智慧教育环境中促进教与学的可视化学习分析

吴 忭,陈思思

(华东师范大学 教育信息技术学系,上海 200062)

一、从智慧教育到数据驱动的教学决策

(一)大数据时代的智慧教育

信息技术和互联网的普遍应用产生了海量的多模态数据,使社会步入了大数据时代。在教育领域,大数据正对教育研究和实践产生深远的影响[1]。基于教育大数据的人工智能技术应用掀起了新的教育数字化转型,并进一步推动了智慧教育的发展。智慧教育是通过构建技术融合的生态化学习环境,通过培植人机协同的数据智慧、教学智慧与文化智慧,让教师能够探索尝试高成效的教学方法,让学习者能够获得适宜的个性化学习服务和美好的发展体验,从而培养全面发展的人才[2]。而当前的智慧教育也面临挑战,例如,智慧教育理论创新难以付诸实践,智能技术和课程整合的智慧教育实践模式尚待探索完善,以及教师与机器如何相互赋能以实现循证教学的智慧教育目标。

教育大数据的深度理解和有效应用是实现智慧教育的基础。只有从教育大数据提炼出有价值的信息,归纳总结成知识,洞悉凝结为智慧,才能够成为数据智慧,以更好地服务于智慧教育[3]。数据、信息、知识和智慧的层级结构被称为数据金字塔,在智慧教育体系中,数据是教育相关人员亲身践行与机器的感知记录而来,通过对数据的描述性分析和可视化表征,使之跃升成具有意义的教育信息,而后师生对数据进行初步感知和理解,接着通过特征提取、信息模化和模式解释,使教育信息模式化,形成新的知识,最终通过机器学习技术、生成决策服务于人才培养,实现知识向智慧的跃升,从数据智慧转换为教学智慧[2]。

大数据所带来的技术革新给予教育更大的发展空间,但也给教学的改革和发展带来了前所未有的挑战。面对复杂而庞大的数据,教师仅凭借个体的教育经验来理解和解决教育问题越来越困难[4]。而智慧数据借助智能技术,可以将分散、客观地存在于教育环境中的各种原始数据,关联、组织、派生成数据智慧,并将数据智慧服务于教学决策,对教学的实践与研究产生巨大影响。在当前的教育背景下,教师作为课堂的主导,其如何采取教学决策、实施教学活动常常会受个人经验的影响,而缺少了教育数据作为教师行动的依据,教师的个人主观性会极大影响教与学的成效。鉴于此,利用智能技术,对广泛的教育数据收集过程进行解释,以客观的数据为基础和依据,帮助教师和学生评估教学绩效和进步,预测未来绩效、进行教学管理和决策,并确定与学业规划、研究、教学和学习相关的潜在问题,对化解当前的教育困境具有极大的利用价值[5]。

(二)人工智能赋能教学决策制定

教学决策是指教师在教学过程中根据教学实际进一步选择教学行动,调整和完善教学实践,使教学活动促进学习者的学习和发展。相较于传统以教师个人教学经验制定的教学决策,数据智慧在教育领域的应用能够给教师教学决策提供支持,通过人机协同的交互方式促进教师对教学数据的主动探究,教学仪表盘给教师提供透明的数据支持[6],帮助教师更好地对可视化教学数据进行意义建构,以客观的数据为依据实现基于证据的教学决策,避免基于经验决策的随意性和主观性[7]。例如,基于教学仪表盘的人机协同方式,教师采用数据可视化工具,通过自上而下的数据钻取,有目的地放大教育数据的精细度,发现存在学习问题的学生群体,从而更好地识别、探索数据并运用适当的干预促进学生的学习[8]。

数据智慧是通过人机交互促进数据探究、利用数据可视化表征实现数据模型的透明化和可解释性、提供基于证据的教学决策支持,进而为教师循证教学与教学过程的优化和再造提供可能。鉴于教学环境中所生成的数据的复杂性,基于智能技术的教学决策实践需要善用学习科学理论和学习分析技术,通过可视化教育数据来展示教育数据的意义之网[9]。

