空间定位技术应用于学习分析的现状与展望*

何 婷 郭力平 吕 雪

（1.华东师范大学 教育学部 脑科学与教育创新研究院，上海 200062；2.江苏理工学院 教育学院，江苏常州 213000）

一、引言

数据驱动的教育决策，在提升教育质量、促进教育公平中的作用日益凸显（Custer，et al.，2018）。作为一种“测量、收集、分析和报告学习者与学习环境数据，以理解和优化学习的方法”（Matcha，et al.，2019），学习分析（Learning Analytics，LA）为有效利用大数据进行科学决策，提供了支持（陈雅云，等，2021）。在首届人工智能与教育大会成果文件《北京共识》中，提出学习分析是构建终身学习体系的关键技术，能从学习评价、教师教学和教育管理方面，切实推进教育的可持续发展。学习分析是一个发展迅速且持续变化的新兴领域，为了更加准确、全面地获取学习过程的全貌，多模态数据日益受到重视（吴永和，等，2021）。数据采集技术的发展和数据分析手段的不断更新，使多模态数据收集成为可能的同时，也在推动学习分析的应用场景从在线学习转向线下空间，以更好地迎合“面对面”（f2f，face-to-face）教学中了解学生学习与发展的需求（Stern，2015）。

近年来，空间定位技术的发展可实现线下教育场景中空间位置信息的收集，为学习分析拓展了新的数据维度。空间位置信息可从时、空层面立体化反映人与人、人与环境的交互情况，提供关于教育者、学习者特征及学习过程的丰富信息。但作为一种相对新颖且具有应用潜力的数据收集方式，目前在学习分析中，应用空间定位技术的研究尚不丰富。通过对已有研究的梳理，我们可以了解当前研究进展、局限以及所面临的困难和挑战，为今后空间信息在学习分析中的有效探索与利用，提供一些参考。

二、研究背景

（一）多模态学习分析走向现实场景

学习分析是大数据在教育质量提升中的一种应用形式，源于在线学习中产生的对学习者表现进行管理的诉求，通过对学习行为（例如，点击、浏览时长、讨论发言等）的追踪，可以理解人机交互过程中学习行为与学习效果之间的关系（Siemens，2013）。但从实际应用来看，仅仅收集人机交互的行为历史数据，难以满足全面了解学习者的需要，也不足以准确反映复杂的、多维的学习过程，多模态数据的价值由此得以凸显（牟智佳，等，2021）。模态指的是交流双方实现信息传递的方式，功能语言学、会话分析以及社会符号学等领域认为，人际交往是通过不同模态的相互作用、互为补充来传达意义（Norris，2014）。学习作为一个交往过程，其中也必然涉及到多模态信息。已有研究通过录像机、录音机、眼动仪、电子笔、肌电图、运动传感器、脑电等设备作为信息来源，收集和分析在线学习过程中师生的表情、行动、语言、眼神、皮肤电、心率、肢体动作、笔迹特点等信息，对学生的能力、情绪、专注以及师生间的互动进行分类或预测（Di Mitri，et al，2018），已积累相当的研究成果。

多模态学习分析能更全面地反映学习过程信息，为复杂的学习行为与学习理论之间，搭建起桥梁。而在线下学习环境中的应用学习分析同样备受关注，究其原因，在于线下学习环境显然比线上更为复杂，其中所包含的数据也更为丰富（Ochoa，et al.，2016）。有研究者在多模态学习分析的基础上进行延展，提出了实体环境中的学习分析这一概念。具体是指在实体环境的学习分析中，反映人与人距离以及空间使用情况的空间位置信息，是其中十分重要的数据维度（Martinez-Maldonado，et al.，2018），它有别于在线学习的其他特征数据，为我们了解现实场景中的教与学，提供新的视角。

（二）空间位置信息在教育研究中具有独特价值

定位技术能支持空间位置信息的自动化获取，对公共安全（施绍鑫，2020）、 医疗卫生（顾明辰，等，2021）以及资产管理（王文韬，等，2016）等领域的智能化，起到了积极的作用，但在教育领域中的应用尚处于起步阶段。尽管如此，空间位置信息在教育中已被广泛运用。已有的研究，主要聚焦于两个方面：一是利用空间距离了解社会交往；二是探讨空间使用对学习效果的影响。空间距离与社会交往关系的研究，以霍尔（Edward Twitchell Hall Jr.）的“空间关系学（Proxemics）”为基础，该理论认为身体的接近程度能有效预测社会关系，并能反映和影响人与人之间的交往（Hall，1996）。受此启发，在教育领域中，也有研究通过问卷法或观察法等方法，来了解同伴间的距离对同伴交往的影响，研究发现座位间距会影响友谊关系的形成（Weiss，1975），且同伴之间的距离特点，能够反映出儿童的社交地位——受欢迎儿童与同伴的亲密距离更多，而被拒绝儿童则相反（Gaynard，1980）。

