)者之間的網(wǎng)絡(luò)關(guān)系數(shù)據(jù)、學(xué)習(xí)者的特征數(shù)據(jù)、學(xué)習(xí)者行為與情感數(shù)據(jù)等來(lái)表征學(xué)習(xí)者學(xué)習(xí)特征。許陵等[24]從生物信號(hào)的角度，分析學(xué)習(xí)者在學(xué)習(xí)過(guò)程中的心理和生理狀態(tài)，用以觀測(cè)學(xué)習(xí)者注意力下降或者出現(xiàn)疲勞等學(xué)習(xí)狀態(tài)。

學(xué)習(xí)過(guò)程中，學(xué)習(xí)者往往會(huì)在多個(gè)方面有不同的表現(xiàn)，在本研究中，我們主要考察學(xué)習(xí)者的學(xué)習(xí)風(fēng)格、學(xué)習(xí)進(jìn)度、互動(dòng)水平、學(xué)業(yè)成就四個(gè)方面的狀態(tài)水平，相應(yīng)地，主要采集學(xué)習(xí)者的以下數(shù)據(jù)，如表1所示。

表1 學(xué)習(xí)者狀態(tài)數(shù)據(jù)及狀態(tài)水平判定

(1)學(xué)習(xí)風(fēng)格類型識(shí)別是干預(yù)引擎采用某種算法，基于量表采集的數(shù)據(jù)以及學(xué)習(xí)者的瀏覽記錄等學(xué)習(xí)風(fēng)格相關(guān)的數(shù)據(jù)綜合判斷，將學(xué)習(xí)者定位為不同的學(xué)習(xí)風(fēng)格類型。

(2)學(xué)習(xí)進(jìn)度水平識(shí)別是指干預(yù)引擎基于學(xué)習(xí)者的學(xué)習(xí)路徑、學(xué)習(xí)內(nèi)容等數(shù)據(jù)，判斷學(xué)習(xí)者的學(xué)習(xí)進(jìn)度。

(3)學(xué)習(xí)互動(dòng)水平識(shí)別是指干預(yù)引擎綜合學(xué)習(xí)者的交互頻率、交互內(nèi)容、社會(huì)網(wǎng)絡(luò)關(guān)系三方面的數(shù)據(jù)，判斷學(xué)習(xí)者的交互頻率、交互深度、交互廣度三方面的互動(dòng)水平。其中，交互頻率是指學(xué)習(xí)者參與互動(dòng)的次數(shù)，可以通過(guò)如登錄次數(shù)、發(fā)帖次數(shù)等數(shù)據(jù)反映出來(lái)；交互深度則包括學(xué)習(xí)者所發(fā)表的交互內(nèi)容的質(zhì)量，可以通過(guò)對(duì)交互內(nèi)容的內(nèi)容分析得到的結(jié)果反映出來(lái)；交互廣度是指學(xué)習(xí)者在交互過(guò)程中所形成的社會(huì)網(wǎng)絡(luò)的規(guī)模以及學(xué)習(xí)者在社會(huì)網(wǎng)絡(luò)中所處的位置，可以通過(guò)交互的社會(huì)網(wǎng)絡(luò)分析得出。

(4)學(xué)業(yè)成就水平識(shí)別包括對(duì)學(xué)習(xí)者整體成績(jī)水平的判定和學(xué)習(xí)薄弱點(diǎn)的記錄，整體水平通過(guò)學(xué)習(xí)者的成績(jī)數(shù)據(jù)來(lái)反映；學(xué)習(xí)的薄弱點(diǎn)則根據(jù)學(xué)生在某個(gè)知識(shí)點(diǎn)的學(xué)習(xí)時(shí)長(zhǎng)以及錯(cuò)題記錄來(lái)判定。

三、干預(yù)策略庫(kù)設(shè)計(jì)

