学习分析技术在网络化学习中的应用现状

巫晓泉

摘要：随着教育信息化的逐渐普及，网络化学习已成为主流学习方式之一。现阶段，网络化学习已经与大数据接轨，但是如何通过收集的数据，来预测学习结果、诊断问题、从而优化学习效果，又成了一个难题。学习分析技术的提出，为科学解决上述难题提供了很好的思路。文章首先梳理了关于学习分析的几种典型定义和模型;在实践方面，筛选了两个国外经典的应用案例，进行剖析;最后针对学习分析技术在我国的应用现状，提出若干建议，以期对学习分析技术理论的发展和实践提供一定的帮助。

关键词：学习分析技术;网络学习;应用现状

中图分类号：G642      文献标识码：A

文章编号：1009-3044（2020）34-0131-02

1背景

在“互联网+”时代，技术支撑的教与学日益常态化，特别是在基于网络化的学习过程中，产生的关于学习者行为的大量复杂数据，可以依靠相关技术进行科学分析之后，构建有效的模型，深入了解学习者的学习特征和学习过程，以此来评价学习者的学习表现，发现优势和问题，从而预测学习效果并能够及时地进行干预，最终实现网络学习的最优化，基于这种需求，学习分析技术应运而生。

关于学习分析技术的研究始于2011年。从搜集的文献来看，国外学者起步较早，在理论和实践方面都有着较为突出的研究成果。国内关于学习分析技术的研究主要集中在定义界定、内涵分析、系统框架构建等方面，具体的应用偏少。因此本文在对几种典型的学习分技术定义和模型进行综述后，筛选了两个国外典型的应用案例，进行剖析;最后针对学习分析技术在我国的应用现狀，提出若干建议，以期对学习分析技术理论的发展和实践提供一定的帮助。

2学习分析技术的定义与内涵

当前对于学习分析技术暂未形成一个统一的定义，但技术作为一种辅助手段和方法却是普遍得到认同的。2011年，在首届学习分析与知识国际会议中，西蒙斯（George Siemens）对学习分析技术进行了定义：学习分析技术是测量、收集、分析和报告学习者及其学习情景产生的数据，以便了解并优化学习和学习所发生的环境[1]，该定义得到了国际学者的普遍认同和应用。另一个具有代表性的是2011年美国高等教育信息化协会的定义：学习分析技术是利用数据和模型，预测学习者在学习中的进步和表现，进而预测未来表现并发现潜在的问题[2]。在国内，顾小清教授率领的团队将学习分析技术定义为“学习分析技术是从教育领域的海量数据中提取隐含的、未知的及有潜在应用价值信息或模式的工具，也是一种决策辅助工具”[3]。北师大何克抗教授认为：学习分析技术是指利用各种数据收集和数据分析工具，从教育领域的海量数据（包括在“教学过程”“学习过程”“教学管理过程” 中所产生的海量数据） 中，通过收集、测量、分析和报告等方式，提取出隐含的、有潜在应用价值的、涉及“教与学”或“教学管理”的过程及行为的各种信息、知识与模式，从而为教师的“教”、学生的“学”以及教学管理提供智能性的辅助决策的技术[4]。

虽然上述四个定义在表述上存在着一定的差异，但是仔细分析不难发现这些定义中存在着共性，如多样化的数据来源、科学的分析技术手段、目的都是预测未来的学习表现等，也就是说当前国内外学者主要把学习分析技术作为一种手段和方法来使用，目的是优化学习效果。

