学习分析视域下开放教育学习者的学习干预效果研究

齐 悦，王溢琴

（1.太原开放大学，太原 030024；2.晋中学院，山西 晋中 030619）

一、引言

作为成人教育的主要力量，国家开放大学特别注重教学质量的提高。《国家开放大学关于提高教育教学质量的若干意见》中“挖掘教与学过程中积累的大数据价值，为教学评价提供全过程支持，为提升个性化学习支持服务和教学改革提供依据”，就是通过对Moodle 教学平台中学习者的数据进行深度挖掘，提出合理的分析模型，对教师、辅导员或学习者进行预警，并及时进行教学干预以提高成人教育教学质量。

学习分析领域专家George Siements教授认为，学习分析［1］是收集学习者的学习数据，通过分析模型来发现学习规律及其影响因素，实现学习过程评价、学习成效预测、学习过程干预等。新媒体联盟地平线报告［2］（高等教育2018 版）认为，学习分析技术为高等教育中个性化学习提供了可能。国内外众多研究者将学习分析技术与教学实践相结合，如马婧等［3］构建概念框架，建立师生间的行为关系模型，基于学习分析技术对高校师生的在线教学行为进行实证研究，揭示学生在线学习过程中教师的重要作用；舒忠梅等［4］采用数据挖掘技术建立学生投入模型，分析影响学生投入的相关因素，依据学习行为进行分类研究，对探明学习规律的发展趋势提供了参考依据；宗阳等［5］构建了学习行为指标体系，应用逻辑回归方法对平台中的学习数据进行分析，就在线学习行为对学习成绩的影响进行了深入探讨，研究得出提交作业与测试是成绩预测的关键指标；郁晓华等［6］构建了基于学习分析的数字化课堂互动优化框架，以加强课堂教学与信息化技术的深度融合为指导思想，来促进深度学习的发生，助力数字化课堂的建设发展；冯广等［7］构建浅层神经网络模型SNN，使用共轭梯度优化算法初始化权重值，将学习行为特征数据送入网络进行特征学习，最终应用训练好的模型进行成绩预测；当然也有学者［8-9］使用决策树、朴素贝叶斯、支持向量机、随机森林等多种算法在预测准确率方面不断提升。综上可知，学习分析技术以其独特的视角和分析方式，为现代在线教育的发展注入了新活力。

二、开放教育学习者画像模型及干预策略

（一）开放教育学习者特点

开放教育的学习者是成人，与传统意义上的学生相比，他们有着鲜明的个体特征，如担负着众多的社会角色、工学矛盾突出、学习目的各异、基础知识储备差别大等，因此开放大学的教育教学也有自身的特点：

1.教学的高度灵活性。开放教育教学的灵活性体现在空间和时间上，学习者可根据自己的实际情况在任何地点、任何时间进行线上学习。教师尽量依据学习者的学习进度，灵活安排学习任务。

2.学习者具有较高的主动性。开放教育强调学习者的自主性，学习者通过自主选课、自主学习、自主完成教学评估等方式，灵活控制自身的学习进程与学习成果。

3.积极调动学习者的交互性。由于开放教育主要以线上学习为主，学习者之间、学习者与辅导教师及管理人员等的沟通主要通过微信、QQ等通信软件进行，因此为了更好地考查学习者的学习成果，教师需引导并建立学习者之间、学习者与资源间的交互轨迹，构建起线上资源共享网和数字化的人际关系网，使得学习者在一个民主化、多元化、参与化的环境中进行学习，避免产生孤独感，从而帮助他们更好地完成学业。

当然开放教育也面临着一系列挑战，其中最主要的就是工学矛盾突出，［10］学习时间无法保证，导致高辍学率；再者成人学习者有众多的社会角色，非常容易受工作、家庭、环境等各种因素的影响，加之自我约束不足，致使学习效果不理想。因此开放教育更应引入学习分析技术，尤其是后疫情时代，学习分析技术已成为高等教育改革的关键推动力，［11］通过对学习者学习行为数据的深度挖掘和分析，找出潜在的学习风险，及时对学习者进行预警与干预，避免高辍学现象发生，进而提高整体的学习水平和质量。

（二）开放教育学习者的多维度画像模型

随着在线学习活动形式的多样化，形成的数据种类也愈加丰富，研究者逐渐从关注某方面特征开始向多维度转变，如肖君等［12］从学习者的学习风格偏好、学习者类型、自身属性和知识点兴趣等多方面来描述；黄瑶［13］从外显的操作行为、问题解决行为，内隐的学习态度、学习动机、信息获取能力等维度来分析，并阐明哪些行为会对学习效果产生重要影响。在借鉴上述研究成果的基础上，依据Moodle 平台中学习者行为数据，从四个维度构建出开放教育学习者的画像模型。（见图1）

