大數據視角下在線教學行為研究
——以國開學習網教育數據為例

王瑩瑩 涂 韜 彭 麗

(湖北廣播電視大學，湖北 武漢 430074)

一、引言

隨著大數據時代的到來，學習行為數據的變遷也受到大數據的影響，教育大數據隨之而生。與傳統的教學不同，互聯網技術的發展使得學生的學習活動越來越個性化，學習行為越來越豐富和富有層次性，教師得到的學生反饋也越來越具有針對性。在網絡環境下的教學過程所產生的大量數據反映了更多的個性化學習特點，通過研究這些數據能夠有效改善教學模式和教學效果，因此，教育大數據成為教育專家們的“新寵兒”。遠程學習者在進行網絡學習的時候，會發生一系列的動作：點擊、瀏覽、保存、下載、查看、發帖等，教育者通過對這些動作的分析，包括質和量的分析，從而得出有價值的信息，可以提供更加個性化的教學服務。

二、國內外研究現狀

遠程教育中，利用大數據技術進行行為分析的實踐研究主要包括三個方面：第一，通過數據統計的方法進行數據分析；第二，通過新建模型或者優化模型的方法進行數據挖掘；第三，通過社會網絡交互分析探索學習者情緒特征從而構建學習者模型的研究。學者們采用數據統計的方法進行數據分析，再通過一門具體的課程進行實驗驗證。陳堅根據“電子商務”這門課的學習行為分析，提出了一個具體課程的資源建設方案[1]。宗陽等人利用數據統計的方法進行數據分析，挖掘出遠程學習者在線學習行為與學業情緒之間的關系，并以“媒體輔助英語教學”課程作為實驗對象，改進了討論區建設[2-3]。魏順平的在線學習行為特點及其影響因素分析研究，通過對學習者學習行為的統計分析，得到學生登錄行為比較分散的特點[4]。新建模型進行數據分析方面，周俊等人構建了基于大數據的學習過程控制策略模型，制定了影響學習過程控制的影響因子分析框架，為了提高學習者的學習效果，在教學策略方面提出了學習風格、學習交互、學習進度和學習成就四類控制策略[5]。而王林麗利用數據統計的方法進行數據分析，從知識、行為、情緒三個方面構建模型，分別設計知識掌握程度預警機制、行為預警機制和情緒預警機制[6]。對數據模型的優化研究也在同時進行，楊可晗等人提出利用多屬性決策理論組建最初遠程教育課程決策矩陣，獲取作業單元的組織形態和遠程教育知識分科的組織形態，并組建遠程教育有效資源的提取模型[7]，但會產生決策矩陣的關聯度不夠高，只能是階段性的決策。結合社會網絡交互分析，探索學習者情緒特征的研究方面，郁曉華在2013年提出，社會網絡交互中隱含了多元化的交流行為模式[8]。而在教學過程中，這種行為模式的分析是我們進行學習分析和教育大數據挖掘的熱點[9]。目前已經有很多學者分析了學習者在學習過程中的情緒變化特征和學習成效的關系，其中較為全面的是劉智等人對具有社會網絡關系中的學習者的情緒特征以及學習成效的分析，得出具有網絡交互關系的學習者情緒傾向趨于一致的結果。[10]

總的來說， 目前學者們的研究，還需擴展數據規模和課程類型。因此，本文在以往的基礎上擴大了數據規模，將學生數據擴展到幾十萬條，并且豐富了課程類型，以國開統設和省開選修兩種類型的課程為例，分析二十多萬條課程日志，得出師生行為特點以及影響因子，為教學目標和教學方法精準定位提供數據支撐，為教學設計改良提供支持，為開放教育改革提供可行性建議。

三、數據分析

數據來源：國家開放大學學習網后臺報表系統。

數據對象：以國家開放大學平臺后臺數據庫為依托，以反映師生教學行為的登錄行為為數據基準，實際獲取2019年到2020年春季學期湖北電大校本部教師教學登錄行為、湖北十堰電大教師教學登錄行為和學生學習登錄行為以及國家開放大學的統設課“ERP原理與應用”和湖北自開課“數字與圖像處理”的課程日志作為數據對象。

