中外学习分析文献对比研究

郝喆等

摘要：随着网络教育的普及和大数据时代的到来，学习分析技术已被广泛运用于现代教育中。为了进一步了解国际学习分析技术的发展，及我国学习分析技术在世界的水平，该文对110篇国内外文献进行了研究。通过研究勾勒出学习分析的研究现状，探索我国学习分析的发展趋势。

关键词：学习分析；文献对比

中图分类号：TP311 文献标识码：A 文章编号：1009-3044（2015）22-0005-04

1 概述

随着网络教育的普及和大数据时代的到来，教育领域的热点已从单纯的信息化建设转变到教育数据挖掘中来。如何利用各类学习管理系统中存储的海量学习者信息及学习过程数据，使其转变成特定的信息为教学提供优化和决策服务，成为教育工作者越来越关注的内容。2004年“智能导师系统”的出现在教育街掀起一股数据挖掘的新浪潮。2005年Romero，C 等针对Moodle学习平台的日志进行分析，通过一系列的数据挖掘方法生成实时数据报告，并利用学生行为数据建立预测模型，成为利用网络学习平台数据进行学习者行为分析的经典范例。2007年Romero&Ventrua 等名针对教育数据挖掘归纳出了5类分析方法。这些研究都为“学习分析”这一理念的出现奠定了基础。

针对学习分析的概念，不同的学术机构给出了不同的理解，美国高等教育信息化推进组织E-DUCAUSE认为：学习分析是使用大量数据建立模型，用以预测干预学生学习过程和成绩。NMC新媒体联盟也在2011年“地平线项目”（The New Media Consortium Horizon Project）提出：学习分析集成了一系列数据整合及分析技术，通过研究学生在学习过程中的投入、绩效和进展情况，用以修订教学、课程及评估。直至第一届学习和知识分析国际大会于2011年在加拿大召开，学术界最终给出了学习分析的定义：学习分析通过测量、收集、分析和报告关于学习者及其学习过程数据，了解并优化学习发生的情境。具体而言，学习分析就是针对学生的学习过程数据进行跟踪记录，做出分析，由此对学习者的学习行为进行预测、评估学习者的学习效果，不断干预学习，以期提高学习者绩效的技术。

2 国际学习分析研究文献分析

2.1 文献选择方法

本文研究共搜集2010年至20115年4月间中英文文献110篇进行文献分析。其中中文文献来源于万方数据库，首先以“题名和关键词”一栏精确搜索“大数据”，并且”题名”一栏精确搜索“学习分析”为条件，共获得2010-2015年32篇期刊文献；其中无关性文献1篇； 其次以“题名”一栏精确搜索“学习分析”后选择“文化、科学、教育、体育”分类下文献，2010-2015年 共搜到77篇期刊文献；其中无关性文献38篇；交叉比对以上两次搜索结果，共整理出49篇与本课题相关的中文文献，其中核心期刊32篇。英文文献方面，以“Learning Analytics”为关键词通过Google scholar 进行检索，在结果中选择2010-2015年间被引用次数大于十次文章共61篇。

2.2 文献年度发表数量统计分析

学习分析相关文献分布图见图1所示。从2010年“学习分析”类文献开始出现，至2012年文献数量开始激增，并一路呈上升趋势。对中文文献而言，2012年才出现对学习分析这一领域的文献，略滞后于国际水平，但文献数量也呈现稳步上升趋势。对英文文献而言，2012年后出现大于10篇的高引用次数的高水平文章。因为本研究仅选取引用次数大于十次的国外文献，而国内文献为所有文献。所以从总体数量水平来看，国外文献的数量大大多于国内文献数量。

2.3 期刊来源统计分析

文献的发表期刊及数量如表1所示，本文所分析中文文献中远程教育杂志发表6篇、中国电化教育发表6篇、开放教育研究发表4篇、现代教育技术发表5篇，现代远程教育研究发表3篇，华东师范大学学报（自然科学版）3篇，其他23篇文献分别发表在19种杂志上。英文文献方面Journal of Learning Analytics 28篇，Educational Technology & Society 5篇，American Behavioral Scientist，InternationalJournal of Technology Enhanced Learning各3篇，其他19篇文献分别发表在15种刊物上。

