大数据背景下在线学习者个性化因素研究

于翔

[摘  要]在线学习是大数据背景下人们学习知识、增长技能、扩宽视野的重要途径，为了克服在线学习面临的流失率严重、学习者学习质量不稳定等问题，本文分析了影响在线学习者的个性化因素对在线学习的影响，探索在线学习个性化发展的新思路。

[关键词]在线学习  个性化  学习行为

课题：陕西广播电视大学2018年校级科研课题《大数据背景下在线学习行为影响因素研究》（课题编号：18DA03）。

《第43次中国互联网络发展状况统计报告》中数据表明，近几年来在线教育发展较快，至2018年12月，我国在线教育用户量约为2.01亿，年增长率为29.7%[1]。

大数据背景下教育领域逐渐与现代科技相融合，为个性化学习提供技术支持和新途径，在线学习能够根据学习者的个体差异性，建立个性化的学习策略、学习资源以及学习的有效工具，有针对性地建立学习活动，满足用户多样化的学习需求与学习偏好，从而扩展学习边界，推动在线教育普及和深化，形成大数据背景下新型教学模式。

当前在线学习模式主要集中在教师与学生基于学习平台的交互教学，探索在线学习学生的学习特点、行为方式、教学内容选择偏好等，挖掘在线平台学习呈现方式，能够深入探索学习者群体的学习行为偏好，提供满足个体需求的个性化学习服务，实现因材施教的教学目标;能够通过预测学习者的学习成果，及时做出干预，同时有针对性地改进与优化教学设计，提高大数据背景下在线课程学生留存率和效用。

学习者需求

在线学习能够克服学习者时空和年龄的限制，满足学习群体的多样化、个性化学习需求，为构建终身学习的现代学习型社会和新型服务体系提供了可能。因为在线学习的个体存在着学习偏好、学习风格和认识水平等复杂性，在线学习平台必须重视学习者的差异性和情感需求，满足学习者多样性参与方式、个性化交流分享和独特性交互学习。因此“以学习者为中心”是大数据背景下学习平台进化的核心价值体现。美国Blackboard平台为师生提供了个性化的课程管理模块，不同功能能够满足不同学生的学习需求，促进了学习者学习的积极性与主动性，通过对学习者使用信息的方式，及对各类信息的关注程度进行研究，推测学习者的学习风格[2]。

学习行为

学习者行为涉及视听说多种学习资源，涉及参加学习活动并进行思考、测试或作业等一系列行为，有效的学习行为能够促进学习绩效的提高。在线学习行为会受到学习者的个人特性、行为特征、个人兴趣以及学习资源使用偏好等多因素的影响。美国普渡大学通过学习成绩、学习表现、学习背景和个人特征等相关数据来评估学生的学习状态，及时给予教师与管理人员信号反馈与干预。杨玉芹通过构建在线学习用户的个性化模型，研究在线学习过程中所需要的元素以及其支持背景，从而有效促进在线学习效果并不断地更新资源，为学习者提供更好的服务。刘三等从网络环境下分析群体学习的交互情况发现学习者的交互规律，探索提髙学习质量的方法[3]。学习者行为包括学习时长、下载资源、讨论互动发言等多种行为，只有对学习者和学习行为进行精确分析，才能实现个性化学习的需要。美国可汗学院用可视化报告展示学生的学习进展差异与知识掌握程度差异，为教师增加教学活动的针对性提供帮助，为家长了解学生学习进展提供依据，为学习者调整與规划学习活动提供支持[4]。

学习满意度

学习满意度是学习者对学习过程和学习成果等方面的主观感受，表现为学生对在线学习体验的效果评价。在线学习满意度是在线学习效用的重要评价指标，代表学习者在线学习形式的主观认知与情绪体验以及满意程度，学习满意程度与学习行为之间呈显著正相关。学生在线学习满意水平高，则学习动机强、学业成绩好、在线学习认可程度深，因此，学习满意度是学习绩效的重要影响因素之一。高水平的学习满意度要求学习者具备明确的学习规划时间、学习场所，具备及时调整学习的阶段目标与终期目标的能力，以及运用多种学习策略等方面能力。Puzziferro研究发现，学习满意度与学习者自身的元认知自我调节能力以及时间管理能力等方面具有显著性关系。Libby通过分析学习平台的日志，得出学习者的成绩与学习动机正相关的结论，学习动机不强烈，会导致学生半途而废、功亏一篑，从而不能最终实现学习目标。

