學習分析技術在智慧教室中的應用探索

李雪嬌 沈鍵 朱斌峰

[收稿日期] 2020-04-27

[作者簡介] *李雪嬌（1994—），女，湖北宜昌人。碩士，助理工程師，主要研究方向為智慧教育、學習分析。

[摘 要] 智慧教室建設是當今教育領域的重要研究內容，利用學習分析技術對學習過程進行記錄和分析，有助于智慧教室功能的實現。為探索如何在智慧教室中應用學習分析技術以進一步促進“以學為中心”教學變革的實現，首先通過研究現狀分析肯定了學習分析技術在智慧教室中的重要應用價值;然后在對學習分析技術一般方法流程分析的基礎上，結合智慧教室的特征，提出了學習分析技術在智慧教室中的一般應用流程;最后以華東理工大學智慧教室建設為例開展了學習分析技術在實踐中的應用分析。

[關鍵詞] 智慧教室;學習分析技術;應用流程

[中圖分類號] G642.4? [文獻標識碼] A? [文章編號] 1005-4634（2021）04-0024-07

0 引言

《教育信息化十年發展規劃（2011—2020 年）》提出：促進信息技術與教育的深度融合是實現教育現代化的必要途徑。2019年2月，《中國教育現代化2035》印發，指出要加快信息化時代教育變革，倡導建設智能化校園。教室是教學開展的主要場所，是智能化校園實現的重要組成部分，如何利用新型技術建設智慧教室成為重要的研究主題。智慧教室作為智能化的學習環境，利用物聯網技術、云計算技術等新型技術構建教室物理環境已經得到了大量關注，然而智慧教室的“智慧性”還體現在學習者學習過程的智能化記錄、分析，學習分析技術、數據挖掘等也應該是智慧教室建設中不容忽視的重要技術手段。因此，本研究順應大數據、云平臺時代的發展，對學習分析技術在智慧教室建設中的應用進行探索，并以華東理工大學的智慧教室建設項目為例進行學習分析技術在智慧教室建設中的實踐應用分析和思考。

1 研究現狀

1.1 智慧教室

黃榮懷等人將智慧教室定義為“能優化教學內容呈現、便利學習資源獲取、促進課堂交互開展，具有情景感知和環境管理功能的新型教室”，與傳統教室的區別在于其智慧性體現在內容呈現（S）、環境管理（M）、資源獲取（A）、及時互動（R）和情景感知（T）5個方面[1]。這5個維度體現了智慧教室在設備、系統等建設和管理上的要求，也反映出智慧教室能對學習者學習過程進行記錄、分析等，以支持個性化學習、適應性學習的實現。何克抗在認可黃榮懷觀點的基礎上，認為智慧教室的智慧性體現在記錄學習過程、識別學習情景、聯接學習社群和感知物理環境，強調了智慧性的實現離不開數據挖掘、學習分析等技術的支持。因此智慧教室不僅要有符合信息時代的高科技硬件配置，還要有把握大數據時代機遇的基于數據分析的軟件工具，從軟、硬多方面實現“智慧性”，以支持教與學過程，促進個性化學習環境的實現。總的來說，智慧教室的本質是利用多種新型技術構建一個智能化的學習環境，該環境以學習者為中心進行空間的布局、系統的構建、軟硬件的集成，對教與學給予支持，從而促進實現以學為中心的教學變革[2]。

已有不少學者從技術應用、系統架構等多方面對智慧教室的設計與實踐展開了研究。例如國外學者Dong-oh Kang等人借助SoD技術構建了能實現協同教學的智能課堂系統[3]。Mahesh等人將智能手機應用于智慧教室的建設中[4]。國內學者嘗試從不同角度進行智慧教室系統架構的研究，例如王玉龍等人、謝火木等人分別以需求為導向和課堂教學變革的角度闡述了高校智慧教室的建設方案[5-6]。也有學者從技術層面探討了智慧教室建設，例如基于互聯網技術、物聯網技術進行智慧教室架構設計[7-8]。鄭烔桐通過129篇英文文獻和79篇中文文獻分析得出，現有高校智慧建設中缺乏數據核心意識，導致智慧教室“不智慧”[9]。孫健也提出目前有些高校存在重硬件、輕軟件的現象，建議通過課堂信息的采集來了解學習者學習習慣等特征，用于教學設計[10]。與此同時，雖然國內有學者意識到數據及其分析在智慧教室中的重要性，但較為宏觀或研究不夠深入，例如崔亞強等人將教學數據智能分析作為技術環境設計考慮其中，但在建設實踐中對數據方面沒有進行詳細說明[11];屈敬華在智慧教室建設中雖然提到了數據存儲系統，但缺乏對數據的分析、應用等更深入的研究[12]。所以，我國智慧教室建設中普遍存在問題，即過于關注多種新型技術在物理空間建設的應用，忽略了對學習者學習過程的記錄與分析，智慧教室環境下產生的大量數據尚未被充分利用，智慧教室的智慧性體現不夠[13-14]。因此，本研究認為在智慧教室建設過程中需加大學習分析符數據采集、分析技術的應用探索。

