摘要：在线学习飞速发展的今天，在线学习环境的监控措施和智慧教室等技术研究共同发力，为信息可视化的跨学科应用发展提供了茁壮成长的技术氛围。本文通过对在线学习分析和信息可视化的研究，将视觉设计作为切入点，从典型用户研究出发，聚焦于信息可视化介入线上课程的设计策略和设计实现。

关键词：信息可视化;在线课程;学习分析方法

一、学习分析工具对可视化的技术支持

信息处理技术的发展：信息处理技术的支持学习分析研究者将抽象的、难以描述的信息转化成具象的、易于表现的数字。它的发展体现在两个方面：一是对信息的可用内容进行提取的准确度，保证信息分析的可靠性和有效性;二是对信息的深层挖掘，从信息的表象发掘出更多内涵，提升信息的价值层次，从解决已有问题深入发现新的问题，再深入到重新定义已有的问题。

二、在线学习分析的可视化模式

设计模式的概念最早由美国建筑师提出，用于描述设计中可以重复使用的解决方法，从而减少重复劳动和标准化设计呈现。笔者在本节中尝试用设计模式的概念，探讨设计不同类型信息的可视化呈现的设计规律。

三、可视化的视觉元素

对数据可视化准确性的早期研究以数据图形为单位，Cleveland和McGill通过一系列实验，证实和总结出视觉元素暗示强度的序列，依次是位置、长度、角度、方向、形状、面积、体积、颜色。Mackinlay根据数据特性和图形感知之间的联系，将方向重新定义为斜率，并结合Berlin的可视化编码理论加入了密度、连接、包含、纹理等视觉元素，对不同类型的图形表达进行感知精确性排序，探讨信息图形被设计成为图形语言的表达性和有效性标准。

（一）位置（Position）的判定需要参照物，在信息图形中，这个参照物一般被设置成坐标系。位置可以精确地描述数值，同时也是人眼感知最为敏感的视觉元素。密度（Density）在位置的基础上弱化了准确数值的呈现，转而展现多个数值的集中区域。

（二）长度（Length）、面积（Area）和体积（Volume）是数值型信息的大小（Size）属性在一维、二维和三维设计空间的具体表现。相比位置，这三个视觉元素在展现单一具体数值时较弱，但可以直观、清晰地表现数值间的对比。

（三）角度（Angle）的呈现需要借助圆和圆心，在0度到360度范围内表示单个部分和整体之间的比例关系。与大小相比，角度强调了整体和局部之间的比较。

（四）斜率（Slope）的取值取决于坐标系的标度，通常用于表现信息在某一范围内的变化程度。同一个变化值在标度较小的坐标系中，斜率更小，反之在标度较大的坐标系中斜率变大。设计者可以根据设计目的，合理地调整标度，表达对当前变化的情绪暗示。

（五）形状（Shape）—般用于描述图形轮廓，可以用于快速区分多种分类数据，用户认知能力和经验对形状的影响远远大于具体数值和逻辑。因此，形状是设计时自由度较大的视觉元素，对形状的选择和设计常与现实事物相联系，结合设计者的理念進行在提炼和再创造。

（六）纹理（Texture）、色相（Hue）和饱和度（Saturation）属于颜色属性（Color）的范畴。颜色和形状一样，体现了类型的差异性，同时带有视觉隐喻作用。

（七）连接（Connection）和包含（Containment）为信息间关系的展不提供了基础的视觉通道，两者都是以辅助线或辅助形的方式表现多个数据的联系。连接用于表现网络联系，包含用于表现对象之间的逻辑联系。

四、信息内容到可视化模式的映射

学习轨迹描述学习者的学习趋势，学习评价包含自身的纵向比较以及群体的横向比较，课程及其他学习资源使用情况展现学习者的选课趋势以及学习内容的结构，学习任务完成情况体现己有的知识结构和分布，学习过程中的互动和讨论内容体现互动话题分布，社交网络呈现了学生的互动网络结构。[1]

（一）趋势体现学习者的某个学习信息在一个区间中的变化倾向，在选定坐标系后，借助斜率展现学习者在此有序区间内整体提高、降低、平稳发展或波动剧烈等学习情况，并根据当前趋势提供可视化的学习预测。

（二）比较存在于不同类别学习信息之间或学习信息表现在时间序列上的多个数据，适用于组合展示多个有关联的数值型信息。该模式的目标是寻找具有统计学意义的学习信息内容，如时间序列上的极端值、中间值等，辅助学习者根据较优数据出现的时机，修正下阶段的学习计划。

（三）结构常见的内容是学习信息内部各种成分的构成情况。在“整体-部分”的结构模式中，所有的信息内容都是一个学习信息的不同部分，强调总分的关系。在“节点-分支”结构模式中，可以有多个同时存在的起始节点，汇聚多组相互之间存在联系的总分关系。

（四）分布强调根据数值确定学习信息在坐标系中的位置，核心是展示信息的分布密度。若需要表现多维度变量，则借助交互手段拆分成多个二维变量的分布组合。

五、结语

依照影响可视化的关联因素构建在线学习分析的评价标准，并对应学习分析内容匹配可视化模式。本研究分析了来自内部和外部的关联因素，提出包含角色定位、视觉表征、理解力、认知效率、人机交互和行动引导六个维度的学习分析可视化的评价标准。信息可视化介入的设计不仅仅是视觉上的设计，更应该掌握信息的特性和技术的限制并加以利用。

参考文献：

[1]肖军玲，孙韩琼，杨福华，等.学习分析视角下的学习状况可视化方法研究[J].中国教育信息化，2015（12）：15-19.

作者简介：米晓翰，四川大学艺术学院。