王莎莎 王梅

摘 要 首先通過內(nèi)容分析法，從學(xué)習(xí)分析的概念及內(nèi)涵著手，對學(xué)習(xí)分析技術(shù)的國內(nèi)外研究現(xiàn)狀進(jìn)行綜述;其次分析學(xué)習(xí)分析在教育實(shí)踐中的具體應(yīng)用，以國外的成功案例為借鑒，總結(jié)影響學(xué)習(xí)者學(xué)業(yè)狀況的指標(biāo);最后對學(xué)習(xí)分析技術(shù)的未來發(fā)展抱以期待，它必將為優(yōu)化學(xué)習(xí)發(fā)揮重要作用。

關(guān)鍵詞 學(xué)習(xí)分析技術(shù);機(jī)器學(xué)習(xí);在線學(xué)習(xí);教育大數(shù)據(jù);Moodle;MOOC;課程信號系統(tǒng)

中圖分類號：G642 文獻(xiàn)標(biāo)識碼：B

文章編號：1671-489X（2019）08-0007-05

Overview of Research Status of Learning Analytics Technology//WANG Shasha， WANG Mei

Abstract Firstly， this paper begins with the content analysis method， from the concept and connotation of learning analysis， summarizes the research status of learning analytics technology at home and abroad， and then analyzes the specific application of learning analy-tics in educational practice， taking foreign successful cases as a refe-

rence. It summarizes the indicators that affect the learners academic status， and finally looks forward to the future development of lear-ning analytics technology， which will play an important role in opti-mizing learning.

Key words learning analytics technology; academic status; machine learning; online learning; big data on education; Moodle; MOOC; course signals system

1 背景

自MOOC開始繁榮發(fā)展以來，在線學(xué)習(xí)網(wǎng)絡(luò)學(xué)習(xí)平臺飛速發(fā)展，學(xué)習(xí)者在線學(xué)習(xí)產(chǎn)生的數(shù)據(jù)不斷增加，教育大數(shù)據(jù)日漸豐富。在當(dāng)今信息化時(shí)代，數(shù)據(jù)價(jià)值不言而喻，各個(gè)行業(yè)都對大數(shù)據(jù)有極高的價(jià)值期待，其中教育領(lǐng)域的專家學(xué)者希望借鑒商業(yè)智能的成功經(jīng)驗(yàn)，從數(shù)據(jù)出發(fā)，利用學(xué)習(xí)分析連接技術(shù)與教育，為今后的學(xué)習(xí)、教學(xué)及教學(xué)管理提供評價(jià)、反饋及建議。

學(xué)習(xí)分析作為一個(gè)可以連接技術(shù)與教育的研究領(lǐng)域，既可以使教育數(shù)據(jù)發(fā)揮更重要的作用，也有利于教育信息化的發(fā)展。因此，學(xué)習(xí)分析在教育大數(shù)據(jù)應(yīng)用領(lǐng)域研究中占據(jù)重要地位。2011年，新媒體聯(lián)盟和美國高校聯(lián)盟在其發(fā)布的《地平線報(bào)告——高等教育版》中首次將學(xué)習(xí)分析作為未來影響教育發(fā)展的六大技術(shù)之一[1]，并且在之后的連續(xù)六年間，地平線報(bào)告中對學(xué)習(xí)分析均有所提及。這無疑證實(shí)了學(xué)習(xí)分析在教育領(lǐng)域所具有的潛在影響，以及在整個(gè)教學(xué)、學(xué)習(xí)及教學(xué)管理過程中的應(yīng)用地位。

2 概念及內(nèi)涵

學(xué)習(xí)分析，即Learning Analytics。2010年，學(xué)習(xí)分析專家喬治·西蒙斯認(rèn)為，學(xué)習(xí)分析是通過應(yīng)用智能化數(shù)據(jù)、學(xué)習(xí)者數(shù)據(jù)與分析模型，實(shí)現(xiàn)對信息與社會性連接的發(fā)掘，并為學(xué)習(xí)提供預(yù)測與建議[2]。西蒙斯對學(xué)習(xí)分析的定義重視分析模型的作用，關(guān)注學(xué)習(xí)分析的具體應(yīng)用，以此幫助研究者更方便認(rèn)識和理解數(shù)據(jù)中的信息。

