学习分析模型的分类与对比研究
2016-11-08郑晓薇
郑晓薇 刘 静
学习分析模型的分类与对比研究
郑晓薇 刘 静
(辽宁师范大学计算机与信息技术学院,辽宁大连 116029)
在分析领域中逐渐分离出的学习分析,通过获取、分析数据来实现促进学习和优化教学的目的。学习分析模型作为学习分析的参照性指导方略,对学习分析的高效实施具有重要作用。文章归纳了国内外学者提出的各种学习分析模型的基本策略与设计结构,并按照各模型不同的侧重点,将现有的学习分析模型分为反馈环状学习分析模型、交互网状学习分析模型和多因素学习分析模型。此外,文章还研究了这三类学习分析模型的特征、基本环节、设计特点并进行了对比分析。文章的研究成果,可为今后学习分析领域的研究与应用提供参考。
学习分析模型;反馈环状;交互网状;多因素;利益相关者
引言
大数据时代的来临进一步推动了教育信息化的发展,随着信息技术在教学领域应用的不断扩大,商业智能、行为分析等领域中的分析技术逐渐被应用于教育领域,使得学习分析从分析领域中分离出来,并形成一个新兴的领域。2011年,学习分析与知识国际会议(The International Conference on Learning Analytics and Knowledge,LAK)将学习分析定义为“通过测量、收集、分析和报告关于学习者及其学习情境的数据,进而了解和优化学习和学习发生的情境的一种应用”[1]。此后,学习分析引发了教育信息化的新浪潮,受到专家、学者的广泛关注。
基于早期的学习分析模型雏形,后期的学者们分别从明确步骤、系统开发以及限制因素等不同角度对其进行优化,形成了多种多样的学习分析模型。2011年,Brown[2]和Siemens[3]根据学习分析的定义提出了学习分析学习过程模型,塑造了学习分析的基本结构及其线性实施流程;Elias[4]结合学习分析的循环特性,提出了持续改进环模型;学习分析研究协会[5](Society for Learning Analystics Research,SOLAR)为了建构学习分析系统,提出了整合式学习分析系统;Ifenthaler等[6]则设计了一个融合多源信息的学习分析框架。2012年,Greller和Drachsler[7]总结出学习分析的限制因素,提出了学习分析通用框架;随后,Chatti等[8]又对学习分析通用框架进行了改进和优化。从2012年开始,学习分析也成为我国教育技术领域的研究热点并获得迅速发展,如2012年,李艳燕等[9]提出了学习分析概念模型;2013年,祝智庭[10]提出了智慧教育的学习分析模型;2014年,胡艺玲和顾小清[11]等构建了在线学习行为分析模型等。
据此,文章将根据各模型的特征,对国内外学者提出的各种学习分析模型进行归类、对比,以便为今后优化学习分析模型提供参考。
一 学习分析及学习分析模型分类
学习分析是一个通过对学习数据进行收集、分析、反馈,进而实现对学生的评估和预测的过程,最终达到优化学习及学习环境的目的。学习分析模型主要包含对利益相关者的数据处理、应用措施的实施两大部分。其中,数据处理是学习分析的核心,利益相关者体现了学习分析的应用对象。
1 学习分析的核心
学习分析的核心是数据处理,包括数据的采集、分析、结果呈现和应用措施(评估、预测、干预)。数据处理中的每个环节都要根据不同的需求进行筛选,对有用的信息进行分析和呈现。数据来源包括学习者在不同网络环境(如移动终端、社会性软件、个性化学习环境PLE、学习管理系统LMS等)进行学习时所发布的学习者数据,以及来自课程和学业考核等其它方面的智能数据[12]。通过对数据的分析,可以了解学习者的交互过程、学习风格和学习偏好等特征,也可以了解智能数据中学习者的学习状态、进度等学习情况。
2 学习分析的应用对象
学习分析产生的报告对教学者、学生和管理者(如研究人员、教育管理者、教育决策者、教育机构等)三方均有着直接利益关系[13],因而称其为利益相关者。其中,学生是学习分析中数据的主体,教师和管理者是数据的客体;三者在学习分析过程中会产生信息的交流,而在信息交流的过程中,学生、教学者和管理者的级别是逐级升高的。
3 学习分析模型的类型
《地平线报告(2011版)》对学习分析进行了界定,并将其作为未来发展的重要主题进行普及和推广。2011年,学习分析专家Brown根据学习分析的理论性概念,提出了学习分析的五个环节[14],即数据收集、分析、学生学习、受益者和干预。同年,学习分析领域专家、加拿大阿塞巴斯卡大学教授Siemens[15]提出了学习分析过程模型(如图1所示),确定了学习分析模型的基本要素,并基于学习分析的技术性和过程性阐述了学习分析的应用步骤。Brown和Siemens的观点,为后续学习分析模型的构建提供了扎实的理论依据。
图1 Siemens的学习分析过程模型
现有的学习分析模型十分丰富,这些模型分别从学习分析的过程性、技术性、约束性等不同角度解释了学习分析的概念,同时以环状、网状等不同形式对学习分析的应用及约束等进行了可视化呈现。经归纳,本研究按照不同模型所强调的内容和呈现形式,将学习分析模型分为三类:反馈环状学习分析模型、交互网状学习分析模型以及多因素学习分析模型。
