基于數字化教學平臺的學習分析框架研究

袁春雨

(安徽職業技術學院 科研處，合肥 230011)

?

基于數字化教學平臺的學習分析框架研究

袁春雨

(安徽職業技術學院 科研處，合肥 230011)

目前,高校正在利用教學平臺實施混合學習和在線學習模式，平臺中產生了大量的數據，對數據的分析利用正是學習分析的主要目的。通過對學習分析概念的解析，從學習分析過程入手，探討了學習分析中的數據源、數據挖掘方法與目的，并提出了可視化輸出結果的一般方法，給出了教學平臺下基于學生數據學習分析的一般參考模型。最后提出了未來學習分析的發展趨勢。

教學平臺；學習分析； 數據

互聯網的發展正催生高等教育的革命，Web 2.0的應用使得數字化學習成為一種潮流，政府、企業和高校對在線課程表示出極大的興趣，特別是MOOC的興起，作為一種強技術學習的創新模式和新的教育傳遞媒介，它促使教育者重新審視數字化教學平臺的價值。目前,越來越多的高校正在利用教學平臺實施混合學習和在線學習模式。在學習平臺上，大量學生參與的學習活動，留下了可以用來描述他們的特征，分析學習行為的數據痕跡。因此，抽取數據形成有價值和關鍵的信息成為可能。

隨著數據倉庫、數據挖掘等技術的發展，企業開始運用諸如網頁分析、商業智能等方法了解顧客需求改進產品和服務，數據驅動型決策能有效改進決策效果[1]。在過去的20年內，全球數據不斷增長，大數據開啟了重大的時代轉型[2]。構建預測模型并正逐步運用到各行各業，也包括教育。技術給了基礎，企業應用提供了成功案例，教育需要實現的就是“大數據改善學習的三大核心要素：反饋、個性化和概率預測”[3]。

雖然可汗學院成為教育數據利用的一個典型代表，但是很多學校仍然忽視或不知道如何處理和運用平臺上超載的數據。數字學習平臺中，學生學習活動并不能像傳統課堂下得到實時的監控，也不易顯著被人為的觀察。識別和度量E-learning的學習行為成為分析的重要目的，新媒體聯盟地平線報告自2011年后多次將學習分析作為高等教育中點的重要教育技術。

2 學習分析

從2005年研究會出現，到2009年第一個專業雜志《教育數據挖掘雜志》的出版，可以看出學習分析是一個比較新的研究領域[4]，至今沒有一個統一的定義。Siemens把其看成是智能數據，基于學習者的數據和分析模型的混合使用以發現信息和社會聯結，并給出學習上的預測和建議[5]。根據第一屆學習分析與知識國際會議，學習分析中加入了特定的使用環境以及分析過程，認為它是“為了理解和優化學習過程以及其所在的學習環境，針對關于學習者及特定情景下數據的收集、分析、評價及報告”。Elias從更廣泛的角度把學習分析描繪成一個用專業分析工具改進教學的信息領域[6]。這些定義都強調把通過將教育數據轉換成為有價值的信息輔助決策以幫助學習。因此，有研究者將學習分析與教育數據挖掘(Educational Data Mining，EDM)等同起來[7]，但是更多研究者認為二者在研究領域、數據、過程和目標等方面非常相似，但是，學習分析的范疇更加廣泛[8-10]。

對學習分析的研究文獻眾多各異，大體上可以從學習分析的基礎研究、具體技術運用和教育領域的實踐三個方面展開。北京師范大學牟智佳等人從數據庫論文為研究樣本來源，從研究者國籍、關鍵詞和研究主題三方面對文獻進行內容計量分析[11]。Alejandro則聚焦數據挖掘從學生特征模型、行為模型、績效模型、評價、工具等六個方面對2010年至2013年的文獻分年度進行了統計[12]。

