智慧學習環境下的在線學習行為分析

摘"要：本文基于智慧學習平臺的在線教學受到的關注日益增多，分析在線學習現狀及相關因素對提升教學質量具有重要意義。首先，通過對智慧學習平臺的課程學習數據進行分析，確定學習行為指標的四個分類：學習者基本情況、操作行為、協作行為、問題解決行為；其次，利用主成分分析和聚類分析，確定學習行為與學習效果的正相關性，將學習樣本分為積極型和消極型；再次，對比不同環境下的教學效果，發現在線學習在大部分情況下表現優于傳統教學；最后，進行學習行為維度與學習成績的相關性分析，得到影響學習成績的主要因素為學習時間和學習次數。在此基礎上，從學習者、教師等角度提出相應教學建議。

關鍵詞：智慧學習平臺；在線學習；學習行為分析；數據分析

Online"Learning"Behavior"Analysis"in"Intelligent"Learning"Environment

Zhao"Yuandi*"Liu"Yongxin"Yu"Huaisong

College"of"Air"Traffic"Management，Civil"Aviation"University"of"China"Tianjin"300300

Abstract：The"online"teaching"based"on"intelligent"learning"platforms"has"been"receiving"increasing"attention，and"analyzing"the"current"situation"and"related"factors"of"online"learning"is"of"great"significance"for"improving"the"teaching"quality.In"this"study，the"course"learning"data"from"intelligent"learning"platforms"were"analyzed"to"establish"four"dimensions"of"learning"behavior：learner"characteristics，operational"behavior，collaborative"behavior，and"problemsolving"behavior.Principal"component"analysis"and"cluster"analysis"were"then"employed"to"determine"the"positive"correlation"between"learning"behavior"and"learning"outcomes，classifying"the"learning"samples"into"active"and"passive"types.A"comparative"analysis"of"teaching"effectiveness"was"conducted"to"compare"online"learning"with"traditional"teaching"across"various"disciplines，revealing"that"online"learning"outperformed"traditional"teaching"in"most"cases.Finally，a"correlation"analysis"between"learning"behavior"dimensions"and"academic"performance"identified"\"learning"time\""and"\"frequency"of"learning\""as"the"main"factors"influencing"learning"outcomes.Based"on"the"findings，practical"teaching"recommendations"can"be"proposed"from"the"perspectives"of"both"students"and"teachers.

Keywords：Intelligent"learning"platform；Online"learning；Learning"behavior"analysis；Data"analysis

1"概述

智慧學習平臺是當代網絡教育技術與應用的集大成者，能夠充分發揮網絡平臺的優勢，將課程學習變得個性化、便利化、扁平化，同時提高學習者的學習效率。然而，基于智慧學習平臺的在線學習也存在一些弊端，由于缺乏有效監管，容易導致學習者學習自覺性下降、學習效率降低等諸多問題。因此，分析在線學習中學習者的行為，并針對性地提出建議是智慧學習平臺在線學習中的重要課題。

在學習行為分類模型研究中，彭文輝［1］構建了在線學習行為SFT（StructureFunctionType）分類模型。邵逸飛［2］利用文獻分析、問卷調查以及孟德爾法進行體系構建與優化，并提出了教學質量評價路徑。在數據實證方面，文獻［3］中等學者通過潛在類別分析方法對一門大學課程的行為數據進行分類，提取了相關學習行為特征。李會等［4］基于數據分析探索影響課程成績的關鍵因素，為后續課程設計提供了指導性建議。江珊［5］針對在線學習行為數據，使用聚類分析進行用戶分類，并使用邏輯回歸、隨機森林以及梯度提升樹三種模型實現了中斷學習的預測。袁敏［6］以Canvas"Network平臺為研究對象，利用SFT模型構建了在線學習行為指標體系，證明不同維度的學習行為之間存在顯著的正相關性。代令華［7］則利用SFT模型對實際數據進行了實證，同時使用聚類分析進行了分類，構建自適應增強模型并進行驗證。在學習行為研究方面，程枚［8］專注于分析學習環境對學習行為的影響，以問卷調查形式收集數據，分析智慧學習環境比傳統教學模式的優勢。文獻［9］中的學者們對150多名學生進行問卷調查，探究學習態度、學習互動等對學習行為的影響。

綜上，目前對在線學習行為的分析主要集中在分類模型的構建以及相關影響因素的探尋上。分類模型能夠為后續的體系構建提供參考，并為具體的數據實證提供依據，但對不同教學環境下學習效果的對比以及針對性的建議還有所欠缺。本文先構建在線學習行為指標體系，接著收集和處理學習平臺數據，使用主成分分析、聚類分析和相關性分析等方法進行在線學習行為分析，最后對不同教學環境下的學習效果進行了對比分析。