从杂志分类来看，110篇期刊分别发表在32种教育类杂志，10种信息技术类杂志，2种综合类杂志上。其中在教育类杂志中包含远程教育类杂志6种，高等教育类杂志6种，成人教育类杂志2种，职业教育类杂志2种，基础教育类杂志1种。

2.4 作者所在研究机构及地区分析

本研究将所分析文献第一作者研究机构进行了分类，发现90%文献均来自于高校，仅10%的文献来源于政府机构，研究所，独立实验室、中小学和企业。其中从事信息管理科学研究8名，教育学研究33名，计算机科学（信息技术，网络技术，计算机技术）34名，教育技术学33名，其他学科（商学、新闻传播、医学、艺术设计、工业设计）11名。

从地域分布而言，外文文献作者最集中于美国18名、英国14名和加拿大12名，其他文献作者分布在欧洲、澳洲等9个国家，中文文献作者主要集中于上海10名，吉林9名，北京8名。与发表时间做对比发现，国际上学习分析研究最初来源于美、英两国学者，而国内此类文献最早出现在2012，2013年间，文献作者主要来源于北京及上海地区。而后随着学习分析技术被更多名认识与了解，越来越多地区的研究者投入对其研究中，例如2014年东北师范大学开始进行学习分析的研究，并发表多篇文献。

2.5 研究主题分析

参照理解学习和知识分析国际大会的主题，将文献研究方向分为10类。学习分析数据获取研究、分析算法研究、应用案例研究、框架模型研究、数据可视化研究、介绍及综述、组件及系统研究、MOOC研究。

如表2所示，其中研究学习分析领域文献研究最热门三类为介绍及综述类24篇，占总文献的21.8%；学习分析框架模型研究论文为22篇，占20%；理论及方法研究19篇，占17.2%；本文分析的文献中应用案例研究为14篇文献，应用领域涉及高等教育（10篇）、K12教育（1篇）、社区教育（2篇）和企业培训（1篇）。 其中在文献中提到运用学习分析技术对所应用学科产生积极影响的有8篇，表示学习分析技术无法提供帮助的为1篇。通过在某学科实践某种学习分析方法，发现其不足并加以改进的论文为3篇。

2.6 研究数据来源分析

学习分析数据来源对研究的准确性有举足轻重的影响。经过对本文收集的110篇国内外论文进行归类整理，有58篇论文中提到了数据来源。本文将数据来源分为网络学习环境数据，如移动学习系统、学习管理平台、网络课程平台等产生的数据；网络社会环境数据，包括社交网络、短信邮件、包括可穿戴设备等提供的数据；线下环境数据，包括课堂学习中考试评价、作业提交、问题回答等线下活动中所产生的数据，具体统计数据见表3。

表3 中外文献研究数据来源统计表

[数据来源分类＼&数据来源＼&全部文献＼&中文文献＼&网络学习环境数据＼&移动学习系统、学习管理平台、网络课程平台＼&38＼&11＼&网络社会环境数据＼&博客微博、即时聊天工具、短信邮件、论坛、可穿戴设备、线上调查＼&25＼&4＼&线下环境数据＼&问题回答、作业提交、考试评价、调查问卷＼&1＼&1＼&]

从表3中可以看出，中文文献中引入数据来源的文章略低于国外。就数据来源而言，中外文献基本已不再单一使用线下环境数据，仅1篇中文文献使用了线下问卷调查的形式作为数据来源。从线上数据分析，国外文献已有相当部分除使用如在学习平台、在线教学平台此类网络学习环境之外，还引入了如社区数据、网络社交网络数据、可携带设备数据等此类网络社会环境数据进行学习分析。而中文文献仍然以网络学习环境数据为主，而网络社会环境数据涉及较少，说明我国学习分析现阶段数据仍以线上学习数据为主，数据来源较为单一，网络社会环境数据搜集较为困难。

