摘要：在教育数字化转型背景下，基于数据提供科学决策分析成为重要的研究课题。作者以上海交通大学为例，研究智能教学环境下线上和线下学情数据采集的途径，设计了学情数据采集分析平台的总体架构、评价和预警指标，分析并描述了主要功能，为学校实施以数据驱动的教学质量过程化管理，实现精细化管理、针对性干预、个性化辅导，提供了有意义的参考。

关键词：智能教学环境；学情数据采集分析；学情数据分析指标

中图分类号：G434  文献标识码：A  论文编号：1674-2117（2024）01-0103-04

引言

在教育数字化转型背景下，对学情数据的智能化分析采集、提供基于数据的科学决策分析成为重要的研究课题。2022年8月教育部印发的《国家智慧教育公共服务平台接入管理规范（试行）》提出，“通过对接方式自动获取用户访问、资源目录、使用评价、网络安全等方面的数据，建立基于大数据的平台评价机制”。[1]国家《“十四五”国家信息化规划》《上海市教育数字化转型“十四五”规划》明确提出[2][3]，要强化互联互通，建设开放共享、数据互通、技术集成、应用协同、交互可用的教育数字基座，实现数字空间全连接，促进教育数据的归集、共享，发展数据驱动的智能化数字教育资源应用服务，加强对海量资源及应用数据的挖掘分析，探索构建自适应学习系统，不断满足个性化学习需要。2022年，美国高等教育信息化协会（EDUCAUSE）发布的《2022地平线报告：教与学版》将学习分析和大数据作为重要的技术趋势。[4]

国内外机构和高校不断探索学情数据的深度应用和研究。美国知名的学习管理平台Canvas Lms的Data-Analytics提供学情分析报告帮助用户更好地了解学习动态[5]，Desire2Learn机构开发的Brightspace Student Success Systems，可通过灵活的配置，为学习者提供每周的课程参与、内容访问、社会化学习、评估和预测服务并进行可视化的友好呈现。[6]上海科技大学利用大数据技术设计与建设了智能决策支持系统，实现了综合校情、科研活动、本科生教学、研究生概况、学生行为等场景的数据采集、数据处理及业务的深度挖掘、数据的可视化呈现。[7]

学情数据采集分析需求的提出

高校智能教学环境的深化建设，促进了学情数据获取全面性、实时性、多样性的可能。[8]以笔者所在学校上海交通大学为例，学校一直践行“学在交大”“让每一位学生更优秀”的育人理念，完善人才培养质量保障体系。近年来，学校一直在线下教室设备智能化、线上学习空间和资源建设方面进行重点建设。尤其是线上和线下的学习不断走向融合，各类服务学生学习的信息化平台得到了大规模的应用[9]，在线学习数据突破以往的速度，快速大量积累。

学校、学院两级教学质量管理部门希望全面、精准地了解师生在线上和线下开展教与学的整体情况。教师希望通过数据了解并及时掌握学生的在线学习动态，对学习异常情况的学生进行尽早干预和辅导，学生希望通过数据做更好的自我管理和学习改进。[10][11]这就需要对学情数据进行梳理和研究，提供有價值的分析和决策依据，利用数据驱动教学变革，促进人才培养。

智能教学环境学情数据的采集途径

以笔者所在学校为例，智能教学环境[12][13]主要包括线下实体智能教室、线上学习空间两大类，学情数据的采集可从以下几方面实施。

1.实体教室智能设备学情数据的采集

实体教室学情数据的获取主要是通过教室智能网络摄像头的硬件设备采集，并通过后台的控制平台进行数据的传输、存储，为学情数据采集分析提供条件。

（1）教室人数统计数据的  获取

目前，学校共有近500间公共教学楼教室，每间教室至少配有两个以上高清网络摄像头，小教室配备高清定焦摄像头，一些中大型的教室配有EPTZ智能镜头跟踪摄像头[14]，可根据每间教室布局范围划分，采集教室图像，设置定时截取图像时间，基于图像识别技术，根据算法规则统计数据，自动计算出教室人数，并将数据存储在人数统计的平台。根据教室的排课数据和自修教室安排，人数统计平台自动匹配，动态存储，可提供教室使用情况、课程的出勤人数、应到人数、前排就座人数的数据。

