面向智慧課堂的數(shù)據(jù)挖掘與學習分析框架及應(yīng)用

孫曙輝 劉邦奇 李鑫

摘要：國內(nèi)外對教育大數(shù)據(jù)的研究正從概念、理念層面走向建模分析與應(yīng)用層面，而應(yīng)用層面的研究也從教育質(zhì)量監(jiān)測統(tǒng)計、教育決策等宏觀層面向?qū)W校教學、學生學習等微觀層面深入發(fā)展。該文在教育數(shù)據(jù)挖掘與學習分析內(nèi)涵討論的基礎(chǔ)上，結(jié)合智慧教學實際提出了智慧課堂的數(shù)據(jù)模型和體系架構(gòu)，闡述了“四建模三分析”的教育大數(shù)據(jù)研究方法論，構(gòu)建了智慧課堂數(shù)據(jù)挖掘分析的“整體棋盤”及13個具體研究問題，并提出了智慧課堂數(shù)據(jù)挖掘分析的四類應(yīng)用模式，最后基于真實數(shù)據(jù)探討了學生主觀行為對成績的影響分析應(yīng)用案例。

關(guān)鍵詞：智慧課堂;教育大數(shù)據(jù);數(shù)據(jù)挖掘;學習分析;師生互動指數(shù)

中圖分類號：G434 文獻標識碼：A

一、引言

教育大數(shù)據(jù)是教育過程中產(chǎn)生的或依據(jù)教育需求采集到的一切可用于教育發(fā)展的數(shù)據(jù)集合。目前進行教育大數(shù)據(jù)分析應(yīng)用正在向教與學聚焦，主要包括教育數(shù)據(jù)挖掘和學習分析兩個方向。教育數(shù)據(jù)挖掘（Educational Data Mining，EDM）是綜合運用統(tǒng)計學、機器學習算法和數(shù)據(jù)挖掘技術(shù)，對教育大數(shù)據(jù)進行處理和分析，通過建模發(fā)現(xiàn)學生學習結(jié)果與學習內(nèi)容、學習資源和教學行為等變量的相互關(guān)系，進而預測學生未來的學習趨勢。而學習分析（Learning Analysis，LA）則是利用松散耦合的數(shù)據(jù)收集工具與分析技術(shù)，研究分析學生學習參與、學習表現(xiàn)、學習過程的相關(guān)數(shù)據(jù)，運用不同的分析方法和數(shù)據(jù)模型來解釋這些數(shù)據(jù)，根據(jù)解釋結(jié)果探究過程與情境，為其提供相應(yīng)的反饋進而促進有效學習。相較而言，教育數(shù)據(jù)挖掘主要側(cè)重于找出規(guī)律，即解決“為什么、是什么”的問題;而學習分析則側(cè)重于應(yīng)用發(fā)現(xiàn)的規(guī)律，即落實“如何用”的場景。教育數(shù)據(jù)挖掘是針對學生進行行為建模與學習趨勢預測;而學習分析是利用分析得到的結(jié)果指導學習，直接將反饋作用于判別與決策。在實際的教育大數(shù)據(jù)分析中，我們往往更多的采用歸納性方法來挖掘教育共性規(guī)律，采用異常發(fā)現(xiàn)來對待個性化需求，并使用演繹性方法來為發(fā)現(xiàn)的共性與個性規(guī)律尋找適用的應(yīng)用場景，從而促使有效學習的達成。可見，教育數(shù)據(jù)挖掘與學習分析為我們應(yīng)用教育教學領(lǐng)域的大數(shù)據(jù)規(guī)律、開展課堂的教與學應(yīng)用，提供了完整的思路和方法。

總體上來說，國內(nèi)外對教育大數(shù)據(jù)的研究正從概念、理念層面走向建模分析與應(yīng)用層面，而應(yīng)用層面的研究也從教育質(zhì)量監(jiān)測統(tǒng)計、教育決策等宏觀層面向?qū)W校教學、學生學習等微觀層面深入發(fā)展。利用教育數(shù)據(jù)挖掘分析為受教育者量身定制教育目標、計劃、方案、資源，有助于實現(xiàn)“因材施教”，為個性化教學指明方向。近幾年國內(nèi)一些學者結(jié)合教學過程的應(yīng)用開展教育大數(shù)據(jù)相關(guān)研究，如從“微課”“慕課”“翻轉(zhuǎn)課堂”等典型應(yīng)用人手探討大數(shù)據(jù)對教育模式轉(zhuǎn)變、教學方式變革的影響等理論研究，針對學習行為數(shù)據(jù)利用數(shù)據(jù)挖掘算法和學習分析技術(shù)圍繞學生進行建模與預測，進行課堂教學的大數(shù)據(jù)應(yīng)用研究。基于課堂教學行為數(shù)據(jù)并運用領(lǐng)域知識模型構(gòu)建技術(shù)，研究課堂師生互動、生生互動的實時聯(lián)系，有助于揭示深層次教學規(guī)律，為改進教學和提升教學質(zhì)量提供依據(jù)。本文從微觀層面上對目前的熱點“智慧課堂”進行大數(shù)據(jù)挖掘分析專題研究，提出面向智慧課堂的數(shù)據(jù)挖掘和學習分析框架與應(yīng)用模型。

