基于在线学习数据的个性化指导策略与案例

薛张盛 李锋

伴随着信息技术与通信技术的发展，教育及知识的传播方式也在不斷加入新的元素，在线学习就是其一。在传统课堂教学中，个性化学习指导往往是依托一种直观的感受，对个性化指导的有效性界定也比较模糊。而在线平台在教育中的应用，将更多的学习数据记录下来，基于数据的方式来审视教与学，促进“基于经验教学”走向“基于证据教学”的发展。

学生在线学习数据的特征

目前，大规模的开放在线课程不断涌现，让在线学习成了一种新的学习方式。在线学习除了依托互联网平台进行学习内容传播和具有丰富的学习活动与交互形式外，也可对学习者学习行为数据进行完整系统地跟踪与记录。[1]在线学习平台从学生注册平台账号开始，就记录学生的在线学习行为，产生了大量且连续的学习数据。分析学生在线学习数据，其主要可划分为三种类型：基础性数据、过程性数据、评价性数据。

1.基础性数据

基础性数据资源是实现基于大数据的个性化教育的重要基础，对学生个体特征的充分认知是个性化教育尊重个体差异的基本前提。基础性数据采用数据集成、融合等半自动化的方式归档现有的各级各类教育教学业务信息系统中学生人口学等数据。[2]在线学习中的基础性数据是学习者在在线学习前所产生的数据，它主要是学习者的基本情况和学习情况，这是学习者在注册平台时就可以获取的数据信息，学习情况指的是学习者在学习前原有的学习水平程度，这是学习者在上一次学习发生后反馈得到的数据，也可以作为基础性数据进行保存。因此，基础性数据并不仅仅是原始数据，也可以是输出数据后得到的结果，作为下一次在线学习前的基础性数据。例如，学生A在学习“分数乘法”单元在线课程时，在第一课时“分数乘整数”学习中呈现出结果：能够独立计算分数乘整数，并能综合运用计算方法解决问题。那么数据信息也将提供给接下来的第二课时“分数乘分数”作为基础性数据应用。

2.过程性数据

过程性数据指的是学生在学习过程中所表现出的各种反映其在自然状态下的细微而又真实的行为表现，这些表现都有隐性的特点，在一般情况下教师难以观察。而通过在线学习平台能够最大限度地保留这些细微而又反映真实现状的数据。[3]过程性数据具有连续性和即时性的特点，在学习过程中精细化的活动数据都可以即时地保留下来。[4]过程性数据包括知识点掌握程度，资源使用情况，学生作业和学科学习时间，学生与教师课堂环节同步率，学生对课堂素材的选择，阅读时长、顺序等。例如，当学生在线学习英语口语时，师生课堂环节同步率作为过程性数据可以对课程环节设计进行评价，如下页图1所示。

3.评价性数据

评价性数据指的是学生在完成在线学习后，根据学习目标了解自己的发展情况，对自己的学习情况进行客观总结，同时也对教师的教学质量进行评估，在这一过程中所产生的数据集体。评价性数据可以包括教师基于学习过程对学生个人能力的评价，如学生在线学习过程中对教师提问的问题的答题情况，如果学生回答正确，教师可给予一定的鼓励，并基于学习结果对学生学习表现与成绩进行评价，即学生在完成在线学习后，对课内知识进行巩固练习，平台也能得到与反馈学生个体在完成练习过程中正确率与做题时间等信息情况，还有基于学习互动学生合作方式的评价等。

学生在线学习数据对学生学习的指导作用

2012年4月，美国在《通过教育数据挖掘和学习分析改进教与学问题简介》中指出，在教育中有两个特定的领域——教育数据挖掘和学习分析会用到大数据。[5]另外，2018年5月，在《基于数据挖掘技术的在线学习行为研究综述》[6]一文中提到，美国学者Romero等人认为数据挖掘技术在在线学习系统中的应用是一个循环迭代的过程，在线学习行为研究中应用数据挖掘的流程包含四阶段，分别为数据收集、数据预处理、数据应用、数据挖掘。[7]根据教育数据的特点以及教育信息的理论，本文提出了在线学习平台中数据应用的结构模型，如图2所示。

