基于用户画像的大学生课外学情精准化分析——以小语种专业为例

陈婷婷，周文洁

(1.安徽师范大学 外国语学院，安徽 芜湖 241000；2.安徽师范大学 信息管理中心，安徽 芜湖 241000)

在高等学校教育教学改革工程的推进中，大学生课堂学习时间相对减少，课外时间较大幅度增加，使得课内与课外学习的主次关系逐渐模糊。“任务型教学”和“翻转课堂”模式丰富了大学生的课外研学内容，但其执行情况和收效不理想，因为教师对学生真实学情的掌握是进行教学设计改革、实现人才培养目标的基本前提。大学生的学习情况除了专业课成绩和综合测评成绩等数据之外，还应包括其学习动机、学习习惯、兴趣倾向、自我管理等与学习行为有关的项目。对学生自主学习情况的精准化研究能够了解其是否合理利用课外时间和研学资源进行了有效学习，以及把握其学习中显在和潜在的问题，从而对症下药。在“互联网+”的信息化校园管理环境下，“用户画像”技术能够协助攻关这一领域的课题。

1 用户画像技术与小语种人才培养

用户画像即用户信息标签化，通过收集用户的社会属性、消费习惯、偏好特征等各个维度的数据，刻画出用户的特征属性，并对这些属性进行分析、统计、挖掘，从而抽象出用户的信息全貌[1](P2)。用户画像主要基于大数据分析，有助于构建针对用户需求的精准化服务。用户画像在教育领域亦可协同教学改革，为教师教学、人才培养、学生管理等提供参考依据，从而推动精准化、个性化教育和教学质量数字化管理的实现。

在《国家中长期教育改革和发展规划纲要(2010—2020)》中强调的“信息技术对教育发展具有革命性影响，必须予以高度重视”的精神引领下[2]，用户画像技术现已成为教学改革研究的热点之一。高教领域的用户画像研究主要有在线学习者画像的实证研究，开放式教学下的远程学习者画像，以及教师画像研究等[3-7]。上述研究成果对用户画像技术的实践流程作了细致梳理和理论建构，其研究对象以教师群体、非全日制学生的网络学习特征和全日制学生的日常生活习惯为主，属于宏观模式下的用户画像分析。本研究所绘制的高校小语种专业学生自主学习样态的用户画像则属于微观模式，聚焦于某一类人群的某区域特征，是对宏观学生画像的重要辅助。无论是宏观用户画像还是微观画像的绘制，都主要基于信息化校园的大数据，不需要依赖随机采样，即使是对某一学习细节的调研亦能借助大数据工具进行瞬间统计，并直接产出数据结果，优化了传统数据处理的烦冗度。

当前，高校小语种专业的就业情况并不均衡，仅以日语而言，开设本科日语专业的学校已达到500所以上[8](P104)，就业市场呈现出“供过于求”的现象，但是高端学术人才和拔尖应用人才仍然存在较大缺口。以安徽师范大学日语专业为例，根据对往届毕业生的调研，在“对目前就业情况感到不满意”的群体当中，包括相当一部分对自身潜力和学习特征缺乏明确认知，没有找准适合自己的岗位，以至于影响职业生涯发展的学生。然而，在高校复合型语言专业人才的培养进程中，小语种专业学生与英语专业学生在学情上的客观差异没有得到足够重视。不同于英语专业学生，小语种专业学生通常是自进入高校之后，零基础学习专业知识，需要在有限的课时内熟练掌握一门新的语言，在专业技能和综合素养的培养方面都面临着较大挑战。在当今课堂时间减幅的大趋势下，小语种专业学生的课外研学对其自我发展目标的实现至关重要。

基于这一客观情况，小语种专业学生的学情画像不能只关注传统的学习指标数据，如课堂表现、考试成绩、毕业设计评分等。这些数据确实在一定范围内展现出了学生的能力层次，但难以精准把握到影响其学习效能的真正成因，如学习态度、学习时长、学习方法、学习动机、教学方法、兴趣倾向等。因此，对小语种专业学生课外自主学习的相关数据进行采集，有助于较为全面、客观地把握个体的真实学情和整体存在的突出问题，从而据此进一步设计出既有整体大方向指导性，又能恰当兼顾个性的学习激励策略。

