国外学习分析项目研究现状及对国内学习分析发展的启示

吴晨光 刘 斌

国外学习分析项目研究现状及对国内学习分析发展的启示

吴晨光 刘 斌

（陕西师范大学 教育学院，陕西 西安 710062）

本文通过对国外普渡大学的课程信号灯、奥斯汀佩伊州立大学的 学位罗盘以及南安普敦大学的仪表盘三个学习分析项目进行分析，得出国外学习分析项目的研究现状，即①对数据的追踪与收集是分析的基础；②对数据的分析与评价是核心；③依据分析结果采取措施是关键；④伦理和隐私问题是潜在的问题。基于分析结果为国内学习分析的发展提供如下建议：①对平台的深入开发来支持学习分析的发展；②对教师学习分析相关技能的培训；③对伦理道德问题的深入探究。

学习分析；典型项目；研究现状；启示

一、研究背景

在“新媒体联盟地平线报告”2010—2016年的年度报告中,每一年都涉及到学习分析，并对学习分析技术在教育教学中的重大作用进行预测分析，这一技术的教育应用可以帮助改善传统教学环境中的一系列问题，促进教师对学生学习过程的了解，在教学过程中尊重个体差异化，使得“因材施教”成为可能。目前，普渡大学、耶鲁大学、哈佛大学、斯坦福大学、乔治亚州立大学等世界知名高校都启动了学习分析的相关研究计划；美国教育部也在2012年10月发布了《通过教育数据挖掘和学习分析促进教与学》报告来促进学习分析的发展。可以预见的是，在未来的多年时间内，学习分析将会持续引起教育工作者的关注。

二、学习分析项目

国外实施的学习分析项目非常多，本文主要选取了普渡大学的课程信号灯、奥斯汀佩伊州立大学的学位罗盘以及南安普敦大学的仪表盘三个学习分析项目进行分析。

（一)普渡大学的课程信号灯

1.项目介绍

2003年，普渡大学的早期预警系统（The Purdue Early Warning System，PEWS）被开发并投入使用；2007年依据约翰・坎贝尔（John Campbell）论文中提出的加权算法改良为Course Signals（课程信号灯）系统[1]；2009年起，系统实现了自动采集和分析实时数据的功能，形成了科学的算法；2012年，校方将系统交由Ellucian公司进行商业化运作，并更名为Ellucian Course Signals。课程信号灯系统对学生的评价主要依赖于四个要素：学习者个人特征（主要包括学习者性别、年龄等信息）、以往的学术历史（学习准备情况、高中平均成绩、标准化考试成绩）、努力度（学习者与平台的互动情况，主要基于同伴之间的相互比较来体现）、课堂表现（目前为止获得学分的百分比）,这些与学习者相关的数据都被加权然后投入分析系统进行计算，最终以三种形式呈现分析结果：绿色信号灯，表示本次学习很有可能成功；黄色信号灯，表示学生的学习有潜在的隐患；红色信号灯，表示本次学习活动很有可能失败。根据分析结果教师可以选择如下几种调控方式来促进学生的学习：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。

2.项目实施情况

统计显示，目前已有24000名以上的学生享受到课程信号灯的福利，至少有145个课程指导者在课上用过信号灯。通过对使用过课程信号灯的学习者数据对比分析发现，使用过信号灯的学习者，课程保有率明显高于那些没有使用课程信号灯的同期学习者；使用了两门或者更多的信号灯的学习者，他们课程保有率比那些只使用一门或者没有使用课程信号灯的学习者要高；而学习者越早使用课程信号灯，他们的课程保有率就会越高；在课程成绩方面，通过对比也可以发现使用过课程信号灯系统后，最终获得A和B等级成绩的人数提高了10.37%，获得D和F等级成绩的人数下降了6.41%。对使用过课程信号灯的1500名学习者进行访谈与问卷调查发现，学生对课程信号灯的反馈非常积极，甚至有58%的学生表示愿意每门课都使用此工具，原因是他们把接收到的邮件当成是与教师的私人交谈，有一种亲切感，通过工具的使用他们知道了如何在学习中寻求帮助；而使用过课程信号灯的教师们也反馈道：课程信号灯系统的使用让他们可以直接接收学习者的数据，通过对数据进行分析，可以为学习者提供实时的反馈来帮助学习者。另一方面，学生保有率的提升也为学校带来了大量的学费收益，同时节省了招收学生的费用，总节约金额是学校用于大数据分析支出的5倍，为学校带来了巨大的经济利益[2]。