在識(shí)別學(xué)習(xí)者狀態(tài)的基礎(chǔ)上，干預(yù)引擎會(huì)針對(duì)學(xué)習(xí)者的具體狀態(tài)從策略庫(kù)中選擇并計(jì)算最優(yōu)匹配的干預(yù)策略，以對(duì)學(xué)習(xí)者進(jìn)行有效地干預(yù)，幫助學(xué)習(xí)者將學(xué)習(xí)狀態(tài)調(diào)整到更為優(yōu)化的水平。因此，干預(yù)策略庫(kù)的設(shè)計(jì)對(duì)于實(shí)施有效干預(yù)并提升學(xué)習(xí)成效起著至關(guān)重要的作用。我們首先針對(duì)四個(gè)方面的學(xué)習(xí)者狀態(tài)，給出了具體的干預(yù)策略、不同策略的干預(yù)時(shí)機(jī)以及干預(yù)方式，如表2所示。

表2 干預(yù)策略設(shè)計(jì)

從表2中我們可以看到，干預(yù)策略匹配的重點(diǎn)在于一方面將學(xué)習(xí)者的學(xué)習(xí)狀態(tài)可視化，可視化的目的在于讓管理者、教師和學(xué)習(xí)者都能清楚地了解學(xué)習(xí)者所處的狀態(tài)，可視化的方法則多種多樣，如學(xué)習(xí)進(jìn)度條、完成百分比、目標(biāo)達(dá)成程度、學(xué)習(xí)路徑圖、社會(huì)網(wǎng)絡(luò)圖譜、薄弱知識(shí)點(diǎn)列表、成績(jī)分布圖、成績(jī)排名、參與互動(dòng)的次數(shù)顯示、發(fā)言質(zhì)量評(píng)價(jià)等；另一方面，干預(yù)引擎會(huì)根據(jù)學(xué)習(xí)者的狀態(tài)來(lái)進(jìn)行干預(yù)，具體的干預(yù)方式包括提醒、推薦/推送、會(huì)話的方式，其中可以采用消息、郵件、頁(yè)面彈出窗口來(lái)對(duì)學(xué)習(xí)者進(jìn)行適時(shí)的提醒；推薦/推送則是指智能地根據(jù)學(xué)習(xí)者的狀態(tài)向?qū)W習(xí)者推送相關(guān)的資源、學(xué)習(xí)建議指導(dǎo)、學(xué)習(xí)工具、學(xué)習(xí)伙伴等；會(huì)話則是指由智能機(jī)器人或教師與有學(xué)習(xí)困難的學(xué)生進(jìn)行文字、語(yǔ)音或視頻的會(huì)話，以半人工或人工的方式進(jìn)一步了解學(xué)生的學(xué)習(xí)狀態(tài)和困難，以采取更為有效的干預(yù)措施。

當(dāng)然，在實(shí)際的情形中，學(xué)習(xí)者的這四個(gè)方面狀態(tài)并不是孤立的，干預(yù)引擎在整個(gè)過(guò)程中始終持續(xù)地同時(shí)監(jiān)控著學(xué)習(xí)者在這幾方面的狀態(tài)水平，并在恰當(dāng)?shù)臅r(shí)機(jī)給學(xué)習(xí)者提供相應(yīng)的干預(yù)。

四、干預(yù)策略實(shí)施與效果分析

1.干預(yù)策略實(shí)施

為學(xué)習(xí)者匹配合適的干預(yù)策略后，干預(yù)引擎將向?qū)W習(xí)者實(shí)施干預(yù)。實(shí)施干預(yù)可以采用自動(dòng)干預(yù)、手動(dòng)干預(yù)兩種方式。自動(dòng)干預(yù)是由干預(yù)引擎或干預(yù)系統(tǒng)自動(dòng)完成的，實(shí)施過(guò)程不需要教師等人員的參與，但需要教師將干預(yù)策略的實(shí)施規(guī)則進(jìn)行設(shè)計(jì)，如干預(yù)策略所面向的受眾范圍或輻射區(qū)間、干預(yù)實(shí)施的時(shí)間、頻率及頻次等。手動(dòng)干預(yù)是指干預(yù)實(shí)施的過(guò)程由教師等教學(xué)相關(guān)人員手動(dòng)完成的，如向?qū)W生發(fā)送個(gè)性化學(xué)習(xí)指導(dǎo)、建議等信息。隨著干預(yù)引擎的不斷智能化、學(xué)習(xí)者數(shù)據(jù)的大量堆積、干預(yù)策略的逐漸豐富，干預(yù)策略將更多地由干預(yù)引擎自動(dòng)實(shí)施，達(dá)到科學(xué)、及時(shí)、準(zhǔn)確的干預(yù)效果。

