基于Moodle平台的在线学习活动分析研究

刘权纬　李丽萍

[摘 要]文章通过检索相关文献，对学习活动的组成要素与类型进行分析，结合在线学习平台课程建设，提出了在线学习活动分析模型，该分析模型以课程知识建模为桥梁，在课程一致性分析的前提下，探讨了基于学习活动关联课程资源、主题研讨、学习任务、课程考核与测验等课程模块。运用关联性分析的方法，进行学习活动序列分析、学习活动访问分布、课程评价、课程语义分析等。

[关键词]在线学习;学习活动;知识建模;Moodle

[中图分类号]G434 [文献标识码]A [文章编号]1008-7656（2021）02-0020-06

一、研究背景

学习者的在线学习过程主要是基于在线学习活动开展的，换言之，在线学习活动包含了大量关于学习者在线学习轨迹的信息，比如学习资源利用率、学习活动参与度、学习行为分析、学习路径分析、学习交互分析以及学习评价分析等。每一个学习活动都是学习者主体与知识客体之间的交互过程，包含了学习者主体、知识客体、学习共同体、学习工具、规则与分工。从建构主义学习理论的角度分析，在线学习活动的过程也可以反映出学习者的在线学习情况。建构主义学习理论认为学习者是知识建构的主体，在线学习过程中，学习者通过学习平台可以灵活实现对教学资源的自主选择以及其他的操作，即自主开展相关的在线学习活动，如果对这些操作过程进行结构化、序列化，可以反映出学习者在线学习过程中的建构活动。

因此，对在线学习活动进行统计分析，有利于教育研究者从微观的层次去把握学习者的学习情况，也有利于教师从课程层面去改进教学过程。

二、在线学习活动的组成要素与类型分析

（一）在线学习活动的组成要素

在线学习活动是在计算机技术与网络环境的支持下，为实現课程学习目标与任务的所有活动及其交互过程[1]。在线学习活动的过程是复杂的，因此，不同的学者从不同角度探索在线学习活动的组成要素。在活动理论的框架下，在线学习活动包括四大因素：任务、场景、辅导与评价，四大因素之中涉及任务目标、类型、逻辑序列、角色、资源、工具、规则、进度、交互、评价类型与步骤等环节[2]。也有从信息化教学活动设计角度，指出在线学习活动主要由学习任务、活动实施、活动过程监管、学习支持、活动评价与学习资源等主体因素构成[3]。教学系统设计认为，课程的教与学作为一个有机整体，系统中各组成要素既不是简单相加或机械性组合，更不是静态的组合。国外在上世纪60年代就将系统方法引入教学设计中，加涅在其著作《学习的条件》中给出了五种学习成果（言语信息、认知策略、态度、技能和认知），并指出了不同的成果所对应的相关学习条件与九大教学事件或教学活动，从侧面说明教学模式与活动设计并不是固守某种教学理论，换言之，学习活动的组成因素也是灵活选择[4]。

在前人研究的基础上，本文通过对Moodle 学习平台、学堂在线等在线学习平台的学习活动分析，以活动理论为指导，以教学系统设计为框架，分析在线学习活动的组成要素，主要包括任务设计、教学规则、教学评价、教学工具、教学资源、教学支持、教学环境等（如表1所示）。每一个要素都贯穿整个学习活动过程，在学的同时也必然有教，二者是一个有机的统一体，只是在活动初期、中期与后期等不同的环节，教与学的凸显程度有所不同。例如，在活动初期，教师需要对学习活动的学习任务、教学规则、教学内容等进行教学设计与制定。在活动中期，活动实施过程则需要思考如何融入信息技术，选择不同的教学环境、教学工具以及怎样有效提供教学支持服务等，帮助学习者达成学习目标，完成预定的教学任务。在活动后期，对于学习者而言，有效的教学支持服务越显得重要，教师则需要关注课程的教学评价，提供科学、合理、客观的评价流程。

（二）在线学习活动的类型分析

学习活动设计与教学目标、教学技术、教学模式、教学资源等方面均存在关联，换言之，教学因素的差异使得学习活动的多样化，在线学习活动类型也不例外。李松从网络课程教学实施的角度对网络教学平台功能分析，总结出在线课程的五种在线学习活动，包括自学型、探究型、听讲型、体验型与问题解决型[5]。赵呈领等在活动理论与支架理论指导下，提出了自主学习活动与协作学习活动两大类，同时依据活动环节的不同，将每个活动大类细分为不同的小活动，包括资源收集、问题讨论、文档协作、角色扮演、作品评价与头脑风暴等[6]。

