大數據時代基于學習分析學的慕課教學質量提升機制研究

陸凱

【摘 要】本文論述大數據時代基于學習分析學的慕課教學質量提升機制，回顧國內外相關研究，基于學習分析學，分析慕課學生、慕課教師和慕課建設者所處地位以及應該發揮的作用，探討這三者之間應該如何組成科學、高效的教與學的生態循環，并具體提出包括慕課學習者自適應學習機制、慕課教師個性化教學機制、慕課建設者動態系統優化機制在內的慕課教學質量提升機制，以全方位、多層次地提升慕課教學質量。

【關鍵詞】大數據時代 慕課 學習分析學 教學質量提升機制

【中圖分類號】G ?【文獻標識碼】A

【文章編號】0450-9889（2021）07-0034-03

在大數據教育應用的背景下，迅速興起的通過分析大數據以改善教與學的新興學科—— 學習分析學（Learning Analytics，簡稱LA）得到全世界范圍內研究者的廣泛關注和探索。學習分析學是使用智能數據、學習者數據以及分析模型來發現信息和社會性聯系，并以此為依據進行學習預測和提供建議的一門學科。學習分析學涉及科技和社會學科的多個學術領域，包括計算機科學、社會學、學習科學、機器學習、統計學，以及“大數據”，被稱為教育信息化的新浪潮，成為當前信息技術與教學融合研究的熱點。

基于學習分析學探究慕課教學質量的提升機制，為慕課的規范、科學發展提供了新的思路。運用學習分析技術分析慕課學習者在慕課學習過程中產生的數據，慕課學習者可以反思自身的問題并調整學習，實現自適應學習;慕課教師可以發現學習者的問題，反思并改進教學策略，實現個性化教學;慕課建設者可以評估現有課程并給予改善，實現課程優化，從而全方位、多層次地提升慕課教學質量。

一、國內外相關研究回顧

慕課與學習分析學的結合可謂是“天作之合”：兩者同為大數據時代計算機信息技術發展的產物，慕課教育過程中產生的海量數據需要適合的分析技術進行分析，以解讀教學過程中的成功與不足之處，從而為提升教學質量提供建議。學習分析學正是能滿足這一需求的一門學科。因此近年來慕課與學習分析學結合的研究已成為慕課研究的主要領域。

國內外學者對此領域開展了廣泛、深入的研究。國外研究者中，Admopoulos基于6個平臺、30所大學、133門課程的相關數據分析了影響慕課學生保有率的因素及程度。Drachsler和Kalz提出一個概念性的框架以涵蓋現有的慕課與學習分析結合的研究，該框架基于微觀、中觀和宏觀3個層次，各自具有其數據采集與分析的方法。Kovanovic等試圖設計一種慕課分析技術平臺，旨在使幾乎沒有技術背景的教師能夠分析慕課數據以更好地了解學生的學習情況，并幫助教師在授課過程中根據分析結果采取行動和開展試驗，從而提升學生學習體驗，促進學生更好地開展學習活動。

國內研究者中，王萍基于ed X發布的第一個大規模慕課開放數據集，使用數據分析方法，對ed X平臺的中外學習者進行了研究。在數據分析的基礎上，對中國學習者的學習現狀及特點、慕課學習行為中的主要現象以及慕課數據分析的應用進行了討論和思考。宗陽等在學習分析的視角下，基于學習者形成性測試成績，構建了慕課形成性測試難度系數自動學習收斂模型，并在一門中國慕課中驗證了科學性和可行性。周玲從目的、對象和技術三個緯度剖析了慕課學習分析的發展機制，為慕課學習分析的規范化提供理論依據和實踐參考。

通過回顧過往研究可看出，運用學習分析學對慕課開展研究不但可行而且有效，但現有研究大部分關注的是對慕課學習者行為的分析。學習者固然是教育過程中的重要一環，但并非全部，還需要慕課教師與慕課建設者的共同努力才能組成完整的教學閉環。慕課教學質量需要慕課學生、慕課教師和慕課建設者全方位的提升，才能覆蓋慕課教學過程的所有環節，實現慕課教學質量的整體提升。本研究正是基于學習分析學，分析慕課學生、慕課教師和慕課建設者所處地位和應該發揮的作用，研究這三者之間應該如何組成科學、高效的教與學的生態循環，從而建立行之有效的慕課教學質量提升機制。