二、智慧課堂模式概述

（一）智慧課堂的定義

智慧課堂是基于新一代信息技術(shù)打造的智能、高效的課堂，是信息化課堂發(fā)展的新形態(tài)。目前對教育信息化的研究不斷向課堂、向教與學聚焦，智慧課堂成為實施智慧教育的核心載體，也是當前學校信息化教學改革和企業(yè)教育信息化研發(fā)推廣所關(guān)注的焦點。無論是學術(shù)界對智慧課堂概念的理解還是實踐中智慧課堂的具體構(gòu)建都沒有唯一的模式，比如基于物聯(lián)網(wǎng)技術(shù)的“智能課堂”，基于電子書包應(yīng)用的“智慧課堂”系統(tǒng)，基于云計算和網(wǎng)絡(luò)技術(shù)應(yīng)用的“智慧課堂”，等等。

關(guān)于智慧課堂的定義總體上有從教育的視角和從信息化的視角兩種類型，本研究是從信息化的角度進行探討。我們曾從信息化的視角系統(tǒng)梳理了當前各種智慧課堂概念或模型，在此基礎(chǔ)上對“智慧課堂”提出了一個明確的定義：即以建構(gòu)主義學習理論為依據(jù)，利用大數(shù)據(jù)、云計算、物聯(lián)網(wǎng)和移動互聯(lián)網(wǎng)等新一代信息技術(shù)打造的，實現(xiàn)課前、課中、課后全過程應(yīng)用的智能、高效的課堂。基于信息化視角的智慧課堂概念具有鮮明的技術(shù)特征：（1）教學決策數(shù)據(jù)化，即基于智慧課堂教學過程的海量行為數(shù)據(jù)進行決策分析，在課堂教學中實現(xiàn)了基于數(shù)據(jù)的教育;（2）學習評價即時化，智慧課堂采取伴隨式數(shù)據(jù)采集與評價，貫穿于課前、課中、課后全過程，進行即時的學習診斷、評價與反饋;（3）交流互動立體化，基于“云網(wǎng)端”平臺，實現(xiàn)師生之間、生生之間、教師學生與家長之間，全時空無障礙地立體化溝通、交流;（4）資源推送智能化，依據(jù)學生學習行為數(shù)據(jù)記錄和分析，智能化地推送微課、作業(yè)等學習資源，滿足學生個性化、多樣化學習需求;（5）教學呈現(xiàn)可視化，利用學科思維導圖、模型圖、虛擬現(xiàn)實、增強現(xiàn)實等可視化技術(shù)，把本來不可見的“思維”、難以展現(xiàn)的復雜實驗過程形象化地呈現(xiàn)出來。

（二）用于研究的智慧課堂平臺

科學研究需要真實、具體的數(shù)據(jù)為基礎(chǔ)。基于研究的需要，我們選取了在當前中小學使用較普遍的科大訊飛知名產(chǎn)品“智慧課堂”（以下除非特別說明，智慧課堂均指科大訊飛的智慧課堂產(chǎn)品，簡稱“智課”）作為研究的支撐平臺。該產(chǎn)品以建構(gòu)主義理論為依據(jù)，結(jié)合諸如“翻轉(zhuǎn)課堂”“互動課堂”“混合式學習”等先進教學理念，建立“云網(wǎng)端”課堂信息化平臺（簡稱“智課平臺”），幫助師生課前輕松備課、預習，課上移動教學，課后個性學習、輔導。該產(chǎn)品已形成了理論定義、系統(tǒng)組成、教學模式、應(yīng)用案例的完整體系。

