胡慶春 蔡建華

摘 要：在線學(xué)習(xí)論壇中學(xué)習(xí)者之間的互動和文本內(nèi)容可以作為評價學(xué)習(xí)的重要因素。本文提出了一個基于學(xué)習(xí)行為和內(nèi)容的二維分析模型，分析在線學(xué)習(xí)論壇。該模型通過分析同伴之間學(xué)習(xí)行為的互動，可視化呈現(xiàn)問題討論的熱點，探究學(xué)習(xí)行為和內(nèi)容是如何促進(jìn)知識的獲取。同時該模型也有助于分析并挖掘?qū)W習(xí)的困難并通過可視化的詞云反饋給學(xué)習(xí)者。此研究可以為設(shè)計自動應(yīng)答的實時反饋系統(tǒng)和自適應(yīng)學(xué)習(xí)系統(tǒng)的體系結(jié)構(gòu)提供實踐的建議。

關(guān)鍵詞：網(wǎng)絡(luò)學(xué)習(xí)；在線論壇；學(xué)習(xí)分析

中圖分類號：TP311 文獻(xiàn)標(biāo)識碼：A

文章編號：2096-1472（2018）-11-10-04

1 引言（Introduction）

如今，數(shù)字化學(xué)習(xí)時代已經(jīng)到來并深深地影響了當(dāng)前的高等教育[1-3]。隨著技術(shù)對教與學(xué)的影響，教育技術(shù)的關(guān)注點已經(jīng)從技術(shù)怎樣在學(xué)習(xí)中被運(yùn)用，進(jìn)一步轉(zhuǎn)變?yōu)樯钊胙芯考夹g(shù)是如何助力學(xué)習(xí)，如何更好地挖掘?qū)W習(xí)行為數(shù)據(jù)，對學(xué)習(xí)的過程進(jìn)行評價并給學(xué)習(xí)者提供自適應(yīng)的指導(dǎo)[4]。在網(wǎng)絡(luò)學(xué)習(xí)平臺中，在線論壇常常用于學(xué)生之間和師生之間的交流，這是一個必不可少的功能模塊，即通過論壇去支持學(xué)生隨時隨地發(fā)布問題，及時地反映他們的學(xué)習(xí)。隨著時間的推移，網(wǎng)絡(luò)學(xué)習(xí)平臺中會積累大量的數(shù)據(jù)，例如，在我校的程序設(shè)計課程，其網(wǎng)絡(luò)平臺的在線論壇有自2010年至今的海量數(shù)據(jù)，在線論壇中的這些海量數(shù)據(jù)可以被看作是一個巨大的學(xué)習(xí)資源庫，不僅是對當(dāng)前學(xué)生的學(xué)習(xí)具有價值，也是對未來學(xué)生的一個很好的學(xué)習(xí)材料。然而，這些海量數(shù)據(jù)與學(xué)習(xí)過程和結(jié)果之間的關(guān)系還需要進(jìn)一步深入探究。

在線論壇的一個主要功能和設(shè)計關(guān)注點是及時促進(jìn)用戶之間的通信。論壇中最基本的模塊是搜索模塊，也即用戶可以鍵入關(guān)鍵字信息來搜索論壇。雖然是可以搜索到與關(guān)鍵字匹配的信息，但是，不能清晰并深入地了解論壇中的活動。本研究旨在挖掘?qū)W習(xí)行為和討論區(qū)的內(nèi)容，可視化展示其特點，以便通過可視化圖能夠像腳手架一樣支持（scaffold）學(xué)習(xí)者的學(xué)習(xí)。因此，本文通過對論壇主題的歸納分析，提出了論壇的概念圖分析模型。在該模型中，分析學(xué)習(xí)行為的兩個方面：同伴之間的交互，發(fā)帖的主題和內(nèi)容。首先，對于同伴之間的交互，本文通過分析帖子的回復(fù)和響應(yīng)時間進(jìn)行聚類，以找出最熱門的帖子內(nèi)容；其次，對于發(fā)帖的主題和內(nèi)容，通過可視化的詞云顯示帖子內(nèi)容，構(gòu)成一個可視化的學(xué)習(xí)困難概念圖，目的是不僅促使教師在教學(xué)中更加關(guān)注此類問題，同時也是促使學(xué)習(xí)者反思其所學(xué)的內(nèi)容。