在2011年第一屆學(xué)習(xí)分析與知識國際會議中，參會的專家認(rèn)為，學(xué)習(xí)分析是“測量、采集、分析和匯報(bào)有關(guān)學(xué)習(xí)者及其學(xué)習(xí)情境的數(shù)據(jù)集，用以理解和優(yōu)化學(xué)習(xí)及學(xué)習(xí)情境”[3]。該定義重視對數(shù)據(jù)在學(xué)習(xí)分析中的作用，以此認(rèn)為學(xué)習(xí)分析的功能在于對學(xué)習(xí)及學(xué)習(xí)情境的優(yōu)化，但對學(xué)習(xí)分析過程不甚重視。

2014年，胡藝齡教授等人為學(xué)習(xí)分析所下的定義是：學(xué)習(xí)分析技術(shù)是教育領(lǐng)域從海量數(shù)據(jù)中提取隱含的、未知的及有潛在應(yīng)用價(jià)值信息或模式的工具，也是一種決策輔助工具[4]。該定義則是將學(xué)習(xí)分析技術(shù)當(dāng)作工具，重視應(yīng)用與技術(shù)，用來發(fā)現(xiàn)數(shù)據(jù)潛在信息和輔助決策。

何克抗教授于2016年發(fā)表的論文中，在整合國內(nèi)外一些定義的基礎(chǔ)上，對學(xué)習(xí)分析的定義表述為：學(xué)習(xí)分析技術(shù)是指利用各種數(shù)據(jù)收集和數(shù)據(jù)分析工具，從教育領(lǐng)域的海量數(shù)據(jù)中，通過收集、測量、分析和報(bào)告等方式，提取出隱含的、有潛在應(yīng)用價(jià)值的、涉及“教與學(xué)”或“教學(xué)管理”的過程及行為的各種信息、知識與模式，從而為教師的“教”、學(xué)生的“學(xué)”以及教學(xué)管理提供智能性的輔助決策的技術(shù)[5]。該定義對學(xué)習(xí)分析的描述較為全面，既提到了對數(shù)據(jù)的收集和分析，也未忽視對教學(xué)過程的分析，并且提到學(xué)習(xí)分析的作用是為了“教”“學(xué)”及教學(xué)管理提供智能性的輔助決策。

通過對各位專家學(xué)者給學(xué)習(xí)分析的定義的解讀，可以看出雖未有明確統(tǒng)一的定義，但已有共識。學(xué)習(xí)分析即通過各種工具對教學(xué)過程中各種數(shù)據(jù)進(jìn)行收集、管理、分析，并將分析結(jié)果反饋于教學(xué)中，用于優(yōu)化學(xué)習(xí)。本文將學(xué)習(xí)分析和學(xué)習(xí)分析技術(shù)分開來說，學(xué)習(xí)分析作為一個(gè)將學(xué)習(xí)分析技術(shù)包含在內(nèi)的大的研究領(lǐng)域，而學(xué)習(xí)分析技術(shù)是學(xué)習(xí)分析應(yīng)用過程中有關(guān)的工具、方法、使用技術(shù)的研究。

3 學(xué)習(xí)分析技術(shù)的研究現(xiàn)狀

學(xué)習(xí)分析技術(shù)的國內(nèi)研究現(xiàn)狀 關(guān)于學(xué)習(xí)分析技術(shù)的研究，本文主要將學(xué)習(xí)分析技術(shù)研究內(nèi)容按時(shí)間順序進(jìn)行梳理，以明確學(xué)習(xí)分析技術(shù)的研究現(xiàn)狀。國內(nèi)最早關(guān)于學(xué)習(xí)分析技術(shù)的文獻(xiàn)是李菁等人[6]于2012年發(fā)表的《學(xué)習(xí)分析技術(shù)研究與應(yīng)用現(xiàn)狀述評》，該研究從辨析學(xué)習(xí)分析的概念出發(fā)，就學(xué)習(xí)分析組成要素和應(yīng)用模型進(jìn)行討論，還對學(xué)習(xí)分析技術(shù)的分析工具、分析方法和技術(shù)來源進(jìn)行了研究分析，最后就學(xué)習(xí)分析應(yīng)用案例的一般和特殊情況進(jìn)行深入剖析。

李逢慶等人[7]的研究從學(xué)習(xí)分析興起的原因著手，即學(xué)習(xí)分析可以根據(jù)學(xué)習(xí)平臺中的數(shù)據(jù)去更好地支持教與學(xué)，從而進(jìn)一步提升教與學(xué)的質(zhì)量與效能。該研究通過梳理之前學(xué)習(xí)分析的發(fā)展脈絡(luò)，對其過程、工具及方法進(jìn)行解讀，并闡述學(xué)習(xí)分析對促進(jìn)大學(xué)教學(xué)信息化深入發(fā)展的價(jià)值。

