基于大數據的學習分析儀表盤研究

姜強　趙蔚　李勇帆　李松

摘要：大數據時代運用學習分析技術挖掘教育數據背后的知識，優化學習過程成為教育者的共同訴求。學-習分析儀表盤實現了知識生成與教育數據挖掘結果可視化，能夠支持學生自我認知、自我評價、自我激勵和社會意識及未來智慧學習環境。該文采用文獻分析法對國內外學習分析儀表盤發展現狀進行了梳理，綜述了10個學習分析儀表盤案例并分析其特性，實現通過教育數據挖掘技術和可視化技術支持學生和教師。基于Few儀表盤設計原則和Kirkpatrick四層評價模型設計學習分析儀表盤概念框架，并從個人、他人及個人與班級等視角設計了學習分析儀表盤。最后，以美國匹茲堡大學PAWS中心研發的Mastery Grids自適應學習系統為例，采用實驗研究法、問卷調查及訪談等方法對學習分析儀表盤進行主觀、客觀評價。研究結果表明盡管學習分析儀表盤對學習成績促進作用不顯著，但卻從本質上提高了學習效率和動機，增強了學生對學習的認知度和對課程學習的滿意度。

關鍵詞：學習分析儀表盤；大數據；個性化；可視化

一、引言

伴隨著移動互聯網及大數據學習分析技術的發展，教育信息化生態環境逐漸變革為能夠記錄學習過程行為信息的智慧學習環境，通過大數據挖掘和學習分析促進教與學。大數據引領技術領域發展趨勢，對大量結構化、非結構化及半結構化數據進行收集、挖掘和分析，進而做出趨勢預測，不但能獲取學習者的行為信息，還能預測學習者的行為和結果，并以容易理解的可視化方式呈現出來，為學習者提供了發現世界和制定決策的新方法。如今，學習方式發生變化，教育方法變得更加靈活，已邁向差異化及個性化教學的道路，尤其伴隨著MOOC的應用，學習者可以實現遠程學習，但學習過程的分布式和靈活性帶來了新的挑戰，教師很難觀察、控制和調整學習過程。成千上萬名學習者同時在線學習，對于教師而言，難以考慮到每一個個體能力和學習偏好，同時由于學生投入精力有限，久而久之失去學習動機，相對傳統課堂教學，便會出現高退學率現象。此外，“互聯網+”教育孕育出了“數字土著”，他們更習慣獨立思考和批判性思維，形成了個人中心行為習慣和意識，倡導學習過程中體驗發現“真、善、美”。

學習分析儀表盤（Learning Analytics Dashboard，LAD）也可以理解為“量化自我”或“監測自我”“自我追蹤”，作為大數據時代的一種新型學習支持工具應運而生，在提供差異化及個性化教學上扮演一個相當重要的角色，以學生與學習情境為對象，以教育活動和學習分析過程中產生的海量交互數據（大數據）為基礎，智慧地運用學習分析的潛在價值，實現對學習歷程中行為、習慣、情緒（如通過視頻、傳感器等采集表情、姿勢與手勢數據信息）、興趣等加以評量、收集、分析和報告，洞悉學生的表現及學習進展，及時可視化呈現詳細的學習反饋信息，以評估、預測學習活動，發現潛在問題，解決在線學習中缺少“人性交互”的問題，成為打開學習者學習過程“黑匣子”的鑰匙，為教與學提供了有效的指引和激勵，促進自我意識、自我反思、自我行為監控和學情追蹤，培養和發展學生的高階思維能力，進而優化和設計學習過程。總之，LAD實現了“大數據、學習分析、儀表盤”三者融為一體，將會是大數據教育革命中下一個演進方向，大數據是促進其發展的源動力，伴隨著基于大數據分析生成的學生成長態勢以及學生由知識消費者向知識創造者身份的轉變，LAD引起了教育研究者們關注的核心和焦點，利于掌握學生的認知規律、找出學生錯誤行為背后的原因、學生個體差異識別，將成為未來教育研究中一個新的熱點。

