數據支持下在線教育平臺學習支持服務策略研究

劉娜娜

摘要：隨著互聯網及相關領域技術的不斷進步，網絡平臺在教育領域的應用為在線教育過程提供了良好助力。平臺的學習數據能夠為學習支持服務改進提供參考依據。本研究采用內容研究法和文獻研究法，以415篇與本研究相關的文章為研究對象。分析發現，目前在線教育平臺的學習支持服務存在網絡資源建設不完善、缺乏人際情感交互服務、缺乏個性化指導以及督導體系不完善等問題。針對上述問題，本文將從資源建設管理、情感交互、督導體系以及個性化指導等方面進行解決。

關鍵詞：大數據；在線教育；學習支持服務；學習數據；學習平臺

中圖分類號：TP311 文獻標識碼：A

文章編號：1009-3044（2024）11-0101-03

0 前言

2019年的新冠感染給各個國家政治、經濟、教育帶來了空前危機。據統計，截至2020年4月5日，全球有193個國家共計15.97億人口停課。學校課程由大規模線下轉移到線上，因此，在線教育平臺的質量對學習質量至關重要。經研究發現，學習支持服務是決定教育平臺質量的一個重要因素，因此，提高學習支持服務質量是提升在線教育的關鍵。大規模在線學習暴露出諸多問題，例如網絡資源建設不完善、缺乏人際情感交互服務、缺乏個性化指導以及督學體系不完善等。針對上述問題，本文以學習者在后臺產生的學習數據為依據，從資源管理、情感交互、督學體系以及個性化指導四方面解決上述問題。

1 在線教育平臺的學習支持服務現狀與問題

1.1 在線教育平臺學習支持服務現狀

本文以中國知網為數據源，以“學習支持服務”和“在線教育”為主題詞，以“核心期刊”為來源，從2011 年至2021年，本研究相關文獻數為964篇。在文獻甄別后，最終選定415篇文獻作為本文研究對象。

1） 效度分析。內容的信度分析是指對兩個以上參與內容分析的研究者就相同類目判斷的一致性的分析，一致性越高，則本課題的信度也越高[1]。根據本課題的研究目的以及樣本文獻，本課題確定了策略研究、反思研究、內涵研究、體系構建和模式研究為分析類目的編碼系統。本課題由三位評判員（分別標記為a、b、c；a為主判員，b、c為輔助判員）根據分析類目和觀測點對全部文獻進行編碼，采用謝幼如、李克東教授提出的內容分析的信度公式K=2M/（N1+N2），其中K是兩個判員之間相互同意的程度，M是兩者完全同意的欄目數[2]，N1和N2分別表示兩個評判員所分析的欄目數。利用該公式計算出三者之間的平均相互滿意度為0.83，換算出內容分析效度R=0.94。一般而言，信度若大于0.90，則該課題具有可信度。結果如表1所示。

2） 研究數據分析。為了清晰地呈現學習支持服務相關文獻的年度變化情況，本課題選用以“學習支持服務”為主要主題，對2011年至2021年的文獻載文量進行梳理與分析，共發現文獻964篇。如圖1所示：

通過上述圖表可以看出，在2011年至2013年間，學術論文數量總體呈上升趨勢，反映了學者們對學習支持服務的高度關注。然而，從2013年到2016年，學術論文數量呈現直線下降的趨勢。這一變化的原因在于學者們開始將研究重點轉向了學習支持服務的具體探究方面。而在2016年至2021年期間，學術論文數量總體呈現下降趨勢，表明對學習支持服務的研究熱度有所降低，學者們開始更加理性地思考問題，而非盲目追求研究熱點。

① 熱點分析

利用CiteSpace軟件對近十年學習支持服務的研究熱點詞進行歸納總結，以了解學習支持服務的熱點分布情況，具體如表2所示：

② 文獻來源及作者機構分析

期刊來源分析有助于了解學術論文所在研究領域的集中度，以及學術論文所涉及的研究的信度和效度。根據量化統計，415篇研究樣本中，學習支持服務相關論文分布于20種期刊中。考慮到教育技術領域對學習支持服務研究的專業性和針對性，筆者特別選取了本領域的八本代表性期刊作為研究對象，進行重點分析。