二、可视化学习分析的理论缘起和内涵

(一)数据可视化的目的

可视化学习分析(visual learning analytics)作为一个新兴的研究领域,其核心是数据可视化,即将学习者及其学习环境中收集的数据通过图示化表征进行外化。数据可视化包括数据、意义和可视化三个要素,是贯穿于数据探究和数据沟通过程始终的[10]。数据探究是测量、收集、整理、分析和验证数据,旨在揭示有关数据特性和支持数据推断,获得认识并支持进一步的决策。数据沟通能够将数据通过图示化表征,以数字、图片和符号等可视化形式呈现证据支持的观点、洞见和结论,从而引起使用者的视觉注意和促进认知建构。数据可视化将大量数据有意义地精细化,使数据集之间获得连接,构成有意义、有价值的信息,并通过可视化形式有效地表征和呈现,以支持数据探究和沟通。教育数据可视化面向学习者、教师和教育研究者,以促进学习、改进教学活动和提高绩效为直接目的[11]。教育数据可视化不仅有助于学习者探索学习路径,支持学习者选择合适的学习策略,了解课堂表现并促进学习者反思,最终达到学习目标的实现,也给教师提供了解学习者学习状态、表现和反馈的手段,促进教师优化教学活动和教学指导,还可以帮助教育研究者洞察学习动态、预测教学趋势,有助于揭示学习的作用机制和真实环境中复杂因素对学习结果的影响[12]。

(二)可视化学习分析的双重含义

可视化学习分析是学习分析和可视化分析相互交叉而形成的新兴研究领域,是指利用计算工具和方法理解教育现象的交互式数据可视化[13],强调计算机的自动化分析和可视化优势对人类推理和决策过程的支持,有助于理解复杂的学习现象和解决复杂的学习问题[14]。可视化学习分析具有双重含义:一方面指学习分析的工具技术和设计制品,通常称为学习分析仪表盘(learning analytics dashboard, 简称LAD);另一方面也代表一种学习分析的过程方法,强调人机协同的交互式数据探究过程。

学习分析仪表盘是关于学习者、学习过程和学习情境的不同测评指标的一种或者多种数据可视化表征。学习分析仪表盘能够对学习者的学习行为进行精密追踪,记录并整合大量学习信息和学习情境信息[15],洞悉学生的表现及学习进展,及时可视化呈现详细的学习反馈信息,以评估、预测学习活动,发现潜在问题,解决在线学习中缺少“人性交互”的问题,从而为学习者、教师、学生提供学习分析,为教与学提供有效指引[16]。

作为一种数据探究方法,可视化学习分析这种过程视角强调参与式设计和用户中心的设计,即在生成可视化图表的过程中,需要教师参与决策,教师能够浏览数据、过滤数据,根据教学过程中时间尺度的数据变化趋势,选择感兴趣的数据片段,并根据问题需求和数据特点选择合适的图表符号,聚焦有意义的关键信息,在适合的数据粒度上有目的地聚合、钻取和展示数据[17]。

在数据探究和数据沟通过程的不同阶段,可视化学习分析可以分为探索性数据可视化和解释性数据可视化。探索性数据可视化强调教师以问题驱动、目标导向的开放性、探索性视角,参与到数据过滤和选择的过程中,能够探索性地挖掘数据结构与趋势,有选择地进行深度的数据挖掘与探究,指导进一步的验证性数据分析,并最终形成数据洞见和数据智慧。解释性数据可视化是指对于数据探究结果,通过直观、清晰的图示化呈现方式,帮助教师向同侪更有效、透明和客观地解释交流数据洞见,形成教师共同体的数据探究共识的过程。