空间使用情况影响学习效果的相关研究，则以韩礼德（Halliday，1978）提出的社会符号学和近年来兴起的“空间教学”相关理念为基础，认为教师的教学过程不仅通过语言实现，还是由一系列社会符号所组成的，包括姿态、眼神、移动、距离等。教师对空间的利用也是一种教学手段，以无声的信息传递意义（Lim，et al.，2012）。从上世纪中叶开始，就有关于学生在教室内的座位区域与学业成绩、课堂参与、情绪之间关系的系列研究（Levine，et al.，1980），表明师生间的距离和教师的移动，会影响学生的学习投入程度（Cheong，et al.，2017）、学习动机（Fernandes，et al.，2011）、自我效能（Koh，et al.，2009）等，进而影响学习体验和效果 （McArthur，2015； Moro，et al.，2020）。也有系列研究探索了座位排列对学业及行为的影响，并发现两者之间存在关联（Haghighi，et al.，2012）。

空间位置信息能提供关于学生行为和教与学的大量信息，是教育领域中值得关注的数据类型。在以往研究中，借助于观察收集的信息，难以做到全面、准确（Chin，et al.，2017）。且在教学形式不断丰富、空间利用更加灵活的教育场景中，传统教学手段难以满足对学习场域空间信息进行动态记录的需要（Thompson，2012）。可见，定位技术的发展，让自动化获取空间位置信息成为可能，这不仅有助于学习分析的进一步深入，更能全面地反映教育状况（Mangaroska，2021），以推动教育质量的全面提升。

三、研究方法

本文对利用定位技术收集数据所开展学习分析的已有文献，展开综述。通过以下两组关键词，在中国知网和万方数据库中检索中文文献：（1）“学习分析”相关关键词，包括“学习分析”与“多模态学习分析”；（2）定位技术相关词汇：包括“空间信息”“空间定位”“位置追踪”“室内定位”。在谷歌学术、ERIC、Springer、Elsevier 数据库中，借助以下两组关键词检索英文文献：（1）学习分析相关词汇：“learning analytics”和“multimodal learning analytics”；（2）定位技术相关词汇：包括“positioning”“localization system”“indoor/outdoor location” “proxemics” “spatial information”“tracking”。①为确保文献的时效性，研究人员共进行两次检索，第一次检索时间为2021年9月；第二次检索时间为2022年2月。

为尽可能全面地覆盖相关文献，在查找过程中没有限定文献类型或时间范围，并将符合要求文献的参考文献，都作为检索的来源。无论是“学习分析”还是“定位技术”都是相对较新的研究领域，两者的结合更是处于起步阶段。因此，能检索到的文献数量有限。共有英文文献55 篇，尚未有相关的中文文献。对已有文献，按照以下两个基本标准进行筛选：（1）数据收集的目的指向学习或教学的提升；（2）文章中涉及空间定位技术的使用。通过进一步排除重复研究，最终有34 篇文献被纳入分析列表之中（详见表1）。

表1 纳入文献综述分析的文献列表

编号 作者篇名发表时间国家/地区学段定位技术应用领域11 Gibson Using sensors to study the social dynamics of outdoor play 2018 英国学前教育传感器了解学生学习与发展特点12 Heravi Playground social interaction analysis using bespoke wearable sensors for tracking and motion capture 2018 英国基础教育卫星定位了解学生学习与发展特点13 Howar d Using data mining and machine learning approaches to observe technology-enhanced learning 2018澳大利亚基础教育图像分析支持教学评价与改进14Hsieh Social interaction mining based on wireless sensor networks for promoting cooperative learning performance in classroom learning environment 2010中国台湾/Zig-Bee了解学生学习与发展特点15 2018美国学前教育UWB Irvin了解学生学习与发展特点16 An automated approach to measuring child movement and location in the early childhood classroom Capturing talk and proximity in the classroom:Advances in measuring features of young childrens friendships 2021美国学前教育UWB 17 2018支持教学评价与改进； 改善教育环境18 2019 19 Martinez-Maldonado 2020澳大利亚高等教育UWB 20 2020支持教学评价与改进21 Teacher tracking with integrity: What indoor positioning can reveal about instructional proxemics“I spent more time with that team”: Making spatial pedagogy visible using positioning sensors Where is the eeacher?Digital analytics for classroom proxemics Moodoo:Indoor positioning analytics for characterising classroom teaching Moodoo the tracker: spatial classroom analytics for characterisingteachers pedagogical approaches 2021 22 Mesqui ta Indoor location technologies for assessing area occupation in preschool environments 2014 葡萄牙教育 / 改善教育环境学前23 2019 Messin ger美国学前教育UWB 24 Continuous measurement of dynamic classroom social interactions Data drive development-Multimodal measurement of classroom interaction 2020了解学生学习与发展特点25Moher Back to the future: Embodied classroom simulations of animal foraging 2014美国基础教育RFID 26 Riquel me Where are you? Exploring micro-location in indoor learning environments 2020智利高等教育RFID改善教育环境；促进学生自我反思了解学生学习与发展特点