二、基于學習分析學的慕課教學質量提升機制

慕課完整的教學環節包括慕課學生、慕課授課教師及慕課建設者，提升慕課教學質量需要從這三者著手。慕課教學質量提升機制包括慕課學習者自適應學習機制、慕課教師個性化教學機制、慕課建設者動態系統優化機制（具體機制流程見圖1），可全方位、多層次地提升慕課教學質量。

而學習分析技術可幫助慕課學生進行自適應學習、幫助慕課教師開展個性化教學以及幫助慕課建設者評估和優化慕課。3個方面的提升機制既可以自行運轉又與其他兩者互有關聯，共同形成基于學習分析技術的慕課教學質量提升機制。3個機制的具體內容如下。

（一）慕課學生自適應學習機制

人的學習根據學習內容和學習方式的不同可分為3種類型，分別是機械的學習、示教的學習和自適應的學習。自適應學習區別于機械學習和示教學習之處在于發揮學生的自主能動性方面，它是學習者通過自身在學習中發現、總結和反思，最終形成學習的理論并且能夠自主解決問題的一種學習方式。相對于傳統學習方式來說，自適應學習更加符合當代社會對教育的需求，它更加個性化，可以滿足每名學生個性化的需求，是較為有效的教育形式之一。學習分析技術可分析、評估和預測學習者的學習行為，驅動學習者進行自我反思，采取恰當的措施改進學習方式，從而推動自我適應的學習。

學習者在學習慕課的過程中產生了大量數據，包括學習者的登錄數據（注冊用戶名、登錄時間、時長等）、學習行為數據（慕課板塊的瀏覽、搜索、點擊、收藏、點贊等）、與同伴和系統的交互數據（在慕課討論區的評論、發帖、回復等）。學習分析技術的發展為慕課學習者數據的收集、分析和報告提供了技術支撐。學習分析技術可采集慕課學習者的學習數據并通過聚類、預測、關系挖掘、內容分析、話語分析、社會網絡分析及可視化表征等方式進行數據分析，之后將分析結果反饋給學生，幫助學生更清楚地了解自身學習的薄弱與不足之處，從而促進學習者反思自己的學習行為并及時調整學習。學習者改進后的學習投入會持續產生更豐富、更完整的學習數據，學習者持續進入“搜集—分析—反饋—反思—調節”的循環機制，從而使學習獲得良性發展，不斷提升學習質量。具體機制流程見圖2。

（二）慕課教師個性化教學機制

個性化教學，是指以學習者個性差異為基礎，強調學習過程要針對其個性特征和發展潛能而采取恰當的教學方法、手段、策略、內容、過程、評價等，使學習者在各方面能充分、自由發展，以促進學習者個性發展為目標的教學范式。個性化教學作為當今教育改革與發展的核心內容，已成為信息社會的重要發展趨勢。學習分析通過營造師生互動、生生互動、人機互動、資源共享的“互聯網+”學習環境，正推動個性化教學步入常態化的發展階段。

注冊并在線學習慕課的學習者通常以成百上千人計，甚至一些受歡迎的慕課擁有來自四面八方的上萬名學習者。他們學習基礎不同，學習風格各異，而講授慕課的教師只有寥寥數人，難以給予所有的慕課學習者個性化指導，針對不同學習者因材施教。而利用學習分析工具，教師可以搜集慕課學習者的學習表現（學習實踐投入、與慕課資源交互的頻度、慕課測評成績等）、自主學習路徑、在線學習環境的影響因素等數據并進行分析，了解學習者的學習風格、學習需求、學習進展等學習狀態，據此進行精準學情評估及預測當前教學交互活動與教學策略的合理性并做相應調整，對學生進行學習干預。受到干預的學生持續產生更多的學習數據，教師再次進入“搜集—分析—評估—預測—干預”的循環機制，持續為每名學生提供最適合的個性化教學。具體機制流程見圖3。