本研究分析的數(shù)據(jù)源自C程序設(shè)計課程，這是我校大多數(shù)理工科專業(yè)一年級本科生的必修課程。選取了一個學(xué)期的論壇數(shù)據(jù)進(jìn)行分析?？梢暬瘜W(xué)生同伴之間的互動和論壇內(nèi)容，探究論壇發(fā)帖的主題和學(xué)習(xí)的知識點之間的聯(lián)系。由于程序設(shè)計課程學(xué)習(xí)中很多困難的本質(zhì)就是提高調(diào)試能力，本研究使用文本挖掘工具的可視化分析，揭示了在編程學(xué)習(xí)中的主要困難。同時，分析了同伴之間學(xué)習(xí)行為的不同模式。

行為和內(nèi)容的二維分析模型加深了教師和學(xué)生對在線論壇學(xué)習(xí)過程的理解；吸引了討論參與的積極性；提供了證明在線內(nèi)容討論與知識點學(xué)習(xí)之間的重要性。

下面的內(nèi)容首先回顧了相關(guān)工作；接著討論了在線學(xué)習(xí)中的學(xué)習(xí)分析，在此基礎(chǔ)上提出了模型框架；然后對數(shù)據(jù)進(jìn)行采集和分析；最后是總結(jié)，建議進(jìn)一步完善此方法有助于自動應(yīng)答系統(tǒng)和自適應(yīng)學(xué)習(xí)系統(tǒng)的設(shè)計。

2 相關(guān)的研究（Related work）

2.1 程序設(shè)計課程的網(wǎng)絡(luò)教學(xué)環(huán)境

本研究的背景是C程序設(shè)計課程，這是我校大部分理工科本科生的必修課。在學(xué)習(xí)程序設(shè)計的過程中，學(xué)生遇到的主要問題集中在代碼調(diào)試上[5，6]；而且，在課堂教學(xué)中師生之間的互動不夠理想。因此，迫切需要一種有效的方法來提高教與學(xué)的效果。

隨著數(shù)字時代對高等教育的影響，傳統(tǒng)的課堂正在延伸。教師和學(xué)生可以通過網(wǎng)絡(luò)環(huán)境進(jìn)行交流和互動。自七年前，Moodle作為支持教和學(xué)的網(wǎng)絡(luò)平臺被應(yīng)用在我們的教學(xué)中。Moodle平臺有很多實用的功能[7-9]，例如，隨時隨地、方便的內(nèi)容更新、靈活的師生互動、及時的答疑和反饋機(jī)制，這些都非常適合我們課程的要求?？梢?，一方面，在線學(xué)習(xí)環(huán)境為學(xué)生和教師提供了非常靈活的交互方式；另一方面，也提供了實時記錄保存學(xué)生的學(xué)習(xí)信息。顯然，這些海量的信息包含了學(xué)習(xí)者的隱性行為特征。本研究希望剖析學(xué)生的學(xué)習(xí)活動，深入了解在線學(xué)習(xí)的認(rèn)知過程。但是，目前大多數(shù)在線學(xué)習(xí)系統(tǒng)分析學(xué)生行為大多來自日志活動，鮮有整合在線論壇的內(nèi)容[10-12]。而學(xué)習(xí)過程是行為和內(nèi)容的一個復(fù)雜認(rèn)知過程，需要綜合考慮多個因素的相關(guān)性和影響。當(dāng)學(xué)生在論壇上發(fā)表問題時，表明其對于相關(guān)的知識點是有疑問的，通過對某一個階段的數(shù)據(jù)分析，可以挖掘?qū)W習(xí)困難的薄弱環(huán)節(jié)。為此，通過對網(wǎng)絡(luò)學(xué)習(xí)平臺的學(xué)習(xí)行為和論壇內(nèi)容進(jìn)行洞察分析，并將其融入到學(xué)習(xí)評價中是必要的，這與學(xué)習(xí)分析研究領(lǐng)域有關(guān)。