2.干預(yù)效果分析

干預(yù)引擎向?qū)W習(xí)者實(shí)施干預(yù)后，學(xué)習(xí)者將會(huì)收到相應(yīng)的干預(yù)，并按照干預(yù)要求去改進(jìn)或加強(qiáng)學(xué)習(xí)。干預(yù)引擎將繼續(xù)跟蹤學(xué)習(xí)者的學(xué)習(xí)狀況，分析、評(píng)價(jià)干預(yù)策略的實(shí)施效果，一方面，將實(shí)施效果作為一個(gè)屬性填充到干預(yù)策略庫(kù)中對(duì)應(yīng)策略的屬性中，為后續(xù)類似的干預(yù)策略匹配計(jì)算提供參考；另一方面，依據(jù)實(shí)施效果，干預(yù)引擎將進(jìn)行是否需要再次干預(yù)的判斷，如果實(shí)施效果良好，即學(xué)習(xí)者的學(xué)習(xí)狀況得到了改善，干預(yù)引擎則開(kāi)始追蹤學(xué)習(xí)者新的學(xué)習(xí)狀態(tài)，如果干預(yù)策略實(shí)施效果較差，學(xué)習(xí)者學(xué)習(xí)狀況依然不樂(lè)觀，干預(yù)引擎將進(jìn)行二次干預(yù)，依次循環(huán)往復(fù)。

五、結(jié)語(yǔ)

在線學(xué)習(xí)環(huán)境下學(xué)習(xí)干預(yù)的目的是促進(jìn)學(xué)習(xí)者學(xué)習(xí)目標(biāo)的達(dá)成，它應(yīng)當(dāng)建立在對(duì)教育大數(shù)據(jù)的挖掘、分析基礎(chǔ)上，并以識(shí)別學(xué)習(xí)者的學(xué)習(xí)狀態(tài)作為干預(yù)的起點(diǎn)，同時(shí)針對(duì)學(xué)習(xí)者的學(xué)習(xí)狀態(tài)適時(shí)地采用恰當(dāng)?shù)姆绞竭M(jìn)行干預(yù)。而且，干預(yù)過(guò)程是一個(gè)循環(huán)往復(fù)的過(guò)程，需要對(duì)學(xué)習(xí)者學(xué)習(xí)過(guò)程和狀態(tài)的持續(xù)跟蹤、分析與判斷。本研究設(shè)計(jì)四環(huán)節(jié)的循環(huán)結(jié)構(gòu)干預(yù)模型，同時(shí)對(duì)學(xué)習(xí)者狀態(tài)識(shí)別以及干預(yù)策略進(jìn)行了細(xì)化設(shè)計(jì)。但是，對(duì)于其中教育大數(shù)據(jù)的具體采集方法、干預(yù)策略的具體實(shí)施方法，本研究還缺乏詳細(xì)設(shè)計(jì)，這也是下一步研究的方向所在。

[1] 胡藝齡,顧小清,羅九同,陳婧雅. 教育效益的追問(wèn)：從學(xué)習(xí)分析技術(shù)的視角[J].現(xiàn)代遠(yuǎn)程教育研究,2014,(6):41-48.

[2] Siemens, G., & Baker, R. S. J. d. Learning Analytics and Educational Data Mining: Towards Communication and Collaboration [A].Simon Buckingham Shum. Proceedings of the Second International Conference on Learning Analytics & Knowledge[C]. New York: ACM,2012.252-254.

[3][14] 李逢慶,錢(qián)萬(wàn)正.學(xué)習(xí)分析:大學(xué)教學(xué)信息化研究與實(shí)踐的新領(lǐng)域[J].現(xiàn)代教育技術(shù),2012,(7):5-10.

[4][6][12] 張超.教師遠(yuǎn)程培訓(xùn)的學(xué)習(xí)干預(yù)研究[D].上海:華東師范大學(xué),2010.

[5] Clow, D. The learning analytics cycle: closing the loop effectively [A].Simon Buckingham Shum. Proceedings of the Second International Conference on Learning Analytics & Knowledge[C]. New York: ACM,2012.134-138.

