赵蔚 李士平

摘要：自我调节学习是数字化时代必要的知识获取方式。为给自我调节学习者提供个性化支持服务，提升其学习效果与学习能力，该研究收集并整理Moodle平台中的学习过程数据，运用SSAS顺序分析和聚类分析算法、spss分层聚类分析等学习分析方法，挖掘不同学习风格、学习成绩、学习偏好学习者的学习路径，分析不同类型学习者的路径特征，并在此基础上为学习者提供知识地图、学习路径、学习结果等反馈。最后，结合实验研究、问卷调查与访谈法，从学习成绩、元认知水平、学习过程三方面考查学习路径挖掘与相应反馈效果。结果表明，基于学习分析的自我调节学习路径挖掘与反馈能够优化学习效果与学习过程，促进学习能力发展。

关键词：学习分析；学习路径；反馈；自我调节学习

数字化时代为自我调节学习带来新契机，学习管理系统、网络学习云平台等为自我调节学习环境创设、学习资源选择、学习同伴交互提供依托，学习分析则为学习效果与学习行为数据的测量、收集、分析与报告提供方法与技术方面的支持。近年来，大数据与学习分析成为教育研究者关注的热点，在学习系统设计、学业表现预测与干预等诸多方面起到指导与推进作用。在学习系统设计方面，塔巴（Tabaa）等人针对MOOC研发LASyM学习分析系统，试图通过分析学习中产生的学习结果与评价数据获取有用信息，从而优化MOOC学习设计；澳大利亚中央昆士兰大学（CQUniversity）开发的EASI系统运用学习分析自动评估学习者的任务完成概率，允许教师或管理者提供个性化学习指导。在学业表现预测与干预方面，加拿大学者麦克菲迪恩（Macfadyen）等基于BlackBoard平台跟踪并收集学习行为数据，通过分析提取能够预测学生学业成就的变量，从而识别存在“学业危机”的学生；武法提等在个性化行为分析模型构建的基础上，设计了包括学习内容分析、学习行为分析和学习预测分析三个模块的学习结果预测框架；姜强等人利用学习分析技术挖掘学习行为数据，进而识别出存在学习危机的学生进行个性化预警与干预；弗里茨（Fritz）运用学习分析技术，通过为学习者提供其自身学习情况等反馈的方式进行适当干预，增强了学习者对学习的责任感。

上述研究从不同角度反映了学习分析在学习过程与学习环境中的作用，且大部分研究以提升学习效果为目的，根据分析结果以及学习者的认知水平、学习风格、学习偏好等做出了某些方面的反馈，如学习者的学习参与情况、交互程度等，也有一些研究反馈内容涉及学习者可能感兴趣的学习资源及学习路径。自我调节学习是学习者主动运用方法与策略，不断进行自我观察、自我判断与自我反应的过程，是学习者“学会学习”的最佳途径。因此，在自我调节学习中方法习得与知识获取同样重要。反馈是自我调节学习的直接影响因素与必要组成部分，除了提高学习者的学习成绩等认知结果，还应关注如何运用学习分析技术为学习者提供元认知支持，促进学习者元认知水平的提升，从而使其学会学习。

学习路径是学习内容或学习活动的序列，是自我调节学习三个基本阶段——计划、执行与反思循环往复的结果，是学习步骤的呈现或指引，体现学习过程的动态信息，能够直接反映学习者自我调节学习水平。新加坡南洋理工大学曾亚军通过实验研究发现，成绩高者与成绩低者虽然完成相同或相近的任务，但其在目标设定、路径规划、策略选择等方面存在显著差异。台湾政治大学陈志铭基于智能学习系统为学习者提供个性化学习路径，验证了个性化学习路径在减轻学习者认知负荷与学习迷航现象、改善在线学习效率与效果方面的作用。由此可见，学习路径挖掘能够帮助管理者、教师及学习者更加精准地掌握学习者的学习情况与存在问题，而学习路径反馈则能够为学习者提供个性化提示与引导，辅助学习者进行更适宜的自我调节，使学习效果与学习能力得到全面提升。学习路径挖掘为反馈奠定了内容基础，同时，为给学习者反馈何种信息提供依据。

本研究以自我调节学习为基点，以学习分析技术为支撑，结合问卷调查与访谈法，进行学习路径挖掘与相关反馈的实证研究。研究以东北某高校大二年级33位学习者为实验对象，基于《计算机网络》课程运用Moodle平台进行自我调节学习，并结合微信进行学习交流与信息反馈，确保自我调节学习的顺利进行。实验分为两轮，第一轮学习者运用平台进行自我调节学习，为学习路径挖掘与分析提供数据，为反馈设计提供依据；第二轮学习者进行自我调节学习时，以提升其学习效果与学习能力为目的，根据其学习风格、学习成绩、学习偏好等提供反馈。每轮实验后分别对学习者进行知识测试与元认知问卷调查，分析在路径挖掘基础上提供的反馈对学习者自我调节学习效果与学习能力的影响，检验反馈有效性。

