基于学习者视角的学习分析技术优势研究

    蒋慧峰

    【摘 要】随着大数据时代的来临及教育信息化的不断发展和深入,学习分析技术的运用能否对学习者进行有效的指导逐渐成为关注的焦点。基于目前的相关文献,对学习分析技术的相关概念及内涵进行阐述,从学习者的角度探讨学习分析技术自我差异分析、自我评估分析、自我导向分析及自我预测与监控分析四个优势,以期为学习者的发展提供决策参考,也期望为日后的研究工作起到借鉴作用。

    【关键词】学习分析技术;评估;导向;预测

    【中图分类号】G40-057 【文献标识码】A 【文章编号】1001-8794(2016)01-0023-03

    一、国内外研究现状

    国外对学习分析技术的研究工作起步比较早,也相对成熟,其研究成果主要集中于对学习分析技术的概念、内涵以及与之相近概念的比较研究等,[1—3]同时还包括学习分析技术的系统架构以及学习分析技术所采用的分析方法进行理论研究,[4]并同时伴有少量的可视化工具使用及对学习者学习过程数据的处理和应用方面的实证研究等。[5,6]

    国内对学习分析技术进行研究相对要晚一些,其主要的研究工作也只是单纯引进学习分析技术相关概念以及对学习分析技术的相关理论与相关概念[7,8]进行介绍,对国外学者的成果加以适当引用与分析,[9,10]对学习分析技术的具体应用成果[11—14]涉及较少。

    到目前为止,在国内外研究者的共同努力下,除了学习分析技术的应用案例逐渐增加外,不论是学习分析技术的概念与内涵,还是相关的分析方法和实用工具的开发与应用都达到了一定的层次,尤其是学习分析技术的理论基础更是有了较大的突破。[15,16]尽管如此,但是大多数文献对学习分析技术的理论研究,尤其是对学习者重要价值的探讨大多从案例出发,理论研究不够深入,因此,本文重点探讨学习分析技术对学习者的重要作用以及从中所体现出的优势。

    二、学习者视角下学习分析技术的优势

    1学习分析技术的概念与内涵

    学习分析技术是一门先进技术,利用该先进的分析技术并结合一系列优秀的分析工具可以通过对学习结果进行预测而发现学习过程中存在的问题,从而对教学进行干预,以此达到优化学习结果的目的。它是一种典型的在教育领域中具体实现数据挖掘技术的应用之一。美国高等教育信息化推进组织(EDUCAUSE)最早提出了学习分析技术的概念,认为学习分析技术就是利用所获得的数据采用适当的模型用以对学习者的学习过程中的绩效与表现进行预测以及使用该预测信息发现潜在问题并进行干预的技术。[17]2011年,加拿大学者G.Siemens教授主持召开的第一届学习与知识分析大会中则将学习分析技术的概念界定为“测量、收集、分析和显示学习者及其学习环境的相关数据以促进对学习过程的理解并对学习环境进行优化的技术”。[18]而《地平线报告》在2012版中也给出了近似的定义,即学习分析技术主要通过收集学习者的大量数据进行解释与分析,从而对其学习表现、学术发展进行评估,同时对其未来进行预测并发现潜在问题予以解决的技术。[19]我国学者顾小清教授则认为,学习分析技术主要是运用不同的分析方法及数据模型对围绕学习者能够取得的相关数据进行解释,从而探究学习者的学习过程且获得其学习规律而促进更加有效学习的技术。[20]

    虽然目前国内外学术界针对学习分析技术的概念尚未形成一个严密的定义,而且不同的专家与学者对其有着不尽相同的认识和理解,但是其本质和内涵却是完全相同的,即:学习分析技术的对象是学习者与学习者所处的相当复杂的环境,其目的是为了预测和评估学习者在学习过程中潜在的问题,同时理解和优化学习者的学习效果及学习状态,其基础始终是大量的有效数据,其最终目标是向学习者提供准确有效的个性化学习支持。

