作业研究变革：学习导向的作业分析

摘要作业研究应该回归作业的本质。作业是深化学习的过程。“就作业谈作业”难以深化研究。主张将作业结果与学习动力、学习风格、背景因素等进行关联分析，从促进学习的立场去理解作业，使“作业—数据挖掘—改进教学”形成闭环。提出基于学习分析技术推进学习导向的作业分析的主张，包括构建作业分析的指标体系、探索作业分析的有效路径、认识作业分析的重要价值等。

关键词作业研究；作业分析；学习分析；学习动力；学习风格

中图分类号G63

文献标识码B

文章编号1002-2384（2018）07-0042-04

作业是学生学习过程的重要组成部分，但长期以来，我们对作业的本质缺少深度研究，“作业成为熟悉的陌生人”。[1]已往的研究大多从作业的类型、批改、反馈等视角探讨作业改进的问题，并未触及作业与学习关联的本质。笔者主张，从促进学习的立场去理解作业；借助学习分析技术，推进学习导向的作业分析。

一、基本认识：作业是深化学习的过程

现在，一些社会舆论把学生课业负担过重的元凶指向了作业，学者们对作业功能的认识也不尽相同。美国“进步教育运动”的领军人物科恩认为，“没有证据显示，任何家庭作业会提升小学生的学业表现。”[2]当然也有學者以实证研究结果为依据，认为课后作业确实对学生的发展产生了有益的影响。库伯认为：“尽管不应该指望家庭作业能提高考试分数，但家庭作业倒是应该帮助小学生养成良好的学习习惯，培养积极的学习态度以及传输学习观念，使他们明白在家中、在学校都有学习任务。”[3]他指出：“学生的年级越高，课后作业对学生学习影响的效应值就越大；课后作业对高中生学习成绩影响的效应值是0.64，而对初中生学习成绩影响的效应值是0.31，对小学四至六年级学生学习成绩影响的效应值是0.15。”[4]凯斯的研究表明，学生每天晚上多花大约半小时做“额外”的家庭作业，将使他在“年级整体平均分”上提高0.5个标准差。[5]“作业的价值在于它超越了在校学习的限制，有助于学生加深对学习内容的理解、拓展学习资源、调整学习策略、养成良好习惯。”[6]对学生的学习来说，规划合理、分析精准、干预有效的作业会成为其重要财富而不是学业负担。

在知识本位和考试本位的影响下，目前存在着狭隘地认识作业的问题，如将作业等同于训练题，或以试卷的形式呈现给学生，作业成了对课堂学习内容进行强化记忆和复现的过程。这样的作业缺乏“教学评一致性”的思考；其重点关注的是当日所学知识的掌握与巩固，且遵循的是“考什么—教什么—学什么—做什么”的原则。这是我们必须要正视的现实问题。

作业与考试的功能不同，作业的导向应该是促进和深化学习。我们可以把学生的学习视为一个反馈控制系统，[7]其工作原理是，根据系统输出变化的信息来进行控制，即通过比较系统行为（输出）与期望行为之间的偏差并消除偏差，以获得预期的系统性能。学生做作业是对其接收的信息进行加工，并输出结果，然后经教师的评价或自我评价，再对信息的再输入和再输出施加影响，从而实现预定的学习目标的过程。

综上所述，作业的主要功能应该是深化学习、提升内在动机、帮助学生学会自主规划与管理；作业本身并非学生学业负担过重的真正元凶，作业对学习的促进效应不够理想，才是作业问题的症结所在。

二、问题会诊：“就作业谈作业”难以深化研究

当前作业环节面临的突出问题是设计作业缺少规划、诊断学情不够精准、过程动态难以跟踪、促进学习效果不佳。对产生这些问题的原因，我们既要从学理、机理等理论方面进行思考，又要从测量、分析等操作方面进行分析。

1. 理论研究方面的主要问题

理论研究方面的问题主要体现在以下三方面。

其一，有关作业学理基础的研究比较薄弱。现有研究未从学习规律和认知原理等上位理论中寻找思路，未建立起作业促进学习的认知模型；学习动机、学习风格、学业情绪、自我调节等与学习紧密相关的理论在作业研究中涉猎较少，无法以认知和学习模型为引导进行作业分析。

