学习分析：推动Moocs的有效运用

2014-08-15张及玲胡亚京

江西广播电视大学学报 2014年2期

张及玲，胡亚京

（江西师范大学传播学院，江西南昌 330022）

一、引言

在2012年的地平线报告中学习分析被认为是未来2-3年内的新技术的运用趋势，学习分析，综合而言是在“教育大数据”当中的运用。这个术语起源于数据挖掘，商界使用数据挖掘技术来分析消费行为进而识别消费趋势。［1］互联网的兴起使得市场研究领域发生了很大变革，企业运用网络追踪工具可以追踪客户，了解客户的购买信息。商业机构根据消费者的海量信息，破译出有价值的信息，构建消费者行为模型，从而为市场营销决策提供支持。在教育领域，教育机构收集海量的学生信息，并进行科学的探索，旨在提升学习者的学习效率，促进学生的个性化学习。［1］

利用“消费者相关性”数据挖掘和定位潜在客户，制定个性化的宣传和广告，这是商业分析的方法。学习分析是参照商业分析的方法，运用“学习相关性”数据，一方面可以选择有针对性的，更具个性化的学习方法。另一方面可以为教师、教育决策者提供科学合理的教育教学决策支持。学习分析对于教育教学工作人员具有重要作用，他们借助学习分析技术，更加深入了解学生及进行网络学习交互。学习者通过学习分析结果了解自己的学习情况水平，调整学习进度计划等。在线学习平台的设计者及开发者根据分析学生的学习数据，改善和调整学习支持服务系统，为学生学习提供满足需求的支持服务系统。

二、学习分析在Moocs教学中的运用

Moocs课程借助网络环境和学习分析，不仅可以满足学习者个性化的学习需求，还可以获得教师个性化的学习指导。学习者不仅可以与来自全球不同文化背景的人进行交流，合作，探讨，解决问题，还可以激发思维，产生全新的视野，对学习内容产生新的更全面的理解。

（一）更新学习理念

纵观Moocs的发展，Moocs主要呈现两种发展趋势：一是延续早期的联通主义学习理论cMoocs课程，二是更倾向于行为主义的xMoocs课程。［2］尽管二者在教学形式上都具备开放、大规模、在线学习等特点，但是在学习理念上还是有很大的区别。学习分析在两种模式的学习中都具有相当的促进作用。

1.cMoocs课程

遵循联通主义学习理论的cMoocs课程所具备的学习方式是：该理论认为学习是创建连接，增加或删除关联的过程。［2］学习过程是学习者自行生成并积累知识的过程。该类课程最突出的特点是：（1）课程的学习资料内容不是由教师在课前准备和提供的，而是随着课程的进行和深入，由课程参与者自行生成丰富的。教师只是学生学习的引导者，在学习过程引导学习者进行相关主题的学习。（2）运用学习分析技术根据学生的愿景和兴趣，课程组织者引导学生对不同的学习主题内容进行学习体验，获得对特定主题的理解和学习。教师利用学习分析技术，可将不同学习兴趣的学生分成不同的学习小组，分别学习不同的学习主题模块。对不同的学习小组的学生，从他们的学习进度，任务分工，交互程度，学习研究的角度和深度等不同方面加以指导，引导学生合作学习，激发学生思维，指导学生交流，获得相关主题的特定理解。

2.xMoocs课程

基于行为主义的xMoocs课程，其学习理念是：教师是专家，学生是知识的消费者。学习的发生是教师将课程设计者组织好的知识内容框架传授给学习者的过程。其最显著的特点是：教师会提前录制好2-30分钟的课程内容视频放在网络上供学习者学习，并且教师会每周都规定好学习课程内容，另外课程服务器还会为学生提供相应的讲解视频及及时的反馈信息。平台除了会向学生提供随堂测试题之外，还有每周测试，期中测试和期末测试，并持续记录下学习者每次测试的结果，登记学生参与教师问题讨论情况。教师统计分析学生的各种测试结果，以及参与讨论的状况，进而调整教学进度，对教学重难点加以适当的复习和巩固，为学生提供满足需要的学习，提高学习效率。