2"智慧學習平臺介紹及指標體系構建

2.1"智慧學習平臺介紹

郁金香智慧學習平臺（TULIP——Taskbased"Ultra"Learning"Intelligent"Platform）是由中國民航大學空中交通管理學院自主開發的在線學習平臺，旨在實現知識的自主構架和相關技能的自動評估，打造一種革新式的在線教育模式。平臺將學習任務設計為闖關模式，完成每個任務所需的全新知識均隱藏在平臺的資源庫中，并輔以三道逐級遞增的“錦囊”作為提示，學習者需要自行查找、探索、辨識和分析，將任務逐一解鎖。

本文選取該平臺中的“管制規則與程序”課程作為研究對象，通過對學習平臺產生的數據進行整理和分析，探究學習者在智慧學習平臺中進行學習的行為因素及其產生的影響。

2.2"在線學習行為指標體系構建

TULIP平臺能夠統計多種學習行為數據，參考在線學習行為三維SFT分類模型［1］，提取與學習行為相關性較高的指標，從學習者基本信息、操作行為、協作行為和問題解決行為四個維度構建在線學習行為指標體系，如下表所示。

3"在線學習行為數據分析

3.1"基于數據的在線學習行為分析

本課程包含“見縫插針”“伺機待發”等20種學習任務，每位學習者可多次完成同一任務，取成績最高值作為最終任務成績。由于學習者可以自主選擇任務進行學習，所以不同的學習者所參與的任務數量存在差異。根據統計，共有797名學習者參與本課程學習，25949次完成學習，其中完成任務7059次，平均每次完成任務需學習3.68次。各任務完成次數差距不大，完成次數最多的有561次，約占7.9%，完成次數最少的有207次，約占3.1%。

利用主成分分析方法計算各原始變量權重為：最高成績25%、學習時間21%、學習次數18%、互動次數16%、“錦囊”次數14%、資料查看次數4%、資料查看時間2%。可以看出，成績較好的學習者在網絡學習的過程中一般也有著較好的表現；而當學習者的學習行為較差時，其最終成績也不理想。由此可知，學習者的學習成績與其在學習中的行為因素有著較強的正相關性。此外，學習行為指標中學習時間、學習次數占比較高，可認定為關鍵指標。

選取兩個主成分進行KMEANS方法聚類分析，生成兩類樣本。第一類樣本的學習行為較差且成績較低，定義為消極型學習者；第二類樣本的學習成績較為突出，各方面學習行為較為良好，定義為積極型學習者。

3.2"影響學習效果的行為因素

為了分析學習者的在線學習行為對學習效果的影響，從在線學習行為指標體系中的操作行為、協作行為、問題解決行為三個維度分別與體現學習效果的指標進行相關性分析，計算斯皮爾曼相關系數，得到影響學習行為的行為因素。

操作行為維度的指標與學習成績之間的顯著性Sig為0，說明操作行為的各個指標與學習成績相關性顯著。“錦囊”次數、資料查看次數、資料查看時間三個指標的相關系數均大于0，分別為0.310、0.320、0.317，均呈低度相關。因此，操作行為與學習成績呈正相關，其中主要影響因素為資料查看次數。

協作行為維度的指標與學習成績之間的顯著性Sig為0，說明協作行為的各個指標與學習成績相關性顯著，相關系數為0.421，呈低度相關。

問題解決行為維度的指標與學習成績之間的顯著性Sig為0，說明問題解決行為與學習成績相關性顯著。學習次數的相關系數為0.483，呈低度相關；學習時間的相關系數為0.544，呈中度相關。因此，問題解決行為與學習成績呈較為顯著的正相關，其中主要影響因素為學習時間。

3.3"在線學習與傳統教學的對比分析

為了分析不同環境下的學習效果，將傳統教學和智慧學習平臺環境下的學習成績數據進行對比分析。本文使用的數據包含A、B兩組，分別是來自于在傳統教學模式和TULIP平臺環境下，學習者進行學習與課堂練習的統計結果。數據樣本包含8種不同題目下的統計數據，包含學習環境、題目類型、學習得分、學習時間等。

在學習時間對比方面，兩種環境下的學習時間較為接近，在線學習的平均時間為178.28秒，稍短于傳統教學下的平均時間181.88秒。在學習成績對比方面，測試成績滿分為5分，在線學習的平均成績為4.05分，略優于傳統教學下的4.01分。為進一步分析兩者區別，使用學習得分與學習時間的比值來評估學習效率，可以得出絕大部分題目中在線學習的學習效率均高于傳統教學。

4"基于智慧學習平臺的在線教學建議

4.1"問題與挑戰

（1）學習者的積極性有待加強。根據學習行為數據分析結果發現，學習行為良好、學習態度認真的學習者往往能夠取得更高的分數，但是這樣的學習者所占比例偏低。雖然智慧學習平臺提供了良好的學習環境和豐富的學習資源，但在調動學習者積極性方面仍有不足，需要進一步開發這種新穎的教學模式。