其二，缺乏测量的意识和“教学评一致性”的理念。目前许多学校的作业测量目标模糊，评价结果缺乏解释力。

其三，分析作业的指标过于单一。有关作业量、作业难度的调查研究较多，但对作业的背景因素、影响因素等重视不够；无法找到提升作业效应的关键因素，难以进行归因判断，不能推断因果关系。

2. 实践操作方面的主要问题

实践操作方面的问题主要表现在以下四方面。

其一，在数据收集方面，只有结果性数据，缺少过程性数据和纵向发展性数据；难以获取学生完成课后作业的过程性信息，难以准确采集学生课后作业花费的具体时间，所以对作业是否适合学生的学习水平、是否能激发学生的学习动机与兴趣等难以作出准确判断。

其二，在数据整合方面，有关学生学习的背景性、过程性、结果性、监测性数据等都呈碎片化状态，导致作业研究的相关数据难以实现有效贯通；有关学习风格、学习态度、背景因素、课堂学习等数据也大多是零散孤立地进行记录的，因此无法建立学生个体化诊断记录和学习档案。

其三，在数据分析方面，离开学业影响因素（如非智力因素、学习状态等）“就作业谈作业”，无法将多维度、多来源、多角度的数据进行关联分析。

其四，在结果应用方面，无法关注到学生个性化特征，如个体学习基础、能力、风格、偏好、需求等，不能根据个体差异提供个性化的学习诊断与学习建议，无法实现作业促进学生发展的目标。

三、研究期待：使“作业—数据挖掘—改进教学”形成闭环

分析学习发生的机理以及学习过程中各类变量之间的关系，是作业分析促进学生学习的前提条件。学生学习背后的影响因素是什么？ 笔者曾参与上海市某区所做的大规模学业质量监测工作，对小学五年级（共计3207人）和初一年级（共7197人）学生语文、数学、英语学科成绩与学业影响因素进行关联分析，运用决策树分析和回归分析方法进行数据挖掘，发现学习兴趣、学习自信、学习动机是影响学科成绩的主要因素。我们努力通过提升学生的学习动力、增强学习的自我效能感、促进自我调节学习、提高元认知能力，最终提高学生的学习成绩；通过对学生学业与非学业发展状况进行关联分析，以学习分析学的思路，运用数据挖掘技术进行多角度分析，关注影响学生作业的多个因素，基于学习者的个体差异（如能力、风格、偏好、需求），引导学习者自我管理和自我激励，培养良好的学习习惯；解决“同分不同质”的问题，深入分析分数相当的学生之间学习风格、思维水平的差异，了解学习者的优势和不足，提供个性化的学习诊断与学习建议；运用智能化的监测和分析手段，识别学习过程中出现问题的学生，及时反馈给教师，以便为其提供更有针对性的帮助。

研究表明，外在的输入，如学习风格、学习态度与学习动机、学业情绪、家庭文化及经济背景、课堂学习情况等，都会投射到作业过程中。我们期望作业产生特定的、积极的输出，就必须关注作业的输入与完成过程，就必须以促进学习为目的，基于学习分析技术进行作业分析，多角度建构指标，多来源收集数据，多维度分析数据，加强个性化诊断和改进，使“作业—数据挖掘—改进教学”形成闭环，提升作业对于促进学习的效应。

四、技术路径：基于学习分析技术的作业分析

近几年，学习分析成为一个非常活跃的领域，受到越来越多的关注。它将数据挖掘技术、学习理论与教育技术相结合，通过解读复杂的学习行为，特别是对学生学习的各类数据及学习环境进行分析，发现潜在问题，评估和优化学习，促进个性化教育。

具体来说，依托信息化平台中记录的学习过程数据，学习分析技术能够对伴随式采集的、零散的、快速生成的学习过程数据与文本信息进行解释与分析，从个体的行为信息、文本信息中挖掘出具有研究价值的相关信息。就评价范围而言，基于大数据技术的学习分析从结果性评价扩展到对学习过程数据、背景数据、相关影响因素数据的综合分析与利用。就评价手段而言，它從简单判断发展到对相关关系的分析以及对聚类关联的挖掘，能够进行学生个性化特征的标签描述。就判据模型而言，它依托信息化手段进行写实性记录，建立判据即判断学习行为的基本依据，可为教师基于多维度数据分析结果进行个性化干预和指导提供科学依据，同时可为学生的自我导向学习、学习危机预警和自我评估提供有效支持。学习分析技术可从学生的行为角度了解学习过程的发生机制，以基于学习行为数据的分析为学习者推荐学习资源，助其开展适应性学习。

