胡丹妮 章夢(mèng)瑤 鄭勤華

[摘? ?要] 研究從學(xué)習(xí)分析視角出發(fā)，以365大學(xué)平臺(tái)《<資治通鑒>導(dǎo)讀》2015年某班次學(xué)習(xí)者為研究對(duì)象，采用滯后序列分析法，探究了觀看視頻和完成作業(yè)兩種學(xué)習(xí)活動(dòng)的發(fā)生順序所揭示的行為邏輯。首先，對(duì)每一課程章節(jié)學(xué)習(xí)中的四個(gè)關(guān)鍵時(shí)間節(jié)點(diǎn)進(jìn)行編碼，并生成學(xué)習(xí)路徑圖;其次，通過Gephi將分析結(jié)果可視化。研究結(jié)果表明，在學(xué)習(xí)過程中，學(xué)習(xí)者觀看課程視頻熱情較低，且課程章節(jié)間、章節(jié)內(nèi)的學(xué)習(xí)回溯行為較少?；诖?，研究對(duì)于致使學(xué)習(xí)者出現(xiàn)積極、消極學(xué)習(xí)行為的原因進(jìn)行了討論，并根據(jù)學(xué)習(xí)者對(duì)外部資源和知識(shí)構(gòu)建的需求，為教學(xué)資源、活動(dòng)的設(shè)計(jì)，課程及平臺(tái)功能的設(shè)計(jì)與開發(fā)以及自適應(yīng)學(xué)習(xí)路徑規(guī)劃應(yīng)用提供合理建議。

[關(guān)鍵詞] 在線學(xué)習(xí); 學(xué)習(xí)行為分析; 滯后序列分析法; 學(xué)習(xí)路徑可視化; Gephi

[中圖分類號(hào)] G434? ? ? ? ? ? [文獻(xiàn)標(biāo)志碼] A

[作者簡介] 胡丹妮（1995—），女，浙江溫嶺人。碩士研究生，主要從事學(xué)習(xí)分析研究。E-mail：fehdnedu2013@163.com。

[Abstract] From the perspective of learning analysis， this study took the learners who participated in Introduction to History as a Mirror in 2015 on the 365 University platform as the research object， and used the lag sequence analysis method to explore the behavioral logic revealed by the sequence of watching video and completing assignments. First， four key time nodes in each chapter are coded and the learning path diagram is generated. Second， the analysis results are visualized through Gephi. The research results show that during the learning process， learners are less enthusiastic about watching the course video， and learners' backtracking behaviors between and within the course chapter are fewer. Then，this paper discusses the reasons for learners' positive and negative learning behaviors， and according to learners' needs for external resources and knowledge construction， provides reasonable suggestions for the design and development of teaching resources， activities， curriculum and platform functions， and the application of adaptive learning path planning as well.

[Keywords] Online Learning; Learning Behavior Analysis; Lag Sequence Analysis; Learning Path Visualization; Gephi

一、問題的提出

在線學(xué)習(xí)以其學(xué)習(xí)資源豐富性、開放性，教學(xué)活動(dòng)交互性、靈活性、學(xué)習(xí)者自主性等教育優(yōu)勢(shì)，得到了越來越廣泛的應(yīng)用。同時(shí)，在線學(xué)習(xí)所具有的時(shí)空分離的特點(diǎn)也使得學(xué)習(xí)者成了學(xué)習(xí)活動(dòng)中的主體和主要關(guān)注對(duì)象。學(xué)習(xí)者在線學(xué)習(xí)過程中的學(xué)習(xí)行為，如觀看視頻、下載資源、論壇發(fā)帖，其發(fā)生頻率與發(fā)生次序均能反映出一定的過程性學(xué)習(xí)情況，幫助了解學(xué)習(xí)者學(xué)習(xí)進(jìn)度和困難，診斷學(xué)習(xí)效果，并提出針對(duì)性教學(xué)建議，從而優(yōu)化學(xué)習(xí)者的在線學(xué)習(xí)體驗(yàn)，提高學(xué)習(xí)質(zhì)量。

學(xué)習(xí)分析技術(shù)是解決在線學(xué)習(xí)個(gè)性化、干預(yù)教學(xué)活動(dòng)、預(yù)測(cè)過程、評(píng)估績效的重要方法，其概念為“通過測(cè)量、收集、分析和匯報(bào)學(xué)習(xí)者以及他們所處環(huán)境的數(shù)據(jù)，來理解和優(yōu)化學(xué)習(xí)以及學(xué)習(xí)環(huán)境”[1]。在線學(xué)習(xí)分析即使用網(wǎng)絡(luò)記錄的學(xué)習(xí)行為數(shù)據(jù)進(jìn)行的學(xué)習(xí)分析。胡藝齡、楊現(xiàn)民分別對(duì)國內(nèi)外在線學(xué)習(xí)行為分析的研究進(jìn)行總結(jié)，發(fā)現(xiàn)國際上的研究主要集中在三個(gè)方面：使用工具軟件追蹤和記錄在線學(xué)習(xí)行為;關(guān)注學(xué)習(xí)者需求和在線學(xué)習(xí)環(huán)境;尋找在線學(xué)習(xí)行為和學(xué)習(xí)績效的關(guān)系[2]。國內(nèi)學(xué)者則更加關(guān)注學(xué)習(xí)行為偏好的調(diào)查、行為數(shù)據(jù)的采集、行為分類指標(biāo)的制定、學(xué)習(xí)行為概念模型與信息模型的構(gòu)建以及關(guān)鍵實(shí)現(xiàn)技術(shù)[3]。

學(xué)習(xí)分析包括行為分析、情感分析、知識(shí)結(jié)構(gòu)分析、學(xué)習(xí)路徑分析等多個(gè)方面。學(xué)習(xí)路徑（Learning Path）是指學(xué)習(xí)活動(dòng)的路線與序列。學(xué)習(xí)者在一定的學(xué)習(xí)策略指導(dǎo)下，根據(jù)學(xué)習(xí)的目標(biāo)、內(nèi)容、基礎(chǔ)與環(huán)境條件，對(duì)所需完成的系列學(xué)習(xí)活動(dòng)（含活動(dòng)中的各環(huán)節(jié)）進(jìn)行排序，就會(huì)形成“學(xué)習(xí)路徑”[4]。在在線學(xué)習(xí)路徑分析的相關(guān)研究中，學(xué)者們針對(duì)不同的學(xué)習(xí)活動(dòng)對(duì)象，提出了不同的學(xué)習(xí)行為序列的建構(gòu)和分析方式。如曹良亮[5]基于知識(shí)圖譜進(jìn)行了內(nèi)容序列的學(xué)習(xí)路徑的生成，在該研究中，學(xué)習(xí)路徑被定義為在線學(xué)習(xí)過程中形成的學(xué)習(xí)者對(duì)教學(xué)資源選擇和加工的時(shí)間線索記錄。近年來，滯后序列分析法（Lag Sequential Analysis，簡稱LSA）逐漸成為分析在線學(xué)習(xí)行為序列和模式的有效工具，一些研究使用滯后序列分析法對(duì)學(xué)習(xí)者的在線學(xué)習(xí)行為進(jìn)行了可視化分析，在不同的學(xué)科教學(xué)領(lǐng)域及不同的教學(xué)策略及環(huán)境下探討了在線學(xué)習(xí)者的學(xué)習(xí)行為模式[6-8]。

