学习分析应用于网络学习的案例评析

许其鑫

摘要：该文介绍了学习分析技术的定义和相关的发展历程，紧接着阐述了学习分析技术的发展轨迹，对学习分析技术在网络学习环境中的两个案例进行评析，总结其在网络学习应用中所面临的挑战和局限。

关键词：学习分析;网络学习;案例评析

中图分类号：G642       文獻标识码：A

文章编号：1009-3044（2019）23-0153-03

开放科学（资源服务）标识码（OSID）：

1 学习分析技术的概述

随着大数据技术（如：教育数据额挖掘）在教育领域的不断深入，出现了学习分析技术这一研究领域，以数据驱动的教育教学变革推动着学习分析技术的发展，该技术一经提出就受到国内外教育研究者们的密切关注，并将该技术致力于实践和应用中不断探索，最近几年，“学习分析（Learning Analytics）”的国际会议在世界各地多次被举办，人们互相交流学习分析技术如何整合到教育教学中去，以及该领域国内外研究现状和发展中遇到的问题与相应的对策。发展历程如下：

2011年至2012年的NMC“地平线报告”指出：预测学习分析技术在以后的四至五年内将占领大部分市场。早在2011年的时候，学习分析技术凭借不同的数据挖掘工具以及可视化的数据分析技术来研究学习者的日常学习行为和他们的学习效率，并把这一结果应用于教学评价、个性化教学与课程修订中去，取得了显著成效。例如美国高校信息化协会（EDUCAUSE）在该领域取得了不错的成绩，机构认为学习分析技术需凭借数据和模型来监测学习者的学习进度进一步预测他们的投入状态，并找到潜在问题，给予干预。

除此之外，在学习分析与知识国际学术会议上的交流中，学习分析技术被研究者们定义成凭借“挖掘相关学习者还有他们学习环境的数据，实现理解和优化学习和产生的环境的技术。”近年来，学习分析技术已经成为近期用于高等教育领域的重要技术。2016年NMC地平线报告对此高度评价。第一届学习与知识分析国际会议上，知名专家Siemens谈到，学习分析旨在凭借数据挖掘技术监测与提取学习者的学习行为、进一步预测学习者的学习状况，得出结果可分为优良中差各种等级，用于评价学习者的学习行为与学习状态、接下来还会干预学习者学习过程，提高学习效率。

通过对文献的梳理，发现学习分析技术在国内的研究尚处在初步发展阶段，主要是引进学习分析的概念，介绍学习分析的理念，引用和分析国外研究者的结果，对学习分析结果的具体应用，例如可视化反馈却很少涉及。

2 网络化教学概念的界定

网络学习是学习者抱着明确的学习目的通过在线的方式，对特殊的网络资源进行自我调节，学习的过程以自我监控为主的学习方式。众所周知，网络教学能将教育公平极大地推广，伴随着指数级增长的新开发网络课程以及对其课程资源质量的不断提升，越来越多的学习者和教育者被吸引到网络教学当中去。这不仅实现学习资源的共享，还分离学习时间和空间、实现了学习过程的多项互动，网络教学最有竞争力的一点在于彻底打破传统课堂上的单向学习模式。因此，互联网环境下的网络化教育教学很大程度上会成为未来教学的一种主流教学方式，满足大多数人的教学需求。

3 学习分析技术的历史变迁

虽然学习分析技术是新兴的教育领域中的大数据技术，但是它的技术来源，像数据挖掘技术、数据仓库研究方法、内容分析、话语分析和社会网络分析等方法相当成熟，常在在线运营管理旗下分支的商业智能和网站分析使用[2]，并和教育相关的大数据技术（例如教育数据挖掘和学术分析）以其特有的优势逐渐受到教育研究者们的重视，发展的过程轨迹等详细信息如下表1所示。

4 应用案例的概述及评析

数据的采集、数据的加工、数据的可视化、给予评价和实施干预[16]是组成学习分析的五大要素。近年来国外的学习分析领域中，理论研究和实践应用方面都有丰硕成果并不断进步。同时，大量成功的应用实践案例应运而生，例如：如何保证学习者数据高效全面地收集、如何建立用于分析学习者的学习行为模式、如何设计可视化反馈与开发学习分析系统及其工具，如何对学习者的学习进行干预和预测，并保证一定成效…… 本人按照课题组的实际需求，选择两个最具代表性的案例，从中汲取经验并得出结论。