智課平臺是由“云”“網(wǎng)”“端”構(gòu)成的一體化課堂信息化平臺。其中云平臺主要包含資源管理與服務(wù)系統(tǒng)、作業(yè)與動態(tài)評價系統(tǒng)和微課制作與應(yīng)用系統(tǒng)等核心應(yīng)用系統(tǒng);微云服務(wù)器主要實現(xiàn)教室內(nèi)構(gòu)建以教室為單元的局域網(wǎng)信息化環(huán)境，提供本地網(wǎng)絡(luò)、存儲和計算服務(wù);端應(yīng)用工具即移動智能終端，是實現(xiàn)智慧課堂教學應(yīng)用的基本工具。智慧課堂移動端工具基本配備包括教師端、學生端，根據(jù)需要也可配備家長端、管理端。教師端工具提供教師課堂教學的基本手段，主要包括PPT制作與投屏、微課制作與發(fā)布、互動交流和學習測評等功能，可以進行電子白板式的任意書寫、記錄與保存，實現(xiàn)任務(wù)布置、作業(yè)批改、答疑解惑、個別輔導等師生互動。學生端工具包括微課學習、課堂互動交流、作業(yè)與動態(tài)評價等主要功能，可以進行微課的學習、參與課堂師生、生生互動、完成個性化作業(yè)、查看學習成績等。

三、智慧課堂用戶模型及行為數(shù)據(jù)

（一）智慧課堂“三角用戶模型”

對智慧課堂數(shù)據(jù)挖掘分析，首先要建立智慧課堂的數(shù)據(jù)模型。從信息系統(tǒng)的視角來分析，智慧課堂教學實際上就是教師、學生借助于信息媒介進行信息交換、傳遞、接受、互動的信息過程。在智慧課堂教學中，教師與學生是教學信息過程的兩個主要參與者，是產(chǎn)生信息、處理和使用信息的主體，是課堂信息系統(tǒng)的活力源泉。通過對智慧課堂信息數(shù)據(jù)的梳理以及對智慧課堂產(chǎn)品原型的還原，我們可以抽象得到（如圖1所示）智慧課堂的“三角用戶模型”，用以對智慧課堂用戶交互關(guān)系進行系統(tǒng)描述。

具體來說，智慧課堂信息系統(tǒng)模型構(gòu)成包含兩個主要參與者與—個信息對象。兩個主要參與者分別是教師與學生，一個信息對象指的是由師生產(chǎn)生的uGC微課視頻資源、各種網(wǎng)絡(luò)互動信息、文本信息等，我們統(tǒng)稱為泛在信息。在“三角用戶模型”中，總共有五大類行為，分別是教師生成、讀取泛在信息（A），學生生成、讀取泛在信息（B），教師與學生間的互動（C、D），學生與學生間的互動（E）。其中教師與學生的互動C是指由教師主動發(fā)起的互動，D是指由學生主動發(fā)起的互動。這五大類行為分別對應(yīng)的具體行為列表及數(shù)據(jù)中體現(xiàn)的發(fā)生頻率如表1所示。

（二）智慧課堂互動數(shù)據(jù)分析

師生互動是智慧課堂的核心標志。由表1可知，師生互動數(shù)據(jù)是智慧課堂中發(fā)生頻率較高的教學行為數(shù)據(jù)。教師與學生的互動主要圍繞作業(yè)、微課視頻、分享圈帖子以及私信三類載體展開。從信息的流向來看，可以分為一對一或一對多，而從信息的私密性來看，可以分為公開信息與私密信息。師生互動數(shù)據(jù)的具體內(nèi)涵及潛在價值分析如下：

作業(yè)：作業(yè)傳遞是智課平臺的基本功能，是由教師發(fā)布、學生提交為形態(tài)的一對多的公開信息。作業(yè)的頻次與難度部分反映了教師的教學風格，而學生完成作業(yè)的及時性、正確率則是學生學習態(tài)度與學業(yè)能力的體現(xiàn)。

微課視頻：是由個人（老師或?qū)W生）錄制并供智慧課堂用戶課前或課后觀看的一種信息載體形式，它是智慧課堂教學內(nèi)容建設(shè)的核心。微課視頻在智慧課堂中是由老師、學生共同參與的一對多（一個微課視頻只有一個作者、上傳者）的公開信息。通過微課發(fā)布的頻次、包含的知識點可以了解教師上課的進度與狀態(tài)，借助學生對微課視頻的瀏覽、觀看、回復、點贊、收藏以及其中一些付費視頻的購買行為，可以進一步衡量教師的影響力與學生對課程、教師的滿意程度。學生學習微課的先后順序則可以用來構(gòu)建學生學習的知識圖譜，并進一步用以比較不同學生之間的學習差異。

