学习分析技术在智慧教室中的应用探索

李雪娇 沈键 朱斌峰

[收稿日期] 2020-04-27

[作者简介] *李雪娇（1994—），女，湖北宜昌人。硕士，助理工程师，主要研究方向为智慧教育、学习分析。

[摘 要] 智慧教室建设是当今教育领域的重要研究内容，利用学习分析技术对学习过程进行记录和分析，有助于智慧教室功能的实现。为探索如何在智慧教室中应用学习分析技术以进一步促进“以学为中心”教学变革的实现，首先通过研究现状分析肯定了学习分析技术在智慧教室中的重要应用价值;然后在对学习分析技术一般方法流程分析的基础上，结合智慧教室的特征，提出了学习分析技术在智慧教室中的一般应用流程;最后以华东理工大学智慧教室建设为例开展了学习分析技术在实践中的应用分析。

[关键词] 智慧教室;学习分析技术;应用流程

[中图分类号] G642.4  [文献标识码] A  [文章编号] 1005-4634（2021）04-0024-07

0 引言

《教育信息化十年发展规划（2011—2020 年）》提出：促进信息技术与教育的深度融合是实现教育现代化的必要途径。2019年2月，《中国教育现代化2035》印发，指出要加快信息化时代教育变革，倡导建设智能化校园。教室是教学开展的主要场所，是智能化校园实现的重要组成部分，如何利用新型技术建设智慧教室成为重要的研究主题。智慧教室作为智能化的学习环境，利用物联网技术、云计算技术等新型技术构建教室物理环境已经得到了大量关注，然而智慧教室的“智慧性”还体现在学习者学习过程的智能化记录、分析，学习分析技术、数据挖掘等也应该是智慧教室建设中不容忽视的重要技术手段。因此，本研究顺应大数据、云平台时代的发展，对学习分析技术在智慧教室建设中的应用进行探索，并以华东理工大学的智慧教室建设项目为例进行学习分析技术在智慧教室建设中的实践应用分析和思考。

1 研究现状

1.1 智慧教室

黄荣怀等人将智慧教室定义为“能优化教学内容呈现、便利学习资源获取、促进课堂交互开展，具有情景感知和环境管理功能的新型教室”，与传统教室的区别在于其智慧性体现在内容呈现（S）、环境管理（M）、资源获取（A）、及时互动（R）和情景感知（T）5个方面[1]。这5个维度体现了智慧教室在设备、系统等建设和管理上的要求，也反映出智慧教室能对学习者学习过程进行记录、分析等，以支持个性化学习、适应性学习的实现。何克抗在认可黄荣怀观点的基础上，认为智慧教室的智慧性体现在记录学习过程、识别学习情景、联接学习社群和感知物理环境，强调了智慧性的实现离不开数据挖掘、学习分析等技术的支持。因此智慧教室不仅要有符合信息时代的高科技硬件配置，还要有把握大数据时代机遇的基于数据分析的软件工具，从软、硬多方面实现“智慧性”，以支持教与学过程，促进个性化学习环境的实现。总的来说，智慧教室的本质是利用多种新型技术构建一个智能化的学习环境，该环境以学习者为中心进行空间的布局、系统的构建、软硬件的集成，对教与学给予支持，从而促进实现以学为中心的教学变革[2]。

已有不少学者从技术应用、系统架构等多方面对智慧教室的设计与实践展开了研究。例如国外学者Dong-oh Kang等人借助SoD技术构建了能实现协同教学的智能课堂系统[3]。Mahesh等人将智能手机应用于智慧教室的建设中[4]。国内学者尝试从不同角度进行智慧教室系统架构的研究，例如王玉龙等人、谢火木等人分别以需求为导向和课堂教学变革的角度阐述了高校智慧教室的建设方案[5-6]。也有学者从技术层面探讨了智慧教室建设，例如基于互联网技术、物联网技术进行智慧教室架构设计[7-8]。郑烔桐通过129篇英文文献和79篇中文文献分析得出，现有高校智慧建设中缺乏数据核心意识，导致智慧教室“不智慧”[9]。孙健也提出目前有些高校存在重硬件、轻软件的现象，建议通过课堂信息的采集来了解学习者学习习惯等特征，用于教学设计[10]。与此同时，虽然国内有学者意识到数据及其分析在智慧教室中的重要性，但较为宏观或研究不够深入，例如崔亚强等人将教学数据智能分析作为技术环境设计考虑其中，但在建设实践中对数据方面没有进行详细说明[11];屈敬華在智慧教室建设中虽然提到了数据存储系统，但缺乏对数据的分析、应用等更深入的研究[12]。所以，我国智慧教室建设中普遍存在问题，即过于关注多种新型技术在物理空间建设的应用，忽略了对学习者学习过程的记录与分析，智慧教室环境下产生的大量数据尚未被充分利用，智慧教室的智慧性体现不够[13-14]。因此，本研究认为在智慧教室建设过程中需加大学习分析符数据采集、分析技术的应用探索。

