学习分析技术视角下学堂在线慕课“新理念英语”运行情况分析

刘恩祥，熊薇薇，石 澧

（深圳信息职业学院应用外语学院，广东 深圳 518172）

引言

信息技术的迅猛发展以及各种移动智能终端逐步普及，给教育教学带来了深刻的变革，各式各样的在线学习平台、教学管理系统、自适应网络学习体系、教育云端服务等应用迅速兴起，这些基于网络的教学模式在各个层次教育中得到了广泛而深入的应用。基于网络的教学因其丰富的资源和时间、空间上使用的自由性被广大学习者所喜爱，逐渐成为当今社会一种主流学习方式和途径。在此背景下，深圳信息职业技术学院英语教学团队在过去十多年的英语教学中积极借助计算机、网络技术等现代化教学手段，实施了一系列的教育教学改革，根据高职英语课程教学需求先后引入以及构建了一批网络教学平台和网络课程及教学资源，在一定程度上满足了学生的不同学习需求，供学生进行在线学习。[1]2018年9月开始，教学团队建设了基于学堂在线慕课平台开放课程“新理念英语”，教学团队在全校2018级学生中实施了基于这门慕课的两轮混合式教学实践。

慕课平台英语网络课程为学生们提供了灵活、开阔及便捷的学习空间和学习机会，但在教学实践中，我们发现，采用任何一种新的教学模式或是技术手段，都存在一个学习适用性的问题。我们的学生在这个网络课程混合式学习过程中能够在多大程度上实现真正意义的自主学习和探究式的学习，教学的有效性怎样以及学生学习风格和行为倾向如何，还有网络平台存在哪些障碍等问题，我们还不清楚。为探索以上问题，本文将基于学习分析技术的视角，对在学堂在线开设的网络开放课程“新理念英语”（线下课程名称English For You）运行情况进行分析研究。本文通过对课程在慕课平台两轮教学实践生成的数据和信息进行收集和分析，探析我校学生网络环境下的学习习惯、学习行为、课程互动模式、学习成绩分布等情况，整体了解课程的健康度，为后续课程进一步优化设计及实施应用提供依据，进而切实提高学校高职英语教学水平。

1 理论基础：学习分析技术

学习分析技术（Learning Analytics，简称为LA）源于大数据，是大数据在教育教学领域的代表性应用。自2011年以来的连续几年，美国新媒体联盟（New Media Consortium，简称 NMC）发布的《地平线报告》将“学习分析技术”视为影响教育发展的主要趋势和关键主流技术[2]，得到教育界广泛关注，成为学界研究热点。这一技术在最近几年里，已发展成为改变教育、促进教育发展的主流应用。随着教育信息化不断深入，广泛使用的各类网络在线学习系统中产生并存储了大量学习者基本信息数据和学习行为数据，例如课程数据、学习者特征数据、学习日志、师生交互数据等。在研究人员看来，这些数据蕴含着能够帮助改进服务、提升教学质量的强大知识与信息资源，然而如何对这些数据进行有效的分析并提出相应对策从而提高学生在网络环境下的学习效果，提高基于网络的教育质量是学习分析技术的主要研究面向和内容。学习分析领军人物Siemens和Brown先后指出，学习分析技术是信息技术在教育教学领域的深度应用融合，已日益成熟，能够有效辅助基于网络大数据的教与学及教学管理，为教学过程提供智能性决策支持，提升教学效果和质量。[3]学习分析技术的核心是收集与教学相关的分析数据，其目的是评估、预测学习者的学习状态和学习效果；终极目标是为学习者提供个性化学习支持。学习分析技术包括数据收集、分析、学习行为、报告反馈和干预指导五个环节。数据收集：这些数据可以是来自学习平台运行过程生成的信息，也可以是通过学习者就学习相关情况进行问卷调查去获取的数据信息。分析：采用学习分析的工具或是方法将收集的数据信息进行分析，分析结果多以表格、图表等可视化的形式呈现出来。学习者学习：学习分析核心的分析对象就是学习者学习。通过学习分析，可以呈现给教师相关信息，如学习者在做什么、他们的时间分配、学习效率以及学习进展等。反馈：学习分析的结果对于教师、学习者以及管理者具有多重用途和反馈意义。学习者可将分析结果用作自身学习的一个监督量表。对于教师和教学管理者来说，他们可以依据分析结果重新改进教学活动，提升教学质量。干预：学习分析所起的作用不仅仅是反映判别学生处在怎样一个学习状态中，更重要的意义在于通过这些收集和分析的数据，掌握学生在课程学习中的特定阶段和特定活动，为学生个性化学习和指导提供了依据。[4]

