宋彩虹

摘要：大数据时代发展之下，学习分析作为大数据再教育上的发展而问世，其主要在于理解和优化学习及学习发生的环境为目的，对学生的教育起到关键性的推动作用。

关键词：学习分析;中学生;心理教育模式

大数据时代的到来，使得智能进一步涵盖在我们的日常生活当中，除了生产生活方面，目前教育方面也开始逐渐运用起了大数据统计分析。学习分析学便由此诞生。这一概念最初是新媒体联盟在其2013年的年度“地平线报告”中提到的。所谓的地平线报告其目的在于识别未来一到五年间，可能在教育中普及应用并成为主流的六项新兴科技。学习分析一经问世就受到了教育界的广泛关注。在教育的运用上，学习分析主要是以理解和优化学习及学习发生之环境为目的，所进行的有关学习者及其环境的数据之测量、采集、分析和报告。其中该项技术在中学生的心理教育模式中起到了关键性的作用。

中学生作为学生时代的一个黄金发展期，其对于学生的成长起着关键性的作用。只有在中学生时期，将其教育抓到位，对于每个学生的学习状态，心理状态有一个好的建设，才是对于学生发展的一个有力举措。在此基础上，学习分析的出现无疑可以帮助学生们进行更量化的分析和指导，对每一位学生的学习提出有针对性地个人方案。目前，学习分析主要通过三个方式对教与学进行量化分析。一，通过描述性的分析，实现对已经发生过的教学及其情景进行描述;二，通过诊断性分析，对教与学过程中发生的关键性事件或特别现象进行解释，帮助利益相关者诊断教学和管理中的问题;三，应用回归分析等预测性方法，建立教学过程中相关量变与结果之间的关系模型，据此预测可能出现的结果。

一、学习分析应用的重要性

1.1个人化针对性地识别

在课堂学习时，一位教师往往面对的是几十位学生。一对多的情况下，教师很难对每一位学生的个人学习情况作出良好的识别，往往用来评判学生的只有考试成绩一项评判标准。因此很容易造成学生的优点难以发现，无法因材施教。但是学习分析可以帮助中学生更好的识别学习上的弱点，可以更加有针对性的进行指导，况且老师无法面向每一位同学进行了解，但是学习分析可以做到，通过软件的控制，对学生单个人进行独立的识别，如果该学生在视觉和听觉上较为容易集中精力，那么便可以生出视频供学生学习。学习分析可以通过大数据的统计和分析概括，学生的长处所在，系统针对性的将该方面的资料链接给学生，方便学生进行学习。

同时在中学生心理教育上也是如此，学习分析在评估学生的学习状态时，进一步监测学生的心理状态，随时进行调整和指导。中学生位于一个发展期和上升期，心理状态方面的教育是必不可少的。学习分析对于学生心理教育的监测较之于人为监测更为便利和迅速，可以及时发现问题，解决问题。

1.2预测性能

学习分析可以未雨绸缪，将可能与教育目的相悖的其他不良因素扼杀在摇篮中，尽最大可能的帮助中学生隔离不良影响。并且，在对于中学生的教育方面，可以预测学生是否能够合格通过课程，并且分析学生在课程的其余部分如何表现。如果预测学生未曾通过，便会进行加强学习和教育，如果预测通过，便对是否需要额外的外部学习支撑进行分析，力求在学生需要时便能一步到位。为中学生的学习提供便利，节省时间。以便更有效地实现教学目的。

1.3提高自适应率

学习分析帮助学生们在学习的过程中详细的掌握知识数据，对学生已掌握和未掌握的学习课程进行数据分析，并及时的反馈给教育者、家长、受教育者。进而考虑如何改进学习状态和学习现状。根据每位学生的自身情况，为其提供个性化的自适应学习。这样就能迫切的需要能够与每位学习者的个性特征相适应的学习材料作为在线辅导，将这种支持个性化学习体系和整个过程的系统称之为自适应学习系统，也就是记录学生的表现，在运行中对不同的学生进行个性化适应的系统。这种系统的存在无疑提高了学生的自适应率。通过学习系统的教育，自适应每段不同的学习。

二、学习分析在心理健康教育的应用

学习分析的应用领域并不单单局限在帮助学生学习上，还在中学生的心理健康教育中发挥了巨大的作用，在心理健康教育方面，学习分析可以让中学生更轻松的接受并使得其心理素质得到潜移默化的提高。

在该方面的应用流程，主要是首先让中学生对于基础的心理教育基础知识进行学习和相关知识链接的浏览，之后有系统对学生所学习的心理教育知识进行考核，学习过程和测试的结果都保留在学习者的学习库中，此时通过中學生心理数据库和学习者学习数据库共同对学生的心理素质现状进行评析和预测，针对显示的结果，系统的自适应模块将为学生提供适合学生学习的相关内容和导引链接，相关的教育人员同时有必要对发出预警的同学进行有针对性的辅导工作。