（2）直播和点播统计数据的获取

建设教室云录播系统，将教室打造成可随时随地直播的教室，通过复用教室摄像头，配以专业音视频采集分析模块，接入教室云录播系统统一管理。云录播系统通过自动视音频采集分析，实现教师授课场景的智能跟踪，教室计算机自动捕捉教师计算机的课件画面，教室对接课表进行自动直播，线下课堂教师授课跟踪画面及PPT桌面信号可以进行双路直播，并同步自动录制课程视频，还原真实的授课场景。学生能够看清教师肢体语言、黑板板书、课件画面，并能自主在教师板书、教师计算机的课件画面间自主切换，从而呈现课堂全貌。另外，通过云录播系统提供的课堂直播和视频回看，后台日志可提供的数据包括学生的直播和点播观看时间、观看时长、观看人数、直播和点播频次、分布学院等。

2.线上学习空间学情数据的 采集

（1）学习过程数据的采集

为提升智能教学环境下的教与学体验，2018年学校推出面向全校师生服务的简单易用的Canvas在线教学平台，积累了大量的在线学习数据。第一类是学习资源数据，如课程发布数、教师发布的公告、上传课件、布置作业和讨论数等；第二类是学习行为数据，包括学生的浏览数和参与数，如学生提交的作业数、回复帖子数、参与的测验、参与讨论数、在线答题互动数、课程的页面浏览数、在线浏览时长数等；第三类是学习结果数据，包括学生的作业、测验和讨论、参与答题互动的评分情况等。

（2）课堂交互数据的采集

课堂交互反馈系统是学校对接线上和线下课堂开发的一款基于课堂教学过程的教学互动技术工具，在课堂的互动教学环节中，教师可使用该工具发起签到和答题互动，学生通过移动终端扫描二维码，进行互动投票、讨论，投票结果实时统计，帮助师生及时了解学习情况。课堂的交互数据按照交互频次、交互时间、交互类型进行采集，具体可包括学生课堂签到频次，投票互动频次，参与课堂客观题、主观题的互动数据等。

学情数据采集分析平台的设计研究

1.总体框架

根据目前智能教学环境所能支持的数据采集条件，设计学情数据采集分析平台的总体架构（如下页图）。数据层主要包括各个系统的应用数据来源，如在线教学平台、课堂云录播平台、课堂交互反馈平台、人数统计平台以及来自基础数据库的相关数据等；应用层主要是对学习特征数据进行提取分析，包括在线学习资源数据分析、学习行为数据分析、学习结果数据分析三大类；展示层通过分析评价指标体系、预警指标和阈值设定进行分析结果数据的可视化。最终，数据经客户端输出给平台管理员、校院两级教学管理人员、师生使用。

2.评价指标

学情数据分析结果需要根据评价指标来设定（如右下表），学情数据采集分析平台可以从课程维度，将学生学情分为学习投入度指标和学业表现指标[15]，围绕两大指标分多个细项进行综合评价，从而进行横向和纵向的比较。

3.主要功能模块描述

（1）数据多源采集和清洗模块

业务平台数据库有mysql、postgresql、sql server等，需要能够支持不同类型数据源及API数据接口，通过简单配置完成数据的采集接入。数据清洗的好坏直接决定数据分析的准确性和权威性。为提高数据质量，需通过替换、插补、去重、映射、关联性验证、合并等数据预处理方法对残缺数据、异常数据、重复数据等进行处理，以保证数据的准确性、完整性、有效性和一致性。

（2）数据分析模块

根据学校的学情分析指标和预警内容，建立支持多场景的分析模型，对分析结果可以按照学校层级、学院层级、用户层级进行排序、筛选、向下钻取，分析模型可灵活拓展、支持自定义SQL，以满足不断更新的需求。