1.2 智慧教育中学习分析技术的应用价值

学习分析的定义随着相关研究的进展而演变，EDUCAUSE组织（2015）、学习分析领域专家Siemens（2010）、“学习分析和知识”年会（2011）以及新媒体联盟（2012）等都曾对学习分析下过定义，这些定义在用词和着重点上虽然有些许区别，但基本反映了学习分析的本质，即利用各种技术方法获取学习者学习相关的各类数据信息，围绕这些数据运用不同的分析方法和数据模型进行分析，根据分析的结果来探究学习者的学习过程以发现学习规律，阐释学习者表现，并将分析结果以可视化的形式反馈给学习者、教师、教育管理者或研究者，从而达到优化教与学过程的目的。

智慧教育强调以学习者为中心实现个性化学习，学习分析技术能实现对学习者学习过程的分析与监测，为教学评估、学习者风险识别等提供数据支撑，从而促进智慧教育的实现，因此，祝智庭认为学习分析是智慧教育的科学力量[15]。李葆萍等人整理2000～2018年的国内外智慧教室研究论文发现，“大数据”和“学习分析”是重要的研究热点，并建议在智慧教室建设时对学习者数据的采集、分析进行专门规划[16]。已有不少研究者肯定了学习分析在智慧教育中的应用价值并开展了一系列研究。祝智庭等人通过分析学习分析定义、设计框架等，基于Greller等人的学习分析模型提出了智慧教育中学习分析应用过程模型，该模型包括了目标确立、学习分析的开发以及最后的干预[15]。高琪等人通过学习分析一般流程和智慧教育特征的分析，总结出学习分析在智慧教育中的三大应用：干预机制的构建、学习者特征识别与智慧资源推送以及智慧管理服务[17]。林秀瑜等人基于文献分析和理论研究，提出了学习分析在智慧学习环境中应用的理论模型及其机制[18]。赵红敏等人指出在智慧教育中学习分析技术除了作为学习者行为记录工具，还能从学习资源、智能工具、学习社群、教学社群等方面给予技术支持[19]。还有学者对学习分析在智慧学习环境中的具体应用进行了研究，例如智能导学、干预机制等[20-21]。以往研究中，多从宏观的理论层面挖掘了学习分析技术在智慧教室中的重要地位和应用场景，但对学习分析技术的具体应用流程尚未做详细阐述。

总的来说，学习分析技术作为大数据时代背景下的产物，通过对学习者学习过程的记录和分析能有效保证智慧教育的实现。智慧教室作为一种典型的智慧学习环境，利用学习分析技术解决现有智慧教室建设重基础设施建设轻软件应用、个性化学习支持不够的问题，还有待更加深入、具体地探索。因此，本研究从利益相关者的需求出发，探讨学习分析在智慧教室建设中的应用，构建学习分析在智慧教室中的应用流程。

2 学习分析技术在智慧教室中的应用分析

2.1 学习分析技术的一般方法流程

学习分析技术包括话语分析、社会网络分析、内容分析等数据分析方法，而且还在不断吸收其他各类分析方法以实现对学习者学习过程的多维度分析。关于学习分析的应用流程，不同的学者有不同的见解，国外较为典型且被引用较多的有Siemens设计的学习分析过程模型和Elias设计的持续改进学习分析模型[22]。Siemens的学习分析过程模型表明了学习分析实施以学习者数据为基础，通过对数据进行描述或分析，预测学习者的未来表现，实现个性化或适应性的学习。Elias则从数据收集（选择与采集）、数据处理（整合与预测）、知识应用（使用和优化）3个环节构建了学习分析持续改进模型，通过3个环节的环环相扣，旨在持续改进教与学。国内研究中，李艳燕等人提出了学习分析的5个环节，即数据采集环节、数据存储环节、数据分析环节、数据表示环节、应用服务环节[23]。韩锡斌等人基于大量文献对学习分析进行了系统化综述，认为学习分析的应用流程主要分为3个阶段：数据选择与采集、数据分析与处理、结果呈现与反馈[24]。总的来说，学习分析技术应用的基础为学习者相关学习数据，通过对数据的采集、分析、可视化呈现以满足利益相关者的需求。

