刘 桐 顾小清

（华东师范大学 教育学部教育信息技术学系，上海 200062）

一、引 言

自下向上以数据驱动的形式理解学习现象，解读学习发生机理，从而连接以人为中心的学习设计，是当前技术赋能学习的核心议题，也是学习分析技术的未来走向（顾小清等，2020）。退学是线下学习失败的主要表现（Ajjawi et al.，2020）。然而，随着学习形式的不断进化，研究者认识到，在线学习情境中，退出某门课程学习也是一种学习失败，并指出学习倦怠、学习抱怨、学业情绪等可作为预测学习失败的重要指标（Jones ＆ Rienties，2022）。由于在线学习的自愿性与灵活度强，随着受众群体逐步扩大，退课现象日益严重。据统计，edX 在线学习平台的课程结业率只有5%，学堂在线平台的课程结业率也仅有4.5%（Feng et al.，2019）。因此，探明在线学习退课发生的原因具有重要的现实意义（Lee ＆ Choi，2011；Jin，2020；Chaker ＆ Bachelet，2020）。

诸多学者围绕学习者退课现象开展研究。常李艳等（2021）使用文献分析方法，发现学习者个人、课程以及社会环境因素是造成学习者退课的重要影响因素。休和张永森（Hew ＆ Cheung，2014）使用问卷调查方法，发现扩展知识面、满足好奇心和个人挑战等是学习者参加在线课程学习的主要驱动力，而获取结业证书不是多数学习者的最初目标。然而，以上研究大多采用传统的社会学方法，存在一定主观性。随着学习过程数据的积累以及智能技术的发展，学习路径分析技术可逐步弥补传统方法的不足。有学者从细粒度数据层面，通过专家知识与真实数据双驱动的形式，使用集成学习方法（Narayanasamy ＆ Elçi，2020）、深度学习方法（Yin et al.，2020）等知识发现技术，寻找学习者在线学习的行为模式与规律。……