基于LSA的在线学习行为序列演变分析

王溢琴 齐悦

摘要：本研究针对在线环境下教与学时空分离，致使在线学习过程不易掌握的问题，分析了不同阶段的学习行为变化，阐释了优秀群体与中等群体间的差异化行为模式，展示在线学习过程全景，以期为掌握在线教学规律、优化教学策略、提升教学效率等提供依据。

关键词：学习行为分析;行为序列;滞后序列分析法;在线学习

中图分类号：G434  文献标识码：A  论文编号：1674-2117（2022）08-0108-05

在“互联网+”大背景下，在线学习模式被广泛接受。学习者的在线学习行为，如阅读公告、查看视频、论坛发帖、提交作业等，其发生的先后顺序与频次，均能反映学习者的学习状态。[1]滞后序列分析法（LSA）[2]，就是分析一种行为在另一种行为之后出现概率显著性的行为模式研究方法，众多学者使用LSA对不同学科领域、教学环境下的在线学习者行为模式进行探讨[3-5]，在学生行为模式分析[6]、知识建构行为模式[7]、学习过程分析与学习效果预测[8]等方面取得了较丰硕的研究成果。

基于此，本研究从学习行为分析视角，采用滞后序列分析法（LSA），对网络平台学习者的在线行为数据诊断分析，探究学习者如何参与在线学习过程，不同学习阶段有怎样的行为模式及特征，高低学习群体的行为模式有哪些差异，希望研究结果可为在线教育的教与学优化提供依据。

● 研究设计

1.研究对象

本研究以2019—2020第二学期“Web前端程序设计”课程的在线行为数据为研究对象展开研究，该课程采用线上教学模式，教学周10周，学生201名。由于不同学习阶段的学生会表现出不同的行为特征[9]，因此课程团队将整个在线学习活动划分为课程前期D1、课程中期D2和课程后期D3三个阶段，从过程角度诊断学习群体的行为模式，全面揭示在线学习规律。

2.样本预处理

通过分析网络平台中的学习行为数据，借鉴贾积有、蒋卓轩、孙静等[10-12]学者的研究成果，去掉发生频次较少的动作行为，聚焦与学习绩效显著相关的9种学习行为。上页表1呈现了行为种类及编码。

研究依据行为发生时间的先后顺序，将一种行为向另一种行为的变换指定为一个行为序列，同时使用两种行为的编码来表示形成的行为序列，编码前后的次序表示该行为序列变换方向，如观看视频（W）后回复帖子（H）的行为序列为WH。研究选取的9种行为理论上可形成81个行为序列，在Python环境下计算发生的行为序列频次如表2所示。

● 研究结果

1.行为序列总体分析

实际情境下共提取出76个行为序列，哪些行为序列与学习成绩相关呢？研究将生成的学习行为序列与学习成绩做了Pearson相关分析，分析结果如表3所示，共有24个行为序列与学习成绩显著相关。

三个行为序列与学习成绩呈中等相关（r=0.4～0.6），这些序列都与章节测试有关，分别是章节测验后再次章节测验TT、查看教师点评后章节测验JT和观看视频后章节测验WT。考虑到网络不稳定、学生操作不熟练等因素，该课程的章节测验设置最大测验次数为3次，最终成绩为测验中的最大值，因此TT行为序列频次较高，也与最终成绩中度相关;查看教师评语后再次章节测验JT，体现出对知识的再加工与深度建构的过程;WT表明大多数学生都是观看视频后完成章节测验，说明视频仍是知识传递的主要载体。

十六个行为序列与学习成绩低度相关（r=0.2～0.4），涉及的行为序列主要表现在学习过程上，如阅读公告后完成测验NT、完成视频观看NW、完成作业提交NK，课堂签到后的做测验ST、看视频SW、回复帖子SH等;课程实施时采用BOPPPS六步法，课前设置测验环节，学生完成课前测验的TS行为，体现出参与学习过程的主动性。

五个行为序列与学习成绩呈弱相关（r接近0.2），有课前的阅读公告NS，签到后的查看教师评语SJ、下载资源SD，提交作业或章节测验后的查阅公告TN与KN等，这些行为序列均体现出学生良好的学习方式，又与最终成绩呈弱相关，表明良好学习方式会对学习成绩产生一定影响。

2.阶段化行为模式分析

整体上对学习行为序列与学习成绩的关联关系分析后，进一步采用滞后序列分析法（LSA）探究不同学习阶段的行为变化，解读优秀学习群体与中等学习群体间的差异化行为模式，进而帮助教师理解学习过程，掌握在线学习规律，为高效教学实施与干预提供依据。

