基于大数据的在线学习行为研究

刘名卓 李雪 张泽治

摘 要：本文以山东省青岛市崂山区师生2020年春季在线教与学行为数据为研究对象，针对教师、学生在线教学和学习行为的活跃度及其倾向进行研究，以深度了解师生在线学习的现状、问题与挑战，以及性别、学科、城乡、年级等特征对在线学习行为活跃度及倾向的影响。研究发现：就教师而言，（1）男教师使用平台的活跃度远高于女教师，主要体现在总结反省类行为;（2）理科教师比文科教师使用平台活跃，主要体现在简单操作类行为;（3）就学生而言，城市学生比农村学生在使用平台的过程中更为活跃，主要体现在交流交互类行为;（4）随着年级的增加，学生在平台的使用过程中也相对较为不活跃，主要体现在交流交互类行为方面。

关键词：在线学习;大数据分析;在线学习行为

引 言

在2020年的这个超长寒假，各地教育部门发起了“停课不停学”的倡议，下发了关于学校延迟开学期间组织实施网络教学工作的指示，组织各学科教师利用在线教学云平台进行网络授课、课后辅导与答疑等工作，这是非常时期采取的非常之举[1]。在线教学具有开放性、时空不限、多点同步/异步互动等优势，它给教育带来机遇的同时，也给习惯于传统面对面教学的管理者和师生带来了巨大挑战，包括学习场景难以监控、互动交流困难、学习质量难以保证等问题[2]。此种情况下，如何提升在线学习成效成为关键，故有必要对师生的在线学习行为进行深度剖析，以便更精准地对教师的在线教学和学生的在线学习提供更有针对性的学习支持服务。

本文基于山东省青岛市崂山区师生2020年春季历时四个多月的在线学习平台过程数据，通过对师生在线教学/学习行为的活跃度和行為倾向进行分析，探讨了师生在线教学/学习的影响因素、问题与挑战。与以往研究全体师生在线学习行为情况相比，本文将研究对象进一步细化，在研究全体教师、学生的使用行为差异的基础上，进一步从性别、学科、年级、地区等特征对师生的在线学习行为进行对比分析，具体研究了师生在平台上的行为倾向，有利于教学管理与实施者针对不同对象制定更加具体化、个性化的学习支持服务策略和建议。

一、文献综述

在线学习行为，又称网络学习行为。目前，学术界并未形成对在线学习行为的统一定义。彭文辉认为在线学习行为是指学习者主动运用和调控自己的认知、动机和行为所开展的远程自主学习行为[3]。张进良将在线学习行为定义为在E-learning 环境中进行的与学习相关的各种行为，或者是在在线学习环境下进行意义建构、问题解决和社会化交互活动的总和[4]。总体来看，这些学者的定义并没有本质区别。因此，结合本文研究定位，将在线学习行为特指为学习者通过某个在线学习平台，按照自身的学习方式来构建个性化知识体系时所产生的学习活动，包括登录平台、访问课程资源、与同伴交互、查看评价等学习行为。

关于在线学习行为的分类，目前被众多学者接受的模型是彭文辉提出的多维度和多层次的模型。横向层次上，将在线学习行为分为信息的检索、加工、发布，人际沟通与交流以及基于问题解决的五类行为;纵向层次上，从学习的复杂程度出发，分为低级的操作行为、中级的认知行为、高级的问题解决行为三类。其中低级行为包括浏览、点击等;中级行为包括交互、分析等;高级行为包括协作、探究行为等。在本文中，主要采用多层次模型，并结合本文研究目的，将在线学习行为进一步分为简单操作类行为、交流交互类行为以及总结反省类行为。

关于在线学习行为数据的分析研究众多，王建亚采用元分析方法分析在线学习用户使用行为的普遍规律，从用户、系统和社会方面提出了优化在线学习服务的建议[5]。肖军从学习者基本特征、在线学习行为和学习路径三个维度构建高风险学习者画像，研究结果表明，该画像能反映高风险学习者的学习能力、行为表现、学习路径等特征[6]。叶俊民提出了语义增强的在线学习行为预测方法，该方法有效提升了在线学习行为预测的精确性[7]。申云凤通过分析在线学习行为，利用人工神经网络及蚁群概率推荐等多重智能算法为用户开展个性化学习路径推荐[8]。总的来说，学者们主要是从教育数据挖掘和教育分析两个视角对在线学习行为分析，其中教育数据挖掘侧重于在线学习数据的分析研究方法，教育分析则侧重于在线学习潜在规律的探究。而本文就是属于教育分析类，旨在探寻崂山区师生在线学习潜在规律，为优化学习支持服务献言献策。

