基于學習分析的大學英語精準教學實踐探索

譚雪梅

(中南大學 外國語學院，湖南 長沙 410083)

隨著信息化技術的高速發展以及個性化教育成為我國重要的教育發展方向，精準化教學重新成為新時代教學的一個熱點趨勢。《中國基礎教育大數據發展藍皮書(2016—2017)》明確將主題聚焦為數據驅動的精準教學，鼓勵利用大數據來支持教學范式的創新與變革[1]。其中作為“目前影響教育發展的主要趨勢和關鍵技術之一 ”[2]的學習分析技術，由于其可以實現對學生個體學習情況和不同教學場景的數據采集及分析，對精準化教學的廣泛實施有著重要意義。本研究從學習分析的概念和應用入手，探索學習分析在大學英語教學中的實踐與運用，了解其優勢以及存在的問題，同時討論其對我國今后相關研究的啟示。

1 學習分析在精準教學中的相關應用研究

1.1 學習分析的概念及實施

根據學習分析和知識國際會議(LAK 2011)所給出的定義，學習分析是 “測量、收集、分析和報告關于學習者及其學習情境的數據，目的是理解和優化學習以及它發生的情境”[3]。它跨越和結合了學習(如學習和評估科學)、分析(如統計、可視化等)和以人為中心的設計(如可用性)等多個領域。何克抗認為，學習分析通過有效地收集、測量、分析、報告與教學過程及行為有關的各種信息，為教師提供智能化的輔助決策，使得學生能獲得符合個體特征的個性化指導，這些多元化的數據分析，構成了精準教學的基礎[1-2]。

關于學習分析的實施，研究者們提出過不同的模型[4]，一般來說都有著以下幾個共同組成部分。(1)獲取數據。數據來源可以有多種，如學習管理系統(LMS)提供的學習者行為數據，包括登錄、時長等；社交互動數據包括小組討論情況等；學生信息系統提供的年齡背景等人口統計數據；自我調查報告數據，如學習動機、作業等學習表現數據。這些數據可以根據教學所需進行采集。(2)分析。使用機器學習中的智能算法對數據進行分析，一般分為兩類：一類是描述性學習分析，主要對學生過去的學習狀況進行了解；另一類是預測性學習分析，通過建立模型，對學生將來的學習進行預測。(3)行動。行動是最重要的組成部分，在分析的基礎上，針對發現的學習問題進行干預，對教學決策作出調整，這是學習分析過程的最終目標，后續行動的結果將決定學習分析的成功與否。

1.2 學習分析在精準教學中的應用現狀

精準教學是基于學生不同特點及需求進行的個性化教學，它主張利用一定的技術手段，詳細記錄和分析學生學習過程中的各類相關數據，教師通過及時對數據進行評估和預測，實施一系列的教學決策，其中包括生成個性化的精準教學目標、通過使用適切的教學材料和教學活動來精確判定學習者存在的問題、再針對判定的問題對教學策略進行精準的優化和干預。彭紅超等將其定義為“三準”： 目標精準、問題精準和干預精準[5]。謝品章等則從教學的元素出發，建立了由精準教學目標、精準學習任務和精準教學評價幾個元素構成的精準教學模式[6]。