    一般而言,学习分析技术应包括数据采集、数据存储、数据分析、数据表示和应用服务五个环节,而数据收集、数据分析、学生学习、信息反馈及学习干预五个方面构成了其主要要素。[21]另外,由于传统的数据分析技术所针对的数据来源比较单一,也只能处理结构比较好且类型比较单一的数据,同时,所采集的数据都是非实时性的,具有一定的延迟,对结果指导性不强。而学习分析技术除了使用传统的数据分析方法外,同时还融合了社会性网络法、行为可行性分析、话语分析法及内容分析法等新技术,这些新技术的运用使其更加科学化、更加现代化、更加智能化。伴随着信息时代的到来,运用学习分析技术一方面可提供丰富的学习资源及学习模式供学习者选择,另一方面,在学习分析技术支持下开发的一些学习平台能够有效地支持学生的学习活动,具体优势主要集中在自我差异分析、自我评估分析、自我导向分析及自我预测与监控四个方面。

    2自我差异分析

    要实现学习者的个性化发展就必须基于学习者个体的自我差异等作出个性化的学习诊断,因此,个性化服务在学习过程中非常重要。每个学习者知识背景各不相同,学习习惯也有一定的差异,对自己的要求及个人目标也不太一样,故而,在学习平台的设计中需要统筹考虑上述各种因素。主要通过学习分析技术对学习平台中的学习者的姓名、年龄、性别、课程、学习时间、学习时段等基本信息指标和包括以讨论区、公告板、电子邮件等同步和异步方式为载体的开放式的课程内容测试、讨论任务完成等一系列学习过程数据以及包括成绩、评价等方面的结果数据进行收集与预处理,结合学习分析技术中的关联规则分析、聚类分析及统计分析和时序模式对数据进行适当的处理,并将处理结果以可视化的形式进行呈现与解读,可以获得学习者的登陆模式、学习习惯及结果数据的相关性,从而实现个性化教学的目的,并最终帮助学习者实现个性化发展。

    3自我评估分析

    学习分析技术是一种非常有效的学习者进行自我评估的方式。过去对学习者进行自我评估大多属于事后评估,往往只关注结果或者说成绩。一方面,由于单一的结果或成绩本身就具有模糊性、不合理性,很难清晰地表达学习者的学习质量水平,更难以对学习者的学习过程进行有效的指导。另一方面,由于各种原因的存在也同样使得这种自我评估的准确定位具有一定的滞后性,缺乏对学习者具有针对性的指导方法。

    实际上,由于学习分析技术对学习过程具有实时性,故而其可以同时兼顾学习者的学习过程与学习结果或学习成绩,可以很好地记录学习者的登陆次数、学习时间长度、学习内容、学习方法与策略、解决现实科学问题的能力等等学习活动行为,从而减少学习者对学习过程评价的主观随意性。

    一般而言,学习者的自我评估需要对一系列被记录的学习日志进行聚类分析、规则推理、知识获取等技术的整合,客观、全面地反映学习者的当前学习状态,以便探寻真正影响成效的因素,进而及时进行调整与改进。

    4自我导向分析

    通过学习分析技术,学习者可以从学习平台记录获得个人学习过程的相关数据并以此为基础对其进行分析,以可视化的结果反馈学习者的兴趣以及对资源的需求,并对自己的知识结构进行合理的定位及优化。可以对学习者使用聊天工具、论坛以及电子邮件等客户端在各种答疑互动或学习社区中的行为路径以及其对信息的评价采用聚类分析、关联分析等方法进行综合研究,并为学习者推荐合适的讨论小组或学习社区,以此来提高学习者自身的知识结构及水平。

    另外,学习分析技术的运用可对学习者有关下载、标注、观看、阅读等行为的频数进行收集与预处理,然后对学习者个体的基本情况、认知水平和综合能力进行评价并分类,最终通过类别选择推荐系统提供的合适的学习资源,使学习者可在有限的时间内提高自身的学习兴趣及学习效率。