(三)可视化学习分析的知识本体

可视化学习分析经过十余年的发展已经逐步从学术研究走进真实的课堂实践场域,为教师开展循证教学提供了新的技术方法。与此同时,可视化学习分析对教师在专业发展上提出了新的能力诉求。可视化学习分析主要是三个学科领域的知识构建,包括学习科学、数据科学、可视化科学。图1使用文氏图表示了可视化学习分析的知识本体。学习科学研究人是如何学习的,即学习的基本机制以及如何改进人类学习,关注学习环境、技术、工具、模式、方法、策略的设计,并以学习理论为基础揭示了教学过程的组成要素和各要素之间存在的直接、间接的联系,能够为可视化学习分析过程中有关学习问题和关键变量的操作化方法提供理论依据。数据科学关注数据探究的全过程,包括采集、存储、整理、分析、验证,并为不同的问题需求如诊断、预测、分类、关联、因果等提供工具技术和分析方法。可视化科学研究知识和信息的图示化表征方式,涉及可视化的理论基础,例如视觉素养、认知心理、人机交互、可视化的设计原则、绘制图表的元素规则、用于可视化的图表类型和可视化分析工具。可视化学习分析在这三个领域的相互融合中应运而生:数据可视化是数据科学和可视化科学的结合,相比知识图谱、信息图等已经过加工萃取的表征对象,它更关注来自特定领域的原始量化数据的可视化表征,帮助人们更好地理解和捕捉数据特征;知识表征由可视化科学和学习科学结合而成,如概念图、思维导图,是将特定领域的知识与可视化的技术结合以呈现知识组织结构的技术,也往往作为外化学习者思维过程的认知工具;学习分析基于学习相关的行为、心理、生理等多模态数据,利用数据分析技术对学习行为、学习状态、学习表现和相关影响因素进行分析、建模和预测,是数据科学和学习科学领域的结合。数据可视化、知识表征、学习分析的进一步融合,形成了可视化学习分析。

图1 可视化学习分析的知识本体文氏图

作为一个交叉研究领域,可视化学习分析在赋能智慧教育的过程中,仍然面临学校实践层面的诸多挑战,包括应用目的是“新瓶旧酒”还是学习科学理念下的教学变革、可视化学习分析工具的同质化、数据仪表盘背后数据探究过程的黑箱、数据理解难以转变为行动智慧困境、教师角色如何从可视化学习分析的消费者转变为人机协同的参与者。因此,下文将通过梳理当前可视化学习实证研究,构建可视化学习分析逻辑框架,并进一步分析展示该领域的典型应用案例,为教师教育者和一线教师提供培养可视化学习分析相关技能及开展教研实践的指引。

三、可视化学习分析的逻辑框架

(一)可视化学习分析的应用目的

可视化学习分析的应用目的是从教学需求的视角出发,应对教学理论和实践层面存在的问题与挑战。可视化学习分析能够解决传统教学存在的学习问题,这些学习问题涉及认知、非认知、社交、元认知等方面,与认知相关的学习问题包括在知识建构、问题解决等学习活动中关注学习者的批判性思维、创造性思维等高阶思维能力的发展,如想法线程绘图工具能够将学习者的想法和知识核心以树形结构进行连线,将新旧知识联结,促进学习者高阶思维和认知的发展[18];非认知的学习问题如衡量学习者的实践技能、学习投入、努力程度等,能够帮助师生更加直观地了解学习过程中出现非认知性的问题,如 ViSeq可视化分析系统能够可视化分析MOOC学习中不同学习者群体的学习序列,帮助师生更好地理解学习行为背后的原因[19];在元认知方面,学习规划能力培养问题涉及对学习过程的计划、自我评价和监控,可视化分析能够辅助学习规划、监控学习过程等,促进学习者的元认知能力和元认知的学习,如基于元认知提示的可视化学习分析系统能够向学习者提供元认知信息(如任务难度)、提供元认知帮助,促进学习者反思推断、改进时间管理和时间分配,增强寻求帮助的需求意识,以提高元认知技能[20];协作学习中的社交能力培养问题则关注学生群体之间的社交网络关系,了解学习者在学习环境中如何交流和互动、扮演何种角色以促进学习者间观点的交流、交互与协作。

