場景化分析：一種數據驅動下的學習行為解釋性框架

黃石華 武法提

[摘 ? 要] 教育數字化戰略的實施加速了以數字化為支撐的學習行為分析框架與理論模型建設的同時，也暴露出當前模型的教育解釋力不足等新問題。文章試圖以“場景”為研究切入點，借助“場景”作為洞察和解釋人類社會行為的認知工具，從“場景”如何量化學習行為大數據的視角，建構一個可量化、可解釋的學習行為分析框架，以更好地洞察與闡釋隱藏在行為大數據背后的學習行為規律。研究從“場景”與“行為”的關聯視角，深度剖析了“場景”與人類社會行為之間的關聯淵源，以及“場景”對學習行為模式解釋性的影響；再從數據驅動的量化視角，對場景量化的構成要素、特性等進行分析，深層次分析了場景驅動學習行為分析建模的量化邏輯；從場景如何解釋行為模式的視角，圍繞以“場景”為核心，構建一個數據驅動的學習行為分析的解釋性框架，并探討了該解釋性框架的應用方向。

[關鍵詞] 場景化分析； 學習行為量化； 解釋性框架； 分析建模

[中圖分類號] G434 ? ? ? ? ? ?[文獻標志碼] A

[作者簡介] 黃石華（1983—），男，廣西梧州人。講師，博士，主要從事智能教育、學習分析、數字化學習資環境與學習資源設計的研究，E-mail：hshua@gpnu.edu.cn。武法提為通訊作者，E-mail：wft@bnu.edu.cn。

一、場景與行為：教育場域容易被忽視的關聯

（一）“場景”是洞察與理解人類行為模式的重要信息單元

“場景”一詞，相信大家都不陌生，在我們的日常生活當中經常被使用，但何謂“場景”，目前尚未有相對統一的定義。人們對于“場景”認識，基本還是源于《現代漢語詞典》[1]《現代漢語大詞典》[2]等權威詞典對“場景”的基本釋義：一種是指戲劇、影視劇中的場面；另一種是泛指情景。深究“場景”的深層涵義，“場景”的概念最早出現在戲劇、影視劇中，是指在特定的時間、空間內發生的有一定的任務行動或因人物關系所構成的具體生活畫面，相對而言，是人物的行動和生活事件表現劇情內容的具體發展過程中階段性的橫向展示[3]。戲劇、影視中的場景是作為影片敘事的基本單元，主要用于刻畫或塑造劇情中的人物形象，反映的是特定時空范圍內人物行為關系的活動意圖[4]。這是因為人物個體“真實的”或“真正的”態度、信念、情感，也許只有間接地通過不知不覺地流露出來的行為才能弄清[5]。而人物個體的行為，在很大程度上，是根據其所處社會所定義的場景塑造和修改的[6]。從這個意義上說，“場景”就是人類行為的真實反映，融入了對人們生活的理解，對人們的生活方式和行為模式的理解[7]。基于“場景”的這層內涵，人們開始采用“場景”方法來分析和了解人類社會行為模式和社會規律，以獲得當下社會生活更高的解釋力。可以說，“場景”提供了一種觀察社會角色和行為模式的分析方法，可以作為研究社會行為新的科學方法的基礎。于是，不同的學者從不同學科視角對“場景”的概念進行了界定，如社會學領域，羅格·巴克將“場景”視作“有界的、臨時的、有形的行為場所”，勞倫斯·佩爾文將“場景”視作“特定的人、特定的時間、特定的地方和特定的行為活動的總和” [6]。歐文·戈夫曼更是將“場景”作為社會生活研究的重要分析單元，認為人類社會行為需要放到特定場景中進行理解，否則很難理解人類行為中的符號意義[5]。傳播學領域，約書亞·梅羅維茨進一步將社會學的“物理場景”拓寬至“媒介場景”，認為場景是“相對自主的自我觀念和社會行為的研究傳統之間建立一種平衡” ，對于每一種社會行為，都需要一種特定場景來明確界限[6]。還有學者認為“場景”是人類社會運作的一個微觀單元，人類的社會生活就是由一個個場景連接而成[8]。城市社會學領域，特里·克拉克等人將“場景”視作“生活娛樂設施”的組合，這些組合凸顯城市社會功能的同時也傳遞著文化和價值觀，注重反映和形塑人們的空間行為動機與現代生活秩序[9]。在計算機領域，有學者將“場景”視作“某一狀態下所包含的情境信息及其所需執行動作（事件）的集合”[10]。從這些不同學者對于“場景”的涵義解釋與應用拓展可以看出，他們都有這樣的一個共識，認為“場景”是約束社會行為規范的準則，是理解人類社會行為的一個重要信息單元[5]。借助場景的分析方法，我們可以考察人類不同的行為模式：在某個場景幾乎總是發生的行為，在某個場景幾乎從不發生的行為，在某個場景中有時發生的行為，場景與場景之間的關聯行為等[6]。比如人們經常利用場景來檢測“不恰當的社會行為”，如某學生在圖書館場景中大聲喧嘩的行為，在上課場景中睡覺的行為，等等。通過將場景與行為進行關聯，可以更客觀、準確地了解人類行為模式和社會規律，形成場景驅動的人類語言表達及行為方式框架，并利用這些行為模式和社會規律來反作用于人類，便于更好地服務人類，回歸“以人為本”服務理念的基本命題。