1.2 智慧教育中學習分析技術的應用價值

學習分析的定義隨著相關研究的進展而演變，EDUCAUSE組織（2015）、學習分析領域專家Siemens（2010）、“學習分析和知識”年會（2011）以及新媒體聯盟（2012）等都曾對學習分析下過定義，這些定義在用詞和著重點上雖然有些許區別，但基本反映了學習分析的本質，即利用各種技術方法獲取學習者學習相關的各類數據信息，圍繞這些數據運用不同的分析方法和數據模型進行分析，根據分析的結果來探究學習者的學習過程以發現學習規律，闡釋學習者表現，并將分析結果以可視化的形式反饋給學習者、教師、教育管理者或研究者，從而達到優化教與學過程的目的。

智慧教育強調以學習者為中心實現個性化學習，學習分析技術能實現對學習者學習過程的分析與監測，為教學評估、學習者風險識別等提供數據支撐，從而促進智慧教育的實現，因此，祝智庭認為學習分析是智慧教育的科學力量[15]。李葆萍等人整理2000～2018年的國內外智慧教室研究論文發現，“大數據”和“學習分析”是重要的研究熱點，并建議在智慧教室建設時對學習者數據的采集、分析進行專門規劃[16]。已有不少研究者肯定了學習分析在智慧教育中的應用價值并開展了一系列研究。祝智庭等人通過分析學習分析定義、設計框架等，基于Greller等人的學習分析模型提出了智慧教育中學習分析應用過程模型，該模型包括了目標確立、學習分析的開發以及最后的干預[15]。高琪等人通過學習分析一般流程和智慧教育特征的分析，總結出學習分析在智慧教育中的三大應用：干預機制的構建、學習者特征識別與智慧資源推送以及智慧管理服務[17]。林秀瑜等人基于文獻分析和理論研究，提出了學習分析在智慧學習環境中應用的理論模型及其機制[18]。趙紅敏等人指出在智慧教育中學習分析技術除了作為學習者行為記錄工具，還能從學習資源、智能工具、學習社群、教學社群等方面給予技術支持[19]。還有學者對學習分析在智慧學習環境中的具體應用進行了研究，例如智能導學、干預機制等[20-21]。以往研究中，多從宏觀的理論層面挖掘了學習分析技術在智慧教室中的重要地位和應用場景，但對學習分析技術的具體應用流程尚未做詳細闡述。

總的來說，學習分析技術作為大數據時代背景下的產物，通過對學習者學習過程的記錄和分析能有效保證智慧教育的實現。智慧教室作為一種典型的智慧學習環境，利用學習分析技術解決現有智慧教室建設重基礎設施建設輕軟件應用、個性化學習支持不夠的問題，還有待更加深入、具體地探索。因此，本研究從利益相關者的需求出發，探討學習分析在智慧教室建設中的應用，構建學習分析在智慧教室中的應用流程。

2 學習分析技術在智慧教室中的應用分析

2.1 學習分析技術的一般方法流程

學習分析技術包括話語分析、社會網絡分析、內容分析等數據分析方法，而且還在不斷吸收其他各類分析方法以實現對學習者學習過程的多維度分析。關于學習分析的應用流程，不同的學者有不同的見解，國外較為典型且被引用較多的有Siemens設計的學習分析過程模型和Elias設計的持續改進學習分析模型[22]。Siemens的學習分析過程模型表明了學習分析實施以學習者數據為基礎，通過對數據進行描述或分析，預測學習者的未來表現，實現個性化或適應性的學習。Elias則從數據收集（選擇與采集）、數據處理（整合與預測）、知識應用（使用和優化）3個環節構建了學習分析持續改進模型，通過3個環節的環環相扣，旨在持續改進教與學。國內研究中，李艷燕等人提出了學習分析的5個環節，即數據采集環節、數據存儲環節、數據分析環節、數據表示環節、應用服務環節[23]。韓錫斌等人基于大量文獻對學習分析進行了系統化綜述，認為學習分析的應用流程主要分為3個階段：數據選擇與采集、數據分析與處理、結果呈現與反饋[24]。總的來說，學習分析技術應用的基礎為學習者相關學習數據，通過對數據的采集、分析、可視化呈現以滿足利益相關者的需求。

