学习分析模型比较研究*

张 玮 王 楠

（北京邮电大学 网络教育学院，北京 100876）

学习分析模型比较研究*

张 玮 王 楠

（北京邮电大学 网络教育学院，北京 100876）

学习分析技术作为一种新兴教学技术，旨在通过对教学过程中的数据进行收集、分析，按照个体差异进行个性化调整，改善学习绩效。在教育信息化不断发展的趋势下，学习分析技术逐渐在教育领域普及开来，学者们纷纷加入到学习分析技术的研究中，许多学者根据自己的研究提出了不同的学习分析模型。为了对学习分析技术有更深入的了解，同时在以后的系统开发和应用时能够有合适的学习分析模型作参照，文章主要运用文献分析法和比较研究法，对国内外研究者提出的学习分析模型进行了详细的阐述，并从不同维度对各个模型进行辨析，期望对国内学习分析技术的研究和发展提供帮助。

学习分析技术；模型；比较研究

引言

传统教育大多按照统一的标准、统一的要求、统一的进度教授同样的内容，这种教育的最大缺点就是忽略了个体的差异性，但出于成本的考虑和工业社会的需要，这种教育又必不可少。随着商业智能、数据挖掘等技术的发展，学习分析技术也应运而生，必将对当今传统的教育方式产生影响。由学习分析专家和学者创建的学习分析研究协会（The Society for Learning Analytics Research）这样定义学习分析技术:测量、收集、分析和报告关于学习者及其学习情景的数据，以期了解和优化学习和学习发生的情境[1]。简单地说，学习分析技术就是通过对教学相关数据的收集，经过分析计算，按照个体差异进行个性化调整，改善学习绩效。

学习分析模型是所研究的学习分析系统、过程、事物或概念的一种表达形式。应用某项技术之前，有必要先理解清楚其概念，而对于概念的理解，最好的方式就是从它的模型入手。国内外学者根据自身的研究情况，从不同维度给出了学习分析模型。其中，比较著名的有西蒙斯的学习分析过程模型、伊莱亚斯的持续改进环模型、沃尔夫冈和亨德里克的要素模型，以及由我国学者李艳燕等提出的学习分析概念模型。

一 学习分析模型概说

1 西蒙斯的学习分析过程模型

乔治·西蒙斯是最早研究学习分析技术的学者之一。作为关联主义学习理论的创始人，西蒙斯[2]认为，学习就是形成连接、创建网络的过程，这个过程发生于一个复杂的、混沌的境脉中，因此其本身也带有一定的复杂性和混沌性。根据关联主义理论，西蒙斯[3]首先提出了改变传统课堂教学的TEKL模型。在此基础之上，加上对学习分析技术的理解，西蒙斯提出了学习分析过程模型，如图1所示。该模型主要介绍了学习分析的具体过程，相关数据主要来源于两个方面:一是学生在移动终端、社会性软件、学习管理系统操作的记录，这些数据主要记录了学习者与系统的交互过程，通过这些数据可以得出学习者的学习特征；二是课程、学期课程等其它一些与学习相关的数据，这些数据是学习者具体的学习数据，如完成了多少习题、在论坛上问了几个问题等。相对于前者，后者的数据结构性更强，更有利于分析。有了这些数据，再经过加工、分析就能对当前学习者的学习情况进行判断，最终应用一些方法对学习者进行适应性的调整，从而实现学习效果的提高。值得注意的是，在调整和干预的过程中，并非完全依靠计算机去实现，大部分情况下需要结合社会学和教育学等方面的知识，进行全面、多方位的指导。

传统的课程都是事先设计好的，即在学生开始学习之前，教师们就已经安排好了学习内容、课堂上的交互方式等。这种教学方法的假设是:所有的学习者都处在相同的知识水平上——显然这是不成立的。过程模型的提出，正是为了改善这种情况。西蒙斯[4]认为，学习内容更应该是个性化的，能够根据拥有的学习资源、学习者的学习特征、先前的知识积累以及对所学知识的理解做出适当的调整，使其更适合某个学习者。