图1 开放教育学习者的画像模型

学习分析技术在高等教育教学过程中的应用主要包括对网络平台中相关数据的收集、处理和分析。本文在数据收集阶段，主要采集外显行为数据（如签到、学习时间段、提交作业、发帖、章节测验等）、内容数据（提取音视频中的内容）、内隐数据（认知水平、知识建构层级、学习行为序列等）；在数据处理阶段采用特定的方法完成数据清洗、过滤、转换与整合等，如为了获取某学习者的行为序列模式，需要编码该学习者的行为特征，统计出各行为间的转换频率，形成特定的数据库，并采用滞后序列分析法LSA 找出该学习者的学习行为序列；在数据分析阶段，依据学习进度从外显行为模式、知识建构水平、学业绩效预警等方面可视化呈现学习过程，一方面能使学习者了解自身学习状况，及时调整学习策略，另一方面可为教育从业者评估教学质量、改进教学效果提供数据支撑。

（三）基于学习分析技术的干预策略

在开放教育中，学习分析技术被广泛应用于学习过程的诊断分析与干预研究，［14］教育从业者使用该方法可以更好地掌握学习者的学习规律，理解学习过程，并对有学习风险的学习者及时进行干预，帮助学习者达成学习目标。

学习干预通常是指教育从业者使用特定的方法和技术对学习者进行优化的学习过程。学习分析技术可帮助教育从业者更好地了解学习者的学习行为和学习过程，从而为干预和教学提供更好的支持。针对开放教育学习者的画像模型，采用学习分析技术，诊断分析各个维度下的学习状态，筛选出有学习困难的群体或个人，从教育者、个人和学校三方面选择不同的干预方案，具体有：

1.教育者应对策略

⑴教师通过画像平台查看学习者的学习行为序列，对有风险的学习者实施梯度教学、灵活授课，并与他们积极沟通，激发学习动机与兴趣，引导学习者产生正确的行为序列，避免造成学业挫折、辍学现象发生。

（2）辅导员做好支持服务工作，帮助他们制定学习计划，教会他们利用网络获取高质量的教学资源，关注学习动态，做好跟踪回访工作，减少学习者的认知压力，打消他们的疑虑和担忧。

（3）教育从业者的意识转变。开放教育的本质是为学习者提供教育服务产品，教师和辅导员、管理人员都应对此有充分的认识，增加对学习者的情感关怀，为他们提供一个良好的学习环境。

2.学习者应对策略

（1）提高认识，端正态度。开放教育学习者应充分认识到当前学习对自我完善、实现自我价值的重要性，在学习过程中端正学习态度，清楚地意识到学习对自身素质提高的意义，而非仅仅为了应对考试或获取文凭。

（2）方法得当，目标明确。学习者要有一个明确的学习目标和计划安排，运用现有的条件，选择恰当的方法，统筹安排，通过个人努力不断向目标迈进，提高个人的学习认知。

（3）激发学习动机，正确归因。学习者在学习过程中会面临诸多困难，这都是正常现象，需要他们正视问题的根源，找出解决办法，从成功中提高自我效能感，激发学习动机，高效完成学习目标。

3.学校应对策略

（1）完善制度体系。开放教育学习者由于工作、家庭、学习困难等因素，学校有必要建立有效合理的“复学机制”；在课程体系设置中，推行“免修”课程，与某些权威证书进行学分置换；成立专门的学习支持服务部门，利用画像实时监控有潜在流失倾向的学习者，利用多种方式对之进行干预，解决他们在学习过程中遇到的困难。

（2）建立弹性教学模式。开放教育学习者身心相对成熟，学习基础既成定势，因就业和生活的双重压力，整段的学习时间难以保证，但有一定的碎片时间。若学校能安排可选的上课时间段，若教师能利用好学习者的碎片时间（路途时间、工间时间、休息时间等），通过一定手段实施分时教学，则更符合开放教育教学的实际状况。

三、干预策略实施结果分析

（一）研究对象与样本选取

以太原开放大学计算机专业的学习者学习数据为研究对象，该专业编程类课程难度较大，往往会出现学习效果不佳的情况。基于此，通过学习分析技术针对性地开展学习过程诊断分析，并及时进行教学干预。