本研究基于365大學(xué)平臺(tái)《<資治通鑒>導(dǎo)讀》2015年秋季學(xué)期課程相關(guān)數(shù)據(jù)，使用滯后序列分析法，構(gòu)建可視化學(xué)習(xí)路徑，對(duì)“觀看視頻”“完成作業(yè)”兩類在線學(xué)習(xí)活動(dòng)間的行為順序進(jìn)行探究，并對(duì)該結(jié)果進(jìn)行了可視化呈現(xiàn)。在此基礎(chǔ)之上，本研究形成了一種分析模式，即通過呈現(xiàn)可視化在線學(xué)習(xí)路徑圖，為課程開發(fā)、教學(xué)設(shè)計(jì)人員及講師提供直觀的學(xué)習(xí)過程反饋，為在線課程的教學(xué)資源、教學(xué)策略以及教學(xué)活動(dòng)的設(shè)計(jì)提供優(yōu)化意見。

二、研究過程

（一）研究對(duì)象與數(shù)據(jù)來源

本研究所選取的研究對(duì)象為365大學(xué)平臺(tái)《<資治通鑒>導(dǎo)讀》2015年秋季學(xué)期班次的學(xué)習(xí)者，該班次選課總?cè)藬?shù)為421人。本研究以獲得有效期末成績?yōu)闃?biāo)準(zhǔn)，篩選出學(xué)習(xí)者人數(shù)356人（占選課總?cè)藬?shù)84.56%）。

本研究所采用的數(shù)據(jù)來源于LMS（學(xué)習(xí)管理系統(tǒng)）、CMS（課程管理系統(tǒng)：如網(wǎng)絡(luò)課程、學(xué)習(xí)論壇）數(shù)據(jù)庫記錄的課程及學(xué)生行為數(shù)據(jù)，具體選用數(shù)據(jù)類型見表 1。

在該平臺(tái)中，“觀看視頻”和“完成作業(yè)”是最主要的兩項(xiàng)學(xué)習(xí)活動(dòng)，此外還有“課程大綱”等學(xué)習(xí)素材和“學(xué)習(xí)評(píng)價(jià)區(qū)”等論壇，但并未被課程平臺(tái)列為重要學(xué)習(xí)活動(dòng)，也沒有呈現(xiàn)在顯眼的內(nèi)容板塊上?！坝^看視頻”是學(xué)生獲取教學(xué)內(nèi)容的重要途徑，“完成作業(yè)”是學(xué)生對(duì)學(xué)習(xí)效果進(jìn)行檢驗(yàn)和查漏補(bǔ)缺的重要方式，因此，本研究基于以上原始數(shù)據(jù)，對(duì)“觀看視頻”“完成作業(yè)”兩類學(xué)習(xí)行為進(jìn)行編碼。

（二）研究方法

本研究采用滯后序列分析法和基于圖論的路徑分析方法，分析步驟如圖 1所示。研究過程可分三大部分，即確定分析對(duì)象（對(duì)目標(biāo)學(xué)習(xí)行為進(jìn)行描述）、生成學(xué)習(xí)行為序列（初步數(shù)據(jù)處理）、學(xué)習(xí)路徑可視化（進(jìn)一步分析）三個(gè)部分。目標(biāo)學(xué)習(xí)行為包括視頻、作業(yè)兩類活動(dòng)，其屬性包括視頻、作業(yè)所屬的課程章節(jié)以及行為的起始、結(jié)束時(shí)間。生成學(xué)習(xí)行為序列即將原始數(shù)據(jù)整理轉(zhuǎn)化為可分析的時(shí)間序列。學(xué)習(xí)路徑可視化的分析包括對(duì)行為變量的頻次、連通度、中心度的呈現(xiàn)，并在此基礎(chǔ)上進(jìn)行教育教學(xué)意義的解讀。本研究針對(duì)路徑圖中的特殊現(xiàn)象進(jìn)行了進(jìn)一步分析，并對(duì)課程和平臺(tái)的設(shè)計(jì)提出了相關(guān)的教學(xué)建議。

1. 滯后序列分析法

滯后序列分析 （Lag Sequential Analysis）是一種根據(jù)統(tǒng)計(jì)理論研究行為之間的順序關(guān)系的方法[9]。主要用于檢驗(yàn)人們發(fā)生一種行為之后另外一種行為出現(xiàn)的概率及其是否存在統(tǒng)計(jì)意義上的顯著性，也被稱為序列分析法[10]。這種方法能夠幫助人們探索和總結(jié)在復(fù)雜的交互行為序列中發(fā)生的交叉依賴關(guān)系[11]，并將行為序列中重復(fù)發(fā)生的行為整理成一條關(guān)系鏈[12]。本研究所使用的滯后序列分析流程為：（1）對(duì)不同的活動(dòng)定義進(jìn)行編碼;（2）按照定義為篩選后的行為數(shù)據(jù)編碼;（3）按時(shí)間生成編碼序列;（4）使用軟件進(jìn)行序列分析得到頻率轉(zhuǎn)換表以及殘差表;（5）根據(jù)殘差表得到行為轉(zhuǎn)化圖。在本研究中，序列分析法需使用的工具為GSEQ5。