编号 作者篇名发表时间国家/地区学段 定位技术应用领域27 Saquib Sensei:sensing educational interaction2018 美国学前教育 BLE了解学生学习与发展特点；教学评价与改进28 Stehle Gender homophily from spatial behavior in a primary school: a sociometric study 2013 法国基础教育RFID了解学生学习与发展特点29 Teizer Location tracking and data visualization technology to advance construction ironworkers' education and training in safety and productivity 2013美国职业教育UWB了解学生学习与发展特点30 van Berkel Measuring group dynamics inanelementary school setting using mobile devices 2016芬兰基础教育BLE支持教学评价与改进31 Veiga Alone at the playground 2017 葡萄牙学前教育RFID了解学生学习与发展特点32 Wake Supportingfirefighter training through visualising indoor positioning，motion and time use data 2019 挪威职业教育 BLE了解学生学习与发展特点33 Yan Footprints at school:Modelling in-class social dynamics from students physical positioning traces 2021 澳大利亚基础教育 BLE了解学生学习与发展特点34 Yusof Real-time student visualization system in classroom using RFID based on UTAUT model 2017 马来西亚高等教育RFID支持教学评价与改进

从发表的时间看，将定位技术应用于学习分析的研究，均出现在2010年后，尤其集中在近三年。从研究的地区看，亚洲、欧洲、美洲和大洋洲或地区，均有研究者开始关注这一领域并相继展开探索。其中，美国和澳大利亚的相关研究数量较多，尤以澳大利亚莫纳什大学马尔多纳多 （Martinez-Maldonado）团队为主要力量。研究涉及的教育阶段广泛，涵盖了从学前教育到高等教育中的各个阶段，对职业教育也有所涉及；研究中所使用的定位技术类型多样；应用领域涵盖了学习的各个方面，重点关注空间信息在改善教学和帮助教师了解学生学习与发展特点中的应用。除了一项研究停留在设计构想（Mesquita et al.，2014），另一项研究完成设计的落地尚未进行数据收集之外（Hsieh et al.，2010），其他研究中均设计并实践了应用定位技术收集数据，并对数据进行了不同程度的处理与应用； 且大部分研究在真实教育情境中进行，反映出该领域研究的实践性特点。

从研究对象、数据收集的频次和时间跨度来看，目前的研究样本量少、 数据收集频次少、 时间跨度小，大多具有探索性研究（pilot study）或初步研究（preliminary research）的性质。

四、空间定位技术在学习分析中的应用现状

完整的学习分析，包括信息收集、信息加工和信息应用三个阶段（Elias，2011）。为此，从数据收集、分析和应用三个方面，我们可以对现有空间定位技术在学习分析中引用的相关研究进行梳理，并对技术应用的效果检验开展分析。

（一）用于收集数据的定位技术类型

除一项研究中使用室外卫星定位系统GNSS 收集数据之外（Heravi，et al.，2018），其他研究主要使用室内定位技术。与室外定位常用的GPS 技术相比，室内定位技术能更好地在相对狭小的教室空间中实现较为准确的定位，且能避免信号的阻隔与干扰。其中涉及的技术多种多样，根据其收集的空间位置信息的特点，可以分为三类：其一用于识别人/物的相对位置，即人、物、空间之间的接近程度，如无线射频识别技术（RIFD）；其二则可以追踪人/物在空间中动态的位置变化，其中图像分析技术能确定其活动轨迹，而超宽带技术（UWB）则通过坐标实现精确定位； 其三则是既可以支持相对位置识别，也能用来进行动态追踪，以低功耗蓝牙（BLE）和ZigBee 技术为代表。

在实际应用技术的研究中，图像分析技术、RFID、BLE 和UWB，都是最为常用的定位技术，上述四种技术各有其优势和局限（见表2）。

表2 不同定位技术特点及应用情况对比

其中，图像分析的定位技术借助固定在教室四周的摄像头，捕捉照片或录像，并通过特定的算法计算距离、 移动等信息。在借助图像分析的EduSense系统中，距离成为了解学生学习特点的特征数据之一。也有研究者通过视频分析，向教师反馈其在课堂中的移动轨迹（Ahuja，et al.，2019）。图像/视频分析成本低、精度高，且能提供的信息不限于空间位置，还包括表情、动作等非言语信息，可为学习分析提供更为丰富的数据支持，但环境会导致图像质量不稳定，从而影响目标的准确识别。另外，图像分析更适用于相对固定的集体教学环境，导致其难以满足更为灵活的学习空间中的数据收集需求。