2.2 學習分析技術在智慧教室建設中的應用流程

學習分析技術可通過智慧教室中多維度數據的采集、記錄與分析，以支持個性化教與學的開展。根據學習分析技術的一般方法與流程，結合智慧教室的特征，本研究提出學習分析技術在智慧教室中的應用流程圖（見圖1）。

學習分析技術在智慧教室中的應用遵循了學習分析技術的一般應用流程，即通過數據的采集、分析、呈現，對學習者學習過程展開深入分析后將分析結果應用于教與學。除此之外，學習分析技術的應用需要明確利益相關者的需求，并且其最終應用于教學后還要指向最初的需求制定，形成閉環，確保利益相關者需求的實現。以往的學習分析技術應用研究集中于在線學習環境，智慧教室中學習環境的不同、利益相關者需求不同，學習分析技術在智慧教室建設中的應用也具有一定的特殊性。接下來對應用流程進行詳細說明。

2.2.1 需求分析

需求分析是通過分析利益相關者的具體需求，明確學習分析目標，以指導學習分析技術在智慧教室中的應用。智慧教室是教學開展的場所，學習者和教師是智慧教室的使用者，是學習分析技術的主要利益相關者，因此需求分析主要圍繞著學習者和教師開展。學習分析技術主要滿足以下需求。

第一，滿足學習者對個性化學習服務的需求。學習者在知識儲備、學習能力、學習偏好等一系列特征上存在著差異，反映出不同的學習需求，因此需要為其提供個性化的學習服務。然而傳統課堂中，學習者數量較多，學習者特征收集難度大，很難實現個性化學習服務。智慧教室中，多種新型技術的應用使得學習者數據采集更加智能化、全面化，利用學習分析技術對學習者數據進行分析、處理，使教師在客觀了解學習者學習需求的基礎上提供個性化學習服務成為可能。因為學習分析技術注重學習者學習過程的記錄、分析，故能為學習者提供學習行為表現的可視化反饋，以供學習者自我反思。也可通過預測學習者未來表現，進行風險學習者識別，為有學業失敗風險的學習者提供預警服務。除此之外，個性化的資源推薦也是學習分析應用之一，能在了解學習者學習偏好、認知風格的基礎上滿足不同學習者對學習資源的不同需求。

第二，滿足教師開展學情分析、改善教學設計、實施學習者評估的需求。學習分析中的數據雖然來源于學習者，但是能從另一個角度給教師的教帶來福利。學情分析是教師制定教學計劃、開展教學活動的關鍵環節。學習分析能將學習者的學習特征，例如學習風格、學習行為表現即時地反饋給教師，為教師的學情分析提供了更為全面、智能的數據支撐。學習者的學習行為數據能反映出學習者的學習路徑、參與度、投入度等，為教師的教學反思、教學設計改善提供依據。同時，很多教師逐漸意識到依靠學業成績對學習者的學習效果進行評估過于單一片面，因而形成性評價越來越受重視。學習分析技術為學習者學習過程中的行為表現評估提供了數據支撐，能形成較為完善的評價體系。

2.2.2 數據采集

智慧教室是一個混合學習環境，支持線上線下相結合的教學模式，可分為線上的虛擬學習環境和線下的物理學習環境。學習分析在智慧教室中能得到一個“線上+線下”的數據集合，具有多模態的特征。基于多模態數據的學習分析是未來的發展趨勢，即學習者學習過程數據將由兩種或兩種以上方式獲取，其數據采集技術包含了物聯網感知技術、視頻監控/拍攝技術、智能錄播技術等16種[25]。智慧教室作為多種技術的集合，能實現多模態數據采集，例如線上平臺中學習者的作業完成、資源觀看等學習行為的記錄，利用視頻監控技術也可記錄學習者在線下學習過程中的肢體、語言、表情等，也可利用可穿戴的腦波設備記錄學習者的注意力水平等，從行為、生理、心理等多角度記錄學習者的學習過程和狀態（見表1）。除此之外，學習環境中的氣溫、二氧化碳等氣體濃度也能被采集和記錄，為理解、分析學習者的學習提供了更多的數據維度，極大豐富了學習分析的數據類型，為學習者、教師等利益相關者的需求實現提供了基礎，也為智慧教室中個性化學習實現提供了數據支撐。值得注意的是，多系統來源的數據對數據采集和存儲工作提出了挑戰，如何統一數據格式，增強各模塊間的互操作性是未來需要解決的問題。