（二）转变学习方式

在学习管理和开放资源交互的影响下，Moocs课程与以往的网络课程并非完全相同。Moocs课程的参与者和课程资源在网络上是分散的。通过对某一课程内容的学习或对某一问题的探讨亦或是组织活动将学习者聚集在一起，形成群体共生资源，分布在各地的学习者主要通过网络交流，思考以及协作学习的方式习得知识，提高技能。以往的网络课程，教学更多的是提供网络视频课程并辅以事前编制好的教授课件或讲座。学生学习时缺少真实的学习情境感，而更像是坐在教室后面观摩学习，缺少交流与反馈，无法了解学生对课程内容的掌握程度。

基于Moocs的学习分析，对学习者海量的数据进行分析，可以使教育者明确学生的学习状况，知道学生什么时候学习疲倦了，学生哪些知识点还没掌握，不同地区学习者的偏好，男女学习者的学习风格的差异等。教育者可以有的放矢的设计教学，创设适合的学习情境。通过学生的任务完成，参与考试，观看视频和班级网络交互频率状况及同伴评价等信息，可以向学生推送适宜的课程内容资源，为学生制定个性化的学习学习过程。

斯坦福大学的在线学习课程，拥有大量的课程信息和数据，其Moocs学习平台还引入了学习分析技术，并进行深入的研究。如教师利用仪表盘来监控学生的学习参与情况。基于一个63000人的在线课程——人机交互，学生的作业互评及反馈，学生成绩的预测因素等。又如在Moocs的一门编号为106A的课程（入门编程课程）基础上，课程设计者建立了一个基于课程的初、中期家庭作业的图形化模型，结合机器化学习分析和概率统计模型，可以很好的预测学生在后面的学习中将会碰到的困难，并通过转变学习方式路径帮助学习者制定合适的学习路径模型。

（三）建立学习模式

学习者在参与Moocs课程学习时，在线平台留下了学生的学习行为痕迹，学生的大量学习数据被记录下来。诸如学习日志，学习成果，学习课程，学习路径等，利用学习分析技术和数据挖掘技术对这些学习行为数据进行收集，测量，分析，存储，建模等操作,可为学校管理人员，教师，学生等利益相关者提供相应的反馈和干预，促进学校教育管理，教学和学习。

基于Moocs的学习分析模式，将主要分为以下几个功能模块（1）学习内容模块。负责管理，维护，传递个性化的学习内容给学习者。（2）学习者信息模块。分为两部分，一部分负责记录和存储学习者在学习系统的动态学习行为数据，另一部分存储学习者的静态基本信息。（3）学习分析模块。负责收集和分析学习系统中学习者的行为数据和学生基本信息数据。（4）预测模块。负责对分析模块的数据结果，对学习者未来的学习行为进行预测。（5)可视化显示模块。负责将预测模块中的结果以可视化的方式显示给教师，学习者，教育管理人员等利益相关者。（7）自适应模块。负责推送适当的学习内容给学习者即根据预测模块的预测结果，学习者基本信息数据分析，结合学习者学习兴趣与学习爱好，自动触发学习内容模块，推送相关的适合的学习内容给学习者。（8）干预模块。根据预测显示的结果，可以允许教师，教育管理人员，系统设计和开发人员对其进行适当的干预和调整。

学习者在Moocs学习平台，进行知识的学习，作用于学习内容模块，并被记录下学习者的学习行为路径和学习时间等相关信息。在学习者当前状态数据库中，按照预先定义好的数据结构和数据类型，对学习者学习行为数据进行存储。学习分析模块对学习者学习行为数据并结合学习者基本信息，根据不同的分析目的和需求对这些数据加以分析。一方面根据分析的数据结果进行预测，并将预测的结果用可视化的软件或工具显示出来。另一方面自适应引擎模块根据分析的结果，作用于学习内容模块，从而为学习者选择或推送适当的学习内容。干预模块接收到可视化显示的预测结果后，将显示的结果展示给任课教师，学习者和教育管理人员使用，以供他们能够据不同的学习状况和情境进行适当有效的认为干预，更好的为教育和学习提供支持服务。