(二)可视化学习分析的应用场景

可视化学习分析能够应用于多样化的典型教育场景和教育模式,包括线上的自主学习、线下的课程学习和线上线下混合学习,以教师为主导的传统教学课堂和以学生为中心的建构主义课堂等。线上、线下和混合学习的学习场景包括各种开放在线学习平台(如慕课)、学习管理系统(如Moodle、Blackboard)、传统课堂和混合式课堂等。可视化学习分析在这些教育场景中的应用,旨在赋能教师与教学管理者更好地管理与监控线上和线下的教学过程,及时了解学习者的学习进程与困难,进行有效的反馈和评价。在以教师为主导的课堂中,可视化学习分析能够用于收集学习者的问题解答、讨论情况等数据,为教师掌握课堂的进度与节奏提供依据,强调培养学习者的学科能力与素养;而以学生为中心的教学模式如基于问题的学习、探究学习、协作学习等,可视化学习分析也能够作为自主学习的支持工具,帮助学习者更好地进行反思实践,强调培养学习者问题解决、批判性思维等高阶的学习技能并优化学习过程。由此可见,可视化学习分析的应用可服务于不同的使用对象,面向教师的可视化学习分析能够帮助教师深入了解学情,包括学习者的认知风格、先备知识、学习水平、学习动机投入、迷思概念和学习表现等,有效地监控教学过程,灵活调整课堂教学;面向学习者的可视化学习分析帮助学习者掌握学习进度、获得学习反馈、理解知识结构等;面向教师实践共同体的可视化学习分析,可以作为教研活动中的讨论焦点,用于解读课堂、理解学习和改进教学,从而提升教师的数据素养和循证教学能力。

(三)可视化学习分析的教育数据来源和采集方法

可视化学习分析的教育数据主要分为网络学习行为数据、线下学习行为数据和学习情境数据等。网络学习行为数据依据不同的学习环境可以是来自学习管理系统、智能导学系统和其他个人在线学习环境(如移动教育应用、教育游戏、仿真学习软件等)。学习管理系统收集学习者在学习过程中产生的具体学习行为(如观看学习视频、讨论、提交作业等)、学习表现、学习时间与地点、学习成绩及趋势、学习反馈与评价等数据;智能导学系统收集学习者在学习过程中相关的数据,形成学习者个人画像,以促进学习者个性化和自适应的学习,个人在线学习环境相关的数据集包括学习资源、学习交互日志等数据。网络学习行为数据采集的常用方法主要有三类,基于服务器端的采集、基于客户端的采集和基于服务器端和客户端相结合的采集[21]。线下学习行为数据集主要通过录播教室、智慧教室的音视频采集设备和其他物联网传感器自动采集,也可以是教师、助教、学生、家长等相关人员通过人工方式记录。线下学习行为数据包括课堂的学习行为,如举手次数、提问次数、课堂行为表现、教师反馈等数据;课后的学习行为,如作业、测验、参加社会实践活动情况等数据。课堂学习行为数据采集方式主要通过教师主动观察、记录、收集,课后的学习行为数据可以通过家长、教师共同观察和记录的方式采集。学习情境数据的主要来源是各类移动端设备和智能学习环境。随着网络技术、计算机技术、人工智能技术的发展,学习者更多地使用手机、平板等设备进行移动学习,在智慧学习环境中学习。情境数据集主要收集学习者所处学习环境的相关数据信息,包括学习者的个人信息、平台和网络信息、所处的环境信息等。情境数据的采集方法主要通过移动设备和智慧学习环境中的传感器收集,以表征学习者所处的学习环境和情境的特点。可视化学习分析不仅需要对学生生成的学习数据有全息的刻画,更需要利用学习在何时、何地、由何人、如何发生的情境数据来还原和提供对学习数据意义的理解。