二、學習分析儀表盤研究進展

馬斯洛的需要層次理論強調自我價值實現是內在動機和外在動機共同作用的結果，其中內在動機更多需要考慮個體生理因素，外在動機需要環境刺激產生，LAD作為動機形成的誘因起著至關重要的作用。它持有不同角色和價值，首先，它能夠幫助教師及時準確地了解學情，尤其處于在線學習環境中，師生相對時空分離，若采用LAD匯報學習活動，可為學生提供最合適的教學模式和最有效的教學方法及個性化的學習資源與建議；其次，學生通過LAD瀏覽學習狀態和歷史，有助于提高自我認知，并修改學習計劃和行為，尤其是隨著教育數據挖掘技術發展，LAD所呈現的信息能夠產生更智能化的決策。例如，一個LAD能夠確定學習處于危險的學生，或者預測高成績者，同時向學生建議適合的反饋意見和指導策略。

國內外許多研究學者對LAD進行了相應的研究，勾勒其廣泛的應用前景。其中加拿大學者LeahP.Macfadyen等人基于LMS（Learning Managementsvstem）數據挖掘開發“早期預警系統”，通過系統中設計的儀表盤可視化數據信息可以快速識別處于“危險”的同學，從而給予及時的教學干預；加拿大卡爾頓大學Kasia Muldner基于MathSpring數學智能系統，實驗證明了內嵌入的學習儀表盤是一種元認知形式，通過可視化自我監控消減消極情緒狀態（厭倦和缺乏學習激情），促進積極情感產生，同時證明了監控學習活動進展，能夠提高學習內在動機。美國斯坦福大學的Lytics實驗室基于MOOCs平臺，采用學習分析儀表盤評估人機交互信息，幫助教師監控學生學習過程，強化個性化教學，從而改善學習效果。韓國學者Kunhee等人研究設計學習分析儀表盤，數據挖掘眼動系統產生數據（如凝視時間、點數、空間密度等），以可視化方式顯示學生在線學習活動，實時監控，可以改變學習模式，提高學習成績，支持智慧學習環境；比利時學者Erik Duval等采用教育數據挖掘和信息可視化等技術跟蹤分析移動學習環境（包括增強現實）的學習活動，以學習分析儀表盤方式呈現，促進自我學習分析、自我反思，對學習行為、習慣和想法進行再認識；法國Christine Michel等人提出在基于項目的學習環境中，設計可定制動態儀表盤實現收集、分析及可視化學習活動軌跡，利于自主學習、自我監控、自我評判，促進元認知發展。國內關于儀表盤研究主要集中在汽車研發方面，有必要將研究視角擴展到教育學領域，然而目前研究尚處于起步階段，天津大學張振虹博士以可汗學院、Duolingo多國語學習平臺等為例，闡述了學習分析儀表盤能夠跟蹤、記錄學習行為、習慣、興趣、情緒等數據信息，通過分析與可視化、個性化的顯示學習進度、學習活動報告等，為學生、教師提供多層次的學習支持，幫助學習者實現自我反思、自我認知以及意義建構。

此外，近年來，已有LAD應用相繼被開發（如表1所示），采用圖形方式展示學生當前和歷史學習信息，支持教師獲得更好的課程活動概述（意識），反應他們的教學實踐（反思），發現學習“危險”的學生（意會），改變學習行為（影響）。

