基于学习分析技术的大学生网络课程学习行为研究

李 莉

（文山学院 信息科学学院，云南 文山 663099）

随着人们认识和管理水平的提高，生活学习中的行为产生并存储的数据量越来越大，网络学习中的学习行为数据被认为是实现网络学习资源开发，解决教师教学中教与学的重要问题的关键，由于数据存在一定的时效性和价值性，对于提升教育教学效果而言，会随着时间的推移而降低，虽然对于数据的一般查询可以满足某些需要，但从数据资源中分析出对教学管理有指导意义的信息性知识仍然较少。因此，通过学习分析技术分析学生在网络课程学习中产生的学习行为数据，探讨其特点和规律，其研究结果有益于网络课程管理者和设计者的管理和教学研究。

1 研究目的及方法

1.1 研究目的

高校公选课有助于拓展学生视野，提升学生各种综合能力素质，但目前部分高校课程开设过程中学生找不到意愿课程学习，如校内教师资源的限制、各专业课程上课时间与校级公共选修课的冲突，以及教学资源缺乏等问题。因此在高校开设一些网络选修课可以缓解高校公选课师资设施缺乏的问题，还能够很好地锻炼学生的网络自主和协作学习能力。

利用学习分析技术的分析工具和分析方法，从概念、模型、影响因素等理论层面的研究转向将学习分析技术运用于网络课程学习中，围绕着教学活动组织实施的核心内容，包括教学任务、学习过程、学习成果考核等方面，对学生网络学习行为的数据进行分析和可视化，发现隐藏的信息，分析网络教育平台的日志。因此，将网络课程学习中学习行为数据进行分析和可视化，挖掘学习行为信息，为网络课程开发者能更好地设计出高质量的网络课程提供参照。

1.2 研究方法

本文通过收集学习者在尔雅网络课程中的学习行为数据，利用UCINET、SPSS、EXCEL等数据分析工具软件对学生在网络课程中的各种学习行为数据进行分析，并对收集的数据进行可视化处理，从而提炼出数据中的有效信息，分析学生在网络学习中的行为特点和规律。

2 结果与分析

2.1 相关概念的界定

2.1.1 学习分析技术及其特征

2012年地平线报告中指出学习分析技术是运用多种数据分析工具，对学生在网络课程学习过程中产生的学习行为数据进行有效的、多维度的分析[1]，找到学习者学习的规律和特点，以帮助教师或网络课程管理者更好地实施教学，制定个性化的网络课程。

学习分析技术所分析的数据来源广泛，能对其分析的工具多样，学习者在网络课程学习中发生的各种行为数据，或是各类学习管理系统中管理者管理的数据，能对数据分析结果进行可视化处理，使复杂的结果简单化[2]；对教师或网络课程管理者以及学习者进行评价，比如对学习者的学习状况和学习成绩评价、对课程资源的评价，如课程是否需要丰富内容，是否合理等。对教育环境的评价包括教育平台的设计是否合理以及物理环境分析等。

2.1.2 网络学习行为

学习行为一般界定为学习者在学习过程中产生的能够观察和测量的外显行为，如学习习惯、交流沟通方式这些内隐的学习思考的一般过程[3]。而网络学习行为是学习者在日常的学习过程中为实现自己的学习目标，借助互联网、计算机技术以及各种网络交流工具、软件工具，在具备交互式机制的各种互联网环境中，进行显性学习的活动。网络学习行为的主体是学习者，数字化的学习资源是学习发生的环境即网络学习环境。

2.1.3 学习分析技术的分析框架及分析工具

建立学习分析框架有以下几个步骤，第一，获取学习者在学习过程中产生的数据。第二，根据具体情况确定数据分析的方法和工具，如采用UCINET、SPSS、EXCEL软件工具，对数据进行整理、归类和分析。第三，呈现分析报告，呈现数据可视化报告以便直观地理解自己的学习行为及方式。最后，学习者根据分析报告对自己学习过程的反思以及教师通过分析报告了解和掌握学习者的学习情况，针对具体的问题为他们提供相关的学习建议或者推送相关辅助性学习资源。其框架如图1所示。