傳統的精準化教學由于技術條件的限制，難以充分獲取學生學習信息，導致其存在無法大規模推廣、教學應用不足等缺點。近年來，實踐研究證明，基于數據和人工智能的學習分析可以對精準教學的多個環節起到支持作用。例如，在設置精準目標和任務環節，張志龍等通過分析學生預習數據以及之前課堂測驗情況，設立和調整具體課堂的教學目標和內容，加上雨課堂的實時反饋數據，精準確定學習問題，給予進一步講解[4]。在精準教學評價環節，黃文林通過采集學生的各課程的“總評成績平均值排名進步程度”和“平時成績平均值排名進步程度”量化值，經統計分析算法逐級得到課程成績進步標簽值、成績進步程度標簽值、學習態度標簽值，來對學生的學習態度進行量化的精準評價[7]。而學習分析中的可視化儀表盤的使用能使教師和學習者更加清晰準確地獲得在各個層面的學習信息反饋，如圖表、文本、散點圖、詞云等多種可視化形式能直觀高效地呈現學習者在學習行為、學習內容、學習結果、學習情境和社交互動等方面的信息,激發學生的自我反思，促進他們的學習投入和自我調節學習[8]。在精準干預環節，胡建紅等對到課率、習題正確率和預習率等數據進行分析，基于聚類結果，將學生分為不及格區、安全區和優秀區三個區間，對其進行相應的預警以及鼓勵[9]；姜強等采集學生學習行為數據進行分析，確定他們的學習風格和知識水平，分別進行個性化學習路徑推送，以提高學生的學習效率[10]。

雖然學習分析對精準教學的加持作用得到了一定的驗證，但同時由于學生在學習中動態生成的復雜狀態，精準教學仍然具有一定難度，加上學習分析作為一門新興技術，還面臨很多挑戰，如數據的復雜性以及數據倫理隱私等問題，因此需要教學經驗和理論素養的雙重支撐[11]。當前的精準教學實踐僅僅完成了支持工具的更新換代，要真正實現信息技術支持下的精準教學，還需要結合具體學科進行更多的實踐[12]，特別是在大學英語實際教學中，由于學生數量多、課時不足，長期存在個性化與規模化無法協調的矛盾，更加需要數據技術的支持而實現因材施教的精準化教學。

基于以上背景，本研究探索如何在大學英語教學中應用學習分析技術進行精準教學實踐，力圖利用數據和智能技術的優勢，實現向新的數據驅動的精準教學范式轉換。

2 基于學習分析的大學英語精準教學具體實踐

2.1 教學對象及學習分析平臺

本研究在湖南省某綜合性高校兩個本科教學班級中開展。“大學英語”是必修課。由于學生來自不同地域，學生的入學英語水平存在一定差異，同時學生個人在英語聽、說、讀、寫各單項技能上也存在著發展不均衡的現象，適合作為個性化精準教學實踐的對象。

為了實現學習分析支持下的教學，研究選用了三個教學平臺。一個是支持教師開展教學活動的學習管理工具平臺，提供班級組織與課程管理、上傳學習資源、分組互動討論、作業布置批改等功能；其他兩個分別是與上課教材相關的聽說在線學習平臺與讀寫在線學習平臺，除了以上功能，主要提供和教材相關的學習內容以及大量課外補充學習資源。三個平臺各有側重點，都具備學習分析的功能，可以提供基于學習時長、資源訪問、作業正確率、完成度和互動等數據的形成性分析結果。除了學習平臺之外，在教學中還使用了一些學習分析軟件作為輔助工具。

2.2 基于學習分析的精準教學的實施

參考以上提到的相關研究成果，本研究將精準教學的實施分為精準教學目標設定、精準教學內容與活動、精準評價及反饋、精準干預與決策等幾個環節。環節之間的流程見圖1。

圖1 基于學習分析的精準教學流程

2.2.1 精準教學目標設定

精準教學目標的設定主要是要實現教學目標的層次化，對具有不同知識基礎和語言技能水平的學生提出不同的學習目標與要求，使每一個學生都有最適合自己實際情況的特定目標[13]。為此，在教學中，我們以2020版最新發布的《大學英語教學指南》為指導[14]，采用其中提出的三級教學目標，即基礎目標、提高目標和發展目標。

基本目標針對大部分英語高考成績合格的學生，而提高目標及發展目標針對的是入學英語水平較好的學生。每一級目標都詳細具體地提出了相應的總體能力要求和語言單項技能要求。同時，為了解學生的不同層次，獲取學生的語言技能“畫像”，我們在學生入學時進行相關水平測試，獲取他們在各單項技能方面的考試成績作為聚類分析變量，利用Rapidminer工具實施聚類分析，將兩個班學生分為四個聚類，從圖2可以清楚看出每個聚類類別人數和單項技能水平：聚類0有14位學生，寫作和閱讀較好，但聽力弱一些；聚類1有6位學生，寫作、閱讀和聽力處于班級低水平；聚類2的17位學生各單項屬于中等偏下水平；而聚類3的18位學生各單項都屬于班級較高水平。

