基于行为序列分析的建筑类高职学生在线学习特征研究

秦秀波，周国栋

(山东城市建设职业学院，山东济南 250103)

随着微课、慕课(MOOC)全球化的快速发展，尤其是大数据和云计算的深入研究与应用，在线学习引发了社会各界的广泛关注并在教育界掀起一阵新的研究热潮。基于在线学习的大数据分析和在线学习特征挖掘，不仅是优化在线学习、支持在线教育服务的重要依据，也是后建构主义时代下联通主义学习理论的重要应用。《教育信息化“十三五”规划》中明确指出：“要实现学生学习过程、实践经历记录的网络学习空间呈现，依托网络学习空间逐步实现对学生日常学习情况的大数据采集和分析”。《教育信息化十年发展规划2011-2020》中也明确将“加快职业教育信息化建设，推动信息技术与教育教学深度融合”作为重点发展任务之一。然而，在线学习蓬勃发展的背后面临的是如何更好地根据学习者特征设计课程资源、管理在线学习行为、提升学习效果等众多亟待突破的难题，并且当下在线研究大多选择本科生作为研究对象，忽略了其在培养目标和学习方式上与高职学生的差异性。因而，如何依据高职学生自身特点、探索分析其在线学习特征具有较强的理论和实践研究价值。

1 行为序列分析法及其在建筑类高职学生在线学习的可行性

行为序列分析作为当下学习分析中常用的研究方法，能够通过测量、收集、分析和汇报学习者以及他们所处环境的数据，来理解和优化学习以及学习环境，现已广泛应用于教育、医疗、电子商务和高等教育等众多领域。目前，在教育领域行为分析上通常采用Sackett提出的滞后序列分析方法(Lag Sequential Analysis，LSA)，该方法可以通过分析一种行为在另一种行为之后出现概率的显著性来探索人类的行为模式，〔1〕对于高职建筑类学生在线学习分析具有开展的可行性。

一方面，当前行为序列分析方法的研究和应用已相对成熟，具备在建筑类高职院校开展的条件。在电子商务领域，行为序列分析被广泛用于客户行为偏好分析，以针对性推荐产品、提升营销效果；在医疗康复领域，行为序列分析能够检测、跟踪、识别和解释病人行为，以便从智能聚类行为分析和行为序列趋势分析方面辅助医生治疗；在教育领域，行为序列分析能够对学习平台日志数据进行在线学习行为序列和参与模式探索，〔2〕并利用整合技术的学科教学知识对优质课程的教师行为进行序列分析以提升在线教学效果……多领域的应用研究为高职学生在线学习行为序列分析奠定了基础。

另一方面，建筑类高职院校学生自身综合素养也符合开展在线学习行为序列分析的要求。随着高职院校信息化建设的开展，特别是教育部1+X证书制度试点工作的开展，建筑职业院校间建筑信息模型(BIM)职业技能等级证书的培训得以普及，一定程度上提升了高职学生的信息化素养。同时，伴随着职业院校信息化建设的推进，各院校已基本实现校园内无线网络的全覆盖，也为在线学习提供了需要的网络环境。而且，高职院校学生大多具有较强的实践能力，对微课、慕课等在线学习资源兴趣浓厚，这也为建筑类高职学生在线学习行为分析提供了条件。

2 研究方法

相较于本科学生，高职院校学生在线学习具有自控能力较差、学习目的性不强、持续动力不足和易受网络干扰因素等特点，为确保研究的客观性、准确性，本项目选取一个78人建筑类小专业高职学生作为研究对象，采用OCAM屏幕录像软件对“工程施工组织与进度控制”课程的在线学习进行操作录像，并由研究小组对录像中的学习行为进行记录，从而挖掘建筑类高职学生在线学习行为转换特征。

2.1 研究问题

在已有研究基础上，本文尝试应用行为序列分析法探索建筑类高职学生在线学习特征中的两个问题：一是建筑类高职院校学生的在线学习过程中，哪些行为序列出现概率达到显著性水平，哪些行为序列与学生课程成绩具有显著相关？二是建筑类高职院校学生的在线学习过程中，可根据学生的行为序列将其分为哪几类参与模式，这些学生的参与模式各有什么特点？