二、研究设计

（一）研究背景

本文的研究数据来自2020年春季崂山区学校使用的十六进制教学云平台，该平台致力于为中小学校提供专业的课堂教学信息化服务，是目前国内教师使用率比较高的课堂数字化教学系统。在整个春季教学期间，崂山区学校集中所有师资力量，推选优秀教师利用课后网对学生进行线上统一教学，剩下教师则担任助教。统一授课结束后，每个教师再单独给自己的学生在十六进制教学云平台上布置作业，并开展辅导答疑等活动。该平台课程资源丰富、功能齐全，其中部分功能如智能作业分层、优秀的校本资源、集体教研、分层点名、课间的展示、打分等受到师生欢迎。

（二）研究目标

通过选取2020年春季崂山区部分学校师生在十六进制教学云平台的使用行为数据，对全体师生在平台上各个功能模块的使用次数进行整理，以求探索出教师、学生在线学习行为的差异以及性别、学科、年级、地区等特征对师生在线行为的影响，更好地为教学管理者、教师等优化教学策略，为学生提供更精准、精细的学习支持服务提供参考建议。

（三）研究问题

本文首先通过描述性分析，研究了崂山区学校师生在十六进制教学云平台上的整体使用情况。再通过对比分析，研究了不同性别、学科的教师以及不同地区、年级的学生在平台使用行为上存在的具体倾向。

（四）研究方法

本文主要采用大数据分析法，对教师、学习者的平台使用行为数据进行对比分析，发现其存在的特定规律，并对结果进行剖析。

（五）研究对象

本文选取山东省青岛市崂山区部分初中学校师生为研究对象，选取师生在十六进制教学云平台上的使用行为数据为研究样本。

（六）研究过程

首先是数据收集，本文采用的数据是从平台自动记录在数据库或后台日志中而来。其次是数据预处理，本文主要是利用Excel和Spss对数据进行清洗，将师生17周内的平台使用行为数据进行统计。然后是数据挖掘，参考彭文辉的多层次结构模型，将平台上不同功能模块适当分类，观察数据，寻找其背后的潜在规律，确定研究内容。最后，结合学习情境对学习规律进行解释，分析其实际含义，并为优化在线学习效果提出相应建议。

三、数据分析

（一）在线学习活跃度分析

主要针对师生在平台上总体模块的使用次数来进行活跃度分析。

1.教师在线学习活跃度分析

首先分析不同性别教师。由表1知，男教师人均使用模块总次数为2518.72次，女教师人均使用模块总次数为325.61次。显而易见，男教师在使用平台的过程中更为活跃。

再分析不同学科教师。通过梳理，本文发现，物理、化学、生物等理科教师与政治、历史、地理等文科教师在平台的使用过程中存在明显规律，因此，本文主要通过分析文、理科教师来研究不同学科教师在线行为的差异。由表2知，文科教师人均使用模块次数为97.54次，理科教师人均使用模块次数为213.37次，即在平台使用过程中，理科教师活跃度高于文科教师。

2.学生在线学习活跃度分析

首先分析不同地区学生。由表3知，城市学生人均使用模块总次数为3549.97次，農村学生人均使用模块总次数为559.61次。由数据易知，城市学生在平台使用过程中更活跃。

再分析不同年级学生。由表4知，七年级学生人均总模块使用2509.69次，八年级学生人均总模块使用1991.80次，九年级学生人均总模块使用1279.01次。也就是说，随着年级的增加，学生在平台的使用过程中也相对更不活跃。

（二）功能模块使用偏好分析

主要通过对不同性别、学科教师以及不同地区、年级学生的在线学习行为进行对比分析，来研究师生在平台使用行为方面的倾向差异。需要注意的是，对于下面所有表格中的师生平台功能模块的使用次数差，均为较活跃的平台使用者一方的模块使用次数减去另一方不活跃者的模块使用次数所得到的结果。并且，考虑到师生人数对使用次数差的影响不会影响到本文结论，故在后文不再进行进一步数据换算。