曹曉明等人[8]做了基于學(xué)習(xí)分析技術(shù)支持的學(xué)習(xí)者個(gè)性化學(xué)習(xí)平臺的研究。該研究以智慧學(xué)習(xí)為背景，嘗試基于學(xué)習(xí)分析中的動態(tài)采集、精確分析、可視化反饋等技術(shù)，以構(gòu)建符合因材施教理念的個(gè)性化學(xué)習(xí)平臺。研究通過分析不同學(xué)習(xí)情境下如何讓學(xué)習(xí)分析發(fā)揮其作用和優(yōu)勢，實(shí)現(xiàn)對學(xué)習(xí)者學(xué)習(xí)的個(gè)性化指導(dǎo)。

胡藝齡等人[4]從當(dāng)前教育效益未獲得預(yù)期的高產(chǎn)出這一問題出發(fā)，提出學(xué)習(xí)分析可以從海量數(shù)據(jù)中發(fā)現(xiàn)潛在價(jià)值，改善教學(xué)，從而提升教育的內(nèi)外部效益。

華中師大曾東薇[9]以Moodle平臺中開設(shè)的一門課程為例，通過收集學(xué)習(xí)者的學(xué)習(xí)行為數(shù)據(jù)，使用定性與定量相結(jié)合的分析方法對學(xué)習(xí)者的學(xué)習(xí)過程進(jìn)行分析，最后還對學(xué)習(xí)分析技術(shù)的應(yīng)用效果進(jìn)行分析和反思。

魏順平等人[10]做了對學(xué)習(xí)過程數(shù)據(jù)挖掘與分析應(yīng)用于在線教學(xué)反思的研究。該研究借鑒Moodle平臺課程，從輔導(dǎo)教師的角度出發(fā)，將學(xué)習(xí)分析技術(shù)應(yīng)用于在線教學(xué)反思。

陳耀華、孫洪濤和鄭勤華等人[11-13]從模型構(gòu)建出發(fā)，利用學(xué)習(xí)分析技術(shù)，分別構(gòu)建在線學(xué)習(xí)測評的綜合建模、課程評價(jià)的模型和教師綜合評價(jià)的參考理論模型，并在實(shí)際教學(xué)應(yīng)用中驗(yàn)證這些模型是否可用。

高琪等人[14]將學(xué)習(xí)分析技術(shù)與智慧教育環(huán)境構(gòu)建結(jié)合起來，從學(xué)習(xí)分析的一般過程出發(fā)，結(jié)合對智慧教育的特征分析，論述學(xué)習(xí)分析在智慧教育環(huán)境構(gòu)建及發(fā)展過程中將會發(fā)揮極大的作用。

學(xué)習(xí)分析應(yīng)用于具體的教育實(shí)踐中已經(jīng)取得一些研究成果。各個(gè)專家學(xué)者根據(jù)學(xué)習(xí)情境和研究目的的不同，所使用的具體方法并不相同，例如：社會網(wǎng)絡(luò)分析法是一種根據(jù)學(xué)習(xí)者的群體社會交互行為來定量分析的方法;機(jī)器學(xué)習(xí)算法則更關(guān)注學(xué)習(xí)數(shù)據(jù)的深入挖掘，通過對機(jī)器的訓(xùn)練以實(shí)現(xiàn)對個(gè)體學(xué)習(xí)行為的下一步預(yù)測;會話分析法是從研究人類語言互動交際入手，以研究會話情境的意義的一種方法;內(nèi)容分析法是一種對傳播內(nèi)容進(jìn)行客觀和系統(tǒng)描述的研究方法。通過對各種方法的分析，可以看出學(xué)習(xí)分析并不拘泥于某一種特定的方法，又因?yàn)閷W(xué)習(xí)系統(tǒng)的復(fù)雜性、多樣性，針對不同的學(xué)習(xí)情境，應(yīng)該采取不同的方法，也可以多種方法結(jié)合起來使用，但這些方法的應(yīng)用其最終目的都是優(yōu)化學(xué)習(xí)及學(xué)習(xí)過程。

