面向学习分析的高职课程实训保障机制研究

罗剑

摘要：面向学习分析的课程实训保障机制是教育大数据背景下构建高职项目教学、案例教学、工作过程导向教学等教学模式，强化以育人为目标的实习实训考核评价的必然要求。文章详细分析多源数据的收集方式和信息展现端元结构的表现形式，提出建立保障机制的信息模型和体系架构。利用商务智能成熟的产品化软件，实现信息整合层处理灵活多变的推理规则的要求。

关键词：学习分析：课程实训；数据获取；推理规则；信息展现

0、引言

高等职业教育肩负着为国民经济第一线输送数以千万计高素质技能型人才的重任，职业能力的培养与形成是高职教育的核心。在以“项目导向，任务驱动”为课程实训教学理念，构建工学结合实训教学体系和教学模式的过程中，如何全方位及时、客观、准确地评价实训教学效果，为学生、教师和教学管理者三方提供丰富和翔实的一手材料，引导教育各方最大限度地提高教学成效，成为教育大数据背景下必须面对的挑战。一言以蔽之，就是要提供实训教学活动的动态分析和保障机制，帮助学生明白地学，教师明白地教，管理者有的放矢地督和导。

随着教育信息化的普及和不断深入，各种数字媒体学习辅助系统在教学活动中的作用日益突出，由此可以获取大量的学生学习行为指标数据。以浙江经济职业技术学院物联网专业无线传感网应用与实践课程为例，教学过程全程在生产仿真实训基地开展。实训机房拥有物联网操作台、RFID考勤系统、无线电子抢答系统、多媒体教学系统等辅助设备。开通课程学习管理系统（LMS）平台，只要可以上网，就能够随时随地地在线学习。学生在课程实训过程中的表现和课外LMS平台的访问行为，自然而然地形成了实训教学活动的大数据集。为合理利用学习分析（learning analytics）技术手段，挖掘教育人数据背后隐含的知识，揭示教学规律提供了可能

1、国内外研究现状

NMC连续几年发布的地平线报告（Horizonreport）都将学习分析视为未来若干年内影响教育发展的主要技术之一。2011年2月LAK（TheInternational Conference on Learning Analytics andKnowledge）应运而生，对学习分析做了较权威的定义，即“以理解和优化学习及其发生的环境为目的，对学习者及其所处情境的数据进行的测量、收集、分析和报告”。2014年召开的LAK14强调了对学习理论和教育实践交叉融合的密切关注，更多地侧重学习分析帮助受教育者更好地学习的讨论。当前国际上学习分析的研究方向主要集中于学习分析服务（包括开放数据集服务）框架、分析方法、工具与可视化工具领域，处于新兴和快速发展时期。国内学术界对于学习分析的研究不多，使用“学习分析”作为关键词在中国知网进行检索，仅检索到20多篇文献，分别来自中国学术期刊网络出版总库（20余篇）和优秀硕士学位论文全文数据库（2篇）等，主要集中于综述和应用分析。总体来看，我国学术界对于学习分析的研究还处于起步阶段，相关研究有待进一步挖掘和开展。

现阶段构建学习分析系统面临的技术挑战主要包括以下两点：①对于学习者在LMS之外的学习行为轨迹的捕捉，以及学习者物理世界数据的获取（数据标准化、多源、收集方式等）；②缺乏一个清晰、可操作、可细化的信息模型与体系架构，学习分析的本体、元数据、核心数据集及相关标准需要进一步研究。

2、基于学习分析技术的课程实训云架构

课程实训保障机制的信息模型和体系架构参见图1。课程实训活动中，学生学习行为数据来源4个方面，即信息感知层，由固定式RFID读卡器、无线电子抢答器、LMS后台记录和教师与学生手工录入数据组成。在云端信息整合层，学习状态数据库是一个关系数据类型的联机事务处理系统（OLTP），将信息感知层传来的原始数据分门别类地保存在二维关系表中。为了获得信息展现端元数据，需要采用合适的推理规则将学习状态数据库中的二维记录转换至联机分析处理系统（OLAP），即信息展现数据仓库。随后可以通过固定报表、随机查询和多维分析等动态表现形式传输至本地固定或移动终端显示，供学习者查阅。