1.师生功能模块使用整体偏好分析

由表5可得，教师在平台上主要是批改作业，为总结反省类行为。学生主要是利用平台做作业，为交流交互类行为。

首先分析不同性别教师。在相同学习情境下，男、女教师教学目标相同，所拥有的教学资源也大体类似，导致他们对平台模块使用的偏好差距不大，故在此主要对男、女教师在同一模块上使用次数差距较大的模块进行统计分析，得到的结果如表6所示。男、女教师在使用平台时，存在的最大差距主要体现在总结反省类行为（如批改作业行为），简单操作类行为次之。

再分析不同学科教师。由前面研究中所梳理出的结论得知，即理科教师比文科教师更活跃，在此主要比较文科教师与理科教师的在线学习使用行为倾向。通过梳理，文科教师与理科教师最常使用的行为类似，故在此主要对其使用次数差较大的模块进行分析，结果见表6。文科教师与理科教师在简单操作类行为方面存在的差距最大，其次是总结反省类行为。

2.学生功能模块使用偏好分析

首先分析不同地区学生。不同地区学生由于学习任务、学习情境以及学习方法差距不大，他们对于平台功能模块使用的偏好差距也不大，故在此主要分析城市、农村学生在同一模块上使用次数差距较大的模块情况，具体情况见表7。城乡学生在使用平台时，存在的最大差距主要体现在交流交互类行为，总结反省类行为次之。

再分析不同年级学生。同前面对城乡学生的分析一样，在此主要研究不同年级学生在同一模块上使用次数差距较大的模块情况。通过将三个年级学生的平台使用行为数据进行两两对比分析，我们发现：不同年级学生在简单操作类行为中，功能模块偏好的最大差距均为画板模块;在交流交互类行为中，功能模块偏好的最大差距均为做作业模块;而在总结反省类行为中，功能模块偏好的最大差距为查看知识点掌握模块。再在每一类行为中，将三个年级两两对比所求出的三个模块使用次数差数据求均值，其中，在总结反省类行为中，保留均值较大的数据，最后统计情况如表7所示。不同年级学生使用平台时，存在的最大差距为交流交互类行为，如提交作业，其次是简单操作类行为。

四、研究发现

本文从教师、学生两个角度对平台使用数据进行了对比分析，旨在研究不同性别、学科的教师和不同地区、年级的学生在十六进制教学云平台使用上的活跃度以及行为上存在什么样的倾向。最终研究结果表明：

（1）师生平台使用情况。教师在平台上主要进行总结反省类行为，说明该地区教师善于进行教学反思，这种习惯正是一位优秀教师可持性发展所必需的。学生在平台的交流交互类行为最多，且大多是与作业相关的操作，主要体现在与内容的交互方面，这与实际相符，在中学阶段，学生巩固知识的主要途径就是做作业，同时，教师也需要根据学生的作业完成水平来获得教学反馈，从而更好地改进教学。

（2）不同性别教师的平台使用活跃度。对教师性别和其平台使用活跃度进行交叉分析发现，在平台总体使用方面，男教师使用平台的活跃度远高于女教师。再从具体行为比较来看，男教师在总结反省类行为方面的次数远大于女教师，说明在一定程度上男教师更愿意借助平台总结当前的教学情况以及学生的学习情况，进而反思教学、改进教学。另外，男教师的简单操作类行为次数也远大于女教师，说明男教师更习惯使用平台辅助教学，丰富教学手段，例如画板模块的使用，在教学时能令教学内容重点突出，更方便学生学习。

（3）不同学科教师的平台使用活跃度。就平台总体使用情况而言，理科教师比文科教师更为活跃，这说明理科教师更愿意借助平台辅助教学。再分析具体行为，文、理科教师在线教学行为存在的最大差距主要在简单操作类行为，这可能与理科教师教学内容大多为逻辑性的知识有关，他们在教学时更需要逻辑严谨、思路分明，借助平台的一些基础操作能更好地呈现教学内容，使学生了解知识间的潜在关联。

