基于学习分析技术的大学生慕课学习行为研究*

☆黄阳 刘军

（南通师范高等专科学校，江苏南通226500）

一、研究背景

随着信息技术的快速发展，“互联网+教育”发展如火如荼。碎片化学习、移动学习、混合式学习方式使得学习无时不在、无处不在，慕课（MOOC）应运而生。MOOC（Massive Open Online Courses，中文翻译为“大规模开放在线课程”）其突出特点是把教学内容“拆分”成若干相对独立的知识点，并以这些知识点为单位制作成6-10分钟的教学微视频。与传统网络在线课程相比，慕课不仅整合与分享了最优质的教育资源，而且颠覆了传统的教学组织方式[1]。

学者们普遍认为，慕课学习的特点在于海量的学习资源、开放的学习环境及多样的学习群体，并且能够以丰富多样的数据形式记录学习者学习行为、学习结果[2]。慕课重在研究学习者如何参与慕课学习，从学习的众多反馈中研究慕课的利与弊。卡耐基·梅隆大学教育学院中有一句经典口号：“不得不承认，对于学生，我们知道得太少”[3]。因此，本研究通过对慕课学习数据进行获取与分析，归纳学习者的学习行为，不仅可以便捷地发现学习者的学习特征，还可以为个性化教育教学提供实践途径。

二、研究过程

（一）慕课课程研究现状分析

在慕课学习者学习行为数据的获取和分析方面，研究者通常会利用相关工具软件对学习者的学习行为进行跟踪和分析。例如：维也纳大学的Kami Anna Huoel基于Web的在线学习平台，通过对数据库访问记录及Web服务器日志进行数据挖掘，分析学习者的学习行为[4]。Jia-Jiunn Lo等通过对学习者在网络学习过程中的浏览行为进行分析，尝试确定学习者的学习风格[5]。Wan-I Lee等从学习需求、学习行为记录和个性特征等方面出发，对学习者的学习绩效评价方式进行了研究[6]。综上所述，笔者将慕课学习行为的研究视角定位在课程访问、交互行为及学习类型三个维度。

（二）课程设计与研究方法

本研究所选的课程是由南通市某高校自主建设的一门慕课课程《小学课程设计与评价》，主要供师范类学院学生自主选修。该研究还试图从信息获取与处理、人际交往、解决问题三个角度收集学习者在慕课学习过程中产生的数据并进行可视化分析，以期归纳出慕课学习过程中学生的学习行为特征。

（三）慕课学习过程分析

1.学生访问行为记录分析

本研究选取41位学生开展慕课学习实验研究，并对其行为进行跟踪记录，归类统计如表1所示。

表1 学生访问行为记录统计表

User Assign 204 264 164 288 View View All Update查看成员查看全部更新资料41 Submit View View Submit Form提交作业查看提交查看提交页面189

结合表1及慕课平台日志可知，在12周的学习中，部分学生的浏览量较少，但大部分学习者在学习过程中回视行为较多，说明学习者在学习过程中注重课程的前后联系，而非完成任务式学习，表明学生学习态度较好。但学生更偏向于“查看”内容，对“参与”的积极性不高。由此可知，学生在慕课学习中的行为较多表现为查看课程资料、浏览网页，下载数据资料、课程任务，查看论坛及评论等，处于“观望”的角色，而对于课程的评价、学员之间的交流、讨论区的互动等参与情况还不够积极。

2.交互行为分析

（1）师生互访矩阵研究

本研究以41名学生和一名教师为研究对象，对这42个样本依次编号为L1、L2、L3、……、L41、T42，并使用社会网络分析软件UCINET，导入矩阵关系数据，绘制师生相互访问的社群图。社群图是一个二值有向图，箭头的指向代表师生之间彼此存在互访的关系。从图1可以看出整个研究群体中每个学生与教师均存在互访活动，网络关系中没有孤立的对象。L37、L23、L32、L12拥有大批的用户指向，说明其被访问的频率较高，受到慕课学习群体的青睐；T42作为教师备受学生群体的关注，被所有学生访问，整个网络的关系联系相对紧密。

图1 师生互访社群图

（2）中心性分析

“中心性”是社会网络研究的重点，个人或者组织在社会网络中具有怎样的权力，或者说居于怎样的中心地位，对于信息在整个网络中的传播及效果有着十分重要的意义[7]。社会网络分析认为，如果一个节点与其他众多节点直接相连，那么该节点便具有较高的点度中心度[8]。表2为参与慕课学习的学生点度中心度的部分数据，OutDegree列为学生的出度，InDegree列为学生的入度，NrmOutDeg和NrmInDeg分别为参与慕课学习学生的相对入度和相对出度，学生L12的出度最高，回复他人帖子或跟贴情况最为活跃；L37的入度较高，他创建的讨论话题和学习内容受到其他同学的关注；学生L32入度、出度值都比较高，在课程学习讨论中能起到一定的主导作用。在课程的讨论区中，学生与教师之间存在相互讨论与知识分享，但领袖人物较少，从整体网络来看意见分享的积极性不高。

表2 网络节点点度中心度分析

（3）学习者类型分析

在整个研究过程中，笔者发现课程教学教师对于镜头前的学生所知甚少。教师如何做到尽可能让每一位学生都听懂并学有所获，对其学习情况基本知晓呢？使用数据挖掘和学习分析技术，利用“网络学习可视化评估工具”统计学习者在整套慕课学习过程中的行为及效果（如图2）是一个较好的选择。