(四)可视化学习分析中的数据表征和可视化交互方式

依据学习分析的不同目的和多样性的数据类型、不同的数据特征,数据的表征和呈现方式也存在差异。学习分析中可视化的数据表征常用方式包括直方图、散点图、桑基图、热力图、树形图、时序图、网络图等,此外,还有一些直观有趣的数据表征方式,如使用植物的生长表示学生的努力程度,用不同颜色的花朵显示学习者的参与度等[22],多维度的数据表征还可使用复合的图表呈现。常用的可视化学习分析中的数据表征方式、特征及适用场景如表1和图2所示。

表1 数据的表征方式、特征及适用场景

图2 可视化学习分析的问题需求、图表类型和数据类型的映射关系

可视化学习分析中的人机交互涉及显性的数据操作流程和隐性的数据探究推理过程。数据操作流程包含数据的比较、排序、过滤、选取、汇总、分割、聚合注释、快照等一系列显性数据操作行为,使数据能够清晰直观地呈现,便于使用者快速捕捉数据信息。数据探究推理是指数据操作背后隐含的行为目的和分析意图,例如通过数据的选取、过滤,可以标示和查找有意义的数据,能够进一步帮助教师找到符合筛选条件的学生群体;通过数据的比较、排序等交互,直观展示数据间的差异性和分布情况,如对学习者的考试成绩、讨论参与度从高到低或从低到高排序,帮助教师比较不同学生的数据区间;数据的汇总便于教师观察数据的整体特征,能够将多样化的学习数据进行整体概况的汇总,生成个人或群体的学情报告;数据的聚合能够进一步划分数据层次,如可以将学习数据划分为年级、班级、小组等层次,便于教师进行不同层次间的比较。可视化学习分析的交互方式也包含其背后的隐性数据探究过程,即问题提出、数据采集、数据处理、数据建模、数据推断、方案评估和交流等。

(五)可视化学习分析的应用效果评价

评价可视化学习分析的应用效果应从不同指标维度评估,例如视觉吸引力、可用性、理解水平、使用频次、使用满意度、感知有用性、学习效果和行为改变。视觉吸引力指学习分析的仪表盘界面设计和视图呈现能够引起使用者的注意和记忆的程度,合理安排知觉成分和线索,通过线条、文本框、图形、颜色对比等使视图的信息和内容具有逻辑性,能够自然地使教师和学生观察界面和视图[23]。可用性指可视化学习分析工具的设计和开发是否以用户为中心,即教师和学生在使用中的有效性、效率和满意程度。感知有用性指使用者对使用了可视化学习分析工具后对绩效是否提高的主观感受。理解水平指使用者对学习数据图表的解读是否正确,可视化呈现是否易于使用者理解,这与视图的设计、图表和数据的分布、视觉呈现方式紧密关联。使用频次指教师和学生在教与学的过程中使用可视化学习分析工具的频率次数,使用频次越高,表明工具越具有实用性,能够做到与课程的整合,满足教师和学生的教学需要。使用满意度指教师和学生使用可视化学习分析工具后的主观评价与感受。学习效果指使用了可视化学习分析工具是否能达到预期的教学目的,优化教学过程、提高教学与学习成效。行为改变指使用了可视化学习分析工具后教师和学生发生的学习行为的变化,如更加积极参与学习讨论、根据教师的反馈进行自我反思等,积极的学习行为改变表明可视化学习分析工具的应用效果较好,能够促进和支持学习者积极地学习。