帖子與私信：是同一種網(wǎng)絡(luò)文本信息的兩種不同形態(tài)，帖子是一對多的公開信息，而私信則是一對一的私密信息。教師與學生，學生與學生間通過帖子、私信相互交流、互動，反映了師生、生生間的聯(lián)系強弱。基于此類數(shù)據(jù)，可以構(gòu)建校園的社交網(wǎng)絡(luò)地圖，進一步分析網(wǎng)絡(luò)中影響力用戶以及基于文本進行校園輿情洞察。

四、智慧課堂建模與挖掘分析體系框架

（一）“四建模三分析”框架

為了系統(tǒng)性地對智慧課堂中的教學行為數(shù)據(jù)進行數(shù)據(jù)挖掘與學習分析，我們參考2012年美國教育部發(fā)布的《通過教育數(shù)據(jù)挖掘與學習分析促進教與學》（ETL-EDM LA）的報告，結(jié)合學術(shù)界部分專家觀點，針對性地提出“四建模三分析”的智慧課堂大數(shù)據(jù)研究方法論。

具體來說，“四建模三分析”主要是基于教育數(shù)據(jù)挖掘與學習分析技術(shù)在教學領(lǐng)域的應(yīng)用提出的。建模與分析分別是圍繞著學習者的內(nèi)部特征與外部影響兩方面展開的。在研究學習者內(nèi)在行為、經(jīng)歷的基礎(chǔ)上針對學習者進行畫像，并在此基礎(chǔ)上輔以知識領(lǐng)域的建模，全面刻畫學習者內(nèi)在學習特征。而在其外部，通過對學習組件以及環(huán)境進行分析，從而得出針對未來的趨勢預判分析。“四建模三分析”的基本含義及著力解決的問題如下：

1.行為建模：通過對學生主動發(fā)生的學習行為進行學生建模，著重了解學生主觀學習行為與學習結(jié)果關(guān)系、學生學習行為模式共性與差異、師生與生生互動聯(lián)絡(luò)拓撲。

2.經(jīng)歷建模：通過學生與教師的互動情況，著重對學生的學習感受進行建模，用以了解學生學習的主觀評價以及對授課教師的側(cè)面評價佐證。

3.畫像建模：通過對包含互動對象、學習行為、學業(yè)結(jié)果數(shù)據(jù)在內(nèi)的全方位的數(shù)據(jù)進行建模，對學生進行聚類分組，充分刻畫學生的用戶畫像，以及發(fā)掘聯(lián)絡(luò)人網(wǎng)絡(luò)中的有影響力節(jié)點。

4.領(lǐng)域建模：通過學生學習路徑及其關(guān)聯(lián)的知識點數(shù)據(jù)，自動對知識圖譜進行建模，構(gòu)建學科領(lǐng)域的知識圖譜。

5.組件分析：通過對學習過程中的各種客觀行為（組件）進行分析，獲得其與學生學業(yè)結(jié)果的聯(lián)系。

6.策略分析：通過對教學者教學風格等教學策略進行抽象與歸納分析，獲得其對學生學業(yè)結(jié)果的影響。

7.趨勢分析：借助學業(yè)結(jié)果影響因素的主觀、客觀、策略等因素的分析，對學業(yè)進行趨勢預測;與此同時，借助網(wǎng)絡(luò)文本數(shù)據(jù)分析對校園輿情進行管窺。

（二）“四建模三分析”的范圍界定

上述七種建模與分析角度是目前教育大數(shù)據(jù)挖掘分析所公認、且成果較為密集的研究領(lǐng)域，并不涵蓋課堂教育大數(shù)據(jù)分析的所有方向。通過“四建模三分析”方法，可以對智慧課堂的研究目標具象化，有助于在研究過程中的聚焦。本研究對智慧課堂數(shù)據(jù)建模分析研究范圍界定如下：

1.對于研究目標不清晰的領(lǐng)域不予涉及。在學生行為建模中，業(yè)界提出對學習行為范式進行研究，這依賴于教育學、行為學等交叉學科的理論，有待于與這些領(lǐng)域?qū)＜业纳钊胙芯亢秃献鳎诖嘶A(chǔ)上進一步使用大數(shù)據(jù)作佐證，為共同深入該方向研究提供空間，因此本研究暫不涉及。

