学习分析技术对个性化学习促进的应用——兼论教育小数据的作用

乐 艺

（南京城市职业学院，江苏 南京 210002）

在新型冠状病毒肺炎疫情防控期间，各种各样的网络平台、在线APP、网上学习资源纷纷涌现。目前，高校采用的网络教学平台有以Moodle、Sakai 为例的开源网络教学平台，有以爱课程、学堂在线、华文慕课等为例的MOOC 平台，有与企业合作的智慧职教、超星泛雅、凤凰职教云等各类平台。教师通过智慧教学系统、线上学习平台能够方便地获取多样化的学习数据，有了课程数据的支撑后再进行学习分析能了解学生状态及其体验，发现存在问题与困难的学生，从而为其提供个性化指导。

一、理论基础

（一）学习分析

自2004 年起，美国新媒体联盟（New Media Consortium，NMC）开始发布《地平线报告(高等教育版)》，预测未来五年有可能产生重大影响的国际高等教育技术应用趋势和挑战。该报告持续追踪高等教育领域新兴技术的发展，对国际教育信息化与教育改革有很强的支撑和引领作用。相关的热点趋势演进和实际应用案例也为我国信息化教育实践应用提供了行动指导，尤其是给现阶段“互联网+教育”发展战略的实施带来了有益的启示和参考。其中学习分析是高等教育改革与发展的新浪潮，2018 年成为高等教育应用的重要技术[1]。

在探讨学习分析的定义及其应用领域时，学习分析研究协会(The Society for Learning Analytics Research, SoLAR)的创立者George Siemens 教授认为，学习分析应用场景丰富，研究方法多样，既可以预测复杂模型，也可以处理日常的教学任务。学习分析协会将学习分析定义为以理解和优化学习和学习所发生的环境为目的，所进行的有关学习者及其学习情景数据的测量、收集、分析和报告[2]。

除此之外，学习分析技术关注提供与学习者相匹配的适应性内容、更多层次的学习支持和其他个性化的服务[3]，通过内嵌在相关工具和应用程序内的分析技术，对数据进行收集、连接、组合、解释，然后呈现出通俗易懂的信息视图。

（二）个性化学习

教育部在《教育信息化十年发展规划（2011—2020年）》中提出“努力为每一名学生和学习者提供个性化学习、终身学习的信息化环境和服务”。个性化学习是教育发展方向，也符合学习型社会教学的特点。

以人为本、尊重个体差异的个性化学习体现了教育本质。无论是孔子的“因材施教”，还是现在流行的“私人订制”，都符合个性化学习的理念。此外，维果斯基的“最近发展区理论”、皮亚杰的“认知理论”、马斯洛的“需要层次理论”、加德纳的“多元智能理论”及艾里克森的“心理社会发展阶段理论”均强调了个性化教育[4]。相对于传统的教学模式，个性化学习能根据学生的兴趣、爱好、学习方法、掌握程度、学习目标等个人学习特征采取适合其的学习策略、个性化评价，同时还能帮助学生对自我认知更为全面，促进资源的有效利用、学习效果的提高和个体的个性发展[5]。个性化学习让每一个学习者的潜能得到最好的发展。为实现真正意义上的个性化学习，教师要真正认识每个学习者个体。有研究者在对国内核心期刊进行知识图谱分析后，依据高频关键词的0chiai系数相似分析原理，发现个性化学习与学习分析相关性最高[6]，应用学习分析技术实现精准教学已成为破解“千校一面”“千人一面”教育格局的主要力量[7]。数据驱动下的教学，核心是数据，教师通过对全学习过程数据进行客观、精确地记录、分析与评估，从而满足学习者日益多样化、个性化、自主选择的需求。

二、教育小数据的典型应用

在大数据获得广泛认可的同时，关注如何利用学习分析技术来提高学生的学习投入度、完成知识建构和分享，从而推动差异化教学和个性化学习也已成为当今教师的重要任务之一。基于数据的教与学已经成为当前教育变革的重要方向，然而，在日常课程教学过程中产生的数据以数量不大、范围狭窄的教育小数据为主，并不属于大数据的概念范畴。无论是“大数据”还是“小数据”，教师都可以采用学习分析技术记录学习活动的细节，为学生提供高质量和个性化的学习体验。

