基于PSLC平臺的學習者學習行為分析及研究

李夢琦 劉靜涵

摘 要：在線環境下的學習者學習行為研究對解決教學資源開發及利用、探索學習效果的影響因素等問題具有重大的理論價值與現實意義。本研究在學習者學習行為分析中采用PSLC（Pittsburgh Science of Learning Center，譯為匹茲堡科學學習中心）平臺對在線環境下影響學習結果的學習行為進行分析，便于資源管理者及任課教師掌握學習者的學習情況，為以后調整教學資源、改善教學效果提供實踐基礎。

關鍵詞：在線學習;學習行為分析;PSLC

中圖分類號：G434 文獻標識碼：A 文章編號：1671-2064（2020）02-0255-02

0引言

隨著“教育”+“互聯網”模式的愈發成熟，學堂在線、中國大學慕課等在線教育平臺受到了學習者的關注與喜愛，隨著注冊用戶數量與課程數量的逐漸增加，對在線環境下學習者的學習行為進行分析具有重大的理論價值與現實意義。從理論價值來講，在線學習不同于傳統的課堂學習，在線環境下，學習者的學習過程更加自主化、個性化，對在線環境下進行的學習者進行行為分析，有助于完善教與學分離所產生的問題，解決個性化學習開展等問題;從現實意義講，對在線環境下學習者的學習行為進行分析便于對學習者的各種特征進行規律性總結，從而得出對學習行為產生影響的因素，有助于教師進行針對性的教學改進、在線課程的合理設計和教學資源的有效利用。為此，本研究從在線學習者學習行為的研究出發，歸納現有的學習行為內涵，并對其與學習結果的關系進行總結。提出學習者作答持續的時間對學習結果存在負向影響的假設，使用基于PSLC平臺下的在線學習行為分析模型進行實驗驗證，證明影響學習行為的因素的可靠性，并提出相應的教學資源調整的策略。

1概念界定

1.1學習行為界定

學習行為指的是學習者在學習過程中所產生的一系列與學習有關的行為，一般可分為可被觀測的學習行為和不可被觀測的學習行為。其中可被觀測的學習行為包括學習者在作答時的情況（作答時間、是否使用提示等）、作答所用的時間等學習過程結束顯現的行為等在學習過程中可被觀測的行為，如學習的內容、知識點、題目類型等。不可被觀測的學習行為即在作答過程中不可被觀測到的行為或狀態，包括學習者對知識的掌握情況、學習態度是否積極、學習動機等。

對于學習者學習行為的分析，多數研究者對于學習行為的研究集中在可被觀測的學習行為的研究上，許紅彩[1]通過對學習過程中產生的行為數據進行分析，探討了影響學習結果的因素并提出了改善建議。在對不可觀測的學習行為進行分析時，研究者通過結合計算機工具，對學習者的知識掌握情況進行估測，進一步完善教學平臺開發和學習者個性化推薦系統的開發。例如，王卓和張銘[2]將貝葉斯知識跟蹤模型應用到慕課學習（Coursera）中，通過對學習者的知識掌握情況進行估測，發現針對知識點劃分不夠精確的問題。在本文中，筆者主要對可被觀測的學習行為進行研究，采用計算機工具即PSLC平臺分析工具進行分析對學習結果會造成影響的因素。

1.2在線學習行為

關于在線學習行為這個概念目前在學術界還沒有統一的認定，與之相似的概念還有“網絡學習行為”、“遠程教育學習行為”等。繆佳佳[3]認為在線學習力的體現形式即在具體網絡學習情景中展現的有意識的主動學習行為，學習者在某種動機牽引下，為了得到某種學習結果而與線上網絡環境進行雙向交互活動，則產生了在線學習行為。蔣艷翔[4]認為在線學習行為由動機而產生，為了教學活動的實施及開展而產生的學習活動，是一種新型的學習模式，學習者可根據自身的實際需求自行選擇課程，使學習過程更加自主化。

2 PSLC平臺在教育領域應用現狀

隨著互聯網教育平臺學習者數量的不斷增長，應用計算機自動化方法對學習者的數據進行分析變得越來越實用。在國外有許多的學習平臺將學習數據進行收集并進行存儲， PSLC[5]就是這樣一個包含相關的可視化和分析工具的存儲庫。

文獻[6]通過PSLC平臺對現有學生模型中潛在缺陷進行分析，發現了學生模型應該區分不需要執行問題分解計劃的問題步驟與需要執行問題分解計劃的問題步驟，并應用在輔導系統的修改上，解決了學生模型對講師的問題選擇的問題。

通過PSLC平臺將在線學習者產生的學習行為進行記錄、存儲和分析，與傳統的問卷調查相比，數據更加真實可信，具有說服力，分析得到的結論更適用于大多數學習者，具有客觀性。

3基于PSLC的在線學習行為分析實驗

3.1研究對象與數據采集

為了對影響學習結果的學習因素進行分析，筆者使用了PSLC平臺下的一個公開數據集，名為“Geometry Area（1996-97）”，此數據集在對學習者進行建模及學習分析領域專業性強且認可度高。這些數據是由學習者在認知輔導平臺下學習幾何知識的過程產生的，數據包括59名學生完成的5104個問題步驟，問題具體為解答三角形等幾何圖形面積，其中學生均為小學三年級學生。