二 反馈环状学习分析模型
反馈环状学习分析模型依据学习分析的概念和作用等理论基础,明确了学习分析的环节及其操作步骤。该类模型在早期学习分析过程模型的基础上,着重描述了数据处理过程和数据信息的环形流向,突出了学习者的核心地位。
1 持续改进环模型
阿塞巴斯卡大学的Elias[16]通过将知识的连续性、分析的五步法、知识管理模型与学习分析相结合,提出了持续改进环模型这一学习分析过程模型,如图2所示。为突出技术资源的重要性,该模型将组织机构、人力、计算机和理论等四个技术资源作为核心,并用选择、获取、聚合、预测、优化、使用、分享来说明实现数据收集、知识应用和数据处理三个循环阶段的具体步骤。技术资源作为该模型的核心,参与并推动三个阶段使之循环发展,进而推动学习与教学效果的持续性提高,从技术资源角度体现了学习分析过程的循环性。
2 学习分析概念模型
李艳燕等[17]将学习过程模型和持续改进环模型相结合,提出了学习分析概念模型。该模型由学生的学习过程、学习环境、教育环境受众以及数据处理组成,重点强调了数据处理的五个环节(包括数据采集、数据存储、数据分析、数据表示、应用),同时综合考虑了学习过程、学习环境、教育环境以及利益相关者,使得数据处理更加精确和严谨,突出了学习分析的整体性。
3 智慧教育环境中的学习分析过程模型
结合持续改进环模型、数据分析的通用设计框架,祝智庭、沈德梅[18]提出了智慧教育环境中的学习分析过程模型。
图2 持续改进环模型
图3 在线学习行为分析模型
智慧教育是依托物联网、云计算、无线通信等新一代信息技术,所打造的物联化、智能化、感知化、泛在化的教育信息生态系统,是数字教育的高级发展阶段[19]。该模型需要以智慧学习环境为技术支撑、以智慧学习为根本基石、以智慧教学法为催化促导[20],并从明确目标、数据处理和干预措施等三个角度来体现学习分析过程的循环性。此外,该模型将干预措施从数据处理中分离出来,使之成为一个独立的环节并建立在整个数据的分析结果之上,体现了干预的重要性。
4 在线学习行为分析模型
胡艺龄、顾小清等[21]基于学习分析需求,立足于技术,构建了在线学习行为分析模型,如图3所示。该模型采用了自底向上的信息处理加工、自顶向下的行为关联分析之双向处理模式,将学习分析过程分为数据层、机制层和结果层。在数据存储环节中,该模型将行为特征数据库与教育数据挖掘技术相结合,使数据处理方式更加智能化。同时,该模型将反馈和预测纳入机制层,结果层则将分析结果予以可视化呈现,体现出利益相关者与数据之间的关联状态。
该模型的双向处理模式是一个循环过程:学习者既是数据受益者也是数据产生者(数据主体),就使得该模型的运行机制周而复始,数据不断迭代更新,从利益相关者的角度体现了学习分析的循环性。
三 交互网状学习分析模型
学习分析的数据采集和分析大多借助计算机和网络工具得以实现,因而从信息交互的角度,本研究归纳出交互网状学习分析模型。这类模型在描述学习分析基本环节及其信息流向的同时,增加了相应的引擎进行数据分析和结果反馈。该类模型着眼于在线学习环境中学习分析的应用,突出了学习分析的个性化和自适应特点,对搭建学习分析系统和平台具有一定的指导价值。
1 整合式学习分析系统
为了使学习分析技术工具更好地应用于在线学习环境中,SOLAR的学者们设计了一种多个引擎支撑的学习分析系统[22],如图4所示。该系统主要由分析引擎、干预引擎、学习适应和个性化引擎来实现。其中,分析引擎是该模型的核心,它整合了多个分析模块,通过社交网络分析、话语分析等技术来实现数据的分析处理。
图4 整合式学习分析系统
图5 Chatti的学习分析模型
该模型将数据分析结果分别输入干预引擎、学习适应和个性化引擎,根据需求分别实现学习内容的适应性和个性化以及预测、评估和干预。该模型中的仪表盘可根据用户角色的不同,选择不同的呈现内容和呈现形式(如可视化、图形化等),并实现数据的输出。该模型不仅描述了利益相关者、学习分析目标、数据采集与处理,还强调了技术方法、工具设备以及内外部局限,为构建网络学习分析系统提供了参考依据。
2 融合多源信息的学习分析框架
德国曼海姆大学的教育技术专家Ifenthaler等[23]为突出学生、学习、课程之间的关系,构建了一个融合多源信息的学习分析框架。该模型对在线学习环境中的学习者个人特征、社会网络、物理数据、课程数据、反馈数据等进行了整合,并运用学习分析引擎、个性化和自适应引擎、报告引擎对数据进行处理和分析。在整合数据时,该模型综合考虑了在线学习环境中数据来源的多样性、异构性、分散性等特征,将数据、分析工具、环境连接为一个具有反馈环节的闭合系统。与整合式学习分析系统相比,该模型将零散的分析方法融合到学习分析的各个环节中,因此更便于理解。此外,该模型还将管理和制度两个限制因素融合到学习分析过程中,增强了学习分析的整体性。
四 多因素学习分析模型
在实施学习分析时,不仅要依照一定的实施流程,还要考虑在实践过程中可能影响学习分析结果的因素,从而提升学习分析模型的整体性和完备性。多因素学习分析模型的构建,从人文角度进一步优化了反馈环状学习分析模型和交互网状学习分析模型。
1 多因素学习分析通用设计框架