2.對于對象數(shù)據(jù)為傳統(tǒng)問卷采集方式的研究未涉及。學生經(jīng)歷的建模在傳統(tǒng)的教學數(shù)據(jù)采集手段中使用問卷形式進行，雖然這也是一種有效度、信度的測量方式，但由于在訊飛智慧課堂產(chǎn)品中未有問卷數(shù)據(jù)的體現(xiàn)，而且我們認為教育大數(shù)據(jù)分析能夠常態(tài)化應(yīng)用的前提是數(shù)據(jù)采集的常態(tài)化，因此對問卷數(shù)據(jù)采集方式在研究中不予包括。

3.對于個性化學習與自適應(yīng)學習分析另有研究。個性化學習與自適應(yīng)學習毋庸置疑是最為前瞻、最具特色、最有價值的課堂教學數(shù)據(jù)挖掘分析研究方向。鑒于其研究重要性、方法的特殊性、以及內(nèi)容豐富及相對獨立等方面的考量，對個性化學習挖掘分析和自適應(yīng)學習研究將作為單獨領(lǐng)域另行開展研究。

（三）智慧課堂數(shù)據(jù)挖掘主要算法

“四建模三分析”的落地離不開數(shù)據(jù)挖掘算法與統(tǒng)計分析技術(shù)的應(yīng)用。基于以上建模和分析的需要，根據(jù)我們的研究，智慧課堂數(shù)據(jù)挖掘使用的常用算法與技術(shù)主要包括多元回歸分析、分類聚類算法、關(guān)聯(lián)規(guī)則挖掘、文本分析挖掘、圖構(gòu)建與挖掘等方面。主要算法與技術(shù)如表2所示。

五、智慧課堂數(shù)據(jù)挖掘分析實施方法

（一）構(gòu)建智慧課堂數(shù)據(jù)挖掘分析“整體棋盤”

基于“四建模三分析”總體框架以及五大類數(shù)據(jù)挖掘技術(shù)的概述，結(jié)合智慧課堂用戶模型和數(shù)據(jù)體系，我們采用棋盤法將研究問題進行具象與細化，形成智慧課堂數(shù)據(jù)挖掘分析的“整體棋盤”。棋盤的首行列出七大研究方向，首列給出五大數(shù)據(jù)挖掘技術(shù)，在棋盤矩陣中縱橫交錯的每一個棋盤格子處則是使用某種數(shù)據(jù)挖掘方法對該類研究方向的具體細化。智慧課堂數(shù)據(jù)挖掘分析的整體棋盤如表3所示。

（二）設(shè)計研究問題及研究方法

利用教育數(shù)據(jù)挖掘和分析技術(shù)對每一項棋盤格中的研究問題進行建模分析，關(guān)鍵是要對具體的研究問題進行定義，設(shè)計基于行為數(shù)據(jù)的研究對象、方法和策略。根據(jù)“整體棋盤”框架，對13個具體研究問題定義如下。

（1）學生主觀行為對學業(yè)的影響研究：學生在學習過程中的主動參與狀態(tài)是影響學生學業(yè)結(jié)果的首要因素。通過對學生主觀行為進行梳理并研究其對學業(yè)結(jié)果影響，有助于找出學業(yè)成績的學生個體主觀行為中的主要成分;（2）客觀行為因素對學業(yè)的影響研究：學生在學習過程中有不受自身控制的客觀行為會影響其學業(yè)成績。研究外界客觀行為對學業(yè)的影響，有助于刪繁就簡地找出影響學業(yè)中的外界有利因素并加以因勢利導;（3）師生互動指數(shù)分析：學生學習受教師與同伴的共同影響，研究教師教學策略以及學習伙伴因素對學業(yè)的影響，可以進一步印證教育中的有關(guān)成熟理論;（4）學生學業(yè)成績預測：基于上述研究中的主、客觀行為以及策略等因素對學業(yè)影響關(guān)系，利用一定時間段內(nèi)用戶綜合行為數(shù)據(jù)對學業(yè)成績進行預測，可預判學習走勢，提前干預學習行為;（5）學生智慧課堂忠誠度分析：通過對學生在智慧課堂沉淀數(shù)據(jù)進行分析，獲得用戶對該信息化產(chǎn)品的粘性程度指數(shù);（6）學生學習成績分檔模型研究：通過對學生的分學科學業(yè)成績進行聚類分析，得出學生成績的分檔結(jié)果，與傳統(tǒng)的統(tǒng)計學分位點分檔模型進行相互印證，了解學生偏科狀況;（7）學生群體的行為序列差異研究：不同學生的學習行為不同，其結(jié)果會反映在學業(yè)結(jié)果上。通過不同群體間行為序列差異的研究，在學生中推廣學業(yè)優(yōu)秀學生的學習行為序列，促進有效學習;（8）教師教學路徑可視化：通過可視化技術(shù)直觀顯示教師教學行為路徑，便于教育管理者進行教學研討與比較反思;（9）泛在信息中的知識點提取：從半結(jié)構(gòu)化與非結(jié)構(gòu)化的信息中利用文本分析方法自動提取知識點，用于后續(xù)知識圖譜構(gòu)建;（10）校園情感分析、預警：利用情感分析技術(shù)分析校園內(nèi)學生發(fā)布非結(jié)構(gòu)化文本信息中的正負情感傾向，對個別有負面情緒學生進行預警預報，管窺校園輿情;（11）班、校社交網(wǎng)絡(luò)的構(gòu)建：利用師生、生生互動的數(shù)據(jù)構(gòu)建班級與校園維度的社交網(wǎng)絡(luò)，用于校園社交網(wǎng)絡(luò)挖掘;（12）班、校社交網(wǎng)絡(luò)影響力人物挖掘：從班級、校園社交網(wǎng)絡(luò)中發(fā)現(xiàn)有影響力的學生，在教學中可利用其影響力，進行教學策略擴散的最大化;（13）自動構(gòu)建領(lǐng)域知識圖譜：學生知識習得的程序遵從一定的順序，通過行為來自動還原知識圖譜網(wǎng)絡(luò)，并與人工構(gòu)建知識圖譜進行比照、驗證。

