基于PSLC平台的学习者学习行为分析及研究

李梦琦 刘静涵

摘 要：在线环境下的学习者学习行为研究对解决教学资源开发及利用、探索学习效果的影响因素等问题具有重大的理论价值与现实意义。本研究在学习者学习行为分析中采用PSLC（Pittsburgh Science of Learning Center，译为匹兹堡科学学习中心）平台对在线环境下影响学习结果的学习行为进行分析，便于资源管理者及任课教师掌握学习者的学习情况，为以后调整教学资源、改善教学效果提供实践基础。

关键词：在线学习;学习行为分析;PSLC

中图分类号：G434 文献标识码：A 文章编号：1671-2064（2020）02-0255-02

0引言

随着“教育”+“互联网”模式的愈发成熟，学堂在线、中国大学慕课等在线教育平台受到了学习者的关注与喜爱，随着注册用户数量与课程数量的逐渐增加，对在线环境下学习者的学习行为进行分析具有重大的理论价值与现实意义。从理论价值来讲，在线学习不同于传统的课堂学习，在线环境下，学习者的学习过程更加自主化、个性化，对在线环境下进行的学习者进行行为分析，有助于完善教与学分离所产生的问题，解决个性化学习开展等问题;从现实意义讲，对在线环境下学习者的学习行为进行分析便于对学习者的各种特征进行规律性总结，从而得出对学习行为产生影响的因素，有助于教师进行针对性的教学改进、在线课程的合理设计和教学资源的有效利用。为此，本研究从在线学习者学习行为的研究出发，归纳现有的学习行为内涵，并对其与学习结果的关系进行总结。提出学习者作答持续的时间对学习结果存在负向影响的假设，使用基于PSLC平台下的在线学习行为分析模型进行实验验证，证明影响学习行为的因素的可靠性，并提出相应的教学资源调整的策略。

1概念界定

1.1学习行为界定

学习行为指的是学习者在学习过程中所产生的一系列与学习有关的行为，一般可分为可被观测的学习行为和不可被观测的学习行为。其中可被观测的学习行为包括学习者在作答時的情况（作答时间、是否使用提示等）、作答所用的时间等学习过程结束显现的行为等在学习过程中可被观测的行为，如学习的内容、知识点、题目类型等。不可被观测的学习行为即在作答过程中不可被观测到的行为或状态，包括学习者对知识的掌握情况、学习态度是否积极、学习动机等。

对于学习者学习行为的分析，多数研究者对于学习行为的研究集中在可被观测的学习行为的研究上，许红彩[1]通过对学习过程中产生的行为数据进行分析，探讨了影响学习结果的因素并提出了改善建议。在对不可观测的学习行为进行分析时，研究者通过结合计算机工具，对学习者的知识掌握情况进行估测，进一步完善教学平台开发和学习者个性化推荐系统的开发。例如，王卓和张铭[2]将贝叶斯知识跟踪模型应用到慕课学习（Coursera）中，通过对学习者的知识掌握情况进行估测，发现针对知识点划分不够精确的问题。在本文中，笔者主要对可被观测的学习行为进行研究，采用计算机工具即PSLC平台分析工具进行分析对学习结果会造成影响的因素。

1.2在线学习行为

关于在线学习行为这个概念目前在学术界还没有统一的认定，与之相似的概念还有“网络学习行为”、“远程教育学习行为”等。缪佳佳[3]认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。蒋艳翔[4]认为在线学习行为由动机而产生，为了教学活动的实施及开展而产生的学习活动，是一种新型的学习模式，学习者可根据自身的实际需求自行选择课程，使学习过程更加自主化。

2 PSLC平台在教育领域应用现状

随着互联网教育平台学习者数量的不断增长，应用计算机自动化方法对学习者的数据进行分析变得越来越实用。在国外有许多的学习平台将学习数据进行收集并进行存储， PSLC[5]就是这样一个包含相关的可视化和分析工具的存储库。

文献[6]通过PSLC平台对现有学生模型中潜在缺陷进行分析，发现了学生模型应该区分不需要执行问题分解计划的问题步骤与需要执行问题分解计划的问题步骤，并应用在辅导系统的修改上，解决了学生模型对讲师的问题选择的问题。

通过PSLC平台将在线学习者产生的学习行为进行记录、存储和分析，与传统的问卷调查相比，数据更加真实可信，具有说服力，分析得到的结论更适用于大多数学习者，具有客观性。

3基于PSLC的在线学习行为分析实验

3.1研究对象与数据采集

为了对影响学习结果的学习因素进行分析，笔者使用了PSLC平台下的一个公开数据集，名为“Geometry Area（1996-97）”，此数据集在对学习者进行建模及学习分析领域专业性强且认可度高。这些数据是由学习者在认知辅导平台下学习几何知识的过程产生的，数据包括59名学生完成的5104个问题步骤，问题具体为解答三角形等几何图形面积，其中学生均为小学三年级学生。