图1 学习分析框架

2.2 数据分析

2.2.1 数据获取

超星尔雅平台上系统地记录了学习者的学习过程信息，管理者可导出详细的日志详情，日志数据表中记录着每个实验对象的操作情况，如登陆次数、课程访问次数、讨论次数等数据。这些数据就作为学习分析技术在网络环境中进行学习及评价研究中的数据来源。

2.2.2 多角度数据分析及结果可视化

2.2.2.1 学生交互关系视角

社会网络分析法是一种量化的研究方法，可以对学生交互关系进行表征。学生在平台上的交互情况在一定程度上反映了他们的课堂参与情况，是教师对学生进行评价的一个重要参考指标。以《世界古代文明》课程为例，从学生参与交互的数量和学生交互情况，对为期两个月时间所累积的访问数据进行分析，研究学生参与交互的行为数据在网络学习中的应用价值。对研究对象进行编号 01，02，03，04……68。而A、B、C、D、E、F分别代表的是事件课程访问、 登录、完成任务点、获得测验成绩、提交测验、讨论。将数据导入到UCINET软件中，利用UCINET中的NET-Draw将学生的二维矩阵转换为可视化的网络结构图，如图2所示。

图2 学生交互关系图

从对学生交互关系图的分析来看，所有学习者基本都参与到了课程中来，社交网络互访图显示没有孤立的学习者，且有些学习者很积极，访问了很多的模块，在关系网中起到了桥梁的作用。图中显示，事件F代表的讨论模块仅有两位同学对此进行了访问，其余同学都没有进行访问。有些学习者之间通过互访渐渐熟悉，为以后的课程学习奠定了关系基础，可在后期的学习过程中相互请教和帮助，促进共同的进步。

2.2.2.2 每个学生的资源访问情况统计

根据统计结果，表1列出了每个学生访问网络平台的主要模块的次数，仅显示部分数据。根据accesslog（课程访问）、login（登录）、jobfinish（完成任务点）、ceyascore（获得测验成绩）、ceyaanswer（提交测验）、bbslog（讨论）这6个模块进行了聚类分析，探究学生访问模块的规律。采用IBM SPSS Statistics数据编辑工具进行分析，以accesslog（课程访问）、login（登录）、jobfinish（完成任务点）、ceyascore（获得测验成绩）、ceyaanswer（提交测验）、bbslog（讨论）为变量，对68个学习者的频次进行聚类分析，选择的是组间连接聚类分析方法。

表1 学生访问各模块的次数统计

根据聚类结果绘制出三种类型学生的雷达图如图3所示。

根据图4的聚类分析结果雷达图，可得出如下结论，第一类学习者（编号为19，42，48，61）对各个模块的访问频次都比较高，除了讨论模块，在通过课程访问学习到知识之后也积极地完成任务点，这类学习者学习的动力源于本身的内驱力，积极度高，教师应当给予鼓励和表扬。第二类学习者对课程访问模块和登录模块的访问次数比较多，但是完成任务点模块的访问度较弱，故教师要鼓励这些学生多参与学习，并检查他们所浏览的课程知识是否已掌握。第三类学习者对各个模块访问次数相对比较低，属于独立型学习者，适合自学，但总体来说，第三类学习者需要教师更多的关注和干预。

图3 聚类分析结果的雷达图

综合学生在网络课程中对各模块访问的数据，可以得出各个模块的访问频数。横坐标为活动类型accesslog（课程访问）、login（登录）、jobfinish（完成任务点）、ceyascore（获得测验成绩）、ceyaanswer（提交测验）、bbslog（讨论），纵坐标呈现的图形为每门课程在同一时段内学生的访问次数，统计结果如图4所示。