2.2 学习分析技术在智慧教室建设中的应用流程

学习分析技术可通过智慧教室中多维度数据的采集、记录与分析，以支持个性化教与学的开展。根据学习分析技术的一般方法与流程，结合智慧教室的特征，本研究提出学习分析技术在智慧教室中的应用流程图（见图1）。

学习分析技术在智慧教室中的应用遵循了学习分析技术的一般应用流程，即通过数据的采集、分析、呈现，对学习者学习过程展开深入分析后将分析结果应用于教与学。除此之外，学习分析技术的应用需要明确利益相关者的需求，并且其最终应用于教学后还要指向最初的需求制定，形成闭环，确保利益相关者需求的实现。以往的学习分析技术应用研究集中于在线学习环境，智慧教室中学习环境的不同、利益相关者需求不同，学习分析技术在智慧教室建设中的应用也具有一定的特殊性。接下来对应用流程进行详细说明。

2.2.1 需求分析

需求分析是通过分析利益相关者的具体需求，明确学习分析目标，以指导学习分析技术在智慧教室中的应用。智慧教室是教学开展的场所，学习者和教师是智慧教室的使用者，是学习分析技术的主要利益相关者，因此需求分析主要围绕着学习者和教师开展。学习分析技术主要满足以下需求。

第一，满足学习者对个性化学习服务的需求。学习者在知识储备、学习能力、学习偏好等一系列特征上存在着差异，反映出不同的学习需求，因此需要为其提供个性化的学习服务。然而传统课堂中，学习者数量较多，学习者特征收集难度大，很难实现个性化学习服务。智慧教室中，多种新型技术的应用使得学习者数据采集更加智能化、全面化，利用学习分析技术对学习者数据进行分析、处理，使教师在客观了解学习者学习需求的基础上提供个性化学习服务成为可能。因为学习分析技术注重学习者学习过程的记录、分析，故能为学习者提供学习行为表现的可视化反馈，以供学习者自我反思。也可通过预测学习者未来表现，进行风险学习者识别，为有学业失败风险的学习者提供预警服务。除此之外，个性化的资源推荐也是学习分析应用之一，能在了解学习者学习偏好、认知风格的基础上满足不同学习者对学习资源的不同需求。

第二，满足教师开展学情分析、改善教学设计、实施学习者评估的需求。学习分析中的数据虽然来源于学习者，但是能从另一个角度给教师的教带来福利。学情分析是教师制定教学计划、开展教学活动的关键环节。学习分析能将学习者的学习特征，例如学习风格、学习行为表现即时地反馈给教师，为教师的学情分析提供了更为全面、智能的数据支撑。学习者的学习行为数据能反映出学习者的学习路径、参与度、投入度等，为教师的教学反思、教学设计改善提供依据。同时，很多教师逐渐意识到依靠学业成绩对学习者的学习效果进行评估过于单一片面，因而形成性评价越来越受重视。学习分析技术为学习者学习过程中的行为表现评估提供了数据支撑，能形成较为完善的评价体系。

2.2.2 数据采集

智慧教室是一个混合学习环境，支持线上线下相结合的教学模式，可分为线上的虚拟学习环境和线下的物理学习环境。学习分析在智慧教室中能得到一个“线上+线下”的数据集合，具有多模态的特征。基于多模态数据的学习分析是未来的发展趋势，即学习者学习过程数据将由两种或两种以上方式获取，其数据采集技术包含了物联网感知技术、视频监控/拍摄技术、智能录播技术等16种[25]。智慧教室作为多种技术的集合，能实现多模态数据采集，例如线上平台中学习者的作业完成、资源观看等学习行为的记录，利用视频监控技术也可记录学习者在线下学习过程中的肢体、语言、表情等，也可利用可穿戴的脑波设备记录学习者的注意力水平等，从行为、生理、心理等多角度记录学习者的学习过程和状态（见表1）。除此之外，学习环境中的气温、二氧化碳等气体浓度也能被采集和记录，为理解、分析学习者的学习提供了更多的数据维度，极大丰富了学习分析的数据类型，为学习者、教师等利益相关者的需求实现提供了基础，也为智慧教室中个性化学习实现提供了数据支撑。值得注意的是，多系统来源的數据对数据采集和存储工作提出了挑战，如何统一数据格式，增强各模块间的互操作性是未来需要解决的问题。