（二）奥斯汀佩伊州立大学的学位罗盘

1.项目介绍

奥斯汀佩伊州立大学作为一个区域性的教学机构，为近万名学生提供50余个专业的课程教学[3]，由于其40%以上的在校学生都是非传统的学习者，超过50%的学习者是佩尔助学金的获得者，所以学习者的学习动机比较弱，面对多元化的学生结构和多重的考验，校方决定从选课环节入手，寻找提升学生学业表现的工具和手段，因此，产生了学位罗盘。学位罗盘是利用学习分析技术构建的一个提供课程推荐服务的在线系统，帮助学生确定适合自身特点和需求的课程。其灵感来自网飞（Netflix）、亚马逊（Amazon）和潘多拉（Pandora）公司实施的推荐系统，为学习者提供最适合他们的个性特征和新学期计划的课程，系统根据学生的过往学术情况来预测课程的实施将会对学生的学习表现产生的影响，从而提出支持网页浏览器和移动客户端访问的选择课程的建议来促进学生的学习。

2.项目实施情况

从学位罗盘被引入学校以来，其使用量就在一直增加。研究发现，在选择推荐指数为四星的课程的学生中，有90%获得了A或B等级的成绩，而在未经干预的情况下，获得同样成绩的比例仅为62%[4]；而关于该软件性能的统计表明，软件在预测学生课程成绩的及格情况方面能够达到92%的准确率。2012年统计显示，使用过学位罗盘之后，各个科目成绩的标准差都比2010年低了很多，效果特别明显，在2010学期和2012学期之间学生的课程通过率增加了4%。此外，围绕学位罗盘，奥斯汀佩伊州立大学还推出了关于职业顾问的培训课程和为迎接新生的夏季顾问课程。2012年，学位罗盘系统在田纳西州的创新挑战赛中大放异彩，获得了来自“完善美国大学”项目和比尔・盖茨及梅琳达・盖茨基金会的100万美元资金，为学位罗盘系统的深入推广和使用提供了资金支持。目前，利用学位罗盘的观念已经深入校园师生的心中，学校已经开始申请利用学位罗盘收集机构数据定制课程来有效地满足学生们的学习计划，学生已经开始应用从学位罗盘获得的数据制定课程表来满足课程需求。

（三）南安普敦大学的仪表盘

1.项目介绍

南安普敦大学的仪表盘项目是在2015年夏天由南安普敦大学、西班牙马德里自治大学联合开展的项目。2013年秋天，南安普敦大 学成为Future Learn的第一批使用者，2014年西班牙马德里自治大学成为Edx团队的成员，由于Edx课程与Future Learn课程比较相似，都是以一周为一个课程单元，每个单元都包含一组活动，活动又包含一系列的步骤，根据教学目标的不同，其中的每一个过程都会包含一系列不同学习目标并且以视频、文章、练习、讨论和测验的形式出现，在学习过程中，每一个过程都会被链接到一个相关的讨论板来供大家交流互动。所以仪表盘项目的目标是实现一个跨机构、跨各自的MOOC课程的数据分析平台来为学习者的学习提供支持。平台的数据来源可以分为两类：调查得到的数据和学习者的学习活动数据，其中调查得到的数据包括满意度、学习者的信息；学习者的学习活动数据包括评论日志、测验结果、活动步骤、报名活动和同伴评审活动，所有数据都以CSV格式存储，最终以基于R语言的Shiny环境搭建网络界面来显示分析结果。

2.项目实施情况

在南安普敦大学、西班牙马德里自治大学的共同努力下，可以辅助教学的MOOC仪表盘在校园中顺利应用推广。开发使用过程中，仪表盘运行的数据是南安普敦大学的MOOC数据，仪表盘的出现使得MOOC的数据实现动态可视化，在仪表盘提供的显示界面上，通过将鼠标悬停在图表的特定区域可以获得进一步的课程学习信息。有了仪表盘，所有的教育者都能够访问这个图表，可以看到他们讲授的课程，也可以帮助他们推测未来的学习情况。在仪表盘的发展过程中，两所大学都有所收获，仪表盘的开发和使用过程中建立的专业知识，可以转移到他们各自的机构和学习技术团队来丰富学校的教学经验。目前，仪表盘数据和学习者数据都安全托管在大学的Web服务器上，分析过程中也没有涉嫌违背道德伦理问题；未来研究者的工作将会围绕深入评估仪表盘的可用性、使用后对师生的影响和有效性等方面展开，通过对仪表盘的深入研究来生成合理的仪表盘使用模式来完善仪表盘的功能。