圖2 基于各項語言技能的學生聚類分析

根據聚類類別，直觀了解學生的特點，并結合《大學英語教學指南》的要求，為各群體學生提供和制定相對應的分層教學目標，同時也讓學生在了解自己的類別特征之下制定自己個性化的學習目標。

2.2.2 精準教學內容與活動

制定教學內容與活動是教學中的關鍵環節，它能直接影響教學目標是否達成。傳統教學中，由于條件限制，通常是整個班級采用統一的教學內容和活動，無法實施個性化教學。在精準教學實踐中，我們采用以下幾種方式來精準制定教學內容與活動。

首先，備課時將教學內容層級化，根據教學目標將其分為基礎性教學內容、提高性教學內容和挑戰性教學內容。以聽力課程為例，就日常話題展開的英語對話屬于基礎性教學內容、主題為環保的語速中等的英語廣播為提高性教學內容，而正常語速的英語專題講座就是挑戰性的內容了。就活動而言，在讀寫課中，課文單詞的記憶屬于基礎性教學活動；快速閱讀和準確把握一篇英語報刊文章的主旨和作者態度屬于提高性內容；能對文章內容進行批判性思維，把自己的觀點寫成一篇有深度的議論文為挑戰性的教學活動。

其次，通過分析課前預學習數據以及課中反饋數據來確定采用什么具體教學內容。教師通過學習平臺布置包括微課件、微視頻、圖片、文本、慕課資源等形式的預習內容和測驗，通過對不同性質的數據進行不同的學習分析而精準了解學生對教學內容的了解程度。例如，通過對學生的資源點擊和訪問頻次、訪問時長、完成率進行分析來了解學生任務的完成度；通過對客觀測試題的正確率和平均分值等的分析來了解學生對知識點和技能的把握，快速定位他們的學習“盲點”。在主觀討論題方面，例如，在調查學生關于某一概念或現象的理解時，可以通過詞云等分析技術，對學生的回答進行詞頻分析，獲取關鍵詞，了解大部分學生的觀點和理解有沒有偏差。又如，在討論“What makes a great short story?”這個問題時，如圖3所示，詞云分析結果顯示，大部分學生認同的是“characters” “plot”“ending”“unexpected”，說明大部分學生對短篇小說的構成要素有一定的掌握，但是對“setting” “conflict” “theme”不夠重視。

圖3 “What makes a great short story?”詞云分析結果

因此，教師應在學情分析的基礎上，對已準備的教學內容進行調整。將大部分學生沒有掌握的內容確定為主要教學內容，而針對少部分落后于班級的學生，可以課前為他們推送補充學習內容，讓他們及時跟上其他學生；對掌握情況較好的少數優勢學生，課后提供挑戰性的教學內容。

2.2.3 精確評價與反饋

評價和反饋是實現精準教學的重要策略，它貫穿整個教學過程，是課堂教學的支持和補充，是高質量教學的有機組成部分。精準評價應該不只是包括對學習結果的評價，還包括對學生個體的學習態度、動機、學習風格、學習投入等的評價。同時，精準評價也包括精準時間節點的評價和反饋，在英語教學實踐中，我們使用以下幾個學習分析策略來實現精準評價和反饋。