機(jī)器學(xué)習(xí)在教育領(lǐng)域應(yīng)用的研究現(xiàn)狀 機(jī)器學(xué)習(xí)（Ma-chine Learning，ML）是一門多領(lǐng)域交叉學(xué)科，涉及概率論、統(tǒng)計(jì)學(xué)、逼近論、凸分析、算法復(fù)雜度理論等多門學(xué)科，專門研究計(jì)算機(jī)怎樣模擬或?qū)崿F(xiàn)人類的學(xué)習(xí)行為，以獲取新的知識或技能，重新組織已有的知識結(jié)構(gòu)使之不斷改善自身的性能[15]。簡單來說，就是使機(jī)器能夠像人類一樣思考，通過經(jīng)驗(yàn)的學(xué)習(xí)去改進(jìn)自身處理信息的能力，智能化地處理信息。

機(jī)器學(xué)習(xí)作為人工智能研究領(lǐng)域的重要部分，可以應(yīng)用于對數(shù)據(jù)的聚類、預(yù)測和關(guān)系挖掘等。目前，機(jī)器學(xué)習(xí)算法在教育領(lǐng)域的應(yīng)用也取得一些研究成果。

Cetintas等人[16]利用機(jī)器學(xué)習(xí)技術(shù)識別智能輔導(dǎo)系統(tǒng)中的離題行為。該研究通過自動檢測學(xué)習(xí)者的行為，利用時(shí)間特征和鼠標(biāo)移動特征來比較不同學(xué)習(xí)者的行為類型，以此預(yù)測學(xué)習(xí)者的學(xué)習(xí)狀態(tài)，以及學(xué)習(xí)者是否處于“離題”狀態(tài)。

Wang等人[17]描述了一種適用于第二語言學(xué)習(xí)，并且考慮各種學(xué)生特點(diǎn)的電子學(xué)習(xí)系統(tǒng)。研究者利用神經(jīng)網(wǎng)絡(luò)算法根據(jù)學(xué)習(xí)者在第二語言的在線課程學(xué)習(xí)記錄和個(gè)人信息數(shù)據(jù)建立預(yù)測模型，從而預(yù)測學(xué)習(xí)者的學(xué)習(xí)表現(xiàn)，通過實(shí)驗(yàn)驗(yàn)證該電子學(xué)習(xí)系統(tǒng)能夠使學(xué)習(xí)者的學(xué)習(xí)表現(xiàn)更好。

Alkhuraiji等人[18]在在線學(xué)習(xí)平臺中應(yīng)用貝葉斯網(wǎng)絡(luò)（Bayesian Network）構(gòu)建模型，模型以學(xué)習(xí)者的學(xué)習(xí)風(fēng)格為基礎(chǔ)，學(xué)習(xí)平臺的演示風(fēng)格根據(jù)每個(gè)學(xué)生的首選學(xué)習(xí)風(fēng)格進(jìn)行個(gè)性化設(shè)置，以此為學(xué)習(xí)者提供適應(yīng)性的個(gè)性化學(xué)習(xí)內(nèi)容。

Lauría等人[19]描述了可用于對開源課程管理的系統(tǒng)數(shù)據(jù)和學(xué)習(xí)者學(xué)習(xí)記錄數(shù)據(jù)進(jìn)行推理分析的模型，并介紹了使用多種數(shù)據(jù)挖掘算法對模型進(jìn)行設(shè)計(jì)的初步開發(fā)結(jié)果。他們使用支持向量機(jī)（SVM）、C4.5決策樹和邏輯回歸等機(jī)器學(xué)習(xí)方法分析各種數(shù)據(jù)，得到關(guān)于分類績效的分析結(jié)果，用于實(shí)際環(huán)境中以預(yù)測學(xué)習(xí)成績并對危險(xiǎn)學(xué)生進(jìn)行早期檢測。

Kotsiantis[20]將機(jī)器學(xué)習(xí)應(yīng)用于教育數(shù)據(jù)挖掘，并介紹使用機(jī)器學(xué)習(xí)進(jìn)行教育數(shù)據(jù)挖掘的文章，由此提出一個(gè)預(yù)測學(xué)習(xí)者成績的案例研究方案。為了預(yù)測學(xué)生的表現(xiàn)，降低輟學(xué)率和預(yù)測課程成功率，通過使用機(jī)器學(xué)習(xí)技術(shù)進(jìn)行學(xué)習(xí)者學(xué)習(xí)數(shù)據(jù)的分析，根據(jù)分析結(jié)果識別出那些學(xué)習(xí)動機(jī)不足的學(xué)習(xí)者，并根據(jù)學(xué)習(xí)者不同學(xué)習(xí)狀況，分別給予相應(yīng)的指導(dǎo)和干預(yù)措施。