2.2.3 數據分析

學習分析中數據分析的主要目的是挖掘隱藏在數據背后的學習者特征，反映學習者的學習過程表現，為利益相關者的需求實現提供數據支撐。智慧教室中多模態的數據來源為揭示學習者更多的特征提供了可能，例如利用“抬頭行為”這個生理數據能得到線下學習中的學習專注程度;利用隨堂測驗數據得到學生對知識的掌握情況;利用腦波數據得到學習者在學習過程中的注意力等，學習環境數據的收集為解釋學習者行為表現提供了新思路。數據分析的具體開展是以利益相關者需求為導向的，并針對數據的類型選取不同的數據分析技術。常用的數據分析方法包括了數據統計分析方法，例如描述性統計、相關分析、聚類分析等，也包含了針對文本數據進行分析的文本挖掘、針對話語數據進行分析的話語分析法，還有可以探索學習者社會關系的社會網絡分析法，等等。總之，數據分析方法的選擇需結合分析目標和數據類型。

2.2.4 可視化呈現

學習分析的數據分析結果呈現強調可視化，即多用圖表的形式向利益相關者展示分析結果。已有學者專門針對可視化進行了深入研究，王苗等人根據數據類型設計了對應的可視化輸出類型[26];許文等人在對學習分析可視化呈現的工具系統架構等進行闡述的基礎上指出，學習分析可視化呈現要考慮到利益相關者的特點從而恰當直觀地呈現數據[27]。因此，學習分析可視化在考慮數據類型的基礎上面向不同利益相關者采取不同的呈現方式。面向學習者的可視化應該是生動活潑、互動性強的，以迎合學習者的認知特征;教師端的可視化則應簡潔明了，方便教師的使用。

2.2.5 應用與評估

將學習分析結果應用于教學實踐，從主客觀角度對教學過程中學習者的學習行為表現、學習成績、滿意度等進行應用效果評估，以判斷學習分析應用是否滿足了利益相關者的需求。如果沒有達到既定的分析目標，則需要開展新一輪的學習分析。

3 學習分析技術在智慧教室建設中的應用案例

華東理工大學（學校）為了促進信息技術與教育教學的深度融合，開展了能適應混合式教學模式的智慧教室建設。學校智慧教室以支持混合式學習為目的，主要包含了三大系統：（1）基于物聯網、云計算、人臉識別等技術的智能環境系統;（2）支持教師的教、學生的學的智慧課堂系統;（3）實現系統整合、綜合管理、云運維等的智慧管理系統。學習分析技術主要應用于智慧課堂系統以支持教與學的開展，具體應用于學情分析模塊以及智慧課堂APP。通過對傳統高校教室的反思，以教師的角度提出學情分析、知識掌握分析等方面的需求，通過線下課堂中的抬頭行為數據、線上課堂中的答題行為數據的收集和分析，為教師的教學反思、個性化學習服務設計提供依據。

3.1 需求分析

在學校以往的教學過程中，傳統的簽到環節、提問互動環節、課堂小測試環節存在諸多問題，例如測試題的提交、批改、評估等步驟，不僅周期長，人力投入也大，已經不適應現代化教學的需求。與此同時，通過與學校部分教師的訪談后發現，不少教師希望智慧教室能即時反饋學習者的學習狀態、知識掌握情況，以供其及時做出教學改進，從而提高教學效果。因此，學校利用學習分析技術開展了學情分析模塊和智慧課堂APP的建設。

3.2 學情分析模塊

學情分析模塊是智慧課堂系統的功能模塊之一，主要通過對學習者出勤情況、上課過程中的抬頭行為進行可視化分析并反饋給教師，以供教師了解學習者的學習狀態，為教學設計改善等提供依據，其實現流程如圖2所示。

具體而言，學情分析模塊依托教室內的攝像機采集學生區域的視頻信號，傳輸到后臺的學情分析工作站中，由學情分析工作站對原始圖像進行分析。學情分析工作站采用人臉識別算法，盡可能較少地識別誤差，同時將識別結果反饋到資源管理平臺中，并以列表形式展示每一節課程的出勤率情況，包含院系、教師、課程、日期、應到人數、實到人數、出勤率、課堂抓拍、分析時間等信息。教師在系統中可查看每一節課的具體學情分析內容。每一節課程會生成學生出勤率和抬頭率曲線圖，用于反映每一個時間節點中教室內學生的出勤情況和抬頭率情況。在時間節點中會伴隨有課堂抓拍，點擊進入后可以詳細查看學生課堂情況。圖3為教師端顯示了學生抬頭率的學習分析模塊界面圖。