六、智慧課堂數(shù)據(jù)挖掘分析應(yīng)用模式

通過對5大項13個小項研究問題的具體細化，一幅針對智慧課堂數(shù)據(jù)進行應(yīng)用研究的全圖清晰地呈現(xiàn)在面前。在實踐應(yīng)用中，需要結(jié)合具體的專業(yè)領(lǐng)域應(yīng)用需求和應(yīng)用場景，將研究內(nèi)容有機地組織起來，形成具體的應(yīng)用模式。根據(jù)智慧課堂全過程、全方位的數(shù)據(jù)體系及應(yīng)用需求，這里從課堂互動、學習行為、學習結(jié)果、校園社交等重點領(lǐng)域的分析應(yīng)用入手，構(gòu)建智慧課堂數(shù)據(jù)挖掘分析應(yīng)用的四種基本模式。

（一）課堂互動分析應(yīng)用模式

課堂互動是智慧課堂的核心特征。學生與教師互動、與資源互動、與平臺互動等多向互動，很大程度上體現(xiàn)了學生投人學習的程度，反映了學生主動學習、積極學習的情況。基于學生和教師在智課平臺的行為數(shù)據(jù)建立學生與教師互動、與平臺互動的指標體系，同時依據(jù)因子分析法計算出互動指標體系的權(quán)重，進而建立教師與學生的互動指數(shù)、學生對智課平臺的粘性程度指數(shù)，為設(shè)計和改進課堂教學互動提供依據(jù)。

（二）學習行為分析應(yīng)用模式

學習行為數(shù)據(jù)是反映智慧課堂教學過程的最重要數(shù)據(jù)。通過從學生主觀行為、客觀行為、教學策略與學習環(huán)境等方面進行可能因素的梳理，利用統(tǒng)計學中相關(guān)性分析、顯著性檢驗、因子分析等手段，探尋出影響學業(yè)成績的主要指標。在此基礎(chǔ)上通過對學生不同群體的學習行為序列利用關(guān)聯(lián)規(guī)則挖掘技術(shù)與可視化展現(xiàn)方式進行差異研究，進一步尋找學生個體的學習行為差異，為探究學生學習過程影響因素提供重要手段。

（三）學習結(jié)果分析應(yīng)用模式

學習結(jié)果數(shù)據(jù)是智慧課堂教學成效的基本體現(xiàn)。通過連續(xù)多次考試排名建立對學生成績上升/下降、學習成績分檔模型。對學生考試成績偏科情況探索，從整體角度分析偏科人數(shù)以及偏優(yōu)和偏弱學科，從個人角度分析學生偏科行為。通過對學生歷史考試成績排名數(shù)據(jù)以及近期在作業(yè)平臺上的行為數(shù)據(jù)進行未來成績趨勢預測。通過學生在智課平臺的學習行為來自動還原知識圖譜網(wǎng)絡(luò)，并與人工構(gòu)建知識圖譜進行對比分析，描述學生的知識結(jié)構(gòu)情況。