研究将课程设置为前期D1（15周）、中期D2（6～11周）和后期D3（12～16）三个学习阶段，把表2中的行为频次总表拆解成三个学习阶段，并在此基础上计算优秀学习群体、中等学习群体的行为序列调整后的残差值。为了更直观地呈现行为序列转换模式，将有显著意义的行为数据绘制成转换图，图1为优秀学习群体三阶段的行为转换图，图2为中等学习群体的行为转换图。

（1）课程前期D1阶段

两群体都有观看视频WW和阅读公告后查看视频NW序列，表明两群体在课程早期都倾向于学习新知识、积极完成学习任务。优秀学习群体的阅读公告后提交作业NK与章节测验NT序列明显，观看视频后下载资料WD、参加章节测验WT、查看公告WN以确保完成学习任务，查看教师回复后做测验JT、测验后再次测验TT以提升测验成绩等行为，表明该群体积极建构知识。DS下载资源签到、WS视频观看后签到、TS章节测验后签到（教师经常发布课前小测验），表明学生提前進入课堂，为教学做好课前准备;而提交作业后查看教师回复KJ、签到后查看公告SN、章节测验后查看公告TN，表明学习者具有良好的学习习惯。

相较于优秀群体，中等学习群体在课程早期发帖行为H频次较高，如签到后发帖SH、章节测验后发帖TH、回帖后再回帖HH，但由于早期学生多课程内容理解较浅，大多是一些无关话题的讨论，故此序列不是有效行为序列。中等群体ST较高，可能是在教师、同伴提醒下，为完成学习任务而出现的行为;JK较高，经调查访问，多数情况是作业被打回重做导致;HW表明学习过程中被无关话题所干扰，故上述行为序列不是与学习成绩有关的序列。

（2）课程中期D2阶段

相较于课程前期D1阶段，D2阶段两群体行为序列种类明显增加，有完成学习任务的WK（观看视频后提交作业）、WT（完成章节测验）、NT（阅读公告后参加测验），进行交流互动的WH（观看视频后回帖）、SH（签到后回帖），主动巩固知识的TT（章节测验后重新测验）、TN（章节测验后查看公告），表明绝大部分学生具备良好的学习状态;同时HS值提高明显，说明课前存在一些无关讨论。

除上述共有行为外，两群体在此阶段表现出特有的行为特征：①在交流互动方面，优秀型群体的讨论行为WF、WH、DH明显上升，表明该阶段学习积极性上升，积极进行知识建构;而中等型群体的WH回帖行为上升，表明看完视频后，针对知识点内容进行讨论。②SH整体下降，表明无关话题讨论情况好转，中等型群体的NW、NK、NT值上升，而SK、ST值下降，且出现NN行为，表明学生课后按照教师发布的公告，积极完成学习任务;同时DT、TT、TS值持续升高，表明学生能以教师提供的资料为依据，通过不断测试来巩固所学内容，且课前积极预习知识内容，来保证学习质量。③优秀型群体的SJ上升，表明学生关注教师对发帖内容的点评;JD行为，即查看教师点评后下载资源，进一步解惑或验证问题，表明该群体主动进行高层知识构建，JT行为也进一步验证群体的高层知识建构。同时该群体的FW、HW、HK、HT比例较高，积极交流后能继续进入学习状态，表明该群体对交互网络起主导作用。

（3）课程后期D3阶段

到课程后期D3阶段，学习者整体上观看视频WW的频次下降，这与远程教学中存在较高在线学习流失率的现象[13-15]吻合;然而观看视频行为仍是所有学习行为中频率较高的，反映出知识获取渠道仍以观看视频为主;同时，两群体的SF、SH提升明显，表明课程后期教师组织讨论、互动交流活动较多，而学习者的KS、TS频次较高，说明课程学习的持续性较好。

优秀型群体在此阶段的讨论行为WF、WH、KH、SH、HH较高，也比较关注教师的点评WJ;而对资源下载D后引发的行为少，可能是课程后期，主要以完成学习任务和对所提交作品的评论为主。

中等型群体在此阶段为了获得一个好成绩，他们的观看视频WW、SW、NW，完成作业和章节测试WK、WT、SK、ST、NK、NT、TT等频次较高;学习群体也注重交流SH、KH、HH，且交流后能继续完成作业HK和测验HT;相较于优秀型群体，在此阶段的DH行为明显，表明学生开始积极往高层次进行知识建构，也开始在教师点评后自主学习JT，从整体上表现出知识建构水平层级的提升。