在上頁表1中總結了10+LAD特性，如服務對象、目標、跟蹤數據（學習時間、社會交互、文檔和工具、產生式資源、練習和測試）及可視化技術等。其中，服務對象有三種類型：教師、教師和學生、學生，不同類型決定了不同預期目標。通常為教師提供服務的LAD能夠及時告知他們學生的學習狀態，監控學生學習發展，幫助教師有效地執行角色，在班級管理、學習助長中提供反饋、評價。例如，LOCO-Analysis關注學習成績的實時反饋信息，Desire2Learn和Students Success System通過分析學習成績、文檔和工具使用以及參與社會化學習程度高低等數據，辨別“危險”中的學生并進行跟蹤干預，提供合適幫助。SNAPP是強大的社會網絡可視化工具，在可視化論壇中討論參與者關系，能夠顯示學生在論壇中的交互信息，并以社會關系網圖顯示，確認中心點或隔離學生，從而知道哪些學生積極參與討論，哪些學生消極、不參與，便可及時調整小組成員，使其異質，對處于“危險”中的學生給予有效干預。為學生提供服務的LAD（如Course Signal）能夠采用教育數據挖掘和信息可視化方法跟蹤學習活動，呈現學生學習行為模式、狀態和交互，便于幫助學生修改學習策略，有助于阻止學生輟學，提高學習成績，促進自我意識和反思。在LAD案例中，有6個（Desire2Leam、LOCO-Analyst、GLASS、SAM、StepUp！和Course Signal）跟蹤學習時間；7個（Desire2Learn、LOCO-Analyst、Student Success System、SNAPP、StepUp！、CourseSignal和Narcissus）跟蹤社會交互，用于洞察、協作和檢測出被孤立的學習者；文檔和工具使用有9個（Desire2Learn、LOCO-Analyst、StudentSuccess System、Student Inspector、GLASS、SAM、StepUp！、Course Signal～llNarcissus）跟蹤，用于獲取學生努力指標，發現最受歡迎學習文檔；有7個（LOCO-Analyst、SNAPP、Student Inspector、GLASS、SAM、StepUp！和Course Signal）從Blog或論壇帖子等數據中捕獲產生式資源；有7個（LOCO-Analyst、Student Success System、Student Inspector、GLASS、SAM、StepUp！和Course Signal）使用練習、測試等評價形式以獲得學生成績信息。

信息可視化視圖影響用戶心理和行為，LAD利用圖表、圖形、指示器和預警機制將抽象、復雜信息轉變為具體、簡單的可見信息，在關系模式中，從大量、嘈雜、凌亂數據集中發現未知、隱含信息，有助于增強人類認知識別，提高學習績效。通常，可視化技術與LAD中的信息特征相關。例如，關于學習活動的豐富信息可以采用直方圖（柱狀圖）進行有效傳遞；每周學員登錄趨勢可以采用折線圖表示。一些LAD（如LOCO-Analyst、GLASS）采用標簽云可視化分析已掌握的學習知識點。散點圖是一種有效可視化策略，用于分析顯示個體與同伴信息比較，如Student Success System。作為SNAPP工具，呈現在線交流、學習網絡，采用社會網絡關系圖顯示包括節點（學生）和鏈接（交流、信息交換、論壇帖子回復情況等）。

總之，LAD會因為用戶不同，目標也不同，實現教師監控學生和學習自我監控，LAD對教師和學生都有用；其次，LAD展現多種信息，從簡單的原始數據，如登錄信息（時間、登錄次數等）、成績效果（如練習、測試、作業成績）、內容使用情況（下載文獻、學習資料）以及熱點內容顯示（文檔、帖子）到基于復雜算法的信息輸出，依據數據挖掘分析的層次，從描述性到規范性，跟蹤數據從正式、封閉擴展到非正式、開放的社會環境；然后，社會網絡、“危險”學生預測和信息分析在一些實例中也被嘗試，社會網絡涉及社會交互，包括討論行為、內容或信息交換，“危險”學生預測用于警示課程學習處于不及格危險的學生；最后，LAD采用可視化技術來更好地展現學習信息。

可見，已有LAD成果富有成效，然而，LAD發展還有待于進一步完善。其一，試圖說明可視化信息和用戶反應之間關系，有必要調查用戶怎樣理解可視化信息及其做出怎樣反應；其二，強化反饋信息傳遞給學生，利用大數據學習分析技術研究學生怎樣解讀和響應反饋，以及影響學習策略和動機；其三，更多LAD僅僅采用問卷調查方式從有用性、易用性、感知性等方面進行主觀評價，缺少調查自我監控學習影響、實驗分析LAD對學習成績的影響以及學習者對LAD的態度（問卷和訪談），有助于學習者行為改變或產生新理解。