一、自我调节学习路径挖掘

本研究提取Moodle平台中的日志数据，根据学习者在各模块间的访问与跳转情况，采用SSAS顺序分析和聚类分析算法进行路径挖掘。本研究针对课程各章节分别设置学习指导、学习目标、学习资源、练习区、讨论区、学习反思等模块，其中学习资源模块又分为视频资源、文本资源与课件资源子模块，练习区包含课前练习与例题解析子模块。经过前期培训后，学习者展开第一轮自我调节学习。

（一）整体路径挖掘

通過对全部33位学习者进行路径挖掘发现，学习者学习路径差异较大。如图1所示，其中节点越黑，表明该节点所代表的模块利用率越高；连接线越黑，表明学习者发生该跳转的概率越大。从节点黑白程度可以看出，学习者学习路径虽然不统一，但学习目标、视频资源、练习区与学习反思四个模块学习者参与度较高，与自我调节学习计划、执行与反思三个基本阶段相对应。练习区从题库抽取不同类型的随机试题，供学习者反复学习与自我验证，并在学习者完成每次测验后立即反馈答案与得分，是参与度最高的模块；例题解析模块则选取不同类型的典型题进行详细解说，经访谈，学习者表示，该模块有利于深化知识理解以及对解题思路与方法的掌握，但参与度相对较低。

将每位学习者的模块访问情况按时间进行排序，然后对33位学习者整体的模块访问与挑战序列进行分析，得出学习者初始访问各模块概率与在各模块间跳转概率。从图1中访问与跳转情况可以看出，学习者初始访问学习指导模块的概率为21%，先了解平台各模块的基本内容与形式，而后进行学习目标设定、了解学习重难点等；初始查看或设定学习目标的概率为69%，然后会对目标进行审查与修订、通过视频资源进行学习或查看本节的内容框架；另外7%的概率首先查阅本节重难点，3%的概率初始登陆平台即参与讨论（由于概率较小导致数据显示过淡，因此图1中概率较小数据未显示）。由图中可以看出，学习过程中学习者各模块间跳转情况各异，分散性较高。因此，本研究在整体路径挖掘基础上，进一步聚类挖掘不同类型学习者的路径信息。

（二）聚类路径挖掘

结合问卷调查与学习行为数据，运用SPSS数据统计分析、SSAS顺序分析和聚类分析算法，根据学习风格、学习成绩、学习偏好重新进行聚类与路径挖掘，结果表明：第一，独立型学习者与依赖型学习者93.258%的概率会选择具有显著差异的两种学习路径；第二，成绩优良学习者与成绩一般学习者73.661%的概率会选择具有显著差异的两种学习路径；第三，学习偏好不同的学习者，其学习路径无显著差异。由此可见，学习者的学习风格与学习成绩对学习路径具有重要影响。

1.按学习风格聚类

学习风格是个体在学习时所偏爱的方式，具有一定个人特色。不同风格的学习者对环境及同伴的依赖程度不同，所表现的行为方式亦有所差别。图2、图3分别为独立型与依赖型学习者倾向的学习路径，经对比可知，两类学习者对讨论区的运用有所差别。本研究在Moodle平台设有两种讨论模块，一种为普通讨论区，用于知识内容学习与讨论；另一种为新闻讨论区，用于课程相关事件通知。同时，结合微信进行相关信息交流与反馈。由图可见，独立型学习者很少参与讨论，主要通过学习资源与练习进行自我调节学习。依赖型学习者相对更关注讨论区的运用，且在微信交流中表现也更加活跃，遇到问题时经常向教师与同伴寻求帮助，而后继续学习。

2.按学习成绩聚类

学习成绩是学习效果的体现。在自我调节学习中，学习者自主规划学习步调，掌控学习进程，因此，成绩更能反映学习者自我监控与自我调节的能力，成绩优良学习者在学习方式方法上可为其他学习者提供借鉴。图4、图5分别为成绩优良与成绩一般学习者学习路径，可以发现，成绩优良学习者初次进行某节内容学习时，首先查看该节学习指导的概率高于成绩一般学习者。通过学习指导对即将学习的内容模块、资源组织等进行大致了解，然后设定目标，开展学习，有利于学习者进行自我规划并能够提升学习效率。成绩一般学习者更多倾向于先设定学习目标，也有个别学习者首先查看学习指导或直接通过资源展开学习。