[7] 陳珊.促進(jìn)問(wèn)題解決的學(xué)習(xí)干預(yù)設(shè)計(jì)與應(yīng)用研究[D].上海:華東師范大學(xué),2014.

[8][18] 劉鳳娟.大數(shù)據(jù)的教育應(yīng)用研究綜述[J].現(xiàn)代教育技術(shù),2014,(8):13-19.

[9][17] 魏順平.學(xué)習(xí)分析技術(shù):挖掘大數(shù)據(jù)時(shí)代下教育數(shù)據(jù)的價(jià)值[J].現(xiàn)代教育技術(shù),2013,(2):5-11.

[10] 徐鵬,王以寧,劉艷華,張海.大數(shù)據(jù)視角分析學(xué)習(xí)變革——美國(guó)《通過(guò)教育數(shù)據(jù)挖掘和學(xué)習(xí)分析促進(jìn)教與學(xué)》報(bào)告解讀及啟示[J].遠(yuǎn)程教育雜志,2013,(6):11-17.

[11][23] 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,(5):10-24.

[13] 曹曉明,朱勇.學(xué)習(xí)分析視角下的個(gè)性化學(xué)習(xí)平臺(tái)研究[J].開(kāi)放教育研究,2014,(5):67-74.

[15] 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.

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

[19] 姜強(qiáng),趙蔚,王朋嬌,王麗萍.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.

[20] 牟智佳.電子書(shū)包中基于教育大數(shù)據(jù)的個(gè)性化學(xué)習(xí)評(píng)價(jià)模型與系統(tǒng)設(shè)計(jì)[J].遠(yuǎn)程教育雜志,2014,(5): 90-96.

[21] 顧小清,鄭隆威,簡(jiǎn)菁.獲取教育大數(shù)據(jù):基于xAPI規(guī)范對(duì)學(xué)習(xí)經(jīng)歷數(shù)據(jù)的獲取與共享[J].現(xiàn)代遠(yuǎn)程教育研究,2014,(5):13-23.

[22] 孟玲玲,顧曉清等.學(xué)習(xí)分析工具比較研究[J].開(kāi)放教育研究,2014,(4):66-75.

[24] 許陵,冉新義,陳梅芬.基于生物信號(hào)的遠(yuǎn)程學(xué)習(xí)過(guò)程監(jiān)控系統(tǒng)研究[J].現(xiàn)代遠(yuǎn)程教育研究,2014,(5): 105-112.

責(zé)任編輯：李馨 趙云建

The Construction of a Learning Intervention Model Based on Big Data Analytics

Li Tongtong1, Huang Luoying2, Zou Rui3, Wu Fati3
(1.College of Education, Tianjin Normal University, Tianjin 300387; 2. Information and Network Center, Beijing Normal University, Beijing 100875; 3.Faculty of Education, Beijing Normal University, Beijing 100875)

Learning analytics aims to analyze and predict learners’ future performance, find potential problems and implement intervention according to the prediction model and big data generated in the learning process. As it is attached directly to teaching process, learning intervention is the key to improve learners’ learning performance. However, most of existing researches on learning intervention propose intervention measures from micro-level, lack of systemic and integral consideration. This paper constructs a learning intervention model based on learners’ big data analytics, which is a loop structure with intervention engine as its core. The intervention model consists of four parts: learners’ status identi fi cation, intervention strategy matching, intervention implementation,and intervention effectiveness analysis. As to learners’ status, the model mainly focus on learning style, learning progress, interaction level, and learning performance. We also propose the typical intervention strategies, intervention occasion, and speci fi c intervention means according to learners’ status level in this model. The signi fi cance of this model is that it can provide reference for academic research and practical application of learning intervention in online learning environments.

Intervention Model; Intervention Strategies; Learning Analytics; Big Data

G434

A

1006—9860(2016)06—0016—05

李彤彤：博士，講師，研究方向?yàn)閿?shù)字化學(xué)習(xí)環(huán)境與學(xué)習(xí)分析(sdltt@126.com)。

黃洛穎：碩士，研究方向?yàn)榻逃髷?shù)據(jù)應(yīng)用(huangluoying2008@126.com)。

鄒蕊：在讀碩士，研究方向?yàn)榫W(wǎng)絡(luò)教育應(yīng)用。

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)。

2016年2月16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)研究成果。