尽管在学习分析领域成功应用的产品有限，但是在商务智能领域，由于国外企业率先使用ERP系统且更早注重基于数据的分析和企业管理决策的支持，因此数据仓库产品被广泛应用于国外企业的数据管理领域。包括ORACLE、IBM、MICROSOFT、SAS、TERADATA、SAP等供应商均推出了数据仓库的商品化软件。本研究选用SAP公司的Business Objects产品，具有良好的查询和报表功能，提供多维分析技术，支持多种数据库。特有的语义层设计工具Universe满足构建灵活多变的推理规则的要求。

3、面向学习分析主题的数据集

3.1数据获取途径

现代化的教学手段和教学设备决定了学习分析数据获取的多源性。无线传感网应用与实践课程的现场教学在实训机房展开，并辅助以课外云教学。采用何种信息处理技术，将多源异构的数据收集整合，是首先需要考虑的问题。

1）无线电子抢答器。

无线电子抢答器记录了学生在实训机房回答教师提问的抢答次数。主机（教师）基站通过无线模块，监听用户（学生）基站的信号。上位机设置计时长度发出确认信息后所有基站进入准备状态。教师触发开关后进入正常抢答开始阶段，抢答器开始计时，有学生抢答时计时停止，并且显示抢答成功学号。如无违规上位机将该学号和对应实训项目的抢答次数加1发往学习状态数据库保存，并通知各基站重新进入准备阶段，等待下一次抢答。基站硬件由cc2500无线收发模块、8051系列单片机、显示屏和按键等组成。无线传输工作在2.4～2.4835GHz全球开放的ISM频段，数据传输率12～500kbps。

2） RFID固定读卡器。

为了获取学生的身份标志，使用固定式RFID读卡器读取校园一卡通，按照学号统计学生上课出勤，包括旷课、迟到或早退时长。读卡器核心芯片为MF RC530，支持ISO/IEC14443协议，最大非接触距离lOOmm，工作于HF频段13.56MHz，通过串口连接上位机，配置于实训机房出入口等通道处。上位机将考勤信息上传云端学习状态数据库。

3） LMS学生行为。

主流的学习管理系统如Moodle、Sakai、Blackboard等有能力去记录学习者学习行为数据流，数据挖掘工具可以对这些数据进行分析处理。由于Moodle的系统框架是标准模块化，且具有代码开源、开发模式开放性的特点，非常有利于系统功能的扩展，本研究选择对Moodle平台进行二次开发以记录学生在线行为。类似Google Analytics、百度统计的实现方法，编写Javascript脚本嵌入Moodle中对应的PHP模块。Javascript控制页面内容，PHP控制数据库渎写操作并把内容显示到页面，二者配合实现学生在LMS中行为分析数据的统计和汇总。使用上述方法可以统计页面使用时长、页面点击次数、教学通知查看、是否提交实训报告、实训报告成绩、发帖数、跟帖数等学生在线行为记录。

4）主观数据。

为了记录学生在实训过程中的操作表现，引入课堂专注度和操作熟练度指标，分别评估学生听与做的行为等级。尽管在学习分析领域对于如何通过可视化机器自学习从学生肢体语言获取课堂注意力、个体和群体运动一致性比较等主观参数有较为深入的研究，但是尚没有成熟的商业产品可供选择，所以本研究仍然采用教师课内或课后在教学管理系统记录并上传云端的方式。其他由教师记录的参数还有回答问题准确率和项目完成率。需要指出的是，为了简化语义识别方便、建立推理规则和降低任课教师的工作量，录入主观参数时应该尽可能采用客观选择题的方式并设置缺省值。