在传统的线下教学过程中，也能产生一些数据和信息，但所采集的数据往往不够充分，信息化程度较低，而且分析结果用于干预教学的周期过长，效果不明显。基于信息技术的慕课平台具有强大的数据收集和生成功能，可以为学习分析技术应用于教学服务提供强大的数据基础和保证。

2 课程实施和数据收集过程

2018年9月，教学团队在学堂在线慕课平台上建设了与线下课程English For You配套的慕课“新理念英语”，在2018-2019学年两个学期面向全校新生班级先后两批实施了混合式教学。为了做好本门慕课施教工作，教学团队进行了多轮研讨，制定了相应的工作计划和人员分工安排，给相关施教教师开展了相关的培训工作，确保了本课程的实施效果。

本文的研究分析数据和信息来源于两个方面。第一类数据和信息来源于“新理念英语”课程在学堂在线慕课平台教学实践，这类数据可以通过慕课课程平台后台数据导出，且具有可视化的特点，能够动态且多维度地展示要表达的数据意义。第二类数据来自针对学生在慕课学习过程出现的问题而做的问卷调查。教学团队在慕课教学第一轮结束后对学生开展了问卷调查，该问卷共设计了18个封闭式的问题，借助问卷星小程序对近788名学生进行了抽样调查，收回有效问卷753份，分别从学习习惯、学习策略、课程学习内容、学习效果等方面对学生进行调查。此类数据已有靳智博（2019）[5]从学习者角度的详细分析，涉及对学习内容体验的满意度、网络学习存在的障碍以及网络学习需求等信息。上面所述两类数据各有意义，各有侧重，互为补充，可以从不同角度解析本慕课的运行情况。本文的分析对象主要集中在第一类数据上，我们将借助学习分析技术，从课程运行生成的数据信息视角来进行分析解读，剖析课程的总体运行情况，为进一步课程优化、改进学习实践、提升学习效果提供依据。

3 数据分析

3.1 课程基本数据信息

表1 慕课课程基本数据信息

通过以上数据，我们可以发现本课程两个学期的选课人数都超过了3200人，两个学期学习者数量的差别不大，但课程学习者数量在学堂在线所有慕课课程中名列前茅，后续的数据雷达图（学习者规模指标）有相应说明；两个学期的校外学习者在全国的分布达到30个省份，说明本课程有一定的影响力和辐射效应；两个学期校外选修人数有一定的差异，2018年秋季的课程人数是2019年春季学期的将近两倍；学习者的考核成绩相差一分多，其中的原因可能是在第一轮结束后，我们对试题进行修改，增加了一定的难度；两个学期的完课人数都达到1800人以上，完课率都超过了55%以上，这个数据对于网络在线课程完课率整体平均不到10%的数据来讲还是比较理想的。

3.2 课程健康度

图1 课程健康度雷达图

上表中第二行显示的两个雷达数据图为本慕课两个学期的课程健康度指标。课程健康度主要从学习者规模和学习社区运营两个方面5个子指标来概览式地展示课程运营整体情况，五个指标分别是学习者7日活跃率、学习者总规模、讨论区发帖回复率、讨论区人均互动与次数、讨论区参与规模，这些子指标能基本上大致评估课程整体运行健康程度。从图中数据来看，每个雷达图都有五个评估的维度，整体来讲，两幅图每个维度的数据都大幅度超过同期运行的课程，反映了本慕课整体运行健康良好。从两幅图的对比情况来讲，2019春的数据整体优于2018秋的数据，原因是教学团队对在2018秋的课程运行过程中出现的问题进行了收集分析，对课程进行了相关的优化，特别是针对反映课程学生互动性问题的第三个指标做了相应的改进。就两幅图数据整体存在的问题情况来看，在第二、第三和第四个指标维度还有进一步提升的空间，后续的教学可以针对这些问题对课程采取相应的改进措施。

3.3 学习习惯

学习习惯主要指学习者的时间、学习媒介方式选择以及学习环境三个方面。

图2 学习热点活跃时间

上图2数据来源于慕课平台，展示的是学习者学习活跃时间热力图，该图可以非常直观地展示用户的学习习惯（比如说喜欢在周几学？喜欢在哪个时间段学？），格子颜色越深表示当日该小时的在线学习人数越多，是反映学习者学习习惯的重要指标之一。根据上图可以发现，两个学期的热点时间在星期的分布上差异明显，但是大致相同的地方都体现在具体的时间段上，学习者基本上都习惯于在晚上学习。这个学习热点活跃时间，可以提醒教师在学习热点时间适当安排教师或是助教在线进行答疑。