RFID 定位系统通常由标签和读写器两个部分组成，读写器可在设定范围内接收标签所发出的信号，以确定标签是否处于其标定的范围内。比如，维加等人（Veiga，2017）在研究中使用具双向传输功能的RFID 标签，以确定被试之间是否存在交往。当两名被试之间相距1-1.5 米时，可以接收到对方标签的信号，这表明两名被试身体距离较近，可能存在交往行为。而在布迪维（Bdiwi，2019）的研究中，他通过在桌面安装读写器，来读取教师随身携带的RFID标签，以确定教师在不同小组的停留情况。RFID 是出现较早且发展相对成熟的技术，在数据的收集上具有稳定性，但其局限性在于使用成本较高且精度差，仅能确定对象所处的大致位置范围，难以提供关于目标对象之间距离的准确信息。

BLE 可以实现与RIFD 相同的模糊定位功能，确定目标对象所处的大致区域（van Berkel，et al.，2016），其优势在于可以直接使用手机等移动设备作为终端，无需额外配备标签，使用方式相对便捷。除提供定位范围外，蓝牙技术也可以通过信号接收强度（RSSI）等算法，实现较为精确的定位。例如，在Sensi系统中，研究者将Beacon 嵌入儿童鞋中，利用BLE探究同伴和师生之间的邻近情况（Saquib，et al.，2018）。尽管BLE 具有节省能源、低成本等优点，并随着技术本身的发展，精度也可达到厘米级。但由于蓝牙技术在移动设备上的普遍应用，导致其在相对“嘈杂”的室内环境中的信号传输易受干扰。

也有研究者开始探索利用超宽带技术（UWB）获取空间位置信息，来开展学习分析。UWB 技术需要基站与信标的相互配合实现定位，通常采用三角定位法，计算出信标在空间中的坐标，进行精确定位和位置变化的追踪。马尔多纳多（Martinez-Maldonado，2019）和安（An，2018）分别应用基于超宽带技术的定位系统Prozyx 和Ubisense，对教师和学生进行定位。UWB 技术的优势在于数据传输速度快且准确性高，其精度能达到厘米级。因此，其成为室内定位中一个发展迅速的技术类型，但该应用的推广仍受到了高成本的制约。

（二）学习分析中空间位置数据处理

归纳现有不同研究中的数据处理过程，我们大致可分为：基础数据的整理、空间指标建构以及数据分析这三个步骤。

1.整理基础数据

空间定位技术从时、空维度，拓展了学习分析中的数据类型。因此，在已有研究中借助定位技术获取的基础数据，包含研究对象所处的位置及时间。由于选用的定位技术不同，位置信息也有两种类型：一类用以标定进入的区域； 另一类用于明确所在位置的坐标。使用RFID 和BLE 技术实现定位的研究，多收集对象进入的区域及停留时长；而基于UWB 技术的定位，则能获取按照设定的频率收集对象的实时坐标。在收集到定位数据后，需要对其数据进行清洗和降噪处理，以便后续分析。

除定位技术外，已有研究还与传统的观察、测量方法或其他自动化的数据收集技术配合使用。例如，研究者为了确定儿童游戏行为和情绪能力与独自停留情况之间的相关性，通过视频记录和分析儿童的游戏行为水平，并通过量表来了解其心理理论、错误信念、同情心、攻击性等情绪能力相关的要素的发展水平（Veiga，2017）。借助空间定位数据可以了解个体之间的邻近程度，但是两者之间是否存在言语交流则难以确定。因此，也有研究者结合空间定位技术和语言记录系统（LENA），来共同确定儿童在教室中的交往状况（Messeniger，et al.，2020）。

2.建构空间指标

为了更好地展现教师的空间使用特点，为教师的专业发展提供有效反馈，有研究者开始在基础位置信息上，建构高维度的空间指标。在探究人际交往的研究中，能根据双方的位置信息提取接近程度、频次、时长等信息，还能进一步计算出中心度、中心势等来反映社会关系的特点。比如，在考察同伴交往时，梅辛杰等人（Messinger，et al.，2019）根据基础数据，计算出移动速度、空间使用分布、社交径向分布函数、友谊稳定性和传递性等指标，来反映学生的交往特点。而在与教学相关的研究中，则会结合时间和位置信息，按照特定的计算规则，反映距离、停留、转换、时长、速度等特点，如马尔多纳多等人（Martinez-Maldonado，et al.，2021）结合空间教学理论，建构了较为完整的反映教师在教学中空间利用的指标，包括与教师停留、转换、师生互动、与教育资源接近程度、 与合作教师接近程度等维度，并在各个维度下引申出具体分析指标（见表3）。通过建构空间指标，为学习分析提供更多有意义的信息。但目前对空间指标的建构，多将空间位置信息转化为相对静态的指标，而如何根据动态的轨迹特点来建构空间指标，尚属空白。