滯后序列分析法最早由Sackett提出，用于心理學(xué)和社會(huì)學(xué)中的行為模式研究，如對(duì)小團(tuán)隊(duì)成員之間的交互模式進(jìn)行評(píng)估[13-14]，常用的分析資料為影音錄像。隨著計(jì)算機(jī)技術(shù)的發(fā)展，計(jì)算機(jī)的用戶接口在各領(lǐng)域得到了廣泛應(yīng)用，滯后序列分析在人機(jī)交互活動(dòng)的研究中也逐漸被關(guān)注，計(jì)算機(jī)記錄的日志數(shù)據(jù)成為其重要的研究資料。在此背景下，研究人員基于滯后序列分析法，對(duì)在線學(xué)習(xí)環(huán)境中的行為模式進(jìn)行了有意義的研究，例如 Wu[7]基于在線學(xué)習(xí)者的問題解決討論活動(dòng)，對(duì)其協(xié)同知識(shí)建構(gòu)的行為模式進(jìn)行了探究;Yang等[8]對(duì)學(xué)習(xí)者在線編程測(cè)試中的行為模式進(jìn)行了建構(gòu);Hou[15]采用滯后順序分析法描述了學(xué)習(xí)者在線討論社會(huì)科學(xué)問題時(shí)的認(rèn)知處理行為模式。李爽等[16]基于開放大學(xué)2131名學(xué)習(xí)者在Moodle平臺(tái)上的日志數(shù)據(jù)，通過滯后序列分析等方法對(duì)學(xué)習(xí)者的學(xué)習(xí)行為序列和參與模式進(jìn)行了實(shí)證探索;江波等[17]基于DEEDS平臺(tái)上的學(xué)習(xí)過程數(shù)據(jù)，挖掘?qū)W習(xí)者的學(xué)習(xí)行為序列，并對(duì)其學(xué)習(xí)效果進(jìn)行預(yù)測(cè)。

滯后序列在在線學(xué)習(xí)分析中的價(jià)值已經(jīng)得到了廣泛的驗(yàn)證，然而多數(shù)研究僅止步于對(duì)生成路徑圖的簡單分析，研究主要的行為模式及其轉(zhuǎn)化規(guī)律，對(duì)數(shù)據(jù)的選取也較為粗略。本研究使用更加精確的可視化方法，重新結(jié)構(gòu)滯后序列分析法中的數(shù)據(jù)維度，挖掘路徑圖中更豐富、更有價(jià)值的信息，并進(jìn)行后續(xù)的深入分析。

2. 基于圖論的路徑/聚類分析

本研究最終生成的路徑圖為有向圖G=，表證學(xué)習(xí)活動(dòng)的出現(xiàn)概率及其顯著性，其本身具有一定的聚類分析意義。聚類分析是重要的數(shù)據(jù)挖掘方法， 目的是尋找數(shù)據(jù)集中所包含的簇結(jié)構(gòu)。其中頂點(diǎn)集V（V1，V2，……）為學(xué)生學(xué)習(xí)活動(dòng)數(shù)據(jù)集，并且Vi表現(xiàn)為所有樣本發(fā)生該活動(dòng)的集合。邊集E（E1，E2，……）及其權(quán)重為任意兩個(gè)數(shù)據(jù)點(diǎn)之間的聯(lián)接關(guān)系。這樣， 便可將聚類問題轉(zhuǎn)化為圖劃分問題來解決， 所產(chǎn)生的若干個(gè)子圖對(duì)應(yīng)于數(shù)據(jù)集包含的簇。

3. 數(shù)據(jù)處理方式

本研究的數(shù)據(jù)處理方式包括了四個(gè)主要步驟，如圖 2所示。

（1）數(shù)據(jù)選擇

首先篩選出視頻和作業(yè)兩大類學(xué)習(xí)行為的相關(guān)數(shù)據(jù)，包括學(xué)習(xí)者id、活動(dòng)編號(hào)、起始時(shí)間、結(jié)束時(shí)間，并生成行為對(duì)象表，根據(jù)圖中右側(cè)的映射關(guān)系完成數(shù)據(jù)抽取。

（2）編碼排序

公式V=MIN（Ti1，……Tij），W=MAX（Ti1，……Tij）體現(xiàn)的是時(shí)間節(jié)點(diǎn)的排序與篩選規(guī)則。保留每個(gè)章節(jié)最早觀看視頻/提交作業(yè)時(shí)間為S，保留最晚觀看視頻/提交作業(yè)時(shí)間為T。前后兩個(gè)活動(dòng)之間的次序關(guān)系R={（x，y）：x

（3）頻率轉(zhuǎn)換及殘差分析

使用頻率轉(zhuǎn)換表以記錄展示兩個(gè)活動(dòng)時(shí)間節(jié)點(diǎn)的先后順序，其方向?yàn)閺纳弦徊絼?dòng)作指向下一步動(dòng)作，頻率轉(zhuǎn)換次數(shù)體現(xiàn)了活動(dòng)發(fā)生頻率以及活動(dòng)之間的關(guān)系。

σ為殘差， （殘差標(biāo)準(zhǔn)值）用以表現(xiàn)兩個(gè)行為之間存在前后轉(zhuǎn)化關(guān)系的顯著性。

三、數(shù)據(jù)分析

（一）學(xué)習(xí)者績效與投入分析

參與該門課程學(xué)習(xí)的學(xué)習(xí)者來自于4所學(xué)校的23個(gè)專業(yè)，其中大部分來自信息學(xué)院的電子商務(wù)和軟件技術(shù)專業(yè)，普遍擁有基礎(chǔ)的信息素養(yǎng)和技術(shù)能力。本課程根據(jù)15次單元作業(yè)（期末成績占比為45%）和4次測(cè)試（期末成績占比為55%）的成績計(jì)算得出學(xué)習(xí)者的最終成績。約67%的學(xué)習(xí)者通過了該門課程，高分段學(xué)習(xí)者人數(shù)隨著分?jǐn)?shù)的增加整體呈現(xiàn)上升趨勢(shì)。

然而，學(xué)習(xí)者觀看視頻所投入時(shí)間的分布情況與學(xué)習(xí)者成績的分布情況相反：學(xué)習(xí)者的視頻觀看時(shí)間集中在200分鐘以下。該門課程的教學(xué)視頻時(shí)長總和約為400分鐘，但是達(dá)到400分鐘觀看時(shí)間的學(xué)習(xí)者僅占到36.7%左右。學(xué)習(xí)者的最終成績普遍分布在高分段，但是視頻觀看時(shí)長多數(shù)分布在較低水平。

