学习分析视角下我国学习行为投入研究进展

王小霞,高明,李建生

(1．上饶师范学院 教育信息化研究中心,江西 上饶334001;2．北京师范大学 教育学部,北京100875)

一、前言

作为学习投入重要组成维度的学习行为投入是影响学习成就的重要因素[1,2]。学习行为投入指学生在学习活动中积极、持久及有效的可以被观察到的行为表现[3]。其相关研究最早源于20世纪30年代泰勒提出的“任务时间理论”,它强调关注学生在学习过程中的外显行为,如学习时间、出勤次数、发言次数等[4]。国内早期对学习行为投入的研究,主要通过人工统计学生在学习活动的参与频次来探究学习行为投入与学习成就的关系[5]。而后逐渐发展为借助问卷调查法、学习管理系统等采集数据,从学习者特征、在线学习活动参与等维度探索学习行为投入与学习收获之间的关系,并对学习结果进行预测[6,7]。借助在线学习平台记录的学习行为数据更加客观,更能真实体现学习者的认知过程,使得基于学习行为数据开展的研究更加有意义,也逐渐成为学习领域分析的研究热点。

虽然国内教育领域的学习行为投入研究起步较晚,但已有学者对学习行为投入的分析框架以及测量指标等展开了探索[3,7]。随着大数据人工智能时代的到来,如何基于学习者相对客观的学习过程数据探索学习行为投入的影响因素、构建更为精准的学习行为投入评量指标以促进有效学习的发生已经成为当前的研究热点。然而,在这方面目前尚缺乏对已有学习行为投入研究的系统梳理与综述。基于此,本文采用内容分析法,从学术趋势、研究主题两方面对过去五年(2015—2019 年)国内教育领域的北大核心期刊和中国社会科学引文索引(CSSCI)来源期刊(如《中国电化教育》《电化教育研究》《开发教育研究》《现代教育技术》等)上发表的关于“学习行为投入”的文献进行分析,以期为未来开展学习行为投入研究提供参考。

二、研究方法

(一) 文献检索

2020年2月25日,笔者以“学习行为投入”为关键词,以社会科学Ⅱ辑为文献分类目录,以北大核心期刊和CSSCI期刊为期刊来源,在中国知网全文文献数据库中对2015—2019年这五年间的有关文献进行检索,共得到12篇期刊论文。

(二) 文献筛选

为了解当前研究如何基于学习者的学习过程数据对学习行为投入展开研究,本研究对检索出的文献进行了进一步筛选,最终共筛选出8篇期刊论文用于文献分析。具体筛选标准为:A．研究主题内容须涉及学习行为投入;B．文献须是基于学习者学习过程数据开展的实证研究。

三、学习分析视角下我国学习行为投入研究现状

(一) 学术趋势分析

笔者利用中国知网学术趋势功能以“学习行为投入”为关键词进行检索,得到如图1所示的“学习行为投入”学术关注度(该功能默认起始年份为1997年)。由图1可知,学习行为投入研究的学术趋势大致可以分为两个阶段:第一阶段为1997年至2010年,此阶段尚未有研究者在国内发表有关学习行为投入研究的论文;第二阶段为2011年至2019年,有研究者开始关注此领域并发表相关论文,虽然每年的文章收录量不多,但是学者们对学习行为投入研究的学术关注度已呈上升趋势。

图1 学习行为投入学术关注度

随后,笔者依据出版年份对筛选出的8篇期刊论文进行了统计,2016 年和2019 年均发表1 篇,2017年和2018年均发表3篇论文。从论文发表数量情况可以看出,从2016年开始有在学习分析视角下对学习行为投入的研究论文发表,且文献数量呈现逐年增加的趋势。虽然2019年的文献发表量低于2017年和2018年,但整体呈增长趋势。结合图1和论文发表量情况可以看出,学习行为投入研究的学术关注度和论文发表量均呈上升趋势。

(二) 研究主题分析

根据学习行为投入研究的主题差异,可将当前研究划分为三类:学习者学习行为投入状况研究(1篇)、学习行为投入评测框架研究(3篇)、学习行为投入与学习收获关系研究(4篇)。其中学习者学习行为投入状况研究是指在信息化教学环境下,收集学习者的学习行为数据,用行为数据探索学习投入状况。例如,刘清堂等依据教师工作坊中教师研修的行为数据,分析了学习者的学习行为投入现状和学习行为与学习者特征之间的关系[8]。学习行为投入评测研究是指对学习行为投入评测的工具进行研究。例如,李爽等采集学习管理系统中学习者的行为数据进行分析与测量,对学习行为投入测量指标和成绩预测进行研究[7]。张琪等基于教育云平台建立周期反馈模型,探索学习行为投入评测框架[9]。学习行为投入与学习收获关系研究是指对不同学习环境或模式下探索学习行为投入与学习收获之间的关系。例如,周媛等设计了混合式学习环境下不同类型的学习活动,探索产生学习行为投入差异的原因[10]。王红梅借助开放学习环境采用定性、定量的研究方法对学习过程数据进行数据分析,探索学习行为投入和认知投入与学习成绩之间的关系,并对学习结果进行预测,得出预测模型[2]。