教師獲取學生實時出勤率和抬頭率后，一方面能快速了解學習者的學習狀態，并對學習狀態不好的學習者提供干預措施，比如上課過程中抬頭率較低的學生給予口頭警告，及時幫助學習者調整狀態;另一方面，學習者的學習狀態也反映出教師的教學情況，比如教學過程中學習者的抬頭率較低或出勤率降低，此時教師應反思自己的教學設計、教學風格等并做出相對應的改變，以提高學習者的學習參與度。與此同時，這兩項數據也可以作為教師考核的指標，從學習者角度評估教師教學質量。

3.3 智慧課堂APP

智慧課堂APP是學校混合式智慧教室的線上學習移動平臺，提供了簽到、直播、課堂互動等多種功能。其中，課堂互動功能能實現基于教師學生自帶移動終端設備間的課堂答題互動，授課教師可通過移動終端下發測試題目，學生手機端則變為答題器，提交答案。教師移動終端實時接收學習者的測試答案，在對學習者的測試答案進行即時數據分析后，將分析結果用圖表的形式反饋給教師，以供教師了解學習者的課程知識掌握情況。其具體的知識掌握情況分析流程如圖4所示。

3.4 教學運行可視化平臺

上述兩個功能模塊實現了教師的具體教學需求，學校還建設了教學運行可視化平臺，通過錄播系統、監控系統等基礎平臺的資源整合以實現對智慧教室的綜合管理。其中，數據分析是該平臺的重要功能，集成整合了多個基于學習分析技術實現的功能模塊，例如學習者的出勤率統計、抬頭率分析、資源錄制統計、教師行為分析、學生行為分析、知識點分析，通過教學過程中多維度的數據分析以可視化呈現出整個教學狀態，為教學質量評估提供數據支撐，見圖5。

以上3個模塊的建設，將學習者的學習過程數據進行采集、存儲、分析和可視化呈現，為教師了解學習者的學習情況、即時學習狀態提供了依據，并以此助力教師開展以學生為中心的教學變革。同時，學校智慧教室項目還在升級改造中，更為豐富、深入的學習分析技術應用功能模塊將在未來被開發。例如，智慧課堂APP中還將呈現學習者答題速度、測試完成率等，將增加學習者資源行為、討論行為的分析，并在教師端、學生端進行分析結果呈現。除此之外，整合線下數據和線上數據開展學習者全面畫像也將是教學運行可視化平臺建設未來努力的方向。

4 結束語

本研究分析了學習分析技術在智慧教室中的應用價值，并在對學習分析簡要概述的基礎上結合智慧教室的特征，對學習分析技術在智慧教室中的應用流程及其具體內容進行了設計和描述。最后以華東理工大學的智慧教室建設為例，分析了學習分析技術在智慧教室實際建設中的應用。目前，華東理工大學智慧教室已經建設完畢，但尚未進行大規模的使用，其應用推廣階段因疫情原因也受到了推遲，而學習分析技術在推進以學為中心教學變革中的應用效果究竟有多顯著、其應用潛力到底有多大，還需更嚴謹的實驗設計，這將是下一步的研究方向。

參考文獻

[1] 黃榮懷，胡永斌，楊俊鋒，等.智慧教室的概念及特征[J].開放教育研究， 2012，18（2）：22-27.

[2] 何克抗.智慧教室+課堂教學結構變革——實現教育信息化宏偉目標的根本途徑[J].教育研究，2015（11）：76-81.

[3] KANG D O，KANG K，LEE H，et al.A smart class system based on SoD （System on-Demand） technology[C]//IEEE International Symposium on Consumer Electronics.IEEE，2012：1-2.

[4] MAHESH G，JAYAHARI K R，BIJLANI .A smart phone integrated smart classroom[C]//2016 10th International Conference on Next Generation Mobile Applications，Security and Technologies （NGMAST）.IEEE，2016：88-93.

[5] 王玉龍，蔣家傅.以需求為導向的智慧教室系統構建[J].現代教育技術，2014，24（6）：99-105.

[6] 謝火木，劉傳堯，劉李春.以課堂教學變革為導向的高校智慧教室建設[J].現代教育技術， 2018， 28（10）：77-81.