3 学习分析研究现状

3.1研究不断深入，学习分析发展线路明晰

从年度发表信息统计可以看出，学习分析一词从2010年前后进入人们的视野中，它的出现常常伴随着教育数据挖掘、数据挖掘、学术分析和智慧学习等词汇。在出现伊始，人们主要讨论的话题为理论居多，探讨主要集中在其定义、来源、及模型探索中，2011年，学习分析的触角开始触及到从具体的学习平台数据或聊天对话中建立大数据分析模型，如英国开放大学在2011年发表的“Learning analytics to identify exploratory dialogue within synchronous text chat”一文中，通过同步某个演讲主题的聊天文字信息，对其中谈到索性对话进行分析，及时发现学习中的问题。而2012年，学习分析研究成为世界关注的研究主题。该领域吸引着计算机科学与技术、教育学理论和教育信息管理领域的重点关注，研究成果多在教育学的重点刊物上发表。2012年的普渡大学信号灯系统是学习分析领域标志性成功案例，关于学习分析研究也开始更倾向于学习分析技术、知识建模和表征方面。在这一时期，各类关于学习分析的数据建模、信息系统，平台架构各类案例分析不断涌现，在这一时期，针对各类平台，如Moodle、Sakai、Blackboard、Moocs的学习分析技术大量被研究。直至2014年，学习分析领域在开始出现另一种声音，研究者开始对之前所提出的一些模型，框架进行实践，并在实践中发现问题、提出问题。如“Learning Analytics for Online Discussions”中就对学习分析中学生在线讨论的一套理论框架进行实践验证，发现其负面影响。研究者开始关注自动化，个性化反馈帮助系统的建立与应用，学习分析数据获得及隐私性问题也被广泛研究。至2015年，对于单一系统的分析已成熟，而通用性模型及算法的重要性越来越被研究者所关注。如知识媒体中心在国际学习分析大会上发表的“Analyzing the Main Path of Knowledge Evolution and Contributor Roles in an Open Learning Community”一文中德国知识媒体研究中心介绍了他们研究的方法在多个系统中的应用。

3.2 融入前沿应用，捕捉多方精细化数据源

早在2011年，Panlo Blikstein在文中已经谈及通过电子邮件内容分析及计算机对可穿戴设备的活动捕捉作为数据来源，在2012年普渡大学的信号灯系统中，研究人员运用人口特征，个人学术经历，个人努力因子及学习系统等多维数据进行学习分析。2014年瑞士研究者在”Classroom Social Signal Analysis”一文中建立了一种监测系统，通过视频摄像头捕捉课堂学生动作，分析课堂行为和学生成绩的关系。此类学习分析数据来源以非局限于学习管理系统、学籍系统、学生基本信息等，也融入了非学习环境下的各类行为痕迹数据。通过非学习环境与学习环境下的数据相结合，学习分析来源的丰富性也提高了分析的精准性。随着Wifi技术，社交网络和触控技术等新兴技术的崛起，各类移动平台的数据也逐渐成为学习分析的新维度。

3.3 深度融入教学，应用多面开花

学习分析经过多年研究，通过各种学习分析技术已经可以提供多方面的应用。利用工具，教师可以获得学生的各类学习数据，如学习环境、学习过程、学习绩效等，通过这些数据教师可以获得学生的学习行为数据了解学生的学习状况，学习轨迹，为个性化教学提供有力支撑。从学生角度而言，学习分析技术渗透更为广泛，主要分为：a）自我学习评估工具，如马里兰大学的课程管理工具可用于反馈学习过程信息，帮助学生判断目前的学习状况。b）自我学习策略分析工具，如美国的knewton平台，通过采集学生信息，自动评估学生能力，针对个体给出个性化学习规划。c）自我学习监控工具，如英国哥伦比亚的研究者利用SNAPP对学习论坛进行分析，通过可视化图形对学生学习行为相对位置进行描述。d）学习预警干预系统，如普渡大学信号灯系统，通过此系统实时跟踪学生学习情况，发现潜在危险及时发出预警实施干预。