2.2 學(xué)習(xí)分析

學(xué)習(xí)分析是數(shù)據(jù)挖掘技術(shù)在教育中的一種實踐，它來源于大數(shù)據(jù)的研究背景[13，14]。在學(xué)習(xí)分析和知識的國際會議中，學(xué)習(xí)分析被描述為對學(xué)習(xí)者和學(xué)習(xí)情景數(shù)據(jù)集的測量、收集、分析和報告，以理解和優(yōu)化學(xué)習(xí)和情景[15]。學(xué)習(xí)分析需要對海量數(shù)據(jù)中的學(xué)習(xí)過程進(jìn)行進(jìn)一步的挖掘，以評估學(xué)生的學(xué)業(yè)進(jìn)步，預(yù)測其未來的結(jié)果，找出影響學(xué)習(xí)的因素。它的目的不僅是評估學(xué)生，而且還可以發(fā)現(xiàn)潛在的問題，并最終優(yōu)化學(xué)習(xí)。通過在一段時間內(nèi)收集和分析大量學(xué)習(xí)者的相關(guān)數(shù)據(jù)，探索學(xué)習(xí)過程和變化，以及學(xué)習(xí)者的當(dāng)前學(xué)習(xí)行為與學(xué)習(xí)結(jié)果之間的聯(lián)系。另一個目標(biāo)是用既定的相關(guān)性，根據(jù)當(dāng)前的學(xué)習(xí)行為，預(yù)測他們未來的學(xué)習(xí)趨勢和結(jié)果。這種分析和預(yù)測不僅對教育管理者、教師，而且對學(xué)生都有積極的意義。在線學(xué)習(xí)論壇中累積的數(shù)據(jù)其主要特征是規(guī)模大和多樣性。這些數(shù)據(jù)隱含著學(xué)習(xí)者的實時性特征。學(xué)習(xí)分析的目的和方法與學(xué)習(xí)目標(biāo)緊密結(jié)合。沒有學(xué)習(xí)目標(biāo)，學(xué)習(xí)分析會過于宏觀和抽象。本研究與當(dāng)前教育技術(shù)領(lǐng)域的國際關(guān)注是一致的[16]，未來的教育技術(shù)需要從學(xué)習(xí)、教學(xué)、管理、評價、基礎(chǔ)設(shè)施等五個方面進(jìn)行闡述。其中，未來的教學(xué)系統(tǒng)應(yīng)具備以下特點：自適應(yīng)地評價學(xué)習(xí)者的知識和能力、嵌入式的學(xué)習(xí)過程、實時反饋等。要達(dá)到這一目標(biāo)，就需要學(xué)習(xí)分析技術(shù)。

當(dāng)前已有的分析學(xué)習(xí)論壇的方法主要有：使用日志文件分析、頁面鏈接的點擊率分析、可視化文本分析和評估。這些方法在一定程度上反映了學(xué)生的學(xué)習(xí)過程和對知識的掌握；但是其主要關(guān)注的是單個因素在學(xué)習(xí)中的作用，數(shù)據(jù)來源較單一，鮮有研究綜合了多個因素。網(wǎng)絡(luò)平臺的討論區(qū)其數(shù)據(jù)源來源于多種學(xué)習(xí)活動，有師生之間，學(xué)生之間的互動數(shù)據(jù)，也有涉及學(xué)習(xí)內(nèi)容的文本信息，需要考慮對數(shù)據(jù)進(jìn)行分類和提取。本文從論壇發(fā)帖主題的互動，時間節(jié)點和內(nèi)容方面，對論壇活動進(jìn)行了剖析。

本研究提出的模型是在一個真實環(huán)境中的實踐模型，用此模型可以讓教師知道該何時和如何關(guān)注學(xué)習(xí)者貼出的話題，旨在探索Moodle論壇中討論內(nèi)容及互動關(guān)系，希望在學(xué)習(xí)論壇中找出需要緊急響應(yīng)的問題帖子，并且可以幫助教師有效地瀏覽學(xué)習(xí)論壇和及時干預(yù)以輔助學(xué)生的學(xué)習(xí)。

3 基于行為-內(nèi)容的模型框架（A model framework based on behavior-content）

本研究構(gòu)建了一個基于同伴互動和內(nèi)容分析的模型（圖1），其主要構(gòu)成部分是活動模塊和內(nèi)容模塊。數(shù)據(jù)采集、存儲和分析是在該模型框架下進(jìn)行的。本文從帖子回復(fù)期的時間跨度；同伴之間的帖子回復(fù)；帖子內(nèi)容分類這些方面展開分析。正如上面提到的，在C程序設(shè)計課程中，學(xué)生遇到的主要困難是調(diào)試問題。但是在一個班級或者本學(xué)期的學(xué)習(xí)中，哪些概念導(dǎo)致調(diào)試?yán)щy還不清楚。為此，本研究把學(xué)習(xí)內(nèi)容分為兩類：概念和調(diào)試。前者是指發(fā)布與概念相關(guān)的帖子；后者是發(fā)布編碼調(diào)試與請求幫助。這兩種帖子均與學(xué)習(xí)內(nèi)容有關(guān)，即和所學(xué)習(xí)的知識點有關(guān)。分析模型中的兩個方面：互動和內(nèi)容。這兩個方面均可以看作是腳手架（scaffold）機(jī)制。一是來自認(rèn)知支持（cognitive scaffold）；另一種是同伴互動支持（peer scaffold）?；诖?，可以挖掘發(fā)現(xiàn)論壇中的熱點問題。該框架具有跨平臺的潛在應(yīng)用，幫助教師有效地瀏覽在線論壇，并及時干預(yù)學(xué)習(xí)者的學(xué)習(xí)[17]。另一方面，也有助于學(xué)生對所學(xué)知識的反思。