2 高校小语种专业学生自主学习情况调研

以安徽师范大学日语专业为例，在人才培养方案和课程结构体系改革之后，从2016年开始，学生的课外时间显著增加。为了保证人才培养质量，教师对学生课外学习的样态也应予以高度重视，应当通过主动调研与合理把控，及时针对部分学生的学习主动性、有效性、科学性不足等负面情况制定整改方案。在现今“互联网+”的智慧校园大环境下，在极短时间内收集学生的学习行为大数据已并非难事，但数据的统计、分析和比对极为耗时，因此，可以借助用户画像工具来帮助解决这一难题。

本研究旨在初步了解学生的课外自学实况，分析其学习特征，挖掘影响学习效果的主要因素，为后续进一步拓展高教领域的用户画像技术研究打下必要的基础。因此，除了专业课成绩之外，还对学生的学习意欲、网络学习平台使用时长、语言文化类APP及微信公众号访问情况、学习素材选择倾向、专业实践方式倾向、图书借阅、竞赛情况等数据进行了采集，以求绘制出个体和群体的较为多维、立体的用户画像。

课题组经过合法手续获取了学校教务系统的学生成绩信息、图书馆信息系统的图书借阅信息，以及学院教学办存档的学生竞赛信息和班级专业课排名信息等等。除此之外，于2020年4月对安徽师范大学日语专业大一、大二、大三学生进行了一次抽样问卷调查，共计投放问卷76份，收回有效问卷72份。调查问卷主要包括五大方面：专业课学习兴趣，课外学习时长，课外学习主要渠道，课外时间利用影响因素，自学方式倾向。这五大方面数据能够从大方向上把握各年级学生的群体性学习特征。

在收集到的所有数据中提取出几大项客观度较高的数据，按照一定标准进行科学赋值，然后运用皮尔森(pearson)算法，运算出各年级学生的课外学习各要素之间的灰度关联图，如图1—图3所示。

通过灰度关联图可知，各年级学生的课外学情存在差异。大一学生的竞赛参与情况对各项指标的影响力较大，性别对学习效果造成的影响力最低。大二学生的竞赛影响因子则变得非常不显著，但图书借阅对课外学习时长的影响力有了明显增长。参照具体分项数据之后可以发现，大二学生的竞赛热情受到了较好的激发，有62.5%的学生参与了专业比赛，参赛人员覆盖面较广，这一时期的图书借阅数量亦可能是受到竞赛原因的影响，相比大一学生有了明显提升。大三学生的学习兴趣对其学习行为的影响力最低，此时性别影响力开始突出，女生的学习动力较男生更为强烈，且女生的平均成绩开始明显高于男生。通过对学生的抽样访谈发现，一方面同女生整体的学习习惯良好有关，另一方面可能与女生在就业市场上所受到的不平等待遇相关，使得女生较男生更早地意识到未来规划的重要性，从而更加有目的性和针对性地去进行自我提升。此外，综合三个图的数据进行直观比对之后可以发现，随着学年的提升，网络学习时长起到的重要性在逐步增加，这正说明了信息化教学和自学手段，以及线上线下混合式课程在高教领域已经得到了有力的渗透。掌握每个学习群体的自主学习各要素之间的关联度，有助于我们在绘制个体的学情用户画像时，能够精准化分析每一位学生的学习问题背后的原因，并针对其需要改善且可调控的区域采取合理的干预措施。

图1 安徽师范大学日语专业大一学生课外学习要素灰度关联分析热力图

图2 安徽师范大学日语专业大二学生课外学习要素灰度关联分析热力图

图3 安徽师范大学日语专业大三学生课外学习要素灰度关联分析热力图

3 学生课外学情特征的用户画像绘制

3.1 用户画像的数据来源

课外自主学习情况的画像绘制基于学生的各类相关行为数据。其中，大数据抽取来源于智慧校园平台的图书借阅数据和教学管理部门的学生考试成绩、竞赛情况等数据，其他主观度较高的数据，如专业学习兴趣、课外学习工具、网络学习资源访问情况等通过问卷调查、抽样访谈、教师和辅导员反馈等渠道来收集。以上两大类数据会汇总到同一数据库档案中。

这一步骤的困难在于，“数据来源于多个异构的原始数据库，存在格式不统一，噪声干扰、数值缺失或不规范等情况，因此有必要在数据分析前进行预处理……关键的技术思路和步骤包括数据清理、数据集成、数据归约和数据变换。”[7]限于篇幅，本文不对数据预处理过程作深入呈现。