（二）建構一個高解釋性的學習行為分析框架需分“場景”進行

當下的數智時代，數據驅動的研究范式成為學習分析領域的主導范式，這種數據驅動的學習行為分析研究，它更加注重數據的教育解釋力，注重堅守教育規律，回歸教育本質[11]。若從教育規律的角度看，解釋是洞見真理的方法，也是真理存在的方式，教育的理論正是以解釋的方式表達著對教育真理的洞見，好的解釋會讓本質明亮與顯現，而不好的解釋讓本質晦暗與沉淪[12]。這種數據的教育解釋力，其實質就是隱藏在數據背后的內在關系與運行邏輯，是揭示教育發展演變的客觀規律，從這個意義上說，教育大數據，其價值不是體現在數據本身，也不是體現在數據的分析方法與技術，而是體現在隱藏在數據背后的數據關系，以及能解釋這些關系的教育機理。而學習行為數據作為教育規律挖掘的重要基礎，其數據的解釋力，它反映不同來源數據分析的結論差異做出合理的解釋[13]，直接影響到教育規律生成的客觀性與準確性。因此，衡量一個學習行為分析模型的好壞，并不是看建模過程中運用了多么先進的技術手段與方法，而是著重看行為分析模型的可解釋性，看分析模型是否能很好地回應了教育問題，是否能解釋教育的內在機理。

“場景”作為人類行為的真實反映，是理解人類行為模式重要的信息單元，逐漸成為洞察人類行為模式的認知工具。只有將人類行為需要放在特定的場景中考察，才能真正地反映出人類行為所處的狀態（如用戶目的、用戶意圖等），進而更好地了解人類的行為模式和社會規律。而學習行為作為人類社會行為的其中一種形態，也理應放到特定的學習場景中進行分析與理解，以獲得更高的教育解釋力，進而更好地揭示學習者的行為規律。這是因為不同的學習場景，所形成的學習行為模式和學習規律也會有所不同，如作業行為模式，若發生在“圖書館場景”，其行為模式表現為：復習教師課件→查看經典習題→開始做作業→查閱資料→繼續做作業→完成作業，若發生在“自習室場景”，其行為模式表現為：和同伴討論課程的知識難點→開始做作業→和同伴交流解題思路→繼續做作業→同伴互查作業→完成作業，這兩個不同的學習場景，其作業行為模式是不一樣的，生成的學習行為偏好和學習需求就會有所不同，最終導致向學習者提供的學習服務內容（包括學習資源、學習路徑、學習工具、學習伙伴等）也要有所不同。其他的學習行為分析，如學習行為投入分析、學習習慣分析、學習專注度分析、學習成效分析等，也很少關注“場景”這個重要因素，導致學習行為分析的結果不夠精細、不夠準確，甚至出現學習行為分析結果的假象和悖論，如學習行為投入分析，傳統的分析結果可能存在學習行為投入很高，但學習成效很低的假象，但不排除某些學習場景中，存在有學習行為投入度高，學習成效也高的情況，我們更需要找到這些不同場景的高效或低效的學習行為投入，便于全面、準確地掌控學習者的學習狀態，進而才能更有針對性地開展精準的個性化學習服務。這就需要將學習行為放進特定場景中進行考察，分場景對學習行為模式進行分析挖掘，才能更客觀、更準確地描述學習者的學習行為規律。此外，借助場景化的行為分析方法，可以很好地對學習行為的語義范疇進行明確界定，不但能精細、精準地描述學習者的學習行為模式，同時也使得學習分析的結果具有更高的教育解釋力，更真實地反映客觀的學習規律。