2.2.3 数据分析

学习分析中数据分析的主要目的是挖掘隐藏在数据背后的学习者特征，反映学习者的学习过程表现，为利益相关者的需求实现提供数据支撑。智慧教室中多模态的数据来源为揭示学习者更多的特征提供了可能，例如利用“抬头行为”这个生理数据能得到线下学习中的学习专注程度;利用随堂测验数据得到学生对知识的掌握情况;利用脑波数据得到学习者在学习过程中的注意力等，学习环境数据的收集为解释学习者行为表现提供了新思路。数据分析的具体开展是以利益相关者需求为导向的，并针对数据的类型选取不同的数据分析技术。常用的数据分析方法包括了数据统计分析方法，例如描述性统计、相关分析、聚类分析等，也包含了针对文本数据进行分析的文本挖掘、针对话语数据进行分析的话语分析法，还有可以探索学习者社会关系的社会网络分析法，等等。总之，数据分析方法的选择需结合分析目标和数据类型。

2.2.4 可视化呈现

学习分析的数据分析结果呈现强调可视化，即多用图表的形式向利益相关者展示分析结果。已有学者专门针对可视化进行了深入研究，王苗等人根据数据类型设计了对应的可视化输出类型[26];许文等人在对学习分析可视化呈现的工具系统架构等进行阐述的基础上指出，学习分析可视化呈现要考虑到利益相关者的特点从而恰当直观地呈现数据[27]。因此，学习分析可视化在考虑数据类型的基础上面向不同利益相关者采取不同的呈现方式。面向学习者的可视化应该是生动活泼、互动性强的，以迎合学习者的认知特征;教师端的可视化则应简洁明了，方便教师的使用。

2.2.5 应用与评估

将学习分析结果应用于教学实践，从主客观角度对教学过程中学习者的学习行为表现、学习成绩、满意度等进行应用效果评估，以判断学习分析应用是否满足了利益相关者的需求。如果没有达到既定的分析目标，则需要开展新一轮的学习分析。

3 学习分析技术在智慧教室建设中的应用案例

华东理工大学（学校）为了促进信息技术与教育教学的深度融合，开展了能适应混合式教学模式的智慧教室建设。学校智慧教室以支持混合式学习为目的，主要包含了三大系统：（1）基于物联网、云计算、人脸识别等技术的智能环境系统;（2）支持教师的教、学生的学的智慧课堂系统;（3）实现系统整合、综合管理、云运维等的智慧管理系统。学习分析技术主要应用于智慧课堂系统以支持教与学的开展，具体应用于学情分析模块以及智慧课堂APP。通过对传统高校教室的反思，以教师的角度提出学情分析、知识掌握分析等方面的需求，通过线下课堂中的抬头行为数据、线上课堂中的答题行为数据的收集和分析，为教师的教学反思、个性化学习服务设计提供依据。

3.1 需求分析

在学校以往的教学过程中，传统的签到环节、提问互动环节、课堂小测试环节存在诸多问题，例如测试题的提交、批改、评估等步骤，不仅周期长，人力投入也大，已经不适应现代化教学的需求。与此同时，通过与学校部分教师的访谈后发现，不少教师希望智慧教室能即时反馈学习者的学习状态、知识掌握情况，以供其及时做出教学改进，从而提高教学效果。因此，学校利用学习分析技术开展了学情分析模块和智慧课堂APP的建设。

3.2 学情分析模块

学情分析模块是智慧课堂系统的功能模块之一，主要通过对学习者出勤情况、上课过程中的抬头行为进行可视化分析并反馈给教师，以供教师了解学习者的学习状态，为教学设计改善等提供依据，其实现流程如图2所示。

具体而言，学情分析模块依托教室内的摄像机采集学生区域的视频信号，传输到后台的学情分析工作站中，由学情分析工作站对原始图像进行分析。学情分析工作站采用人脸识别算法，尽可能较少地识别误差，同时将识别结果反馈到资源管理平台中，并以列表形式展示每一节课程的出勤率情况，包含院系、教师、课程、日期、应到人数、实到人数、出勤率、课堂抓拍、分析时间等信息。教师在系统中可查看每一节课的具体学情分析内容。每一节课程会生成学生出勤率和抬头率曲线图，用于反映每一个时间节点中教室内学生的出勤情况和抬头率情况。在时间节点中会伴随有课堂抓拍，点击进入后可以详细查看学生课堂情况。图3为教师端显示了学生抬头率的学习分析模块界面图。