3.2 构建用户画像标签

构建标签即将每项数据所代表的行为进行分类，从而抽取出相应标签来给用户“定性”，使计算机能够依照设定的算法来进行数据处理。课题组将所得数据进行标准化清洗和归类之后，针对学生个体的标签体系设置，如表1所示，其中，二级标签属于一级标签下分的子标签。

3.3 用户画像绘制案例

在基本标签体系构建完毕之后，运用Python技术从数据库中爬梳出各标签下的信息，并对部分主观度高的数据进行标准一致的数字化评估，最后输出可视化的用户画像。

表1 安徽师范大学日语专业学生课外学情画像的基本标签体系

鉴于本研究目前处于初步绘制学生课外学情画像的阶段，旨在探索用户画像在精准化学情分析上的运用可能性，故采用的是简单的数据变换和建模。例如，“学习压力”“学习兴趣”“学习目标”等主观标签采用百分制问卷形式收集，学生做完问卷即可得出相应评分，被后台提取进数据库。在这一过程中，可能产生由于学生的自我认知偏差而带来的结果误差，尽管在本次调研中尚未出现学生的自我评价和客观成绩相差过大的现象，但今后也应加入数据异常的提醒功能。另外，有些标签下的数据没有直接对应的数字，是通过定义规则、关联相关数据和权重计算得出的数字化结果。最后，本研究生成的用户画像尚未和后续的学习激励方案进行对接，例如部分个性化的选项(如“自主学习渠道”“专业实践方式倾向”“自主学习能力”等)，目前暂未通过建模将其转为可视化的三维特征向量，以精准对应到适合该用户的研学资源和平台上，但这些工作在理论和技术上完全可以实现，也是本课题后续研究的重点。

在用户画像的绘制过程中，发现标签体系中除去基本信息之外，“学习兴趣”“课外学习时长”“自我监管”等指标具有显著甄选价值，“生源地”“自我规划”“自我调节”则看不出显著差异，可以考虑在今后持续优化的用户画像模型中剔除。

表2 安徽师范大学日语专业学生A的课外学情画像

以学生A为例，生成的课外学情初步用户画像如表2所示。通过表2的直观数据和之前图2的比对，能够发现学生A的图书借阅和课外学习时长之间的正向关联符合图2展示的群体大趋势，但是其学习兴趣和网络利用时长之间的关联却和图2显著不符。如图2所示，学习兴趣与网络利用时长之间的热力数据为偏高的0.75，说明大二学生学习兴趣越高，网络利用时长就越高。但学生A的个人数据却显示出，该生网络利用时长极高，但学习兴趣却很低。此时需再结合学生A的自主学习渠道、学习目标和自我监管指标来进行综合分析，由此可以判断出，学生A未能合理利用网络来进行专业学习，其原因主要在于学习自觉性较低。在该生的用户画像报告中应当指明这一分析结果，并给出合理建议：即需要激发该生的学习兴趣，以及协助其提升自我监管能力，以此来破除其课外时间的利用限制因素。根据这份结果报告，教师在考虑针对学生A的学习激励策略的时候，可以结合其“个人式”的学习方式和专业实践倾向，来推荐较符合其个性需求的学习资源和实践项目。

引导学生提升学习自主性，合理利用课外学习资源，科学提高学习效率，树立终身学习理念，始终是高校小语种专业教学改革中不容忽视的问题。由上可知，用户画像不仅能够给予每位学生更为客观、公正、精准且直观的分析报告，而且能辅助教师和教学管理人员借助报告结果来思考和制定针对各项学习问题的策略。诚然，“用户画像技术是一种较为复杂的应用技术，采用该技术对学生进行精准分析的探索也面临诸多的难点和挑战……这种探索和尝试也存在数据的分析精度不够等问题”[3]。通过实践探索，我们发现用户画像的应用难点首先集中在数据建模和标签适宜算法的设定上，因为这两部分内容会随着学生各类学习数据的增加而相应改变。其次，“数据并非仅有单一的使用维度和价值指向，不同数据之间的动态关联可产生不可估量的价值。”[7]对学生的分析评价需要综合考虑数据之间的关联性。再次，如何将学生的跨学科学习效果进行数字化评估也有待解决。但经过几年试错实验，能够搭建出相对稳定的计算模型框架。即在输入数据后，系统即刻输出清晰的个体学情画像，令教师精准把握到该学生的学习特征，便于将“以学生为中心”的因材施教理念真正落到实处。