二、場景的可量化、可計算：驅動學習行為分析建模的生成邏輯

（一）“場景”的量化要素分析

在過去，由于時代與技術的局限性，人們對于“場景”的理解更多是停留在抽象概念層面上的認識，場景的內涵與價值沒有得到很好地凸顯，同時也未能引起學術界的廣泛關注。當今高度數據化的數智時代，發生在不同場景下的人物行為活動軌跡逐漸被智能感知設備所捕捉和理解，形成全方位、全過程、全覆蓋的行為大數據，并通過數據表征方法將其還原和模擬出來，使得“場景”變得可感知、可量化、可計算。從某種程度上說，數智時代的“場景”可以理解為一種可量化、可分析、可操作的高技術“場景”[14]。這種量化認知觀的“場景”，打破了常規的“場景”界限，超越了原來社會、文化、心理等不同行為所構成復雜和多元生活畫面的物化概念，它是指特定的時空領域范圍內，圍繞以“人”為中心，以感知設備為載體，以事件為表現形式的行為序列總和，它更加強調“場景”中的人物行為關系發展的演變過程，注重的是人類行為的時空立體感和行為事件的整體性和關聯性（即行為事件發生的來龍去脈）[15]。可以說，新時代的“場景”，其實質就是人、時間、空間、設備、事件等多重維度界定出來的小世界，這個小世界可以代表相對獨立的人類某種行為語義主題。為此，文章借鑒學者武法提的場景量化方法[15]，將“場景”的量化要素劃分為：主體要素、時間要素、空間要素、設備要素、事件要素五個基本要素。這五個要素的有機組合，可以很好地描述人類行為活動的全貌，即“主體情境 ＋ 時間情境 ＋ 空間情境 ＋ 設備情境 ＋ 事件情境 ≌ 行為場景”，轉化為人們所理解的場景語句為：“誰，在什么時間，什么地點，使用什么設備，做了什么事”，由此生成“場景量化”的形式化描述[16]：“人物”：人物的信息標簽；“某個時間點”：時間分類語義標簽；“某個地點”：地點分類語義標簽；“使用什么設備”：設備分類語義標簽；“做了什么事”：事件分類語義標簽。該形式化描述映射還原出的“場景”語句為：小明（人物的信息標簽：小學三年級），10：00（時間分類的語義標簽：課堂學習時間）， 北京師范大學實驗小學（地點分類的語義標簽：教學樓），使用iPad（設備分類的語義標簽：平板電腦），做數學作業（事件主題的語義標簽：小學三年級數學第八單元分數加減法）。借助這五個量化要素，就可以很好地模擬表征人類的社會場景，便于對不同場景下人類行為模式進行量化分析。

（二）“量化場景”的三大原力：學習行為分析建模的量化邏輯

數智時代高度數據化的社會形態，造就了人類行為的量化環境，而場景作為塑造人類行為的表達框架，在行為大數據與人工智能的雙重驅動下，賦予了“量化場景”的三大原力：場景的技術聯動力、場景的信息聚合力、場景的智能適配力，借助這三大原力構筑了學習行為分析建模的量化邏輯。

1. 場景的技術聯動力：學習行為數據全方位感知的“雷達”

學習行為數據的感知與采集是場景量化的數據基礎，只有全方位感知并采集發生在場景中的學習行為活動數據，獲得更全面的行為大數據，才能使得數據表征所生成的學習場景更客觀、更準確。單一的技術與方法，很顯然是無法快速、即時地獲取到全方面的場景數據，只有通過“技術聯動”的方法，才能全方位感知和采集人們所經歷的活動數據。這種“技術聯動”既包括外部數據源之間的協同感知，也包括數據源內部之間的協同感知，并且數據聯動采集需要基于場景的五個量化要素所構成統一、通用的數據規范格式進行，建立基于時間間隔采樣、基于位置采樣以及基于事件交互觸發采樣等聯動數據感知機制。圍繞場景五個量化要素的數據特性，場景的技術聯動主要是圍繞大數據、移動設備、社交媒體、傳感器和定位系統等技術來進行聯動采集[17]，其中，大數據是量化“場景”的數據支撐，只有形成全方位、全過程、全覆蓋的人類行為大數據，才能模擬出真實的社會場景；移動設備是“場景”技術的數據分析平臺，是其他4要素的數據運算載體；傳感器是感知“場景”數據的工具，通過傳感器，主動感知并收集人們所在時空、動作、情感等變化信息的數據；社交媒體是“場景”之間的連接器，通過社交媒體，不但可以連接人與人的關系，還可以連接人與資源、人與場景、資源與資源、場景與場景的關系，形成人、資源、場景等因素構成的資源大網絡；定位系統是識別和定位“場景”的運算機制，通過定位系統，可以實時識別和定位人們當前所處的場景，便于即時分析當前場景的行為需求，進而開展基于場景適配的精準信息服務。只有通過這些新技術的聯動作用，才使得技術與技術之間能夠無縫對接，形成一個“全場景”的技術支撐平臺，使得場景五個量化要素的屬性數據，都能被全方位感知與采集，便于學習行為大數據的分析與計算。