表3 教师教学空间指标列举（Martinez-Maldonado，et al.，2021）

3.分析指标数据

根据建构的空间指标，需要对其进行分析来赋予数据以实际意义，并建立模型来指导教学。在学习分析中往往会涉及大数据，因此，可以借助人工智能技术实现自动化地处理大量数据（Atif，et al.，2021）；还可以借助机器学习实现数据挖掘，完成模型建立和数据可视化的分析过程，以使更好地理解、设计与服务学习（顾小清，等，2020）。另外，在当前的研究中还使用了各类机器学习的算法，以实现数据处理。

在应用空间定位技术的学习分析研究中，主要以预测模型的建立为主，涉及到回归和分类两种方法。回归分析旨在探寻不同变量之间的关系，在一些研究中，会将空间定位数据与儿童发展的其他方面、教师的教育策略或其他观察方式等进行关联，以服务于两个目标：（1）寻找某种特征与空间定位特点之间的关联，验证利用空间定位信息以反映儿童特点的有效性。比如，研究者收集教师在各个小组的停留频次和持续时长和儿童小组学习成果及投入度之间的关联，探索教师指导对儿童合作学习的影响（van Berkel，2016）。（2）探究学生的空间位置和使用与其课堂参与和表现之间的关系。例如，基于空间定位信息进行社会网络分析（SNA），了解儿童的中心性特点，并考察其与教师评定的亲社会行为和同伴提名进行对照，来了解儿童特征与社会交往行为之间的关联（Gibson，et al.，2018）。

由于在学习分析中利用空间定位技术尚属于新的研究话题，因此，也有许多研究考察了利用此类技术反映儿童特征效度的情况。比如，有研究在利用空间定位技术收集数据的同时，对儿童的交往行为进行现场观察或视频记录，并通过考察两者之间的相关关系，说明空间定位信息在反映儿童社会交往特点时的有效性（Altman，et al.，2020）。分类指的是根据数据的不同特点将其归入不同的类型，比如根据学生在合作学习时的停留特点，明确其在小组学习时的角色（Riqulme，et al.，2020）；或是根据儿童与他人交往的频次、时长或在空间中的停留、转换等，了解儿童在群体中的社交特点，并对其进行分类（Hsieh，et al.，2010）。但目前尚未有研究建立起完善的预测模型。

数据可视化也是学习分析中常用的数据分析方法，通过将大量数据的结果凝结在图形或图像中，便于人们分析、理解数据并从中发掘规律（孟玲玲，等，2014）。空间位置信息的可视化，使得个体在空间中的活动特点更加直观，为此，多数研究实现了数据的可视化。其中主要使用的可视化方法，包括探究同伴交往特点时形成的社会交往网络图 （Messinger，et al.，2020），根据教师或学生停留时长形成的热图（An，et al.，2020； Irvin，et al.，2017） 以及呈现活动轨迹及空间使用特点的学习分析仪表盘（Dashboard）（Martinez-Maldonado，et al.，2019；Yusof，et al.，2017）等。可视化能够连接数据和实际应用，便于利益相关者对数据进行有效解读（蔡旻君，等，2021）。

（三）空间位置信息在学习分析中的应用领域

尽管相关研究使用技术和涉及的学段各不相同，但空间位置信息在学习分析中的应用，可归纳为以下四个领域：（1）教学评价与改进；（2）帮助教师了解学生；（3）改善教育环境；（4）促进学生的自我反思。

1.利用空间信息支持教学评价与改进

空间教学理论认为，教师对空间的定义和使用方式会影响其语言、 动作以及对教学资源的使用和分配，进而使学生产生不同的学习体验，由此带来不同的学习效果（Lim，et al.，2012）。因此，收集教师在教学过程中的空间位置信息，能充分了解教师的空间教学策略，反馈的结果能作为其反思和改善教学的依据，来支持教师的专业成长。

借助可视化技术可以帮助教师直观地了解自己的空间利用情况，并思考改进方法。根据反馈的时机，当前研究中主要有课后反馈和即时反馈两种形式。课后反馈指的是在教师完成课堂教学后，向其呈现该课堂中的空间使用图表，比如，在课后向教师反馈视频分析生成的课堂移动路径 （Howard，et al.，2018）或通过热图的形式，为教师呈现师生互动和小组学习指导的状态（Saquib，et al.，2018），以帮助其了解自己教学策略的特点并反思教学的有效性。即时反馈则指的是在课程进行中，为教师提供视觉化线索，帮助其调整教学方式、 平衡对学生提供的支持。具体来说，可在教学过程中通过仪表盘上的热图，展现教师在不同小组的时间分配让教师关注指导不够的学生。也有研究者认为，仪表盘的形式需要教师时时关注屏幕信息，会对其指导行为产生干扰。因此，该研究设计了更加直观的实时反馈方式——将空间定位系统与LED 等关联，借助灯光颜色/亮度，提示教师在各个小组中停留的时长，以帮助教师识别缺乏关注的小组并做及时调整以提供更多教学支持（An，et al.，2019）。

