大学生“早起”和“借阅”行为与学习绩效的关系研究
杜爽 飞云倩 何牧 胡航
【摘 要】
随着大数据分析技术的不断发展，教育学者不断采用学习分析技术挖掘教育大数据中学习行为特征和规律，但较少通过行为日志数据来探寻多种学习行为与学习绩效之间的关系。研究采集了833名大学生的图书借阅和一卡通消费日志数据，构建学习绩效、借阅行为、早起行为特征指标，通过聚类和关联分析探究了两种学习行为对大学生学习绩效的影响和关系，结合元认知问卷建立群体学习行为与整体学习绩效和元认知之间的关联。研究结果显示：①两种行为均与学习绩效建立了相关关系，元认知发挥了中介作用;②早起行为主要反映出大学生元认知体验与计划水平，早起时间比早起规律更能反映与学习绩效的相关程度;③借阅行为主要反映大学生元认知思维活动监控和反思上的差异，阅读速度对学习绩效有显著影响，借阅量与阅读深度促进专业知识技能的掌握。根据研究结果建议：①打造深度学习环境，激发大学生自我学习能动性;②优化知识传播方式，满足大学生个性化阅读需求;③改变图书馆角色定位，为学科专业发展提供高质量服务。
【关键词】? 大学生;早起行为;借阅行为;学习绩效;聚类分析;关联分析;元认知
【中图分类号】? ?G40-057? ? ? ? ?【文献标识码】? A? ? ? ?【文章编号】? 1009-458x（2020）11-0047-12
一、问题提出
（一）教育大数据在教育研究中的应用
我国教育大数据的研究与实践已经开始兴起，一方面对掌握教育发展现状、制定科学教育政策、配置合理的教育资源等具有重要的现实意义;另一方面反映学习者个体及群体的学习现状与规律，为教育管理机构把握教育现状、及时科学地调整教育政策和科学决策提供现实依据（胡航， 等， 2019）。学习分析作为教育大数据重要的分析技术，通过对学习者日志大数据进行解释和分析，用已知模型和方法评估学生的学习进程，并对未来的学习绩效进行预测并发现潜在的问题（Johnson， et al.， 2012）。学习行为分析是教育大数据分析中重要的应用场景，结合大数据技术与学习分析技术研究智能数字化教育服务支撑平台可以解决当今教育信息化面临的多种问题（冯翔， 等， 2013）。我国一些高校通过学校业务系统中产生大量的业务数据和学习资源，形成学习、科研、借阅、消费、活动等行为产生的动态数据源，实现智慧学习环境中“教、学、管”等相关数据分析，建立学习者行为模型（林秀瑜， 等， 2019），为学习者、教师和教育管理者提供实时、可用的信息，并利用这些信息来提高学习者的学习成就（李艳燕， 等， 2012）。近年来，一些学者开始采用机器学习和人工智能等技术从已有的学习资源中发现学习过程中存在的规律和问题，以期通过学习分析技术进行解释和揭示各要素之间的关系和影響，从而解决教学活动中面临的问题，探究教育大数据中的实用价值（胡钦太， 等， 2016）。如利用关联规则挖掘行为规律（李宏运， 2009），通过聚类分析研究行为倾向（吴志强， 2011），通过学习分析技术促进学习者元认知发展（毛刚， 2018）。这些研究为教育大数据提供了基础的技术应用，增进了教育工作者对教学规律和学习特征的认识，但大数据技术在教育领域的应用还不够全面，一是以往用于学习行为与学习效果的研究数据来源较为单一，多以调查问卷、在线学习记录、校园网业务日志中某一数据源进行分析，而多类型数据综合分析的研究较少;二是传统统计研究方法或监督学习进行分析的较多，而基于教育大数据的机器学习技术，特别是对多类型数据采用非监督学习进行探究的较少;三是研究学习行为与学生思维发展之间的关系研究较少，学习行为特征背后所蕴含教育学、心理学意义的解释还不够全面。
（二）选择早起行为与借阅行为的缘由
