循证教学实践(七):学习分析

2023-09-16 14:33宋萑王小寒刘孟垚
湖北教育·教育教学 2023年9期
关键词:可视化学习者分析

宋萑 王小寒 刘孟垚

宋萑

教授、博士生导师,国家重大人才工程青年学者,教育部普通高校人文社会科学重点研究基地北京师范大学教师教育研究中心副主任、北京师范大学教育学部教师教育研究所所长,兼任华东师范大学教授、香港教育大学亚太领导力与变革研究中心资深研究员、高等教育学会教师教育分会副秘书长,主持国家级、省部级课题等近20项,发表SSCI、CSSCI及其他中英文学术论文100余篇,提交咨政报告数十份,出版专著多部。

学习分析与循证教学思想高度契合。在实际操作过程中,教师虽不能将信息化的学习分析技术完全应用于教学过程中,但数据的采集、分析、反馈等可以为教师的教学活动提供科学的依据。学者顾小清、黄景碧等人认为,在教学实践中利用学习分析技术及相关的分析工具,教师可以获得学生学习绩效、学习过程及学习环境等方面的信息,这些信息可以为教师提供改进教学的依据(顾小清、黄景碧等,《开放教育研究》2010年第10期)。美国教育发展中心和学生与技术中心对学生在数学学习过程中的数据进行记录与分析,并生成网络报告,接受调查的77%的教师表示,他们能利用网络报告了解自己的教学成果(顾小清、张进良、蔡慧英,《远程教育杂志》2012年第30期)。这说明通过循证化的学习分析及反馈,教师可以更科学、有效地反思和改进教学过程,实现育人目标。

一、学习分析的要素及过程

近年来,学习分析的相关模型已经得到了一定程度的发展。乔治·西门子(Siemens)提出学习分析技术过程模型,伊莱亚斯(Elias)提出关于学习分析的持续改进环模型,布朗(Brown)认为学习分析的要素包括数据采集、分析、学生学习、听众、干预五个部分(Brown,M.Learning Analytics:The Coming Third Wave.2011.)。这些学习分析的相关模型,大部分借助信息技术投入教育实践应用之中。学者李艳燕等人综合学界关于学习分析模型的现有研究成果,进一步总结了学习分析的基本组成要素,即学习过程、学习环境、教育环境、受众和“五个环节”。其中的“五个环节”是学习分析技术的核心要素,包括数据采集,即从学习环境及学习过程中采集数据;数据储存,即按照数据类型和特点对大规模的数据进行结构化储存;数据分析,即从三个角度(学习者规模、时间维度、粒度)根据不同的应用需求筛选数据并进行分析;数据表示,即将数据分析结果可视化;应用服务,包括绩效评估、过程预测与活动干预(李艳燕、马韶茜、黄荣怀,《开放教育研究》2012年第18期)。学界现有的学习分析要素及环节,为教师在教学实践中开展循证视角下的学习分析提供了参考。

二、学习分析的实施路径

目前,学习分析主要从大数据挖掘的角度应用于教育领域。本文参考学习分析的现有模型,整合、改进李艳燕等提出的学习分析的“五个环节”,并在此基础上论述一线教师可采取的具体、可行的学习分析策略。

在循证教学实践中,学习分析的具体实施路径如下:一是查阅现有文献,选择并利用合适的工具采集学习者与学习资源的相关数据;二是采用科学的统计方法、运用适当的工具分析数据,一般可以按照不同的应用需求从学习者规模、时间维度及粒度三个方面解释数据;三是可视化呈现数据分析结果,改进现有教学模式,并将相关结果提供给学生和家长。

1.数据采集

数据采集环节,教师可以应用相关工具从学生的学习环境及学习过程中采集相关数据。数据可以划分为学习者数据和学习资源数据两类。针对学习者采集相关数据时,除了采集学生在学习过程中产生的学习日志、学习成果,还需要分析他们的学习路径。教师采集数据的过程中,一是要结合实际教学经验并根据现有研究证据,确认数据采集的聚焦点,也就是回答“分析什么”;二是要根据需求选择数据采集的工具,回答“怎样分析”。

首先,教师要查阅文献,了解并明确影响学生学习的有关因素。王海燕、李芒等人通过文献调研,总结出直接影响中小学生学习的15个因素,即智力水平、知识技能、成就动机、学习热情、学习态度、学习计划、学习毅力、注意品质、学习焦虑、班级气氛、学校环境、人际关系、身心健康、学习风格、学习方法(王海燕、李芒、时俊卿,《中国电化教育》2001年第5期)。这些都可以作为学习分析的聚焦点。

其次,从具体操作来看,教师期望通过学习分析优化班级互动、提升学习氛围与学生的学习态度时,可以采集以下数据为后续研究提供支撑:采集学生参与课堂互动的数据,如学生回答问题的频率、质疑的次数、与教师和其他学生的互动情况等,以评估学生的主动参与程度和互动质量;采集学生在课堂上的学习表现数据,如作业的完成情况、小组合作的效果、实验或项目的结果等,以反映学生在课堂互动中的学习表现和成果;采集学生对课堂互动的反馈数据,如通过调查问卷、小组讨论或个别谈话等方式获取学生的意见,以了解学生对互动体验的感受和建议;采集学习管理系统或在线学习平台提供的学习分析数据,如学生的学习活动记录、课程浏览记录、讨论参与情况等,以分析学生的学习行为和参与情况;采集学生在课堂互动中的情感数据,如通过情感识别技术获取学生的情绪状态,通过学生的口头或书面表达了解其态度、情感或情绪,以评估学生在互动中的情感体验和情绪状态,为优化互动提供参考。