2.借助空间信息了解学生发展及学习特点

收集学生在学习过程中的空间位置信息及变化，为教师提供关于学生发展和学习特点的参考，是定位技术在学习分析中的应用领域之一。

空间作为社会交往中容易被忽视的 “隐藏维度”，能够反映人际关系和交往状况（Hall，1996）。因此，部分研究聚焦年幼儿童的社会交往，帮助教师及时识别社交不利儿童并提供支持。比如，利用Ubisense 定位系统追踪2-3 岁儿童社会交往状况（Altman，et al.，2020），吉布森（Gibson，2018）和维加（Veiga，2017）分别借助传感器和RFID 技术，考察儿童在户外游戏中的同伴交往特点。有学者（Yan，2021）追踪儿童的活动轨迹，分析其交往特点及其与不同教学方式间的关系。也有研究通过空间移动上的不同特点，探究交往中的性别差异（Stehle，et al.，2013）或识别有特殊需要的儿童（Irvin，et al.，2017，Banarjee，et al.，2020）。

空间信息也被用于了解学生在小组学习中的表现（Fernandez-Nieto，et al.，2021a）。有研究通过BLE收集和分析学生在小组合作学习中的位置停留变化，识别出合作学习中的三种角色：信息收集者（查阅资料）、大使（负责组间交往）和秘书（负责记录和撰写）（Riquilme，et al.，2020）。传感器收集的距离信息，也被用于考查学生在创客空间中的合作学习特点（Chng，et al.，2020）。在了解学生小组学习特点的基础上，教师可对小组成员进行合理分配以提升学习效果（Hsieh，et al.，2010）。

此外，在职业教育中，空间定位技术通常被用于了解特殊环境中受训者的训练状况、评估工作状态、制定个性化的培训方案。比如，在钢铁工人的训练中，定位信息的可视化，能够辅助教练和受训者、及时发现和规避风险因素、 辅助对训练效果的评价（Teizer，et al.，2013）。在消防员的训练中，空间位置的可视化，同样有助于呈现难以直接观察的现场状态，了解团队合作的特点，为提升培训质量提供参考（Wake，et al.，2019）。

3.应用空间信息改善教育环境和促进学生反思

目前，空间信息在改善教育环境和促进学生反思中应用的研究相对较少，但展现出一定的研究发展潜力。环境被认为是一种“静默的”教育资源，室内空间的布局、桌椅的摆放、材料的提供等，都会在无形之中对学生的学习体验和学习结果产生影响。借助于空间定位信息，可以直观地反映教育空间的使用情况，为改善学习环境提供参考。对比不同领域课程中不同教师空间位置使用情况，发现教师对小组指导的频率和时长，会受到环境的制约。比如在访谈中，该教师认为，空间数据可以用于优化教室内座位排列和学习空间设计 （Martinez-Maldonado，et al.，2020a，2020b），为学生营造更好的学习环境。吉布森等人（Gibson，et al.，2018）借助定位技术，对比了不同户外游戏空间密度对儿童交往的影响，发现环境是儿童交往的影响因素之一，为教师引导儿童的社交行为提供了新的思路。也有研究者提出了将室内定位技术应用于考察幼儿园中区角使用状况的构想，区角是学前儿童学习与游戏的主要情境场所，通过收集儿童的空间位置信息，能客观地反映儿童对不同区角的兴趣。因此，空间位置信息既可以作为反映区角质量的评价标准，也可以作为教师调整区角的依据（Mesquita，et al.，2014）。

在已有研究中，鲜有向学生提供其在课堂中的空间位置信息的研究。而在学习分析中，向学生提供关于其学习过程的反馈，能够促进其元认知的发展，推动其对自身学习方法和问题解决策略的调整。在上述34 篇文献中，仅格诺利等人 （Gnoli，et al.，2014） 在研究中尝试向儿童提供其自身和同伴在设定的游戏任务中的空间位置信息，以促进反思、优化教学策略。

（四）空间位置信息在学习分析中的应用效果检验

空间位置信息在学习分析中的应用，尚处于起步阶段，但已有研究尝试对其应用效果进行检验，主要体现在两个方面： 一是对空间数据所反映的学生状态进行验证，主要通过与观察法或其他评价工具的结果进行对照。如将定位系统反映出的儿童交往状况，与教师对儿童社会性的评价以及同伴提名的结果对比，发现存在一致性，则表明空间定位技术可以作为教师了解儿童社会性发展的辅助手段加以应用（Altman，et al.，2020）。二是对利用技术改善教学的效果检验，主要借助访谈的形式，了解教师对空间信息反馈的看法以及应用建议。研究者发现，数据呈现的客观状态与教师对自身空间利用的主观感受之间存在冲突，还能够有效引发教师对教学过程的反思。教师肯定空间定位信息的价值，认为这些信息能帮助教师认知教学状态，并对其专业发展起到促进作用（Fernandez-Nieto，et al.，2021b）。但是目前的评价仍然有较强的主观性，缺乏基于客观评价标准的对照研究，以及对效果进行验证。