另外，对学习路径相关日志信息进行分析发现，成绩优良学习者能够合理运用各模块，发挥各模块的价值。查阅学习重难点，运用不同类型资源进行学习，通过练习检验与巩固，探究例题解析从而深化对知识与解题方法的掌握，发现练习成绩不理想或知识掌握不足时再次学习，这一系列过程说明学习者思路相对清晰，明确自身要实现的学习目标以及具体实现方式，路径系统连贯。成绩一般学习者学习过程中在各模块间快速跳转的情况较多，学习持续性相对较弱。有些学习者仅查阅资源不验证自身学习成效，也有些学习者仅做练习不深究错题原因。由此可见，为该类学习者提供相应反馈信息，引导或激励其深入、有序学习十分必要。

3.按学习偏好聚类

本研究中的学习偏好是指学习者偏爱或习惯使用的学习资源类型，包括视频教程、文本教材、电子课件等。虽然分析结果表明，不同偏好的学习者学习路径无显著差异，但经路径逐一挖掘与对比发现，文本教材与电子课件通常被结合使用，只因为偏好而导致学习顺序不尽相同。偏好文本教材的学习者一般会先查阅教材，然后辅以课件学习；同理，偏好电子课件的学习者一般会先研习课件，然后用教材作补充。偏好视频教程的学习者最多，新知获取时反复观看视频的概率达62%，但因精确查找不够便利，复习时学习者通常较少选择该类资源。

二、反馈设计

反馈的目的是提升学习者自我调节学习效果与能力。作为学习支持服务，反馈应注意对象与时机，为学习者提供必要引导的同时，保留充分的思考空间。帮助学习者及时发现问题，并进行弥补与修正，全面、准确地习得知识。使处于茫然状态的学习者在有所参照情况下自主探究解决问题或学习的方案与路径，有利于学习者自我规划、自我监控、自我调节、自我反思意识与能力的形成，逐步精进学习。学习路径挖掘与分析使管理者或助学者能够掌握不同类型学习者的学习过程，为其提供相应反馈。

（一）知识地图反馈

通过对第一轮实验中学习者个体学习路径信息进行挖掘与分析，发现部分学习者经常在课程主页停留较长时间或在各模块间快速跳转，说明这些学习者对自己接下来的学习路径不够明确，较易出現迷航现象，应为学习者提供引导性反馈。知识地图是一种以图示化形式帮助学习者呈现知识点及知识点间关系的工具，具有导航功能，可通过知识点间关系的呈现辅助学习者进行关联学习与思考。当学习者对知识或地图结构的理解出现困惑时，可及时与学过的同伴进行交流。

另外，在知识地图中，学习者可运用颜色、图标、文字等标记知识点类别、关系，便于自己和同伴理解与记忆。知识点颜色可区分其为已学、重点关注或尚未学完的知识内容。例如，用黄色、红色、黑色分别标记已学、重点关注与尚未学完的知识点。关系线颜色可用来区分知识点间不同关系类型。教师与学习者应预先进行配色方案设定，明确何种颜色代表何类知识点或何种关系，便于学习者理解，并从知识地图对比中获取更细致的信息，实现自我监测与调节。知识地图反馈由同伴提供，是学习者阶段性学习成果的交流。迷航学习者或初学者可根据同伴知识地图获知他人学习情况，了解自己是否对学习内容有准确认识或知识漏洞，参考同伴知识地图开展学习。

（二）学习路径反馈

学习路径能够反映学习者的学习过程与学习方式，周期性同伴路径反馈可为自我调节学习者提供参考与对比，促进其自我反思与自我调节。按学习风格与学习成绩聚类路径结果表明，成绩优良与成绩一般学习者学习路径存在一定差异，学习者获得不同学习风格、不同学习成绩的同伴学习路径信息，与自身学习路径进行对比，分析自身学习路径特征，利于自我规划与改进。

学习路径反馈可通过社交软件进行，便于学习者交流，促进学习者思考、讨论不同路径的特点，从中获取更多关于学习策略的知识。很多学习者会根据路径图提出自己的见解，例如，某学习者指出“通过对比，路径一中同学（成绩优良学习者）在学习过程中会选择综合查看视频、文本资料、例题解析、重难点、内容框架，有一部分同学在做完练习之后会看例题解析，然后看文本再做练习。我觉得这部分同学在学习的过程中会更看重学习的过程，也更希望得到更好的成绩，所以在做练习题之前会多次反复的观看视频和文本的资料，对于练习题也会在做完题之后再次看反复做题的过程。路径二中同（成绩一般学习者）我认为学习不如第一种同学那么认真，对于测试题可能抱着随便填填看的心理。所以图中出现了只重复做练习题的情况。这样学习的效率会大大降低，而且效果也一定不会很好。”聚类路径信息反馈与相应讨论内容使学习者明确何种学习策略、方法更能提升学习效果，自己应如何学习。