荷兰开放大学的Greller和Drachsler[24]在对现有文献进行梳理的基础上,全面、整体地考虑了影响学习分析的多种因素,提出了一个由利益相关者、目标、数据、工具、内部限制和外部约束等六个关键维度构成的多因素学习分析通用框架。模型中的数据主要指数据的来源,此外,该模型从人文角度,提出了学习分析中针对学习者的内部限制,以及针对教育者和管理者的外部约束——内部限制主要指学生解读分析结果进而提高学习效果的能力,外部约束则强调社会道德、法律约束、隐私权、组织机构规则等。
2 Chatti的学习分析模型
德国亚琛工业大学的Chatti等[25]认为,学习分析的主要步骤包括:数据采集与预处理、数据分析与行动、后续处理。基于此,他们提出了一个由数据与环境、技术、利益相关者、目的等四个维度组成的学习分析模型,如图5所示。他们认为,学习分析的意义体现在检测分析、预测干预、评价反馈、适应反射、个性化推荐等五个方面,这五个方面受指导者、环境等因素的影响。该模型与多因素学习分析通用设计框架有很多相似之处,相比之下,Chatti的学习分析模型将影响学习分析的因素融入到数据环境与技术中,使多因素学习分析通用设计框架更加具体详尽。考虑到Greller的学习分析通用模型中的内部限制和外部约束所针对的人群同属于利益相关者,Chatti将内部限制和外部约束纳入利益相关者维度,使多因素学习分析通用设计框架中的各因素更加清晰、精准。
五 学习分析模型的比较分析
根据上述三类学习分析模型的特征,本研究分别从设计特点、重点环节、呈现形式及其所体现的特性等四个方面对这三类模型进行比较,如表1所示。
①反馈环状学习分析模型侧重理论角度,给出了以数据采集、数据处理、结果应用等基本环节作为学习分析的要素,强调上述三个环节的具体实施步骤和信息反馈过程。该类模型以环状形式呈现,体现了学习分析的过程性与循环性,是一种面向过程的模型。
②交互网状学习分析模型侧重技术角度,用不同类型的引擎如分析引擎、干预引擎、自适应引擎、报告引擎等来代替对学习分析事实步骤的具体陈述,并结合网络平台的信息交互模式以网状形式呈现学习分析的过程,体现了学习分析的交互性与多源性,是一种面向服务的模型。
③多因素学习分析模型侧重人文角度,将影响学习分析的因素分为环境因素、数据层面的因素、技术层面的因素、目标因素、利益相关者中学生的因素和制约教育者、管理者的因素等。该类模型以模块化的形式给出了学习分析的限制因素,体现了学习分析的整体性与完备性,是一种面向约束的模型。
表1 学习分析模型比较
以上三类模型都是对早期学习分析模型的优化,因而存在许多共性:①从宏观上看,三类模型都将数据采集与数据处理作为学习分析的基础、将数据分析作为学习分析的关键,并综合考虑包括环境层面、数据层面以及利益相关者等影响学习分析的各个要素,实施合理的干预措施,最终达到促进学习和优化教学的目的;②从微观上看,三类模型在学习分析过程中的数据来源、技术方法、工具以及利益相关者等方面也都有共同之处。
此外,三类模型也有各自的侧重点:①反馈环状学习分析模型将学习分析的各个环节及实施步骤以环状的形式呈现出来,着重表现了数据的采集与处理和分析结果的应用;②交互网状学习分析模型将信息交互的特征融入学习分析过程,描述了各个环节及其技术支持,强调为构建基于学习分析的网络系统平台提供参考依据;③多因素学习分析模型给出了影响学习分析的各方面因素以及相互制约关系,更多地体现了学习分析中的人文层面。
六 结论
在大数据时代的背景下,学习分析模型的构建不仅要考虑实施学习分析的过程性和循环性,还要考虑各方面的影响因素,更要体现学习分析模型的整体性和完备性。学习分析模型不仅是指导学习分析实践的重要组成部分,也是学习分析平台构建和学习分析系统开发的蓝图。期待本研究相关学习分析模型的分类与对比分析的研究结果,能为未来学习分析模型的改进和优化提供支持,并推动学习分析更好地服务于学习过程和教学过程。
参考文献
[1]Siemens G. Learning and knowledge analytics -Knewton the future of education?[OL].
[2][13][14]Brown M. Learning analytics: The coming third wave[J]. EDU_CAUSE Learning Initiative Brief, 2011,(4):1-4.
[3][15]魏雪峰,宋灵青.学习分析:更好地理解学生个性化学习过程——访谈学习分析研究专家George Siemens教授[J].中国电化教育,2013,(9):1-4.
[4][16]Elias T. Learning analytics: Definitions, processes and potential[J]. Learning,2011,(23):134-148.
[5][22]Siemens G, Gasevic D, Haythornthwaite C, et al. Open learning analytics: An integrated & modularized platform[J]. Society for Learning Analystics Research, 2011,(8):2-18.