三、LAD設計與分析

鑒于已有LAD案例研究和有待完善之處，研究基于Few儀表盤設計原則和Kirkpatrick（柯氏）四層評價模型設計出更有效的學習分析儀表盤，增強人類認知和知覺、視覺感知、情境感知，設計模型如下頁圖1所示。

模型具有3部分：學習、預測和干預。其中，學習過程由6個部分組成，如學習者自我調節能力、學習心理隊知、動機、社交）、指導、在線學習行為（讀、寫、點擊、下載、交互）、學習者特征（個人信息、知識、技能等）和課程類型，學習受學習者心理特征、自我調節能力和教學策略影響，能夠通過學習行為觀測，尤其通過記錄在系統中的日志信息或調查信息；預測是指通過分析日志數據和測量數據預測學生學習成績和劃分行為干預等級，或聚類學習風格；最后，基于學習風格和預測模型，依據儀表盤為教師和學生提供行為干預、指導。

有效儀表盤設計應該基于理解的所見所想。由于人的有限工作記憶，LAD上的視覺信息塊不能過多（通常4或5個），便于有效感知和記憶存儲。同時，為了快速感知，要善于利用不同顏色、形狀、動作等做標注。此外，根據格式塔（Gestalt）組織原則，LAD設計元素也應考慮鄰近原則、相似原則、封閉的原則、連續性原則等。通常，基于xAPI規范采用聚類、挖掘、社會網絡分析、可視化等大數據應用技術或方法從學習過程行為中采集各種類型的結構化、半結構化和非結構化的具有大數據特征的數據集，如表2所示。

通過數據來研究學習規律、發現規律，貫穿了人類社會發展的始終，實現個性化教育，有利于關注每一個個體的微觀表現。我們從3個角度設計與分析LAD：個人、同伴、個體與班級。

（一）個人LAD

采用圖示和文本方式展示學生個性化學習進展和取得成績報告，比如：已解決問題、策略、知識獲取等（如圖2所示），能夠支持認知或元認知行為，促進學習和自我反思。此外，LAD能夠降低個人消極情感（興趣），有助于自組織學習，避免在學習過程中迷失。

其中，學習進展顯示了評價學生問題解決成就，主要依據學習行為（尋求幫助、不正確答案、學習時間等）開展。為了可視化學習進展，使用盆栽植物進行暗喻，比如當知識點已掌握，將顯示豐盛的果實，當系統檢測出學生缺乏努力時，植物便顯得枯萎；學習績效是根據貝葉斯知識追蹤（BayesianKnowledge Tracing，BKT），基于學生的學習歷史數據來測量學生掌握知識點的程度；系統將根據學生學習整體性能和最近行為，提供個性化定制反饋，比如“最后一個問題很難，恭喜您答對了，是否就像這樣嘗試繼續練習其它問題？”。再比如當系統檢測到學習者用在閱讀學習內容上的時間過少時，便提示“你看起來沒有認真閱讀學習內容，是否知道有個‘跟著讀按鈕呢？”；行為導航為學習者提供了多個選項模式，比如復習（重新學習）、繼續學習，同時，系統根據學習者的能力及掌握程度來適應性推薦挑戰高難問題或者學習新知識點。

（二）同伴LAD

美國社會心理學家利昂·費斯廷格（Leon Festinger）在提出的社會比較理論中指出學生有必要查看同伴信息（如下頁圖3所示），通過比較他人學習信息，能夠看到差異，進步或不足，利于自我評價，自我提高自信心，自我完善。

（三）個體與班級均值比較的LAD

將個人每周的學習成績（如考試、測試和任務分數）與班級總體均值進行比較（如圖4所示），學習者能夠清晰地看到自己在整個班級學習所處位置，信息比較客觀、精確，從而定位自身存在不足，便于下一步的學習，利于自我改進，提高學習成績、學習動機及高階思維能力。

