基于LSA的在線學習行為序列演變分析

王溢琴 齊悅

摘要：本研究針對在線環境下教與學時空分離，致使在線學習過程不易掌握的問題，分析了不同階段的學習行為變化，闡釋了優秀群體與中等群體間的差異化行為模式，展示在線學習過程全景，以期為掌握在線教學規律、優化教學策略、提升教學效率等提供依據。

關鍵詞：學習行為分析;行為序列;滯后序列分析法;在線學習

中圖分類號：G434? 文獻標識碼：A? 論文編號：1674-2117（2022）08-0108-05

在“互聯網+”大背景下，在線學習模式被廣泛接受。學習者的在線學習行為，如閱讀公告、查看視頻、論壇發帖、提交作業等，其發生的先后順序與頻次，均能反映學習者的學習狀態。[1]滯后序列分析法（LSA）[2]，就是分析一種行為在另一種行為之后出現概率顯著性的行為模式研究方法，眾多學者使用LSA對不同學科領域、教學環境下的在線學習者行為模式進行探討[3-5]，在學生行為模式分析[6]、知識建構行為模式[7]、學習過程分析與學習效果預測[8]等方面取得了較豐碩的研究成果。

基于此，本研究從學習行為分析視角，采用滯后序列分析法（LSA），對網絡平臺學習者的在線行為數據診斷分析，探究學習者如何參與在線學習過程，不同學習階段有怎樣的行為模式及特征，高低學習群體的行為模式有哪些差異，希望研究結果可為在線教育的教與學優化提供依據。

● 研究設計

1.研究對象

本研究以2019—2020第二學期“Web前端程序設計”課程的在線行為數據為研究對象展開研究，該課程采用線上教學模式，教學周10周，學生201名。由于不同學習階段的學生會表現出不同的行為特征[9]，因此課程團隊將整個在線學習活動劃分為課程前期D1、課程中期D2和課程后期D3三個階段，從過程角度診斷學習群體的行為模式，全面揭示在線學習規律。

2.樣本預處理

通過分析網絡平臺中的學習行為數據，借鑒賈積有、蔣卓軒、孫靜等[10-12]學者的研究成果，去掉發生頻次較少的動作行為，聚焦與學習績效顯著相關的9種學習行為。上頁表1呈現了行為種類及編碼。

研究依據行為發生時間的先后順序，將一種行為向另一種行為的變換指定為一個行為序列，同時使用兩種行為的編碼來表示形成的行為序列，編碼前后的次序表示該行為序列變換方向，如觀看視頻（W）后回復帖子（H）的行為序列為WH。研究選取的9種行為理論上可形成81個行為序列，在Python環境下計算發生的行為序列頻次如表2所示。

● 研究結果

1.行為序列總體分析

實際情境下共提取出76個行為序列，哪些行為序列與學習成績相關呢？研究將生成的學習行為序列與學習成績做了Pearson相關分析，分析結果如表3所示，共有24個行為序列與學習成績顯著相關。

三個行為序列與學習成績呈中等相關（r=0.4～0.6），這些序列都與章節測試有關，分別是章節測驗后再次章節測驗TT、查看教師點評后章節測驗JT和觀看視頻后章節測驗WT。考慮到網絡不穩定、學生操作不熟練等因素，該課程的章節測驗設置最大測驗次數為3次，最終成績為測驗中的最大值，因此TT行為序列頻次較高，也與最終成績中度相關;查看教師評語后再次章節測驗JT，體現出對知識的再加工與深度建構的過程;WT表明大多數學生都是觀看視頻后完成章節測驗，說明視頻仍是知識傳遞的主要載體。

十六個行為序列與學習成績低度相關（r=0.2～0.4），涉及的行為序列主要表現在學習過程上，如閱讀公告后完成測驗NT、完成視頻觀看NW、完成作業提交NK，課堂簽到后的做測驗ST、看視頻SW、回復帖子SH等;課程實施時采用BOPPPS六步法，課前設置測驗環節，學生完成課前測驗的TS行為，體現出參與學習過程的主動性。

五個行為序列與學習成績呈弱相關（r接近0.2），有課前的閱讀公告NS，簽到后的查看教師評語SJ、下載資源SD，提交作業或章節測驗后的查閱公告TN與KN等，這些行為序列均體現出學生良好的學習方式，又與最終成績呈弱相關，表明良好學習方式會對學習成績產生一定影響。

2.階段化行為模式分析

整體上對學習行為序列與學習成績的關聯關系分析后，進一步采用滯后序列分析法（LSA）探究不同學習階段的行為變化，解讀優秀學習群體與中等學習群體間的差異化行為模式，進而幫助教師理解學習過程，掌握在線學習規律，為高效教學實施與干預提供依據。