教育技術核心期刊的第一作者所在機構進行統計發現，其第一作者所在機構均為大學，說明學習支持服務在大學的應用居多，受到高度重視。其次，載文量最多的是北京師范大學遠程教育中心。

③ 研究內容分析

在中國知網上，對以“學習支持服務”為主要主題的文章進行研究后，將學習支持服務的研究分為策略研究、反思研究、內涵研究、體系構建、模式研究等幾個方面。因此，將以上研究作為一級類目，在此基礎上劃分了二級類目，然后對文章進行編碼，并統計文獻數目，計算出每個一級類目的總占比數。

由表5可知，2011年至2021年期間，學習支持服務的相關研究領域主要集中在策略研究，其次是體系構建方面、服務模式研究、反思研究以及內涵研究。

下面將分別對其進行闡述。

1） 學習支持服務策略研究。文獻主要集中在教學支持方面，其次集中在資源支持、技術支持以及人際交互支持方面。其中，學習支持服務對人際交互支持的研究較少。然而，人際交互不僅可以影響學習效果，還會影響學習者的價值觀。

2） 學習支持服務體系構建。針對體系構建方面，研究文獻主要集中在資源設計、活動設計以及課程考核方面。其中，關于資源設計方面的研究最多，對學習者行為統計的研究最少。

3） 學習支持服務模式研究。在模式研究方面，研究主要集中在學習進度、學習咨詢方面。但在人機交互方面的研究還較少。人機交互情感調控主要是指在在線學習中，人在學習過程中透露的情緒信息傳遞給機器，機器感知后進行調控。

4） 學習支持服務反思研究。在反思研究方面，對學習參與度的研究還遠遠不夠。而在學習支持服務中，學習參與度是實施良好的學習支持服務的前提。在研究中，學習者外顯行為可以通過學習數據體現。筆者認為，學習者在在線平臺上的外顯行為可以一定程度上反映學習者的學習效果。本課題通過量化方式統計學習者行為，發現學習者學習問題與需求。

5） 學習支持服務內涵研究。學習支持服務的含義、思想發展以及本質屬性是學習支持服務剛引進國內時的研究熱點，因此在2011年至2021年期間對其內涵的研究較少。學習支持服務對如今時代而言，更重要的是實踐層面，因此，本課題對學習支持服務的內涵不作具體研究。

1.2 在線教育平臺存在的問題

1） 缺乏個性化資源推送。個性化資源推送在研究前期較注重推送技術的實現，后期則重視系統設計開發方面的研究。隨著大數據技術的迅速發展，個性化資源推送開始進入一個新的發展階段。本課題對我國已有的個性化學習推送相關文獻分析后，得出我國個性化學習資源推送有以下特征：

①學習者模型的構建以偏好信息和個性信息為主，對知識狀態、情景信息等屬性的數據采集不足。

②未能實現進一步跟蹤學習者需要，實現其真正“個性化”。

2） 缺乏個性化情感調控。人機交互是指人與計算機為完成確定任務的信息交換過程。隨著模式識別，如語音識別、漢字識別等輸入設備的發展，人機交互的方式也更加多樣化。但就目前在線平臺而言，存在的問題是人機交互的方式還較單一、反饋不及時等問題，不能及時地感知學習者情緒等問題。

3） 督學體系不完善。本課題中，督學體系的完善主要體現在學習者參與度方面。在教學過程中，學生是教學的主體，教師是監督者、輔助者。但在整個學習過程中學生的身心還不夠成熟，導致了學習“散漫”的情形。例如，在實際的線上教學中，學生為了應付教師在平臺發布的任務而進行百度、抄襲等行為，甚至還會出現代簽到、代打卡等行為，更甚者還會出現找人幫忙上課的情形。這就導致課程形同虛設。由此，需要建立一套完善的資源評價體系，將學習者學習的資源過程進行細化以保證學習質量。

4） 缺少人際情感交互。人際情感支持服務可以分為在知識傳遞時的情感支持、在技術層面的情感支持以及對非學術問題的情感支持。本課題中的人際情感支持主要指知識傳遞中的情感支持。就目前在線教育平臺的研究現狀來看，大多數教育平臺還是只關注課程與平臺的建設方面，在對于教師得到情感支持方面還是不夠重視，導致現有的教師情感支持的研究更是少之又少。