学习活动的设计往往取决于教学的实际情况，例如模式、策略、技术等。因此，本文在文献研究的基础上[7]，结合Moodle学习平台的学习活动设置与网络课程的实际教学设计，构建了如下学习活动分类（如表2所示），由此可以形成网络学习环境下在线学习活动的评价体系指标。

三、基于学习活动的学习分析模型

（一）课程一致性分析

课程教学目标、课程知识体系、课程考核、课程教学活动等课程内在因素的目标指向与逻辑关联应当是一致的。对课程知识体系进行层次化、结构化，并在教学设计上评估不同层次的知识点的教学目标、学习活动、技术应用、教学策略、教学评价、教学资源、教学测验与考核等方面的逻辑关联、过程发展与最终指向是否一致[8]。从教学系统设计角度思考，这种一致性可以体现在课程知识点对应的学习活动、学习资源、学习支持服务、测验与考核等课程配置的合理性、科学性、关联性，如图1所示。从活动理论的角度看一致性问题，课程学习活动的实施与课程教学目标、课程知识模块的指向是否相吻合，促使教学目标得以实现。

（二）基于学习活动的学习分析模型构建

在课程一致性分析中，课程知识建模是关键，是课程教学从抽象的知识模型到具体的、形象的知识图谱的桥梁。作为知识表征的重要手段，知识建模可以理解为基于知识及其语义关联构建知识网络图的过程，是对知识模型的抽象反映[9]。在教学设计中，课程的教学内容是经过教师的理解和再组织，融入了教师依据自己对课程教学内容的理解而构建的知识体系，最后通过相关的教学技术进行表征，该过程属于知识建模的范畴[10]。如布鲁姆教育目标分类法将知识分成认知领域、情感领域与技能领域，每一个领域对应不同的学习层次，低层次对应相对简单的学习目标，而高层次则对应着较复杂的学习内容，对应着学生的认知从低层次的知道、领会和应用，到高层次的分析、综合与评价。知识建模不仅为教师的教学设计搭建了由易到难、由浅到深的教学架构，同时也对学生的知识建构产生不同程度的影响，如网络学习过程中学习者不同层次的学习交互行为，从简单的提问，到说明、总结、分析、评价与反思，反映出学习者的知识建构层次[11]。

不同的课程教学需要根据教学大纲设置不同的学习活动，或是协作学习，或是学生自主学习，如果学习活动的设计与课程教学目标是一致的，在课程知识建模的基础上，结合学习平台的日志记录数据，对学习活动开展关联性学习分析，可以全面了解学习者在线学习轨迹。如某个学生的学习活动序列上可以得知该学生访问了学习活动对应的模块、知识点、访问的时间长度，不同的学习活动汇总则可以反映出该学生的学习状态与学习进度，如视频学习、主题讨论、作业上传、小组互评等，然后再根据相关算法对数据进行文本分析、行为分析，可为学生提供个性化与精准化的学习支持服务[12]。

本文在文献研究的基础上，结合Moodle平台课程建设，构建了学习活动分析模型（如图1所示）。模型中以课程章节为主，章节下通过课程知识图谱中知识点与不同类型的学习活动进行关联，这与学生的学习过程相吻合，即学生在学习过程中，查看课程章节结构之后，可以参与该课程的主题研讨等活动。最后再结合平台的日志记录进行学生个体的学习分析、教师的教学评价与课程层面的协作学习分析等。

四、在线学习活动相关分析

（一）学习活动序列构建

郁映华等学者认为，学习者在不同的学习情境与网络学习环境中的学习行为事件的汇聚形成了学习活动流与注意流，前者侧重于学习者的学习交互，而后者侧重于学习者对信息内容的选择，二者的结合不仅构成了学习分析的情境要素，同时反映了学习者的学习轨迹[13]。

本文的学习活动序列既包括了学习者的学习活动，同时也包含了教师参与的学习活动，如教师答疑、课程评价、辅导教师的技术支持等。如图2所示，在学习平台日志基础上形成师生在线学习交互的轨迹。图中的数字是各类学习活动的数据编号，括弧中則是与该编号对应的活动或资源类型，微观上可以分析出单个学生的学习过程，从宏观上可以知道学生更倾向于浏览哪种学习资源。以此序列为基础，开展关联性分析，扩展至教师的课程资源建设与学习者的用户画像构建[14]。