（三）學习结果反馈

反馈的作用不仅限于使学习者改善学习过程，掌握学习方法，确保学习效果也尤为重要。由整体路径挖掘结果可知，例题解析有利于促进学习者对知识的理解，但利用率较低。因此在第二轮实验中，本研究将例题解析与练习相结合，形成练习结果反馈。学习者每完成一组练习后，可实时查看得分情况、习题详解等反馈信息，以辅助学习者客观评判自身知识掌握程度，根据错题推断不足之处并进行自我完善。

除即时反馈其自身练习结果外，还周期性为学习者提供同伴练习成绩、练习时长、练习次数等多维度信息。按学习风格聚类路径挖掘结果已表明，独立型学习者与依赖型学习者学习路径有所差异，因此通过问卷调查等方式辨别学习者学习风格后对其进行学习风格标记，便于依赖型学习者寻找相应同伴进行咨询与讨论，也便于独立型学习者寻找相应同伴结合其学习路径信息进行对比分析。

知识地图反馈、学习路径反馈与学习结果反馈分别从不同层面对学习者进行激励与指引，而非直接为学习者指定学习内容或推荐学习资源，保持学习者在自我调节学习中的主体地位，促进学习者对学习过程与学习结果的思考，重视学习者自我调节学习效率、效果的同时，关注其自我调节学习能力的培养。

三、研究效果分析

本研究从学习结果与学习过程两个层面收集并分析数据，结果性数据包括学习成绩、元认知水平等，过程性数据包括学习路径等。二者相结合，以便更全面地考查适应性反馈对自我调节学习的影响。

（一）结果性数据分析

1.学习成绩

本研究分别于第一轮实验前、第一轮实验后第二轮实验前、第二轮实验后对33位学习者进行测试，分别作为学习者第一轮测试成绩前测、第一轮测试成绩后测与第二轮测试成绩前测、第二轮测试成绩后测，结合学习者在两轮学习中的练习成绩进行统计分析，结果见表1。经专家教师评定，测试题目类型相同、难度一致，可体现学习者知识水平的变化。测试满分100分，学习者第一轮学习前测成绩均值为67.88，后测均值为68.33，P值为0.559，测试成绩≥85分被认定为优秀，第一轮学习前后测试成绩优秀率分别为21.2%和18.2%，说明学习者在第一轮学习前后测试成绩没有显著差异。第二轮学习前后，学习者测试成绩分别为68.33与74.55，P值0.023<0.05，优秀率分别为18.2%与33.3%，说明学习者在第二轮学习前后测试成绩具有显著提升，基于学习路径挖掘的反馈有利于自我调节学习效果提升。

学习过程中，学习者可随时进行练习，满分均为10分，本研究选取最后一次练习结果作为学习者在该节的练习成绩，多个章节的练习成绩求均值产生每位学习者的整体练习成绩。若学习者对自身在某节的最后一次练习结果不满意，通常会进一步学习并刷新该记录，整体练习成绩也会随之提升。因此练习成绩相对测试成绩而言偶然性更小，更能反映学习者的自我要求与自我调节学习情况。由专家对各单元各练习题进行难度评估，每单元每次练习均抽取数量相同难度系数相同的题目，从而保障练习成绩能够准确反映学习效果变化。第一轮实验中，有3位学习者未曾参与练习，其余30位学习者在两轮实验中的平均练习成绩分别为6.33与8.17，P值为0.000，说明在难度一致情况下，第二轮学习者各章节练习成绩明显高于第一轮。另外，第二轮实验中33位学习者均不同程度参与练习，且在各章节的平均参与次数明显高于第一轮，表明学习者努力程度有所增加，进一步说明本研究中反馈可促进学习者自我监控与自我调节。

2.元认知水平

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，是自我调节学习的基本要素。元认知水平高低直接反映自我调节学习能力强弱。本研究调查所用元认知问卷改编自奥尼尔（0Neil）状态元认知问卷、斯珀林（Sperling）元认知意识问卷、以及施罗（Sehraw）等.人的元认知意识问卷，采用李克特5点量表方式统计得分。得分越高，代表学习者元认知水平越高。表2为学习者前、后测元认知水平配对样本T检验统计结果。其中前测与后测均值分别为3 419和3.748，且P<0.01，说明学习者元认知水平在第二轮实验前后存在显著差异，以学习路径挖掘与分析结果为基础的反馈可提升学习者自我调节学习能力。