在学习行为研究的选择上，一些学者按照学习模式选择课堂学习行为和课外学习行为（张艳， 2019），一些学者按照教与学行为的研究方法选择课堂教学行为分析阶段和广义学习行为（黄荣怀， 等， 2020）。本文选择早起与借阅行为的缘由，一是基于行为属性的研究价值，早起行为是大学生为了完成学习任务在规定时间之前的自发性行为，是一种基础性的自律行为;借阅行为是大学生为了某种学习目的而获取学习资源的自主性行为，是一种基础性的自学行为。这两种行为在诸多学习行为中具有典型性和代表性，能体现大学生主动、力图解决问题的学习行为特征，通过对行为发生次数、频率和时间等行为属性的分析，能较好地反映大学生自我效能意识、自我认知调节等思维发展过程。二是从元认知分析的角度，元认知活动的调节主要通过监控和控制两种基本方式来实现，大学生通过认知活动将元认知技能运用到真实场景中，早起与图书借阅运用元认知技能是有意识的行为，当大学生自身的元认知计划、监控、调节和反思得到充分体验后，将形成一种不为意识所察觉的元认知知识。三是基于数据分析方法，数字化校园一卡通系统能很好地存储学生的消费记录和图书馆借阅记录，是一种良好的结构化数据，易于后期根据数据属性将其转换成可测量和计算的行为指标，以支持挖掘工具的数据处理和分析系统的智能计算。
本文选择校园网业务日志数据、调查问卷、成绩数据，采用非监督学习分析方法，探究早起与借阅两种学习行为与学习绩效之间的关系，以期为现有学习行为研究范式的建立和发展提供借鉴，主要研究以下三个问题：
1. 大学生借阅和早起行为与学习绩效分别有怎样的关系？
2. 不同借阅和早起行为类型与学习绩效之间有怎样的关联？
3. 不同借阅和早起行为类型与元认知水平有怎样的关系？
二、研究基础
（一）学习行为与学习绩效的关系
随着教育大数据分析技术的发展，不少学者通过学习分析技术建立不同类型的学习行为分析模型探究与学习绩效的关系，如采用数据挖掘技术对网络学习者的学习行为与成绩进行预测（赵慧琼， 等， 2017），运用因子分析、回归分析等学习分析技术构建学生在线学习行为与学习绩效相关模型（李小娟， 等， 2017），利用多元回归分析法判定在线学习行为影响学生学习绩效的预警因素（王改花， 等， 2019）。这些研究从不同分析对象和分析方法建立了学习行为与学习效果之间的联系。相较于传统学习行为分析主要的不同体现在：一是依托在线学习平台作为研究对象的较多，对线下课程、校园活动场景的行为研究较少;二是分析的数据量从传统的小规模样本转变成多类型海量数据，其中蕴含更多的行为特征信息，在线学习平台能采集结构良好的存储数据，有利于后期进行处理和分析;三是分析手段多样，分析精度越来越高，不仅结合统计学研究方法，更多的是结合大数据分析、人工智能技术，从学习行为本身的属性、特征等维度建立与学习绩效的关系模型和预测模型;四是行为与学习绩效关系的解释，从数据的统计描述、可视化等方式，逐步深入到行为模式背后形成机制和形成动机的诠释。
（二）早起和借阅行为与学习绩效的关系
本文所指的早起行为以大学生在校期间早上8点第一节课作为时间基点，主要分析大学生在早上6点至9点之间进行一卡通消费的次数、频率和平均时间。目前关于早起行为如何影响学习绩效的研究较少，多从大学生睡眠质量、作息时间等维度进行调查研究，发现生活规律对大学生学业成绩的影响。?nder等（2014）发现睡眠质量、早起时间与学习成绩存在密切关系，大学生的学业成绩对早起行为和睡眠质量有影响作用;宋玉婷等（2017）研究了大学生睡眠质量和学业成绩之间的关系，发现学业成绩越差的学生，其自控力越弱，睡眠质量越差，从中可以发现睡眠与学习绩效存在相关性。
借阅行为主要分析大学生在图书馆中借阅图书的数量、种类和时间。目前，借阅行为主要分析挖掘读者的阅读规律和阅读习惯等行为特征，为高校图书馆提供个性化和多样化服务（Xiong， 2014）。随着信息化技术的不断发展，国内外高校图书馆都非常重视管理创新和服务意识的提高，特别是图书馆多元化融合对教学质量的影响（Cruz， 2019），大学生图书馆利用程度和相应的学习绩效产出是衡量图书馆存在价值的重要标准（Whitmire， 2002）。因此，近年来挖掘借阅行为与学习绩效的关系得到更多学者的关注。杨新涯等（2013）依托借阅数据对国贸、工管、机械、通信四个专业本科生的借阅数量、借阅文献类别数据展开统计分析，得出理工类专业学生借阅数量高于文科类且专业文献借阅较多的结论。潘颖等（2019）将专业分为理、工、文、管四个学科，开展本科生课程成绩与借阅行为学科差异性的实证研究。