（3）可视化前端模块

能够根据数据分析结果，通过拖拽的方式，将图表、数据大屏、报表的外观、展示项目、搜索条件进行可视化展示和报表导出。关注学习出现异常情况的学生，并及时干预，根据评价的指标，设置预警的规则、状态和权限，开启或者关闭预警，进行学习预警消息的内容编辑和推送。展示内容按照层次划分为学校整体学情数据综合分析展示、学院学情数据综合展示、教师所授课程学情数据展示、学生所选课程学情数据展示。

（4）用户及角色授权管理  模块

该模块支持角色授权模块的自定义管理，可以灵活定义不同角色的权限，初始设置的角色为校级教学管理人员、学院级教学管理人员、教师角色、学生角色，用户根据赋予的不同角色查看和导出相应权限的数据。

结语

学情数据采集和分析平台设计的目标是实现将分散在各个教学信息系统的学习过程数据进行汇聚、清洗、分类，根据学情分析的指标和有效的预警机制，建立关联、深度分析和可视化呈现，为教学质量管理者和师生提供全方位、实时、直观地了解学生的学习过程，实时掌握学习动态的手段，从而加强学习过程化管理的有效监管、诊断、反馈以及干预和指导，改进和调整教与学的方法和策略，助力教与学的质量提升，促进学生学业成长。

参考文献：

[1]中华人民共和国教育部.教育部办公厅关于印发《国家智慧教育公共服务平台接入管理规范（试行）》的通知[EB/OL].http：//wap.moe.gov.cn/srcsite/A16/s3342/202208/t20220819_653868.html.

[2]中华人民共和国国家互联网信息办公室.中央网络安全和信息化委员会印发《“十四五”国家信息化规划》[EB/OL].http：//www.cac.gov.cn/2021-12/27/c_1642205312337636.htm.

[3]上海教育.上海市教育数字化转型实施方案（2021-2023）[EB/OL].http：//edu.sh.gov.cn/xwzx_bsxw/20211110/9a48015bacfe4af1a4eb131abef5585b.html.

[4]KATHE PELLETIER，MARK MCCORMACK，JAMIEREEVES，et al.2022 EDUCAUSE Horizon Report，Teaching and Learning Edition[EB/OL].https：//library.educause.edu/resources/2022/4/2022-educause-horizon-report-teaching-and-learning-edition.

[5]Student Success System [EB/OL]https：//documentation.brightspace.com/.

[6]Data insights for student success[EB/OL].https：//www.instructure.com/en-gb/canvas/higher-education/data-analytics.

[7]孙名松，孙小影，张晓林.开放动态的校园智能感知与决策支持系统设计与实现——以上海科技大学为例[J].中国教育信息化（高教职教），2021（03）：72-75.

[8]祝智庭.智慧教育引领未来学校教育创变[J].基础教育，2021，18（02）：16.

[9]沈宏兴.教育信息化2.0时代高校教育技术工作创新与实践[J].实验室研究与探索，2019，38（06）：128-132.

[10]王林丽，叶洋，杨现民.基于大数据的在线学习预警模型设计——“教育大数据研究与实践专栏”之学习预警篇[J].现代教育技术，2016，26（07）：7.

[11]许晓东，赵幸，肖華，等.大数据在高校本科教学评估中的应用——以J大学为例[J].高等工程教育研究，2017（01）：6.

[12]安宁，牛爱芳，齐瑞红，等.高校智慧教室建设的探索与思考[J].实验技术与管理，2017，34（05）：5.

[13]冷静，易玉何.智慧教室中学习投入度与教学活动类型的关系[J].现代教育技术，2020，30（05）：7.

[14]沈宏兴.EPTZ智能跟踪摄像机在云录播中的应用[J].广西广播电视大学学报，2016，27（02）：5.

[15]魏顺平，程罡.数据驱动的教育机构在线教学过程评价指标体系构建与应用[J].开放教育研究，2017，23（03）：    113-120.

作者简介：邵晶晶（1981—），女，浙江杭州人，硕士，工程师，主要从事教育信息化研究与应用。