蔡留宝　吴小敏　王炜

【摘要】大数据时代的到来，网络课程教学领域积累了海量的教学数据，学习分析技术在教育领域的应用也越来越广泛。校内网络课程由于其特殊性，逐步成为网络课程研究的关注点。本次研究依托大数据分析技术对校内网络课程环节中学习者学习动机、学习时段进行分析，提出最优化交互时段的理念，旨在对教师的线上线下课堂教學行为提出合理化建议。

【关键词】大数据 学习分析技术 校内网络课程

【中图分类号】G642.3 【文献标识码】A 【文章编号】2095-3089（2018）15-0121-02

一、引言

教学资源的网络化、数字化，以及基于网络的学习方式的普及，我们能够获取的学习行为和学习结果数据变得丰富[1]，如何合理地处理这些数据成为网络教育研究急需解决的问题。本次研究，我们将学习分析技术引入校内网络课程，以便辅助分析校内网络课程中学习行为。

二、核心概念界定

关于学习分析技术的定义，很多学者有自己的看法。较为权威的是《2012NMC 地平线报告（高教版）》的定义，即学习分析技术是对学生生成的海量数据的解释和分析，以评估学生的学术进展，预测未来的表现，并发现潜在的问题。从定义中可以看出，学习分析技术主要指使用数据和模型预测学生收获和具有处理这种信息的能力的行为。

三、国内外研究现状

国外基于学习分析技术的研究主要聚焦在教育评价、数据挖掘、社会网络和课程分析、学习干预与预测，以及个性化学习与语义网络等方面[2]，没有对网络课程或者学习者进行分类。

与国外研究相比，国内的分析研究大多处在现象观察和理论探究阶段。研究重心主要放在在线课程公共平台上（如中国大学MOOC等），以非校内课程为主，即面向社会群体的网络课程。对面向本校学生群体的校内课程的研究较少。我们知道，学习者群体不同，其学习效果的影响因素也不同，学习行为更是所区别。

根据面向的群体不同，我们将在线网络课程分为校内网络课程、非校内网络课程。后者的受众类型多样化，研究结果并不具有针对性，对管理者调整课程设计方案并不能起太大作用。校内网络课程受众主要是开设学校的学生，受众的比较单一，研究结果对课程设计的调整来说影响较明显。

四、研究设计

1.研究目的

（1）提高教师和学生参与度。通过对有关MOOCS平台使用情况的调查数据的研究发现，近70%的课程中师生之间并无交互，学习支持流于形式[3]。此次研究旨运用学习分析技术指导师生间互动，进而缓解学生孤独感。

（2）提高学习者自适性学习能力。虽然大学拥有海量的网络课程资源，但是很多大学生学习效率很低。通过学习分析技术探讨大学生学习现状提出合理化建议，改善学习方法，提高自主学习能力。

2.研究方法

（1）问卷调查法

由于学习者分散，现在对网络课程的研究，主要基于网络课程后台数据。校内网络课程与其他网络课程不同，学习者类型较单一，为线下调查研究提供了条件。本次研究问卷调查发放问卷136份，有效问卷110份，分析内容主要为学习效率较高时段统计、学习者学习动机、学习时段调查。

（2）数据分析法

网络课程教学平台与问卷调查产生了的海量数据，通过对相关的大数据分析，有助于再评价学习者的学习效果，发现课程教学中存在的问题。该课程网络平台2017年3、4月（该课程上半学期课程开课时间），共有4247人参与本次课程。本次研究随机抽取425人的相关数据进行分析，分析内容分别为访问和考试提交时段、访问量与成绩的关系分析。

3.研究对象

校内网络课程的主要学习者是在校学生。以J大学为例，《创业人生》这门课程是该校大四、大三学生的校选修课。因此，此次研究的主要对象就是该校大三、大四参与过这门网络课程的学生。

五、数据结果分析

1.学习效果的落差

《创业人生》课程开设的目的是提升学生的创新创业能力，预期的学习效果应是学生掌握相关基础知识。可是，问卷调查的数据表明81.18%的人认为没有学到什么实质性的东西。

2.以学分为学习动机

校内网络课程的学习是为了提升学生相关能力，满足学生对自由选择学习时间的要求。可是在问及“为什么选择这门网络课程？”时，95.29%的同学答案是为了学分。间接反映校内网络课程的困境——高校慕课制作质量低与追求高点击率之间的矛盾，只能依靠学分挂钩来弥补，学生学习动机变成了单纯的以学分为主。

3.学习时段与作息时间表的联系

为了更加准确的获取学生学习网络课程的时间，此次研究对后台数据中的试卷提交时间（图1）以及访问时间进行分析（图2）。结合该校的作息时间表发现，学生集中的学习时段（20点-22点）正好与最后一节课结束时间吻合，说明了校内网络课程中学生学习时段与作息时间表的紧密联系。

六、建议与讨论

1.助推互动时段的最优化

在线网络课程中面临的师生互动差问题，很大程度上是教师在线指导时间与学习者学习时间发生错位导致的。因此，找出学生最集中的网络课程学习时段，有利于提升教师在线指导效率，助推师生互动时间的最优化。

不仅仅是校内网络课程，包括其他在线网络课程，都存在以下几类时间段。包括学习者访问时间、试题作答与提交时间、参与论坛时间。对这三类时段的相关性研究，我们发现该校学生学习校内网络课程的时间集中在20时至22时。结合对该校学生一天中学习效率最高时段（图3）调查所得到的结果，我们发现其与集中学习网络课程的时段正好吻合。

因此，以此数据为依据，如果教师于此时段在线上集中指导学生，该时段将成为该校学习者最优化网络课程学习时段。

2.学习者测评机制与课程评价机制的再构建

现在的校内网络课程依旧沿袭传统慕课的测评方式，即通过论坛参与度、课后习题（任务点）成绩、考试成绩等不同比例换算成最终成绩。J大学《创业人生》课程的期末成绩，就是由32%的课程设计成绩、60%的考试得分、8%访问数组成，忽视了学生实际学习情况的考查。由于，传统的学生测评机制难以实现对学生线下学习情况进行考察，以及课程评测简单化，难以反映问题。因此，需要再构建新的学生测评机制和课程评价机制。校内网络课程学习者的集中性，为线上线下测评方式提供了客观条件。

参考文献：

[1]李青，王涛.学习分析技术研究与应用现状评述[J].中国电化教育，2012（8）：129-133.

[2]牟智佳，武法提，乔治·西蒙斯.国外研究分析领域的研究现状与趋势分析[J].电化教育研究，2016，（4）：18-25.

[3]郑勤华，李秋菊，陈丽.中国MOOCs教学模式调查研究[J].开放教育研究，2015，（6）：71-79.

作者简介：蔡留宝（1996-），男，汉族，江苏省，本科，教育技术学，江苏大学教师教育学院。