为确保研究的可靠性和准确性，特别注意样本的选取问题。首先采用随机抽样法，从2021 届计算机专业学习者中随机抽取1 000 多名学习者，其中40%为专科学生，60%为本科生；其次确定干预范围，对1 000 多名学习者进行分析，包括外显行为模式（如是否按时完成章节测试、参与互动、提交作业等行为）、内隐的认知水平（依据《在线学习行为与认知水平间的关联分析》［15］研究成果，评价学习者的认知水平）、知识建构水平、学习行为序列，筛选出学习效果不佳的300 多名学习者；最后依据抽样结果，设置了实验组和对比组，对实验小组的150多名学习者实施干预，教师、辅导员选用多种方法（如资源推荐、发送消息、单独联系、上门走访等方式），与学习者沟通交流，了解产生学习困难的原因，并给予多方面的帮助，提升其学习质量，助力他们顺利完成学业。

样本选取过程中还特别注重伦理问题，强调保护学习者的隐私，保证研究的合法合规性。同时，为了避免实验组学习者受到过多打扰，还特别制定了一系列研究标准和流程，以确保实验顺利进行。

（二）干预前后结果分析

从Moodle平台中直接对比两个小组外显行为的部分数据，可初步判断干预方案的实施对学习者产生的影响。（见表1）

表1 开课中期学习数据对比统计情况

所采用的干预方法主要有平台提醒、同伴互助、发送信息、个别沟通等。由表1 可看出，干预后实验组的整体外显学习行为都高于对比组，如发布帖子和回复同伴帖子行为增幅较大，表明通过实施干预有效地促进了学习者的主动学习行为，促进学习者间的交流与互动。

本研究还考查了学习者内隐的认知水平和知识建构层级。依据教育目标认知分类学中的知道、理解、应用、分析、评价及创新六个层级，对两组学习者的认知水平进行分析比较。（见图2）

图2 认知水平对比效果图

由图2 可看出，实验组的学习者认知水平较高，如在应用层级比对比组高16.7%，分析层级高2%，而对比组的认知水平较低，没有出现高层级的认知，大部分学习者集中在知道、理解和应用层级。实验结果表明干预后学习者的学习质量得以提升。

依据Gunawardena 的建构主义学习理论的线索解析模型，将知识建构层级划分成理解主题信息P1、提出质疑P2、形成个人观点P3、构建新观点P4、运用新知识P5 和无关内容P6 共六个阶段，在GSEG 环境下生成残差表，并绘制出两个小组学习者的行为转换图。（见图3）

图3 认知建构层级演变实验对比图

由图3 可知，对比组中44.3%的学习者在P1“理解主题信息”阶段，23.3%的学习者在P2“提出质疑”阶段；虽然学习者间有交互，但大部分交互是无关话题的讨论，缺乏有深度的探讨，因此该组知识建构水平较低。随着干预的实施，实验组的学习者在交流讨论时会对某些观点提出质疑，并进行深入探讨（P2→P3），对原有观点更自信（P3→P3），部分学习者会融入自身的观点，最终重构自身知识体系（P3→P4），极少部分学习者向深层阶段建构（P4→P5），整体上看实验组中的学习水平进入较高阶段。

通过发放调查问卷，本研究还考察了学习者的自我效能感和对干预方案的接受程度，共发放问卷150份，回收145份，有效回收率为96.7%。（见表2）

由表2可看出，实验组的学习者认为及时地干预能帮助他们更好地掌握知识内容，提升学习的积极主动性，从而不断提高学习效率和成绩，进而提升自身的获得感。

综上所述，借助学习分析技术开展学习干预，可以及时解决学习过程中出现的问题，提升教学质量。各项实验结果也表明干预策略的实施可督促学习者更好地完成学习任务，尤其是在外显行为的表现上更积极主动，为顺利达成学习目标起到重要的保障作用；同时与学习者交流互动，也是学习支持服务的一种体现，可引导他们产生正向的学业情绪和积极的学习动机，激励学习者高质量地完成学业。

四、结论与启示

基于学习分析技术对开放教育学习者的学习过程进行干预，采用问卷调查和实验研究相结合的方法，对干预的效果进行研究。研究结果表明，在使用干预方案后，学习者能够更加清晰地认识到自己的学习行为和学习状态，培养起更加有针对性和有效的学习策略，同时也提高了学习者的学习成绩和学习满意度。研究结果对提高开放教育的质量和效果具有重要的意义。

表2 调查问卷统计表

此外，还可以在干预结果的基础上，进行教学策略的优化，如针对学习者的不同学习风格和能力，制定出差异化的教学计划和教学策略，为学习者推荐个性化的学习资源等。虽然本次研究在一定程度上验证了学习干预的有效性，但由于学习活动过程的复杂性、课程的差异性、开放教育学习者的多样性等客观因素的存在，在未来的研究中仍需修改与完善，有待在更多的课程中进一步验证。