在线教学是今后一段时间各级各类学校深化信息化教学改革的重要内容。如何分析和利用这些学习数据为教与学提供可靠依据和参考已成为摆在教师面前的现实问题[8]。

（一）学习数据收集和应用

我们可以利用与Google Analytics类似的专业工具，或是为大学研发的各类在线系统，如普渡大学的课程信号灯、密涅瓦大学的ALF 平台、奥斯汀佩伊州立大学的学位罗盘以及南安普敦大学的仪表盘[9]等，或是常用的课程管理软件，包括Canvas、Moodle、Blackboard、超星泛雅等等，对受众群体数据、行为数据、流量获取数据、实时数据进行收集、分析和应用[10]，及早洞察学习者的学习进度与质量，然后将学习者个体与群体的行为信息分析结果反馈给利益相关者，进而考虑如何改进学习状态。

（二）Moodle平台的学习分析实例

Moodle 平台作为免费开放源代码的软件应用已久，且具有强大的日志功能。下面以Moodle 平台自身数据统计分析功能所构建的学习分析环境为例，来说明利用学习分析对学生个体、课程等实施适当干预后，教育小数据是如何有效地帮助教师改进教学的。Moodle 平台对管理员、教师、学生、访客开放不同的功能权限，本实例主要从教师的角度进行阐述，着重介绍小规模班级授课时报表查询功能的使用。

1.日志报表的使用

日志能检索各类信息，可以具体到某人某个日期在某项活动中的行为数据。教师通过个体学生详细的行为数据，可以查看每个学生的学习情况，从而采取相应的干预。图1显示了某个学生沿着时间维度的课程点击次数分布，可以看出其在该课程前半阶段没有投入时间，课程学习有所延误，通过教师的人工干预后，该生能对课程学习有更清晰的认识。

图1 日志报表图形信息

2.实时日志报表的使用

实时日志报表显示一小时内的学生行为数据[11]，且每隔60 秒自动刷新，如图2 所示。教师在课程教学中安排了某个活动时，比如在线测试、教学讨论，就可以利用该报表来观察学生整体的实时参与情况，以及学生个体的学习轨迹和活动路线。教师通过观察学生先做了什么、后做了什么、哪些参与了、哪些没参与所呈现出的细节数据，去验证预设的学习情境是否符合学生的认知，进而来调整和改进教学方法，合理安排教学内容和进度，同时还可以对没有在实时日志报表里出现的学生进行个别提醒，督促其完成相关任务。

3.课程活动报表的使用

课程活动报表是课程所有活动（包括文本、网页、视频、论坛、测试、作业等）的浏览情况，从图3可以发现，该报表呈现了每个活动被多少个学生浏览了多少次的数据信息。在对课程活动报表具体分析的过程中，有这样一些值得关注的现象，比如学生对所有栏目的第一个资源或活动的浏览次数总是很高，学生更加关注导学类资源，会经常浏览答疑论坛等。基于此，教师需要思考学生做出这些选择的原因，从而对栏目设置、内容选取做出调整，使其进一步贴合学生的需求和兴趣，同时对学生重点关注的地方要加强针对性的指导。

图3 课程活动报表

4.课程成员报表的使用

通过课程活动报表不能观察每个活动中学生的具体参与情况，这就需要课程成员报表来实现了，图4 是在某个讨论案例中学生发帖情况的报表。我们可以看到，在对活动模块、课程成员、回顾时间、相应动作（浏览或发布）进行点选后，该报表能提供各类活动的详细参与数据，教师在课程成员报表界面可以直接选择那些未参与的学生，用发消息的方式提醒到个人，以免学生遗漏一些重要的学习任务。教师若能充分利用这些统计分析功能，可以快速、准确地识别出没有完成或是完成率低的困难学生，对他们进行帮助。

5.活动进度报表的使用

图5 所示的活动进度报表让每个学生的总体进度一览无遗，教师可以清楚地看出学生各项活动的汇总数据，该报表能以表格形式下载使用。通过表格筛选，更加方便教师统计如学生作业的完成情况、完成时间等重要信息，教师对每个学生在班级里处于哪种学习程度也更加清晰，并能根据这些数据所反映出的问题，给需要帮助的学生提供契合的学习支持，提高其学习质量和学习效率。

（三）基于报表数据的可视化分析

如果不满足于Moodle 自带的分析功能，还能借助EXCEL、SPSS、weka 等工具，收集日志报表和活动进度报表数据进行学习分析。通过Moodle平台下载的报表数据所涵盖的信息内容非常丰富，教师根据学情可以从不同的角度截取部分数据进行可视化分析和反思，这样的分析数据具有更高的概括性，能为学生提供个性化指导和高质量的教学支持服务。