三、国外学习分析项目的特点

（一）对数据的追踪与收集是分析的基础

通过对国外学习分析的三个项目进行分析可以发现，所有的学习分析工具的应用都是基于对学习者数据的追踪与收集。普渡大学的课程信号灯主要依赖于对学习者个人特征、以往的学术历史、努力度、课堂表现四个方面的数据；奥斯汀佩伊州立大学的学位罗盘是基于学生的学习目标以及学习轨迹来预测每门课程将会对这名学生实现学术目标的过程产生什么影响；南安普敦大学的仪表盘主要依赖于调查得到的数据和学习者的学习活动数据。由此可知对数据的追踪与收集是学习分析的基础，它是学习分析技术实施的原材料，也是所有教育计划继续实施规划的一个重要依据。

（二）对数据的分析与评价是核心

收集到的数据自身并没有太多含义，如何对获取的数据进行转换，挖掘其深层次的含义为教育教学服务才是我们应该关注的核心。通过对上述三个案例的分析我们可以发现项目中会涉及多种数据分析方法来帮助教师了解学习者的学习情况。此外，在对数据的分析过程中，不再追求精确度，而应追求因果关系，承认学生学习数据的复杂性与无序性，遵循一定的原则对数据进行分析，完成对数据背后信息的挖掘。只有对学习者数据有了科学的认知并且采用科学合理的分析方法对数据进行处理，发现其中深层次的含义，才能使数据的价值最大化。

（三）依据分析结果采取措施是关键

通过学习分析工具的使用最终优化教与学的环境才是最终的目的，在对获得的数据进行分析与评价并了解其深层次的含义之后，可以将分析好的结果呈现给学生，让学生们知道自己目前的学习状态，同时提醒那些学习存在困难的学习者改进自己的学习方式，并且为学习者提供适应其学习类型的学习资料。然而也有一些需要人为完成的情况，如课程信号灯中需要教师根据学习者的学习情况适当为学习者提供面对面教学辅助措施。无论是采用何种方法来进行干预引导，都能够适当满足学习者的学习热情并为学习者的学习提供一定支持，如果仅仅是对学习中的学习数据进行分析而不采取措施，那么学习分析的效果将无从谈起。

（四）伦理和隐私是潜在的问题

学习分析项目涉及到大量学习者的个人信息，这些数据的泄露会对学习者的学习生活造成极大困扰[5]，上述的三个项目在实施的过程中已经开始考虑学习者的权限和隐私问题，但是并没有能够完全杜绝存在的相关问题。未来在对学习分析项目的深入研究过程中，需要考虑的问题主要有：在对学习者的学习数据进行收集前，是否需要征得学习者的同意；在数据的收集过程中，如何既能够保证数据的完整准确又能够做到尊重学习者的隐私；在对收集到的数据进行保存时，数据的所有权问题以及数据的安全性问题[6]；在对数据进行分析的过程中，如何能够保证错误的分析结果不会对学习者造成伤害。

四、国外学习分析项目对国内的启示

（一）对平台的深入开发来支持学习分析的发展

对数据的追踪与收集是学习分析的基础，网络平台是学习活动得以开展的基础。目前，MOOC等平台已经可以帮助我们收集学习者数据[7]，但是获得的教育数据仅仅是冰山一角，这些数据也无法完全为学习者的个性化学习提供保障，应当加强对隐藏的大数据的采集与深度挖掘，以帮助教育工作者更好地了解当前的学习状况，进一步为增强教育决策的科学性奠定基础。因此，未来应该加大学习平台的开发，做到既能够支持学习活动过程的实时监控也能够对学习内容动态生成，既能够满足学习分析对数据的需求，也能够满足学生的个性化学习。