图1 学习分析过程模型

图2 持续改进环模型

2 伊莱亚斯的持续改进环模型

2010年学习分析技术正处于发展的萌芽期，关于学习分析技术的概念、过程、功能以及所要完成的目标尚没有定论。当时在阿萨巴斯卡大学学习的伊莱亚斯根据自己的研究，对学习分析技术的概念进行了界定并提出了持续改进环模型。该模型的学习分析过程主要借鉴了 Baker关于“知识连续性1从数据中获取信息，通过分析、提炼变成知识，最终使用知识去解决问题形成智慧的过程。”的描述、Campbell和Oblinger提出的“分析的五步法2学术分析包括获取、报告、预测、行动和提炼五个步骤。”以及Dron和Anderson的“收集应用模型3信息从收集到处理，再到呈现，最终又回到收集的不断反复的过程。”[5]，在此基础之上总结出学习分析包括选择、获取、聚合、预测、优化、使用和分享七个步骤；在涉及的资源方面，该模型主要参照了谢里夫[6]提出的技术组成要素，针对学习分析技术的特殊环境提出了组织机构、计算机、理论和人力四个要素，如图2所示。

持续改进环模型主要强调的是学习分析过程的循环。即数据通过获取、选择进行收集，将整理后的数据进行聚合、预测，接着用获得的结果来优化学习过程。此时，模型并没有到此结束，而是将优化、使用的结果再分享、反馈给数据的收集人员，从而继续影响后续的数据收集。在整个过程中，需要利用组织、计算机、人力、理论等资源。

3 沃尔夫冈和亨德里克的要素模型

除了研究学习分析的技术问题，也还需要考虑一些非技术因素，如在应用学习分析之前必须考虑学习分析的影响和接受度等，因为这些因素对学习分析的影响也是不容忽视的。为此，沃尔夫冈和亨德里克使用里奇的一般形态分析法，对学习分析研究社区里讨论的话题进行归纳总结，形成了学习分析要素模型[7]，如图3所示。

图3 要素模型

图4 学习分析概念模型

要素模型主要强调的是在学习分析技术中需要考虑的要素条件。沃尔夫冈和亨德里克把学习分析涉及的因素分为六个维度，包括目标，数据来源，分析方法，内、外部约束条件以及利益相关者；各维度下又分别包含一些更具体、更细致的因素（如目标分为反馈和预测），以使工作人员对学习分析的应用有更好的把握。值得注意的是，六个维度是相互联系的，如果一个维度中的某个变量改变了，分析预测的结果也会随之改变。所以在设计一个理想的学习分析技术系统时，必须综合考虑所有的影响因素，以能够应对每一个因素变化造成的影响。

4 我国的学习分析概念模型

我国学者李艳燕等基于过程模型和持续改进环模型提出了学习分析概念模型，如图4所示。李艳燕等[8]认为学习分析主要由五个基本要素组成:学生的学习过程——需要分析的内容；学习环境——教师在教学过程中所利用的硬件和软件；教育环境——教育政策、教育管理等；受众——分析结果的收益者；五个环节——包括数据采集、数据存储、数据分析、数据表示和应用。相关数据来源于学习过程和学习环境中，李艳燕等把这些数据分为学习相关数据和学习资源数据。其中，学习相关数据指的是在学习过程中产生的一些学习日志等，类似于过程模型中的学习者数据；学习资源数据包括课程相关数据、学期信息数据等，类似于过程模型中的智慧数据。随后，将获取的数据进行结构化存储。在分析数据阶段，可从学习者规模、时间维度、粒度三种角度筛选数据以进行分析。接着，将分析结果可视化，用更加直观的方式呈现出来。最后，利用可视化的结果来评估和预测教学情况，针对不同的受众采取不同的干预措施。

概念模型主要强调的是学习分析的五个环节。这五个环节是学习分析的核心组成要素，涵盖了数据分析的支撑技术，可实现大规模数据处理及应用服务。仔细观察该模型，不难发现其中包含了持续改进环模型的核心概念——“环”，即将受众和学习过程、环境置于同一“云”下，表明两者之间相互影响、相互制约的关系，从而组成了一个可以循环的结构。

二 学习分析模型的共性与差异性

比较研究法是根据一定的标准，对两个或两个以上有联系的事物进行考察，寻找其异同，探求普遍规律与特殊规律的方法。为了更好地理解学习分析的各个步骤和涉及的要素，从中发现各模型的创新与不足，以进一步完善学习分析技术，并在未来的应用中对学习分析技术有更清晰的认识，本研究对各学习分析模型进行了比较研究。