（二）數(shù)據(jù)篩選與編碼

1. 活動(dòng)數(shù)據(jù)篩選

從原始數(shù)據(jù)中篩選出所有學(xué)員每節(jié)課的視頻觀看時(shí)間、作業(yè)提交時(shí)間的數(shù)據(jù)，對(duì)課程和作業(yè)進(jìn)行數(shù)字編號(hào)，整理為{學(xué)員ID，課程號(hào)，視頻觀看開始時(shí)間，視頻觀看結(jié)束時(shí)間}以及{學(xué)員ID，題號(hào)，作業(yè)提交時(shí)間}兩張表格。以章節(jié)為單位，篩選出每章兩個(gè)活動(dòng)各自的最早開始時(shí)間和最晚結(jié)束時(shí)間，并整合為一張表格{學(xué)員ID，章節(jié)號(hào)，視頻觀看開始時(shí)間，視頻觀看結(jié)束時(shí)間，作業(yè)提交開始時(shí)間，作業(yè)提交結(jié)束時(shí)間}。

2. 行為編碼

對(duì)得到的表格進(jìn)行三個(gè)維度的編碼：章節(jié)、活動(dòng)、狀態(tài)。其中十五個(gè)章節(jié)依次用字母A～O表示，作業(yè)相關(guān)活動(dòng)用字母W表示，視頻相關(guān)活動(dòng)用字母V表示，開始狀態(tài)用字母S表示，結(jié)束狀態(tài)用字母T表示。例如：BVS表示開始第二章視頻觀看的時(shí)間節(jié)點(diǎn)。再將所有數(shù)據(jù)整理為{學(xué)員ID，活動(dòng)序列}的形式，其中每位學(xué)員的活動(dòng)序列一格中最多有60個(gè)活動(dòng)內(nèi)容。

3. 頻率轉(zhuǎn)換

將上述編碼步驟生成的表格內(nèi)容導(dǎo)入滯后序列分析工具GSEQ5中，生成表2的60行60列的行為頻率轉(zhuǎn)換表。表中每一行表示上一個(gè)行為，每一列表示下一個(gè)行為，數(shù)字表示發(fā)生上一個(gè)行為后發(fā)生下一個(gè)行為的頻率，本研究中共生成了3540條序列關(guān)系。對(duì)表格內(nèi)容進(jìn)行標(biāo)準(zhǔn)分?jǐn)?shù)轉(zhuǎn)換，得到殘差表見表3，篩選出其中標(biāo)準(zhǔn)分?jǐn)?shù)z-score>1.96的行為序列，這些是顯著的行為轉(zhuǎn)換關(guān)系。

（三）學(xué)習(xí)路徑圖呈現(xiàn)

將殘差表中標(biāo)記好的數(shù)據(jù)（z-score>1.96）的坐標(biāo)篩選出來，以邊表格的形式{source， target， weight}導(dǎo)入到SNA工具Gephi0.9.1中，生成如圖 3所示的完整的學(xué)習(xí)活動(dòng)有向路徑圖，并使用Fruchterman Reingold 算法布局。圖中節(jié)點(diǎn)為各章的活動(dòng)內(nèi)容，箭頭連線表示了活動(dòng)的發(fā)生順序。點(diǎn)直徑越大圓周越粗，表示該點(diǎn)的入度越高，即該活動(dòng)發(fā)生頻率越高;連邊越粗表示權(quán)重越大，連接的兩個(gè)活動(dòng)之間的關(guān)系越強(qiáng)，即發(fā)生上一節(jié)點(diǎn)所代表活動(dòng)后發(fā)生下一節(jié)點(diǎn)所代表活動(dòng)的概率越高。每條邊由上一個(gè)發(fā)生的活動(dòng)指向下一個(gè)發(fā)生的活動(dòng)。圖中各邊的權(quán)重范圍為[1.99，113.39]。

對(duì)初步得到的學(xué)習(xí)路徑圖進(jìn)行社會(huì)網(wǎng)絡(luò)特征分析，統(tǒng)計(jì)其中共有節(jié)點(diǎn)數(shù)60個(gè)（活動(dòng)）、邊數(shù)181條（活動(dòng)關(guān)系）。平均度數(shù)為6.033，遠(yuǎn)高于理想順序狀態(tài)下的平均度數(shù)2，表示每個(gè)活動(dòng)的關(guān)聯(lián)活動(dòng)種類較為豐富，學(xué)生的路徑選擇方式豐富。其中度最大的點(diǎn)是OWT，在Gephi中高亮顯示可看到相關(guān)的點(diǎn)，如圖 4所示。度數(shù)最小的節(jié)點(diǎn)是DVT、FVT、GVS、GVT，均為3。

網(wǎng)絡(luò)直徑為15，遠(yuǎn)小于理想順序狀態(tài)下的60（從AVS到OWT），平均路徑長度為6.194，網(wǎng)絡(luò)整體連通度高。以上社會(huì)網(wǎng)絡(luò)屬性數(shù)據(jù)表明，整個(gè)學(xué)習(xí)社區(qū)的學(xué)習(xí)路徑中可能存在大量的跳躍章節(jié)、跳躍活動(dòng)（尤其是看視頻）的行為。對(duì)各有向邊的權(quán)重進(jìn)行頻數(shù)統(tǒng)計(jì)，發(fā)現(xiàn)有將近一半的活動(dòng)序列的轉(zhuǎn)換顯著性分?jǐn)?shù)在20以下，這表明路徑圖中依舊存在較多顯著性不是特別強(qiáng)的活動(dòng)序列關(guān)系。

為了進(jìn)一步突出活動(dòng)之間的關(guān)系，需要對(duì)生成的原始路徑圖進(jìn)行進(jìn)一步濾波分析，本研究主要對(duì)邊的權(quán)重進(jìn)行了范圍篩選。當(dāng)邊的權(quán)重范圍最小值逐漸降低到42.76時(shí)（最大值依舊為113.39），所有的點(diǎn)都不再是孤立點(diǎn)，生成了一張主要活動(dòng)路徑圖，如圖 5所示，呈現(xiàn)了整個(gè)課程中大部分學(xué)習(xí)者最主要的學(xué)習(xí)活動(dòng)路徑。在最小值遞減的過程中，最后一個(gè)脫離孤立的點(diǎn)為BVS，最后生成的一條活動(dòng)序列關(guān)系為BVS→BVT。通過對(duì)主要活動(dòng)路徑遍歷發(fā)現(xiàn)，從AVS到達(dá)OWT的干線只有一條，即為（三）中的最顯著的路徑。

該路徑圖的節(jié)點(diǎn)數(shù)依舊為60個(gè)，邊數(shù)由181條降至55條，濾去126條邊，約占總數(shù)的69.61%，學(xué)生的個(gè)體行為差異較大。