图2 学习活动序列图

（二）学习活动访问分布

Moodle学习平台后台日志记录着每一位学习者的学习数据，这些学习数据反映出学习者的学习活动参与度。在图1的学习活动分析模型基础上，以学习者参与的学习活动统计为桥梁，可以从广度上扩展至课程资源模块、课程讨论模块、课程作业模块、课外拓展模块以及其他的课程模块访问频率等方面，开展关联性的学习分析，对学习者的学习过程进行全局监控。这里的模块是指网络平台上网页界面呈现的课程内容存放的不同位置。另一方面，从深度上挖掘不同学习活动的访问分布，与学习活动分析模型中的不同类型的学习活动相对应，可以从“互动评价”与“主题讨论”学习活动中统计学生的“发帖数”，分析学生的学习行为，从帖子的文本数据了解学生的知识结构，如图3所示。刘三女牙等学者[15]通过对文本数据挖掘来分析学习者的学习情况，同时给出了文本数据挖掘的工具及其应用于学习分析的框架。如南非威特沃特斯兰德大学的技术人员，通过其开发的自动短文评分系统，对学习者所提交的文本数据进行潜在语义分析，实现对文本作业的自动评分[16]。也可以从资源类型的学习活动中分析课程教师团队在课程资源建设方面的数据，如下页表3所示，以开放教育2019春季学期的某一课程为例，可以发现课程的责任教师在学习类型活动中的资源建设占比。

（三）课程建设与评价支持

课程设计的质量直接影响着学生的学习效果，其中包括与学生直接进行学习交互的课程界面，其模块的布局可以体现出课程结构是否完整、课程学习路径是否清晰、考核说明是否明确、学习辅导是否到位、学习任务是否有清晰、学习资源是否齐全等。这些是直接体现出课程教学与运营的可行性与教学性，需要在课程教学活动的迭代中进行不断重构与完善，而迭代的过程需要参考教学过程的数据分析。另一方面，要将课程的教学性落地，提升课程的学习体验，最关键的还是学习活动的设计。杨开城[17]认为，一个教学系统应当是学习活动的序列化，而且是师生之间有交互、有组织的协作活动。此外，也有学者倡导网络环境下的教学设计应当以学习活动为中心，同时加强基于学习活动的远程教育教师教育技术综合能力的训练[18]。国外有相关的评价标准以师生之间的学习交互活动作为研究对象，考察网络学习环境的优劣，换言之，对一门课程的评价，学习活动的设计及其教学数据反馈起到重要的参考作用。

（四）学习路径构建

不同的学习者、不同的学习风格、不同的知识背景，选择不同的教学内容与资源，对知识点或问题就会有不同的认识与理解，同时也会产生不一样的学习路径。除了学习者自身的因素，课程的学习活动设计、知识章节结构以及彼此之间的逻辑关系的设计等相关因素，都会对学习者的学习效果与学习进度产生直接影响，进而影响到学生的学习路径。从建构主义学习理论的角度来理解，不同的学习路径就表示学习者从不同的角度与维度来构建知识结构。因此，对学习者学习路径的分析是在线教学质量分析的重要内容，换言之，需要对所有学习者生成的学习路径进行因子分析、聚合分析等相关分析，找到影响学生选择学习路径的关键因素，挖掘出有效的学习路径。有研究指出，学习者对课程结构中知识点的选择不是随机的，学习路径的选择也不是随机的，而是学习者基于知识点之间的逻辑关联，在知识建构活动中根据自己对知识点的需求来选择的[19]，这正是教学质量分析所要开展的工作。

（五）语义分析与知识构建

有效的学习路径可以反映出学习者主动进行意义建构的活动，进而找到在该路径范围内的知识点之间的逻辑关联，为学习者的知识建构提供支撑。顾小清等学者通过语义规则图像的方式将知识点之间的逻辑结构关系予以表征，所谓“一图胜千言”[20]。杨开城等学者基于知识建模的角度探讨课程的易理解性与内在一致性，其中的内在一致性体现在课程的目标、知识体系结构、培养目标一体化，而易理解性是在内在一致性的基础上，第三者都能对课程的知识内容有“一目了然”的效果，二者的关键则是知识建模[21]。国外也有相关研究表明，情境学习过程中，相对于在线学习的统计数据、外显行为数据，学习者的语义分析数据更能体现出其思维过程，建模技术可以帮助研究人员掌握不同类型的文本数据在学习者知识建模过程中存在哪些逻辑关联[22]，这与学习路径范围内知识点之间的逻辑关联分析相一致。