學習分析的一般過程可分為數據采集、數據存儲、數據挖掘、數據展現四個過程。數據是基礎，分析的數據不僅包括學生、教師和課程等實體對象，還有一些行為動作等事件，來源多跨越在不同的服務器中，主要有集中式教學系統和分布式學習環境。對獲取的異質化數據源進行抽取、轉換、裝載等幾種方式處理，以確保數據格式的兼容性，再用相關拓撲方案來包含形成多個相互關聯的事實表，完成所有數值和總結性信息的存儲。部分數據在分析前可根據需要再進行規范化處理，再運用以監督學習、無監督學習和關聯規則挖掘為代表的數據挖掘等方法進行分類、預測和相關性分析。最后以用戶友好界面的形式可視化輸出結果。

3 基于學生的教學平臺數據

學習分析的數據主體是學生，廣義地說，數據可以來自學校的學生信息系統、數字化學習系統、個人學習空間以及其他的開放數據集。根據學生參與E-learning的情況，可以從不同角度對學生進行分類，如從參與的活躍程度分活躍者、參與者、旁觀者和潛伏者，從完成學習的態度和行為分主動學習者、被動學習者。學生類別的劃分就是基于不同的數據分析的結果。以數據平臺里的數據為例，可以將數據按照學習活動分為四類，每一類都具有各自的事件動作和量化指標，見表1。在學習平臺上的學習行為，主要包括資源學習、互動交流和測試評價三個環境，結合個人特征構成了四大類。學習行為被離散化為不同的動作事件，即學習者的行為活動；量化指標是具體一個學習情境下被觀測和捕捉的學習活動中能被度量的單位。

表1 E-learning學習活動數據一覽表

對于表中的量化數據可以再細分，如對于學習主題具體內容、測試結果子項；一些量化數據相互結合產生新的量化數據，如時長與登錄次數的結合。對難以量化的學習行為，如電子書籍的學習內容、論壇討論的內容等可根據語義分析等網頁文本挖掘技術進行分析量化。

4 教學平臺下的學習分析參考模型

由于目前現有的大多數平臺是根據自身的特點，具有一些數據的統計分析功能和部分挖掘結果，但是缺乏一個統一的框架體系。因此，根據學習分析的過程，并結合標準的數字化教學平臺可量化的指標數據，構建一個基于學生數據的學習分析參考模型(如圖1)。

無論是何種來源，LA需要整合集成來自多源的異質化的格式各異的源數據，來創建有意義的教育數據集來折射學習者的分布活動。三類數據的規范性格式用來滿足不同數據文件的兼容性操作：IEEE學習技術標準、ADL’s Experience API (xAPI)和IMS’s Caliper Analytics。經過ETL處理，按照特定主題和存儲方案存在數據倉庫中。

目前大多數學習平臺都提供基本學習信息的統計報告，如在線時長、登錄次數等，這些統計數據常常產生一些簡單的統計數據如均值、標準差等。數據挖掘方法主要有以下幾類：分類、預測、聚類和關聯規則挖掘。例如，根據多個個學生的表征推斷某個學生的可能學習行為，并形成規則用來判斷學生類別，或者通過關聯發現變量間的相關關系。社會網絡分析是一個研究個體與群體關系的量化研究工具，可用來管理、可視化和分析網絡學習關系。

圖1 數字化學習平臺學習分析參考框架圖

數據分析挖掘的結果追蹤學生的學習行為并形成報告；預測學習者未來的學習業績以采集相應的措施幫助需要額外輔助的學生；指導學生解決某個課程的學習所產生的特定內容問題；基于學習和用戶關注的數據所產生的智能反饋，以及學習分析在學習者的偏好及其他學習者類似偏好的基礎上，建立的個性化資源推送系統，明確給出學習者下一步學習的知識節點及資源，實現由知識推動學習模式向知識拉動學習模式的轉換。最后學習分析對促進教學反思有著積極的作用。學生和教師可以通過課程間、班級間及學校間的數據比較得出相關結論，并反思教學實踐的有效性。

學習分析應用的服務對象可包括學生、教師、學校、教育主管部門、研究者以及系統設計者。學生感興趣的是分析如何提高他們的成績并幫助他們搭建個人學習環境；教師更多的關注他們教學實踐的有效性，并支持他們采用教學方法以滿足學生的需要；學校和教育主管部門利用分析工具支持決策，調整相關計劃確保學習效果；研究者則從實際成效研究教育教學方法的改進；系統設計者研究學習分析應用的成效，以改進適合非適應數據專家的工具以植入到標準學習平臺工具集中。