網(wǎng)絡(luò)的平均度為1.833，大致貼近理想狀態(tài)下的平均度2，觀察可發(fā)現(xiàn)，在篩選之后無入度的點(diǎn)為AVS、BVS、CVS、DVS、EVS、HVS、IVS、MVS，無出度的點(diǎn)為GVT、HVT、LVT、OVT。由此可推斷，在過濾之前，VS的上一步行為種類較豐富，VT的下一步行為種類較豐富，多種行為聯(lián)系之中并無突出的顯著性，因而均分了上一節(jié)點(diǎn)的出度或下一節(jié)點(diǎn)的入度，在過濾時(shí)便被篩除了。例如根據(jù)圖中VS節(jié)點(diǎn)的情況可以判斷，學(xué)生在開始觀看某一章視頻之前可能：剛完成上一章的作業(yè);剛完成上一章的視頻;開始寫這章的作業(yè)但還未完成;開始看上一章的視頻但還未完成。

網(wǎng)絡(luò)直徑31，約為之前的兩倍，接近于章節(jié)數(shù)的兩倍，小于最顯著路徑的長度33。這驗(yàn)證了之前的結(jié)論：學(xué)習(xí)者每章活動(dòng)以作業(yè)提交為主。平均路徑長度10.501，整個(gè)網(wǎng)絡(luò)的連通度大幅降低，得出了與之前相似的判斷，即學(xué)習(xí)者漏掉了較多的視頻觀看活動(dòng)。

路徑圖中存在一個(gè)斷裂：HVS→HVT這兩個(gè)活動(dòng)關(guān)系與主要路徑發(fā)生分離，第八章的學(xué)習(xí)入口和出口均比較多樣且出入度分布均勻，但是這章的視頻也被大多數(shù)學(xué)習(xí)者跳過了。

將邊的權(quán)重的濾波范圍的最小值進(jìn)一步調(diào)小到35.967（最大值依舊為113.39），直到HVS與GWT之間的連線出現(xiàn)，再觀察路徑圖，發(fā)現(xiàn)除了最開始四章（A、B、C、D）之間每上一章的WT與下一章的VS存在關(guān)系之外，后面十五章中只有GWT與HVS之間存在關(guān)系。但是圖中VS節(jié)點(diǎn)普遍入度高，而在進(jìn)行濾波篩選時(shí)，篩除的關(guān)系為弱關(guān)系，則WT→VS這一理想狀態(tài)下的活動(dòng)序列只在A→B、B→C、C→D、G→H之間較為顯著，D到G以及H到O各章之間這類序列缺失嚴(yán)重。

（五）回溯分析

本研究對(duì)主要學(xué)習(xí)活動(dòng)路徑進(jìn)行了完整的遍歷，發(fā)現(xiàn)學(xué)習(xí)者在章節(jié)之間的明顯回溯行為僅存在于L章節(jié)與B章節(jié)之間（LVS→BVT），即較多學(xué)習(xí)者在開始觀看第十二章視頻后又回顧了第二章的視頻。

為了觀察在各個(gè)章節(jié)內(nèi)部是否存在活動(dòng)之間的回溯（開始進(jìn)行作業(yè)或完成作業(yè)之后返回本章的視頻觀看學(xué)習(xí)），將權(quán)重的范圍最小值繼續(xù)下調(diào)到20.0368，濾去約50.83%的邊，剩余邊數(shù)為89條。

通過遍歷發(fā)現(xiàn)BVS和BWS之間有較為顯著的關(guān)系，且這種章節(jié)內(nèi)部明顯的回溯僅僅存在B這一章中，即有相當(dāng)一部分學(xué)生在做第二章作業(yè)的過程中又回去觀看了本章的視頻內(nèi)容。

四、結(jié)論與討論

韓錫斌等學(xué)者[18]從教育學(xué)的視角對(duì)MOOC課程設(shè)計(jì)提出了優(yōu)化的原則和建議，也強(qiáng)調(diào)了需要從課程論、教學(xué)論、教學(xué)設(shè)計(jì)角度進(jìn)行深入研究。本研究以學(xué)習(xí)分析視角挖掘平臺(tái)學(xué)習(xí)者的行為邏輯，在數(shù)據(jù)基礎(chǔ)上對(duì)教學(xué)設(shè)計(jì)和平臺(tái)設(shè)計(jì)進(jìn)行分析。

（一）學(xué)習(xí)者的學(xué)習(xí)目的分析

本課程中較多學(xué)習(xí)者跳過了大量的視頻觀看活動(dòng)，更加關(guān)注作業(yè)的完成而非視頻學(xué)習(xí)。根據(jù)課程的通過標(biāo)準(zhǔn)，作業(yè)的完成代表學(xué)習(xí)者的平時(shí)成績，這關(guān)系到學(xué)生是否能順利通過課程。結(jié)合之前的描述性統(tǒng)計(jì)可以發(fā)現(xiàn)，即使課程學(xué)習(xí)過程中存在大量的跳視頻現(xiàn)象，學(xué)習(xí)者的平時(shí)成績（即作業(yè)提交所得分?jǐn)?shù)）以及期末考試成績依舊在一個(gè)較高水平。

在分析了課后作業(yè)的評(píng)分方式后研究人員發(fā)現(xiàn)，同一道題目的提交是可以重復(fù)的，即在提交第一次之后，若答案錯(cuò)誤，可繼續(xù)提交一次，且提交次數(shù)不影響平時(shí)成績。也就是說，學(xué)生可能有“蒙答案”的習(xí)慣。課后練習(xí)均為選擇題，學(xué)生蒙對(duì)或者使用搜索引擎進(jìn)行答案檢索的概率極大。在可以進(jìn)行蒙題得分的情況下，較多學(xué)生不愿意再去觀看視頻進(jìn)行學(xué)習(xí)。因而這門課的學(xué)生是以作業(yè)完成/分?jǐn)?shù)獲得為目標(biāo)導(dǎo)向進(jìn)行“學(xué)習(xí)”的，很難判斷在這種評(píng)分方式下，有效的學(xué)習(xí)是否發(fā)生了。

（二）視頻觀看動(dòng)機(jī)分析

學(xué)習(xí)者觀看視頻的熱情并不高，這在不將視頻觀看納入評(píng)分標(biāo)準(zhǔn)的課程平臺(tái)上是一種普遍現(xiàn)象。此外，學(xué)習(xí)者還會(huì)有哪些內(nèi)部動(dòng)機(jī)呢？