2.2 数据处理与分析

“工程施工组织与进度控制”课程是高职建筑类专业的一门专业核心课程。该课程共计36学时，以理论知识讲解为主，具有一定的操作性。该在线课程主要包含理论知识讲解、在线视频资源、在线测试、论坛互动交流和用于学生自主学习的预设资源。下面通过对学生在线学习过程中的行为动作进行分析，排除学生无目的意识操作或者频率较低的偶发性动作，将建筑类高职学生在线学习过程归类为表1所示的11种行为，并作为行为序列分析的行为对象。

表1 高职学生在线学习行为名称、描述和编码

表2 高职学生在线学习行为转换频率表

参照滞后序列分析方法(LSA)，本研究将一种行为向另一种行为的转换定义为一个行为序列，并运用两个行为编码组合方式定义该行为序列。编码的前后代表该行为序列的转换方向，如ST-CS表示学生完成了“先查看在线测试试题，完成网上在线测试”的行为序列，由此将编码的11个行为建立起110个行为序列，并基于SPSS 19.0对相关数据进行深入分析研究。

3 研究结果

3.1 建筑类高职院校学生在线学习显著性行为序列分析

本研究对建筑类高职院校学生在线学习期间的学习行为序列频次进行统计，形成表2所示的11种学习行为之间的转换频次表：表中的“行”代表一个行为序列的起始行为、“列”代表该起始行为之后的跳转行为，表中数据代表两种行为所形成的行为序列产生频次。例如，第三行第二列的1306，代表从查看学习任务(RW)到观看课程资源(KC)这一行为序列共出现了1306次。并且，从表中可以清晰发现，RW-KS(从查看学习任务到观看课程资源)、RW-CS(从查看学习任务到完成网上在线测试)、FT-HT(从学习论坛发帖到学习论坛回帖)等行为具有显著相关性。

3.2 建筑类高职院校学生在线学习行为转换模式分析

基于表1的高职学生在线学习行为转换频率数据，通过计算每个序列发生频次的Z分数，从而形成如表3所示的残差表(Z-score)。其中，只有当Z分数(Z-score)大于1.96，才表明该行为序列出现的频次在统计上具有显著意义(p<0.05)。从表中可以发现KC-RW(从观看课程资源到查看学习任务)、KC-CT(从观看课程资源到查看在线测试试题)、CS-DA(从完成网上在线测试到查看在线测试答案)、DA-ST(从查看在线测试答案到学习论坛搜帖)和ST-HT(从学习论坛搜帖到学习论坛回帖)等行为序列的发生频次达到显著水平。

表3 高职学生在线学习行为调整后的残差表(Z分数)

注：*P<0.05

表4 高职学生在线学习与成绩相关的行为序列(部分)

**P<.01*P<.05

3.3 建筑类高职院校学生在线学习行为序列与成绩相关性分析

通过SPSS 19.0软件将学生在线学习过程中产生的行为序列总频次与课程成绩进行Pearson相关性分析发现，在线学习行为序列与学生成绩之间呈现出中度正相关(r=0.373，p<0.01)，学生在线行为过程中的行为序列越多、过程越复杂，学生在线学习的成绩相对越高。为进一步探究各行为序列与学生在线学习成绩的相关性，本项目将11个行为所建立起的110个行为序列与课程成绩进行Pearson相关性分析，如表4所示。

通过上表可以看出，跟成绩呈现高度相关的行为序列都与在线测试和论坛讨论相关，如CS-DA(从完成网上在线测试到查看在线测试答案)、DA-CT(从查看在线测试答案到查看在线测试试题)、CT-CS(从查看在线测试试题到完成在线测试)等；跟成绩呈现中度相关的行为序列主要涉及到内容浏览和进度查询等相关行为，如RW-KC(从查看学习任务到观看课程资源)、JD-RW(从查看学习进度到查看学习任务)；跟成绩呈现低度相关的行为序列主要涉及到论坛行为和内容浏览行为，这些行为序列大多是学习者浅层次或无目的多模块内容跳转，如CT-QT(从查看在线测试试题到其他无目的行为)、QT-CT(从其他无目的行为到查看在线测试试题)。