从研究主题分类可以看出,在学习分析视角下学习行为投入研究中,学习行为投入与学习收获关系研究占比最大,这也从侧面说明了当前的研究趋势是借助学习者的学习过程数据研究学习者学习行为投入与学习收获之间的关系,将研究结果作为教学建议改进教学。同时,也体现出学习行为数据能客观呈现认知过程,量化学习过程,符合当下学习分析研究的趋势。

为进一步了解研究者们的研究内容,笔者从研究方向、研究对象、数据来源、学习行为投入分析维度和数据分析方法出发,对8篇基于学习过程数据的学习行为投入研究文献进行了内容分析,结果如表1所示。

表1 学习行为投入研究内容分析表

1．研究方向

根据研究方向不同,上述文献可分为两大类:I类是针对不同学习方式开展的学习行为投入研究(5篇),其中学习方式主要依托于在线学习环境。借助在线学习环境,通过学生的学习行为探知学习行为投入情况以及与学习结果之间的关系。II类是研究测量学习行为投入的工具(3篇),其中又分为对测评框架的研究(2篇)和对测评方式的研究(1篇)。

2．研究对象

分析发现,以高校学生或教师作为研究对象的文献较多,其中5篇文献的研究对象为高校学生,2篇文献的研究对象为教师,1篇文献的研究对象为高中学生。

3．研究数据来源

学习行为数据是学习行为投入研究分析的根本。由表1可知,行为数据主要源自线上教学平台(7篇),这是因为线上教学平台在学习行为数据的收集与分析方面更加便捷。剩下1篇文献的数据来源于眼动行为实验,该研究旨在通过学习者的生物特征信息——眼动轨迹反映学习者的注意轨迹,借助学习者的注意数据分析学生的学习行为投入。

4．学习行为投入分析维度

由表1可知,虽然当前学者们在学习行为投入评价方面尚未形成统一的评测标准,但分析维度基本是围绕学习行为数据的表征特点展开。研究者们主要将参与(4篇)、交互(4篇)、专注(3篇)、持续性(2篇)等作为行为投入研究的主要维度。其中学习行为投入分析维度主要是参考李爽提出的在线学习行为投入框架[7](参与、坚持、专注、交互、学术挑战和自我监控六类)和张琪提出的“PRIC”评测维度[9],即持续性、反思性、主动性和专注性的评测维度。

5．数据分析方法

在数据分析方法方面,以描述性统计分析和回归分析居多(均各有5篇)。描述性统计可以更为精确地认识数据的分布特征,而回归分析则可以准确把握变量之间的数量变化规律,能说明变量之间的相互影响程度,也是最能找出影响因素的数据分析方法,从而为预测结果提供科学依据。如王红梅利用开放学习环境中学习者的学习行为投入和认知投入数据,采用多元线性回归方法对其学习结果进行预测建模[2]。有2篇文献使用了决策树、聚类等数据挖掘方法,如张思收集网络学习空间中学习者的学习行为数据,利用决策树对学习结果进行分类和预测,并从中探索预测学习成绩的关键指标[12]。

四、讨论与总结

(一) 信息化教学环境助力学习行为投入研究的开展

“互联网＋”时代的到来改变了传统的教学环境,在信息化教学环境下开展教学已逐步成为常态。与传统教学环境相比,丰富的信息化教学环境能够使学生更积极地参与到教学中,但同时也存在诸多问题,如学习过程中学生存在注意力分散、偷懒等非投入行为。这些问题的存在进一步催生了学习行为投入研究的开展。近年来,学习投入研究逐渐成为学习分析领域中的热点研究内容,研究者们分别从行为投入、认知投入和情感投入等不同维度去判断学生的投入水平,探知学生的学习规律以及影响学习效率的因素。