四、LAD有效性評價實證分析

（一）實驗分析：LAD對學習成績影響

筆者在美國匹茲堡大學留學期間，加入了國際著名自適應學習研究專家Peter Brusilovsky教授研究團隊PAWS（Personalized Adaptive Web Svstem）中學習，本文選用團隊研發個性化自適應學習系統——Mastery Grids，內嵌LAD，具有開放性、可視化等特點，如圖5所示。

樣本選擇2014年秋季（9月到12月，16周）“SQL語言”課程學習班成員，合計53名大學生參與實驗，其中，隨機選取27人作為實驗組，推薦使用LAD，為了防止出現數據“冷開始”現象，將在6周后打開LAD，供學生隨意訪問和使用；剩余26人為控制組，不使用LAD。期間，系統將記錄時間戳、學生名字、學習行為、學習內容（問題及成績、實例），及訪問LAD頻率、瀏覽同伴信息次數等。

表3顯示了比較班級A（學習能力弱）和班級B（學習能力強）兩個班級的實驗組與控制組的學生期末考試學習結果分數均值。盡管每個班級中的實驗組成績（班級A：均值=53.76，班級B：均值=81.02）要高于控制組成績（班級A：均值=52.01，班級B：均值=80.66），但T檢驗結果顯示統計學意義上二者沒有顯著差異（班級A：t=0.23，p>0.05，班級B：t=0.17，p>0.05）。因此，實驗研究結果表明LAD對學生的學習成績影響不顯著。此外，仍能發現LAD對班級A的影響要強于班級B，可見LAD對成績弱一些的學生作用效果更好。

（二）調查1：基于LAD的自我監控學習

自我監控屬于高層次學習策略，可以監督學習進程，促使學生反思及激發和保持良好的學習情緒狀態、動機水平和注意，有效解決“要我學”變為“我要學”問題。根據美國著名心理學家斯騰爾伯格（R.J.Sternberg）提出自我監控策略和班杜拉提出的社會認知理論，從學習活動前、中、后三個方面的計劃、準備、意識、方法、執行、反饋、補救和總結等八個維度，設計了基于LAD自控學習調查問卷，統計結果如表4所示。

問卷設計是基于學習過程的視角，其中，計劃和準備是基于LAD自我監控學習之前的具體表現，意識、方法、執行是基于LAD自我監控學習中的具體表現，而反饋、補救、總結則是基于LAD自我監控學習完成后的具體表現。從總體統計分析看，多數學生愿意采用LAD進行自我學習監控，尤其在維度8中，能夠看出學生除了關注自身學習結果外，對同伴學習情況也非常感興趣，通過比較他人學習信息，利于激發學習動力，完善自我。總之，LAD成為培養自我監控學習能力有效途徑，利于提高學習知識和解決問題的效率，實現自我監察、自我指導和自我強化。

（三）調查2：學生對LAD信息顯示效果評價

有必要評價LAD效能，尤其在教學設計領域，一個教育系統需要通過評價進行持續改進，調查關于LAD信息顯示的一致性、感知有用性、理解程度以及觀點和建議。依據麥肯錫公司巴巴拉·明托提出的MECE分析法（Mutually Exclusive CollectivelyExhaustive）確定調查問卷問題，合計25個，其中21個問題采用李克特五分量表法，4個是開放式問題。如表5所示。

27人中有20人完成了問卷，調查結果如表6所示，顯示學生對LAD的理解程度值最高（均值=4.20，標準差=0.94），其中最易理解是登錄頻次和觀看學習進程，其次是登錄時間，觀看儀表盤次數和時間具有相同均值，最低理解程度是登錄規律和在線學習活動；相對較低是有用性（均值=3.32，標準差=0.90），其中認為最有用的項是觀看知識點學習進展，其次是觀看儀表盤次數、在線學習活動、觀看儀表盤時間、登錄頻次、登錄時間和登錄規律；處于中間層次是一致性（均值=3.79，標準差=0.82），其中登錄時間（均值=3.47，標準差=0.93）在一致性方面是最低層次，有很多學生表示儀表盤中顯示的登錄時間和登錄頻次與他們認為的不一樣。