從進(jìn)一步濾波分析中可以得出，學(xué)習(xí)者在進(jìn)行前四章之間的學(xué)習(xí)以及完成第七章后進(jìn)行第八章的學(xué)習(xí)時(shí)，其兩章之間的活動(dòng)順序是理想化的，即完成上一章的作業(yè)提交后，較多學(xué)生依序進(jìn)行了下一章的視頻觀看而非跳過視頻觀看環(huán)節(jié)直接進(jìn)行下一章的作業(yè)。這表明學(xué)生對(duì)這五章視頻的觀看主動(dòng)性較強(qiáng)。這表明了兩點(diǎn)：第一，學(xué)生在剛開課初期依舊保持著傳統(tǒng)的學(xué)習(xí)習(xí)慣，對(duì)視頻觀看這一學(xué)習(xí)活動(dòng)具有較高熱情，但在第一個(gè)月之后，學(xué)習(xí)者對(duì)視頻觀看這一重要學(xué)習(xí)活動(dòng)逐漸懈怠;第二，學(xué)生對(duì)第八章的視頻內(nèi)容比較感興趣，可能是覺得該章的學(xué)習(xí)內(nèi)容比較重要，需要認(rèn)真對(duì)待。

第八章的學(xué)習(xí)內(nèi)容主要是關(guān)于漢朝開國前期漢高祖統(tǒng)治階段及其之后一段時(shí)間內(nèi)的歷史事件和相關(guān)成語。這段歷史在漢朝歷史乃至《資治通鑒》所涉及的戰(zhàn)國到五代共1362年間，知名度和話題度較高。另外，學(xué)生在進(jìn)行這門課程的學(xué)習(xí)之前，對(duì)課程題目中的“兔死狗烹”“鳥盡弓藏”等成語也已有一定程度的了解。在具備了知識(shí)大背景的前提下，學(xué)生對(duì)這段歷史內(nèi)容表現(xiàn)出了較濃厚的興趣，這種興趣表現(xiàn)在對(duì)第八章視頻的觀看意愿上。

（三）章節(jié)之間回溯行為分析

有一部分學(xué)習(xí)者在進(jìn)行第十二章的視頻觀看活動(dòng)期間，對(duì)第二章的視頻進(jìn)行了回顧。第二章的內(nèi)容為魏文侯時(shí)期的歷史事件，第十二章和第十三章的內(nèi)容是光武中興和曹魏國運(yùn)。從內(nèi)容上分析光武中興與魏文侯時(shí)期的歷史事件并無交叉，在對(duì)第十二章課件講稿以及課后作業(yè)進(jìn)行文本檢索之后也未發(fā)現(xiàn)與第二章相關(guān)的內(nèi)容（如“魏文侯”“吳起”等關(guān)鍵詞）。研究人員推測(cè)，這個(gè)回溯并非是學(xué)生根據(jù)自己的學(xué)習(xí)過程而自發(fā)進(jìn)行的，很有可能是在開課期間，教師在平臺(tái)信息區(qū)發(fā)布了外加要求，建議學(xué)生在完成第十二章的學(xué)習(xí)內(nèi)容之后回顧第二章的內(nèi)容。

（四）章節(jié)內(nèi)部回溯行為分析

此外，有一部分學(xué)習(xí)者在開始進(jìn)行第二章的作業(yè)之后，返回去觀看第二章的視頻內(nèi)容。通過查閱第二章的視頻內(nèi)容和作業(yè)內(nèi)容發(fā)現(xiàn)，作業(yè)內(nèi)容可能與視頻學(xué)習(xí)內(nèi)容聯(lián)系較為緊密，考察的內(nèi)容不僅僅來自于題目中所給出的閱讀材料，還來自于視頻中講授的內(nèi)容。這種關(guān)聯(lián)使得學(xué)生在沒有確定答案的時(shí)候直接回去查看視頻內(nèi)容。

在其他章節(jié)中，這種回溯行為雖然顯著性不強(qiáng)，但是依舊存在。會(huì)有少量學(xué)習(xí)者在進(jìn)行作業(yè)的時(shí)候返回到本章的視頻觀看。

除了第二章視頻內(nèi)容與作業(yè)內(nèi)容緊密相關(guān)這種情況，學(xué)生在章節(jié)內(nèi)部進(jìn)行回溯的可能性還有：（1）作業(yè)中問題的題干直接來自于本章的學(xué)習(xí)視頻，如“在第一節(jié)視頻中，教師總結(jié)了哪幾種……”等;（2）學(xué)生在完成作業(yè)的過程中發(fā)現(xiàn)在進(jìn)行視頻學(xué)習(xí)時(shí)遺漏的內(nèi)容，但是為了方便，還是選擇利用答題的可重復(fù)性，先猜測(cè)答案，猜測(cè)錯(cuò)誤之后再查看視頻尋找正確答案，再次提交正確答案;（3）學(xué)生有一邊答題一邊觀看視頻的習(xí)慣，這樣可以根據(jù)作業(yè)找到視頻學(xué)習(xí)的重點(diǎn)，也能保證答題的正確率。

以上這些情況普遍存在于部分學(xué)習(xí)者的各章學(xué)習(xí)過程中。

五、建? ?議

目前在線學(xué)習(xí)課程的改進(jìn)依據(jù)主要是教學(xué)設(shè)計(jì)團(tuán)隊(duì)的自我反思和學(xué)習(xí)者的課后問卷調(diào)查。但問卷和自我反思提供的改進(jìn)意見往往是片面且?guī)в袀€(gè)人主觀意見的，而通過滯后序列分析可更加及時(shí)地監(jiān)控學(xué)習(xí)者學(xué)習(xí)路徑中的異常行為，挖掘出潛在的課程需求。在課程開展期間，即時(shí)積累的行為數(shù)據(jù)可生成動(dòng)態(tài)的學(xué)習(xí)活動(dòng)路徑圖，支持平臺(tái)功能改良和課程設(shè)計(jì)優(yōu)化，優(yōu)化在線學(xué)習(xí)評(píng)價(jià)和自適應(yīng)學(xué)習(xí)路徑規(guī)劃方式。

（一）平臺(tái)設(shè)計(jì)和使用

結(jié)合描述性統(tǒng)計(jì)可知，多數(shù)學(xué)習(xí)者的學(xué)習(xí)進(jìn)度往往從課程后半段時(shí)間開始，由此可以推測(cè)，在線學(xué)習(xí)的學(xué)習(xí)者具有較差的自我監(jiān)控能力以及拖延的習(xí)慣，在一定程度上導(dǎo)致了學(xué)習(xí)路徑分析中視頻觀看行為難以堅(jiān)持的結(jié)果。針對(duì)學(xué)習(xí)者的倦怠情緒和不良習(xí)慣，在線學(xué)習(xí)平臺(tái)可以設(shè)計(jì)以下功能：