首先，通過學習平臺和軟件實時收集學生的學習行為相關數據，包括行為數據(如登錄、學習時長、資源使用等)、互動數據(如小組活動、討論)、自我報告數據(如學習動機、策略)和學習數據(如作業等)，針對不同的評價目的來進行分析。例如，在對學生的詞匯知識、聽力理解等基本能力進行評價時，可以利用平臺自動測評功能，獲取正確率及平均分數等數據；在利用話題討論等任務來評價學生的思辨和合作能力時，學習分析可以通過獲取學生的發言頻率、常見主題、重點詞語等數據來進行語篇分析和會話分析；在評價學生英語寫作時，可以利用平臺的作文自動批改系統如iwrite等，給予學生評分及建議，并輔助以教師的個性化指導。

其次，利用學習儀表盤等可視化工具及時將評價結果反饋給教師和學生。傳統教學中反饋存在著不及時、模糊、片面等缺點，在精準化的教學中，我們使用了多種可視化方式，給師生提供精準和全面的反饋。例如，通過平臺“提醒”功能給予落后學生預警；通過柱狀圖、折線圖、直方圖等各種圖表向學生反饋學習任務完成情況以及和其他同學的對比情況。

最后，利用學習分析技術支持同伴評價和自我評價。學習平臺為同伴評價提供了操作上的便利。教師在布置任務時，設置同伴互評、分組互評和組內互評，同時利用儀表盤信息了解同伴反饋(評論)數量、反饋回復數量等以觀察和監督全班學生的同伴評價投入，確保了同伴評價的質量。為了促進學生的自我評價，我們提供了包括標準參照、規范參照和自我參照在內的多種參照形式。例如，針對學習任務，提供評價量規或核對清單，讓學生自己進行規范對照；提供班級整體學習情況數據，使學生與同伴進行標準對照。同時，學習分析對學生學習數據的持續記錄和分析，讓學生隨時對過去時間點的學習情況進行回顧，監控自己的學習進程，進行自我參照的評價。

2.2.4 精準干預與決策

在精準評價和反饋的基礎上，分別從教師、學生和管理者的角度進行精準的干預和決策。

從教師角度來說，教師首先根據具體情況對教學目標和內容進行調整和決策。例如，在某次聽力課中，假設教學目標是提高學生理解英文講座的能力，同時在課前對學生進行的測試中，教師了解到大部分學生對Ted講座聽力理解存在較大困難，這時候基于二語習得中可理解性輸入的原則，教師應該及時通過提供背景知識和相關詞匯講解、放慢播放速度等來降低學習內容的難度，或者重新選擇其他難度較低的講座，使其成為對學生有效的輸入。在課中，我們可以通過學習平臺的實時反饋數據，如隨堂討論和測試等數據，定位學生疑惑較多的難點，多角度進行講解和鞏固。在課后，教師根據學生的學習水平和掌握情況，利用學習資源平臺，實行學習任務和資源的分層推送。對基礎弱，課堂內容還把握得不是很好的學生，布置給他們與課文內容相關的課后練習，對知識進行鞏固；對基礎好，課堂內容已經完全掌握的學生，向他們推送提高性的學習資源。同時，教師還可以通過對學生態度、動機和投入進行評價，及時對學生的學習進行干預。如發現學生完成度較低、拖欠任務，可通過設置最后期限提醒等措施及時敦促學生；如發現學生任務完成時間過短，有敷衍了事的傾向，可在評分中加重時長比例，同時和學生個別談話，了解其學習中的問題，采取相應的措施。

學生也需利用學習分析評價來對學習進行干預和調整。例如，通過了解自身的學習相關數據，并將其與班級同學整體學習情況進行對比，及時調整階段學習目標和策略。另外，教師還可通過多種方法鼓勵學生進行自主調節。例如，向學生充分說明學習數據的采集和分析方式以及它們在評價中的意義，讓學生能充分獲取自己的學習數據分析結果。教師定期對學習分析結果給予詳細解釋，以幫助學生理解數據代表的涵義。同時，教師根據數據提供清晰的指導和建議，促使學生采取相應的改善措施。