4 用户画像在小语种专业人才培养方面的效用

4.1 把握行为特征，读懂学习盲区

在教学过程中，存在多种主客观因素影响学生的学习积极性，亦有不少学生的学习精力分配不科学，从而未能高质量地实现“翻转课堂”模式下自主学习的目标。有赖于智慧校园建设的用户画像是一种能够对学生评价和教学评价进行数字化管理的信息技术，它能够通过定性和定量的方法，勾勒出个体的某方面的行为特征、个性、优势和短板。通过该技术能够精准读懂学生的学习行为特征、学情影响因素和自主学习盲区，从而据此透析影响学生自主学习效果的成因，保障学生的核心专业素养。同时，对个体的各类“软实力”项目数据进行科学测评，且与静态的成绩数据相叠加后绘制用户画像，还有助于挖掘学生的潜能所在。

4.2 构建激励机制，助力人才培养

小语种专业学生大多是零基础起步，所以，课外自主学习时间的增加在事实上对小语种专业学生构成了更大挑战。尽管在“互联网+”教育时代，学生可以随时随地使用灵活多样的方式学习，但这不代表学生明白如何去学习才能最大化地获取知识、提升能力，亦不代表学生能够在专业技能和素质拓展之间把握平衡点。因此，一方面，教师应当把握好学生的大一大二阶段，通过课堂教学和专业训练来夯实知识体系；另一方面需要激励学生发挥积极性，探索自身的复合型发展方向，树立学科交叉的融通思想，以此为导向进行科学有效的课外交互式学习和探究式学习，提升创新能力。为了实现这一目标，教师和教学管理者可以利用用户画像来把握学生的学习特征，设计具有针对性的人才培养项目内容，帮助学生扬长补短，以科学合理且行之有效的激励策略来为小语种专业的教育教学改革提供有力支撑。

4.3 以学生为主体，精准个性教学

用户画像展现出的学情模型有助于让教师对学生存在的普遍问题和个别问题一目了然。这样，教师在设定群体教学目标的同时，能够本着尊重个体差异的原则，在教学活动中思考如何为学生提供个性化的学习资源和指导。教师能够依据用户画像很好地把握学生的兴趣点和特点，引导学生善用网络学习，并在研学资源、课题任务和实践平台等方面展开适合学生特点的、弹性化的推荐，辅助其规划多元的学习路径以适应其不同的就业和自我发展需求。随着用户画像模型的不断完善，在其支持下的人才培养的水平和精度均会相应提升。

4.4 完善质量监控，持续优化机制

根据《普通高等学校本科外国语言文学类专业教学指南(下)》可知，几乎所有小语种专业在教育部“国标”的大方针下，都在强调“与时俱进，不断更新教学理念。全面贯彻以学生为中心的教育理念，创新教学内容和教学手段，重视现代信息技术”[8](P105)。人才培养过程从“投入”到“产出”都需要深度融合信息技术，让人才的素质和能力最大限度地与社会需求及个人潜能相接轨。如此，运用用户画像技术掌握学生的学习心理、学习习惯和学习潜力等情况，洞察教学和教育中有待改进的问题，正是小语种专业教学在理念和方法上开拓创新的体现。目前，线上线下双驱动式的智能化教学环境是对传统教学方法的突破和延伸，而用户画像技术则协同实现了对学生学习自主性和教学质量的管控。教师通过用户画像掌握到的学生的学习情况直观明了，有助于构建以学生为中心的教学关系。此外，教师可以运用信息化手段定期追踪和分析学生的各类核心学习数据，实时掌握人才培养情况，以便及时发现问题，调整策略，构建灵活、动态的学习激励机制。

5 结语

当前，高校教学改革主要聚焦于课堂教学设计，本研究意在强调教改还应包括充分调动学生在课外的主观能动性，因为课外往往才是个性化教学实施的主场，大学生课外学情研究理应成为教育改革中的重要环节。近五年来，随着“智慧课堂”工具的广泛运用，“慕课”和“金课”工程的扩大化，传统教学模式中的很多问题得以被逐步解决。但另一方面，全球化的新媒体语境和线上线下联动式学习环境也产生了一些新的问题，倘若学生的自主学习能力和意愿得不到促进，势必造成研学资源的浪费。本研究将用户画像技术初步运用于小语种专业的教学改革当中，是对既有研究的延伸，亦为高校数字化教学改革提供了参考。用户画像在高教领域的合理运用，既有助于教师帮助学生树立自主学习、多元学习、终身学习的理念，亦能让学生获得个性化的学习体验。