在线学习者学习习惯还可以体现在学习环境的选择上，具体来说有两个方面，一是学习媒介和学习场所的差异。以下两个数据来源于问卷调查：

表2 学习媒介问卷调查情况表

表3 学习场所问卷调查情况表

根据表2，我们发现，很奇怪的是超过56%的学习者采用的是台式电脑方式来学习在线课程，而不是用包括手机在内的通行的移动终端来进行学习。经过与学生沟通了解其中很重要的原因是：学堂在线的APP在用户体验友好性方面有需要改进的地方，主要体现在注册过程稍显繁琐，课程视频播放界面和习题布局存在问题。表3体现的是学习者偏好的学习场所情况，高达72%的学生选择在宿舍进行慕课学习，这个数据和表2的使用台式电脑的数据高比例情况存在一致性，说明学习者习惯在宿舍用台式电脑进行学习。

3.4 课程互动模式

课程的互动模式主要反映的是学习者在慕课学习中与老师及学习同伴之间交流的情况，在慕课学习中主要通过在线课程论坛发帖和回帖来实现，通过课程互动模式可视图可以帮助我们了解学习者学习过程中整体论坛中发言趋势是怎样的、哪个时间段是互动的高峰时间、哪些同学比较活跃、谁和谁之间互动比较多、谁是整个讨论区的关键人物等信息。

学堂在线课程平台提供了两组可视图来展示课程互动情况，第一组图为波峰曲线图，第二组图为网状关系图。下面逐一进行展示分析。

课程互动模式 第一组数据 互动波峰图

图3 2018秋课程论坛互动波峰图

图4 2019春课程论坛互动波峰图

图3和4分别展示的2018秋季与2019春季两个学期课程学生通过论坛进行交互数值及分数段学员分布等维度情况，图水平轴显示的是学习时间周期，竖轴代表的发帖和回帖的数量，其中水平轴以上的代表发帖数量，水平轴以下为回帖数量。通过两个图形的整体对比，发现两个学期课程互动存在显著差异。2019年春季课程互动情况比2018年秋季课程互动情况表现好。从图形形态上可以看出，2018年秋季的波峰图主要集中体现在水平线以上，但水平线以下波峰图面积很小；而在2019年春季的波峰图主要分布在水平线以下，而且起伏幅度总体比较平衡。从数据数量上来看，在2018年秋季课程中发帖数达到1001，但回帖数仅有155，说明互动不活跃；而在2019年春季的课程中，互动情况较好，发帖数虽然不是很多，为234个，但回帖数达到1367个，仅有34个帖子未回复，平均每个帖子的回复数量平均达到接近7个，说明互动情况良好且深入。就单个学期的互动数量情况来看，2018年秋季学期学生发帖的高峰值大约在12月23日左右，说明该时间段对应的学习内容可能对不少同学构成难点，学生学习存在疑问；通过波峰图的颜色分布面积大小可以看出，代表黄色的60-99分学员是课程互动的绝对主力，他们在学习中存在的问题和想要去寻找帮助的人最多；另外，通过图形我们还可以发现，本学期回帖的人员基本上为助教，互动主要体现为师生的互动，学生参与的回帖情况极少，说明生生互动缺乏。就2019年春季学期的图形数据来看，本学期的交互情况比较良好，主要体现在帖子回复情况比较活跃，除了助教老师参与回复外，还有大量学生参与回复交流，生生互动频繁，而且各个分数段的学生都有参与。

第二组图 网状关系图

网状关系图展示课程互动情况更为直观，能够清楚体现出课程互动的频繁度以及个体与其他个体之间互动相关性。

图5 2018年秋季课程互动网状关系图及最活跃交互者关系图

图6 2019年春季课程互动网状关系图及最活跃交互者关系图

图5和6分别展示的2018秋季与2019春季两个学期课程学生通过论坛整体交互的网状关系图，通过图形我们可以清楚地知道学习者之间互动活跃度和参与互动的人之间相互关联性。网状关系图线条数量的多少和交织程度的密集度体现互动的情况多少和频繁活跃度。就两个学期的整体交互网状关系图对比来看，2018秋季学期图中线条比较稀疏而且交织密集程度不明显，而2019春季学期图中的线条比较多，分布也相对平均，交织密集程度显著，这直观地显示出2019春季学期的课程互动情况良好，优于2018秋季学期。在上图交互网状关系图中，所有参与互动的学生和老师都分布在圆周线上，参与互动次数越多的人，其所代表的圆就越大（见图中箭头标示部分），这些圆圈的大小可以帮助施教者非常容易地发现课程互动最活跃的学员或是助教。两图中的右边部分展示的是两个课程中互动最活跃的学员与其他学员的交互情况，每条线条都代表与其他学员或是老师的课程互动行为。