对可视化学习分析技术的评价需要考虑其评价层次,通过多维度的系统性评估、迭代优化提高技术的成熟度和改善实践效果。可视化学习分析的视觉吸引力能够从视觉角度最先引起使用者的注意,这是技术采纳的先决条件,即用户是否有体验试用的意愿取决于图表信息的新颖性、有趣度,其次是可视化学习分析的可用性和理解水平。这两个指标维度有一定的相似与关联,可用性关系到能否实现使用者的预期目标,理解水平强调可视化学习能否被使用者理解,是对可视化学习分析技术本身的功能与水平的评价。然后评价使用频次、使用满意度,从用户的反馈中评价可视化学习分析工具的使用情况,反映其设计是否以用户为中心进行设计,是否能满足使用者的需求。最后评价感知有用性、学习效果和行为改变,这是从学习结果的角度评价学习分析仪表盘的有效性,判断学习分析仪表盘是否达到预期的教学和学习目标、提升学习成效,也是可视化学习分析技术的最终目标。

四、可视化学习分析的典型教学应用案例分析

为进一步探究可视化学习分析技术在具体教学问题中的应用,本文选择了三个典型应用案例进行分析,分别是辅助教师监控学习过程的学习分析仪表盘、阅读障碍监测和反馈的可视化学习工具和监控多桌面终端学习环境中协作学习的交互式学习分析仪表盘。选取的三种可视化学习分析工具都具有应用的典型性:首先,解决的学习问题和应用目的不同,分别涉及非认知的、认知的、协作社交的学习问题;其次,应用的学习场景不同,分别是在线平台学习、在线阅读学习和基于多桌面终端的混合学习场景;再次,仪表盘面向的使用对象不同,有教师驱动的学习分析仪表盘,也有面向学习者的学习分析仪表盘;最后,数据可视化的表征方式不同, 涉及较常用的条形图、线形图、饼状图,也有桑基图和雷达图的可视化。

(一)辅助教师监控学习过程的学习分析仪表盘

为了保证在线学习中学习者的学习效率和参与性,教师需要不断观察和监控学生的学习过程、了解不同学习者的学习模式。杜拉多(Dourado)针对目前对面向过程的学习分析仪表盘研究较少的问题,提出了一个面向学习过程的学习分析仪表盘[24]。该学习分析仪表盘是面向教师、解决非认知学习问题的仪表盘,关注学习者在学习时间线中参与度、学习活动、学习轨迹和学习模式的变化,能够从文化/制度、人际和个人三个层面展示学习者群体和个体在线学习过程中的学习过程信息,帮助教师监控学习过程进度和调整学习者学习模式。该学习分析仪表盘关注数据的视觉展示,使用条形图、直方图、桑基图等可视化表征,将不同数据类型以不同的图表和颜色表示(图3)。此外,该仪表盘强调了教师的可视化交互,教师能够通过排序、筛选、编码等交互方式放大有意义的数据,迅速了解存在问题的学生群体。通过人机协同的方式,教师进一步过滤和选择数据,在教学过程中发现数据不理想的学生群体,从而关注并引导学习困难和边缘化的学生,做出客观的判断和教学决策,可见该学习分析仪表盘属于过程性的学习分析。研究采用专家审评法对该面向过程的学习分析仪表盘进行评价,从视觉吸引力、可用性、理解水平、使用效果等维度给出了积极评价,但存在部分图表可操作性低的问题。

图3 面向过程的学习分析仪表盘

(二)阅读障碍监测和反馈的可视化学习工具

阅读障碍是一种常见的学习障碍,会对学习者的学习过程产生消极的影响,影响学习者对知识的理解和知识的表征。卡罗莱娜(Carolina)针对当前缺少监测学习者阅读障碍和困难的学习工具的问题,设计了PADA学习分析仪表盘[25]。PADA是面向学习者的、解决认知的学习问题的仪表盘,能够应用于线上的自主学习场景,特别是线上阅读活动。它关注学习者认知过程中出现的问题,能够向学习者展示他们学习模型中的知识、进行反馈,以帮助他们增强意识,支持对阅读困难的反思和自我调节。PADA学习分析仪表盘的信息展示包括学习者的个人信息、阅读过程、学习风格和认知特征,并使用条形图、线形图、饼状图等可视化表征形式,对学生的阅读表现提供不同的学习分析(图4)。这些信息通过可视化表征使学生探索和了解他们的活动及表现,并提供反馈,以支持他们认识到自己阅读能力的长处和短处。PADA还提供了个别学生、同龄人和班级整体的平行视图,以便根据其他年龄和学术水平匹配的结果来确定学习者的困难的严重性。案例研究的结果表明,多数学习者在视觉吸引力、可用性、理解水平、使用满意度和学习效果等维度都对PADA仪表盘有较为积极的评价[25]。

