学习行为统计分析在公共计算机教学中的应用*

◆王虎 钦明皖 吴海辉 杨勇

学习行为统计分析在公共计算机教学中的应用*

◆王虎 钦明皖 吴海辉 杨勇

通过对在线学习行为进行分析，阐述其主要构成指标，并建立行为信息模型，在现有的网络教学平台基础上，采集学习者学习行为信息，提出网络学习行为实时统计分析的方法并进行实践，以进一步提高公共计算机课程教学质量。

在线学习；学习行为分析；网络教学平台；公共计算机基础课程

1 引言

公共计算机基础课程的特征是应用性和基础性，各高校相关教学部门一直关注如何有效开展教学活动，但在教改实施中，更多关注对所“教”的内容、方法等进行改革，而很少研究“学”的问题。伴随着信息技术的快速发展，通过网络学习已成为重要的学习形式，但在网络教学中，注意力过多集中于如何组织知识点、设计课程内容、提供教学资源等方面，忽视了对学习者的学习过程监控。通过研究网络学习行为，有助于对基于网络的学习规律有更深刻的了解，使网络教学平台设计更加有效地为学习者提供服务，并将有助于调动学习积极性，增强学习参与度，提高学习效率，并提升教学质量。

2 网络学习行为分析

网络学习行为就是指在现代通信技术支持下，借助多样的基于网络的教学资源，学习者为达到预定效果而采取的一系列操作或活动，如确定目标、制订计划、选择方法、操作行为等，主要采用自主和协作的学习方式［1］。学习行为统计分析是为了保证学习质量，达到学习目标，对整个学习行为发生的所有活动进行规划、检查、评估、反馈和调整的一系列过程［2］。通过对在线学习行为进行统计分析，可以实现：

1）全面检查学习者在网络环境下进行的自主学习过程，有助于教师更好地针对不同的学习者提供具体的、个性化的指导；

2）充分发挥学习者的主动性、积极性和创造性，使得学习者最终理解、掌握并灵活运用所学的课程知识。

3 学习行为统计分析系统结构

网络学习行为数据模型 实现对基于网络的学习行为数据的统计分析，首先要解决的问题是如何对网络学习行为数据模型进行准确定义，以及确定如何自动实时、高效地采集学习行为数据的技术和规范。本文依据活动理论和行为科学（Behavioral Science）的基本原理［3］，深入分析网络学习行为数据的本质属性，建立网络学习行为数据模型［1］。

1）主体，即用户身份标识，作为学习者使用网络教学平台的账号信息，具有唯一性。

2）操作：由学习者进行自主学习过程中所做的各种操作的集合，以及对应的时间构成。

3）客体：学习者进行学习时在教学平台操作的对象集合，包括操作对象的类别、名称或标识编码数据等。

数据的采集、处理及展示 确定操作行为集合，对各类行为定义进行编码以获得标识代码。本文设计的行为标识由两部分组成：标识码（Behavior Code）和标识说明（Behavior Desc）。

在数据采集模块中，根据客户端与服务器端的数据交互，实时跟踪学习者在教学平台的操作活动，对数据进行采集、量化，获得在线学习操作行为数据，按预先设置好的格式存储于数据库，为后继分析学习行为特征、汇总统计做准备。采集功能模块对所发生的网络学习行为进行量化及属性表示，并采用统一的结构进行存储，如表1所示。

统计分析模块的功能是对存储在数据库中的用户学习行为数据进行加工处理，教学管理者可以对处理后的数据进行实时的查询、汇总、统计、分析，并以报表、表格或图表等图形化用户界面将处理结果在Web页面中显示，为教师及时发现教学中存在的问题以改进教学方式方法、教学管理部门做相关决策提供可靠数据支撑。

表1 行为属性表示

作者：王虎，安徽大学计算机教学部讲师，研究方向为智能计算、数据挖掘；钦明皖，安徽大学江淮学院副教授、副院长，研究方向为数据库、软件工程（230031）；吴海辉、杨勇，安徽大学（230601）。

学习行为统计项 随着计算机技术的快速发展，尤其在教育领域的广泛应用，针对如何更加科学、合理地对学习者进行评价，出现很多新的方法和形式。其中，量规（Rubric）是一种结构化的量化评价标准，可对所要评价的目标进行逐层细化，从多个方面规定评级指标，不仅可操作性强，而且准确性高［4］。本文根据学习者在线时长、出勤次数、提交作业个数/次数、提交实验个数/次数、阶段测试成绩等制定量规，对学习行为进行统计分析，如表2所示。

表2 统计指标项

系统结构 本文设计的网络学习行为数据统计分析系统主要分成两个大的模块：学习行为数据采集模块和数据统计分析模块。结构如图1所示。

数据采集模块对学习者与教学平台交互产生的相关在线学习数据进行采集，如登录、学习资源获取、操作指导视频观看、提交作业/实验、注销等统计参数数据，量化、整理后存储于行为数据库中。