教师获取学生实时出勤率和抬头率后，一方面能快速了解学习者的学习状态，并对学习状态不好的学习者提供干预措施，比如上课过程中抬头率较低的学生给予口头警告，及时帮助学习者调整状态;另一方面，学习者的学习状态也反映出教师的教学情况，比如教学过程中学习者的抬头率较低或出勤率降低，此时教师应反思自己的教学设计、教学风格等并做出相对应的改变，以提高学习者的学习参与度。与此同时，这两项数据也可以作为教师考核的指标，从学习者角度评估教师教学质量。

3.3 智慧课堂APP

智慧课堂APP是学校混合式智慧教室的线上学习移动平台，提供了签到、直播、课堂互动等多种功能。其中，课堂互动功能能实现基于教师学生自带移动终端设备间的课堂答题互动，授课教师可通过移动终端下发测试题目，学生手机端则变为答题器，提交答案。教师移动终端实时接收学习者的测试答案，在对学习者的测试答案进行即时数据分析后，将分析结果用图表的形式反馈给教师，以供教师了解学习者的课程知识掌握情况。其具体的知识掌握情况分析流程如图4所示。

3.4 教学运行可视化平台

上述两个功能模块实现了教师的具体教学需求，学校还建设了教学运行可视化平台，通过录播系统、监控系统等基础平台的资源整合以实现对智慧教室的综合管理。其中，数据分析是该平台的重要功能，集成整合了多个基于学习分析技术实现的功能模块，例如学习者的出勤率统计、抬头率分析、资源录制统计、教师行为分析、学生行为分析、知识点分析，通过教学过程中多维度的数据分析以可视化呈现出整个教学状态，为教学质量评估提供数据支撑，见图5。

以上3个模块的建设，将学习者的学习过程数据进行采集、存储、分析和可视化呈现，为教师了解学习者的学习情况、即时学习状态提供了依据，并以此助力教师开展以学生为中心的教学变革。同时，学校智慧教室项目还在升级改造中，更为丰富、深入的学习分析技术应用功能模块将在未来被开发。例如，智慧课堂APP中还将呈现学习者答题速度、测试完成率等，将增加学习者资源行為、讨论行为的分析，并在教师端、学生端进行分析结果呈现。除此之外，整合线下数据和线上数据开展学习者全面画像也将是教学运行可视化平台建设未来努力的方向。

4 结束语

本研究分析了学习分析技术在智慧教室中的应用价值，并在对学习分析简要概述的基础上结合智慧教室的特征，对学习分析技术在智慧教室中的应用流程及其具体内容进行了设计和描述。最后以华东理工大学的智慧教室建设为例，分析了学习分析技术在智慧教室实际建设中的应用。目前，华东理工大学智慧教室已经建设完毕，但尚未进行大规模的使用，其应用推广阶段因疫情原因也受到了推迟，而学习分析技术在推进以学为中心教学变革中的应用效果究竟有多显著、其应用潜力到底有多大，还需更严谨的实验设计，这将是下一步的研究方向。

参考文献

[1] 黄荣怀，胡永斌，杨俊锋，等.智慧教室的概念及特征[J].开放教育研究， 2012，18（2）：22-27.

[2] 何克抗.智慧教室+课堂教学结构变革——实现教育信息化宏伟目标的根本途径[J].教育研究，2015（11）：76-81.

[3] KANG D O，KANG K，LEE H，et al.A smart class system based on SoD （System on-Demand） technology[C]//IEEE International Symposium on Consumer Electronics.IEEE，2012：1-2.

[4] MAHESH G，JAYAHARI K R，BIJLANI .A smart phone integrated smart classroom[C]//2016 10th International Conference on Next Generation Mobile Applications，Security and Technologies （NGMAST）.IEEE，2016：88-93.

[5] 王玉龙，蒋家傅.以需求为导向的智慧教室系统构建[J].现代教育技术，2014，24（6）：99-105.

[6] 謝火木，刘传尧，刘李春.以课堂教学变革为导向的高校智慧教室建设[J].现代教育技术， 2018， 28（10）：77-81.