3.4 建筑类高职院校学生在线学习行为转换图

本研究采用两步聚类法将110个行为序列作为分类变量进行聚类分析，并进一步采用滞后序列分析法检验各类别学生发生概率达到显著性水平的行为序列，以深入探析学生的行为转换序列，最终得到四类学生的在线学习行为转换图。根据学生参与在线学习的特征，可以将其分为低投入型、浅层次投入型、目标投入型和深层次参与型(如图1所示)。

图1 建筑类高职院校学生在线学习行为转换图

由图1可以发现，第一类低投入型学生在线学习行为转换少，其在进入在线学习课堂后主要行为序列是查看学习任务并浏览在线试题(RW-CT)、浏览并完成在线测试试题(CT-CS)，甚至没有去关注试题的答案和正确率。由此可见，这类学生对于学习成绩好坏并不重视，他们缺乏在线学习的兴趣与动力，整体投入性比较低。进一步查看这部分学生整体学习成绩后发现，该类学生成绩整体不理想，需在线课程加大支持和监管，否则难以达到理想的学习效果。

第二类浅层次投入型学生与第一类相比，增加了观看课程资源(KC)和在线测试答案(DA)环节，这表明他们具有一定的学习兴趣，并可能有进一步深入学习的可能。然而，这一类学生在完成测试查看答案(CT-DA)后并没有后续学习计划，缺乏较强的学习目标绩效动机，对在线学习自我监控不足。尽管该类学生相较于第一类学生的行为序列数量和频次都有所提高，但整体缺乏深入性和多样性，因而该列学生的学习成绩仍整体偏低。

第三类目标投入型学生，相较于前两类学生而言，该类学生的学习行为序列数量和行为发生频次明显增加，且学习重点聚焦于测试模块：包括浏览并完成在线测试试题(CT-CS)、完成测试查看答案(CT-DA)、观看课程资源并进行在线测试(KC-CS)等行为。进一步查询该类学生的行为序列频次可以发现这类学生在线学习行为过程完整，并将测试作为整个学习过程中知识精加工或知识强化的核心，对于论坛讨论、生成式问题探讨兴趣不大，但对于自身成绩的重视性和学习行为的目标投入性很足。因而，该类学生普遍成绩比较高、学习动力较为持久专注。

第四类深层次参与型学生，相较于前三类学生而言，在线学习行为序列中增加了论坛讨论内容，学生可以通过论坛进行深入讨论学习，包含对测试答案进行搜帖研究(DA-ST)、对在线测试试题进行发帖咨询(ST-FT)等行为序列。该类学生相较于其他三类学生能够更加合理地利用在线学习资源，按照一定的学习目标和绩效动机，循序渐进地展开进行学习活动，包含查看学习任务并浏览在线试题(RW-CT)、观看课程资源到查看在线试题(KC-CT)、 完成测试并查看答案(CT-DA)等行为。尽管该类学生在成绩上稍逊于目标投入型学生，但他们占据较大的数量比例。

4 总结与反思

4.1 行为序列分析法对在线学习教与学过程提供了新的解读视角，有助于发现有效行为序列与教学规律

在线学习中教与学的过程能在一定程度上反映学习者的状态，通过深入分析教与学过程中的数据，不仅有助于教学者掌控教学状况、调整教学策略、优化教学路径，还能在行为监控和分析中发现学习的重点与难点，提高学习的针对性；〔3〕特别是行为序列分析法的应用，能够了解学习者的学习路径和行为偏好，把握潜在的学习行为意向。例如，在本研究中完成测试查看答案(CT-DA)、观看课程资源并进行在线测试(KC-CS)等行为序列具有较高频次，并且与线下学习特征行为相一致，可为教师在线学习课堂教学设计提供支持。此外，探寻具有促进意义的学习行为序列是有效提升在线学习效果的核心，在本研究中CS-DA(从完成网上在线测试到查看在线测试答案)、DA-CT(从查看在线测试答案到查看在线测试试题)、CT-CS(从查看在线测试试题到完成在线测试)等行为序列都与学生成绩具有密切相关。由此可见，在线测试是整个学习活动的核心环节，教师可以据此教学规律开展任务探究、任务生成和目标驱动等多种教学方法，提升在线学习成绩。