（2）智慧學習平臺的功能有待完善。根據樣本數據相關性分析發現，當學習者進行更長時間或者更多次數的閱讀時，其學習成績往往更為理想，而且使用“錦囊”、查看提示、留言互動等操作行為與協作行為均對學習效果產生正面影響。然而，由于實時性、便捷性等原因，學習者對平臺提供的交互功能并沒有形成很好的使用習慣，各功能性模塊的使用率偏低，無法充分發揮智慧學習平臺的作用。

（3）任務設置科學性有待改進。根據樣本數據統計結果發現，在不同的任務類型下，學習者的學習時間、學習次數、學習成績均有較大差別，證明在任務設置的科學性和均衡性上應進一步優化，保證學習者在自主學習過程中能夠順利掌握相關知識點。

4.2"建議與措施

基于學習行為數據分析結果，針對上述問題提出以下改進建議與措施。

（1）加大平臺宣傳及監管力度。針對學習者積極性欠缺的問題，一方面，需要向學習者全面宣傳智慧學習平臺的作用及優勢，吸引學習者主動嘗試；另一方面，需要加強在線學習的監管措施，如通過積分制對學習者進行獎懲，保證學習者的投入。

（2）豐富平臺功能及使用方法。針對平臺功能不完善的問題，需要充分調研學習者的學習習慣，優化平臺各功能模塊的使用方式，如以磁貼、彈窗等方式輔助學習者；同時應設置專門課時對平臺的功能進行介紹，培養學習者的使用技巧。

（3）優化任務內容及題目難度。對于任務優化問題，需要教師通過構建課程知識體系圖譜，深入分析各知識點的邏輯關系，以深入淺出的方式設置可懂度較高的任務；廣泛收集學習者的反饋意見，從學習者角度進一步優化任務形式，提升教學效果。

（4）創新教學模式及教學環境。通過對比不同教學環境下的學習效果，能夠發現傳統教學與線上教學各有優勢。因此，在未來的教學工作中，不應盲目選擇某種單一教學模式，而應該將兩種教學環境充分融合，創新形成一種新型教學模式，采用靈活的教學策略，實現教學效果的不斷提升。

結語

本文基于中國民航大學空中交通管理學院自主研發的郁金香智慧學習平臺，通過采集學習行為數據，建立在線學習行為指標體系，確定了學習者的基本情況、操作行為、協作行為、問題解決行為四個研究維度。利用主成分分析和聚類分析方法，對樣本中的學習行為與學習效果數據進行相關性分析，在此基礎上實現對不同學習環境下學習效果的對比分析。通過總結目前基于智慧學習平臺的在線教學中的問題，從學習者和教師角度提出教學改進建議。在未來的發展中，智慧學習平臺應不斷完善和創新，以實現更好的教學效果。

參考文獻：

［1］彭文輝.網絡學習行為分析及建模［D］.武漢：華中師范大學，2012.

［2］邵逸飛.高校公共體育課線上教學質量評價指標體系研究［D］.阜陽：阜陽師范大學，2021.

［3］PARK"Y，YU"J"H，JO"IH.Clustering"blended"learning"courses"by"online"behavior"data：A"case"study"in"a"Korean"higher"education"institute［J］.Internet"amp;"Higher"Education，2016，29（04）：111.

［4］李會，胡笑梅，魏瑞斌.線上學習行為中影響課程學習效果的因素分析：以管理信息系統課程為例［J］.信陽農林學院學報，2020，30（02）：153156.

［5］江珊.慕課網用戶在線學習行為研究［D］.武漢：中南財經政法大學，2020.

［6］袁敏.大數據環境下在線學習行為分析及學習成績預測研究［D］.上海：上海工程技術大學，2021.

［7］代令華.大學生網絡學習行為分析［D］.延吉：延邊大學，2021.

［8］程玫.智慧學習環境中的學習行為分析研究［D］.南京：南京郵電大學，2014.

［9］PRIOR"D，MAZZNOV"J，MEACHEAM"D，et"al.Attitude，digital"literacy"and"Self"efficacy：Flowon"effects"for"online"learning"behavior［J］.Internet"amp;"Higher"Education，2016，29（04）：9197.

基金項目：中國交通教育研究會教育科學研究課題“教育信息化背景下民航交通教育4C理念與AeroRacing模式創新與實踐”（JT2022YB093）；天津市普通高等學校本科教學質量與教學改革研究計劃項目重點項目“基于‘知識分類模型’的‘智慧平臺+課堂教學’協同教學模式創新與實踐”（A231005901）

*通訊作者：趙元棣（1983—"），男，漢族，天津人，博士，中國民航大學空中交通管理學院副教授，主要從事智能空中交通系統教學與科學研究。