需要注意的是,教师在采集数据时要确保学生的隐私和数据安全,并遵守相关的法规;教师还应该向学生明确解释数据采集的目的,并尊重学生的权益。

2.数据分析

教师采集数据后,需要根据需求对数据进行相应的分析、整理、归纳。数据分析可以从三个角度进行。首先,根据学习者规模进行分析。教师可以分析学习者个人学业数据,获取学生個人的学习状况、学习动机及学习兴趣;也可以分析全班学生的学业数据,得到整个班级学生的学习态度以及对教师的接受程度等方面的信息。其次,以时间段为单位分析学习者某个时间段的数据。比如,学生在学期初、学期中、学期末的学习过程性变化,以及各个学年学生的学习状况等。最后,可以分析学生学习单门课程或多门课程的状况,了解学生对不同课程、不同教师的教学方法的满意度与接受度等。在这个环节,教师要运用统计学方法了解学生学习状况的基本表征,可以分析不同班级、不同学年的数据差异,也可以根据数据呈现的结果,结合已有研究证据及相关理论对学生的学习表征、差异化结果等做进一步的分类与解释,为后续的教学改进提供更科学的建议。

以“数学概念学习中的错误分析”为例。教师收集学生作答的课堂习题,发现学生在数学概念学习中出现的不同问题后,就可以查阅相关文献,了解现有的概念学习错误类别。已有研究指出,数学概念学习中的错误主要分为过程性错误和合理性错误(李善良,《数学教育学报》2022年第3期)。过程性错误包括“用日常生活概念代替数学概念”“用概念原型替代概念”“用形象描述代替数学概念”等,合理性错误包括“惯性”“偏好”致使学生在学习新概念时出现的错误及“用原有思维审视新的概念”等类型。过程性错误具有短暂性和外显性,是可以预防的,而合理性错误则具有隐蔽性和长期性,较难避免。由此,教师就可以通过对学生课堂习题中的错误分类,更全面、科学地了解学生的学习情况,并据此改进教学。

3.数据呈现及教学改进

从本质上讲,学习分析是为了改进现有的教学模式。因此,一线教师如何更好地呈现数据、如何将学习分析的结果应用于教学改进之中尤为重要。教师要思考如何将学习结果以可视化的形式反馈给学生,引导他们利用数据发展自我,提高主动学习的能力,还要更加全面地了解学生对知识的掌握情况,预测学生在未来学习中可能出现的风险,为他们提供适当的学习支持。

在可视化呈现学习分析数据时,教师要考虑师生的需求和技能水平,选择合适的可视化方式,以便学生能清晰、直观地理解学习分析的结果,并从中获得有价值的信息。例如,教师可以使用图表和图形,如条形图、折线图、散点图、雷达图、轨迹图、词云图、饼图等,呈现数据的分布、趋势和比较情况;可以使用信息化程度较高的数据可视化工具,如Tableau、Power BI、Google数据工作室等,把学习分析数据转化成仪表盘视图,将多个可视化元素组合在一起,通过学生的学习行为、成绩、参与度等指标展示综合的学习情况概览;也可以创建交互式可视化工具,如添加筛选器、下拉菜单、滑块等交互元素,让学生与数据互动,从而更加深入地分析数据,获取个性化的数据信息;还可以结合可视化元素编写故事,解释数据背后的意义、发现和推论,通过解释和讲述,帮助学生更好地理解数据分析的结果。

通过学习分析获得的数据是改进教学的依据,教师要用好这些数据。以陈梦媛老师2023年3月在《中学历史教学参考》上发表的文章《强化学习生成分析 让历史教学精准化》为例。在设计“钢铁长城”教学方案之前,陈老师通过调查问卷开展学情分析,得出大多数学生因时代所限对新中国成立以来的历史、国防和军队建设知之甚少,因而对该课程内容缺乏共鸣的分析结果。她据此运用“精选典型:用鲜活故事引发学生共鸣”“强化对比:用艰辛曲折凸显成就斐然”“升华主旨:让立德树人成为课堂之魂”三种方法,设计了具有实操性的精准化教学实施方案,取得了很好的教学效果(陈梦媛,《中学历史教学参考》2023年第8期)。这说明,教师积极运用学习分析理论改进教学,不仅能让教学实践更科学有效,而且能提升自身教学能力,促进其个性化和持续性的专业成长,继而提升学生的学习能力,全面落实立德树人根本任务。

(作者单位:宋萑,北京师范大学教师教育研究中心,贵州省毕节市金沙教育研究院;王小寒、刘孟垚,北京师范大学教师教育研究中心)

[专栏文章系国家自然科学基金面上项目“如何提升教師培养质量:教师教育项目对师范生专业学习及其从教表现的影响效应与机制研究”(课题编号:71974016)、中国高等教育学会教师教育分会2020年度重大课题“京津冀教育协同发展背景下大学—政府—学校(UGS)伙伴协作支持教师专业发展机制研究”(课题编号:20ZSJSJYZG01)的成果]

责任编辑  姜楚华

猜你喜欢
可视化学习者分析
基于CiteSpace的足三里穴研究可视化分析
基于Power BI的油田注水运行动态分析与可视化展示
隐蔽失效适航要求符合性验证分析
你是哪种类型的学习者
基于CGAL和OpenGL的海底地形三维可视化
“融评”:党媒评论的可视化创新
电力系统不平衡分析
汉语学习自主学习者特征初探
电力系统及其自动化发展趋势分析
论远程学习者的归属感及其培养