4 數(shù)據(jù)分析（Data analysis）

本研究采用了開源的工具軟件Kibaba進(jìn)行可視化分析，根據(jù)圖1的模型框架，在活動的維度上，分析了用戶之間發(fā)帖的交互、回帖交互及其時間節(jié)點序列；另一個內(nèi)容維度用論壇內(nèi)容中的詞云來可視化。在Moodle的后臺數(shù)據(jù)庫系統(tǒng)選取和問題討論區(qū)有關(guān)的內(nèi)容，論壇中的數(shù)據(jù)如圖2所示。

4.1 學(xué)習(xí)者之間的交互

學(xué)習(xí)者之間的交互主要體現(xiàn)在每個發(fā)帖、回帖和瀏覽帖子。本研究可視化了閱讀數(shù)按照用戶的分布（圖3（a）），閱讀數(shù)按主題的分布（圖3（b））。前者展示了學(xué)習(xí)者的活躍程度，可以清晰的看到最活躍的學(xué)習(xí)者；后者，可以看到各個主題的訪問量，例如，在圖示的這段時間內(nèi)，關(guān)于“return 0”的這個問題引起大家的關(guān)注。同時，本研究還可視化了帖子數(shù)按照用戶分布（圖4（a）），帖子數(shù)按照主題分布（圖4（b））。

在圖2的基礎(chǔ)上，針對一個學(xué)期的數(shù)據(jù)分析并聚類了關(guān)于帖子的時間節(jié)點特征。在一個學(xué)期中，某個班級有141名學(xué)生參加了C程序設(shè)計課程。發(fā)布229個主題。其中，173個帖子得到回復(fù)?；貜?fù)這些帖子而衍生出來的帖子回復(fù)數(shù)量是360。在這些回復(fù)中，圖5（a）顯示了每個帖子得到第一次回復(fù)的時間?？梢钥吹酱蠖鄶?shù)帖子在五天內(nèi)回復(fù)。如果這個帖子在五天內(nèi)無法得到回復(fù)，那么它可能最終不會得到回復(fù)。因此，教師應(yīng)該在學(xué)習(xí)過程中進(jìn)行干預(yù)。圖5（b）顯示了每個帖子的回復(fù)時間跨度。例如，如果一個帖子得到了第一個回復(fù)和最后一個回復(fù)，在此期間稱之為每個帖子的回復(fù)時間跨度。通過可視化發(fā)現(xiàn)時間序列模式是聚集的。很明顯地，時間序列分為四個時期：兩天、五天、十天，超過十天。為此，可以把帖子分為兩類。一是得到積極的回復(fù)，另一個則是惰性的回復(fù)。

4.2 詞云

在討論區(qū)中的內(nèi)容得到積極的回復(fù)意味著這些問題被學(xué)習(xí)者更多地討論。因此，值得進(jìn)一步探討學(xué)生們所談?wù)摰膬?nèi)容。圖6顯示了得到積極回復(fù)的帖子的詞云圖。從圖中可以看出，討論的內(nèi)容包括編程結(jié)構(gòu)、循環(huán)結(jié)構(gòu)和調(diào)試技巧。用圖1的模型框架來進(jìn)行可視化分析，其優(yōu)點是能夠識別需要立即引起教師注意的熱門帖子。往往這些是學(xué)習(xí)者在學(xué)習(xí)中遇到的困難和問題，在課程的學(xué)習(xí)中，可視化展示這些內(nèi)容，將方便教師和學(xué)習(xí)者關(guān)注這些學(xué)習(xí)過程中的熱點話題。

