基于学习分析的在线学习评价动态及趋势分析

☆ 吴晨光

（陕西师范大学教育学院，陕西西安 710062）

基于学习分析的在线学习评价动态及趋势分析

☆ 吴晨光

（陕西师范大学教育学院，陕西西安 710062）

本研究主要从对学习分析概念的辨析、学习分析应用于在线学习者评价的优势以及学习分析应用于在线学习评价的案例出发，对学习分析技术应用于在线学习评价的情况进行了梳理，并基于此分析了研究过程中存在的问题，同时根据分析结果对学习分析应用于在线学习评价的发展趋势进行了预测，即智能化学习平台的开发与使用、对学习者生成数据的整体分析、基于评价结果的干预措施制定和对分析过程中伴随的伦理道德问题的探究。

学习分析；在线学习；评价

一、研究背景

在教育大数据、教育云服务和网络学习空间普及的背景下，学习者的多种学习行为都是通过网络平台进行的，因此在网络平台中会积累多种学习数据，这就急切需要一种新的技术对这些数据进行分析,得出合理的评价结果。在此背景下学习分析技术应运而生,并受到越来越多学者的关注，该技术能够很好地满足对在线学习者进行评价的需求，因此有必要对目前将学习分析应用于在线学习者评价的研究情况进行梳理。

二、学习分析的概念与特征

（一）学习分析的概念

关于学习分析，目前还没有统一的定义，笔者比较认同的是学习分析与知识国际会议的定义：“学习分析是对学习者及其所在情境中产生的数据进行测量、搜集、分析和报告，以便理解和优化他们的学习及其所处的环境”[1]。

（二）学习分析的特征

学习分析应用于在线学习评价的特征主要体现在学习分析流程的完备性、结果简单可视化呈现以及对学习者学习行为的预测与干预三个方面[2]。

1.分析流程的完备性

学习分析包括一整套科学的流程，涉及对数据的测量、搜集、分析以及报告等环节，从学习者数据生成到最终转换为可视化结果，学习分析都在其中发挥着举足轻重的作用。与其他应用于学习评价的技术相比，学习分析的流程更加完备。

2.分析结果的可视性

学习分析的一大特色是可以将分析结果可视化地呈献给使用者，多种简单易懂的图表展示为用户的使用带来了极大的便利。

3.学习过程的干预性

学习分析的最终目的是优化学习者的学习，所以学习分析是在分析学习者的学习行为数据的基础上，结合学习者自身特征对其未来的学习行为进行预测与干预，以更好地优化学习效果。

三、学习分析应用于在线学习评价的优势

与传统的学习评价对比，基于学习分析技术的在线学习评价的优势主要体现在对教学数据的存储、优化学生的学习、提升教师的教学效率三个方面。

（一）对个人学习数据的存储

传统教学环境下很难留下详细的学习过程记录，但是在学习分析技术的支持下，课堂教学环节将会被完整记录下来，包括教师教的行为以及学习者学的行为都会被存储并且可以进行过滤分析，对教育活动有用的信息被留存下来，从而为教学评价提供合理的数据支持，也为学习者后续的学习发展提供可靠的依据。

（二）优化学生的学习

学习分析技术优化学生的学习主要体现在实现学习者的差异性分析以及自我评估分析两个方面。

1.学习者差异性分析

学习者运用学习分析技术对个人基本信息、学习过程与结果信息进行收集与分析，可以获知登陆模式、学习习惯及结果数据之间的相关性，从而实现自己与其他学习者之间的学习差异性分析[3]。

2.学习者自我评估

利用学习分析技术可以对学习者的情况进行实时记录，因此学习者可以同时分析自己的学习过程与学习结果，根据学习结果对自己的学习过程进行再分析，从而客观、全面地了解自己当前的学习状态，以便探寻真正影响学习效果的因素，找出适合自身学习的资源以及学习方式，实现自我调整[4]。

（三）提升教师的教学效率

运用学习分析技术提升教师的教学效率主要体现在以下几个方面。

1.推送合适资源

运用学习分析技术对学习者的个性特征进行分析，教师可以对学习者有一个更深入的了解，从而根据学习者的个性特征为其推送合适的资源。

2.提供现实依据

对学习者进行聚类分析，可以为教师给学习者划分小组提供现实依据，方便教师的教学管理。

3.监控学习过程

运用学习分析对学习者的学习过程进行记录可以实现对学习者的动态监控，以及教师对学习者学习情况的实时了解，如果出现不好的趋势，教师可以及时对其进行纠正。

四、学习分析应用于在线学习评价的主要形式

目前来说，学习分析应用于在线学习评价的形式主要有预测模型、社会网络分析模型、推荐引擎等。

（一）预测模型

课程信号灯是基于预测模型对学习者学习过程中可能出现的情况进行评价的典型应用，信息主要来源于机构内部存储的学习者信息以及教学指导工具存储的信息，可以分为学习者课堂表现信息，学习者努力度信息，学习者学术历史信息，学习者个人特征信息四类。每一个成份都被加权然后运用算法进行计算，根据这些数据评判学习者的学习、预测学习者未来的学习情况。预测结果有三种呈现方式：绿色灯，表示有很大成功的可能性；黄色灯，表示学生的学习有潜在的隐患；红色灯，表示本次学习活动很有可能失败。在进行分析之后，教师根据评价结果与学习者进行积极有效的互动来促进学生的学习，主要有以下几种形式：在学习者的学习管理系统主页中呈现信号灯信息；给学习者发送邮件提醒；给学习者发送短信；为学习者提供相关资源；与学习者进行面对面交流来辅助其学习。