2. 場景的信息聚合力：重構序列化學習行為模式的組織邏輯

互聯網時代，互聯網具有連接一切的本質[18]，使得人類的交互行為不再僅僅停留在人與人的連接上，還可以表現為人與物，甚至物與物之間的連接。通過互聯網這種多層次、多粒度的連接，可以將分散、碎片的人類交互行為軌跡進行聚合起來，生成一個行為活動的大網絡，網絡節點可以是人、資源、產業、機構等主體，并且這些節點都是連通的。借助互聯網連接一切的能力，可以將學習行為軌跡數據進行深層次聚合，形成學習行為活動大網絡。這種大網絡，雖然有利于深層次挖掘學習者的行為模式和規律，但也給學習行為模式的挖掘帶來很大難度，如何將高相關度的網絡節點篩選出來，并形成有序化的行為序列就成為學習行為分析的重要難題。而“場景”作為理解人類行為模式的重要分析單元，相較于過去“場景”各構成要素的相對獨立，數據不能聯通，各自扮演獨立角色的現象，如今互聯網連接一切的能力，賦予“場景”的深度鏈接力，使得“場景”五個量化要素更好地融為一體。借助“場景”的深度鏈接力，并且在自組織網絡理論、系統論等指導下，使得學習行為活動大網絡的各個節點，可以按照“場景”五個量化要素進行有序地重組、整合，成為“場景”量化重構序列化學習行為模式的組織邏輯。如學習者在遇到學習問題時，利用“場景”的深度鏈接力，借助智能化的學習感知設備，定位到當前學習者的學習場景，并將學習時間、學習位置、學習事件、學習進度等學習場景的要素連接到一起，建立與學習伙伴（如在線的教師、學生等）、學習工具（如思維導圖）、學習活動（如學習心得分享、小組討論活動）等學習內容的適配關系，極大地改變了過去學習資源與知識點單一的連接生成的學習服務方式，生成更精準的場景個性化學習服務。

3. 場景的智能適配力：驅動學習行為分析理論的生成邏輯

借助“場景”的智能感知力、深度鏈接力等能力，使得場景可以不斷模仿、甚至可以復制人類的感知模式和認知模式，深層次了解不同場景下的人類行為模式，進而能夠準確地描述不同場景下用戶的行為特征，勾勒出全場景的用戶自畫像，用戶就可以清楚地看到自己生活中的某些側面，從而更清晰地認識自己，這種認知方式類似于美國社會學家查爾斯·霍頓·庫利的“鏡中我”理論，它是一種間接的認知模式[19]。可以說，“場景”就是人類個體的一面鏡子，可以實時了解不同場景下的用戶狀態和需求，并主動地提供用戶適配的信息服務，概括來說，這就是場景的智能適配力。借助這種智能適配力，在實時了解不同場景的學習需求情況下，根據不同應用分析目標（如精準化管理、精準化評價、精準化服務等），匹配不同的數據計算建模方法，生成不同應用領域的數據分析模型，用來揭示不同的學習行為分析理論。從這個意義上講，場景的智能適配力，就是驅動學習行為分析理論的生成邏輯。如學習服務領域，在全面了解不同場景下學習者的學習行為模式、個體特性、學習需求的基礎上，通過場景的智能適配力，精準定位當前場景的推送時機、推薦策略以及個性化的呈現方式，主動地推送給學習者適配的學習資源，不但能提高學習服務的精準度、體驗性，同時也很好地彰顯學習服務發展的內在邏輯“理解人→服務人”，回歸以人為本服務理念。

三、融合場景的學習行為分析解釋性

框架的構建

（一）融合場景的學習行為分析解釋性框架的結構分析

從上述的場景驅動學習行為分析建模的量化邏輯分析得知，融合場景的學習行為分析解釋性框架，其實質是一個以大數據為基礎、以“場景”為核心的學習行為量化分析建模過程。其整個解釋性框架的結構主要分為：元數據層的解釋性、數據模型層的解釋性、模型可視化層的解釋性以及數據揭示理論層的解釋性四層，這四個層面是一種由淺入深、層層遞進式的解釋性框架。若再融合目前最為廣泛的Fayyd數據分析挖掘模型的建模流程[20]：數據預處理→數據轉換→數據挖掘→解釋和評估，基于“場景”為核心生成的學習行為分析的解釋性框架的結構則可以分為：“場景”為規范的學習行為數據規范環節、“場景”為單元的學習行為分析建模環節、“場景”為主題的行為模式可視化建模環節、場景化學習行為量化分析理論的形成環節等四個環節，這四個環節與四個解釋層共同構成一個閉環的學習行為分析建模過程。