研究將課程設置為前期D1（15周）、中期D2（6～11周）和后期D3（12～16）三個學習階段，把表2中的行為頻次總表拆解成三個學習階段，并在此基礎上計算優秀學習群體、中等學習群體的行為序列調整后的殘差值。為了更直觀地呈現行為序列轉換模式，將有顯著意義的行為數據繪制成轉換圖，圖1為優秀學習群體三階段的行為轉換圖，圖2為中等學習群體的行為轉換圖。

（1）課程前期D1階段

兩群體都有觀看視頻WW和閱讀公告后查看視頻NW序列，表明兩群體在課程早期都傾向于學習新知識、積極完成學習任務。優秀學習群體的閱讀公告后提交作業NK與章節測驗NT序列明顯，觀看視頻后下載資料WD、參加章節測驗WT、查看公告WN以確保完成學習任務，查看教師回復后做測驗JT、測驗后再次測驗TT以提升測驗成績等行為，表明該群體積極建構知識。DS下載資源簽到、WS視頻觀看后簽到、TS章節測驗后簽到（教師經常發布課前小測驗），表明學生提前進入課堂，為教學做好課前準備;而提交作業后查看教師回復KJ、簽到后查看公告SN、章節測驗后查看公告TN，表明學習者具有良好的學習習慣。

相較于優秀群體，中等學習群體在課程早期發帖行為H頻次較高，如簽到后發帖SH、章節測驗后發帖TH、回帖后再回帖HH，但由于早期學生多課程內容理解較淺，大多是一些無關話題的討論，故此序列不是有效行為序列。中等群體ST較高，可能是在教師、同伴提醒下，為完成學習任務而出現的行為;JK較高，經調查訪問，多數情況是作業被打回重做導致;HW表明學習過程中被無關話題所干擾，故上述行為序列不是與學習成績有關的序列。

（2）課程中期D2階段

相較于課程前期D1階段，D2階段兩群體行為序列種類明顯增加，有完成學習任務的WK（觀看視頻后提交作業）、WT（完成章節測驗）、NT（閱讀公告后參加測驗），進行交流互動的WH（觀看視頻后回帖）、SH（簽到后回帖），主動鞏固知識的TT（章節測驗后重新測驗）、TN（章節測驗后查看公告），表明絕大部分學生具備良好的學習狀態;同時HS值提高明顯，說明課前存在一些無關討論。

除上述共有行為外，兩群體在此階段表現出特有的行為特征：①在交流互動方面，優秀型群體的討論行為WF、WH、DH明顯上升，表明該階段學習積極性上升，積極進行知識建構;而中等型群體的WH回帖行為上升，表明看完視頻后，針對知識點內容進行討論。②SH整體下降，表明無關話題討論情況好轉，中等型群體的NW、NK、NT值上升，而SK、ST值下降，且出現NN行為，表明學生課后按照教師發布的公告，積極完成學習任務;同時DT、TT、TS值持續升高，表明學生能以教師提供的資料為依據，通過不斷測試來鞏固所學內容，且課前積極預習知識內容，來保證學習質量。③優秀型群體的SJ上升，表明學生關注教師對發帖內容的點評;JD行為，即查看教師點評后下載資源，進一步解惑或驗證問題，表明該群體主動進行高層知識構建，JT行為也進一步驗證群體的高層知識建構。同時該群體的FW、HW、HK、HT比例較高，積極交流后能繼續進入學習狀態，表明該群體對交互網絡起主導作用。

（3）課程后期D3階段

到課程后期D3階段，學習者整體上觀看視頻WW的頻次下降，這與遠程教學中存在較高在線學習流失率的現象[13-15]吻合;然而觀看視頻行為仍是所有學習行為中頻率較高的，反映出知識獲取渠道仍以觀看視頻為主;同時，兩群體的SF、SH提升明顯，表明課程后期教師組織討論、互動交流活動較多，而學習者的KS、TS頻次較高，說明課程學習的持續性較好。

優秀型群體在此階段的討論行為WF、WH、KH、SH、HH較高，也比較關注教師的點評WJ;而對資源下載D后引發的行為少，可能是課程后期，主要以完成學習任務和對所提交作品的評論為主。

中等型群體在此階段為了獲得一個好成績，他們的觀看視頻WW、SW、NW，完成作業和章節測試WK、WT、SK、ST、NK、NT、TT等頻次較高;學習群體也注重交流SH、KH、HH，且交流后能繼續完成作業HK和測驗HT;相較于優秀型群體，在此階段的DH行為明顯，表明學生開始積極往高層次進行知識建構，也開始在教師點評后自主學習JT，從整體上表現出知識建構水平層級的提升。