（4）不同地区学生的平台使用活跃度。就学生整体平台使用情况而言，城市学生在使用平台的过程中更为活跃。再具体到每种行为，城乡学生存在的最大差距主要在交流交互类行为上，尤其是与内容的交互层面，这说明城市学生在线学习更易于达到教学目标。而究其原因，可能是城市学生的学习习惯更好，习惯做笔记、按时做作业等，也可能是有家长在旁督促、学习资源（如设备、资料）更丰富的结果。

（5）不同年级学生的平台使用活跃度。就学生整体平台使用而言，随着年级的增加，学生在平台的使用过程中也相对较为不活跃。再具体到每个行为，不同年级学生在线学习行为的主要差距体现在交流交互类行为，也主要是与内容的交互。这在一定程度上能说明低年级学生的学习态度更端正，更愿意接受新知识，学习习惯也更好。

五、建议与总结

要想保障居家学习情境下学生学业的成功，关键在于提供有效的在线学习支持服务来解决在线师生面临的学习成效、时间管理、身心安全等一系列问题。而有效的学习支持服务应该包括指导类、管理类、情感类、资源类、过程方法类、技术环境类以及身心健康类等七大类。具体就崂山区部分学校而言，学校需要建立相关管理制度，通过线上、线下融合、课内课外融合的学生自主研学，教师导学、助学、促学、督学、评学的自导式学习机制和研究性的、个性化学习环境，为学生创设一个身心健康的居家学习氛围，帮助学生实现全方面发展。

同时，在由居家学习带来的全国基础教育的大规模在线教育实践中，除暴露了一些问题外，人们也体会到了在线教育的种种优势。这些优势很可能使所有教育工作者改变以往传统教学观念，接受线上、线下教育混合学习模式成为教育新常态的事实。因此，面对此种模式下的教学，我们还需做到：

（1）完善网络平臺建设，为师生提供个性化学习支持服务。首先，是平台功能的适宜性。每一个网络平台功能都应具备师生进行简单操作类行为、交流交互类行为以及总结反省类行为三大类行为所需的模块。并且，针对不同平台使用对象，要有所侧重，如教师平台应以教师进行总结反省类行为所需模块为主，学生平台应以学生进行交流交互类行为所需模块为主。其次，是平台资源的多样性。要提供多样性的在线学习资源，满足学习者对师生个性化教学/学习需求，激发师生使用兴趣。

（2）健全学校管理体系，调动教师混合教学积极性。学校管理者应具备顶层设计混合学习课程的观念，制定完整的课程管理办法以及评价体系，并建立教师培训、奖励机制，充分调动教师积极投入混合教学的热情。

（3）提高教师混合教学水平，培养学生混合学习能力。在混合教学中，教师要转变教学观念，杜绝“满堂灌”式课堂教学模式，杜绝简单的“面对面课堂搬家”和“教材搬家”，要从“以教为中心”向“以学为中心”转变，将线上与线下教学进行无缝融合、流畅转合。同时，教师要提高优质资源筛选能力，善于利用已有资源对不同特征的学生进行个性化教学，同时要学会从已有教学实践结果反思教研，不断动态调整随后的课堂教学，更好地优化线上教学方式，最大程度激发学生的学习潜力。

[1]教育部办公厅，工业和信息化部办公厅.关于中小学延期开学期间“停课不停学”有关工作安排的通知[EB/OL].（2020-02-12）[2020-07-25].http：//www.iskill.org.cn/index.php？c=article&id=674.

[2]周世杰，李锋.上海中学生网络学习现状调研与对策研究[J].上海课程教学研究，2018（6）：56-61，80.

[3]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.

[4]张进良，魏立鹏，刘斌.智能化环境中基于学习分析的学习行为优化研究[J].远程教育杂志，2020，38（2）：69-79.

[5]王建亚，牛晓蓉，万莉.基于元分析的在线学习用户使用行为研究[J].现代情报，2020，40（1）：58-68.

[6]肖君，乔惠，李雪娇.大数据环境下在线学习者画像的构建[J].开放教育研究，2019，25（4）：111-120.

[7]叶俊民，罗达雄，陈曙，等.语义增强的在线学习行为预测研究[J].小型微型计算机系统，2020，41（1）：51-55.

[8]申云凤.基于多重智能算法的个性化学习路径推荐模型[J].中国电化教育，2019（11）：66-72.

（责任编辑 孙志莉）