學習分析應用于網絡學習的案例評析

許其鑫

摘要：該文介紹了學習分析技術的定義和相關的發展歷程，緊接著闡述了學習分析技術的發展軌跡，對學習分析技術在網絡學習環境中的兩個案例進行評析，總結其在網絡學習應用中所面臨的挑戰和局限。

關鍵詞：學習分析;網絡學習;案例評析

中圖分類號：G642? ? ? ?文獻標識碼：A

文章編號：1009-3044（2019）23-0153-03

開放科學（資源服務）標識碼（OSID）：

1 學習分析技術的概述

隨著大數據技術（如：教育數據額挖掘）在教育領域的不斷深入，出現了學習分析技術這一研究領域，以數據驅動的教育教學變革推動著學習分析技術的發展，該技術一經提出就受到國內外教育研究者們的密切關注，并將該技術致力于實踐和應用中不斷探索，最近幾年，“學習分析（Learning Analytics）”的國際會議在世界各地多次被舉辦，人們互相交流學習分析技術如何整合到教育教學中去，以及該領域國內外研究現狀和發展中遇到的問題與相應的對策。發展歷程如下：

2011年至2012年的NMC“地平線報告”指出：預測學習分析技術在以后的四至五年內將占領大部分市場。早在2011年的時候，學習分析技術憑借不同的數據挖掘工具以及可視化的數據分析技術來研究學習者的日常學習行為和他們的學習效率，并把這一結果應用于教學評價、個性化教學與課程修訂中去，取得了顯著成效。例如美國高校信息化協會（EDUCAUSE）在該領域取得了不錯的成績，機構認為學習分析技術需憑借數據和模型來監測學習者的學習進度進一步預測他們的投入狀態，并找到潛在問題，給予干預。

除此之外，在學習分析與知識國際學術會議上的交流中，學習分析技術被研究者們定義成憑借“挖掘相關學習者還有他們學習環境的數據，實現理解和優化學習和產生的環境的技術。”近年來，學習分析技術已經成為近期用于高等教育領域的重要技術。2016年NMC地平線報告對此高度評價。第一屆學習與知識分析國際會議上，知名專家Siemens談到，學習分析旨在憑借數據挖掘技術監測與提取學習者的學習行為、進一步預測學習者的學習狀況，得出結果可分為優良中差各種等級，用于評價學習者的學習行為與學習狀態、接下來還會干預學習者學習過程，提高學習效率。

通過對文獻的梳理，發現學習分析技術在國內的研究尚處在初步發展階段，主要是引進學習分析的概念，介紹學習分析的理念，引用和分析國外研究者的結果，對學習分析結果的具體應用，例如可視化反饋卻很少涉及。

2 網絡化教學概念的界定

網絡學習是學習者抱著明確的學習目的通過在線的方式，對特殊的網絡資源進行自我調節，學習的過程以自我監控為主的學習方式。眾所周知，網絡教學能將教育公平極大地推廣，伴隨著指數級增長的新開發網絡課程以及對其課程資源質量的不斷提升，越來越多的學習者和教育者被吸引到網絡教學當中去。這不僅實現學習資源的共享，還分離學習時間和空間、實現了學習過程的多項互動，網絡教學最有競爭力的一點在于徹底打破傳統課堂上的單向學習模式。因此，互聯網環境下的網絡化教育教學很大程度上會成為未來教學的一種主流教學方式，滿足大多數人的教學需求。

3 學習分析技術的歷史變遷

雖然學習分析技術是新興的教育領域中的大數據技術，但是它的技術來源，像數據挖掘技術、數據倉庫研究方法、內容分析、話語分析和社會網絡分析等方法相當成熟，常在在線運營管理旗下分支的商業智能和網站分析使用[2]，并和教育相關的大數據技術（例如教育數據挖掘和學術分析）以其特有的優勢逐漸受到教育研究者們的重視，發展的過程軌跡等詳細信息如下表1所示。

4 應用案例的概述及評析

數據的采集、數據的加工、數據的可視化、給予評價和實施干預[16]是組成學習分析的五大要素。近年來國外的學習分析領域中，理論研究和實踐應用方面都有豐碩成果并不斷進步。同時，大量成功的應用實踐案例應運而生，例如：如何保證學習者數據高效全面地收集、如何建立用于分析學習者的學習行為模式、如何設計可視化反饋與開發學習分析系統及其工具，如何對學習者的學習進行干預和預測，并保證一定成效…… 本人按照課題組的實際需求，選擇兩個最具代表性的案例，從中汲取經驗并得出結論。