图4 课程成员报表

图5 活动进度报表

可视化分析可以将多维度的数据经过分类、排序、组合后，将其相互关系及所折射出的学习行为清晰地呈现出来，帮助教师迅速、准确地认识不同学习者的学习状态，有利于更加科学地制定教学规划。随着学习分析技术的广泛应用，可视化方法的优势愈来愈突出。下面以我们常用的EXCEL 作为分析工具，来理解学生个体是如何学习、学了什么、学得怎样，进一步细化不同应用情境下的学习分析。

1.对学生个体如何学的分析

每个学生都有其专属的学习行为特征，教师可以基于各个学生主要学习行为频次的统计，来理解其个性化的学习方法。如图6就是对某个学生10 月份日志报表中所产生学习事件频次的可视化分析，可以看出该学生的学习时段主要集中在中午和下午，学习频率期初比较高，后面有所降低但也能保证每周至少学习一次。从其学习方法来看，该学生大部分学习过程采用浏览课程模块穿插章节测试的方式，后期开始尝试在论坛发帖与同学进行交互，这符合刚接触课程学生的学习行为逻辑，也反映出该生有基于任务的学习风格偏好，其在该月份的学习情况总体较好。显而易见，报表数据经过可视化分析后，更加清晰、直观。

图6 对学生学习时间、学习事件的分析图

2.对学生个体学什么的分析

图7 对学生不同情境下各类浏览事件的分析图

教师要想了解一个学生在学习过程中究竟关注什么，不仅要观察该生对各个模块任务（学习情境）的访问频次，更应该深入地探究他（她）在不同情境下的访问情况，进而分析其自主学习路径。某学生自开始学习至当前阶段的各类浏览事件如图7所示，从其总体学习程度来看，访问频次由高到低的事件情境依次是章节测试区、典型案例的讨论区、阶段测验、特定网页、作业区。其中，教师在教学设计中将讨论区、阶段测验、作业区作为学生获得该课程成绩的依据，这样的设置对学生的学习活动有明显的影响。除此以外，该生对章节测试、章节导学网页和章节小结网页的学习程度也明显高于其他模块，这种精准的学习者画像可以帮助教师推送个性化学习资源。

图7中展示的细节信息还反映出这个学生在不同学习情境下的浏览事件各有侧重。该生在参加测试情境下，主要是查看课程内容及检查测验；在参与讨论情境下，主要是查看课程内容及阅读讨论帖。其中，该生对课程模块的查看共计118次，阅读话题44 次，表明了相关活动模块的设置有效激发了其对课程内容的访问，且该生渴望与人互动、期望自己的帖子被关注。通过以上数据的直观刻画，可以分析出这个学生属于自主学习意愿很强的类型，喜欢在练习中学习，重视交流。通过多角度研究学习者的属性，教师可以采取适合他（她）的教学策略、教学内容，为其提供最佳学习规划和路径，使以人为本的教学目标成为可能。

3.对学生个体学习绩效的分析

图8 的分析内容是对某学生课程完成度的统计，主要采集其在各项学习任务中的时间投入和学习行为的表现。通过不同行为阶段的描述，可以看出该生已完成1个阶段测验、3个话题讨论、2个作业，同时未完成的学习任务所处的阶段也清晰可见。有了这样的分析基础，教师便可准确评估每位学生完成任务的进展，为差异化教学提供重要参考。另外，学生在完成每个任务中不同阶段花费的时间差异反映了其对不同任务的掌握程度，能帮助教师判断不同学生在学习过程中的优劣势，这也是教师开展个别化辅导的依据。

图8 对学生学习结果的分析图

三、结语

学习分析对教育领域的大数据亦或小数据都适用，最终目的都是为了提高教学质量。在与学习者多元交互、判断其学习状态的过程中，教师起到了主导作用。虽然，依赖教师个人认知经验和判断的教学仍占主流，但学习分析的兴起与发展为教师查看细节数据、监测学习行为、进行科学决策提供了越来越多的便利。借助学习分析提供个性化服务是未来教育的趋势。教师将课程平台获取的学习行为信息与学生课堂表现结合，可以为学生提供个性化教学。为达到每位学习者都可以得到全面发展与提高的目的，挖掘课程教学数据、分析学习状态将成为教师的核心任务。广大教师要适应新型教学环境，逐步具备将不同类型的数据转化为满足学生个性化需求的教学策略的能力，这种能力表现为对数据知识和技能的应用，是教师原有基本教学能力的强化。

在新型冠状病毒肺炎疫情防控期间，教师运用信息手段开展教学的能力不断提升。利用学习分析技术促进个性化学习，必将成为教师信息素养中的重要组成部分。