全婕 胡凌燕 刘军波

摘  要：学习行为研究是教育学中对学生行为管理的分析研究，通过对学习者活动的研究，掌握学生行为的规律，从中寻找教学管理新的方法和提高教学效率的途径。本文依托超星学习平台，借助数据分析方法对《C语言程序设计》课程的学生学习特征进行分析，为网络学习的质量和效率提供支持。

关键词：Mooc  学习行为研究  数据分析

一、问题的提出

学习行为研究是教育学中对学生行为管理的分析研究，是运用数据挖掘技术对学习者在学习过程中的行为进行跟踪、分析，并对学习者的学习行为进行预测以及评价，从而能对学习过程进行干预，保证学习效果和效率的技术。

现代化的教育教学方式正在实现从传统课堂教学过渡到传统课堂讲学与网络在线学习并举的学习方式，越来越多的网络在线学习平台，如优课联盟、学堂在线、超星等如雨后春笋般不断涌出。Mooc依托互联网和信息技术，将全球的专家、学者、名校和教育机构提供的优质教学资料汇集成一个知识库，使高等教育资源得到最大化的丰富和利用;作为一种新的学习情境和学习技术，它将学习者置于学习过程的核心地位，支持学习者积极、主动的发挥及个性化学习路径的选择等，学习者根据自己的理解能力、学习习惯、学习方法决定个性化的参与路径，而且Mooc的交互工具也有助于师生之间的交流，让大学课堂变得更加生动有趣。

随着大数据时代的到来，运用数据分析网络学习行为已成为当代教育技术学发展的趋势。在网络技术的支持下，我们能够用数据记录学习者的学习过程与轨迹，例如学生出勤，学习登录时间，学习时间的长短，学习内容，讨论，信息活动，考试分数等信息，这些信息使我们为分析和最终改进学习过程提供了有效数据来源。

二、相关研究理论

（一）行为科学理论

行为科学理论作为管理学理论的一种，开始于20世纪，是一门专门研究人类行为的综合性学科，行为科学理论认为，行为是个体围绕一项任务或一个目标，在环境的作用下进行的有目的活动。行为科学家主要研究的是外显的行为活动。他们认为，可观察和可测量是行为有意义并且可靠的两个不可缺少的重要标准。可观察是指一种行为能够被他人看到;可测量是指能够用时间或频率等量化的方式进行衡量。

在教育学中通过网络技术记录学生的学习行为数据，借助行为科学理论对学习者学习活动研究，掌握学生行为的规律，可以从中寻找教学管理新的方法和提高教学效率的途径。

（二）多元智能理论

多元智能理论是20世纪80年代哈佛大学认知心理学家加德纳所提出的，他定义智能是人在特定情境中解决问题并有所创造的能力。他认为我们每个人都拥有八种主要智能：语言智能、逻辑-数理智能、空间智能、运动智能、音乐智能、人际交往智能、内省智能、自然观察智能。加德纳认为，“智力既可以是教学的内容，又可以是教学内容沟通的手段或媒体。”例如，一个数学逻辑智能并不好的儿童在学习某种数学原理的过程中，可能会遇到一些困难，课程设计者为这类儿童寻找另外一条途径，比如提供角色扮演、音乐方式或其他媒体做比喻等，包括语言、数学逻辑、视觉空间、音乐/听觉、动觉或情感的形式。Mooc课可以将通过多媒体处理的课件呈现在学生面前，给人提供多重感觉，并可以反复浏览，特别适合那些难于抓住重点或缺乏耐性的学生，而对大多数学生而言，丰富多样的信息呈现与获取也是一种使人愉快的学习方法。

三、学习者网络学习行为模型的构建和网络学习行为分析

（一）学习模型的建立与数据的获取

将学习行为理论用于观察和分析网络学习行为的过程中，把网络学习行为分为一下几种基本类型：信息获取与处理，人际交往和解决问题，结合学习者的自身的基本条件对行为加以描述和分析，我们把学生Mooc学习行为模型定义为1）学习者的身份信息：学号，2）学习者的相关学习经历和背景：在学习《C语言程序设计》以前，每位学生学习过《计算机科学导论》这门课的成绩;3）信息获取与处理，以学习者对学过知识的记忆、理解、应用水平为主：包括Mooc视频学习进度（已学慕课知识点数）、每章单元测验平均分、期末考试成绩;4）人际交往和解决问题，主要从学习者的学习态度、资源利用能力、学习交互情况等方面入手：包括反复浏览的时间比例（反刍比）、討论的文字量、上传资料数量。见表1。

本文的实践研究平台为超星学习平台，依托此平台展开《C语言程序设计》课程的学生学习行为分析。超星学习平台的主要模块（见图1）包括首页（要求学生学习的课程视频资源）、活动（教学活动，例如：签到等）、统计（学习数据统计）、资料（课程学习资料，教师和学生都可以上传）、通知（教师向学生发放通知）、作业（教师布置作业）、考试（章节测试）、PBL（反转课堂）、讨论（师生交流）、管理（学生名单管理）。其中统计模块可以Excel表的形式得到学生综合完成情况、任务点完成详情、视频观看详情、讨论详情、访问详情、成绩详情、各权重项百分制得分、作业统计、考试统计、章节测验统计等数据，对以上表格进行整理，可得到所需数据。

实验对象为2017转入计算机专业的学生70名，2017级计算机系学生200名共270名学生。课程总学时为64个学时，教师要求学生学习的视频分为10章，每章有单元测试，课程结束有期末考试。

（二）数据挖掘与分析

本研究采用Person相关系数来分析数据的相关性，使用的工具为R语言。在做Person相关系数分析之前，通过散点图分析知道数据之间的关系的线性的。Person相关系数分析结果表示两个变量之间相关性的强弱，绝对值在0.8-1.0时表示极强相关，绝对值在0.6-0.8时表示强相关，绝对值在0.4-0.6时表示中度相关，绝对值在化0.2-0.4表示弱相关，绝对值在0.0-0.2时表示极弱相关或无相关。

从表2中可以看出，各变量之间有一定的相关性，均在0.01之上显著正相关，说明以上行为之间都是互相促进的。视频完成数与测试平均分及期末成绩极强相关，说明该视频对学生学习有很大的帮助;前导课程《计算机科学导论》成绩与期末考试成绩之间为强相关，说明前导课程对学习《C语言程序设计》是很重要的;测试平均分与期末考试成绩也是极强相关，说明每个阶段的学习与期末学习成绩有密切关系;另外，反刍比与测试平均分及期末成绩中度相关，说明反复学习对提高学习成绩有帮助;其次是讨论数、上传资料数与学习成绩之间也存在着弱相关，说明学习者之间的交流以及学习者对于知识共享对学习成绩的提高是有益的。

结语

学习分析技术在网络学习中的应用，使得学习过程可视化，使得学习者和教师都能清晰明确地看到学习的过程，学习者可以根据学习分析技术的可视化分析结果，了解自己和其他学习者在网络学习过程中的表现，教师根据数据可视化的结果，可分析出学习者的类别，可以更加合理的来安排网络学习的辅导人员，并对Mooc学习的过程进行干预，最大程度上保证网络学习的质量和效率。

参考文献

[1]彭文辉.网络学习行为分析及建模[M].科学出版社，2013-11-1.

[2]冯天敏，张如静.国内网络学习行为五年综述[J].新媒体研究，2019（07）.