此外，在4個開放式問題中，多數學生對LAD給出了積極肯定的觀點。

問題1：關于學習分析儀表盤的反饋信息影響自我反思。自主學習的自我反思階段，包括認知判斷、情感反應、行為選擇、任務和情境評價。當反思LAD中的反饋信息時，其中一個學生描述了認知評價和行為選擇，“我不能很好閱讀和記憶儀表盤上面的信息，如果有教師直接告訴我，效果或許將會更好”。但是，多數學生表示能夠看懂LAD中的反饋數據，表示LAD中的反饋數據比較客觀，能精確地反映出學習努力程度和學習成績。

問題2：關于學習分析儀表盤影響學習動機。大多數學習者表示觀看學習分析儀表盤上的反饋信息，利于提高學習動機。共同心聲是“我將明確更加努力”“它將使我想做更多”，或者有助于認識進步，比如“它將提高動機，能使我看到我在哪里，取得成績在班級中所處于位置，我知道應該怎樣走下一步”。當然，出現個別優秀學生f成績位于班級平均成績之上1表示學習分析儀表盤不能影響他們的學習動機。

問題3：關于學習分析儀表盤影響學習績效和參與度。通過學習分析儀表盤，能夠清晰的看到自己已達到的知識水平及在班級中所處的位置，比如一個學生所講，“我注意到我的成績位于班級均值之下，我需要努力趕上”，另一名學生也表示“跟班級均值相比較很有用”。然而，對于個別學生來說，與同伴學習數據進行比較，可能會阻礙學習進步，比如當看到自己的成績比班級均值稍微高點的時候，會感到非常滿意，從而放棄了向獲得最高成績目標而努力。

問題4：關于學習分析儀表盤可視化評價信息。多數學生表示喜歡可視化方式呈現反饋信息。其中某個學生就明確表示喜歡圖表形式看到所有評價、在線學習活動信息，同時指出“如果僅僅采用數字標注方式顯示與班級均值比較信息，我將不能很清晰地看出區別”。

五、LAD的潛在價值與挑戰

LAD所呈現的學習行為信息，能夠隨時了解學生行為表現，給予所有學生關注，尤其是班級中容易被忽視的學生，實現了一種基于數據證據的教學思維和“以學生為中心”的教學方式；LAD能夠促進不同個體特征的學生參與，以量化的方式與學生進行對話，進而實施學習行為上的改進；幫助教師監控學習行為而非學業成績，聚焦更為全面的健康成長；LAD能夠提升學生注意力，促進學習自主成長。誠然，LAD還具有重要的潛在價值，同時也面臨著巨大的挑戰。

（一）潛在價值：元學習能力培養

“學習學習”中的前一個“學習”即為元學習，既包括對學生自身的監控與評價，又包括對學習策略的創設與判定，還包括對學習心理的調整與優化，實現對學習過程的調節、控制、監督和自我反省。LAD實現個體學習行為和結果信息的可視化呈現，恰好可以滿足元學習需求，強化對自己學習狀態的認知，已學了哪些知識，掌握熟練程度如何，還有哪些有待進一步學習以及采用最恰當的學習策略是什么等，能夠監視現在、計劃未來并有效調節學習過程，利于學習者對自我反省或自我意識，增強內在學習動機和自我價值觀、知識價值觀，推動元學習的能力培養與發展，進而提高學習效率，改善學習質量，完成個性的發展與人格的完善。