第一，設(shè)置時(shí)間管理監(jiān)控系統(tǒng)，幫助學(xué)習(xí)者規(guī)劃學(xué)習(xí)進(jìn)度，并根據(jù)規(guī)劃推送提醒，督促學(xué)習(xí)者按時(shí)完成學(xué)習(xí)計(jì)劃。第二，設(shè)置獎(jiǎng)懲機(jī)制，對(duì)于能夠堅(jiān)持并出色完成學(xué)習(xí)計(jì)劃的學(xué)習(xí)者給予一定獎(jiǎng)勵(lì)，對(duì)不能按時(shí)完成學(xué)習(xí)任務(wù)的學(xué)習(xí)者進(jìn)行適當(dāng)?shù)目鄯謶土P。第三，在作業(yè)界面添加相關(guān)視頻的直接獲取鏈接或播放功能，方便學(xué)習(xí)者直接查看教學(xué)內(nèi)容而非求助于搜索引擎甚至蒙題。第四，在課程視頻中增加提問環(huán)節(jié)和跳轉(zhuǎn)功能，強(qiáng)迫學(xué)習(xí)者認(rèn)真學(xué)習(xí)視頻內(nèi)容，并有針對(duì)地對(duì)其不懂的學(xué)習(xí)內(nèi)容進(jìn)行回放。第五，加強(qiáng)學(xué)習(xí)反饋，開放教學(xué)答疑平臺(tái)，及時(shí)解決學(xué)習(xí)者的學(xué)習(xí)問題，使其避免產(chǎn)生消極情緒。第六，顯示同伴學(xué)習(xí)進(jìn)度，營造良好的學(xué)習(xí)氛圍，減輕學(xué)習(xí)者的消極學(xué)習(xí)情緒和孤獨(dú)感。

（二）課程教學(xué)設(shè)計(jì)

在課程內(nèi)容的設(shè)計(jì)方面，教學(xué)人員可以增加章節(jié)之間的聯(lián)系，這種聯(lián)系包括課件內(nèi)容和作業(yè)中對(duì)前面章節(jié)的回顧（例如兩個(gè)相似的歷史事件的對(duì)比），幫助學(xué)生鞏固知識(shí)。也可以設(shè)置一個(gè)形成性作業(yè)，要求學(xué)生對(duì)整個(gè)課程內(nèi)容的知識(shí)框架進(jìn)行不斷的填補(bǔ)完善，發(fā)揮其學(xué)習(xí)的積極性。在有限的章節(jié)內(nèi)，課程內(nèi)容應(yīng)貼近學(xué)生已有的知識(shí)儲(chǔ)備和日常生活，視頻標(biāo)題也要更加生活化。

在開課時(shí)間的安排方面，教師可以要求學(xué)生在課程上線后的一個(gè)固定時(shí)間內(nèi)必須完成課程作業(yè)，一旦超出規(guī)定時(shí)間，作業(yè)內(nèi)容就會(huì)下線，但是課件依舊會(huì)保留。當(dāng)前使用的可重復(fù)的作業(yè)提交策略對(duì)學(xué)生的學(xué)習(xí)存在一定的負(fù)面影響，建議進(jìn)行改良。為了減少學(xué)生的焦慮，可以改成答對(duì)一定數(shù)量即可得到滿分的形式，并且在每道題目提交后必須給出正確解釋，給出一定的反饋。

在教學(xué)資源的提供方面，目前平臺(tái)上開設(shè)的學(xué)習(xí)活動(dòng)有課件（視頻、作業(yè)及文字材料）、Wiki、論壇等，但是Wiki和論壇的利用率極低。建議設(shè)置更加豐富的學(xué)習(xí)活動(dòng)形式，例如加入外部鏈接，拓展學(xué)習(xí)資源，或是增加論壇活動(dòng)和學(xué)生間的交流，例如每次課程結(jié)束后，在論壇上由教師或助教發(fā)起一次課后討論，鼓勵(lì)學(xué)生積極參與，同時(shí)，也可以給予學(xué)生一定的獎(jiǎng)勵(lì)。對(duì)Wiki的使用也要提供一定的指導(dǎo)，例如教師和助教先設(shè)置好大框架，要求學(xué)生往里面增添內(nèi)容。對(duì)學(xué)生的貢獻(xiàn)度予以標(biāo)明，鼓勵(lì)學(xué)生參與到Wiki編輯中來。

（三）學(xué)習(xí)路徑可視化

將Gephi[19]等可視化工具應(yīng)用于在線學(xué)習(xí)系統(tǒng)，可以進(jìn)行自適應(yīng)學(xué)習(xí)路徑規(guī)劃。

一方面根據(jù)滯后序列分析所得的學(xué)習(xí)活動(dòng)路徑圖，可進(jìn)一步剖析微觀層面上學(xué)習(xí)者的學(xué)習(xí)目的、學(xué)習(xí)動(dòng)機(jī)、回溯行為產(chǎn)生的原因等，提供即時(shí)反饋和預(yù)警，幫助學(xué)習(xí)者調(diào)整自身學(xué)習(xí)行為?？梢暬瘜W(xué)習(xí)行為路徑可植入學(xué)生端，輔助學(xué)習(xí)者掌握自身學(xué)習(xí)狀態(tài)，鼓勵(lì)其參與更加豐富的學(xué)習(xí)活動(dòng)。學(xué)習(xí)者也可以觀察成功者的學(xué)習(xí)路徑，對(duì)比自身學(xué)習(xí)路徑存在的差異?？梢暬治鼋Y(jié)果可作為指標(biāo)納入在線學(xué)習(xí)評(píng)價(jià)體系中，提供有明確數(shù)據(jù)支持的過程性評(píng)價(jià)方法。例如根據(jù)學(xué)習(xí)者是否存在合理的回溯行為判斷在線學(xué)習(xí)的沉浸程度。

另一方面，結(jié)合聚類算法可提煉出各類學(xué)習(xí)者的典型行為模式，有針對(duì)性地提供不同的學(xué)習(xí)策略，為學(xué)習(xí)者推薦有價(jià)值的學(xué)習(xí)資源，幫助學(xué)習(xí)者規(guī)劃自適應(yīng)學(xué)習(xí)路徑。對(duì)于績效優(yōu)異和輟學(xué)的學(xué)習(xí)者加以重點(diǎn)關(guān)注：分析成功學(xué)習(xí)者的行為模式特征和輟學(xué)者的關(guān)鍵行動(dòng)節(jié)點(diǎn)，為優(yōu)化教學(xué)和資源推薦提供依據(jù)。