（三）慕課建設者動態系統優化機制

優化原理是指按照特定的目標，在一定的限制條件下，以科學、技術和實踐經驗的綜合成果為基礎，對標準系統的構成因素及其關系進行選擇、設計或調整，使之達到最理想的效果。系統優化是一個動態的過程，需要人們在定量分析和定性分析相結合的基礎上，對方案進行動態的選擇、設計、評價、比較和決策，從而使系統不斷優化。每門慕課都是一個復雜的系統，需要慕課建設團隊精心策劃和設計各個部分的結構并串聯成運行流暢的系統才能建設完成，而且上線后建設團隊還需要根據學習數據分析和反饋對課程進行評估，通過螺旋式動態調整來優化結構。學習分析技術可幫助慕課建設者了解課程系統中各個部分的合理性和有效性，評估課程結構的科學性，對結構保持動態優化，使其達到更理想的教學效果。

每門慕課課程一般包括多個板塊，如課程通知、教師信息、教學視頻、學習資源、討論區、作業提交與成績公布、自測習題庫、個人作品展示、意見建議、相關鏈接等多個部分。慕課課程的每個板塊設計得是否合理，是否發揮應有的作用以及達到教學效果的程度，需要經過慕課學習者的親身體驗并給予反饋意見才能確定。慕課建設者運用學習分析技術，分析慕課學生在學習慕課過程中的行為特征，如學習者在課程不同板塊的學習時長和跳轉路徑、對慕課資源模塊的關注頻率、對慕課章節內容的感興趣程度等，可以評估慕課結構和內容的合理性、科學性，從而對慕課進行優化。慕課優化后持續產生更多的學習者數據，慕課建設者再次進入“搜集—分析—評估—反思—優化”的循環機制對慕課進行動態式的結構優化，使之向著最理想的方向發展。具體機制流程見圖4。

慕課在課程數量快速增加的過程中出現課程教學質量不高的問題。只有不斷提升慕課的教學質量才能保證慕課的科學發展，這需要慕課學習者、慕課授課教師和慕課建設者的共同努力，缺一不可。基于學習分析學提出慕課教學質量提升機制，其中包括慕課學習者自適應學習機制、慕課教師個性化教學機制、慕課建設者動態系統優化機制，三者互有關聯又自行運轉，共同為實現提升慕課教學質量的目標做出貢獻。不過該機制的提出目前僅限于理論的探索，還需要教學實踐來證明其科學性與有效性，并在實踐過程中不斷調整優化，以達到最理想的效果。

【參考文獻】

[1]周玲.多維視角下MOOC學習分析發展機制與分析框架建構[J].電化教育研究，2017（4）.

[2]吳巖.應對危機 ?化危為機 ?主動求變 ?做好在線教學國際平臺及課程資源建設[J].中國大學教學，2020（4）.

[3]Siemens，G.Learning analytics：The emergence of a discipline[J].American Behavioral Scientist，2013（57） .

[4]Adamopoulos P.What makes a great MOOC？An inter-disciplinary analysis of student retention in online courses[C].Milian，Italy：In Proceedings of the 34th International Conference on Information Systems，2013ICIS（13）.

[5]DRACHSLER H，& KALZ M. The MOOC and learning analytics innovation cycle（MOLAC）：a reflective summary of ongoing research and its challenges[J].Journal of computer assisted Learning，2016，32：281-290.

[6]Kovanovi，V.，Joksimovi?，S.，Katerinopoulos，P.，Michail，C.，Siemens，G.，& Ga?evi，D.Developing a MOOC experimentation platform：Insights from a user study. In Proceedings of the Seventh International Conference on Learning Analytics and Knowledge（LAK'17）（pp.1-5）.New York：ACM，2017.

[7]王萍.基于ed X開放數據的學習者學習分析[J].現代教育技術，2015（4）.

[8]宗陽，鄭勤華，張玄，等.學習分析視角下MOOCs形成性測試難度系數研究[J].遠程教育雜志，2016（3）.

[9]張琪.學習分析技術與方法[M].北京：科學出版社，2018.

注：2019年度廣西高等教育本科教學改革工程項目“大數據時代基于學習分析學的外語慕課教學質量提升機制研究與實踐”（2019JGA388）

【作者簡介】陸 凱（1976— ），男，廣西南寧人，碩士，廣西民族大學相思湖學院副教授、外國語言文學學院副院長，研究方向為教育技術及教師發展。

（責編 何田田）