管理者的干預包括了解教師和學生在平臺使用和數據分析中的困難和需求以及監督數據的正確使用，如防止作弊等。

2.3 實施效果與建議

在對實驗班級進行了一年的實踐教學后，我們對兩個班的54位學生進行了滿意度問卷調查，也結合了教師對教學的反思，對基于學習分析的精準化大學英語教學的效果、存在的不足與問題進行了分析，提出對今后教學的建議。

首先，我們對學生態度及滿意度進行了調查。學生對學習分析的易用性和透明度持正面態度，只有3.7%的學生認為訪問分析數據存在困難，16.67%的學生不是特別清楚數據分析的過程。大多數學生對基于學習分析的精準教學的效果持滿意態度，他們中超過半數認為基于學習分析的精準教學模式能讓他們全方位了解自己的學習狀況(61.11%)，了解自己的學習狀況與學習目標之間的差距(57.41%)，可以獲得及時的(70.37%)、有效的(72.23%)反饋，并且能夠根據反饋調整自己的學習(66.67%)。

其次，我們了解了不足與問題。通過對學生的訪談和教師的反思，我們發現基于學習分析的外語精準教學仍然存在一些不足，主要包括下面幾點：(1)目前已有的在線教學管理和學習平臺功能還很欠缺，部分平臺只提供基礎的學習行為數據，不具備支持學生畫像、社交網絡分析、會話和文本分析等文科類教學需要的重要功能，教師還需要大量的外部軟件技術支持，造成了實施上的困難。(2)學生對于數據的態度也會影響教學的效果，有些學生出于對成績的擔憂，單純追求數據意義上的“出色表現”，如人為增加點擊率和學習時長、采用不正確手段增加測驗的正確率等，這樣損害了數據的信度。(3)由于學習分析主要是基于在線學習行為的數據進行，可能會造成線下教學的部分數據集的缺失，從而影響精準教學評價。

通過以上分析，我們對今后基于學習分析的大學英語精準教學提出以下建議：(1)為教師實施精準教學提供完備的技術支持。目前的英語教學和管理平臺的功能應該從簡單地提供學習管理系統的日志數據和評估數據轉向充分了解教師的教學需求和理念，提供適合英語學科教學特點的學習分析工具，為數據驅動的教學實踐創造條件，這樣教師才能真正將學習分析和精準教學實踐結合起來。(2)發展師生數字素養和倫理意識。教師和學生需要跟上大數據技術的快速發展，以適應數據驅動的教學范式的改革。學校可以建立持續性專業發展機制，包括為教師提供數據分析知識的傳授和智能化技術分析工具的實踐訓練以及提供適合學科特點的教學系統或平臺，訓練他們日常學習工作中分析數據的能力。同時，學生和教師應該養成一定的數據倫理意識，包括避免對數據的不正確使用和不合理態度，以保證學習分析的公正性和透明度。(3)將學習分析與教學設計有機結合。要將學習分析利用起來，真正實施精準教學，要考慮到學習分析的有限性。學習分析作為一門計算機領域的研究，其本身并不具備學習和課程設計方面的理論支持。因此，教師在實施精準教學之前，需要將學習分析預先納入課程設計范圍，明確其在教學過程中的角色和作用。同時，要將線上數據分析和線下教學有機結合起來，因為在混合學習或者翻轉課堂情況下，技術有時無法監控學習管理系統之外的學習事件，導致教師無法捕捉某些學習影響因素，且教學是有具體情境的，必須將學習分析和具體情境下的教學結合起來，才能實現精準教學。

3 結語

信息技術環境下，教育借力于高速發展的大數據和智能技術，使得基于學習分析的精準教學已經成為實現“因材施教”的一種重要手段。大學英語作為高校一門重要的必修課，其教學目標是培養具備多種能力和國際視野的復合型人才。精準教學的理念和實施非常符合大學英語的個性化人才培養要求。在未來的教學中，我們要繼續探索如何更有效地構建和實施數據驅動的精準化教學模式，提高教學效率和深化教學質量，推進大學英語課程教育信息化改革，將外語人才培養目標落到實處。