4.2 行为序列分析法对在线学习行为的投入性进行深入分析，有助于发现有效的行为序列与模式

学习行为的投入揭示了学习者与学习环境的积极交互发展程度。在这一信息交换的环境中，学习者基于在线信息交互实现了知识的沉淀、流动和生成，具体体现在学习者知识理论的更新、认知结构的改变、学习行为的丰富和在线任务的完成。这些学习情感投入、学习认知投入和学习行为投入共同作用实现了学习者自我能力的提升。〔4〕以本研究为例，通过对在线行为转换图分析将其划分为低投入型、浅层次投入型、目标投入型和深层次参与型四类，在低层次和浅层次的学习行为中，学习行为缺乏有意义的认知和持久的目标动机，导致学习者动力不足、缺乏系统性、成绩整体偏低；而目标投入型和深层次参与型学习行为，其行为具有一定的目标和需求动机，并形成有意识的操作意向，在目标绩效的引领下将这些操作意向演变为无意识、自动完成的学习行为序列。因此，这一类学生目标明确、知识内化水平高、成绩整体较为理想。同时，有效的在线学习行为模式能够体现学生在线学习过程中认知活动的多样性、深入性以及行为的合理管理与调控。尽管本研究中目标投入型和深层次学习型在线学习行为模式都取得了较好的学习效果，但目标投入型模式在促进学习者认知发展全面性以及行为多样性、延展性方面与深层次参与学习行为具有一定差距，在认知需求和规律稳定性方面也难以达到深层次参与学习行为的效果。

4.3 行为序列分析法对在线学习模式与成绩进行相关性分析，有助于指导在线课程的设计与建设

传统在线学习课程设计认为知识点的讲解，特别是碎片化资源设计将有助于在线学习效果的提升，但在本研究中发现，学习者将更多的目光投向于在线测试和论坛环节，包含浏览并完成在线测试试题(CT-CS)、完成测试并查看答案(CS-DA)、查看答案并搜贴、发帖讨论(DA-ST、DA-FT)等行为序列，而与课程资源(ZY)相关的行为序列并不显著。这表明学习者并未将知识点讲解类的在线资源作为认知解惑和知识内化的第一选择，也表明可能现有的在线资源在知识呈现、组织和促进教学方面与纸质材料并无本质差异，其在线资源碎片化和便捷化优势未得到有效体现。〔5〕因而，在线资源设计时要更多融入大数据技术实现在线资源的个性化推送、提高在线资源的转化能力，真正实现在线学习线上和线下优势互补。此外，通过行为序列分析可以发现，在线课程中的论坛模块在行为序列中呈现显著的行为转化，特别是在目标投入学习模型和深层次参与模型中，论坛模块的加入提高了学习者的社会性知识建构和社会交往，也在某种程度上影响了学生在线学习的认知多样性与深入性。对于在线课程设计和构建而言，本研究表明：清晰、合理的学习行为路径以及有效的信息交互和知识构建融入，成为影响学生在线学习认知发展程度的重要因素，教师也可借此对在线课程进行及时干预，引导学习者更多地参与到与学习活动密切相关的行为序列之中。

智慧教育时代下分析学习者的在线行为具有重要意义，不仅有助于教与学过程的优化，还能够确保在线学习者获得真正有意义和深层次的学习。本研究的行为序列分析表明，在线课程的建设不能仅仅局限于资源的建设和课程的设计，还应关注在线课程学习路径的设计与优化方面，借助目标明确、可视化的学习路径为学生提供在线学习的“脚手架”，辅助学习者实现在线学习与认知发展，建立起有效的在线学习参与模式。然而，本研究仅针对一门课程和小样本学生进行研究，而在线学习的过程具有复杂化和多样化，未来还需探究大样本、多学科和多元教学模式环境下的有效行为序列、行为转换模式，从而提高研究的客观性和科学性。