3学习分析技术的要素和模型

关于学习分析技术的组成要素和应用模型，各学者之间也存在着不同的见解。早在2011年，学习分析专家Brown教授就将学习分析分为数据收集、分析、学生学习、受益者和干预五大要素[5];同年，Siemens提出了学习分析过程模型：学习者数据、智能数据、简介、分析、预测、个性化或自适应六个部分[6]。Brown和Siemens的观点为后续学习分析模型的构建和发展提供了扎实的理论基础。Elias结合学习分析的循环特征，从资源的角度提出了学习分析过程模型，其核心是计算机、理论、机构与人员四个要素[2]。该模型明确指出了学习分析的工具是计算机，且分析模型以多种理论作为支撑，需要专门的人员和机构进行实施决策，这四种资源要素正是学习分析技术顺利实施的基础。2012年Clow将学习分析模型概括为学习者、数据、度量与干预四个要素，该模型强调学习分析需要采取必要的干预手段实现反馈，从而形成一个完整的学习回路。

随着技术的成熟和理论的不断丰富，学习分析要素也朝着更加多元化的方向发展，但是我们依然可以发现学习分析至少包含受众目标、数据来源、分析方法、结果呈现等要素。同时，以要素为基础的学习分析模型也可以简单地概括为数据收集、数据分析和结果反馈三个阶段，这些模型多数以过程为导向，将学习过程中的数据分析作为学习分析的关键，并以环状、网状等不同形式进行可视化呈现。

4学习分析技术的典型应用案例

学习分析技术的应用国外起步较早，以美国、英国、加拿大、澳大利亚等国家为代表的学校将学习分析技术应用于日常教学之中，收集学习者的数据进行分析，对学习进行及时的干预和预测。涉及高等教育，成人教育，也有中小学基础教育，研究手段较为丰富，为预测学习效果和个性化学习设计提供参考。国内的实践研究较少，且主要集中在学习分析技术对学习者学习效果的实证研究上，包括学习平台的设计，国内外实证研究的对比等等，研究方法相对单一，且研究对象多为高校学生或是成人培训活动成员。现选取国外的典型案例两个，介绍学习分析技术的具体应用情况。

4.1澳大利亚Wollongong大学的学习网络可视化与评估项目

该项目是由澳大利亚伍伦贡大学牵头，哥伦比亚大学、昆士兰大学等知名大学参与其中的一个项目。该项目团队以学习分析理论为基础，结合了当前热点技术可视化网络，研发了学习网络可视化评估工具（SNAPP）。SNAPP可以支持多种学习管理平台，如常见的Moodle和Blackboard平台，它的本质是一款浏览器插件，使用者只需去官网将插件的链接复制到浏览器中，然后在使用学习管理平台的时候将链接打开，SNAPP就会自动获取平台数据并形成一个可视化的网络图[7]。

开发SNAPP的目的在于收集网络环境下学习者产生的数据，并将这些数据采用可视化网络的形式呈现，以此来支持高等教育中教学与实践环节。SNAPP以学习分析的过程性模型为工作原理，从学习者的学习管理端收集数据，如浏览资源次数、下载次数、在线时长等，同时也可以收集学习者在论坛中的发帖和回帖信息，然后进行数据处理，生成一张实时交互的动态视觉图，以此来进行数据反馈。这些网络视觉图是学习者和教职员工之间发生的所有交互的直观描述，可快速识别任何已实施的在线学习活动的参与程度和网络密度。SNAPP给教职人员显示了网络化环境下，众多学习者谁在与谁交流，以及在何种程度上进行交流[8]。这些分析结果可以预示一个时间段内各个学习者的学习表现，为教职人员提供参考，从而调整教学，及时矫正学习表现不佳的学习者，提高其学习能力。

4.2美国普渡大学的课程信号系统项目

早在2007年，美国普渡大学为了提高新生保有率以及化解毕业生毕业周期延长的危机[9]，开发了课程信号系统。该系统不仅可以支持教师向学生发送学习清单、学习资源，还可以收集学生的日常学习数据，以达到了解学生学习状况的目的。

