基于数字化教学平台的学习分析框架研究

袁春雨

(安徽职业技术学院 科研处，合肥 230011)



基于数字化教学平台的学习分析框架研究

袁春雨

(安徽职业技术学院 科研处，合肥 230011)

目前,高校正在利用教学平台实施混合学习和在线学习模式，平台中产生了大量的数据，对数据的分析利用正是学习分析的主要目的。通过对学习分析概念的解析，从学习分析过程入手，探讨了学习分析中的数据源、数据挖掘方法与目的，并提出了可视化输出结果的一般方法，给出了教学平台下基于学生数据学习分析的一般参考模型。最后提出了未来学习分析的发展趋势。

教学平台；学习分析； 数据

互联网的发展正催生高等教育的革命，Web 2.0的应用使得数字化学习成为一种潮流，政府、企业和高校对在线课程表示出极大的兴趣，特别是MOOC的兴起，作为一种强技术学习的创新模式和新的教育传递媒介，它促使教育者重新审视数字化教学平台的价值。目前,越来越多的高校正在利用教学平台实施混合学习和在线学习模式。在学习平台上，大量学生参与的学习活动，留下了可以用来描述他们的特征，分析学习行为的数据痕迹。因此，抽取数据形成有价值和关键的信息成为可能。

随着数据仓库、数据挖掘等技术的发展，企业开始运用诸如网页分析、商业智能等方法了解顾客需求改进产品和服务，数据驱动型决策能有效改进决策效果[1]。在过去的20年内，全球数据不断增长，大数据开启了重大的时代转型[2]。构建预测模型并正逐步运用到各行各业，也包括教育。技术给了基础，企业应用提供了成功案例，教育需要实现的就是“大数据改善学习的三大核心要素：反馈、个性化和概率预测”[3]。

虽然可汗学院成为教育数据利用的一个典型代表，但是很多学校仍然忽视或不知道如何处理和运用平台上超载的数据。数字学习平台中，学生学习活动并不能像传统课堂下得到实时的监控，也不易显著被人为的观察。识别和度量E-learning的学习行为成为分析的重要目的，新媒体联盟地平线报告自2011年后多次将学习分析作为高等教育中点的重要教育技术。

2 学习分析

从2005年研究会出现，到2009年第一个专业杂志《教育数据挖掘杂志》的出版，可以看出学习分析是一个比较新的研究领域[4]，至今没有一个统一的定义。Siemens把其看成是智能数据，基于学习者的数据和分析模型的混合使用以发现信息和社会联结，并给出学习上的预测和建议[5]。根据第一届学习分析与知识国际会议，学习分析中加入了特定的使用环境以及分析过程，认为它是“为了理解和优化学习过程以及其所在的学习环境，针对关于学习者及特定情景下数据的收集、分析、评价及报告”。Elias从更广泛的角度把学习分析描绘成一个用专业分析工具改进教学的信息领域[6]。这些定义都强调把通过将教育数据转换成为有价值的信息辅助决策以帮助学习。因此，有研究者将学习分析与教育数据挖掘(Educational Data Mining，EDM)等同起来[7]，但是更多研究者认为二者在研究领域、数据、过程和目标等方面非常相似，但是，学习分析的范畴更加广泛[8-10]。

对学习分析的研究文献众多各异，大体上可以从学习分析的基础研究、具体技术运用和教育领域的实践三个方面展开。北京师范大学牟智佳等人从数据库论文为研究样本来源，从研究者国籍、关键词和研究主题三方面对文献进行内容计量分析[11]。Alejandro则聚焦数据挖掘从学生特征模型、行为模型、绩效模型、评价、工具等六个方面对2010年至2013年的文献分年度进行了统计[12]。