1）美国普渡大学研发“课程信号灯”系统旨在提高学生听课效率，该系统可以检测学习者的学习状态，通过跟踪学习者的学习行为轨迹，在学习者将要存在挂科风险或者不能达到课程学习目标之前给出预警提示信号，反馈给学习者在某方面存在困难，需要调整相应的学习方式和方法，对症下药，从而达到校方预期效果。“课程信号灯”系统的优点如下：（1）学习者能获取实时的个性化反馈信息;（2）早期就开始干预，从课程开始的第二周就开始实施，从一开始监测学习者的资源学习进度和学习效率;（3）提供有关的反馈信息，帮助学习者实现学习目标。

在对整个案例进行深入细致的分析，发现在本案例中凭借对大数据技术挖掘和分析学习者在网络学习平台上所产生的学习行为和学习过程数据的分析，且把各类型的数据归类整理，为接下来的数据具体分析方法做好充分的准备。在方法上主要采用学习行为分析法，通过对学习者在网络学习平台上产生的学习行为来判断学习者接下来的学业表现，以便帮助学习者实现学业成功，降低挂科率和辍学率，提高学生学习的毕业率和就业率。

2）美国马里兰大学研发Blackboard课程管理系统，借助分析工具从系统中获取大量与学习者相关的原始学习数据，然后根据整理和分析数据后得出针对教学者和学习者分别呈现出的个性化分析报告。可以从两个层面呈现学习者当前的学习状态分析报告：从横向层面看，报告展现了每个学习者在班级中的学习排名位置，若是某个学习者学习排名倒数或者呈下降趋势，系统会自动向该同学预警，比如发送一个详细的班级排名表到这位同学的账户中，标注该生与其他学习者的差距，同时提醒学习者要怎么加强学习，应该从哪些方面下手，由系统自动产生干预，可设置要推送学习资源;从纵向层面来看，学习者可以浏览自己的学习情况报表，对于学习进展缓慢或学习遇到困难的学习者，系统识别出这类用户后会自动为他们推送相关的学习通知或改进方案。

该案例运用了社会网络分析法来研究Blackboard学习平台上全部学习者与教学者在所有过程中建立的联系、各种学习者所扮演的角色，还有整个网络形成的具体过程与该网络的特点。除此之外，通过本课题还能了解到学习者在平台上如何建立并维持关系，进一步为自己的学习提供帮助获得支持。该平台凭借内容分析法，能够明确的显示出学习者的关注点和其已经学习的知识点。与此同时，还能够挖掘学习者的兴趣和偏好是什么。这种和学习者有关的信息反馈不单对学习者的学习效率的提高有利，并且对教师的教学反思也非常有利[12]。

3）案例评析

对上述案例使用的学习分析技术、案例理论依据和效果评析如表2所示。

4）小结

由两个经典案例的研究可知，学习分析技术能够有效运用于网络化教学环境中，但是我们要知道，数据分析出来的是结果是冷冰冰的，应该与有效的教学理论及教学评价理论相结合才能够更好地去发现与探索教学规律，对二者的深度融合要有一个宏观的考虑，无论是从实际需求出发，还是从实现技术出发，学习分析最终目的就是为了教学效果的提高和网络学习质量的提升。所以在接下来的进一步研究中，研究者们要紧紧围绕这一总体目标来预警预测学习者的学习情况，最大限度地精准呈现学习者的学习状态，实现对优秀学习者正向引导，助力困难学习者反向干预，要将数据分析的结果更好地呈现出来。

通常在网络学习过程中使用学习分析技术的对象分为两类人：学习者和助学者，其中助学者包括教学者和教育管理者。站在学习者的视角，凭借可视化反馈呈现的个性化学习报告，对自己的学习过程和学习状态有明确的定位，进一步利用反馈的信息对自己的学习计划做出相应的调整，更加有针对性的学习。站在教学者与教育管理者的视角，则应及时得到学习者在网络教学平台中的学习表现反馈结果，掌握学习者个体或群体的学习情况，对各类学习者因材施教、对症下药，对存在挂科风险和辍学风险的学习者及早干预，但如何利用学习分析的结果解释教学规律、教学现象，挖掘学习风格，设计有效可视化反馈和选取合适的干预策略是教育研究者们今后不断需要探索和研究的方向。

