行为数据分析视角下Moodle平台在线学习力研究

缪佳佳 邹柳聪

摘要：在线学习如今成为人们获取知识的一种重要方式，但许多研究表明，在线学习者的学习效果不理想，很大程度上与学习者的在线学习能力有关。在已有文献基础上界定在线学习力概念与发展模型，综合Moodle平台学生实际学习情况，尝试将行为数据分析技术应用于学生在线学习力分析中。采用滞后序列分析方法可从学习行为序列角度分析学习者在线学习过程中的学习行为，从而在一定程度上评估在线学习力各个维度的能力体现情况，以期为教师教学与学生学习提供指导，达到优化学生在线学习效果的目的。

关键词：在线学习力;学习行为;数据分析;Moodle

DOI：10.11907/rjd k.191269

中图分类号：G434 文献标识码：A 文章编号：1672-7800（2019）012-0256-03

0引言

21世纪的学习建构于信息化基础之上，信息技术与网络技术拓展了知识传递方式。在“互联网+教育”深度融合的背景下，在线教育从形式到内容均发生了一系列根本性变革，Moodle等信息化网络教学平台逐渐成为辅助传统教学、丰富教学资源的重要手段，网络学习课程也成為学习者获取知识的主要途径之一。但目前研究表明，学生在线学习效果不容乐观。如今学习环境的转变、学习方式的改变对学习者在线学习力提出了更高要求，例如在线学习注意力、在线学习毅力、在线学习管理能力等，因而有效探究与评估网络学习环境下的学生在线学习力情况十分必要，对提升学生在线学习水平具有重要意义。

国内外不少学者均针对学习力应用领域进行研究，但大多侧重于学习力提升策略及评价。例如，符水波以程序设计课堂为例，提出学生学习力培育策略模型;李宝敏等通过多轮验证，提出适用于网络学习者在线学习力测评量表。然而，较少有研究从学习行为序列角度分析学习者在线学习行为，进而探究学习者在线学习力情况。因此，本研究尝试将行为分析技术应用于学习者的在线学习力研究中，运用滞后序列分析法评估在线学习力中不同维度能力的具体表现情况，从而探究网络学习环境下的学生在线学习力情况。

1在线学习力概述

1.1学习力与在线学习力

学习力是支撑学习者不断进行学习的各种力量因素的综合系统，在线学习力作为学习力的一个子概念，两者有着密不可分的关系。20世纪60年代，美国麻省理工学院的Forreste首先指出学习力在组织管理中的重要性，促使学习力在教育领域的研究被人们所关注;随后在90年代，Forreste的学生Senge进一步研究了学习型社会，并构建学习型组织模型，使得学习力逐渐成为人们研究的热点话题。学习力作为一个系统性概念，具有丰富的内涵。国内外学者基于不同观点对学习力进行概念界定。在线学习力作为学习力的亚概念，可以从学习力的属性中引申出来。

1.2在线学习力发展模型

传统教学与学习环境发生了很大变化，在线学习发生的外部条件为开放的网络环境，然而其必须与学习者的内在学习因素共同作用才能促使在线学习发生，最终形成学习者的在线学习力。在线学习力是在线学习情境中体现出的有意识的行为，其存在于人与人之间、人与网络环境及在线活动之间，与人的思维和情感相关，并通过人的行为表现出来。综合各学者提出的在线学习力相关概念，结合实际研究条件，将在线学习力定义为：在网络环境支持下，学习者充分利用信息技术与网络资源内化知识一系列能力的综合体，包含学习动力、信息检索力、管理自控力、学习互惠力以及反思策略力5个维度的能力。

2在线学习行为

在线学习力的体现形式即在具体网络学习情景中展现的有意识的主动学习行为，学习者在某种动机牵引下，为了得到某种学习结果而与线上网络环境进行双向交互活动，则产生了在线学习行为。各个维度能力均可通过各类学习行为加以体现，可以通过对学习行为的有效分析，评估在线学习力各个维度能力情况。例如，有效理解并合理使用线上资源的行为可在一定程度上体现学生的信息检索力。

2.1在线学习行为数据

在线教育平台提供线上知识传播模式和学习方式，重视学习者学习意愿与使用体验。线上平台存储了大量学习者数据，主要为学习者行为数据。例如，Moodle平台是一个被广泛采用的开源网络学习管理系统，其可以跟踪与记录学生的每一个学习动作，自动生成并保存为与行为相对应的学习者日志数据，储存在Moodle平台数据库中。

通过分析学习者在网络学习时产生的数据，可得到学习者的学习动态与学习轨迹，从而重现学习者的在线学习过程，评估其在线学习力各维度能力情况。

2.2在线学习行为分类

学习者在学习过程中与操作平台进行交互进而产生在线行为数据，在线学习中操作行为较为多样化，并随着操作对象的不同而变化。为了更清晰地了解学习者行为类型，从而更好地探究在线学习力情况，应对在线学习行为进行分类。