4 我国学习分析研究趋势展望

4.1 加快理论研究步伐 赶追国际水平

从中文文献与英文文献的对比可看出，2012年开始关于学习分析的中文论文开始出现，趋势为逐年上升。但是介绍和综述的文章居多。包括针对历届学习分析会议的剖析、学习分析著名学者的访谈、中国学习分析的研究现状及趋势的研究等此类基础性理论研究，而对于学习分析模型及学习分析系统架构研究在2014年之后才开始逐步进入人们的视野。而对于学习分析的标准化通用算法和模型研究，学习分析数据获取，可视化研究，隐私问题等方面的涉及不多。由此可见，中国在学习分析领域尚处于起步阶段，跟国际水平还有差距。但也不可否认，通过多年研究，我国学习分析领域也取得了不小的成绩，如花燕锋在《基于MOOCs的多元同心学习分析模型构建》一文中提出的多元同心分析模型在MOOC平台的使用，已经取得了良好的效果。而马晓玲在《学习分析系统构建研究》一文中，也开始着手研究建立我国的学习分析统一系统架构。

4.2 加强基础信息平台建设，推进综合平台的信息互通。

就我国目前研究来看，研究数据来源基本为单一平台，如MOOC、Moodle或学校自己学习平台数据，运用多维数据进行分析的文献较少。姜强在《基于大数据的个性化自适应在线学习分析模型及实现》一文中提出利用社交网络、微信朋友圈等多维数据建立学习分析模型。但数据采集零散性较高，准确性低。目前，我国信息化已经进入高速发展的阶段，信息化水平逐年提高，但是信息孤岛现象严重，在教育领域急需打通各校信息孤岛，并结合社区信息，医保信息网等建立一个基础信息平台，由此提供完整且准确的数据来源。

4.3 侧重实践，加强应用性研究

目前，一些针对学习分析的应用研究已经取得了一定成果。如《学习热分析分析视角下的远程教学交互分析案例研究》中谈及将学习分析技术运用于网络教学中的案例。《学习分析视角下的个性化学习平台研究》一文中以小学为例介绍一种学习分析个性化平台。但相对于国际文献，仍有许多片面之处，而教育与学习分析的深度应用必将成为今后的研究热点。

5 结束语

国内在学习分析领域尚处于早期，发展空间极大。在教育领域学习分析技术的应用价值已被许多研究者所关注，于此同时，在漫长的探索之路上也充满着许多挑战。

参考文献：

[1] 马晓玲，邢万里，冯翔，吴永和.学习分析系统构建研究[J].华东师范大学学报，2014（2）.

[2] 姜强，赵蔚，王朋娇.基于大数据的个性化自适应在线学习分析模型及实现[J].中国电化教育，2015（1）.

[3] 曹晓明，摇朱勇.学习分析视角下的个性化学习平台研究[J].开放教育研究，2014（5）.

[4] 花燕锋，张龙革.基于MOOCs的多元同心学习分析模型构建[J].远程教育杂志，2014（5）.

[5] 胡艺龄，顾小清，罗九同，等.教育效益的追问：从学习分析技术的视角[J].远程教育研究，2014（6）.

[6] 徐鹏，王以宁，刘艳，等.大数据视角分析学习变革*--美国《通过教育数据挖掘和学习分析促进教与学》报告解读及启示[J].远程教育杂志，2013（6）.

[7]Siemens G.， Gasevic D， Haythornthwaite C， et al. .Open Learning Analytics： An Integrated & Modularized Platform（2011）.

[8]Campbell J P， DeBlois P B， Oblinger D G. Academic Analytics： A New Tool for a New Era.EDUCAUSE Review， 42， 4 （July/August）， （2007）， 40-57.

[9] Chatti M A， Dyckhoff A L， Schroeder U. A Reference Model for Learning Analytics. International Journal of Technology Enhanced Learning （IJTEL）.