[7] 徐春林.一种基于“互联网+”的高校智慧教室设计[J]. 淮海工学院学报（自然科学版），2016，25（4）：21-24.

[8] 周浪，林哲，胡晓芳，等.一种基于物联网的智慧教室方案的设计与实现[J].无线通信技术，2014，23（4）：53-56.

[9] 郑烔桐.高校智慧学习空间：内涵、发展与趋势[J].深圳信息职业技术学院学报，2020，18（1）：8-14.

[10] 孙健.高校智慧教室建设的思考[J].电脑与信息技术，2020，28（1）：78-80.

[11] 崔亚强，甘启宏，王春艳.高校智慧教学环境的建设和运行机制思考——以四川大学为例[J].现代教育技术，2020，30（3）：95-100.

[12] 屈敬华.“互联网+”背景下高校智慧教室的建设研究[J].产业与科技论坛，2020，19（3）：249-250.

[13] 张亚珍，张宝辉，韩云霞.国内外智慧教室研究评论及展望[J].开放教育研究，2014（1）：81-91.

[14] 李康康，赵鑫硕，陈琳.我国智慧教室的现状及发展[J].现代教育技术， 2016（7）：25-30.

[15] 祝智庭，沈德梅.学习分析学：智慧教育的科学力量[J].电化教育研究， 2013（5）：5-12.

[16] 李葆萍，宁方京，李晟，等.当前智慧教室研究热点的分析和启示[J].数字教育，2019，5（3）：10-14.

[17] 高琪，乜勇.基于学习分析技术的智慧教育环境构建研究[J].中国教育信息化，2017（17）：1-4.

[18] 林秀瑜，李梦杰.智慧学习环境下学习分析的理论模型及其机制[J].现代教育技术，2019，29（4）：19-25.

[19] 赵红敏，张曼曼，许蒙蒙，等.学习分析技术支持下的智慧教育[J].软件导刊（教育技术），2016，15（1）：19-21.

[20] 马玉慧，王珠珠，王硕烁，等.面向智慧教育的学习分析与智能导学研究——基于RSM的个性化学习资源推送方法[J]. 电化教育研究，2018，39（10）：49-54+84.

[21] 唐丽，王运武，陈琳.智慧学习环境下基于学习分析的干预机制研究[J].电化教育研究，2016（2）：62-67.

[22] ELIAS T.Learning analytics：definitions，processes，potential[EB/OL].（2019-12-10）[2020-04-27].http：//learninganalytics.net/LearningAnalyticsDefinitionsProcessesPotential.pdf.

[23] 李艳燕，马韶茜，黄荣怀.学习分析技术：服务学习过程设计和优化[J].开放教育研究，2012，18（5）：18-24.

[24] 韩锡斌，黄月，马婧，等.学习分析的系统化综述：回顾、辨析及前瞻[J].清华大学教育研究，2017，38（3）：41-51+124.

[25] 钟薇，李若晨，马晓玲，等.学习分析技术发展趋向——多模态数据环境下的研究与探索[J].中国远程教育，2018， 526（11）：43-51+81-82.

[26] 王苗，刘志超.基于学习分析视角的在线学习行为可视化分析与案例研究[J].中国教育信息化，2015（9）：10-13.

[27] 许文，付达杰，袁芳.大数据背景下学习分析可视化呈现技术研究[J].电脑知识与技术，2017，13（20）：22-24.

Exploring the application of learning analytics in smart classrooms

LI Xue-jiao1，SHEN Jian2，ZHU Bin-feng1

（1.Informatization Office， East China University of Science and Technology， Shanghai 200237，China;

2.Modern Education Technology Center， East China University of Science and Technology， Shanghai200237，China）

AbstractThe construction of smart classrooms is an important research content in the field of education today. Learning analytics contributes to the realization of the functions of smart classrooms through the recording and analysis of the learning process. How to apply learning analytics in smart classrooms to further promote the realization of "learning-centered" teaching reform is the exploration goal of the paper. This paper firstly affirmed the important application value of learning analytics in the smart classroom through the analysis of the research status. Then， based on the analysis of the general process of learning analytics， combined with the characteristics of the smart classroom， the general application process of learning analytics in the smart classroom was proposed. Finally， the application of learning analytics in practice is analyzed by taking the smart classroom construction of East China University of Science and Technology as an example.

Keywords

smart classroom; learning analytics; application process

[責任编辑 马晓宁]