采集的数据包括两部分：第一部分是学生登录系统的身份信息、课程学习期间的相关题目信息及作答时间;第二部分是学生作答所产生的正确与错误的结果反馈信息，通过0或1来标注学习者的正确或错误的作答反馈。通过采集的数据进行验证笔者提出的假设。

3.2实验假设与变量设定

为了研究对于学习结果存在影响的学习行为及具体影响结果，本文假定学习者作答持续的时间对学习结果存在负向影响，即学习者对于相同题目的作答时间越长会导致作答结果的错误率越高。

为了验证提出的假设，在实验中使用PSLC平台下的加法因子模型（AFM）分析工具，一种用于建模学习和性能的统计算法，它通过对“错误率”学习曲线数据进行逻辑回归建模。相对于传统的因子分解机模型（FM），加法因子模型（AFM）通过引入基于池化的注意力机制（attention-based pooling），将其学习出来的参数值用于判断不同特征之间交互的重要性。在本次试验中以学习者的学习结果（0或1）为因变量，以每个学生的自变量项、每个知识组件和知识组件的交互机会为因变量。在具体的实验设计中，分别使用平均错误率、使用提示的数量、解题所用时间作为因变量，对Geometry Area（1996-97）数据集进行规范化操作并导入到PSLC平台下，在PSLC平台下使用加法因子模型（AFM）分析工具，研究这些因变量与学习结果即做题错误率之间是否存在影响。

3.3实验结果与数据分析

在本次实验中，设置因变量为解题所用时间，问题的排列顺序根据学习者对于相应问题的解答时间从上至下依次递增。不同学习者对“加法运算”同一问题的回答错误率运行结果如图1所示。

在图1中横坐标代表学习者作答的错误率，从0%到100%从左至右进行递增，纵坐标表示不同的学习者，图中平滑的条状表示的是不同学习者对于问题的作答错误率，根据图1可以发现学习者对于相同题目的作答时间越长，其结果的错误率越高，可知学习者作答持续的时间对学习结果存在负向影响。

为了更深层次的探讨学习者作答持续时间对学习结果的影响，在模型中引入试题难度系数，学习者对于相同题目的作答时间越长，结果的错误率越高，对于不同难度的题目，影响关系不变，时间长短对影响结果的程度存在相应的变化。

通过对实验结果进行分析，可以得到以下结论：学习者作答持续的时间对学习结果存在负向影响，且在不同难度题目下此结论仍然成立。

3.4教学资源的调整策略

在线环境下，对于不同难度的数学试题，如何保证学习者的作答错误率保持在一个相对稳定且可接受的浮动范圍内，以作答时间为因素进行思考，对于指定难度的题目当学习者超过了一定的作答时间，很有可能说明学习者对于该知识点并没有准确掌握，平台即可根据遇到此类型问题的学习者补充相关知识点的讲解或检查知识点视频讲解是否清晰，平台管理者可以有效整合教学资源，完善教学平台;而对于难度值较高的题目，限制学习者作答时间不可太短，避免学习者对于问题的题干并没有了解清楚即作答，导致错误率增高并影响学习的效果。通过对学习者作答时间数据进行分析，将分析的结果应用到教学平台的资源整合与教学管理中，动态地调整资源配置、实现在线环境下的教学成果合理化与优化。

4结语

随着互联网科技的迅猛发展，基于在线环境下的教学辅助平台应用变得越来越广泛，从小学到高等教育不同阶段的学习者可以利用这一方便的工具进行线上学习。对在线学习者进行学习行为分析，针对分析结果，发现学习者存在的影响学习结果的因素并进行干预，优化学习效果，利用在线环境下用户数量大、数据结构化好的优势，对学习行为进行分析与研究，丰富教学资源、合理配置资源、完善教学平台，力求更优化的教学效果。

参考文献

[1] 徐红彩.在校大学生网络学习行为的调查与研究[J].电化教育研究，2005（06）：61-63+73.

[2] 王卓，张铭.基于贝叶斯知识跟踪模型的慕课学生评价[J].中国科技论文，2015，10（02）：241-246.

[3] 缪佳佳，邹柳聪.行为数据分析视角下Moodle平台在线学习力研究[J].软件导刊，2019，18（12）：256-258+262.

[4] 蒋燕翔.基于大数据环境的在线学习者行为特点分析与研究[J].中国新通信，2019，21（11）：121-122.

[5] Stamper J， Koedinger K， Baker R S J D， et al. PSLC DataShop： A Data Analysis Service for the Learning Science Community[C]//International Conference on Intelligent Tutoring Systems.2010.

[6] Corbi A ， Burgos D .Implementation of the recommendation model LIME in cognitive and visual interactive tutors from PSLC[J].IEEE Latin America Transactions，2015，13（02）：516-522.