图2 学习者类型聚类分析图

群体学习效果聚类分析图可形象呈现出慕课学习群体中各个学习者的学习效果，环形图的最外层为学习的第一周，由此向内的十二个同心圆表示整个课程周期；根据后台数据，挖掘学习者提交任务1至任务6的不同时间和完成情况，其中，任务窗格对应显示颜色越深,表示学生的学习效果最佳，显示颜色越浅,表示学生的学习效果不佳。笔者发现，有的学生（例如L1、L6、L12、L27、L28、L32）的时间扇区上基本全为深色扇区，偶尔出现颜色稍浅扇区，且任务提交基本在六周之前，此类学生被教师归为“出类拔萃”型学习者；而有一部分学生（例如 L2、L3、L8、L9、L10、L13、L14、L15、L16、L17、L19、L20、L21、L22、L23、L30、L35、L36、L40）的时间扇区上起初是深色扇区，但任务完成时间相对较长，间隔一段时间后，任务完成时间短、效果逐渐变优，此类学生被教师归为“勤奋努力”型学习者；而第三大类学习者（例如L4、L5、L7、L11、L18、L24、L25、L37、L41）的时间扇区上的浅色扇区较多，聚类分析图显示出他们在前期的任务完成效率低，学习者对于慕课学习表现较为吃力，但不断克服、坚持不懈，通过努力补上落下的课程或是与师生交流，逐步找到感觉，到课程后期他们的扇区逐渐转为深色，表现为学习逐渐进入状态，教师将此类学生归为“遇挫不屈”型学习者；而另一小部分学习者（例如L26、L29、L31、L33、L34、L38、L39）在时间扇区上几乎都是浅色扇区，并且通过研究发现，在课程结束时他们未能完成所有的任务，这类学习者学习效果不好，且持续性较弱，他们在遇到困难后表现退缩，教师则将这类学生归为“知难而退”型学习者。通过一幅聚类图，简单明了地呈现出学习者“材”分几种，有助于慕课教师了解学习者的情况，进而可针对不同类型的学生对课程做出有效调整。

三、研究结论

研究表明，慕课课程学习者在整个学习过程中情感体验丰富，虽然有许多学习者在课程学习期间并非一帆风顺，偶尔也会遇到一些困难，甚至有学生会产生挫败感，但整体上看大多数学习者对课程保持较高的热情，众多学习者在学习过程中对自身认知、学习方法、学习效果都有一定的反思与提升。因此，笔者基于对慕课学习者的行为分析，归纳出慕课课程教学实践的几点建议。

第一，注重情感教育，增强学习者的学习体验。教育的目的并非单纯的知识传递和技能获取，任何教学模式都应当以帮助学生在知识、情感、价值观三个方面均衡发展为最终目的，培养健全合格的人才。慕课教育也应在情感教育方面给予在线教育之外的情感关注。正如研究中所描述的学习群体中只存在少量的学习活跃者，他们主动性强、互动性高，慕课课程设计与管理过程中应当关注与思考一些必要的支持与干预措施，例如：教师推荐学习领导者，线上关注学习被动对象，主动给予提醒和帮助。

第二，倡导互助合作，构建学习共同体。慕课课程的学习者是多样的，完善课程以供更为广泛的学习群体自主学习是所有实施慕课课程教学者共同的追求。为使慕课课程教学达到最大效能，课程设计应精心设计、合作建构，从课前预习、课堂学习、课后复习等诸多环节调动学习者相互协作、分享知识和学习体验的积极性，教师应努力参与慕课过程，加强师生沟通与交流，共同完成阶段任务，形成良好互助互学、团结协作的氛围，让学习者领悟到“虚拟学习”并不虚拟。

第三，实施多元评价，优化新型人才培养。在课程教学评价中，从学习行为入手使用过程性评价与总结性评价、定性评价与定量评价相结合的方法，对学习者的学习行为进行科学评价，评价内容主要包括学生资源访问、互动交流、任务完成等情况以及最终学习类型的总结等层面，评价的依据主要是教师与管理者了解学生是否积极参与平台，哪些学生参与率较低，可为评价学生的学习表现等。通过学习分析技术进行网络可视化分析，挖掘学习群体中的中心人物、知识传播与互动的关键纽带，帮助群体培养领导气质人才。

综上所述，学习分析技术的客观性和可视性便于教师和学习者自主查看学习情况，及时弥补，及时改善。教师通过学习者学习行为数据，可为课程教学提供服务，使得教学过程更能满足学习者的需求，也可充分利用慕课平台提供的资料和数据为学习服务，共同为师生营造良好的新学习模式。

[1]郝丹.国内MOOC研究现状的文献分析[J].中国远程教育,2013(11):42-51.

[2]Breslow,Pritchard D,DeBoer J,et al.Studying learning in the worldwide classroom:Research into edX’s first MOOC[J].Re⁃search&Practice in Assessment,2013,8(01):13-25.

[3]让教育发现每一个学生[EB/OL].http://edu.people.com.cn/n/2014/0904/c1006-25600136.html.

[4]David H.,Jonassen Lucia Rohrer-Muphy.Activity llieory as a Framework for Designing Constructivist Learning Environ⁃ments[EB/OL].http://www.coe.missouri.edu/jonassen/courses/CLE/documents/activitity.pdf,2006-3-1.

[5]Jia-Jiunn Lo,Pai-Chuan Shu.Identification of learning styles online by observing learners’browsing behaviour through a neuralnetwork,32nd ASEE/IEEEFrontiersin Education Conference[C],2002.

[6]Wan-I Lee,Bih-Yaw Shih etc.The application of KANO's model for improving web-based learning performance.32nd ASSEE/IEEE Frontiers in Education Conference[C],2002.

[7]王陆,刘菁.信息化教育科研方法——发挥技术工具的威力[M].北京:教育科学出版社,2008:179.

[8]刘军.整体网分析讲义——UCINET软件实用指南[M].上海:上海人民出版社,2009:101-109.