（二）挑戰：信任與道德危機

心理學中信任關注個人品質，被處理為個體信仰和期待，而社會學中的信任被看做是相互關系。在人機交互系統中，一個關鍵問題是用戶對系統行為、決策或推薦具有充分信任，信任級別由用戶決定，進而決定是否采納系統的建議。對于LAD而言，信任可從數據呈現復雜性（采用概念圖、樹狀圖等方式顯示）、控制性（可編輯，修改屬性，調整知識掌握等級）和開放性（同伴、教師均能看到）等方面考慮。

首先，LAD數據信息的呈現扮演著重要角色，由于不同學習者對信息呈現模式偏好不同，LAD有必要提供自定義樣式顯示功能，滿足學生偏好風格。同時，要考慮到多數學生習慣于接受簡單反饋信息，所以，LAD數據呈現不能太過復雜，否則會因為難以理解而對LAD失去信任；其次，若出現LAD呈現信息與自己所想的有分歧時，可能會因為過度自信而降低對LAD的信任，此時要求LAD具有一定控制權，允許學習者自我控制，鼓勵學習獨立性，能夠編輯或修改LAD某些屬性值，前提是需要回答一些額外跟主題相關的問題，試圖說服系統做出更改。當然，這種做法也存在潛在風險，例如，學習者在自我評價中可能出現低估或高估自身知識能力，向LAD提供不正確的信息，導致LAD的有效性將會受到干擾，進而也會影響到后續連鎖反應，產生學習不適應性問題，而弱化對LAD的信任；最后，開放、分享LAD，并能看到同伴LAD信息，進行比較，清晰看到自己在班級學習成績中所處的位置，數據比較客觀，能夠使學習者產生信任。

LAD做出了學習預測、推薦和個性化干預，有效增加個人教育歷史數據的透明性，同時也將會帶來一系列的社會倫理道德問題（包括隱私、人文關懷等），必須注意規避相應的政策和法律規定。比如個別學生會因一些學習行為信息暴露對教師或同伴而感到不滿，為了解決倫理道德問題，學習者應有權控制LAD，實現哪些數據信息可以分享，哪些不可以。國務院常務會議通過了《關于促進大數據發展的行動綱要》，強調數據開放、數據共享，同時也強調了保護隱私的問題，此綱要將會極大地推動LAD持續化發展。此外，德國著名的腦科學家、精神科醫師、哈佛大學客座教授曼弗雷德·施皮茨爾在其著作《數字癡呆化》中，提出數字化社會將會扼殺我們的腦力，如何避免孩子的發育受到“互聯網+”時代大數據信息的影響，也將是一個極大的研究挑戰。

六、結論

在大數據時代背景下，學習分析儀表盤更加關注個人的學習發展，與倡導的“個性化學習”“因材施教”等理念不謀而合，符合教育的本真形態，將具有廣闊而深遠的在線教育應用前景。本文基于Few儀表盤設計原則和Kirkpatrick四層評價模型設計了LAD模型，并從個人、同伴、個體與班級等3個角度進行設計與分析LAD。然后，通過采用實驗分析、問卷調查等研究方法評價分析LAD。研究結果表明，LAD盡管對學習成績影響不顯著，但對成績較弱的學生的學習較有效；LAD利于自我監控學習，發展自我；最后，通過對LAD的一致性、感知有用性、理解程度等方面調查，顯示學生均對LAD給予高度肯定。此外，通過學生對4個開放式問題的回答，也表明了LAD能影響自我反思、學習動機、學習績效和參與度及知識可視化作用。總之，大數據學習分析儀表盤實現學習行為數據可以被自己、他人（如教師、同伴）觀看，嵌入了元認知和自我監管支持，能夠使學習者認識到學習行為（學習時間、效率計劃、學習計劃、學習求助、提示）、認知力（目標、自我認知、學習策略）、學習動機（對困難的感知、學習興趣、學習受益）及學習內容，利于提高自我約束能力，最終養成學習中的“元認知”意識。下一步將重點深度分析關于LAD的信任與社會倫理道德問題，或許將會是一個更大的挑戰，但不會因為一時的困難就無視未來的美好發展。