采集的數據包括兩部分：第一部分是學生登錄系統的身份信息、課程學習期間的相關題目信息及作答時間;第二部分是學生作答所產生的正確與錯誤的結果反饋信息，通過0或1來標注學習者的正確或錯誤的作答反饋。通過采集的數據進行驗證筆者提出的假設。

3.2實驗假設與變量設定

為了研究對于學習結果存在影響的學習行為及具體影響結果，本文假定學習者作答持續的時間對學習結果存在負向影響，即學習者對于相同題目的作答時間越長會導致作答結果的錯誤率越高。

為了驗證提出的假設，在實驗中使用PSLC平臺下的加法因子模型（AFM）分析工具，一種用于建模學習和性能的統計算法，它通過對“錯誤率”學習曲線數據進行邏輯回歸建模。相對于傳統的因子分解機模型（FM），加法因子模型（AFM）通過引入基于池化的注意力機制（attention-based pooling），將其學習出來的參數值用于判斷不同特征之間交互的重要性。在本次試驗中以學習者的學習結果（0或1）為因變量，以每個學生的自變量項、每個知識組件和知識組件的交互機會為因變量。在具體的實驗設計中，分別使用平均錯誤率、使用提示的數量、解題所用時間作為因變量，對Geometry Area（1996-97）數據集進行規范化操作并導入到PSLC平臺下，在PSLC平臺下使用加法因子模型（AFM）分析工具，研究這些因變量與學習結果即做題錯誤率之間是否存在影響。

3.3實驗結果與數據分析

在本次實驗中，設置因變量為解題所用時間，問題的排列順序根據學習者對于相應問題的解答時間從上至下依次遞增。不同學習者對“加法運算”同一問題的回答錯誤率運行結果如圖1所示。

在圖1中橫坐標代表學習者作答的錯誤率，從0%到100%從左至右進行遞增，縱坐標表示不同的學習者，圖中平滑的條狀表示的是不同學習者對于問題的作答錯誤率，根據圖1可以發現學習者對于相同題目的作答時間越長，其結果的錯誤率越高，可知學習者作答持續的時間對學習結果存在負向影響。

為了更深層次的探討學習者作答持續時間對學習結果的影響，在模型中引入試題難度系數，學習者對于相同題目的作答時間越長，結果的錯誤率越高，對于不同難度的題目，影響關系不變，時間長短對影響結果的程度存在相應的變化。

通過對實驗結果進行分析，可以得到以下結論：學習者作答持續的時間對學習結果存在負向影響，且在不同難度題目下此結論仍然成立。

3.4教學資源的調整策略

在線環境下，對于不同難度的數學試題，如何保證學習者的作答錯誤率保持在一個相對穩定且可接受的浮動范圍內，以作答時間為因素進行思考，對于指定難度的題目當學習者超過了一定的作答時間，很有可能說明學習者對于該知識點并沒有準確掌握，平臺即可根據遇到此類型問題的學習者補充相關知識點的講解或檢查知識點視頻講解是否清晰，平臺管理者可以有效整合教學資源，完善教學平臺;而對于難度值較高的題目，限制學習者作答時間不可太短，避免學習者對于問題的題干并沒有了解清楚即作答，導致錯誤率增高并影響學習的效果。通過對學習者作答時間數據進行分析，將分析的結果應用到教學平臺的資源整合與教學管理中，動態地調整資源配置、實現在線環境下的教學成果合理化與優化。

4結語

隨著互聯網科技的迅猛發展，基于在線環境下的教學輔助平臺應用變得越來越廣泛，從小學到高等教育不同階段的學習者可以利用這一方便的工具進行線上學習。對在線學習者進行學習行為分析，針對分析結果，發現學習者存在的影響學習結果的因素并進行干預，優化學習效果，利用在線環境下用戶數量大、數據結構化好的優勢，對學習行為進行分析與研究，豐富教學資源、合理配置資源、完善教學平臺，力求更優化的教學效果。

參考文獻

[1] 徐紅彩.在校大學生網絡學習行為的調查與研究[J].電化教育研究，2005（06）：61-63+73.

[2] 王卓，張銘.基于貝葉斯知識跟蹤模型的慕課學生評價[J].中國科技論文，2015，10（02）：241-246.

[3] 繆佳佳，鄒柳聰.行為數據分析視角下Moodle平臺在線學習力研究[J].軟件導刊，2019，18（12）：256-258+262.

[4] 蔣燕翔.基于大數據環境的在線學習者行為特點分析與研究[J].中國新通信，2019，21（11）：121-122.

[5] Stamper J， Koedinger K， Baker R S J D， et al. PSLC DataShop： A Data Analysis Service for the Learning Science Community[C]//International Conference on Intelligent Tutoring Systems.2010.

[6] Corbi A ， Burgos D .Implementation of the recommendation model LIME in cognitive and visual interactive tutors from PSLC[J].IEEE Latin America Transactions，2015，13（02）：516-522.