五、空间定位技术应用于学习分析的挑战与展望

综上所述，我们发现，已有研究中使用了丰富多样的定位技术，反映出定位技术在学习分析中应用的独特优势。其一，能够克服问卷、访谈和直接观察在空间教学、 社会性研究中的局限性（Mesquita，et al.，2014）； 其二，避免视频分析所带来的数据冗余，充分发挥技术在数据获取上的高效、客观和准确的特点；其三，将教育场域的空间使用直观展现，来了解教学和学习特点，进而推动空间理论在教育领域的快速发展。但在研究的推进过程中也不乏挑战，需要我们进一步思考将空间定位技术应用于学习分析的未来研究发展方向。

（一）空间定位技术应用于学习分析的挑战

1.对便捷、准确、稳定且经济的定位技术的需求

尽管在目前研究中用于定位的技术多种多样，但每项技术都有其有优点和局限性。在从实验研究转向实际应用的过程中，一方面，要考虑成本因素，因高昂的价格会阻碍研究结果的实际应用； 另一方面，更为关键的是科学的研究结果及有效的应用，需要稳定的技术作为支持，数据的不稳定性，将是应用定位技术研究中需要克服的挑战之一（van Berkel，et al.，2016）。此外，在关于技术的研究中，生态效度也应受到重视。从当前的研究来看，定位技术并未很好地实现“嵌入性”，除了使用手机自带的蓝牙功能之外，仅有一项研究考虑到了技术的“隐藏”——尝试将蓝牙设备内置于鞋子之中 （Saquib，et al.，2018）。其他研究中则需要研究对象额外携带体积较大的标签或信标等定位工具，设备的外在化会影响研究的生态效度，不利于长期进行数据收集，尤其是考虑在针对年幼儿童的研究中，技术的嵌入性就显得更为重要。因此，今后如何实现定位技术的微型化或无感化，是后续亟待解决的问题。

2.应对教育场景复杂化和多样化的需要

教育理念的变化变革了教育方式，相应地带来了空间利用的改变。创客空间等的兴起，将以往以教师主导的教学方式转变为更加灵活的小组学习、探究学习（Chng，et al.，2020）。在学前教育阶段以游戏为主的学习方式，也决定了儿童对空间利用的多元，这些都对数据的收集提出了更大的挑战。如何能够适应教学空间的变化，以及如何延展定位数据的适用场景，仍然有待研究者做进一步探讨。同时，在定位信息收集的同时，也应当考虑到教育场域内的相关因素对其的影响，避免由此导致的对数据的误读和误用。已有研究尝试结合其他类型数据，来克服这一困难，如语音（Messeniger，et al.，2020）、身体朝向（An，et al.，2018）等。多种技术共同建构的智慧学习环境或将成为一种趋势，但是如何在减轻使用者额外负担、 降低数据冗余以及在多种技术协调配合的情况下搭建智慧学习平台，仍是目前研究者所面临的问题。

3.数据安全与隐私的保障更为复杂

定位数据能够反映出大量丰富的信息，这对于了解教育场域中的人和事是一个利好的消息，但同时也为数据安全和隐私保护敲响了警钟。儿童和教师活动数据的泄露，可能会导致家长或学校的误读与误用（An，et al.，2018），对正常的教学造成困扰。信息安全是数据时代最严峻的挑战，在定位技术的相关研究中也是绕不开的话题。传感技术的发展为多模态数据的获取带来了机遇，也让隐私保护变得更具挑战性（Joksimovi ，et al.，2022）。然而，当前尚未有完善的多模态数据的安全保护机制，相关政策和信息使用的规范亟待完善。无论是数据的读取还是使用，都需要设立清晰的规则与界限（Kitto，et al.，2019），以规避风险与伤害。尽管当前研究的规模较小，但数据安全问题依旧不容忽视。

4.大规模、验证性研究的缺乏

目前研究以小样本、 短时间的实验研究或小范围应用研究为主，尽管在一定程度上能反映定位技术应用的有效性，但小规模研究结论难以推广，适应性弱（Veiga，et al.，2017）。从数据应用的效果来看，当前主要通过访谈、问卷等形式，了解学生和教师对定位数据及技术应用的态度与看法 （Altman，et al.，2020），以此考察定位技术的应用效果，但仍缺乏针对空间位置信息在改善教学中作用的系统化研究。并且不同类型的定位技术、 不同的教学组织形式以及不同的应用目的下定位数据应用的效果，仍然有待研究者进一步的研究与验证。