(一)以登錄行為作為分析對象, 以月作為分類字段的在線學習行為分析

以2020年2月17日(開學日)為起始時間，按照月計算登錄率，即全體學生月登錄率，如公式(1)：

f1=一月內學生登錄的人數n1/學生總數n

(1)

1.2019年春季、2019年秋季、2020年春季三個學期起止時間，如圖表1、表2、表3所示。

表1 2019年春季平臺登錄周期的各月及起止時間(140天)

表2 2019年秋季平臺登錄周期的各月及起止時間(147天)

表3 2020年春季平臺登錄周期的各月及起止時間(147天)

2.湖北十堰電大各學期全體學生月登錄率情況，如圖表4、表5、表6所示。

表4 2019年春季湖北十堰電大學生月登錄率情況表

表5 2019年秋季湖北十堰電大學生月登錄率情況表

表6 2020年春季湖北十堰電大學生月登錄率情況表

3.湖北十堰電大各學期全體輔導教師月登錄率情況，如圖表7、表8、表9所示。

表7 2019年春季十堰電大教師月登錄率情況表

表8 2019年秋季十堰電大教師月登錄率情況表

表9 2020年春季十堰電大教師月登錄率情況表

4.湖北省電大各學期全體責任教師月登錄率情況，如表10、表11、表12所示。

表10 2019年春季省電大教師月登錄率情況表

表11 2019年秋季省電大教師月登錄率情況表

表12 2020年春季省電大教師月登錄率情況表

5.由表4～12表通過數據整合得出三個學期學生、輔導教師、責任教師的月登錄率變化折線圖，分別如圖1、圖2、圖3所示。

圖1 2019年春季月登錄率分布圖

圖2 2019年秋季月登錄率分布圖

圖3 2020年春季月登錄率分布圖

從圖1、圖2、圖3可以看出：

(1)省責任教師、十堰輔導教師、學生的登陸率變化規律基本上是一致的。遠程教育的教學過程和傳統的課堂教學過程有所不同，傳統的教學過程需要教師和學生，并且相互合作，而在遠程教育中，教師有責任教師和輔導教師兩類，整個教學過程，責任教師是教學設計者，而輔導教師是教學督促者，兩者需要相互配合完成整個教學。輔導老師的督促力度、對教學設計的理解度、課程考核方案的熟悉度以及平臺的操作熟練度直接影響到學生的學習效果。而責任教師教學設計情況也會影響到輔導老師和學生的登錄行為。

(2)2020年春季學期責任教師、輔導教師、學生的登錄行為數據起伏不定。這年全國遭遇疫情，疫情讓教育工作者面臨新的挑戰，包括硬件條件不夠、網絡不通暢、資料在異地等因素。

6.由表4～12分析出學生、輔導教師、責任教師三學期同比登錄率變化情況，分別如圖4、圖5、圖6所示。

圖4 學生三學期同比登錄率情況圖

圖5 輔導教師三學期同比登錄率情況圖

圖6 責任教師三學期同比登錄率情況圖

從圖4、圖5、圖6可以看出：

(1)2019年學生的每月登錄率在穩步增長。自2018年開始使用國開學習網平臺以來，全體教師和學生對平臺的操作能力、業務能力有所提升，并且針對這兩年多以來教學過程中總結出的問題，制定了更加嚴謹、更加貼合實際的教學管理規范，讓責任老師、輔導老師、學生在平臺上的行為數據更加可觀。

(2)2020年的責任教師、輔導教師、學生的登錄率起伏不定，但仍保持在一個比較高的位置，這同樣與這年全國遭遇疫情有關。

7.個人登錄率：選擇十堰電大500名學生進行抽樣，2019年春季、2019年秋季、2020年春季抽樣結果分別見表13，表14，表15。

表13 2019年春季十堰電大500名學生每月個人登錄率在月區間中的占比情況表

表14 2019年秋季十堰電大500名學生每月個人登錄率在月區間中的占比情況表

表15 2020年春季十堰電大500名學生每月個人登錄率在月區間中的占比情況表

8.通過三個學期的個人登錄率情況表進行折線圖分析，如圖7所示。

圖7 十堰電大500名學生登錄率分布圖

從圖7可以看出：

(1)每年學生的登錄率最高的時候都在每學期的第三個月。這與開放教育學情有關，由于每學期的第三月是形考時間，涉及學生的期末成績，登錄率自然就上去了；

(2)每年學生的登錄率降低最快的是在每學期的第三月和第四月之間。這與開放教育學情有關，每學期的第三月過后，大部分學生的形考完成并且及格后，就不會再去上網學習了，因此會導致學生的登錄率有所下降，但也有一些學生還沒完成，會在形考截止時間第四月結束前上網學習，從而導致第三月后學生的登錄率還在上升，但是上升速度比較慢。