五、总结与后续研究

本文在学习活动组成要素与类型分析的基础上，提出了学习活动分析模型，探讨了基于学习活动关联课程资源、课程考核与测验等课程模块，开展关联性分析的方法。不足之处在于关联分析过程缺乏具体的数据指标，尤其是在开展个性化、精准化的学习分析时需要对接学习者与教师的用户模型，因此，学习活动分析模型在教学过程的迭代中有待进一步完善。另一方面，在后续研究中有必要基于Moodle学习平台开发对应学习分析插件，并在实际教学过程中进行应用，为知识建模与数据采集分析提供支持。

[参考文献]

[1]王楠.在线学习活动设计策略研究[J].中国远程教育，2011（2）：41-45.

[2]王楠.在线学习活动设计模型研究[J].中国远程教育，2014（4）：31-34.

[3]李松，张进宝，徐琤.在线学习活动设计研究[J].现代远程教育研究，2010（4）：68-72.

[4]高文.教学系统设计（ISD）研究的历史回顾——教学设计研究的昨天、今天与明天（之一）[J].中国电化教育，2005（1）：17-22.

[5]李松，王莉娟.在线学习活动设计与网络教学平台的功能[J].现代远距离教育，2011（3）：57-59.

[6]赵呈领，万力勇.Web 2.0环境下的在线学习活动设计——活动理论与支架理论整合的视角[J].现代远距离教育，2013（6）：41-46.

[7]张生，何克抗，齐媛，丁楠.网络环境下基于学习活动的形成性评价——中小学教师教育技术能力培训个案研究[J].现代教育技术，2007（10）：82-87+90.

[8]杨开城，孙双.一项基于知识建模的课程分析个案研究[J].现代教育技术，2010（12）：20-25.

[9]顾小清，权国龙.以语义图示实现可视化知识表征与建模的研究综述[J].电化教育研究，2014（5）：45-52.

[10]杨开城.论课程的易理解性与知识建模技术[J].电化教育研究，2011（6）：10-14.

[11]刘权纬，王兴辉，蒋红星.教师工作坊成员学习交互行为的社会网络分析[J].现代远距离教育，2019（3）：22-29.

[12]魏顺平，韩艳辉，王丽娜.基于学习过程数据挖掘与分析的在线教学反思研究[J].现代教育技术，2015（6）：89-95.

[13]郁晓华，顾小清.学习活动流：一个学习分析的行为模型[J].远程教育杂志，2013（4）：20-28.

[14]曹良亮.在线学习中学习路径分析及学习行为特点研究[J].中国远程教育，2014（4）：25-30.

[15]刘三女牙，彭晛，刘智，等.基于文本挖掘的学习分析应用研究[J].电化教育研究，2016（2）：23-30.

[16]Klein，R.， Kyrilov，A.， Tokman，M.. Automated Assessment of Short Free -Text Responses in Computer Science Using Latent Semantic Analysis [A]. Proceedings of the 16th Annual Joint Conference on Innovation and Technology in Computer Science Education[C]. New York： ACM Press，2011：158～162.

[17]楊开城.以学习活动为中心的教学设计理论研究[M].北京：电子工业出版社，2005.

[18]瞿堃，林光梅.“现代教育技术”网络课程学习活动设计现状调研[J].电化教育研究，2011（9）：100-105.

[19]曹良亮.在线学习中学习路径分析及学习行为特点研究[J].中国远程教育，2014（4）：25-30.

[20]顾小清，权国龙.以语义图示实现可视化知识表征与建模的研究综述[J].电化教育研究，2014（5）：45-52.

[21]杨开城，孙双.一项基于知识建模的课程分析个案研究[J].现代教育技术，2010（12）：20-25.

[22]吴永和，曹盼，邢万里，马晓玲.学习分析技术的发展和挑战——第四届学习分析与知识国际会议评析[J].开放教育研究，2014（6）：72-80.

[作者简介]刘权纬，广西开放大学助理研究员，硕士，研究方向：远程教育、教育信息化;李丽萍，南宁师范大学讲师，硕士，研究方向：信息化教学设计、网络教育。

[责任编辑 何一辉]