进一步分析发现，独立型学习者测试成绩前、后测均值分别为68.06与76.25，提升幅度为8.19分，P值为0.046，差异显著；依赖型学习者测试成绩前、后测均值分别为68.59与72.94，提升幅度为4.35分，差异不显著，见下页表3。两种学习风格的学习者元认知水平均具有显著提升，而独立型学习者提升幅度更大。可见，该反馈更有利于独立型学习者认知与发展。主要原因在于未提供反馈时，依赖型学习者若遇到问题通常也会向教师或同伴寻求帮助。但针对某些问题给出的反馈，节省了该类学习者寻求帮助的时间。

成绩一般学习者则比成绩优良学习者提升幅度更大。在测试成绩方面，成绩优良学习者的前、后测均值分别为85.50与86.79，二者没有显著差异；成绩一般学习者前、后测均值分别为55.68与65.53，效果相对明显。而在元认知水平方面，虽然两类学习者都有显著提高，但成绩优良学习者的提升幅度为0.262，成绩一般学习者的提升幅度为0.378，显然成绩一般学习者的进步更大。主要原因在于成绩优良学习者原本测试成绩与元认知水平已经较高，进步空间相对较小。因此，本研究中反馈更有利于成绩一般学习者的自我调节学习效果与学习能力提升。

（二）过程性数据分析

在学习路径挖掘与相应反馈作用下，第二轮实验中学习者计划、执行与反思过程更加顺畅，路径更加清晰明确。首先，学习者在课程主页长时间停留或在各模块、资源选择时犹豫不决的情况有所减少，说明他们愈发明确自己下一步要学习的内容及其途径。其次，学习者在各模块间的跳转逐步趋于有序化。本研究抽取某学习者在前后两轮实验中的最后一节学习路径进行对比分析。第一轮实验中的路径随意性较强，而第二轮实验中的路径明显经过思考与规划，先查阅学习指导、内容框架、学习重难点等模块建立对学习内容与学习资源的基本认识，在此基础上设定学习目标，完善学习计划；然后通过视频教程等资源学习为主、练习与讨论为辅的循环方式执行具体学习过程；最后对自身的学习状态、学习方法等进行反思，以便在之后的学习中进行调整。再次，通过练习结果反馈的方式，第二轮实验中练习后一般会引发讨论或更深入的学习，且练习完成度有所提高，少有学习者未完成答题即退出。由此可见，在反馈的作用下学习者自我调节学习意识得以激发，自我调节学习过程得以改进。

四、结语

“互联网+”时代为自我调节学习创设了便捷的数據存储与收集环境，如何利用这些数据为教学管理者、教师、学习者提供支持，从而优化学习过程与学习结果，已成为近年来的研究热点。自我调节学习强调学习者的主动性，自觉运用元认知知识与技能，设计合理的学习方案，选择正确的方法与策略，调整学习节奏以获取最佳学习效果。但在学习过程中，难免出现迷航现象。本研究充分运用学习分析技术，收集并整理Moodle平台中的学习过程数据，挖掘不同类型学习者的学习路径，并根据路径分析结果为学习者提供相应反馈。目的是结合学习者的学习风格、学习偏好等，为其提供精准的引导，使自我调节学习得以持续，学习效果得以提升。通过实验，本研究得出以下结论。

（一）学习路径与学习风格、学习成绩息息相关

本研究通过路径挖掘与聚类验证了学习路径与学习风格、学习成绩息息相关，且在资源选择时受学习偏好影响，与陈志铭等人根据学习风格、认知水平等为学习者提供个性化学习路径的研究思想相一致，进一步说明了以往研究者根据学习风格、学习成绩等为学习者提供相应反馈的必要性。

（二）学习路径挖掘能够为反馈提供依据

学习路径能够直接反映学习者的学习方式、方法等，本研究对不同类型学习者的学习路径分别进行挖掘与分析，并以可视化方式呈现出来，便于发现学习模块设置或学习过程中存在的问题以及不同类型学习者的路径特征，为反馈提供依据。

（三）以学习路径挖掘为基础的反馈可促进学习者学习效果与学习能力提升

自我调节学习不等同于无支架学习。维果茨基的最近发展区理论与支架式教学表明，学习者需在教师或支架的帮助下充分发挥潜能，达到其能够达到的的水平并获取管理学习的能力，从而逐步撤去支架。反馈是自我调节学习的重要支架，通过知识地图、学习路径、学习结果等反馈，学习者的学习效果与学习能力均有显著提升。