學習行為統計分析在公共計算機教學中的應用*

◆王虎 欽明皖 吳海輝 楊勇

學習行為統計分析在公共計算機教學中的應用*

◆王虎 欽明皖 吳海輝 楊勇

通過對在線學習行為進行分析，闡述其主要構成指標，并建立行為信息模型，在現有的網絡教學平臺基礎上，采集學習者學習行為信息，提出網絡學習行為實時統計分析的方法并進行實踐，以進一步提高公共計算機課程教學質量。

在線學習；學習行為分析；網絡教學平臺；公共計算機基礎課程

1 引言

公共計算機基礎課程的特征是應用性和基礎性，各高校相關教學部門一直關注如何有效開展教學活動，但在教改實施中，更多關注對所“教”的內容、方法等進行改革，而很少研究“學”的問題。伴隨著信息技術的快速發展，通過網絡學習已成為重要的學習形式，但在網絡教學中，注意力過多集中于如何組織知識點、設計課程內容、提供教學資源等方面，忽視了對學習者的學習過程監控。通過研究網絡學習行為，有助于對基于網絡的學習規律有更深刻的了解，使網絡教學平臺設計更加有效地為學習者提供服務，并將有助于調動學習積極性，增強學習參與度，提高學習效率，并提升教學質量。

2 網絡學習行為分析

網絡學習行為就是指在現代通信技術支持下，借助多樣的基于網絡的教學資源，學習者為達到預定效果而采取的一系列操作或活動，如確定目標、制訂計劃、選擇方法、操作行為等，主要采用自主和協作的學習方式［1］。學習行為統計分析是為了保證學習質量，達到學習目標，對整個學習行為發生的所有活動進行規劃、檢查、評估、反饋和調整的一系列過程［2］。通過對在線學習行為進行統計分析，可以實現：

1）全面檢查學習者在網絡環境下進行的自主學習過程，有助于教師更好地針對不同的學習者提供具體的、個性化的指導；

2）充分發揮學習者的主動性、積極性和創造性，使得學習者最終理解、掌握并靈活運用所學的課程知識。

3 學習行為統計分析系統結構

網絡學習行為數據模型 實現對基于網絡的學習行為數據的統計分析，首先要解決的問題是如何對網絡學習行為數據模型進行準確定義，以及確定如何自動實時、高效地采集學習行為數據的技術和規范。本文依據活動理論和行為科學（Behavioral Science）的基本原理［3］，深入分析網絡學習行為數據的本質屬性，建立網絡學習行為數據模型［1］。

1）主體，即用戶身份標識，作為學習者使用網絡教學平臺的賬號信息，具有唯一性。

2）操作：由學習者進行自主學習過程中所做的各種操作的集合，以及對應的時間構成。

3）客體：學習者進行學習時在教學平臺操作的對象集合，包括操作對象的類別、名稱或標識編碼數據等。

數據的采集、處理及展示 確定操作行為集合，對各類行為定義進行編碼以獲得標識代碼。本文設計的行為標識由兩部分組成：標識碼（Behavior Code）和標識說明（Behavior Desc）。

在數據采集模塊中，根據客戶端與服務器端的數據交互，實時跟蹤學習者在教學平臺的操作活動，對數據進行采集、量化，獲得在線學習操作行為數據，按預先設置好的格式存儲于數據庫，為后繼分析學習行為特征、匯總統計做準備。采集功能模塊對所發生的網絡學習行為進行量化及屬性表示，并采用統一的結構進行存儲，如表1所示。

統計分析模塊的功能是對存儲在數據庫中的用戶學習行為數據進行加工處理，教學管理者可以對處理后的數據進行實時的查詢、匯總、統計、分析，并以報表、表格或圖表等圖形化用戶界面將處理結果在Web頁面中顯示，為教師及時發現教學中存在的問題以改進教學方式方法、教學管理部門做相關決策提供可靠數據支撐。

表1 行為屬性表示

作者：王虎，安徽大學計算機教學部講師，研究方向為智能計算、數據挖掘；欽明皖，安徽大學江淮學院副教授、副院長，研究方向為數據庫、軟件工程（230031）；吳海輝、楊勇，安徽大學（230601）。

學習行為統計項 隨著計算機技術的快速發展，尤其在教育領域的廣泛應用，針對如何更加科學、合理地對學習者進行評價，出現很多新的方法和形式。其中，量規（Rubric）是一種結構化的量化評價標準，可對所要評價的目標進行逐層細化，從多個方面規定評級指標，不僅可操作性強，而且準確性高［4］。本文根據學習者在線時長、出勤次數、提交作業個數/次數、提交實驗個數/次數、階段測試成績等制定量規，對學習行為進行統計分析，如表2所示。

表2 統計指標項

系統結構 本文設計的網絡學習行為數據統計分析系統主要分成兩個大的模塊：學習行為數據采集模塊和數據統計分析模塊。結構如圖1所示。

數據采集模塊對學習者與教學平臺交互產生的相關在線學習數據進行采集，如登錄、學習資源獲取、操作指導視頻觀看、提交作業/實驗、注銷等統計參數數據，量化、整理后存儲于行為數據庫中。