其中，“場景”為規范的學習行為數據規范環節，主要是從元數據層面，建構一個共享重用的場景數據模型，為學習行為元數據打上場景語義標簽，形成一個學習行為元數據的解釋層，讓用戶知道哪些學習行為數據發生在那個場景中。通過將采集到的多元異構學習行為大數據，融合國際通用數據規范標準，提取這些學習行為元數據中的場景語義，生成標準通用的場景化數據規范格式，構建一個高度語義化的共享重用的場景數據模型。“場景”為單元的學習行為分析建模環節，主要是從數據模型層面，建構一個場景化的學習行為量化分析模型，挖掘不同場景下的學習行為模式，形成一個行為模式的解釋層，讓用戶知道哪些場景中存在什么樣的學習行為模式。基于前面生成規范化的場景數據模型，采用數據挖掘算法、數據計算建模、學習分析技術等方法，對規范化的學習行為大數據進行分析挖掘，建立場景化的學習行為量化分析模型，發現不同場景下的學習行為模式。“場景”為主題的行為模式可視化建模環節，主要是為了更好地幫助用戶理解挖掘生成的學習行為模式，同時也為了讓用戶能快速地找到隱含在海量數據中的規律信息，對前面構建的場景化學習行為量化分析模型，根據不同的行為分析維度，尋求最佳的可視化方法，匹配合適的可視化呈現方式來展示不同場景下的學習行為分析模式。場景化學習行為量化分析理論的形成環節，主要根據不同學習行為分析模式揭示的教育規律，生成更具教育解釋力的學習分析應用理論（如課堂教學理論、數字學習環境理論、學習服務理論等）。最終形成的融合場景的學習行為分析解釋性框架的結構如圖1所示。

圖1 ? ?融合場景的學習行為分析解釋性框架結構

（二）融合場景的學習行為分析解釋性框架的建構過程

基于上述融合場景學習行為分析解釋性框架結構的四個核心環節，文章將解釋性框架建構過程也相應分為四個方面的內容：場景為規范的學習行為數據規范分析、場景為單元的學習行為模式建模設計、場景為主題的行為模式可視化建模設計、場景化學習行為量化分析理論的形成，這四個方面的內容既相對獨立，同時也相互制約，共同作用構成一個閉環、自適應的學習行為分析的解釋性框架，其框架的具體構建過程如圖2所示。

在場景為規范的學習行為數據規范分析的內容設計方面，主要是構建一個可重用、可共享的規范化場景數據模型，為學習行為元數據打上語義標簽，以更好解釋元數據層上的數據語義。首先借助互聯網感知設備，采用直接感知和協同感知的方式，全方位地感知并采集學習者場景變化的信息（包括學習發生的時間、空間以及學習行為事件等信息），形成場景行為大數據。其次，基于這些場景行為大數據，融合深度學習算法和特征提取方法，分類提取場景五個量化要素的數據特征，為場景的五個數據維度打上語義標簽，進而生成具有高度語義的場景數據集。然后，采用國際通用的xAPI（Experience API）規范，對這些場景行為數據進行規范化分析，生成統一通用的xAPI規范的數據交換格式：Actor（主體情境） ＋ Time（時間情境） ＋ Local-Context （位置情境） ＋ Device-Context（設備情境） ＋ （Verb ＋ Object ＋ ?Result）（事件情境）＋≌ LC（學習場景），并基于該場景規范化的數據格式，構建一個可重用、可共享的規范化場景數據模型。

在場景為單元的學習行為模式建模設計方面，主要是采用時空聚類、序列模式挖掘等計算建模方法，構建一個場景化的學習行為模式挖掘模型，讓學習行為模式放到特定的“場景”中去理解，以更好地解釋模型層的行為語義。首先，基于場景規范化的學習行為數據集，采用時空聚類算法，對這些場景行為軌跡進行分段處理，切割為一個個以“天”為粒度的軌跡線段（即學習者一天的學習行為軌跡線段）進行時空聚類，切割為一個個相對獨立時空簇，每一個時空簇代表一個學習場景，生成一個個單天學習場景序列集。其次，基于這些單天的學習場景序列集，采用增量式序列模式挖掘方法，對這些單天場景行為序列集進行序列頻繁度計算，生成不同分析維度的頻繁行為序列集；然后，基于這些頻繁行為序列集，通過頻繁序列挖掘、時間序列挖掘、周期性行為挖掘等方式，挖掘不同場景下的熱點學習行為模式、近期學習行為遷移模式、周期性學習行為模式。

