使用大数据分析技术对外语自主学习情况进行量化分析

摘 要：以2017～2018学年第1学期某款基于校园网的外语自主学习平台中的数据为研究对象，使用大数据分析技术对外语自主学习平台的IIS日志进行处理、分析，对学生进行外语自主学习的时间和时长等方面的情况进行量化分析处理。得出，教师布置的外语自主学习任务量较少、有待于增加，外语自主学习集中在19：00～20：00区间，学生喜欢在寝室里利用校园网进行外语自主学习的结论。

关键词：大数据分析；自主学习；量化分析

一、 引言

自主学习最先由Henri Holec于20世纪80年代在其著作《自主性与外语学习》中提出，在中国，范烨等讨论了倡导自主学习的必要性，并提出了将传统教学形式与自主相结合的自主学习模式。彭金定推出了ITILA五步双向反思动态互补自主学习过程，并进行了实证研究。然而，以往的研究都是基于问卷调查和访谈的方式，本文旨在探讨利用大数据分析技术对自主学习情况进行量化分析。

二、 研究方法

（一） 研究取样

研究样本取自某款外语自主学习平台中的数据。起止时间为2017年9月3日至12月9日，共97天。根据学校的安排，大一、大二学生到语言实验室或者在寝室利用校园网进行90分钟的外语自主学习。

（二） 研究方法

本研究使用Nihuo Web Log Analyzer对自主学习平台中的Web日志进行分析，利用Python和Origin对数据进行数据搜集与处理。为避免量化分析时对用户识别的干扰，用户识别由大数据分析工具自动处理，不做人工干预。

三、 自主学习情况量化分析

（一） 自主学习情况总体分析

由表1可得出，在2017年9月3日至12月9日，學生对自主学习平台进行了96，552，579次点击，完成85，293次自主学习，平均每天完成870次，自主学习总时长为52528.26小时，平均每次自主学习时长为36分57秒，低于教务处规定的90分钟的学习时间，说明教师给学生布置的自主学习任务量较少。在同学生进行座谈中也佐证了教师布置自主学习任务量较少这一结论。

（二）自主学习情况具体分析

1. 基于时间的自主学习情况分析

利用大数据工具分析得出，学生进行自主学习时间集中在8时～23时，其中19：00～20：00自主学习次数最多，达到9，130次，占自主学习总数的10.7%；在22：00～23：00有6，734次自主学习，在23：00～24：00共有3，360次自主学习；01：00～06：00时为自主学习低潮期，这段时间内完成231次自主学习，仅占自主学习总数的0.27%。如图1所示。可见学生在进行自主学习的时间安排上符合学生的作息时间规律。

2. 基于月份的自主学习情况分析

利用大数据工具分析得出，10月份的自主学习次数最少，为11，273次，占自主学习总数的13.22%。11月的自主学习次数是最多的，达到了42，377次，占自主学习总数的49.68%。这受到布置自主学习任务工作中产生中断和十一长假的影响造成的。

3. 基于自主学习时长情况分析

利用大数据工具分析得出，学生每次自主学习时间的时长不等，如表2所示。时长为5分钟以内的自主学习，可以看作学生登录外语自主学习平台查看是否有新的自主学习任务，这是由于教师以月为单位布置自主学习任务造成的，为避免学生频繁查看自主学习任务，要求教师在布置自主学习任务时需认真考虑，做好规划。时长为60～89分钟的自主学习较多，占13.81%，说明学生习惯以上课的时间来安排自主学习时间。

4. 基于自主学习地点情况分析

根据校园网的规划得知，根据这一原则可以对IIS日志进行处理，得到学生自主学习地点的分布情况：得出，在语言实验室进行的自主学习次数较少，仅占总自主学习次数的26.72%；在寝室进行的自主学习次数较多为，占总自主学习次数的73.28%。由此可以得出，学生的外语自主学习大多在寝室内完成。

四、 总结

对2017～2018学年第1学期外语自主学习的相关数据进行分析处理，得出以下初步结论：

1. 外语自主学习任务较少，今后应该适当增加外语自主学习任务。

2. 学生在进行外语自主学习时，能够按照教务处的时间安排和正常的作息时间去学习。

3. 相对于语言实验室，学生更喜欢在寝室进行外语自主学习。

上述结论，得到了学生座谈会反馈信息、语言实验室值班人员的工作记录和校园网管理部门的监控数据的佐证。本文对外语自主学习情况的量化分析结果，有助于外语自主学习的科学发展。

参考文献：

[1]陈青松，许罗迈.大学英语教学中的网络化外语自主学习[J].外语界，2006，06：16-23.

[2]范烨.浅淡大学英语教学中的“学习者训练”[J].外语界，1999，03：32-38.

[3]彭金定.大学英语教学中的“学习者自主”问题研究[J].外语界，2002，03：15-19+46.

作者简介：

钟云，吉林省长春市，吉林省人民政府国有资产监督管理委员会事业单位国有资产管理中心。