（三）学习行为与元认知的关系
元认知是对认知的认知，是个体对自己认知状态与过程的意识和调节（弗拉维尔， 等， 2002）。学习行为与元认知相互影响，一些研究证明了元认知对学习行为的影响。Hill等（1997）发现元认知知识、自我效能感和先前知识水平等因素对学习行为的影响，认为这些因素有助于学习者自我监控和增强定位感的提升。后期一些学者在研究网络学习行为模式中也发现元认知和自我效能感方面的投入会显著影响学习行为（马志强， 等， 2017）。
还有一些研究从不同学习理论探究学习行为对元认知的影响。查尔斯·库利（Charles Cooley）从社会学的角度探究认知与行为的关系，指出行为是对自我认识的一种反应，是在参与社会活动中产生的自我评价过程。舒茨（Alfred Schütz）从行为的群体化属性中指出，学习行为不仅是学生的个体行为，群体在学习活动中的相互比较、相互学习和影响，对个体的学习动机和能动性等认知发展起到了积极促进作用。姜强等（2019）利用学生行为和交互日志数据，采用开放学习者模型进行学习过程可视化，进而评价了学习者元认知水平，证明了学习行为对元认知技能的影响作用。
鉴于以上讨论，本文对早起和借阅两种学习行为特征进行聚类分析和关联分析，对数据之间的逻辑联系和数据属性之间的深层关系进行剖析，建立群体学习行为与整体学习绩效和元认知之间的关联，探究两种学习行为与学习绩效的关系。
三、研究设计
（一）研究对象与数据来源
研究以C市S高校2018级大学生作为研究对象，采集数据的时间从2018年9月到2019年8月。图书借阅数据来源于图书馆的业务日志，早起数据来源于学生在学校一卡通的消费日志，学习绩效数据来源于学校教务系统中课程信息和课程成绩数据。元认知测試问卷在2019年6月期末考试后向学生发放。
在这些数据中，由于日志数据记录了所有学生的活动记录，需要对这些数据进行排查和清洗，发现问题数据并处理，如有部分学生在一天中多次借还或借阅时间已超过一学年，都将其处理为一次借阅行为。经过删除重复和无效数据，最终筛选汇总出833名大学生总计102，297条日志数据，同时对这833名大学生定向发放元认知调查问卷，共收集有效问卷833份，作为本次研究样本。
（二）分析方法
在学习行为研究方法上，一是采用行为聚类方法分别研究早起和借阅行为特征与学习绩效之间的关系，目的是比较不同学习行为与学习绩效之间的差异;二是采用关联分析法探究这两种行为特征和学习绩效的关系，探究不同学习行为类型对学习绩效产生的共同作用;三是采用问卷调查法从元认知体验与计划、思维监控和思维反思三个维度进一步解释两种行为与大学生认知发展的影响，最终揭示外显行学习行为对学习绩效和内在思维的影响关系。
1. 聚类分析
聚类分析（Clustering Analysis）是一种无监督学习方法，通过计算工具对考察对象按照某种特定属性进行划分、探查数据结构，使同一个类的对象具有相似的属性特征，不同类的对象相异（Soman， Diwakar， & Ajay， 2009）。其中，K均值聚类算法（K-means），因在时间复杂度和空间复杂度低，并在不同类型数据集有良好分类效果等优点，在学习分析中被广泛采用。该算法在使用前需要设定簇数K值，初始聚类中心对后期聚类效果会产生重要影响（乔璐， 等， 2020）。本文采用SPSS中modeler工具，设定K值为3，将早起和借阅两种行为分别聚为3类，结合学习绩效F1 和F2进行克鲁斯卡尔-沃利斯检测，比较早起和借阅行为对学习绩效的影响。
2. 关联分析
关联分析（Association Analysis）也是一种无监督学习方法，是一种通过寻找数据之间关联规则的过程，关联规则是描述数据库中数据项（属性、变量）之间隐藏的（潜在的）相互关系（储文静， 等， 2010）。本文采用怀卡托智能WeKa分析软件，将csv数据转换为专属arff文件。arff文件格式中以每一名学生的早起、借阅行为、学习绩效属性形成一行数据样本，在WeKa环境中称为一个实例（Instance），将行为特征和学习绩效数据导入形成数据集（Data information）。