该自适应系统有以下三个特征：1.自我适应性：即系统对于学生的知识水平和个性特征都做出了相对应的识别和分析，并且配合所作出的分析自动化的为学生提供了最适合其学习的知识点和指导学习链接。2.自主选择性：学生对于是否愿意参与系统的学习课程具有自主选择权，可以选择加入或者是不加入。同样的也可以选择是否加入系统提供的外部链接课程，在这方面，学习系统给了学生最大的自由选择权。同时，学生还可以根据自己的兴趣爱好选择自己所喜欢的学习方式、学习类型和学习策略。3。资源自建构性：学习系统以学生所日常学习的内容进行架构和分析，挑选出满足学生学习需求的课程，同时对学生的学习进行系统的分析，为其欠缺的方面提供协调性的学习课程补充。可以有针对性地对相关的群体进行心理干预，也会通过更让学生接受的方式鼓励其加入心理教育学习。在此时，也能够更有效的让学生的心理辅导资源达到平衡状态，提高了效率。

三、未来学习分析的发展方向

3.1多样化发展

目前，随着学习内容的不断变多，学习环境的不断变化，单单只靠借鉴大数据的分析技术很难做到跟得上学生学习的脚步，因此学习分析应当多多融合现代的多种研究方式和分析工具，以便再出现教育中一些难以解决的实际问题时束手无策，例如，一些学者研发出一种可视化的思维过程，通过建立学习者的模型，了解学习者的思维动图，来帮助教育者进一步了解到学生，能够及时调整教学方式，以教育适应学生的个人发展为目的，进行实时的调整。可以充分的调动学生学习，教师教学的目的。当然为了保证学生的隐私，研发者还建立了学习分析空间模型来进行隐私保护。

3.2实现跨科学合作多方位合作

学习分析技术不单单需要借鉴大数据分析技术，还参考了教育数据挖掘、教育理论、工程学等等多种学科的研究理念，比如，他在对学生进行学习过程，学习结果进行分析时，就运用了教育学理论知识，充分的了解学生的学习动机、学生所运用的学习方法、这样就更加效率的帮助了学生达到既定的学习目的。

在未来的学习中，学习分析会运用到多重学科的理论知识，譬如，在对学生的心理教育方面就需要用到心理教育的知识，在对学生进行学习评估和分析时有需要用到脑认知科学、学习科学等等其他各类学科的学习分析方式，理论和技术，针对不同类型的学生进行不同的所需的分析。通过这种交叉的运用方式，形成一个跨学科的分析圈。来保障多角度的分析方式。

3.3加入情感数据分析

线上学习，在教师和学生间隔开了一道网络的平障，教师无法和学生面对面的进行交流，继而也无法对学生的学习状况有一个系统的认知，因此这个时候就需要学习分析的帮助。通过学习分析对于学生的情感进行分析，也就是对其心理过程进行监测，来帮助教学者了解学生的心理活动。而往往心理活动在一定程度上又能反映出一个人的思想过程，而思想过程呢又可以反映学习过程。这就是一套链圈，通过情感监督更好的把握学生的状态。提起告知教育者，受教育者的学习状态，及时做到纠正和教育。通过基于语音情感、面部情感、文本情感等的识别来进行，从情感作为初步调查方向，进行跟踪。这在很大程度上可以帮助教育者更好的掌握到学生的状况。

3.4多模型的教学分析

中学生的心理过程在这一阶段是尤为重要的，因此这种线上学习监督也是必不可少的。目前来说，这种模型的来源较为单一，无法全方位的了解到学生的状态。未来的研究可以注重多模型的数据的分析，如眼动数据、脑电图、心电图、社交网络数据等等。当然这些涉及到隐私的部分是会收到平台的多重保护的，只會对其进行大数据的分析和构建，不会造成隐私的泄漏。并且也会有相对应的防泄漏模型的诞生。这种情况下可能需要学生穿戴上相对应的设施，在不影响其学习的状态下，对其学习时的活动进行分析，使得研究成果更加科学，更加符合实际。也让教育评价更为透明，也便于发现问题的存在，便于解决问题。如若一个学生的心理健康出现了一定的问题，这种方式可以很快的找到问题的出现，让教育者更快的帮助解决问题。

3.5提升数据应用价值

目前线上教学活动越来越多，应当要尽快的运用学习分析来帮助分析学习者的学习方式，学习过程。通过大数据的采集增加教师和学生间的互动，自动化分析归类。通过线上线下两重把关，对学生的数据进行充分合理的运用，将该数据进行归类汇总，利用数据所表现出来的大部分学生的状态，对大部分的学生可使用同种教学方式。充分把握大数据分析带来的便利，充分的运用到学生的身上。

四、结论

就目前学习分析的发展方向，研究者可以充分的借鉴这一门学说，针对本国的教学特色，扩展教育研究领域。在心理教育方面，可以通过了解学生的能力、个性、动机和学习策略四个方面的特征，对中学生的心理教育进行更好的监督和管理。对学生的学习进行精准的测量和分析，开发一个适应各种环境，适应各种学生的学习系统。并且利用好数据分析，更好的运用到学生的身上，更好的帮助学生进行健康学习。

参考文献：

[1]王译畦，余武，朱刚毅.基于学习分析的中学生心理教育模式探析[J].中小学信息技术教育，2017.

[2]潘青青，杨现民，陈世超.国际学习分析技术研究进展与趋势分析——基于2014年至2016年Journal of Learning Analytics论文分析[J].中国远程教育，2019.03.

常州市郑陆实验学校