六、總結(jié)與反饋

本研究對(duì)在線學(xué)習(xí)平臺(tái)上記錄的學(xué)習(xí)者行為數(shù)據(jù)進(jìn)行滯后序列分析，并可視化呈現(xiàn)出學(xué)習(xí)路徑圖，進(jìn)行濾波分析和回溯分析。研究發(fā)現(xiàn)，學(xué)習(xí)群體的路徑差異較大，且學(xué)生對(duì)于觀看課程視頻的熱情較低，在課程進(jìn)行一個(gè)月后開始出現(xiàn)較多跳躍視頻的行為，且課程章節(jié)間、章節(jié)內(nèi)的學(xué)習(xí)回溯行為較少，而頻繁的回溯和懈怠期按部就班的學(xué)習(xí)行為發(fā)生在學(xué)習(xí)者學(xué)習(xí)動(dòng)機(jī)強(qiáng)的章節(jié)。研究者針對(duì)這些行為特征進(jìn)行了討論，并基于學(xué)習(xí)者對(duì)外部資源和知識(shí)構(gòu)建的需求，為教學(xué)資源與活動(dòng)的安排、課程及平臺(tái)功能的設(shè)計(jì)與開發(fā)、自適應(yīng)學(xué)習(xí)路徑規(guī)劃應(yīng)用提供了合理建議。

目前各類在線平臺(tái)對(duì)學(xué)習(xí)者行為數(shù)據(jù)的采集沒有制定標(biāo)準(zhǔn)化的規(guī)范，這對(duì)在線學(xué)習(xí)分析的研究者提出了高要求。本文不僅詳細(xì)介紹了滯后序列法中的數(shù)據(jù)清洗、整理和提取方式，還將生成的學(xué)習(xí)路徑可視化呈現(xiàn)，使得研究成果可直接植入在線教學(xué)平臺(tái)系統(tǒng)使用，且制定了一套包括濾波分析和回溯分析在內(nèi)的功能應(yīng)用方案。

關(guān)于滯后序列法及可視化呈現(xiàn)學(xué)習(xí)活動(dòng)路徑的后續(xù)研究問題還有：群體中是否可明確聚合出幾類活動(dòng)路徑？擁有相似活動(dòng)路徑的學(xué)習(xí)者在成績上是否也相近？活動(dòng)路徑差異較大的學(xué)習(xí)者是否在成績上相差明顯？活動(dòng)序列特征是否與輟學(xué)行為表現(xiàn)出相關(guān)？為提高學(xué)生在線學(xué)習(xí)的獲得感，優(yōu)化在線教學(xué)方式，還需要結(jié)合聚類等方法進(jìn)行更加深入的分析。

[參考文獻(xiàn)]

[1] SIEMENS G， LONG P. Penetrating the fog： analytics in learning and education [J].Td tecnologie didattiche， 2014， 46（2）：S866.

[2] 胡藝齡， 顧小清， 趙春. 在線學(xué)習(xí)行為分析建模及挖掘[J]. 開放教育研究， 2014， 20（2）： 102-110.

[3] 楊現(xiàn)民， 王懷波， 李冀紅. 滯后序列分析法在學(xué)習(xí)行為分析中的應(yīng)用 [J]. 中國電化教育， 2016（2）：17-23.

[4] 彭紹東. 基于SCORM標(biāo)準(zhǔn)的“學(xué)習(xí)路徑”設(shè)計(jì) [J]. 現(xiàn)代教育技術(shù)， 2010， 20（8）： 114-119.

[5] 曹良亮. 在線學(xué)習(xí)中學(xué)習(xí)路徑分析及學(xué)習(xí)行為特點(diǎn)研究 [J]. 中國遠(yuǎn)程教育， 2014（4）：25-30.

[6] HOU H T， CHANG K E， YAO T S. Applying lag sequential analysis to detect visual behavioural patterns of online learning activities [J]. British journal of educational technology， 2010， 41（2）：E25-E27.

[7] WU S H H. How cognitive styles affect the learning behaviors of online problem-solving based discussion activity： a lag sequential analysis [J]. Journal of educational computing research， 2015， 52（2）： 277-298.

[8] YANG T C， CHEN S Y， HWANG G J. The influences of a two-tier test strategy on student learning： a lag sequential analysis approach[J]. Computers & education， 2015， 82（C）：366-377.

[9] BAKEMAN R， GOTTMAN J M. Observing interaction：? an introduction to sequential analysis（2nd ed.）[J]. Technometrics， 1997， 34（1）： 112-113.

[10] SACKETT G P. Observing behavior（Vol. 1）： theory and applications in mental retardation[M]. Baltimore： University Park Press， 1978.

[11] FARAONE S V， DORFMAN D D. Lag sequential analysis： robust statistical methods[J]. Psychological bulletin， 1987， 101（2）： 312-323.

[12] POHL M， WALLNER G， KRIGLSTEIN S. Using lag-sequential analysis for understanding interaction sequences in visualizations [J]. International journal of human-computer studies， 2016（96）：54-66.

[13] HAWKS I K. Facilitativeness in small groups： a process-oriented study using lag sequential analysis[J]. Psychological reports， 1987， 61（3）：955-962.

[14] PUTNAM L L. Small group work climates： a lag-sequential analysis of group interaction[J]. Small group behavior， 1983， 14（4）： 465-494.

[15] HOU H T， WANG S M. Analyzing students' cognitive processing patterns of a socioscientific issue learning activity with online discussion ——a preliminary result of lag sequential analysis[C]// Iiai International Congress on Advanced Applied Informatics. IEEE， 2016.

[16] 李爽， 鐘瑤， 喻忱，等. 基于行為序列分析對(duì)在線學(xué)習(xí)參與模式的探索[J]. 中國電化教育， 2017（3）：88-95.

[17] 江波， 高明， 陳志翰，等. 基于行為序列的學(xué)習(xí)過程分析與學(xué)習(xí)效果預(yù)測(cè)[J]. 現(xiàn)代遠(yuǎn)程教育研究， 2018（2）：103-112.

[18] 韓錫斌， 程璐楠， 程建鋼. MOOCs的教育學(xué)視角分析與設(shè)計(jì)[J]. 電化教育研究， 2014（1）：45-51.

[19] YANG J， CHENG C， SHEN S， et al. Comparison of complex network analysis software： Citespace， SCI2 and Gephi[C]// 2017 IEEE 2nd International Conference on Big Data Analysis （ICBDA）. IEEE， 2017.