（四）校園社交分析應(yīng)用模式

學生校園社交數(shù)據(jù)是反映學生全面成長、進行校園輿情管窺的重要依據(jù)。利用學生與教師、學生與學生互動的數(shù)據(jù)，分別構(gòu)建校園維度和班級維度的社交網(wǎng)絡(luò)。基于建立的班級、校園社交網(wǎng)絡(luò)從中發(fā)現(xiàn)有影響力的教師和學生，在教學過程中，可利用其影響力，進行有效教學干預的最大化。從校園輿情角度來看，通過學習者在智課平臺上私信、帖子等所涉及的文本內(nèi)容，利用自然語言中基于情感詞典的文本情感分析法，掌握學習者的情感傾向狀態(tài)，以便于進行校園輿情的管窺。智能引領(lǐng)與智慧教育

七、應(yīng)用實例：以學生主觀行為對成績的影響分析為例

（一）研究數(shù)據(jù)來源分析

本研究所使用的數(shù)據(jù)來源于智慧課堂產(chǎn)品在安徽省某重點中學2014級學生群體中使用的真實數(shù)據(jù)，涉及35個教學班學生共計1973名，教師98人。由于該年級使用智慧課堂產(chǎn)品兩年有余，積累了大量的過程行為數(shù)據(jù)與學業(yè)結(jié)果數(shù)據(jù)，為下面的數(shù)據(jù)分析提供了大數(shù)據(jù)的支撐。出于隱私安全考慮，在數(shù)據(jù)分析時，采用學生匿名編碼的形式以保護學生隱私。

在數(shù)據(jù)采集周期內(nèi)，共選取了4次全學科考試。這四次考試分別發(fā)生在2016年1月20日、4月28日、5月30日和6月12日。經(jīng)統(tǒng)計，四次考試全部參加的理科學生為133 1人，文科學生為496人。本研究分別對理科和文科學生進行了分析，由于篇幅限制，本文中只例舉理科學生的主觀行為對成績的影響分析。

（二）行為分析基本框架

分析學生主觀行為對成績的影響主要分為數(shù)據(jù)收集與處理、模型建立和結(jié)果分析三大部分，分析框架如圖2所示。在數(shù)據(jù)收集與處理的過程中，本文選取學生行為指標數(shù)據(jù)和學生歷史成績數(shù)據(jù)，在收集數(shù)據(jù)之后需要對數(shù)據(jù)進行預處理。基于以上數(shù)據(jù)，本文使用相關(guān)性分析、多元回歸分析和因子分析三種方法建立模型分析行為指標對成績的影響。其中相關(guān)性分析和多元回歸分析結(jié)合了學生的行為指標和歷史成績數(shù)據(jù)來分析指標之間的相關(guān)性并量化行為指標對學生成績的影響;使用因子分析對多個行為指標進行降維處理，提取出影響學習成績的因子。在建立模型之后，綜合分析不同方法得出的結(jié)果，最終得出對學生成績有顯著影響的因素。

（三）分析過程與結(jié)果

1.指標的篩選

初始提取出理科學生主觀行為對成績影響因素指標20個，包括根回復微課次數(shù)、非根回復微課次數(shù)、遞交作業(yè)數(shù)、錯題總數(shù)、評級微課次數(shù)、評級非微課次數(shù)、微課觀看個數(shù)、微課觀看次數(shù)、微課收藏次數(shù)、通知回復數(shù)、微課點贊次數(shù)、非微課點贊次數(shù)、社區(qū)發(fā)帖數(shù)、回復貼數(shù)、帖子中交互人數(shù)、訪問別人次數(shù)、訪問別人人數(shù)、與學生互批作業(yè)數(shù)、作業(yè)修訂數(shù)、發(fā)給老師私信數(shù)。根據(jù)實際統(tǒng)計數(shù)據(jù)對這些指標進預處理，剔除統(tǒng)計量較小的數(shù)據(jù)，最終得到12個指標，用于下面的建模分析。

2.相關(guān)性分析

使用學生在2016年6月考試成績作為成績變量與各個行為指標進行相關(guān)性分析，從各個指標與成績之間的相關(guān)系數(shù)。從相關(guān)性分析可以看出：對于理科學生來說，遞交作業(yè)數(shù)、發(fā)給老師的私信數(shù)以及通知回復數(shù)這三個指標與成績之間的相關(guān)性較高。