不同用戶對結果的需求不同，而數據分析常被忽略的領域就是數據轉換為可讀格式，而不是簡單的標明監控或提供總結性的反饋。由于我們視覺感知能力，可視化表達比普通文本和數據表達更具有效性，具有一定沖擊力的圖形形式展示結果更具優勢，如智能儀表盤已成為績效管理的關鍵成分。系統平臺的分析結果界面可分為三個部分：一是集成界面，能訪問所有功能的簡單集成界面，涵蓋了數據請求、數據下載、共享分析；二是特定主題分析界面，可按照現有數據挖掘的方法以標準化格式給出儀表盤；三是個性化分析界面，由使用者提出數據請求，按照用戶自定義規則給出統計圖表。

5 結語

數字化教學環境是學習分析的一個重要應用領域，一方面它們持續產生學習活動中的數據，如閱讀材料，參加論壇，另外目前在線課程或混合課程比傳統課程有較高的關注，目前還是相對新的研究領域。本文從學習分析的過程入手，基于學生的數據，從用戶需求處理，給出了學習分析的一般參考模型。同時也探討了數據分析的三個主要方法，以及可視化輸出的主要類別。未來隨著萬聯網的出現，新的研究將不斷深入，如大數據的挖掘技術有別于傳統數據挖掘，應用領域如計算機輔助合作學習、虛擬學習以及教師學習得到進一步研究，總之，大數據與學習分析的進一步結合給高等教育提高了一個更美妙的藍圖。

[1] 維克多·邁爾-舍恩伯格,肯尼斯·庫克耶.大數據時代:生活、工作與思維的大變革.杭州:浙江人民出版社,2012.

[2] 維克多·邁爾-舍恩伯格,肯尼斯·庫克耶.與大數據同行：學習和教育的未來.上海:華東師范大學出版社,2015.

[3] Baker R S, Inventado P S. Educational Data Mining and Learning Analytics[M]// Learning Analytics，2014:61-75.

[4] Agudo-Peregrina A F, Hernandez-Garcia A, Iglesias-Pradas S. Predicting academic performance with learning analytics in virtual learning environments: A comparative study of three interaction classifications[C]// International Symposium on Computers in Education. 2012:1-6.

[5] Johnson L. The 2011 Horizon Report[C]. Austin,Texas: The New Media Consortium，2011.

[6] 牟智佳, 武法提, 喬治·西蒙斯.國外學習分析領域的研究現狀與趨勢分析[J]. 電化教育研究, 2016(4).

[7] Alejandro Pea-Ayala. Educational data mining: A survey and a data mining-based analysis of recent works[J]. Expert Systems with Applications, 2014, 41(4):1432-1462.

[8] 包奇金寶，張景龍，張智豐.高校計算機基礎教學內容和教學方法改革的探索[J].內蒙古民族大學學報(自然科學版)，2013(6)：246-247.

責任編輯：劉 琳

Research on Learning Analysis Framework Based on Digital Teaching Platform

YUAN Chunyu

(Scientific Research Department, Anhui Vocational and Technical College， Hefei 230011, China)

At present, the modes of hybrid learning and online learning in colleges are implemented by using teaching platform, in which a large amount of data is produced. And the analysis and use on data is the main purpose of learning analysis. By analyzing the concept of learning analysis, this paper discusses the data sources, data mining methods and purposes from the process of learning analysis, presents a general method for visualization of output results and gives a general reference model based on student data learning analysis under the teaching platform. Finally, it points out the future trend of learning analysis.

teaching platform；learning analysis；data

2016-02-09

安徽省教育廳教學改革研究項目(2014zdjy163)

袁春雨(1972-)，男，安徽省銅陵市人，副教授，碩士，主要從事職業教育及智能算法方面研究。

TP31

A

1009-3907(2016)10-0105-03