学生经过学习后也会对课程设置、教师水平等提出更高要求，可以让他们在实训作业中选择性地输入实训项目兴趣度、教学效果评价、难易程度评价等主观指标，帮助教师和数学管理者改进教育质量。

3.2采集的元数据集

按照数据来源、数据归属、数据类型、数据名称和操作对象，我们归纳出现阶段实训教学场景可以提供的元数据，作为结构化查询数锯集模板，如表1所示。表中“记录工具”指数据录入的物理载体。主观参数由教师和学生手动生成，其他参数均由系统自动生成。

4、仪表盘和推理规则

4.1仪表盘展现

仪表盘是学生、教师、教学管理者等教育利益关联方查询实训教学活动的可视化报告集。仪表盘展示和信息推送服务的设计过程依据信息展现端元结构实施。因为学习者、教学者和管理者的定位、职责和目标不同，客观上决定他们关心的信息对象不会一致。为此，我们分别从三者的视角出发展开需求调研，在采集了97份样本数据的基础上得到结果如表2所示，该表可以根据需要扩展。实现的仪表盘展现方式既可以是固定格式的报表，也可以是临时的随机多维查询和分析结果，按照项目/周/月/学期的数据粒度实现向下钻取和向上汇总。附带推送关键数据到利益关联者的移动设备或邮箱，实现即时反馈。

4.2推理规则

面向学习分析的元数据（如表1所示）与信息展现端元结构（如表2所示）之间存在隐性和显性的逻辑关联。有些数据可以直接在报表中使用，如“课堂考勤”等，是显性关联。更多的数据没有直接的联系，如“群体中学习进度排名”、“实训项目预习统计”等。为此，我们评估了回收的97份样本调查结果，综合汇总后得出推理结果，如表3所示。

5、实证研究

本研究以我院物联网专业二年级普高班学生为研究对象，选择其中一个自然班为实验班，全程引入基于学习分析的课程实训保障系统，另一个自然班作为对比仍然采用原有的教学模式不变。通过学校教务管理系统数据查询和教师访谈，发现两个班学生的平均能力水平、学习主动性、自律性等在开课前基本相当。参照文献[4]设计的高职能力型课程学习评价指标体系，分专业能力、方法能力、社会能力和项日成果4大项15小项评价指标，在学期末由承担该课程的专职和兼职教师共同完成学生评价表，得到学生总评成绩。结果表明，实验班的专业能力、方法能力和项目成果等指标均较比较班有明显提高。究其原因有以下5点。

（1）学生的学习行为受到动态监督，客观上促进了学习的主动性，对部分原来学习积极性较低的学生尤其明显。

（2）学生课内没有完成的操作，可以在课外学习管理系统中以讨论、提问等方式，通过师生在线交流得到解决，及时的师生互动增长了学生的自主学习热情。

（3）实时的学业成绩对比将学生的攀比情绪正确地引导到学习情境中来，构成激励教育。

（4）教师从封闭的教学环境走向开放，随时可以从云端系统中查询评价，促进教师不断提高业务素质，在授课过程中灵活地根据学生的反馈意见动态调整教学内容，确保教学质量。

（5）教学管理者不再只是管理角色，在切实地掌握教学动态后，更多地体现服务功能，有利于教育利益关联各方的和谐发展。

6、结语

产生学习分析的最主要原因是现在可以通过各种途径从学生那里收集大量可用的数据，这在以前是做不到的。教育背景下的学习分析可以借鉴商务智能对数据的处理方法，因此商务智能产品能够适用于学习分析领域。面向学习分析的课程实训保障机制帮助我们更好地理解学习发生的过程，进而考虑如何改进学习经历或学习发生的环境，揭示学生学习过程中产生数据信息所包含的规律。通过持续地扩大数据捕捉的范围和研究学习社会性的算法描述，学习分析技术拥有美好的未来。