(二)課程學生日志作為分析對象

采用“圖悅”大數據分析工具進行日志分析，該工具支持將excel表中大量數據進行分詞生成詞云圖片，包括詞云、關鍵詞云圖、詞頻分析等，多功能且高效。以下用圖悅分別對“ERP原理與應用”以及“數字與圖像處理”兩門課的日志數據進行詞頻分析，結果如圖8和圖9所示。

1.統設課程行為日志分析

“ERP原理與應用”是計算機信息管理專業的核心課程，屬于國開統設課，湖北的選課人數為576人，全省包括70個老師，產生了239078條數據，通過大數據分析工具“圖悅”得到詞頻圖，如圖8所示。

圖8 “ERP原理與應用”課程日志詞頻圖

2.自開課程行為日志分析

“數字與圖像處理”是計算機信息管理專業的核心課程，屬于省開選修課，湖北的選課人數為774人，全省包括62個老師，產生了139439條數據，通過大數據分析工具得到詞頻圖，如圖9所示。

圖9 “數字與圖像處理”課程日志詞頻圖

從圖8、圖9可以看出：無論是國開統設課還是省自開課，課程模塊、測驗、實例、學習、評分、貼文是出現頻率比較高的詞語。電大教育是學歷教育，進行學歷教育的學生往往更加在乎的是最終的結果，因此涉及考試內容的模塊會比較受關注。

四、結論

本文以國開學習網教學行為數據為依據，以國開課程和省開課程為例，分析了教學行為特點以及影響因素，得出以下三點研究結果：第一，從學生群體角度分析，學生大都集中在每學期的第三個月進行突擊學習，不能熟練掌握課程知識，達不到培養學生應用學習內容解決實際問題能力的目的。第二，從師生群體角度分析，輔導教師和學生的登錄行為在整個學期都趨于同步，而責任教師和學生登錄行為只在學期初期趨于同步，反映出整個教學過程中缺少師生互動，影響學生學習積極性、學習動機以及學習獲得感。第三，從資源建設角度分析，學生的關注點主要在形考作業、課程測驗、評分、帖子等，反映出學生只求成績與結果的心態，無法充分調動學生學習能動性，難以充分落實教學過程、構建優質教學資源。

綜合以上結論提出以下建議：第一，學習跟蹤、定期形考、分時評閱。基于國開學習網的教學設計，學習活動設置成定期跟蹤， 形考作業設置成分時間段形考，評閱工作也進行相應的分時段，落實教學過程，提高學生知識理論水平和解決實際問題的能力。第二，將師生互動量化，完善師生評價體系。目前，湖北電大國開學習網行為數據在全國位居前列，但仍存在教師開放教育研究投入不夠、學生學習投入時間偏低的問題。對于老師，師生互動體現在帖子的最高有效跟帖數(教師的帖子后學生的最高有效跟帖)；對于學生，需要建立平時學習行為成績評價體系，促進學生學習過程中的滿足感和成就感。第三，合理設計國開學習網資源。責任教師需要對照課程標準，鉆研信息化教學，研發開放教育新模式，讓學生有趣學習、學有所得。另外，教師還需結合學生的學習習慣，合理設計課程界面，給學生更友好的交互體驗。

本研究利用可視化的分析方法，以促進師生教學行為為手段，最終達到落實教學過程、提高教學效果的根本目的。通過擴大行為數據規模，進行數據挖掘獲得更具有代表性的行為特點，有助于學生培養良好的學習行為、習慣和反思，有助于教師的教學目標和教學方法更具精準性和趣味性，也能為廣大的遠程教育工作者今后的研究提供新的視角。