课程信号系统的最大功能在于可以预测学生未来一段时间内的学习状态，为了实现这种功能，研发团队设计了学习者成功算法（SSA）。SSA可以收集学生的课程表现、课程努力程度、前期学业历史（或叫基础能力）以及学习者特征。这四个方面有着相应的分值，乘以权重之后相加得到一个总分，这个总分就是预测参考值。SSA将总分分成三类，并以红灯、黄灯、绿灯来表示，类似交通信号警示灯。紅灯表示当前学生正处于一个学习危险期，很可能面临学习失败;黄灯的警示程度略低于红灯，预示在此分数断内的学生存在课程学习问题，不努力就会造成失败;绿灯则表示课程学习问题比较少，学习成功几率很高。

学生在学习端可以看到自己的课程信号灯，实时了解自身的学习动态，及时地调整学习策略，化解学习风险。对于教师而言，他们在学习管理端看到学生的课程信号之后，可以向学生发送邮件、学习资料，或者电话、短信、直接约谈等形式，对学生的学习进行干预，特别是处于红色和黄色信号灯下的学生，帮助他们调整学习策略，提高学习成功率。

SSA诞生之后，为了更科学的预测学习效果，前后经历了几次更新，2012年，普渡大学的课程信号系统交由Ellucian公司进行商业化运作，目前已更名为 Ellucian Course Signals，未来在教育中的应用前景良好。

5结束语

随着教育信息化的不断深入，利用信息技术优化学习过程和学习环境，让技术服务于教与学本身的理念深入人心。学习分析技术在教育的各个环节中都显现着积极的作用，对错综复杂的学习数据进行科学的采集、分析、呈现，能够对教育行为进行更直接的干预，对新时期教育质量的提升、教育个性化的实现具有重要的意义。虽然我国关于学习分析技术的研究时间短于国外，但是在理论研究方面已相对成熟。实践方面尚处于起步阶段，首先缺少政策的支持，整个应用研究缺少统筹安排;其次学习分析工具和分析模型匮乏，个性化需求设计不能得到满足;最后在学习效果干预方面，仅完成数据表面的挖掘，且可视化的分析反馈结果在实际的教学当中缺乏可操作性，缺少普遍适用的实施方案。

从国外的成功案例以及国内的应用现状，我们也许可以得到一些启示，例如：1）将学习分析技术的发展列入教育战略规划中，制定相应的建设目标和具体量化标准;2）对学习管理平台的数据进行规范化管理，以达到统一数据格式标准，实现跨平台数据采集;3）数据采集要做好保密工作，保护学习者的个人信息;4）加强校企合作，让企业提供技术的支持，学校负责将技术应用于教学之中，以此来打造完善的学习分析技术产业体系。

学习分析技术作为新生力量，助力教育研究从宏观走向具体的真实个体，在网络化的学习中的确起到了积极的作用。因此，要想普及学习分析技术，进一步促进其在我国的发展应用，就需要将信息技术更高效更全面地运用于课程和教学中，让教育管理人员和学习者感受到学习分析技术为学习和教学创造出美好前景的潜力。

参考文献：

[1]刘清堂，雷诗捷，张思.学习分析数据-评估模型构建与应用研究[C].教育部.第十五届教育技术国际论坛论文集，2016：94-101.

[2] 张琪.学习分析技术与方法[M].北京：科学出版社，2018.

[3] 胡艺龄，顾小清罗九同，陈婧雅.教育效益的追问：从学习分析技术的视角[J].现代远程教育研究，2014（6）：41-48.

[4] 何克抗.“学习分析技术”在我国的新发展[J].电化教育研究，2016，37（7）：5-13.

[5] 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.

[6] 刘静.面向对象的学习分析模型的构建[D].大连：辽宁师范大学，2017.

[7] 王丽红，戴心来，乔诗淇.开源工具支持的社会网络分析研究——SNAPP介绍与案例研究[J].中国教育信息化，2015（1）：25-28.

[8] Dawson S.‘Seeing the learning community：an exploration of the development of a resource for monitoring online student networking[J].British Journal of EducationalTechnology，2010，41（5）：736-752.

[9] 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（教育技术），2014，13（12）：47-51.

【通联编辑：谢媛媛】