基于学习分析技术的作业分析主要关注以下三个问题。

1. 构建作业分析的指标体系

作业分析的一级指标包括作业属性分析、学习动力分析、学习风格分析、学习基础分析、学习者背景分析等（见表1）。确定一级指标后，我们还需要对其进行分解和细化，形成可测量、可观察的若干观测点，并收集相关数据。最后，我们需要以此为依据，进行分层作业命题、学习特征分析等。

2. 探索作业分析的有效路径

我们可以通过背景问卷、作业平台记录、表现性评价等途径，用学习分析的思想和技术进行作业分析（见图1）。如通过数据挖掘，分析、诊断学生在学科知识、能力、态度等方面存在的问题，发现其行为偏好、学习风格和态度，指导学生调整学习策略；通过问卷调查，采集有关学生非智力因素的数据，运用表现性评价方法，对学生实践活动的表现进行数据采集；建设在线作业平台，利用因子分析、决策树分析、回归分析、聚类分析等方法，对在平台上采集的数据进行分类和挖掘，构建基于学习者“非智力因素”和“作业行为表现”的诊断和预测模型，从认知、动机、情绪等多个层面进行综合干预，帮助学生改进学习。

作业分析的一项基础性工作即建立学生信息收集的平台，以便及时获取作业数据、课堂参与数据、练习数据等过程性信息。这些过程性信息，如个体在平台上的参与度、活跃度，与哪些同伴有交互联系、从哪些同伴处得到了哪些启示、对哪些内容存在认知困难、哪些因素影响了其知识建构等，会帮助我们更为准确地了解每个学习者的个性特征，进而对他们的学习行为和学习风格作出判断。

在进行上述研究的过程中，新技术会成为我们的好帮手。比如：可视化的展示技术可以真实地呈现学习者的学习轨迹、学习特征和行为模式；学生画像可以基于学生标签，全面描绘每个学生的特征，让教师和家长更全面地了解学生表现的各个侧面；学生影响圈子分析可以对学生的生活圈子进行细致分析；交往圈子分析可以通过社会网络图，更直观地展现学生的交往状况。此外，学生知识点图谱（又称知识域可视化或知识领域映射地图）分析，可以用可视化技术描述学生的知识资源及其载体，以及它们之间的相互联系。

3. 认识作业分析的重要价值

其一，促进数据驱动的学习。比如：学生登录系统的时间、访问时长、访问频率、在平台内的移动轨迹、用户参与度、完成作业的情况等，都可以被系统自动捕获并记录。我们可以结合前学习任务的数据、测验成绩、作业与练习题正确率、作业提交情况等，对学生学习行为的数据作出综合分析，描述学生的倾向、偏好等。

其二，促进长程追踪分析学习行为。通过数据的长期累积，我们可以开展纵向对比和追踪研究，形成学生的作业档案、错题集等。

其三，促进对作业相关因素的分析。比如：挖掘作业的影响因素，有助于增强学生的兴趣和信心，建立积极的心理暗示，对学习问题进行正确归因，提升内在动机和自我效能感。

目前实现基于学习分析技术的作业分析仍存在很多困难，如还未建立起学习的外部条件数据和内部条件数据的收集系统。但我们相信，基于大数据挖掘技术的个性化学习分析，会大大深化我们对作业的研究，帮助我们打开作业的“黑箱”。

参考文献：

[1] 尹后庆.见证变革[M].上海：上海教育出版社，2013.

[2] Alfie Kohn.家庭作业的迷思[M].项慧龄，译.北京：教育科学出版社，2010.

[3][4][5] RobertJ.Marzano，DebraJ.Pickering.有效课堂─提高学生成绩的实用策略[M].张新立，译.北京：中国轻工业出版社，2003.

[6] 刘辉.课后书面作业：来自于国外研究者的解读─关于课后书面作业的研究综述[J].中小学管理，2012，（3）.

[7] 黄玉兰.反馈控制教学管理法探讨[J].宁夏教育，1991，（11）.