Aher等人[21]采用數(shù)據(jù)挖掘技術(shù)從學(xué)習(xí)管理系統(tǒng)（LMS）中收集Moodle平臺中的學(xué)習(xí)數(shù)據(jù)，并由此進(jìn)行聚類和分析，然后向?qū)W習(xí)者推薦合適的課程。課程推薦可以幫助建立一個(gè)智能推薦系統(tǒng)，可以給MOOC等環(huán)境中的課程學(xué)習(xí)者使用。

San Pedro等人[22]使用新英格蘭的ASSISTment系統(tǒng)，將3747名學(xué)生的數(shù)據(jù)應(yīng)用于學(xué)生知識、情緒和行為的細(xì)粒度模型，并利用邏輯回歸方法建立預(yù)測模型，用于預(yù)測大學(xué)入學(xué)率。該研究發(fā)現(xiàn)，學(xué)生投入對學(xué)生成功的預(yù)測很有幫助。

Thammasir等人[23]使用過采樣、欠采樣和少數(shù)群體過采樣的平衡技術(shù)，以及邏輯回歸、決策樹、神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)四種分類方法，在此基礎(chǔ)上對大量學(xué)生學(xué)習(xí)數(shù)據(jù)進(jìn)行分析，驗(yàn)證了這三種平衡技術(shù)和四種分類方法對少數(shù)類預(yù)測精度的提高，并且確定了準(zhǔn)確預(yù)測學(xué)生自然減員最重要的變量，由此有可能準(zhǔn)確預(yù)測存在風(fēng)險(xiǎn)的學(xué)生，并有助于降低學(xué)生輟學(xué)率。

[J].Expert Systems with Applications，2014，41（2）：321-330.

[24]Hachey A， Wladis C， Conway K. Do prior online course outcomes provide more information than G.P.A.alone in predicting subsequent online course gradesand retention？ An observational study at an urbancommunity college[J].Computers&Education，2014（72）：59-67.

[25]Park Y， Yu J H， Jo I H. Clustering blended lear-ning courses by online behavior data： A case study ina Korean higher education institute[J].Internet & Higher Education，2015（29）：1-11.

[26]Shimada A， Okubo F， Yin C， et al. Informal lear-ning behavior analysis using action logs and slidefeatures in e-textbooks[C]//The IEEE InternationalConference on Advanced Learning Technologies.2015：116-117.

[27]范逸洲，汪瓊.學(xué)業(yè)成就與學(xué)業(yè)風(fēng)險(xiǎn)的預(yù)測：基于學(xué)習(xí)分析領(lǐng)域中預(yù)測指標(biāo)的文獻(xiàn)綜述[J].中國遠(yuǎn)程教育，2018（1）：5-15，44，79.

[28]劉艷華，徐鵬.大數(shù)據(jù)教育應(yīng)用研究綜述及其典型案例解析：以美國普渡大學(xué)課程信號項(xiàng)目為例[J].軟件導(dǎo)刊：教育技術(shù)，2014（12）：47-51.

[29]楊旸，胡珊珊，邢宏根，等.借鑒與反思：學(xué)習(xí)分析在國外高等教育領(lǐng)域的應(yīng)用[J].現(xiàn)代教育技術(shù)，2018（2）：107-112.

項(xiàng)目來源：東北石油大學(xué)研究生教育創(chuàng)新工程項(xiàng)目“新工科視角下計(jì)算機(jī)類研究生創(chuàng)新和實(shí)踐能力培養(yǎng)研究與實(shí)踐”;黑龍江省教育科學(xué)“十三五”規(guī)劃2018年度重點(diǎn)課題“工程教育認(rèn)證背景下智能云教學(xué)過程化教學(xué)評價(jià)平臺構(gòu)建的研究”（項(xiàng)目編號：GBB1318021）;黑龍江省教育科學(xué)“十三五”規(guī)劃2017年度備案課題“信息技術(shù)類大學(xué)生創(chuàng)新創(chuàng)業(yè)教育支撐平臺研究”（項(xiàng)目編號：GBC1317027）。

作者：王莎莎，東北石油大學(xué)計(jì)算機(jī)與信息技術(shù)學(xué)院在讀碩士研究生，研究方向?yàn)橹R工程、學(xué)習(xí)分析技術(shù);王梅，通訊作者，東北石油大學(xué)計(jì)算機(jī)與信息技術(shù)學(xué)院，教授，研究方向?yàn)闄C(jī)器學(xué)習(xí)、模型選擇和核方法支持向量機(jī)（163318）。