（二）对教师相关技能的培训

学习分析技术优化课堂教学的活动离不开教师参与[8]，其中教师涉及到的主要工作有：（1）对系统生成的分析结果进行解读；（2）根据解读的结果做出相应的对策来优化教学；（3）保护学生的数据不被不相关的人员侵犯。首先，对分析结果的解读在其中占有举足轻重的作用，对结果的有效解读可以起到点石成金的效果，而对数据的理解偏差与错误使用则会产生一系列的不良影响，更会影响教育决策的有效性；其次，只有将分析结果转换为合理有效的教育决策才能够真正达到学习分析的目的，为后续教学活动提供足够的支持；最后，如果在分析的过程中导致学习者的数据丢失，那么会给学习者带来许多不必要的困扰，为此教师需要有一定的相关专业知识与素养来保障学习者的隐私。因此作为未来学习分析技术教育应用的实施者，教师需要接受专业的技能培训来满足学习分析过程中的各方面需求。

（三）对伦理道德问题的深入探究

伦理道德问题是大数据研究过程中不可忽视的一个问题，在国外，无论是国家政策还是学习者在研究的过程中都已经关注到了这个问题。与国外相比，国内的相关研究还处于起步阶段,2015年国务院印发《促进大数据发展行动纲要》，其中明确提出要健全大数据安全保障体系，强化安全支撑；国内学者顾小清等也指出学习分析技术存在明显的伦理问题，有可能因收集分析学习者数据而侵犯个人隐私；赵慧琼等人通过对国内学习分析中的伦理道德问题分析后得出大数据学习分析的安全与隐私保护框架。通过对比可以看出，关于学习分析过程中存在的伦理道德问题，国内的研究比国外要晚，而且更多的是处于理论探讨阶段[9]，并没有太多切实可行的办法，也没有相关方面的实践。未来，国内的学习分析发展不仅需要完备的技术来保证数据的收集与使用过程的安全与合乎伦理，也要有完备的法律法规对其进行合理的制约。

参考文献

[1]Kryptoners.看到红灯表示你快挂科了: 普渡大学的Course Signals系统[DB/OL].(2013-10-16)[2017-03-21].http://developer.51cto. com/art/201310/413630.html.

[2][3][4]张燕南.大数据的教育领域应用研究——基于美国的应用实践[D].上海:华东师范大学.2016.

[5]赵慧琼,姜强,赵蔚.大数据学习分析的安全与隐私保护研究[J].现代教育技术.2016，(03)：5-11.

[6]刘艳华,徐鹏.大数据教育应用研究综述及其典型案例解析——以美国普渡大学课程信号项目为例[J].软件导刊.2014，(12)： 47-51.

[7]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，(4)：18-25.

[8]张振虹,刘文,韩智.学习仪表盘:大数据时代的新型学习支持工具[J].现代远程教育研究.2014，(3)：100-107.

[9]马杰,赵蔚,张洁,赵艳.基于学习分析技术的预测模型构建与实证研究[J].现代教育技术.2014，(11)：30-38.

（责任编辑 乔磊）

The Status of Learning Analytics Program Research in Other Countries and Its Implications for the Development of Learning Analytics in China

WU Chenguang,LIU Bin
(School of Education,Shaanxi Normal University,Xi’an,Shaanxi,China 710062)

By analyzing three learning analytics programs,namely the Course Signals of Purdue University,the Compass Learning of Austin Peay State University,and the Dashboard of the University of Southampton,this study finds out the research status of learning analytics programs in other countries.That is to say,the basis of analysis is data tracking and data collection,the core is data analysis and data assessment,the key is to take measures according to the results of analysis,and the potential problem is ethical and privacy issues.Based on the results of the analysis,this study offers some recommendations for the development of learning analytics in China.First,we need to further develop a platform to support the development of learning analytics.Second,teachers should be trained to grasp related learning analytics skills.Third,ethical and moral issues should be discussed.

Learning analytics;Typical program;Research status;Implications

G4

A

2096-0069（2017）03-0041-05

2017-03-16

吴晨光（1994— ），男，山西运城人，陕西师范大学教育学院硕士研究生，主要研究方向为教育技术学理论；刘斌（1984— ），男，湖南株洲人，湖南科技学院电子与信息工程学院讲师，陕西师范大学教育学院博士研究生，主要研究方向为数字化学习。