3.5 学习者学习成绩与学习行为关系图

学堂在线平台用散点图来展示学习者学习成绩与学习行为之间的关系，我们知道散点图一般适用于研究大规模数据中两个或三个变量之间的相关关系，同时散点图还可以用来显示变量的分布情况。图7和图8分别展示的是2018秋学期学习者成绩与学习行为相关性散点图和2019春学期学习者成绩与学习行为相关性散点图，图中实际展示了三个维度的数据信息，横轴代表的是学习者课程学习过程中观看视频内容这一学习行为的比例，而竖轴代表的是学习者课程成绩得分率，图中的每一个气泡小圆圈其实代表的是每个学生的学习成绩和学习行为的分布位置，气泡的大小代表着讨论区发帖数量的多少，属于第三个维度的变量。这两个图也被称为气泡图，属于散点图的变体和升级。气泡图虽然展示的是三个维度的数据和信息，但这两幅图主要要揭示的是课程观看学习行为和课程成绩两个维度的相关性。作为一种数据分析工具，根据其数据的分布情况，散点图揭示的是这两个变量之间的密切程度，并不直接指因果关系。

图7 2018秋学期学习者成绩与学习行为相关性散点图

图8 2019春学期学习者成绩与学习行为相关性散点图

根据图7及图8，我们可以看出两个学期的散点图具有很大的相似性，学习者密集分布的区域依次右上角、左上角以及左下角，分别代表的是高观看比例高成绩值区域、低观看比例高成绩区域，以及低观看比例低成绩区域。就两个学期的散点图单独来看，根据散点图相关分析技术[6]，图中横轴和竖轴两组数据都不存在关联趋势，即两个学期学习者的课程成绩与学习观看视频比例不存在相关性。

4 结论与建议

上述我们对基于学堂在线课程“新理念英语”两个学期运行所生成的基本数据从五个方面进行了分析和解读，揭示了本慕课课程整体的运行情况。有了这些数据分析和解读，根据学习分析技术应用于教育教学要求，我们要实现理解、优化学习和学习环境目的目标，就要通过干预指导这个环节或手段来实现。就学堂在线慕课平台而言，学习分析可以在学习者、课程设计及施教人员和慕课平台设计运营人员三个对象上实施干预指导，提出建议实施优化，具体如下：

4.1 学习者层面的干预

根据可视化的数据，如图5和图7可以让学习者知道自己在课程互动以及课程成绩、学习行为等方面的定位和表现，以及与他人和整体学习情况的一个对比，发现自己的不足和优势，进而可在一定程度上帮助学习者对自我学习产生清晰的认识和评估，从而进行自我改善和提升。

4.2 课程设计及施教人员的干预

课程设计与施教人员作为课程的组织实施者，其干预活动具有主导意义，可以在教学内容、教学环节以及教学评价等各方面进行。如根据图1课程健康度指标图，可以针对薄弱的维度进行相应的分析和提出对策进行补强；根据反映学生学习习惯的表2和表3，可以加强相关学习支持服务，如在学生学习的高峰时段安排老师在线进行答疑指导，以及与学校有关部门沟通，将闲置机房资源晚上开放给学生学习使用，对于场地依赖性学习者来讲，集中学习可以提升他们对于在线课程重要性的意识以及学习的效率；根据图4和图7的信息，课程设计人员可以从考核手段入手，设计对学生参与课程互动和观看视频时长行为的激励性措施。

4.3 慕课平台设计运营人员的干预

慕课平台是实施在线教学的决定性因素，其平台的设计至关重要。其干预活动是要根据生成的数据和分析结果，使学习平台的功能与环节设计更加适应学习者和课程设计及施教人员的要求，特别是学习者的要求，提供适合学习者需求的各种学习支持服务。如根据表2和表3的信息，反映出学习者在学习媒介和场地方面反映出来偏好实际是因为平台APP小程序以及视频播放等方面存在不足所造成，因而，平台设计人员可以在平台学习路径和用户体验的友好性做优化提升。平台设计人员还可以生成更为细化的学生个人化数据中心，为学习者和老师提供个性化的学习诊断数据，实现学习预警、学习资源推送、互动建议以及学习方法推荐等功能。

5 结语

综上所述，本文依据学习分析技术，对基于学堂在线慕课课程“新理念英语”教学运行实践情况进行了初步分析探索。在网络教学已日益成为当今和未来高职外语教学重要而普遍的学习方式和途径的形势下，学习分析技术会越来越显现其重要性，作为高职外语教学的践行者，我们应理解和把握学习分析这一新兴技术，思考这一技术与外语网络教学的融合，运用这一技术来解决目前网络教学中存在的问题，切实优化学习过程和提升学习者学习绩效。