1）美國普渡大學研發“課程信號燈”系統旨在提高學生聽課效率，該系統可以檢測學習者的學習狀態，通過跟蹤學習者的學習行為軌跡，在學習者將要存在掛科風險或者不能達到課程學習目標之前給出預警提示信號，反饋給學習者在某方面存在困難，需要調整相應的學習方式和方法，對癥下藥，從而達到校方預期效果。“課程信號燈”系統的優點如下：（1）學習者能獲取實時的個性化反饋信息;（2）早期就開始干預，從課程開始的第二周就開始實施，從一開始監測學習者的資源學習進度和學習效率;（3）提供有關的反饋信息，幫助學習者實現學習目標。

在對整個案例進行深入細致的分析，發現在本案例中憑借對大數據技術挖掘和分析學習者在網絡學習平臺上所產生的學習行為和學習過程數據的分析，且把各類型的數據歸類整理，為接下來的數據具體分析方法做好充分的準備。在方法上主要采用學習行為分析法，通過對學習者在網絡學習平臺上產生的學習行為來判斷學習者接下來的學業表現，以便幫助學習者實現學業成功，降低掛科率和輟學率，提高學生學習的畢業率和就業率。

2）美國馬里蘭大學研發Blackboard課程管理系統，借助分析工具從系統中獲取大量與學習者相關的原始學習數據，然后根據整理和分析數據后得出針對教學者和學習者分別呈現出的個性化分析報告。可以從兩個層面呈現學習者當前的學習狀態分析報告：從橫向層面看，報告展現了每個學習者在班級中的學習排名位置，若是某個學習者學習排名倒數或者呈下降趨勢，系統會自動向該同學預警，比如發送一個詳細的班級排名表到這位同學的賬戶中，標注該生與其他學習者的差距，同時提醒學習者要怎么加強學習，應該從哪些方面下手，由系統自動產生干預，可設置要推送學習資源;從縱向層面來看，學習者可以瀏覽自己的學習情況報表，對于學習進展緩慢或學習遇到困難的學習者，系統識別出這類用戶后會自動為他們推送相關的學習通知或改進方案。

該案例運用了社會網絡分析法來研究Blackboard學習平臺上全部學習者與教學者在所有過程中建立的聯系、各種學習者所扮演的角色，還有整個網絡形成的具體過程與該網絡的特點。除此之外，通過本課題還能了解到學習者在平臺上如何建立并維持關系，進一步為自己的學習提供幫助獲得支持。該平臺憑借內容分析法，能夠明確的顯示出學習者的關注點和其已經學習的知識點。與此同時，還能夠挖掘學習者的興趣和偏好是什么。這種和學習者有關的信息反饋不單對學習者的學習效率的提高有利，并且對教師的教學反思也非常有利[12]。

3）案例評析

對上述案例使用的學習分析技術、案例理論依據和效果評析如表2所示。

4）小結

由兩個經典案例的研究可知，學習分析技術能夠有效運用于網絡化教學環境中，但是我們要知道，數據分析出來的是結果是冷冰冰的，應該與有效的教學理論及教學評價理論相結合才能夠更好地去發現與探索教學規律，對二者的深度融合要有一個宏觀的考慮，無論是從實際需求出發，還是從實現技術出發，學習分析最終目的就是為了教學效果的提高和網絡學習質量的提升。所以在接下來的進一步研究中，研究者們要緊緊圍繞這一總體目標來預警預測學習者的學習情況，最大限度地精準呈現學習者的學習狀態，實現對優秀學習者正向引導，助力困難學習者反向干預，要將數據分析的結果更好地呈現出來。

通常在網絡學習過程中使用學習分析技術的對象分為兩類人：學習者和助學者，其中助學者包括教學者和教育管理者。站在學習者的視角，憑借可視化反饋呈現的個性化學習報告，對自己的學習過程和學習狀態有明確的定位，進一步利用反饋的信息對自己的學習計劃做出相應的調整，更加有針對性的學習。站在教學者與教育管理者的視角，則應及時得到學習者在網絡教學平臺中的學習表現反饋結果，掌握學習者個體或群體的學習情況，對各類學習者因材施教、對癥下藥，對存在掛科風險和輟學風險的學習者及早干預，但如何利用學習分析的結果解釋教學規律、教學現象，挖掘學習風格，設計有效可視化反饋和選取合適的干預策略是教育研究者們今后不斷需要探索和研究的方向。