● 结论与启示

通过对在线学习行为序列与学习成绩间的关系分析可知，影响最终成绩的主要因素是参与章节测验，由于课程考核标准由考勤、线上成绩（章节测验成绩+作业成绩）和作品成绩组成，而学生在考勤方面差别不大，积极主动参与线上学习过程、具备良好的学习方式等行为，最终体现在线上成绩和作品成绩两方面。因此，在平时学习过程中教师应帮助学生适应在线学习环境，采取恰当教学模式调动学习兴趣，督促他们及时完成学习任务。

采用LSA法对三阶段的行为模式分析，可知：①整体上发帖F与资源下载D产生的行为序列频次低，反映出学习群体在线上交流互动较弱，平台中资源利用率较低。在线资源的下载量低，表明学生并未将在线资源作为知识解惑与深化的首选，在线资源的独特优势有待进一步挖掘与提升;在线交流互动弱，教师可通过培养核心成员、关注沉默成员、改革考核方式等方法，鼓励学生积极交流互动，促进知识的不断深化。②基于学习过程视角，课程前期学习群体均有积极参与在线学习的意愿，WW、NW行为序列明显;相较于中等学习群体，优秀学习群体能快速进入学习状态（如NK、NT、TS），完成学习任务（如WT、WN、WD）。在课程中期行为序列种类丰富，互动交流行为明显增加，中等学习群体积极参与在线学习，优秀群体的高层知识建构行为显现。到课程后期需对提交作品进行组间评价，使得讨论行为SH、HH、KH频次最高;同时中等群体开始关注教师点评，积极完成学习任务，向高层知识建构。通过阶段化行为序列分析可知，在平时线上教学过程中，教师要帮助学生参与在线学习过程，引导学生产生有效行为序列，及时干预无效行为序列，促进有效在线学习模式的形成，进而实现在线学习效率的提升。

参考文献：

[1]胡丹妮，章梦瑶，郑勤华.基于滞后序列分析法的在线学习者活动路径可视化分析[J].电化教育研究，2019（05）：55-63.

[2]Sackett G P.（Ed.）.Observing Behavior：Theory and applications in mental retardation （Vol.1） [M].Baltimore： University Park Press，1978.

[3]HOU H T，CHANG K E， YAO T S. Applying lag sequential analysis to detect visual behavioural patterns of online learning activities[J].British journal of educational technology，2010，41（02）：E25-E27.

[4]WU S H H. How cognitive styles affect the learning behaviors of online problem-solving based discussion activity：a lag sequential analysis[J].Journal of educational computing research，2015，52（02）：277-298.

[5]YANG T C，CHEN S Y，HWANG G J. The influences of a two -tier test strategy on student learning：a lag sequential analysis approach[J].Computers & education，2015， 82（C）：366-377.

[6]李爽，钟瑶，喻忱，等. 基于行为序列分析对在线学习参与模式的探索[J].中国电化教育，2017（03）：88-95.

[7]杨现民，王怀波，李冀红.滞后序列分析法在学习行为分析中的应用[J].中国电化教育，2016（02）：17-23.

[8]江波，高明，陈志翰，等.基于行为序列的学习过程分析与学习效果预测[J].现代远程教育研究，2018（02）：103-112.

[9]牟智佳.MOOCs环境下学习行为群体特征分析与学习结果预测研究[J].中国医学教育技术，2020，34（01）：1-6.

[10]贾积有，缪静敏，汪琼.MOOC学习行为及效果的大数据分析——以北大6门MOOC为例[J].工业和信息化教育，2014（09）：23-29.

[11]蒋卓轩，张岩，李晓明.基于MOOC数据的学习行为分析与预测[J].计算机研究与发展，2015（03）：614-628.

[12]孫静.慕课中不同学习群体间学习行为的比较研究[D].无锡：江南大学，2019.

[13]Taylor C，Veeramachaneni K，O'Reilly U. 2014. Likely to stop？Predicting Stopout in Massive Open Online Courses[EB/OL].[2014-08-14].https：//arxiv.org/abs/1408.3382.

[14]李若晨.基于特征工程的MOOC学习者行为分析和辍课预测[D].上海：华东师范大学，2019.

[15]张哲，王以宁，陈晓慧，等.MOOC持续学习意向影响因素的实证研究——基于改进的期望确认模型[J].电化教育研究，2016，37（05）：30-36.