在場景為主題的行為模式可視化建模設計方面，學習行為模式的可視化建模，主要從數據的教育解釋度視角，將數據揭示的學習行為模式以直觀、立體的可視化方式呈現給用戶，便于用戶洞察與理解隱藏在數據背后的學習現象與學習規律。但學習行為模式可視化并不是為了可視化而可視化，它是要從行為模式可視化的信息圖表當中揭示教育規律，反映教育問題。為此，文章參考目前使用較為廣泛的可視化分析設計路徑[21]：數據→模型→可視化→知識→數據，首先，基于生成不同場景下的學習行為模式，根據它們不同的行為特性（如學習行為的周期性、關聯性、區域性、群聚性、遷移性等特性）采用不同的分析視角，匹配出不同可視化方法（如地理信息可視化、時變數據可視化、空間標量場可視化等方法）；然后，再基于這些不同的可視化方法，選擇恰當的可視化呈現策略，如可以采用單圖呈現，或者通過多圖多維度進行呈現，最終形成一個可操作性、交互性更強的學習行為模式可視化模型。

在場景化學習行為量化分析理論的形成方面，主要是基于前面生成不同學習場景下的學習行為模式，根據這些行為模式的應用方向（如精準化教學、精準化管理、精準化評價、個性化服務等），構建不同教育應用模型，揭示不同教育理論，如場景化學習服務分析理論、場景化學習行為投入分析理論、場景化學習行為習慣分析理論、場景化學習成效分析理論、場景化學習測評分析理論等。

四、融合場景的學習行為分析解釋性框架的

應用方向

（一）場景化學習：可以作為洞察學習規律的一種認知系統

場景作為人類行為的真實反映，同時也是理解人類行為模式的重要分析單元，只有將人類行為放在所發生的“場景”中去分析，才能更好地理解人類行為的目的與意圖，最大限度地了解人類的行為模式和行為規律，為洞察和理解人類社會規律提供了一個新的認識。新時代的教育，學習發生的場景不再局限于固定的學校課堂學習場景，還可以發生在公園、科技館、休閑吧、博物館、電影院等碎片化的學習場景中，并且在互聯網、人工智能先進信息技術的聯動支持下，發生在不同場景下的學習行為軌跡數據逐漸被智能學習感知設備所感知和采集，形成海量的學習行為大數據。通過將海量的學習行為大數據切割為一個個相對獨立的學習場景，再利用關聯挖掘、序列模式挖掘等方法，挖掘這些獨立場景下的個體、群體的學習行為模式，形成不同場景的頻繁學習行為模式、學習行為的遷移模式、周期性學習行為模式等行為規律，進而更好地了解學習者真實的學習狀態和學習需求，并利用這些學習行為模式和規律反作用于學習者，使得“場景”逐漸成為洞察學習規律的一種認知工具。

（二）場景化教學：可以作為多元化教育教學的一種設計思維

美國著名教育家約翰·杜威認為“教育即生活，即生長，即經驗改造” [22]。我國著名的教育家陶行知基于杜威的這種思想，也提出了“生活化教學”教育理念。他所提倡的是教學內容、教學活動的設計要從學生所熟悉的生活場景出發，建構生活場景化的課堂，以幫助學生知識理解與建構[23]。在過去，由于技術的局限性，這種生活場景化的教學思想更多是停留在理念層面上，而隨著互聯網時代的到來，社會上的個體、產業、社會機構、聯盟都可以成為教學服務的提供者[24]，社會上蘊含著豐富的教學資源，通過場景的技術聯動力以及場景的深度鏈接力，可以很好地將社會上的個體、團體、組織機構連接起來，構建一個場景化教學的共同體，建立學校與外部社會的智能協同機制，形成一個教育資源高度共享、無縫對接、全社會參與的大教學環境。有了這個大教學環境的支持，再基于不同場景下的學習行為分析的結果，自動連接到適配場景的共同體，構建一個多元化教學的線上線下混合式的教學環境，通過場景中的人、物、景的多重交互與多維展示，重現人物行為事件發展過程的全貌，便于學習者對課程知識的深層次內化，建構自己的知識體系。例如，微軟公司2012年提出“未來課堂”的構想，就是利用現代化的信息技術，將課堂重點知識和教學信息放到大教學環境中進行同步和共享，實現教學的線上互動與協作，真正將教師、社會專業人員、學生等教學主體進行實時無縫對接，生成一個動態多元的場景式教學環境[25]。