图4 PADA对学习者阅读认知过程分析的可视化

(三)监控多桌面终端学习环境中协作学习的交互式学习分析仪表盘

教师在促进和组织学习小组的协作活动时会面临一个问题,即教师无法实时看到信息,通常只能看到小组活动的最终成果,这使得教师很难意识到学习者的合作过程、过程性的解决方案和个体学生的贡献。马丁内斯(Martinez)等针对这样的协作学习问题,设计了由教师驱动的交互式仪表盘[26]。该仪表盘能够应用于基于多桌面终端的混合学习环境,以可视化的形式显示小组的活动和协作情况,并允许教师在需要时深入到更具体的信息。该仪表盘的设计目的是让教师能够通过显示活动、小组的互动程度以及任务的整体进展,来确定群体或个体学习者是否需要关注。交互仪表盘的数据来源于学习者的对话、口头发言、触屏操作和在概念地图工具上的互动,并应用雷达图、折线图、时间轴、饼状图等将学习者的学习参与、讨论交互、协作水平等数据进行可视化表征(图5)。交互仪表盘的可视化呈现分为两个层次,即班级层次和小组细节层次,分别显示了所有小组整体的协作情况和选定的小组详细的时间轴信息,使教师能够从班级、小组和个人三个层面指导学习者的协作学习。对该交互仪表盘的评价主要涉及可用性、感知有用性、使用满意度、使用效果等维度,结果显示使用后多数教师对该交互仪表盘有积极的评价。

图5 协作学习交互表盘中的语言、行为参与和个人贡献的可视化

在该仪表盘的具体使用案例中,教师在协作学习课堂中同时监控三个学习小组,通过可视化仪表盘诊断各个小组的协作情况。教师先在班级视图模块观察雷达图和交互图,确定每个小组是否在协作完成课堂布置的学习任务。当发现其中一个学习小组的数据存在异常,教师便进入小组细节模块进一步了解小组协作的细节,从小组交互、小组贡献等详细数据中,发现协作学习存在的问题,并及时向存在问题的小组成员提供建议和纠正性反馈。

五、可视化学习分析的未来研究趋势

可视化学习分析是一个新兴的研究领域,它关心教育领域存在的重要问题,以可视化方式辅助教师和学生进行数据分析。当前关于可视化学习分析的研究存在一定的局限性。首先,可视化学习分析工具存在使用率低的问题,未来研究需要关注如何提高教师、学生应用可视化学习分析的相关能力素养,例如教师和学生的数据素养、教师的循证教学能力、学生的学习规划能力等。其次,可视化学习分析工具的实际使用效果有待更科学的考证,多数研究关注可视化学习分析系统的设计,缺乏评估这些工具技术对教学和学习的实际影响,例如教学行为和学习表现的转变。再次,研究使用者对可视化学习分析系统感知情况的研究仍不充分,而对教师和学生行为、成就或技能的感知,同样会对其行为、成就等产生一定的影响[27]。最后,未来对可视化学习分析的研究不仅要着眼于评估最终产品,还要着眼于设计和开发过程的评估。这个过程包括学生和教师的需求分析,明确信息选择的缘由,证明所使用的视觉设计和交互设计效果,并进行可行性测试。教与学的活动永远不会被技术自动化所取代,未来的研究和实践会更加关注如何将教师、学生作为学习分析仪表盘的消费者,转变为人机协同的可视化学习分析参与者,从而赋能智慧教育视野下的教和学[28]。