统计分析模块对行为数据库中的数据进行提取、汇总、加工，通过图形化界面，对学习者在线学习行为进行实时统计分析。比如：展示单个学习者的在线学习时间总体曲线，教学平台访问时间人数分布，在线时间长度分布统计；展示教学平台开设课程被访问的统计数据，如访问人数、平均访问时间长度、课程设置各栏目的访问情况、出勤情况、作业/实验提交进度的情况等。

4 网络学习行为统计分析的应用实践

对学习者网络学习行为的统计分析，在内容上包含如下几个方面。

平台访问时段统计 网络教学平台充分体现了教与学活动的时空分离性、异步性，学习者个别化自主学习、协作性学习等特点，通过对平台访问时间的统计分析，可为教师和管理人员提供积极意义的参考。比如：教师根据学习者在线学习人数集中的主要时间段，通过教学平台站内邮件、BBS论坛等，参与学习者之间的互动，掌握发布教学资源、提供学习材料、回答问题的时间点。

图1 学习行为统计分析系统结构

图2 在线人数实时统计图（周期：天）

图3 在线时间分布统计图（周期：学期）

图2是指定日期24小时内访问人数的统计结果，教学平台访问量主要集中于上午10—12时，下午16—18时，这与实验课程安排时间吻合；在晚间19—23时，有部分学习者利用课余时间通过教学平台进行学习。

在线时间区段统计 对学习者在线时间长度分布情况进行统计，可让教师对学习者所选教学平台课程在线参与度进行客观评价。而且，在相同的作业/实验提交数量一致的情况下，在线时间越短，也从侧面反映教师的教学质量、学习者的学习效率等情况；并可对教师区分教学难点、合理分配各知识点教学时间等决策提供参考。

图3所示的统计结果为教学平台学习者不同在线时间区段的人数分布情况，每个时间区段为9个小时。统计数据表明，学习者每学期在线学习时间长度集中在10～45小时之间，少数会超过70小时。这与学习者在教学平台选课数量以及学习偏好、习惯有关，有的学习者登录平台所做的操作主要是下载实验素材，自主学习方式以离线操作为主；有的学习者对平台教学资源、操作视频等则比较关注，时常登录进行查阅、观看，同时积极利用教学平台通信模块，参与教师及其他学习者的交互活动。

个体学习行为统计 通过收集在线学习行为而实时生成统计报表，有利于教师实时掌握学习者在线学习进展情况。根据学习者学习行为的统计信息，了解其在线学习行为的规律，使用课程资源、信息交流等方面的偏好，以便教师可以及时调整教学内容；关注学习者学习过程中的自我管理，激发其自主学习的积极性；帮助学习者排除学习过程中遇到的障碍；引导、督促学习者更好地参与网上教学活动。

表3是以教学班为单位，对学习者在线学习行为进行实时统计的情况，其内容分为三个部分：作业提交进度；实验提交进度；出勤统计。提交作业总数80%以上的学习者占总数的73%，基本完成全部实验的学习者占总数的90%，这与任课教师对作业和实验的进度要求有关联。

对前两项统计结果进行分析，可以发现有约10%的学习者的进度落后于教学进度，结合第三项出勤/满勤比率的统计数据，教师能够发现学习者对该课程学习态度和兴趣的变化趋势，若落后进度比率一直上升，则应考虑导致该现象的原因并采取相应措施，如通过座谈、走访、讨论的形式获悉真正原因，随之调整教学策略或教学进度，以保证教学质量稳定。

表3 学习行为实时统计

各项统计数据均可以查看对应详细信息，以实验提交统计为例：教师不仅可以查看实验结果完成的质量，还可以根据提交实验的时间、完成的速度等参数，对学习者学习效果进行完整的评价。

5 结语

通过网络进行学习，具有开放、协作、自主、多维等特性，有必要对评价的方式做出改变，变终结性评价为过程性评价。通过对现有网络教学平台功能进行升级完善，设计在线学习行为统计分析系统，对学习者的在线学习行为数据进行采集、整理，并对其进行统计分析，可以作为学习者的过程性评价依据。

本系统在安徽大学网络教学平台上使用，从大学计算机基础课程入手，逐步推广，一年多以来，在监控、引导学习者的学习行为，提升学习者的自我约束控制能力，督促学习者加强平时学习，提升公共计算机基础课程教学质量等方面取得良好的效果。在后继工作中，考虑增加行为信息模型变量，如师生互动、所属专业等，挖掘行为数据背后更深层次的意义。

［1］杨金来，张翼翔，丁荣涛.基于网络学习平台的学习行为监控研究［J］.计算机教育，2008（11）：65-68.

［2］董奇，周勇.论学生学习的自我监控［J］.北京师范大学学报：社会科学版，1994（1）：8-14.

［3］杨开城，李文光，胡学农.现代教学设计的理伦体系初探［J］.中国电化教育，2002（2）：12-18.

［4］元帅，邹军华，刘丹.基于网络学习平台的在线学习行为分析与评价［J］.中国教育技术装备，2013（15）：27-28.

G642

B

1671-489X（2016）18-0059-03

安徽大学本科教育质量提升计划项目（项目号：xjjyxm14097）；安徽省级质量工程项目（项目号：2013gxk015）。

10.3969/j.issn.1671-489X.2016.18.059