学习分析的一般过程可分为数据采集、数据存储、数据挖掘、数据展现四个过程。数据是基础，分析的数据不仅包括学生、教师和课程等实体对象，还有一些行为动作等事件，来源多跨越在不同的服务器中，主要有集中式教学系统和分布式学习环境。对获取的异质化数据源进行抽取、转换、装载等几种方式处理，以确保数据格式的兼容性，再用相关拓扑方案来包含形成多个相互关联的事实表，完成所有数值和总结性信息的存储。部分数据在分析前可根据需要再进行规范化处理，再运用以监督学习、无监督学习和关联规则挖掘为代表的数据挖掘等方法进行分类、预测和相关性分析。最后以用户友好界面的形式可视化输出结果。

3 基于学生的教学平台数据

学习分析的数据主体是学生，广义地说，数据可以来自学校的学生信息系统、数字化学习系统、个人学习空间以及其他的开放数据集。根据学生参与E-learning的情况，可以从不同角度对学生进行分类，如从参与的活跃程度分活跃者、参与者、旁观者和潜伏者，从完成学习的态度和行为分主动学习者、被动学习者。学生类别的划分就是基于不同的数据分析的结果。以数据平台里的数据为例，可以将数据按照学习活动分为四类，每一类都具有各自的事件动作和量化指标，见表1。在学习平台上的学习行为，主要包括资源学习、互动交流和测试评价三个环境，结合个人特征构成了四大类。学习行为被离散化为不同的动作事件，即学习者的行为活动；量化指标是具体一个学习情境下被观测和捕捉的学习活动中能被度量的单位。

表1 E-learning学习活动数据一览表

对于表中的量化数据可以再细分，如对于学习主题具体内容、测试结果子项；一些量化数据相互结合产生新的量化数据，如时长与登录次数的结合。对难以量化的学习行为，如电子书籍的学习内容、论坛讨论的内容等可根据语义分析等网页文本挖掘技术进行分析量化。

4 教学平台下的学习分析参考模型

由于目前现有的大多数平台是根据自身的特点，具有一些数据的统计分析功能和部分挖掘结果，但是缺乏一个统一的框架体系。因此，根据学习分析的过程，并结合标准的数字化教学平台可量化的指标数据，构建一个基于学生数据的学习分析参考模型(如图1)。

无论是何种来源，LA需要整合集成来自多源的异质化的格式各异的源数据，来创建有意义的教育数据集来折射学习者的分布活动。三类数据的规范性格式用来满足不同数据文件的兼容性操作：IEEE学习技术标准、ADL’s Experience API (xAPI)和IMS’s Caliper Analytics。经过ETL处理，按照特定主题和存储方案存在数据仓库中。

目前大多数学习平台都提供基本学习信息的统计报告，如在线时长、登录次数等，这些统计数据常常产生一些简单的统计数据如均值、标准差等。数据挖掘方法主要有以下几类：分类、预测、聚类和关联规则挖掘。例如，根据多个个学生的表征推断某个学生的可能学习行为，并形成规则用来判断学生类别，或者通过关联发现变量间的相关关系。社会网络分析是一个研究个体与群体关系的量化研究工具，可用来管理、可视化和分析网络学习关系。

图1 数字化学习平台学习分析参考框架图

数据分析挖掘的结果追踪学生的学习行为并形成报告；预测学习者未来的学习业绩以采集相应的措施帮助需要额外辅助的学生；指导学生解决某个课程的学习所产生的特定内容问题；基于学习和用户关注的数据所产生的智能反馈，以及学习分析在学习者的偏好及其他学习者类似偏好的基础上，建立的个性化资源推送系统，明确给出学习者下一步学习的知识节点及资源，实现由知识推动学习模式向知识拉动学习模式的转换。最后学习分析对促进教学反思有着积极的作用。学生和教师可以通过课程间、班级间及学校间的数据比较得出相关结论，并反思教学实践的有效性。

学习分析应用的服务对象可包括学生、教师、学校、教育主管部门、研究者以及系统设计者。学生感兴趣的是分析如何提高他们的成绩并帮助他们搭建个人学习环境；教师更多的关注他们教学实践的有效性，并支持他们采用教学方法以满足学生的需要；学校和教育主管部门利用分析工具支持决策，调整相关计划确保学习效果；研究者则从实际成效研究教育教学方法的改进；系统设计者研究学习分析应用的成效，以改进适合非适应数据专家的工具以植入到标准学习平台工具集中。