在结构模型中，主体是学生（在线学习者），而学生在使用在线学习平台过程中，其学习内容、学习时间、学习过程等都将作为过程性数据被记录，其在学习过程得到的学习评价以及课后的学业评价等也都将以数据形式保存信息。数据形成之后，把三种类型的数据收集起来形成一个数据集体，同时也去除一些不必要的数据，如由于系统故障等与学习无关的因素造成的数据等，并对处理后的数据进行有效的数据挖掘，形成数据分析的结果反馈给教师。教师根据数据分析得到的结果对学生进行学习分析，进一步对学生进行个性化的干预与指导，提高学生学习效率与学习成绩。

另外，教师也可将这些数据看作学生的基础性数据，并将其作为下一节课的课前学情分析。而教师干预的个性化指导不仅可以作用于学生，还能对学习内容等产生影响，如通过学习分析，除了对学生进行了有效的个别指导外，还能选择适合每个学生的学习教材与内容。而评价性数据除了应用于数据的分析与挖掘外，还可以直接作为教师个性化指导的检验标准，如通过教师前期个性化的指导，学生在学习后，对本节课所学知识掌握程度如何，都可以在评价性数据中获得体现与观察。

因此，这些数据既可以作为原始的处理数据进行数据分析，也可以应用于教学的各环节。基础性数据是在线学习个性化指导的基本，过程性数据是个性化指导的重要依据，而评价性数据是个性化指导的重要检验方式。

学生在线学习数据应用案例

“乘除法的教学”是教学重点之一，下面笔者以该知识点为例展开数据应用。

教师通过教师端布置每一课时的相应练习作业，学生在线完成后，查看学生答题正确率、错误题型、完成时间等评价性数据。例如，其中序号为18的学生，完成练习时长只有“28秒”，其他学生都在300秒及以上，而且练习的正确率也较低。这些数据反映了该学生的学习态度问题。另外，教师可以查看这位学生的相关学习数据与数据分析结果，如学生在线学习的时间、学习内容等，进而进一步分析学生情况以及进行正确的干预。

除此之外，教师还可以利用“智能學情分析”系统对学生整个单元练习情况进行评估，从“知识技能”“数学思考”“问题解决”三个维度对学生学习情况作出分析（如上页图3）。教师发现整班学生的“知识技能”与“问题解决”能力处于平均水平，在“数学思考”模块中“几何直观”的能力较弱。因此，教师在日常教学中可以有意识地设计相关教学，采取针对性的训练。

结语

“因材施教”是教育的一种高层次追求，需要教师精准把握每个学生的学习情况，为他们提供个性化的指导。数据时代已经悄悄来临，而作为教育工作者，我们不应被这些数据浪潮湮没，要用审视的眼光去看待这些数据的价值，利用好这些数据，将其运用于课程、教学等领域，实现传统课堂教学的变革与突破。

参考文献：

[1][4]上超望，韩梦，刘清堂.大数据背景下在线学习过程性评价系统设计研究[J].中国电化教育，2018（376）：90-95.

[2]米春桥，邓青友，李晓梅，等.基于大数据的个性化教育方法体系构建[J].计算机教育，2018（10）：129-131.

[3]祝郁.过程性数据改变传统教学评价模式[J].上海教育科研，2014（10）：19-21.

[5]Bienkowski M，Feng M，Means B.Enhancing teaching and learning through educational data mining and learning analytics：an issue brief[Z].Washington，D.C. Office of Educational Technology，U. S. Department of Education. 2012：9-10+13.

[6]柴艳妹，雷陈芳.基于数据挖掘技术的在线学习行为研究综述[J].计算机应用研究，2018（5）：1289.

[7]Romero C，Ventura S. Data mining in education[J].JWiley Interdis-ciplinary Reviews Data Mining& Knowledge Discovery，2013，3（1）：12-27.

基金项目：本文系2017年度教育部人文社会科学研究一般项目“中学生网络学习的伴随式评价及干预机制研究”（项目编号：17YJA880039）的研究成果。