根据行为科学理论，学习者基于自身需求通过在线学习平台进行学习活动，并产生学习行为。学习者基于查看课程计划、导学内容、学习成绩等需求，产生登录行为;基于资源需求，产生资源访问行为;基于查询学习内容、学科工具、课程内容等需求，产生检索行为;基于与他人交流协作的需求，产生论坛交互行为;基于反思自我、评价课程与同伴需求，产生评价反思行为;基于学习任务完成需求，产生作业相关行为。根据在线学习发生过程与学习者需求，将在线学习行为分为系统行为、资源检索与访问行为、交互行为、评价反思行为共4类。

3Moodle在线学习力研究

综合Moodle平台学生学习的实际情况，试图将行为数据分析技术应用于学生的在线学习力分析中，运用学习分析方法、学习分析工具预测并诊断出学习中出现的问题;通过真实可靠的数据结果，评估在线学习力各维度能力的具体变化情况，以便在后期教学中及时进行干预并提供指导，达到优化学习效果的目的。

3.1行为数据分析视角下的数据收集

Moodle平台是一个开源网络学习管理系统，其可以跟踪并记录学生每一个学习动作，自动生成并保存为与行为相对应的学习者日志数据，储存在Mooodle平台数据库中。学生基于Moodle平台的课程学习活动包括课程理论知识学习、与教师或同伴讨论交流、课程资源下载与学习，以及完成线上实验报告或课后作业等。将学习者在平台上的学习过程数据记录在数据库中，形成研究使用的数据集。日志数据表利用系统日志记录学习者在平台上的各类行为信息，包括操作行为与行为轨迹。跟据日志数据可统计学生的在线学习基本情况，对于后续研究学生线上学习效果可起到一定辅助作用。

3.2学习行为数据编码与处理

Moodle平台支持资源共享与师生交互行为，由于学生在学习动机、学习需求和学习方式等存在差异，继而产生不同的学习行为日志记录。原始学生行为日志记录了各类行为动作信息，学生日志记录共包含日期、时间、学生用户、事件内容、事件名称5部分内容。为了区分学习活动中的有效动作，首先有针对性地对汇总的学生日志记录进行学习行为数据分类，通过分析日志数据中的不同学习行为，区分不同学习活动的有效动作，合并相似的学习行为，从而将记录的学习行为或互动内容转换成一致且有意义的归类。本文将所有行为分为6大模块（共包含20种行为），分别为测验（Q）、程序教学（L）、互动评价（E）、讨论区（F）、资源（R）、作业（A）。

3.3学习行为数据分析下的在线学习力

对在线学习行为进行分类整理后，可体现学生在线学习活动的具体情况。学生根据自身学习需求在Moodle平台上进行学习活动，若采用滞后序列分析方法进行Moodle平台学生行为日志的学习过程数据挖掘，并使用交互序列分析软件GSEQ进行数据分析，可从学习行为序列角度分析学习者学习行为，通过各类学习行为中体现出的行为习惯等，从一定程度上评估在线学习力各个维度能力体现情况。如表l所示。

选取Moodle平台上的一门网络技术课程作为数据研究示例，提取与收集后台数据库某一学生的在线日志记录，将一种行为向另一种行为的转换定义为一个行为序列，并用两种行为的编码组合表示两种行为形成的序列。组合中行为编码前后顺序代表该序列中行为转换的方向，例如学生完成测验模块学习后，继而进行讨论区的读，发帖行为则记录为Q-F的行为序列。根据行为编码情况计算出每个序列发生频率的z-score值，通过计算学生编码行为之间的z-score值，可得到每个学习序列模式的显著性水平。根据z-score的大小可以解释模块行为序列之间是否存在显著性关联，当z-score值大于+1.96时，则证明所对应行为序列出现的频次达到了统计上的显著性水平（p<0.05）。

根据以上行为序列，绘制出模块行为间的学习行为转换图（见图2），以图示的方式进一步勾勒模块行为序列之间的显著性关联。图中箭头代表学习者行为转换的方向，箭头上方数值代表每个行为序列的z-score值。观察行为转换图可以发现，该学生在不同模块间的行为转换体现了在线平台学习行为特性，可对其作进一步详细分析，以探究该学生在各个模块活动中体现出的相关能力情况。

4结语

本文对文献进行汇总与分析后，综合现有在线平台实际使用情况，发现在线学习者的学习效果不太理想，因此在文献基础上界定了在线学习力概念及发展模型，探究与评估网络环境下学生的在線学习力情况。综合Moodle平台上学生学习实际情况，尝试将行为数据分析技术应用于学生的在线学习力分析中。通过滞后性行为序列数据分析发现学生在学习过程中出现的问题，根据真实、可靠的数据结果评估在线学习力各维度能力具体变化情况，从而为后期教师教学与学生学习提供指导，达到优化学生在线学习效果的目的。

由于在线学习力的不可见特性，需要通过分析与评估工具作进一步可视化展现。虽然目前在线学习力研究仍然面临一些困难，但不断发展的新技术也会成为新的机遇和挑战，探索在线学习力评估方法、诊断学习者在线学习能力仍将是未来的研究热点。