不同用户对结果的需求不同，而数据分析常被忽略的领域就是数据转换为可读格式，而不是简单的标明监控或提供总结性的反馈。由于我们视觉感知能力，可视化表达比普通文本和数据表达更具有效性，具有一定冲击力的图形形式展示结果更具优势，如智能仪表盘已成为绩效管理的关键成分。系统平台的分析结果界面可分为三个部分：一是集成界面，能访问所有功能的简单集成界面，涵盖了数据请求、数据下载、共享分析；二是特定主题分析界面，可按照现有数据挖掘的方法以标准化格式给出仪表盘；三是个性化分析界面，由使用者提出数据请求，按照用户自定义规则给出统计图表。

5 结语

数字化教学环境是学习分析的一个重要应用领域，一方面它们持续产生学习活动中的数据，如阅读材料，参加论坛，另外目前在线课程或混合课程比传统课程有较高的关注，目前还是相对新的研究领域。本文从学习分析的过程入手，基于学生的数据，从用户需求处理，给出了学习分析的一般参考模型。同时也探讨了数据分析的三个主要方法，以及可视化输出的主要类别。未来随着万联网的出现，新的研究将不断深入，如大数据的挖掘技术有别于传统数据挖掘，应用领域如计算机辅助合作学习、虚拟学习以及教师学习得到进一步研究，总之，大数据与学习分析的进一步结合给高等教育提高了一个更美妙的蓝图。

[1] 维克多·迈尔-舍恩伯格,肯尼斯·库克耶.大数据时代:生活、工作与思维的大变革.杭州:浙江人民出版社,2012.

[2] 维克多·迈尔-舍恩伯格,肯尼斯·库克耶.与大数据同行：学习和教育的未来.上海:华东师范大学出版社,2015.

[3] Baker R S, Inventado P S. Educational Data Mining and Learning Analytics[M]// Learning Analytics，2014:61-75.

[4] Agudo-Peregrina A F, Hernandez-Garcia A, Iglesias-Pradas S. Predicting academic performance with learning analytics in virtual learning environments: A comparative study of three interaction classifications[C]// International Symposium on Computers in Education. 2012:1-6.

[5] Johnson L. The 2011 Horizon Report[C]. Austin,Texas: The New Media Consortium，2011.

[6] 牟智佳, 武法提, 乔治·西蒙斯.国外学习分析领域的研究现状与趋势分析[J]. 电化教育研究, 2016(4).

[7] Alejandro Pea-Ayala. Educational data mining: A survey and a data mining-based analysis of recent works[J]. Expert Systems with Applications, 2014, 41(4):1432-1462.

[8] 包奇金宝，张景龙，张智丰.高校计算机基础教学内容和教学方法改革的探索[J].内蒙古民族大学学报(自然科学版)，2013(6)：246-247.

责任编辑：刘 琳

Research on Learning Analysis Framework Based on Digital Teaching Platform

YUAN Chunyu

(Scientific Research Department, Anhui Vocational and Technical College， Hefei 230011, China)

At present, the modes of hybrid learning and online learning in colleges are implemented by using teaching platform, in which a large amount of data is produced. And the analysis and use on data is the main purpose of learning analysis. By analyzing the concept of learning analysis, this paper discusses the data sources, data mining methods and purposes from the process of learning analysis, presents a general method for visualization of output results and gives a general reference model based on student data learning analysis under the teaching platform. Finally, it points out the future trend of learning analysis.

teaching platform；learning analysis；data

2016-02-09

安徽省教育厅教学改革研究项目(2014zdjy163)

袁春雨(1972-)，男，安徽省铜陵市人，副教授，硕士，主要从事职业教育及智能算法方面研究。

TP31

A

1009-3907(2016)10-0105-03