三、学习分析的应用趋势

目前学习分析技术已能够收集和整理学习者大量学习数据，并对这些数据加以统计分析，可视化显示，为学习者提供学习报告，揭示学习者的学习行为模式，构建自适应的学习模型。［3］学习分析技术不仅可从学习者角度了解学习过程的发生机制，还可用来优化教学，以基于学习行为数据的分析为学习者推荐学习行为轨迹，开展适应性学习和自我导向的学习。除此以外学习分析技术还可用来评估和考量学校的现行体制（课程体系，教育教学机构的运行机制，教学程序等），以便提供更加有效的教学分析，教师在数据分析的基础上进行更有针对性的教学干预。

目前，国内外针对学习分析技术在教育教学进行的应用主要体现在以下几方面：

（一）教师角度：优化教学，提高决策支持

运用学习分析技术及其相关的分析工具，教师可以获得学习者及其学习相关的数据。［4］通过对这些数据加以整理分析，可帮助教师改进教学进程，提供更具可行性和针对性的教学决策。例如，从学习者的学习系统平台中，教师可以获得学习者的学习轨迹信息，包括登入时间，学习时长，所访问的内容网页，完成的学习课程任务情况以及学习者网际交互状况等。分析这些学习者学习数据，教师可了解学生的学习需求，学习风格，学习现状，学习者的知识储备和认知结构等，从而辅助教师调整和制定符合学习者需求的教学方案。［5］

譬如，香港中文大学医学院课程管理系统中的实习日志管理模块就记录了学生在医院的实习过程，见习日志。通过这些数据记录可清晰显示学生的实习项目完成和进展状况，并以此提醒学生后续的实习项目和实习地点。根据这些记录数据，实习老师可准确地制定下一步实习安排和实习计划。

（二）学习者角度：自我评估，学习诊断和导向

学习分析获取学习者及其学习数据后，运用相关的工具对其加以分析预测，并将数据结果通过可视化的工具显示传递给学习者。学习者知道结果后，可清晰地了解自己学习的优势和不足，发现自我，规划和调整学习，进而不断提高自我。［6］此外，学习分析技术还为学生与学习内容，同伴和教师的交互学习提供了机会，促进了自我导向的学习。学习者的自控能力对于学习者的自我导向学习是非常重要的。运用学习分析技术，学习者可以分析自己的学习行为轨迹数据，了解自己的学习状况，准确把握自己的学习进程及与同伴之间的学习差距，改变学习策略，发展和提升自己。

譬如，哥伦比亚大学的研究者运用学习分析技术，为学习者在学习管理系统中的自我导向学习提供支持。这一研究收集学生行为数据（学习内容传递，参与和讨论学生的学期课程资料的使用和频率和次数）将这些数据结合教师给出的课程成绩数据进行整合分析，并将整合结果可视化显示，帮助学习者了解自己的学习。在课程终结时，研究者还利用SNAPP对学习论坛中的学生交互信息进行捕获分析，绘制学习网状图，显示在课程学习行为中。辅助学习者了解自己的学习交互投入情况，促进学习者的自我导向学习。

（三）教育教学研究人员角度：进行个性化学习设计，提高学习绩效

对学习者及其学习情境的相关数据进行分析和解释，可以挖掘隐藏在学习者背后的学习风格，构建出具有个性化和针对性的学习者模型。［7］Retalis及其同事认为，如果了解了学习者的学习模式以及学习路径的相关规律，教学工作者就可以根据学习者的个性化表现，了解学习者的学习掌握程度，为学生提供适当的学习资源，另外还可知晓学习的交互发生过程。