（二）社会网络分析

社会网络分析是使用计算机科学领域的网络分析技术来分析具有一定社会背景的学习者之间的联系的方法。在学习的过程中，学习者会由于学习过程中的交流互动而形成学习者网络，其中网络中的节点是学习者，节点之间的连线是学习者之间的交流互动。将社会网络分析应用于教育教学，教师可以追踪学习者的学习活动，通过对生成的可视化图形进行分析，教师可以发现在学习过程中孤立的学习者并给予帮助；可以找出本次学习活动的核心人物予以重任；也可以根据学习者的交流互动情况判断自治小组，根据生成的小组来进行任务分配。

（三）推荐引擎

推荐引擎是指使用计算工具对学习者以往的资料使用行为进行分析，然后根据分析结果对学习者的个人爱好特征予以评价，并且生成学习者可能感兴趣的资源群组，进而为学习者提供个性化资源推送的服务。目前，推荐引擎使用最为成功的是亚马逊的书目推荐系统，它可以对学习者的书籍购买情况进行分析从而为他们推荐可能感兴趣的类似书籍，为学习者提供足够的资源支持。

五、学习分析技术应用于在线学习评价存在的不足及研究趋势分析

（一）存在的问题

1.学习分析技术自身存在的不足

学习者的学习过程是一个复杂的过程，有些通过外显行为可以体现，有些则无法体现，而学习分析是以数据为中心，仅能根据学习者外显的行为数据分析得出结论，不能够完全体现出学习者的学习情况。

2.技术方面的问题

首先，当下的在线学习者进行线上学习时会产生许多的数据，目前的技术并不能对其进行全面获取，使用的分析数据仅仅是来源于平台的一部分数据，这些数据不能够完全代表学习者的学习情况，容易对后期的分析结果造成影响。其次，现在的预测模型的预测能力远没有达到完美，这些预测模型产生的结果有多种可能性，无法达到每一次的预测结果都合理准确，需要后期进行深入的研究。

3.伦理道德方面的问题

学习分析技术的使用允许学习者的所有学习数据被追踪，经过追踪，所有的个人信息和行为都可以被发现，但是目前这些平台又无法保证学习者的信息不被滥用，这就给了那些不怀好意的人可乘之机，他们对学习者信息的不道德应用将会给学习者造成很大的困扰。在英国，已有成千上万的Google使用者认为软件对自己的在线行为进行了跟踪并且展开了集体诉讼，目前相关机构已经展开了调查[6]。由此可知，关注学习分析研究过程中存在的伦理道德问题已经刻不容缓。

（二）研究趋势分析

1.智能化学习平台的开发与使用

网络学习平台是学生进行在线学习和教育大数据来源的技术支持和保障。虽然MOOC等平台在满足资源呈现与活动组织的基础上，开始对学习者的学习行为数据进行记录和评价，以帮助学习者更好地了解当前的学习状况。但从学习内容和个性化方面来看，目前的平台还无法完全满足对学习者进行个性化评价以及对资源的需求，未来的学习平台应该加入智能化元素，既能达到数据收集的作用，又能够通过数据分析为学习者推送个性化资源以满足学习者的学习需要。

2.对学习者生成数据的整体分析

目前，在运用学习分析对学习者的学习情况进行分析时所使用的数据源比较单一，例如对学习活动参与度和完成度等方面的分析数据主要来源于网络学习平台，对学习者注意力和观察路径的分析数据来源于眼动追踪数据。这些单一的数据并不能完全反映学习者的情况，所以未来在使用学习分析的过程中应该注重多源头数据的收集与分析，通过对相关数据的整体分析来把握学习者的学习状态，从而促进学习效率的提高。

3.基于学习者评价结果的干预措施

对学习者进行评价不是最终目的，如何通过一整套评价机制促进学习者的进步才是未来应该思考的问题，所以未来学习分析的应用方向应是在对学习者进行评价之后为其提供一系列的个性化学习服务，帮助学习者走向成功。

4.对分析过程中伴随的伦理道德问题的探究

学习分析技术的使用需要遵循伦理道德的规范。虽然利益相关者都知道对外共享数据能够给自己带来益处，但是数据使用过程中伴随的个人信息泄露等伦理道德问题又让他们不愿共享数据，国际上已经开始重视学习分析过程中所产生的伦理道德问题并将其体现在学习分析模型中，但是国内在此方面还较少涉及。因此在后期研究过程中，应该充分考虑伦理道德问题的重要性，建立一个完善的伦理框架来促进学习分析研究的深入发展。

[1][2]牟智佳,武法提,乔治.西蒙斯.国外学习分析领域的研究现状与趋势分析[J].电化教育研究,2016,(04):18-25.

[3][4]蒋慧峰.基于学习者视角的学习分析技术优势研究[J].成人教育,2016,(01):23-25.

[5]张文青,穆晓静,傅钢善.伦理视域下的学习分析研究[J].中国教育信息化,2015,(09):3-5.

[6]Clow D.An overview of learning analytics[J].Teaching in Higher Education,2013,18(06):683-695.

[7]王慧君,王海丽.我国学习分析技术的研究现状及存在问题分析[J].河南科技学院学报,2016,36(09):91-98.

[8]张玮,王楠.学习分析模型比较研究[J].现代教育技术,2015,(09): 19-24.

[9]牟智佳,俞显.知识图谱分析视角下学习分析的学术群体与热点追踪—对历年“学习分析与知识国际会议”的元分析[J].远程教育杂志,2016,(02):64-63.

[10]Manca S,Caviglione L,Raffaghelli JE.Big data for social media learning analytics:potentials and challenges[J].Journalof E-Learning and Knowledge Society,2016,12(02):27-39.

[编辑：郑方林]

G434

A

1671-7503（2017）09-0026-03