統計分析模塊對行為數據庫中的數據進行提取、匯總、加工，通過圖形化界面，對學習者在線學習行為進行實時統計分析。比如：展示單個學習者的在線學習時間總體曲線，教學平臺訪問時間人數分布，在線時間長度分布統計；展示教學平臺開設課程被訪問的統計數據，如訪問人數、平均訪問時間長度、課程設置各欄目的訪問情況、出勤情況、作業/實驗提交進度的情況等。

4 網絡學習行為統計分析的應用實踐

對學習者網絡學習行為的統計分析，在內容上包含如下幾個方面。

平臺訪問時段統計 網絡教學平臺充分體現了教與學活動的時空分離性、異步性，學習者個別化自主學習、協作性學習等特點，通過對平臺訪問時間的統計分析，可為教師和管理人員提供積極意義的參考。比如：教師根據學習者在線學習人數集中的主要時間段，通過教學平臺站內郵件、BBS論壇等，參與學習者之間的互動，掌握發布教學資源、提供學習材料、回答問題的時間點。

圖1 學習行為統計分析系統結構

圖2 在線人數實時統計圖（周期：天）

圖3 在線時間分布統計圖（周期：學期）

圖2是指定日期24小時內訪問人數的統計結果，教學平臺訪問量主要集中于上午10—12時，下午16—18時，這與實驗課程安排時間吻合；在晚間19—23時，有部分學習者利用課余時間通過教學平臺進行學習。

在線時間區段統計 對學習者在線時間長度分布情況進行統計，可讓教師對學習者所選教學平臺課程在線參與度進行客觀評價。而且，在相同的作業/實驗提交數量一致的情況下，在線時間越短，也從側面反映教師的教學質量、學習者的學習效率等情況；并可對教師區分教學難點、合理分配各知識點教學時間等決策提供參考。

圖3所示的統計結果為教學平臺學習者不同在線時間區段的人數分布情況，每個時間區段為9個小時。統計數據表明，學習者每學期在線學習時間長度集中在10～45小時之間，少數會超過70小時。這與學習者在教學平臺選課數量以及學習偏好、習慣有關，有的學習者登錄平臺所做的操作主要是下載實驗素材，自主學習方式以離線操作為主；有的學習者對平臺教學資源、操作視頻等則比較關注，時常登錄進行查閱、觀看，同時積極利用教學平臺通信模塊，參與教師及其他學習者的交互活動。

個體學習行為統計 通過收集在線學習行為而實時生成統計報表，有利于教師實時掌握學習者在線學習進展情況。根據學習者學習行為的統計信息，了解其在線學習行為的規律，使用課程資源、信息交流等方面的偏好，以便教師可以及時調整教學內容；關注學習者學習過程中的自我管理，激發其自主學習的積極性；幫助學習者排除學習過程中遇到的障礙；引導、督促學習者更好地參與網上教學活動。

表3是以教學班為單位，對學習者在線學習行為進行實時統計的情況，其內容分為三個部分：作業提交進度；實驗提交進度；出勤統計。提交作業總數80%以上的學習者占總數的73%，基本完成全部實驗的學習者占總數的90%，這與任課教師對作業和實驗的進度要求有關聯。

對前兩項統計結果進行分析，可以發現有約10%的學習者的進度落后于教學進度，結合第三項出勤/滿勤比率的統計數據，教師能夠發現學習者對該課程學習態度和興趣的變化趨勢，若落后進度比率一直上升，則應考慮導致該現象的原因并采取相應措施，如通過座談、走訪、討論的形式獲悉真正原因，隨之調整教學策略或教學進度，以保證教學質量穩定。

表3 學習行為實時統計

各項統計數據均可以查看對應詳細信息，以實驗提交統計為例：教師不僅可以查看實驗結果完成的質量，還可以根據提交實驗的時間、完成的速度等參數，對學習者學習效果進行完整的評價。

5 結語

通過網絡進行學習，具有開放、協作、自主、多維等特性，有必要對評價的方式做出改變，變終結性評價為過程性評價。通過對現有網絡教學平臺功能進行升級完善，設計在線學習行為統計分析系統，對學習者的在線學習行為數據進行采集、整理，并對其進行統計分析，可以作為學習者的過程性評價依據。

本系統在安徽大學網絡教學平臺上使用，從大學計算機基礎課程入手，逐步推廣，一年多以來，在監控、引導學習者的學習行為，提升學習者的自我約束控制能力，督促學習者加強平時學習，提升公共計算機基礎課程教學質量等方面取得良好的效果。在后繼工作中，考慮增加行為信息模型變量，如師生互動、所屬專業等，挖掘行為數據背后更深層次的意義。

［1］楊金來，張翼翔，丁榮濤.基于網絡學習平臺的學習行為監控研究［J］.計算機教育，2008（11）：65-68.

［2］董奇，周勇.論學生學習的自我監控［J］.北京師范大學學報：社會科學版，1994（1）：8-14.

［3］楊開城，李文光，胡學農.現代教學設計的理倫體系初探［J］.中國電化教育，2002（2）：12-18.

［4］元帥，鄒軍華，劉丹.基于網絡學習平臺的在線學習行為分析與評價［J］.中國教育技術裝備，2013（15）：27-28.

G642

B

1671-489X（2016）18-0059-03

安徽大學本科教育質量提升計劃項目（項目號：xjjyxm14097）；安徽省級質量工程項目（項目號：2013gxk015）。

10.3969/j.issn.1671-489X.2016.18.059