[7] 徐春林.一種基于“互聯網+”的高校智慧教室設計[J]. 淮海工學院學報（自然科學版），2016，25（4）：21-24.

[8] 周浪，林哲，胡曉芳，等.一種基于物聯網的智慧教室方案的設計與實現[J].無線通信技術，2014，23（4）：53-56.

[9] 鄭烔桐.高校智慧學習空間：內涵、發展與趨勢[J].深圳信息職業技術學院學報，2020，18（1）：8-14.

[10] 孫健.高校智慧教室建設的思考[J].電腦與信息技術，2020，28（1）：78-80.

[11] 崔亞強，甘啟宏，王春艷.高校智慧教學環境的建設和運行機制思考——以四川大學為例[J].現代教育技術，2020，30（3）：95-100.

[12] 屈敬華.“互聯網+”背景下高校智慧教室的建設研究[J].產業與科技論壇，2020，19（3）：249-250.

[13] 張亞珍，張寶輝，韓云霞.國內外智慧教室研究評論及展望[J].開放教育研究，2014（1）：81-91.

[14] 李康康，趙鑫碩，陳琳.我國智慧教室的現狀及發展[J].現代教育技術， 2016（7）：25-30.

[15] 祝智庭，沈德梅.學習分析學：智慧教育的科學力量[J].電化教育研究， 2013（5）：5-12.

[16] 李葆萍，寧方京，李晟，等.當前智慧教室研究熱點的分析和啟示[J].數字教育，2019，5（3）：10-14.

[17] 高琪，乜勇.基于學習分析技術的智慧教育環境構建研究[J].中國教育信息化，2017（17）：1-4.

[18] 林秀瑜，李夢杰.智慧學習環境下學習分析的理論模型及其機制[J].現代教育技術，2019，29（4）：19-25.

[19] 趙紅敏，張曼曼，許蒙蒙，等.學習分析技術支持下的智慧教育[J].軟件導刊（教育技術），2016，15（1）：19-21.

[20] 馬玉慧，王珠珠，王碩爍，等.面向智慧教育的學習分析與智能導學研究——基于RSM的個性化學習資源推送方法[J]. 電化教育研究，2018，39（10）：49-54+84.

[21] 唐麗，王運武，陳琳.智慧學習環境下基于學習分析的干預機制研究[J].電化教育研究，2016（2）：62-67.

[22] ELIAS T.Learning analytics：definitions，processes，potential[EB/OL].（2019-12-10）[2020-04-27].http：//learninganalytics.net/LearningAnalyticsDefinitionsProcessesPotential.pdf.

[23] 李艷燕，馬韶茜，黃榮懷.學習分析技術：服務學習過程設計和優化[J].開放教育研究，2012，18（5）：18-24.

[24] 韓錫斌，黃月，馬婧，等.學習分析的系統化綜述：回顧、辨析及前瞻[J].清華大學教育研究，2017，38（3）：41-51+124.

[25] 鐘薇，李若晨，馬曉玲，等.學習分析技術發展趨向——多模態數據環境下的研究與探索[J].中國遠程教育，2018， 526（11）：43-51+81-82.

[26] 王苗，劉志超.基于學習分析視角的在線學習行為可視化分析與案例研究[J].中國教育信息化，2015（9）：10-13.

[27] 許文，付達杰，袁芳.大數據背景下學習分析可視化呈現技術研究[J].電腦知識與技術，2017，13（20）：22-24.

Exploring the application of learning analytics in smart classrooms

LI Xue-jiao1，SHEN Jian2，ZHU Bin-feng1

（1.Informatization Office， East China University of Science and Technology， Shanghai 200237，China;

2.Modern Education Technology Center， East China University of Science and Technology， Shanghai200237，China）

AbstractThe construction of smart classrooms is an important research content in the field of education today. Learning analytics contributes to the realization of the functions of smart classrooms through the recording and analysis of the learning process. How to apply learning analytics in smart classrooms to further promote the realization of "learning-centered" teaching reform is the exploration goal of the paper. This paper firstly affirmed the important application value of learning analytics in the smart classroom through the analysis of the research status. Then， based on the analysis of the general process of learning analytics， combined with the characteristics of the smart classroom， the general application process of learning analytics in the smart classroom was proposed. Finally， the application of learning analytics in practice is analyzed by taking the smart classroom construction of East China University of Science and Technology as an example.

Keywords

smart classroom; learning analytics; application process

[責任編輯 馬曉寧]