5 结束语

由大量理论研究与实践可知，在网络学习中应用学习分析技术能够帮助学习者了解自己的学习状态、并提出相应的反馈意见与提高学习效率的方案。本课题经对选取研究的两个案例分析研究之后可知：首先，依托于学习分析技术的网络化教学能够让教学者对自己学生的学习过程有较传统教学更为细致全面的了解，进而有针对性的调整自己的教学计划，对学生分级教学，及时发现学生的困难并予以帮助。然后，能够让学生明白自己当前的学习状态，及时做出调整。除此之外，在学习分析技术支持下，网络化教学环境中的学习效率有利飞速提升，及时有效的可视化反馈帮助教师和学生更好的评估学习效果，使得总结性评价走向形成性评价，从而证明了学习分析技术针对性应用于网络化教学是可行有效的。

相比较于国外而言，中国在学习分析技术领域的研究实践起步较晚，由于实践上的研究成果比较匮乏，这导致了研究成果的丰富性和覆盖面不足。而且要保证学习分析的有效性需要保证对学习者行为实施实时的干预，实现这一效果的前提是在教学过程中能及时收集到相关的数据，进一步才能进行实时分析，然后才能将准确率较高的分析结果及时反馈给学生。并且随时监测学习者的学习状态是否有所改变，及时干预。其中对于原始数据的采集、分析数据的方法、反馈的建议如何生成都还值得继续深入的研究，要改善国内研究现状的不足最重要的是如何对此进行有效评析。实现这一点需要收集大量被证实的实证研究，确保这些实践研究结论能顺利推广和易于移植。

最后，怎样保证大数据中包含的学习者隐私信息不被泄露、怎样及时的处理大量数据确保系统能实时反馈、怎样把学习分析结果合理的个性化呈现仍存在不少挑战。对于教学者，他们不仅需要掌握丰富的分析方法熟练运用对应的工具，还得持续投入大量的时间和精力来分析讨论并予以实践，这对教学者个人是个不小的挑战。因此需要教学者合理地进行时间的分配，并把其教学观念的思想与干预或反馈系统开发无缝的衔接，这存在一定难度，这将也是接下来这类课题需要不断努力耕耘的领域，相信在无数研究者的潜心研究下，基于网络学习的学习分析技术能够更加成熟。

参考文献：

[1] 邱晓辉.网络学习者信息加工学习行为的分析及研究[D].华中师范大学，2008.

[2] 李青，王涛.学习分析技术研究与应用现状述评[J].中国电化教育，2012（8）：129-133.

[3] Siemens，G.1st International Conference on Learning Analytics and Knowledge 2011[EB/OL].http：//tekri.athabaccau.ca/analytics/about.

[4] 2011Horizon Report[EB/OL].http：//wp.nmc.org/horizon2011/.

[5] 2012Horizon Report[EB/OL].http：//www.educause.edu/library/resources/2012-horizon-report.

[6] Simon Buckingham Shum. Learning Analytics： Dream， Nightmare or Fairydust？[EB/OL].

[7] 殷丙山.學习分析技术将成未来关注重点——2012年和2013年《新媒体联盟地平线报告（高等教育版）》比较解读[J].中国教育网络，2013（10）：35-36.

[8] 王运武，唐丽，王洪梅.新兴技术推动高等教育形成创新文化-《2016地平线报告（高等教育版）》解读与启示[J].中国医学教育技术， 2016， 30（3）：235-241.

[9] 顾小清，张进良，蔡慧英.学习分析：正在浮现中的数据技术[J].远程教育杂志，2012， 30（1）：18-25.

[10 ]葛道凯，张少刚，魏顺平.教育数据挖掘[M].教育科学出版社，2012.

[11] 李逢庆，钱万正.学习分析：大学教学信息化研究与实践的新领域[J].现代教育技术，2012，22（7）：5-10.

[12] 曹帅， 王以宁， 徐鹏. 学习分析技术的研究现状与未来趋势——基于2011-2015年LAK会议论文的分析[J]. 中国电化教育， 2016（5）：78-84.

[13] 袁明，陈伟杰.网络教育学习者在线学习行为分析研究[J].浙江现代教育技术，2006（4）.

[14] 彭文辉，杨宗凯，黄克斌.网络学习行为分析及其模型研究[J].中国电化教育，2006（10）：31-35.

[15] 包昊罡，李艳燕.大数据背景下学习分析的特点[J].北京广播电视大学学报， 2015（1）：9-13.

[16] 王良周，于卫红.大数据视角下的学习分析综述[J].中国远程教育， 2015（3）：31-37.

[17] 吴青，罗儒国.学习分析：从源起到实践与研究[J].开放教育研究， 2015（1）：71-79.

[18] 尹斌亮.学习分析技术在网络化学习中应用的效果研究[D].南昌大学， 2016.

【通联编辑：代影】