（三）場景化服務：可以作為個性化教育服務的一種服務理念

場景化服務的本質是一種對場景的感知及信息適配的服務模式[26]，即基于用戶所在的場景，在用戶有需求欲望的時候，向用戶提供當時所需的適配信息及服務，讓用戶在驚喜中感到服務的溢價，且在用戶不需要的時候，從不去打擾他（她）。這種服務模式是力求從推送時機、推送方式、推送內容、呈現方式甚至到心理情感上進行全方位適配，向用戶提供智能化、精準化、個性化的信息支持服務，從而提高個性化服務的精準度。當今的高度數據化的數智時代，學習發生的場景從校內的課堂場景不斷擴展延伸到校外碎片化場景（如公園、博物館等場景），甚至還可以是線上虛擬的學習場景，呈現多元化、動態化、碎片化、泛在化等數字化特征。面對如此復雜多變的學習環境，需要將“場景”這個重要要素融入到學習服務設計當中，在綜合考慮學習者所處場景的推送時機、推送方式、推送內容、呈現方式等因素基礎上，才能做到適時、適宜地主動推送適配的學習資源給學習者。這種基于場景適配的個性化學習服務模式，其本質是一種數據驅動范式的學習服務模式，它是以場景行為大數據為基礎，從學習者的行為方式、行為習慣和心理感受等因素出發，分場景挖掘學習者真實狀態與學習需求，找準最佳的推送時機，選擇合適的推送方式，主動為學習者推送適配的學習資源，進而更好地提高個性化學習服務的精準化水平。

（四）場景化測評：可以作為教育精準評價的一種評價方法

實施教育評價是教育教學決策的重要前提，可以為教育教學改革提供直接依據[27]。當下的教育大數據時代，大數據將重構教育評價，促使教育評價從“經驗主義”走向“數據主義”，從“宏觀群體”評價走向“微觀個體”評價，從傳統的單一的結果性評價轉向基于大數據的過程性評價、成長性評價和綜合性評價[28]，逐漸形成基于大數據的教育評價體系[29]。這種基于大數據的教育評價方法，極大地改變了以往“唯分數”“唯升學”的教育評價導向，成為教育評價領域最前沿的變革發展方向[30]。但由于不同的學習場景，其學習者所表現的學習狀態也會有所不同，如果在評價過程中忽視“場景”要素對評價結果的影響，即使有了全過程、全樣本、全覆蓋的教育大數據，也不一定能夠得出客觀、科學的評價結論，如學習者的作業評估、學習習慣評價、努力程度評估、學習狀態的診斷評價等，都需要放在特定的場景中進行解釋與評估，圍繞場景來構建學習者個體和群體全景式的成長性教育評價體系，以獲得更精準、更精細、更多維的全方位評價結果。這種場景化的教育評價方法，其實質也是一種基于大數據的教育評價方法，如果說，大數據助推教育評價走向現代化和智能化[31]，場景化測評助推教育評價走向精準化、精細化。

五、結 ? 語

大力實施教育數字化戰略行動，雖然加速了以數字化為支撐的學習行為分析框架與理論模型建設，但同時也暴露出當前模型的教育解釋力不足等新問題。而場景作為洞察和理解人類行為模式的一個重要分析工具，新時代“場景”量化的認知觀，改變了過去傳統“場景”的抽象化認識，為學習行為量化分析提供一個全新的方法與思路。文章試圖以“場景”為研究切入點，從數據驅動的角度出發，在探討“場景”是如何進行量化、如何解釋行為模式的基礎上，提出一種場景驅動的學習行為分析的解釋性框架，以期為學習行為分析的理論建構和實踐探索提供一個可行的視角。

[參考文獻]

[1] 中國社會科學院語言研究所詞典編輯室.現代漢語詞典[M].北京：商務印書館，2002：143.

[2] 郭忠新，阮智富.現代漢語大詞典（上冊）[M].上海：漢語大詞典出版社，2000：723.

[3] 沈貽祎，俞春放，高華，劉連開，向宇.影視劇創作[M].杭州：浙江大學出版社，2012：162.

[4] 許南明，富瀾，崔君衍.電影藝術詞典（修訂版）[M].北京：中國電影出版社，2005：313.

[5] 歐文·戈夫曼.日常生活中的自我呈現[M].黃愛華， 馮鋼，譯.杭州：浙江人民出版社，1989：2，6，102.

[6] 約書亞·梅羅維茨.消失的地域：電子媒介對社會行為的影響[M].肖志軍，譯.北京：清華大學出版社，2002：21-32.

[7] 奚樑.場景的解析[D].上海：同濟大學，2007.

[8] 夏蜀.數字化時代的場景主義[J].文化縱橫，2019（5）：88-97，143.

[9] 吳軍.城市社會學研究前沿：場景理論述評[J].社會學評論，2014，2（2）：90-95.

[10] 徐步刊，周興社，梁韻基，等.一種場景驅動的情境感知計算框架[J].計算機科學，2012，39（3）：216-221.

[11] 鐘秉林.回歸教育本質， 遵循教育規律[N]. 中國教育報，2019-01-09 （05）.

