數字化學習環境下學生在線學習行為分析模型研究

韓昊

(武漢軟件工程職業學院,湖北武漢 430033)

0 引言

隨著網絡技術和多媒體技術的飛速發展,在“互聯網+教育”的理念影響下,數字化學習環境下在線學習已經成為人們主要的學習方式。在線學習使學習者可以根據自己的實際情況選擇學習的時間、地點和內容,打破了傳統學習模式在時空和教學內容上的限制,通過提供大量的學習資源、學習方法以及學習工具,擴展了學習的邊界并提高了學習效果[1]。然而,在線學習為學習者帶來便捷的同時,也出現了學習者在線學習過程中容易發生注意力失焦、學習效果無法保證等新問題,帶來了不少新的挑戰。深入分析在線學習行為特征,挖掘學生在線學習行為數據,發現影響學習效果的關鍵因素,建立學生在線學習行為模型,有利于對學生進行學習干預,保證學習效果。

1 數字化學習環境與在線學習行為概述

1.1 數字化學習環境概述

數字化學習環境本質上是一種信息化學習環境,是以建構主義學習理論為指導,以網絡技術、計算機技術和多媒體技術為支撐的新型學習環境。數字化學習環境和學習方式改變了傳統的課堂面授,以老師教學為主的模式,突出學生在學習過程中的中心地位,強調學習交互性與協作性,激勵學生主動構建新知識。這種新的學習模式極大的滿足了學習者個性化、碎片化的學習需求,為提高學習效果發揮了重要作用。

1.2 數字化學習環境中在線學習行為概述

數字化學習環境中在線學習行為通常是指學習者根據自身的知識結構、學習需求等實際情況自主選擇學習的時間、地點、內容和方式,利用網絡開展在線學習的過程中產生的行為表現。這種以建構主義學習理論為指導,以學習者為中心的學習模式克服了傳統教學中單一的學習行為模式,實現向多元化學習行為轉移[2]。數字化的學習手段和學習資源,多感官的學習體驗,全新的學習互動方式,滿足了不同年齡、職業、知識背景的學習者個性化的學習需求,也使得數字化學習環境中在線學習行為概念內涵更加豐富。

2 在線學習行為分析模型構建

2.1 問題的提出

目前,以建構主義學習理論為指導,以學習者為中心,在數字化學習環境中進行的在線學習已經成為了重要的學習手段,海量的數字化學習資源、豐富的資源表現形式使學習者能根據自己實際狀況自主選擇學習的內容、方式和進度,充分滿足了學習者個性化學習需求。然而,新的教學模式也帶來了新的挑戰,學生在線學習行為的不確定性,在線學習缺乏監控和評價手段,使得老師難以進行學習干預,不同學生的學習效果差別很大。深入分析在線學習行為特征,挖掘學生在線學習行為和學習效果(成績)之間的關聯關系,找出關鍵因素,建立在線學習行為分析模型,使老師能根據學生學習行為進行干預,提高學生的學習效果是教學中急需解決的問題。

2.2 在線學習行為影響因素分析

數字化學習環境下學生在線學習效果的影響因素較多,需要以績效(即學生的學習成績)為導向,從學生基本信息、交互行為信息等多維度進行詳細分析,形成學習者特征模型,為教學政策的調整,教學內容的設計,實現個性化的教與學提供幫助指導。同時為進一步挖掘在線學習行為數據,找出關鍵因素打下基礎。

2.2.1 學習者基礎信息

學習者基礎信息包含個人基本信息和學業基本信息。學習者個人基本信息包括學號,姓名,年齡等基礎信息;學業基本信息包括所屬專業、以往完成課程等。在數字化學習環境下,利用學習者的學業信息有利于實現學習過程中的個性化內容和學習路徑推薦,如圖1所示[3]。

2.2.2 在線操作軌跡信息

學習路徑是指學習者在線學習過程中根據自己的知識結構、學習需求,自主選擇學習的內容,順序所形成的學習行為序列。學習路徑能直觀地反映學習者真實的學習過程,對優化學習、提供學習幫助、調整教學策略等具有重要意義[4]。

2.2.3 學習資源利用信息

數字化學習環境下在線學習的本質就是利用數字化學習資源進行在線學習,學習者對于線上數字化學習資源的下載次數、瀏覽次數、閱讀時長等信息反映了學習者對課程學習的需求特征,具有一定的統計學意義。

2.2.4 在線交互行為信息

數字化學習環境中學習者的學習過程不是由自己獨自一人完成的,需要師生間有效的在線交流溝通,學習者之間的相互幫助。目前,在線學習的交流互動大多采用了論壇的形式,學習者發回帖、發起話題、評論等行為能一定程度上反映學習者的學習狀態。另外,師生和生生之間通過論壇等在線環境有效交流能提高學習者學習效果,更好發揮論壇再導學促學助學方面的作用。

圖1 學習者基本信息

圖2 數據采集與預處理過程

2.3 構建數字化學習環境下在線學習行為分析模型

根據上節的分析,數字化學習環境下學習者在線學習行為涉及眾多影響因素,本文采用K-means和分類關聯規則方法,挖掘影響學習效果(即成績)的關鍵因素,構建數字化環境下在線學習行為分析模型。

2.3.1 數據采集

本研究所用數據來自于某市廣播電視大學國開學習網在線教學平臺,該平臺提供了學生學習空間,其中的課程資源包含課程導學資料、教學輔導資料、章節知識要點、在線作業等,同時平臺還記錄了學生在線學習的行為統計,如瀏覽資源數、在線時長、發回帖數等行為數據。

2.3.2 數據預處理

國開學習網在線學習平臺的行為數據通常是不完整的,這些數據存在噪聲和離群點,數據遺漏、不一致或重復,數據有偏差的情況。為盡量保證數據的準確性、完整性和一致性,提高數據的可行性和可解釋性,需要對數據進行清理、集成、規約和變換等預處理。

本文以國開學習網2016年春季到2020年春季的學生課程行為數據為基礎,對學習成績、課程行為天數、行為總數、瀏覽數、瀏覽活動數、瀏覽資源數、發帖數、回帖數等數據進行清理,包括補齊缺失值,平滑噪聲等,然后與教務系統中的學生成績集成,最后對數值等連續型數據進行離散化處理,如圖2所示。

離散化處理主要是運用K-means算法聚類,對最后形成的每個簇進行編碼。

2.3.3 分類關聯規則挖掘

運用分類關聯規則算法(CAR-Apriori)對采集到的數據進行挖掘,發現行為數據和成績之間的關聯關系,找出影響學習效果的關鍵因素。設置最小支持度m i n s u p 為1 0 % , 最小置信度minconf70%,CAR-Apriori挖掘算法如下:

2.3.4 構建數字化學習環境下學生在線學習行為分析模型

本文根據在線學習行為數據的分析與挖掘結果,結合上面對學生學習特征的分析,建立了數字化學習環境下學生在線學習行為分析模型,如圖3所示。

圖3 數字化學習環境下學生在線學習分析模型

3 總結

本文在分析數字化學習環境下學生在線學習行為特征的基礎上,提出了運用數據挖掘方法找出影響學習效果,即學習成績的關鍵因素,構建出“數字化學習環境下學生在線學習行為分析模型”,為老師和教學管理人員進行學習干預,提高學生在線學習效果提供了參考。