    5自我预测与监控分析

    学习者对自己的学习方法、学习思路及学习途径的有效性是十分关注的,为了方便及时了解自身的学习成效,对学习者学习的过程进行监控并作出正确的自我预测是非常必要的。可通过学习分析技术对学习平台所记录的不同知识点的掌握情况、思考问题的时间及应用所达到的层次等评测数据结点,融合回归分析、人工智能算法及人工神经网络等方法,并结合学习者的学习习惯、风格和偏好以及制定的学习计划等进行自我预测。

    【参考文献】

    [1][17]Brown M. Learning Analytics: the Coming Third Wave[EB/OL].http://net.educause.edu/ir/ library/ pdf/ELIB 1101.pdf,2015-02-03.

    [2][18]Siemens G. 1st International Conference Learning Analytics and Knowledge 2011[EB/OL].http://tekri.athabascau.ca/analytics/about,2015-01-03.

    [3][19]The New Media Consorium. Learning Analytics[EB/OL].http://wp.nmc.org/horizon 2011,2014-07-12.

    [4]Siemens G. Connectivism: A Learning Theory for the Digital Age[J].International Journal of Instructional Technology and Distance Learning,2005,2(1):3—10.

    [5]Leah P. Macfadyen, Shane Dawson. Mining LMS Data to Develop an “Early Warning System” for Educators a Proof of Concept[J].Computer & Education,2010,(54):588—599.

    [6]ngel F. Agudo-Peregrina. Can We Predict Success from Log Data in VLEs? Classification of Interactions for Learning Analytics and Their Relation with Performance in VLE-supported F2F and Online Learning[J].Computers in Human Behavior,2013,(5):1—9.

    [7]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.

    [8]张羽,李越.基于MOOCs大数据的学习分析和教育测量介绍[J].清华大学教育研究,2013,4(34):22—26.

    [9]马晓玲,邢万里,冯翔.学习分析系统构建研究[J].华东师范大学学报:自然科学版,2014,(2):1—18.

    [10]冯翔,余明华,马晓玲,等.基于大数据技术的学习分析系统架构[J].华东师范大学学报:自然科学版,2014,(2):20—29.

    [11]张泸月.基于学习分析技术的个性化学科服务模式研究[J].图书馆学研究,2014,(13):75—77.

    [12]赵艳,赵蔚,姜强.基于学习分析技术的中小学教师远程培训效果影响因素实证研究[J].中国电化教育,2014,(9):132—138.

    [13]舒忠梅,徐晓东.学习分析视域下的大学生满意度教育数据挖掘及分析[J].电化教育研究,2014,(5):39—44.

    [14]马婧,韩锡斌,周潜,等.基于学习分析的高校师生在线教学群体行为的实证研究[J].电化教育研究,2014,(2):13—18.

    [15]孟玲玲,顾小清,李泽.学习分析工具比较研究[J].开放教育研究,2014,4(20):66—75.

    [16]朱珂,刘清堂.基于“学习分析”技术的学习平台开发与应用研究[J].中国电化教育,2013,(9):127—132.

    [20]顾小清,张进良,蔡慧英.学习分析:正在浮现中的数据技术[J].远程教育杂志,2012,(1):18—25.

    [21]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,2012,5(18):18—24.

    Study on Advantages of Learning Analytics Based on Perspective of Learners

    JIANG Hui-feng

    (School of Mathematics and Physics, Hubei University of Technology, Wuhan 430068, China)

    【Abstract】With the advent of the “big data” era and the development and deepening of educational informatization, whether the learning analytics could effectively guide the learners becomes a hot topic. Based on the relevant literatures at the moment, the related conception, connotation of learning analytics and four advantages such as self-discrepancy analysis, self-assessment analysis, self-directed analysis, self-estimating and self-monitoring analysis from the learners perspective are described in this paper. We hope to offer references for the future analysis on the development of learners as well as in the future related researches.

    【Key words】learning analytics; evaluation; orientation; prediction

    (编辑/乔瑞雪)2016第1期(总第348期)