[12] 郝曉東.教師應提高對教育的解釋力[N]. 中國教師報， 2019-05-07 （08）.

[13] 吳忭，顧小清.教育大數據的深度認知、實踐案例與趨勢展望——2017年“教育大數據應用技術”國際學術研討會評述[J].現代遠程教育研究，2017（3）：11-17.

[14] 閻峰.“場景”即生活世界[D].上海：上海師范大學，2018.

[15] 武法提，黃石華，殷寶媛.場景化：學習服務設計的新思路[J].電化教育研究，2018，39（12）：63-69.

[16] 武法提，黃石華.基于多源數據融合的共享教育數據模型研究[J].電化教育研究，2020，41（5）：59-65，103.

[17] 羅伯特·斯考伯， 謝爾·伊斯雷爾.即將到來的場景時代[M].趙乾坤，周寶曜，譯.北京：北京聯合出版公司. 2014：9.

[18] 喻國明，馬慧.互聯網時代的新權力范式：“關系賦權”——“連接一切”場景下的社會關系的重組與權力格局的變遷[J].國際新聞界，2016，38（10）：6-27.

[19] 查爾斯.霍頓.庫利.人類本性與社會秩序[M].包凡一，譯.北京：華夏出版社，1999：1.

[20] FAYYAD U， PIATETSKY-SHAPIRO G， SMYTH P. From data mining to knowledge discovery in databases [J]. AI magazine，1996，17（3）：37-54.

[21] 陳為，沈則潛，陶煜波，等.數據可視化[M].北京：電子工業出版社，2013：122.

[22] 趙祥麟，王承緒.杜威教育名篇[M].北京：教育科學出版社， 2006：4.

[23] 申林靜.陶行知生活教育理論研究[D].武漢：華中師范大學，2008.

[24] 陳麗，王志軍，鄭勤華.“互聯網+時代”教育技術學的學科定位與人才培養方向反思[J].電化教育研究，2017，38（10）：5-11，22.

[25] 優酷視頻.未來課堂[EB/OL].[2016-10-31].https：//v.youku.com/v_show/id_XMTc4MTM5NDUyMA==. html？spm= a2h0c.8166622.PhoneSokuUgc_1.dscreenshot.

[26] 彭蘭.場景：移動時代媒體的新要素[J].新聞記者，2015（3）：20-27.

[27] 鄭燕林，柳海民.大數據在美國教育評價中的應用路徑分析[J].中國電化教育，2015（7）：25-31.

[28] 楊現民，唐斯斯，李冀紅.發展教育大數據：內涵、價值和挑戰[J].現代遠程教育研究，2016（1）：50-61.

[29] 田愛麗.綜合素質評價：智能化時代學習評價的變革與實施[J].中國電化教育，2020（1）：109-113，121.

[30] 范涌峰，宋乃慶.大數據時代的教育測評模型及其范式構建[J].中國社會科學，2019（12）：139-155，202-203.

[31] 朱德全，吳慮.大數據時代教育評價專業化何以可能：第四范式視角[J].現代遠程教育研究，2019，31（6）：14-21.

Scenario-based Analysis： A Data-driven Interpretability Framework for

Learning Behavior Analysis

HUANG Shihua1， ?WU Fati2

（1.Department of Educational Science， Guangdong Polytechnic Normal University， Guangzhou Guangdong 510665; 2.Engineering Research Center of Digital Learning and Educational Public Service， Beijing 100875）

[Abstract] The implementation of the digitalization strategies for education has accelerated the construction of the learning behavior analysis framework and theoretical model supported by "digitalization"， it has also revealed new problems such as the insufficient explanatory power of current models in education. The paper attempts to take "scenario" as the entry point， uses "scenario" as a cognitive tool to explain human social behaviors， and constructs a quantifiable and interpretable learning behavior analysis framework from the perspective of how "scenario" quantifies the big data of learning behaviors， so as to better explain the laws of learning behaviors hidden behind the big data of behaviors. Firstly， from the perspective of the correlation between "scenario" and "behavior"， this paper deeply analyzes the relationship between "scenario" and human social behaviors， as well as the impact of "scenario" on the interpretation of learning behavior model. Secondly， from the perspective of data-driven quantification， this study analyzes the components and characteristics of scenario quantification， and deeply analyzes the quantitative logic of scenario-driven learning behavior analysis and modeling. Finally， from the perspective of how the scenario explains the behavior pattern， an interpretative framework for scenario-based learning behavior analysis is constructed with the "scenario" as the core， and the application directions of the interpretative framework are discussed.

[Keywords] ?Scenario-based Analysis; Learning Behavior Quantification; Interpretative Framework; Analytical Modeling