5 結束語

由大量理論研究與實踐可知，在網絡學習中應用學習分析技術能夠幫助學習者了解自己的學習狀態、并提出相應的反饋意見與提高學習效率的方案。本課題經對選取研究的兩個案例分析研究之后可知：首先，依托于學習分析技術的網絡化教學能夠讓教學者對自己學生的學習過程有較傳統教學更為細致全面的了解，進而有針對性的調整自己的教學計劃，對學生分級教學，及時發現學生的困難并予以幫助。然后，能夠讓學生明白自己當前的學習狀態，及時做出調整。除此之外，在學習分析技術支持下，網絡化教學環境中的學習效率有利飛速提升，及時有效的可視化反饋幫助教師和學生更好的評估學習效果，使得總結性評價走向形成性評價，從而證明了學習分析技術針對性應用于網絡化教學是可行有效的。

相比較于國外而言，中國在學習分析技術領域的研究實踐起步較晚，由于實踐上的研究成果比較匱乏，這導致了研究成果的豐富性和覆蓋面不足。而且要保證學習分析的有效性需要保證對學習者行為實施實時的干預，實現這一效果的前提是在教學過程中能及時收集到相關的數據，進一步才能進行實時分析，然后才能將準確率較高的分析結果及時反饋給學生。并且隨時監測學習者的學習狀態是否有所改變，及時干預。其中對于原始數據的采集、分析數據的方法、反饋的建議如何生成都還值得繼續深入的研究，要改善國內研究現狀的不足最重要的是如何對此進行有效評析。實現這一點需要收集大量被證實的實證研究，確保這些實踐研究結論能順利推廣和易于移植。

最后，怎樣保證大數據中包含的學習者隱私信息不被泄露、怎樣及時的處理大量數據確保系統能實時反饋、怎樣把學習分析結果合理的個性化呈現仍存在不少挑戰。對于教學者，他們不僅需要掌握豐富的分析方法熟練運用對應的工具，還得持續投入大量的時間和精力來分析討論并予以實踐，這對教學者個人是個不小的挑戰。因此需要教學者合理地進行時間的分配，并把其教學觀念的思想與干預或反饋系統開發無縫的銜接，這存在一定難度，這將也是接下來這類課題需要不斷努力耕耘的領域，相信在無數研究者的潛心研究下，基于網絡學習的學習分析技術能夠更加成熟。

參考文獻：

[1] 邱曉輝.網絡學習者信息加工學習行為的分析及研究[D].華中師范大學，2008.

[2] 李青，王濤.學習分析技術研究與應用現狀述評[J].中國電化教育，2012（8）：129-133.

[3] Siemens，G.1st International Conference on Learning Analytics and Knowledge 2011[EB/OL].http：//tekri.athabaccau.ca/analytics/about.

[4] 2011Horizon Report[EB/OL].http：//wp.nmc.org/horizon2011/.

[5] 2012Horizon Report[EB/OL].http：//www.educause.edu/library/resources/2012-horizon-report.

[6] Simon Buckingham Shum. Learning Analytics： Dream， Nightmare or Fairydust？[EB/OL].

[7] 殷丙山.學習分析技術將成未來關注重點——2012年和2013年《新媒體聯盟地平線報告（高等教育版）》比較解讀[J].中國教育網絡，2013（10）：35-36.

[8] 王運武，唐麗，王洪梅.新興技術推動高等教育形成創新文化-《2016地平線報告（高等教育版）》解讀與啟示[J].中國醫學教育技術， 2016， 30（3）：235-241.

[9] 顧小清，張進良，蔡慧英.學習分析：正在浮現中的數據技術[J].遠程教育雜志，2012， 30（1）：18-25.

[10 ]葛道凱，張少剛，魏順平.教育數據挖掘[M].教育科學出版社，2012.

[11] 李逢慶，錢萬正.學習分析：大學教學信息化研究與實踐的新領域[J].現代教育技術，2012，22（7）：5-10.

[12] 曹帥， 王以寧， 徐鵬. 學習分析技術的研究現狀與未來趨勢——基于2011-2015年LAK會議論文的分析[J]. 中國電化教育， 2016（5）：78-84.

[13] 袁明，陳偉杰.網絡教育學習者在線學習行為分析研究[J].浙江現代教育技術，2006（4）.

[14] 彭文輝，楊宗凱，黃克斌.網絡學習行為分析及其模型研究[J].中國電化教育，2006（10）：31-35.

[15] 包昊罡，李艷燕.大數據背景下學習分析的特點[J].北京廣播電視大學學報， 2015（1）：9-13.

[16] 王良周，于衛紅.大數據視角下的學習分析綜述[J].中國遠程教育， 2015（3）：31-37.

[17] 吳青，羅儒國.學習分析：從源起到實踐與研究[J].開放教育研究， 2015（1）：71-79.

[18] 尹斌亮.學習分析技術在網絡化學習中應用的效果研究[D].南昌大學， 2016.

【通聯編輯：代影】