数据是学习行为投入研究开展的基石,信息化教学环境下学习行为数据采集的高效便捷也进一步助力了学习行为投入研究的开展。与传统的通过人工进行观察与统计进而实现学习行为数据的采集方法相比,信息化教学环境下通过在学习平台或系统后台进行埋点等技术与手段自动采集的学习行为数据,不仅数据采集的范围更广、数据粒度更细,而且能够有效避免人工采集所带来的漏记、错记等弊端。但同时我们发现,当前针对学习投入的研究非常多,而基于学习过程数据开展学习行为投入研究的数量仍十分匮乏。目前大部分有关学习投入的研究均采用问卷调查的方式开展,借助学习投入量表来测量学生的学习投入情况[14,15],而较少研究采用学习过程数据进行学习行为投入研究。例如,在一项调查大学生网络通识课学习投入情况的研究中,在分析学生学习行为投入时,研究者使用的是问卷中关于行为投入部分的调查数据[16]。究其原因,基于学习过程数据开展的研究相比于传统采用量表开展的研究更加复杂,对研究者在数据的采集、清洗、编码与分析等方面有着较高的要求。为丰富基于学习过程的学习行为投入研究,亟需提升研究人员的数据素养。

(二) 当前学习行为投入研究的主要研究对象为高校学生

学习分析视角下的学习行为投入研究主要通过学习过程数据研究学习者的学习投入情况,这对学习环境有着较高的要求。与基础教育阶段的学生相比,高校学生不仅在在线学习平台使用的机会和频率方面要远高于基础教育阶段的学生,而且此阶段的学生通常具备较高的信息技术能力,能快速掌握学习平台的操作,在学习过程中所受外部认知负荷较小。综上,当前学习行为投入研究在选取研究对象时更多考虑了高校学生。

(三) 学习行为投入测评框架尚未统一

为探寻学习行为投入的本质,部分研究者对学习行为投入测评框架展开了研究。但总的来说,目前测评的维度较为单一,尚未形成一个统一有效的测评框架。例如,当下很多研究中的学习行为投入测评量表是依据学习投入问卷中有关学习行为投入的测评维度和研究中研究对象的实际学习行为相结合而来,不仅没有权威普适性的评测工具,而且不适用于新型信息化学习环境下的学习行为投入测评[9]。同时,在很多文献中,研究者只考虑学习行为投入表征出的研究结果,不太关注各影响因素之间的关系,这可能是受限于当前单一模态数据的采集与分析。

(四) 学习行为投入数据分析方法单一

在数据分析方面,当前学习行为投入研究使用较多的为统计分析法,旨在采用统计分析方法对学生学习过程中的行为规律进行表征,探讨不同行为数据之间、行为数据与学习成绩之间的相关关系。未来,可尝试应用机器学习中的有关方法,如分类、聚类、关联分析等,对行为投入数据进行进一步的挖掘与分析,探知数据背后隐藏的规律与模式,从而为及时干预、改进教学效果、提升学生自我导向学习提供依据[9]。

五、研究展望

学习投入研究已逐渐成为信息化教育研究的热点。尽管当前国内学习行为投入研究取得了一些研究成果,但从学习分析视角出发聚焦学习行为投入的研究还是属于少数,总体来说仍处于探索阶段。通过对近五年内文献的研究与分析,未来的研究可以从以下几方面寻求突破:

(一) 扩大数据采集规模

数据是行为表征的客观描述,是学习行为投入研究的基础。数据规模在一定程度上决定了研究发现的普适性与可推广性。未来研究可借助生理传感设备,采集学习者的脑电、眼动等多模态数据[17],通过对多模态数据的整合分析对学生的学习行为投入进行测评。另外,由于不同学段的学生可能显现出不同的行为投入特征,因此,未来在学习行为投入研究的开展中应采集不同学段学生的数据,更为细致地探究学生学习行为投入规律,从而为个性化教学提供参考借鉴。

(二) 制定统一的学习行为投入测评框架

一个统一的学习行为投入测评框架,既能为学习行为投入研究的开展提供指导,同时也有利于研究者之间的交流与切磋,促进学习行为投入研究的发展。鉴于此,研究并制定信息化教育环境下可靠、科学的学习行为投入评测框架是未来学习行为投入研究的重要任务。

(三) 扩展学习行为投入研究的数据分析方法

随着数据科学的兴起,科学研究已由传统的实验归纳、理论推演、计算与仿真模拟三大传统研究范式拓展至数据密集型研究范式。在数据密集型研究范式的指导下,综合应用各种数据分析方法以全面提升数据的分析与解释工作对于教育研究意义重大[18]。未来,在学习行为投入数据分析方法的选择上,除应用传统统计分析方法外,可尝试应用多种方法与技术,如分类、聚类分析、关联分析等,从数据中挖掘更多有意义的研究结果。