（二）空间定位技术应用于学习分析的展望

1.加强理论建设，完善学习分析模型

学习分析作为发展中的领域，自身的理论基础、理论框架和分析模型都有待完善（郭炯，等，2017）。如何理解学习？如何看待学习过程？如何定位教学中的师生角色？基于何种标准评价学习等？都会影响学习分析的实践。学习分析在改善教学实践中起到何种作用？ 已有的学习理论和学科理论如何推动学习分析结果的解读和应用？也是不可回避的现实问题。尽管当前在学习分析的技术、工具、模型和应用上，已积累了大量的经验（Clowd，2012），但现有研究相对零散，暂未形成相对完善、系统的学习分析理论，而这正是领域持续发展的助推力量。定位数据作为学习分析中相对新颖的数据维度，既需要在学习分析理论框架下开展研究，也应当根据数据本身的特点和优势，反哺学习分析的理论发展。在丰富学习分析的内涵、 更新对学习的理解以及革新数据收集和分析技术等方面，需要继续推动包含空间位置信息的多模态学习分析模型的验证与完善。

2.推进跨学科合作，建构有意义的空间指标

学习分析诞生之初，就是一个多学科综合的领域（吴永和，等，2020），要基于数据理解学生的学习。具体而言，一方面，需要计算机科学、工程学等学科为数据收集提供保障；另一方面，也需要人工智能与数据挖掘技术实现数据分析。更重要的是应充分借鉴心理学、认知神经科学、社会学、教育学等多个领域的分析方法及理论，对数据进行科学解读，使数据能够准确地反映教与学的过程性特点。作为学习分析中的一部分，空间定位技术在学习分析中的应用，也势必需要不同领域的共同合作，融合不同的学科视角（李梦蕾，等，2018）。具体而言，首先应结合相关理论，将空间信息的基础数据转换为高阶概念，兼顾相对静态的指标； 其次对移动轨迹特点本身进行提取与分析，建构出系统化的数据分析维度，从而在空间信息中抽取出更多有益的信息； 最后要尝试寻找贯通不同教育场景的普适性指标，借助学科间的同理通力合作，以充分发挥空间位置信息的教育价值。

3.关注使用体验，支持利益相关者参与

在学习分析中应避免陷入“只见技术，不见学习”的工具理性（汪维富，等，2021），使其真正在教学实践中展现价值，这意味着学习分析的结果，需要被利益相关者（研究者、学习者、教师和管理者）理解和使用。具体而言，一方面，要求从使用者视角看待学习分析的应用，尝试将所有利益相关者纳入考量之中，寻找适切的分析方法，让学习分析的结果与使用者的需求相符合（郑隆威，等，2016），从目前研究来看，研究者和教师的使用受到较多关注，却缺少从学习者和管理者视角的关照；另一方面，学习分析结果的“可见”和“可理解”是“可用”的前提，因此，如何将数据便捷、直观地呈现给使用者，从而带来良好的使用体验是研究关注的重点。因此，在数据的可视化以及用户界面的设计等方面，仍需要研究者做更多探索。

4.融入多模态数据，实现评价与支持系统智慧化

尽管空间位置信息具有其独特优势，但它只能反映学习过程的一个方面，唯有与其他类型的数据相互配合，才能拼合出关于教育的全貌（Martinez-Maldonado，et al.，2013）。然而，多模态数据的整合不仅涉及到虚拟空间与物理空间的数据整合，也包括心理数据和生理数据的整合（穆肃，等，2021）。如何充分发挥不同类型数据的独特优势，在不同类型的教学情境和应用目标下，适当地选用多模态数据，还需要更多的研究支持。此外，空间位置信息在反映教师空间教学策略及学生的交往、 合作学习上，虽表现出独特价值，未来也需要进一步证实和拓展空间位置信息的应用价值。在此基础上，应结合不同类型的数据，构建出更为全面的教学评价与支持系统，为教学研究的开展、学习者学业预测与预警、教师的教学反思与专业发展、学习者的自我评价和学习调整，以及管理部门实现教育质量监测，提供切实依据，以服务于教育决策，助推个性化、高质量的智慧教育的实现。

六、结语

从已有研究看，空间定位技术在学习分析中的潜力，已得到初步展现。将空间位置信息纳入学习分析，能够丰富对教育场域中教育教学和学习过程的理解。但要为教学带来切实的改变，仍然面临着提升技术实用性、场景适用性、数据安全性及验证有效性等方面的挑战。未来，研究者还需在考虑不同利益相关者需求的前提下，整合不同学科力量，将空间位置信息有机纳入多模态分析的体系之中，通过规模化的研究实践与反馈调整，为教与学的改善带来具有实质性的影响。