图4 较频繁的活动类型

从图4中可以看出访问次数最多的活动类型是课程访问模块，为1 388次，访问次数最少的模块是讨论模块仅为3次。从分析数据得知学习者较注重课程的访问，但忽视了在学习过程中与他人的交流，其原因经调查访问得知，学生访问课程是因关系到学分的获得，为此学习者应该进行反思并培养对学习本身的兴趣，在学习的过程中多与其他学习者进行交流，有助于学习习惯的养成和知识的获取。

3 研究总结和启示

3.1 研究总结

研究以超星尔雅平台的网络课程学习为实验研究对象，学习者自进入平台，登陆课程开始学习之后、所有的行为数据都被记录下来，包括访问各个模块，发表帖子、提交作业等，这些数据会作为学习者的学习过程和学习指标被收集和分析，利用学习分析工具对这些数据进行分析和可视化解读，将分析结果通过一定的形式反馈给学习者、教师、网络课程管理者，便于他们对学习方法、教学策略、课程模块进行调整和优化，在最大程度上满足学习者和学习管理者的需求。

（1）从学生交互关系网络的整理分析和数据可视化看出，在学生网络学习的过程中，学习者都参与到学习的过程中，没有孤立的学习者，有些学习者还表现出较高的积极性。

（2）对课程模块访问频次的整理分析可以看出学习者比较注重课程的访问，而忽视了在学习过程中与他人的交流。对课程的访问关系到学分的获得，所以学习者对此模块访问比较积极，学习者应该进行反思，不能为了完成任务或者获得学分而学习，要培养对学习本身的兴趣，为了学习而学习。在学习的过程中也应该多与其他学习者进行交流，培养学习的兴趣，更有助于学习习惯的养成和知识的获取。教师应当考虑如何提高学习者对知识本身的学习动力，督促学生多进行讨论和交流。对于课程管理者来说，应该检查讨论模块的设置是否合理，是否具有交互性，资源模块设置是否妥当。

（3）对每个学生各自的访问量进行统计可得出课程中最活跃的用户和最不活跃的用户，对积极参加网络课程的学习者给予鼓励和表扬，建议教师对不活跃的学习者进行适当引导，鼓励他们参与在线讨论和相关的学习活动。

3.2 研究结论对策

通过学生学习的行为数据分析结果显示，突显出了一系列的有关学习质量的问题，为改变这一现状，可以适当加上相应的举措。

3.2.1 建立学习支持系统和助学制度

通过学习分析技术的可视化显示，学生参与到的讨论模块行为基本上都是无效的，所发言内容与学习课题无关，且答疑环节未能发挥应有的督导作用，学习者不能有效地控制自己的学习进程和监管个人的学习行为，答疑等学习支持系统比较缺乏或者不完善。学习者的学习行为是在一定的情境下与周围环境交互的结果，在这个环境中，应该具备促进学习者学习的各种工具和辅助支持手段。因此，为更好地促进学习者的网络课程学习应重视学习支持系统的设计，建立完善的学习支持服务系统能够使教育者和受教育者及时获取和反馈教学信息，以营造有利于学生个性化自主学习的环境和氛围，在学习方法、学习环节等方面为学生提供及时有效的帮助和服务，在实践性教学环境方面为学生提供实验。实行网络选修课教师助教助学制度，专业教师对学生的学习进行监管，加以干预，督促学生注重同学间的交流、讨论，多与其他同学互动、分享知识，最大程度上保证学习者网络学习的质量。

3.2.2 实现网络课程资源的移动学习方式

充分利用好网络优势和特性，将传统学校教育与网络教育二者优势充分挖掘出来，充分发挥网络课程在学校存在和发展的现实意义，充分利用网络资源，实现对网络课程资源的再开发，实现资源的整合，转换学习者学习利用网络课程资源的学习方式，充分发挥移动学习的优势，对网络课程资源进行存储加工，以保证学生能够根据自己的实际需求随时随地的学习，例如开发网络课程的手机APP，扩大教育机会，提供便利学习的手段。