3.因子分析

利用因子分析法對多個行為指標進行降維處理，即用少量的綜合指標來替代多個可觀測變量，便于把握主要影響因素。主要包括以下步驟：

首先，要判斷數(shù)據(jù)是否適合做因子分析，采用對數(shù)據(jù)進行KMO值和Bartlett球形度檢驗。基于實際數(shù)據(jù)計算，理科學生的KM0統(tǒng)計量的值分別為0.697，根據(jù)評判標準可知，KMO統(tǒng)計量的值大于0.6，適合做因子分析;Bartlett球形度檢驗的卡方的P值小于0.01的顯著性水平，同樣顯示適合做因子分析。

其次，選取基于主成分分析的提取方式對原始變量進行因子提取。運用社會學統(tǒng)計軟件SPSS進行因子分析。通過對原始變量采取主成分分析，依據(jù)Kaiser標準（特征根大于1）來提取因子，可以得出特征根大于1的因子有4個。在此基礎(chǔ)上使用正交旋轉(zhuǎn)的方式計算4個因子的方差貢獻率如下頁表4所示。

從下頁表4可以看出，這4個主因子的方差貢獻率分別為：23.297%，16.873%，14.859%，8.974%。累計方差貢獻率為64.003%，通過這4個主因子可以反映原有12個初始變量的64.003%信息量，因而可作為原有12個變量的主因子。其中因子1的解釋率為23.297%，顯著高于其他因子，是學生主觀行為對成績影響的首要因子。

第三，利用因子載荷陣進行旋轉(zhuǎn)，對4個因子所反映的變量信息進行解釋。由于初始提取的公共因子的涵義并不是很清晰，需要對初始的因子載荷陣進行旋轉(zhuǎn)，這樣可以使因子載荷矩陣結(jié)構(gòu)更加簡化，以方便對每個因子進行解釋。按照方差最大正交旋轉(zhuǎn)對初始因子載荷矩陣進行旋轉(zhuǎn)，旋轉(zhuǎn)之后因子載荷矩陣如表5所示。

從表5可以看出，每個主因子都包含著各自的主要變量（表中每個因子灰度顯示的變量），根據(jù)各自變量的含義，對4個主因子進行維度說明。因子1主要反映了學生作業(yè)的遞交、修改和錯題情況，以及對老師通知的回復和私信的發(fā)送，故將因子1命名為“自主學習因子”。同理，將因子2命名為“微課觀看因子”;因子3命名為“微課交流因子”;因子4命名為“非微課點贊因子”。

從因子分析的結(jié)果來看，影響理科生成績主要的主觀因子是自主學習因子、微課觀看因子、微課交流因子、非微課點贊因子;其中權(quán)重最大的自主學習因子主要包含遞交作業(yè)數(shù)，通知回復數(shù)，發(fā)給老師私信數(shù)，與學生互批作業(yè)數(shù)，錯題總數(shù)等;自主學習因子與理科生成績有著直接關(guān)系。

4.多元回歸分析

為了擬合成績與主觀行為指標之間的具體關(guān)系并確定對成績的顯著性影響指標，這里使用理科學生2016年6月考試成績作為因變量，并以提取的主觀行為指標作為自變量進行多元回歸分析。為防止變量間存在共線性現(xiàn)象，應(yīng)利用方差膨脹因子VIF進行判斷。按照統(tǒng)計經(jīng)驗：當O

通過首輪計算可以看出，微課觀看個數(shù)和微課觀看次數(shù)之間存在較強的多重共線性。刪除微課觀看個數(shù)，再進行多元回歸分析輸出結(jié)果如表6所示。

從輸出的VIF值可以看出，刪除微課觀看個數(shù)之后，指標之間不存在多重共線性。

（四）結(jié)論

對于理科來說，從回歸分析的輸出結(jié)果可以看出，在0.05的顯著性水平下，根回復微課次數(shù)、遞交作業(yè)數(shù)、與學生互批作業(yè)數(shù)這3個變量對成績的影響是顯著的。根回復微課次數(shù)、與學生互批作業(yè)數(shù)的系數(shù)分別為-3.375、-3.658，對成績產(chǎn)生負的影響;遞交作業(yè)數(shù)的系數(shù)為0.326，對成績產(chǎn)生正的影響。影響理科學生成績的主要指標是根回復微課次數(shù)、遞交作業(yè)數(shù)、與學生互批作業(yè)數(shù)。

收稿日期：2017年11月11日

責任編輯：宋靈青