在线学习者时空分离引发的孤独感会影响学习满意度，有数据表明，在线学习者长时间驻留在某页面时，可能产生学习困难和学习倦怠，因此，需要学习者在学习过程中及时调控自身的情感[5]。如果缺乏明确的学习指导或适当学习策略作为支持，在线学习过程会影响学习者本人的学习态度，在学习过程中个体会产生心理挫败、身体疲倦和情感孤独，形成习得性无助，学习过程出现反复且学习效率不高，影响个体学习满意度。大数据背景下的在线学习设计要克服学习者在学习过程中产生的负性情感，提供给学习者持久热情和耐心的途径，使学生继续参与课程互动，积极发布观点讨论，加强与同伴的交互，确保学习者的学习满意度。澳大利亚伍伦贡大学通过数据分析学习过程中形成的学习网络，展示学习者之间的联系，帮助教师注意到孤立的学习者，提升学习用户的学习水平。

对  策

1.学习环境个性化

在线学习平台必须重视学习者的个性化和情感需求，加强功能区模块智能化建设，使学习者能够自主个性化参与、交流分享、交互学习。根据教学目标给学习者提供更为分散、灵活、多元和个性化的学习选择在线学习平台的个性化服务，这是大数据背景下在线平台顺利发展的重要影响因素。通过在线学习行为数据进行分析统计，能够及时把握学习者的个性化学习风格、学习规律和差异化学习状态，并及时反馈给学生并进行干预，通过在线学习平台的个性化资源推荐，合理规划学生个体的差异性学习路径，引导学生培养学习兴趣，提高学习者在线学习的效果。个性化学习环境建设体验良好的学习平台可以降低学习者在使用时的认知负荷，使学习者将更多精力专注于学习过程、提高学习效率，提升学习技能。

2.教学活动设计灵活化

根据维果斯基的支架式教学策略，教师根据学习者学习心理、学习相关的知识体系以及学习认知能力等方面存在的差异，设计适应学生个性特点的教学环节，为学习者建构学习知识理解内容的概念框架，提供个性化“支架”，分解细化复杂的学习任务，设立学习阶段性目标和最终目标，通过呈现适合学习者的教学情境，使学习者自己借助“支架”逐步攀升，最终达到无需教师引导，学习者自主学习。可以统一安排引导需求强课程学习，提高学习者的动力和信心;对引导需求弱的课程学习提供靈活分散的学习时间;设计满足学习者的个性化学习需求的学习活动，使学习活动和任务更加多元化。

3.学习动机培养差异化

关注学习者的人格差异与情感心理，学生学习动机培养需要建立相应的奖惩激励机制，根据模块要求调整课程数据、学生自我评价、学习动机等数据，以“以学生为中心”为依据，调整并创设灵活多变的教学策略，呈现教学内容，并且在教学过程中对学生的行为进行强化和刺激，产生条件反射。通过在线反馈留言、自我评价、他人评价等方式调动学习者积极性，及时了解自己的学习特点和掌握程度，提高学习投入度。

结  论

个性化学习更加关注学习者特点，对学习者心理进行深入探讨，这是大数据背景下在线学习发展的必然趋势，针对不同学习风格的学习者，应用个性化的学习策略要从用户个体本身出发，重视学习群体的学习偏好，提供基于个体学习行为偏好的在线学习服务，实现学习途径个性化、在线资源多样化、问题解答智能化，提高在线学习平台的差异化服务能力，满足不同学习者的学习要求。引导学生养成稳定的在线学习习惯，提高用户满意度，提高群体水平。因此在线教学是实施个性化教学的必经之路，对教育教学事业的发展起着至关重要的作用。

参考文献：

[1]中国互联网络信息中心：《第43次中国互联网络发展状况统计报告》，http：//www.cac.gov.cn/2019-02/28/c_1124175686.htm，2019年2月。

[2]刘少伟、赵长在、雷少飞：《基于数据分析的学习者在线学习行为研究》，《中国成人教育》2016年第23期，第11-14页。

[3]刘三、石月凤、刘智：《网络环境下群体互动学习分析的应用研究——基于社会网络分析的视角》，《中国电化教育》2017年第2期，第5-12页。

[4]郭炯、郑晓俊：《基于大数据的学习分析研究综述》，《中国电化教育》2017年第1期，第121-130页。

[5]孙玉桦、唐章蔚：《基于大数据的个性化学习环境构建研究》，《中小学电教》2017年第Z2期，第51-54页。

作者单位：陕西广播电视大学学工部  陕西西安