● 結論與啟示

通過對在線學習行為序列與學習成績間的關系分析可知，影響最終成績的主要因素是參與章節測驗，由于課程考核標準由考勤、線上成績（章節測驗成績+作業成績）和作品成績組成，而學生在考勤方面差別不大，積極主動參與線上學習過程、具備良好的學習方式等行為，最終體現在線上成績和作品成績兩方面。因此，在平時學習過程中教師應幫助學生適應在線學習環境，采取恰當教學模式調動學習興趣，督促他們及時完成學習任務。

采用LSA法對三階段的行為模式分析，可知：①整體上發帖F與資源下載D產生的行為序列頻次低，反映出學習群體在線上交流互動較弱，平臺中資源利用率較低。在線資源的下載量低，表明學生并未將在線資源作為知識解惑與深化的首選，在線資源的獨特優勢有待進一步挖掘與提升;在線交流互動弱，教師可通過培養核心成員、關注沉默成員、改革考核方式等方法，鼓勵學生積極交流互動，促進知識的不斷深化。②基于學習過程視角，課程前期學習群體均有積極參與在線學習的意愿，WW、NW行為序列明顯;相較于中等學習群體，優秀學習群體能快速進入學習狀態（如NK、NT、TS），完成學習任務（如WT、WN、WD）。在課程中期行為序列種類豐富，互動交流行為明顯增加，中等學習群體積極參與在線學習，優秀群體的高層知識建構行為顯現。到課程后期需對提交作品進行組間評價，使得討論行為SH、HH、KH頻次最高;同時中等群體開始關注教師點評，積極完成學習任務，向高層知識建構。通過階段化行為序列分析可知，在平時線上教學過程中，教師要幫助學生參與在線學習過程，引導學生產生有效行為序列，及時干預無效行為序列，促進有效在線學習模式的形成，進而實現在線學習效率的提升。

參考文獻：

[1]胡丹妮，章夢瑤，鄭勤華.基于滯后序列分析法的在線學習者活動路徑可視化分析[J].電化教育研究，2019（05）：55-63.

[2]Sackett G P.（Ed.）.Observing Behavior：Theory and applications in mental retardation （Vol.1） [M].Baltimore： University Park Press，1978.

[3]HOU H T，CHANG K E， YAO T S. Applying lag sequential analysis to detect visual behavioural patterns of online learning activities[J].British journal of educational technology，2010，41（02）：E25-E27.

[4]WU S H H. How cognitive styles affect the learning behaviors of online problem-solving based discussion activity：a lag sequential analysis[J].Journal of educational computing research，2015，52（02）：277-298.

[5]YANG T C，CHEN S Y，HWANG G J. The influences of a two -tier test strategy on student learning：a lag sequential analysis approach[J].Computers & education，2015， 82（C）：366-377.

[6]李爽，鐘瑤，喻忱，等. 基于行為序列分析對在線學習參與模式的探索[J].中國電化教育，2017（03）：88-95.

[7]楊現民，王懷波，李冀紅.滯后序列分析法在學習行為分析中的應用[J].中國電化教育，2016（02）：17-23.

[8]江波，高明，陳志翰，等.基于行為序列的學習過程分析與學習效果預測[J].現代遠程教育研究，2018（02）：103-112.

[9]牟智佳.MOOCs環境下學習行為群體特征分析與學習結果預測研究[J].中國醫學教育技術，2020，34（01）：1-6.

[10]賈積有，繆靜敏，汪瓊.MOOC學習行為及效果的大數據分析——以北大6門MOOC為例[J].工業和信息化教育，2014（09）：23-29.

[11]蔣卓軒，張巖，李曉明.基于MOOC數據的學習行為分析與預測[J].計算機研究與發展，2015（03）：614-628.

[12]孫靜.慕課中不同學習群體間學習行為的比較研究[D].無錫：江南大學，2019.

[13]Taylor C，Veeramachaneni K，O'Reilly U. 2014. Likely to stop？Predicting Stopout in Massive Open Online Courses[EB/OL].[2014-08-14].https：//arxiv.org/abs/1408.3382.

[14]李若晨.基于特征工程的MOOC學習者行為分析和輟課預測[D].上海：華東師范大學，2019.

[15]張哲，王以寧，陳曉慧，等.MOOC持續學習意向影響因素的實證研究——基于改進的期望確認模型[J].電化教育研究，2016，37（05）：30-36.