2 大數據背景下學習支持服務策略的構建

2.1 大數據會根據學習者需求和喜好實時推送資源，實現資源的個性化

為更好地實現個性化學習資源推送，需要在在線教育平臺安裝數據實時分析系統。該系統一般只供后臺人員查看和使用。該系統會實時分析后臺數據以及學習者檢索資源時搜索關鍵字的次數統計，確定學習需求后，為學習者精準推送資源。與搜索引擎不同的是，它會實時監測學習者需求，達到資源及時更新的目的，更好地滿足學習者對資源的需求。其次，資源推送模塊要根據學習者最后一次對資源檢索的需求進行推送，更好地實現數據的及時更新。

2.2 基于大數據的在線課程人際情感交互策略

學習者在討論區、彈幕區、活動區以及聊天室進行交互所產生的數據反映了學習者的情感信息。通過平臺反饋的數據，利用智能傳感設備，并采用量表測評方法、生理信號測評方法、語音信號檢測方法和表情識別檢測方法[3]，收集其數據，并對數據進行處理、量化和分析，從而得出學習者的情感動態。其次，根據學生出現學習厭倦表現的數據，形成一個情緒參照數據模型。例如，急促的點擊鼠標或長時間不點擊鼠標，這些行為可以通過觸發預設的數據模型產生反饋結果，將檢測結果反饋給教師或者提供智能服務的系統。

2.3 基于大數據的現代化督學體系

由于在線教育平臺系統會記錄學生瀏覽課程、觀看視頻以及完成習題和測試的相關數據。通過大數據技術對教學平臺進行數據提取與分析，分析不同類型的學習者存在怎樣的“敷衍行為”。例如，對于“代簽”行為可以用語音識別或者面部識別保證是學習者本人進行簽到。此外，為保證學習過程的有效進行，需建立一個后臺監督機制。例如，教師需不定時發布一個與授課過程一致的問題，要求學習者在規定的時間內在屏幕上答出，教師課后可以根據學習者的答題情況，判斷出該學習者是否認真聽課，建立一定的獎懲機制。

2.4 基于大數據支持的個性化情感體驗調控

在線學習中，學習者可能隨時會出現學習倦怠。因此，當學習者進行在線學習時，應該對學習者在線學習時間數據進行實時監控和分析[4-6]。例如，學習者在某一學習模塊停留時間過長，那么說明學習者可能在學習這個模塊時遇到了困難，導致學習者產生抵觸情緒，所以這時我們需要對學習者進行情感調控，因此，需要對資源進行精減后再推送。

3 結束語

信息技術的發展是在線平臺學習支持服務建設的重要條件，健全學習支持服務系統對提高在線教育的質量、促進終身教育的發展具有重要意義。基于大數據背景，在線平臺的學習支持服務的內容提升還處在摸索階段，因此健全在線平臺學習支持服務體系具有現實意義。本文通過內容分析法、文獻研究法剖析現存問題，提出對策與建議，以期充實原有的學習支持服務體系。

參考文獻：

[1] 白盈盈，馬德俊，梅海蓮.“電子書包” 中文研究論文的內容分析研究[J]. 廣州廣播電視大學學報，2013，13（4）：8-13，107.

[2] 樊雅琴，王炳皓，王偉，等. 深度學習國內研究綜述[J]. 中國遠程教育，2015（6）：27-33，79.

[3] 查相虹，張晶蕊，王娟. 基于大數據的在線教育學習支持服務體系構建研究[J]. 軟件導刊，2019，18（1）：208-212.

[4] 孫玉樺，唐章蔚. 基于大數據的個性化學習環境構建研究

[5] 王妍莉，王娟：基于內容分析法的非正式學習國內研究綜述[J]. 遠程教育雜志，2011，29（4）：71-76.

[6] 劉萬海，靳蔭雷. 近十年國內教育領域深度學習研究綜述：基于CNKI的文獻計量可視化分析[J]. 教育理論與實踐， 2020，40（16）：54-59.

【通聯編輯：唐一東】