5 結(jié)論（Conclusion）

本文提出了一個在線學(xué)習(xí)論壇的分析模型框架，基于該模型可以深入了解網(wǎng)絡(luò)學(xué)習(xí)過程并及時干預(yù)和指導(dǎo)。在傳統(tǒng)課堂中，教師可以觀察學(xué)生的學(xué)習(xí)過程，并采取一些教學(xué)策略來干預(yù)學(xué)習(xí)過程。然而，在網(wǎng)絡(luò)學(xué)習(xí)論壇上，教師較難洞察學(xué)生的學(xué)習(xí)過程，尤其是需要瀏覽大量的數(shù)據(jù)。倘若教師瀏覽并人工分析海量的數(shù)據(jù)，將是一項困難的工作，通過分析網(wǎng)絡(luò)學(xué)習(xí)論壇從而對學(xué)生行為的洞察是必要的。這項研究對在線學(xué)習(xí)具有實際意義，因為它闡明了如何使用在線學(xué)習(xí)論壇輔助支持學(xué)生的學(xué)習(xí)。同時，該模型框架將有助于設(shè)計自適應(yīng)學(xué)習(xí)系統(tǒng)中的自動問答系統(tǒng)和實時反饋的體系結(jié)構(gòu)。

參考文獻(xiàn)（References）

[1] Vu，P.，F(xiàn)redrickson，S.，et al.Handbook of research on innovative pedagogies and technologies for online learning in higher education[A].IGI Global，Hershey，PA，2017.

[2] Losh，E.M.MOOCs and their afterlives：experiments in scale and access in higher education[A].The University of Chicago Press，Chicago；London，2017.

[3] 許云紅，王如.MOOC背景下基于推薦機(jī)制的提高同伴互評效果的研究[J].現(xiàn)代遠(yuǎn)距離教育，2014，05：17-21.

[4] Future Ready Learning-2016 NATIONAL EDUCATION TECHNOLOGY PLAN[A].U.S.DEPARTMENT OF EDUCATION，City，2016.

[5] Ruey-ShiangShaw.The relationships among group size，participation，and performance of programming language learning supported with online forums[J].Computers & Education，2013，62：196-207.

[6] Ruey-ShiangShaw.A study of the relationships among learning styles，participation types，and performance in programming language learning supported by online forums[J].Computers & Education，2012，58：111-120.

[7] Meza-Fernandez，S.，Sepulveda-Sariego，A.Representational model on Moodle's activity：learning styles and navigation strategies[C].International Journal of Educational Technology in Higher Education，2017，14.

[8] Espindola，L.d.S.，Silveira，M.S.Self-expression and discourse continuity in a multilevel EUD environment：The case of moodle[J].Journal of Visual Languages and Computing，2017，40：36-50.

[9] 張家華，鄒琴，祝智庭.基于Moodle平臺的在線學(xué)習(xí)深度分析研究[J].電化教育研究，2016，12：46-51.

[10] Reeves，T.D.Massive open online courses and underserved students in the United States[J].Internet & Higher Education，2017，32：58-71.

[11] 張思，李勇帆.高校教師使用Moodle網(wǎng)絡(luò)教學(xué)平臺影響因素研究[J].電化教育研究，2014，8：49-56.

[12] 張漢玉，穆肅，任友群.學(xué)習(xí)管理系統(tǒng)的社會性交互功能比較——基于對Blackboard、Moodle、Sakai的調(diào)查與使用體驗[J].現(xiàn)代遠(yuǎn)程教育研究，2013，2：38-44；52.

[13] Marie Bienkowski，Mingyu Feng，Means，B.Enhancing Teaching and Learning Through Educational Data Mining and Learning Analytics：An Issue Brief[A].City，2012.

[14] Berland，M.，Baker，R.S.，et al.Educational data mining and learning analytics：Applications to constructionist research[J].Technology，Knowledge and Learning，2014，19（1-2）：205-220.

[15] Siemens，G.Learning and Knowledge Analytics：Knewton-the future of education[A].City，2011.

[16] Thomas，S..Department of Education，O.o.E.T.and American Institutes for，R.Future Ready Learning：Reimagining the Role of Technology in Education[C].2016 National Education Technology Plan.Office of Educational Technology，US Department of Education，2016.

[17] Almatrafi，O.，Johri，A.，Rangwala，H.Needle in a haystack：Identifying learner posts that require urgent response in MOOC discussion forums[J].Computers & Education，2018，118：1-9.

作者簡介：

胡慶春（1973-），女，碩士，副教授.研究領(lǐng)域：學(xué)習(xí)分析，自適應(yīng)學(xué)習(xí)，用戶模型.

蔡建華（1973-），女，碩士，講師.研究領(lǐng)域：軟件開發(fā)，軟件測試，大數(shù)據(jù)可視化.