1 共性

事实上，数据仅仅是人们观察客观世界所得到的材料，本身没有太多意义，只是对事实的描述，并不能构成决策的可靠基础。通过对数据进行分析找出其中的关系，赋予数据某种意义，即形成所谓信息。信息虽然给出了数据中一些有一定意义的东西，但它往往和人们需要完成的任务没有直接联系，因此也不能作为决策的依据，还需要对信息进行再加工，进行更深入的分析，才能获得更有用的信息，即知识[9]。从数据收集得到信息，到对数据分析得到知识，再到知识应用，这是学习分析不可缺少的过程。而在这个过程中，自然需要注意所涉及的一些要素条件。仔细观察各学习分析模型，可从中发现一些共同点:

（1）数据收集是基础

学习分析就是一个从学习环境中获取数据，再从数据中挖掘知识，最后将知识应用到学习中的过程。目标是否能够完成、完成得如何，首先取决于学习分析过程中获取的数据质量。无论是记录作业、讨论完成情况的结构化数据，还是在学习过程中搜索、复制、粘贴等无意留下的非结构化数据，都需要记录下来，因为数据记录越完善，分析的结果也就越可靠。

（2）数据分析是核心

当获得较为完备的数据后，所要做的就是根据已有的理论和方法对数据进行分析，这是学习分析的核心。为此，学者们纷纷提出了不同的分析方法，如内容分析法——对学习者的学习过程数据进行定量分析，寻求学习者的行为模式[10]；话语分析法——了解网上学习交流中话语的文本性含义，能够用来探究知识建构的过程，使学者对学习发生的过程有更加清晰的认识[11]；社会网络分析法——用来探究网络学习过程中的联系、关系、角色以及网络形成的过程与特点，了解人们如何在网络学习中建立并维持关系从而为自己的学习提供支持[12]；性格分析法——通过获取学习过程中与学习者性格相关的数据，确定学习者类型，为个性化调整建立基础。

（3）知识应用是关键

知识的应用才是目的。得到了可靠的分析结果，就需要使用它去做一些优化、干预、预测等更有意义的事，其中很多事情计算机能自动完成，如将学习者的学习情况汇报给教师，提醒那些“危险”学生努力学习，为某一类别的学生提供个性化的学习资源等。但也有一些事情需要人为地完成，如当分析结果与事实出现偏差时，就需要技术人员对前两个过程进行调整。

（4）要素条件是保证

在整个分析流程中，必须注意内、外部各方面的要素条件，因为这些要素条件会直接影响学习分析的目标。如收集数据时，需要清楚数据的来源是否合法、可靠；分析数据时，需要明确所使用的工具、算法以及人力等资源，针对不同的人群需要运用不同的数据处理方法，还需要知道当前的约束条件以确保有能力完成目标；应用知识时，需要保证反馈和预测的内容能够准确、及时地到达需求者，并能采取适当的措施对学习绩效进行优化。

2 差异性

虽然各学习分析模型存在一些共同点，但根据各模型的特点、不足、产生原因、提出背景、理念等，也可以归纳出以下几个方面的不同:

（1）研究视角的差异

学者们对学习分析模型的理解可以分为宏观和微观两种视角。其中，概念模型和持续改进环模型都从全局出发设计整个学习分析过程，可界定为宏观视角。要素模型和过程模型则从微观角度出发建立模型——要素模型主要确定了影响学习分析的六个维度，并将每个维度继续细分；过程模型虽然强调过程，但在表述每个过程的时候都给出了具体的操作，如收集数据时，西蒙斯在模型上直接给出了具体的方法和数据来源——这两个模型都从细小的环节入手，再扩大到具体的环节和具体的维度，再整合所有的环节和维度形成模型，故可界定为微观视角。

（2）研究基础的差异

过程模型和持续改进环模型提出的时间相对较早，提出者完全依靠自己的研究完成对模型的概括——过程模型按照关联主义学习理论的需要去设计思考，获取个人信息，分析个人的学习特征，在社交范围寻找有相同特点的人，推送需要的知识，通过技术使人与人发生关联，促进学习的发生；持续改进环模型通过总结其它学科的数据处理方法和一般技术组成要素，提出了学习分析模型。要素模型和概念模型的提出者则借鉴了前人的研究成果——要素模型增加了一些非技术因素，与此相关的概念来自于对各大学习分析研究社区的总结；概念模型来自于对过程模型和持续改进环模型的改善，其五个环节的概括相对其它几个模型来说也更为准确。