[6][23]Ifenthaler D, Widanapathirana C. Development and validation of a learning analytics framework: Two case studies using support vector machines[J]. Technology, Knowledge and Learning, 2014,(19):221-240.
[7][24]Greller W, Drachsler H. Translating learning into Numbers: A generic framework for learning analytics[J]. Educational Technology & Society, 2012,(3):42-57.
[8][25]Chatti M A, Dyckhoff A L, Schroeder U, et al. Reference model for learning analytics[J]. International Journal of Technology Enhanced Learning Archive, 2012,(4):1-22.
[9][17]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,(5):18-24.
[10][18]祝智庭,沈德梅.学习分析学:智慧教育的科学力量[J].电化教育研究,2013,(5):5-19.
[11][21]胡艺龄,顾小清,赵春.在线学习行为分析建模及挖掘[J].开放教育研究,2014,(2):102-110.
[12]Siemens G. What are learning analytics[J]. Retrieved March, 2010,(3):721-730.
[19]杨现民.信息时代智慧教育的内涵与特征[J].中国电化教育,2014,(1):29-34.
[20]祝智庭,贺斌.智慧教育:教育信息化的新境界[J].电化教育研究,2014,(12):5-13.
Classification and Comparison of the Learning Analysis Models
ZHENG Xiao-wei LIU Jing
Learning analysis which was gradually separated from the analysis field could attain the goals of facilitating learning and optimizing teaching through acquiring and analyzing data. As the criterion-referenced guidance, learning analysis model played an important role for the efficient implementation of learning analysis. In this paper, the basic strategies and design structures of various kinds of learning analysis models proposed by domestic and foreign scholars were researched and summarized. According to different emphases of each model, the existing models were divided into three categories: feedback loop type model, interactive network type model and multiple factors type model. The characteristics, basic aspects and design features of the three learning analytics models were proposed and compared. The research result of this paper can provide a reference for future research and application of learning analysis field.
learning analysis model; feedback loop type; interactive network; multiple factors; stakeholders
G40-057
A
1009—8097(2016)08—0035—07
10.3969/j.issn.1009-8097.2016.08.005
郑晓薇,教授,本科,研究方向为计算机辅助教学、计算机教育,邮箱为xwzheng@lnnu.edu.cn。
2016年1月30日
编辑:小西