（3）研究内容的差异

各模型的研究视角和研究基础不同，因而研究的内容也必然不同——过程模型重点突出了每一步的具体方法，包括如何收集数据、收集哪些数据等；概念模型强调的是学习分析技术的五个关键环节，虽然没有详细说明具体如何实现，但对学习分析整体过程的把握比较完整；要素模型从六个维度归纳了影响学习分析的所有相关要素，同时对每个维度进行了细化；持续改进环模型描述了分析过程和所涉资源，核心是“环”理念的提出，认为知识应用会影响数据的收集，学习分析是个持续优化的过程。

（4）应用阶段的差异

在初期设计系统时，需要参照概念模型设计好整体的框架。针对每一步设计的具体功能和内容，可能要参照过程模型的收集方法和预测方法。虽然持续改进环模型在每一方面的描述中都不尽完整，但对设计、实施和最终应用都有一定的指导作用。至于要素模型中归纳的学习分析影响因素，则在应用的各个阶段都必须考虑进去。

三 总结

如今，信息化教学变革正在逐步实施中，学习分析技术作为信息化教学的重要手段，必将对教育产生巨大的影响。学生、教师和管理人员在教学过程中产生的海量数据，不仅有助于了解学生的学习情况，更能丰富教育的手段、提升学生的学习能力。在技术上，学习分析的实现已经成为可能。而学习分析模型作为学习分析技术的重要组成部分，其过程模型、持续改进模型、要素模型和概念模型的提出，将为以后学习分析系统的开发提供理论支持，并对其应用和发展提供帮助。

参考文献

[1]George S.Call for papers of the 1st international conference on learning analytics and knowledge[OL].〈https://tekri.athabascau.ca/analytics/.〉

[2]George S.Connectivism: Learning and knowledge today[OL].〈http://www.educationau.edu.au/jahia/webdav/site/myjahiasite/users/root/public/globalsummit/gs2006_siemens.pdf.〉

[3]George S.Technologically externalized knowledge and learning[OL]. 〈http://www.connectivism.ca/?p=181.〉

[4]George S. What are learning analytics?[OL]. 〈http://www.elearnspace.org/blog/2010/08/25/what-are-learning-analytics/.〉

[5][6]Tanya E.Learning analytics: Definitions, processes and potential[OL].〈http://learninganalytics.net/LearningAnalyticsDefinitionsProcessesPotential.pdf.〉

[7]Greller W, Drachsler H. Translating learning into numbers: A generic framework for learning analytics[J].Educational Technology & Society, 2012,15(3):42-57.

[8]李艳燕,马韶茜,黄荣怀.学习分析技术:服务学习过程设计和优化[J].开放教育研究,2012,18(5):20-26.

[9]朱珂,刘清堂.基于“学习分析”技术的学习平台开发与应用研究[J].中国电化教育,2013,(9):141-146.

[10][11][12]顾小清,张进良,蔡慧英.学习分析:正在浮现中的数据技术[J].远程教育杂志,2012,30(1):20-27.

编辑:小米

A Comparative Study of Learning Analysis Model

ZHANG Wei WANG Nan

(School of E-Learning, Beijing University of Posts and Telecommunications, Beijing, China 100876)

As a new teaching techniques, learning analytics is the interpretation of a wide range of data which produced and gathered in teaching and learning process in order to assess academic progress, predict future performance, and spot potential issues. In the trend of educational informatization, learning analytics is gradually spreading up in the field of education and is being engaged by increasing scholars. With the continuous development of learning analytics, many scholars have proposed different learning analysis model based on their own research. This paper elaborates on learning analytics model in detail by literature analysis and comparative study method, in order to have a better understanding of learning analytics and provide some help for the development of learning analytics of domestic.

learning analytics; models; comparative study

G40-057

A 【论文编号】1009—8097（2015）09—0019—06

10.3969/j.issn.1009-8097.2015.09.003

本文为全国教育科学“十二五”规划 2014年度课题“泛在学习环境中数字资源聚合模式及推荐机制研究”（项目编号：DCA140238）的阶段性研究成果。

张玮，硕士，研究方向为计算机仿真技术及应用，邮箱为284771193@qq.com。

2015年2月5日