張穎 蔣雯音 艾雨兵

摘? 要 利用學習分析技術記錄和篩選在線學習行為數(shù)據(jù)，挖掘影響學習績效的關鍵因素， 在此基礎上構建基于學習分析的在線學習干預模型并進行實證研究。通過在線學習行為數(shù)據(jù)分析和成績比較，結合問卷調(diào)查和訪談，對該模型在學習活動、成績、學生滿意度和態(tài)度等方面進行有效性驗證。結果表明，該模型能有效提高學生的學習參與度和主動性，提升學習成績。

關鍵詞 學習分析;在線學習;學習干預模型;教育技術;云課堂教學平臺;RTI模型

中圖分類號：G712? ? 文獻標識碼：B

文章編號：1671-489X（2019）09-0014-03

1 引言

大數(shù)據(jù)時代“互聯(lián)網(wǎng)+教育”給教育帶來新的發(fā)展契機，隨著教育數(shù)據(jù)種類和來源的不斷豐富[1]，利用學習分析技術挖掘數(shù)據(jù)潛藏的巨大價值將變成教育新常態(tài)。2016年的《地平線報告》指出，學習分析技術將在未來二至三年成為極具影響力的教育技術[2]。利用學習分析技術跟蹤和預測學習者表現(xiàn)，基于不同數(shù)據(jù)分析方法確定潛在問題和面臨風險的學習者，對學業(yè)有風險的學習者提供干預或反饋，為教育者在教學決策和學業(yè)預警上提供支持，實現(xiàn)個性化學習，提高教學質(zhì)量。

傳統(tǒng)的教學環(huán)境存在數(shù)據(jù)采集困難、干預手段有限、干預過程復雜等問題，因此，有關學習干預方面的研究雖然備受關注，但相關理論和實證研究有限。近幾年來，在線學習作為教育信息化發(fā)展過程中的一種現(xiàn)代教育形態(tài)，可收集學習者完整的學習行為數(shù)據(jù)，分析其學習過程，促進適應性學習干預，也使學習干預研究得以發(fā)展。

傳統(tǒng)的學習干預主要面向特殊教育領域的學習障礙者，采用的是“干預—反應”（RTI，Response to Interven-tion）模式。國外研究表明，RTI模式可以提供適當?shù)母深A措施，提高學生的成績[3]。如今在線學習在學習中應用得越來越廣泛，智慧學習環(huán)境下的學習障礙問題也日益突出。

首先，以往提出的學習干預模型和策略主要針對傳統(tǒng)教學環(huán)境，而在線學習環(huán)境下的適用性和有效性存在不確定性。

其次，在線學習的學習干預實證研究偏少，大部分研究從理論層面設計了干預模型，缺少實踐效果檢驗[4]。

鑒于此，本研究在分析國內(nèi)外學習干預、學習分析技術相關文獻的基礎上，在云課堂教學平臺的支持下，通過采集云課堂教學平臺中記錄的學生學習行為數(shù)據(jù)，分析在線學習行為特征，同時分析學習行為和學習成績的關系，構建基于學習分析的在線學習干預模型并進行實證研究，驗證其可行性和有效性。

2 基于學習分析的在線學習干預模型的構建

2014年，西蒙弗雷澤大學提出學習分析干預設計的初步模型，干預的過程主要包括落實基礎、目標設定和反思。研究認為，要將學習分析和學習活動相結合，將學習分析整合到教學設計中，作為教學設計中的一個環(huán)節(jié)[5]。基于在線學習的特點，本研究在RTI模型和西蒙弗雷澤大學提出的學習分析干預設計的初步模型的基礎上，構建基于學習分析的在線學習干預模型，如圖1所示。

干預模型從系統(tǒng)和整體的角度指導整個干預過程的設計與實施，整個干預模型包括六個環(huán)節(jié)和一個核心。六個環(huán)節(jié)是數(shù)據(jù)采集、學習行為分析與預測、干預范圍的確定、干預策略的選擇、干預策略的實施和干預效果分析。一個核心是學習分析。所謂的核心，是指將學習分析融合貫穿在整個學習干預過程中，從篩選學業(yè)有風險的學習者、干預策略的選擇、干預策略的實施到干預效果分析每個環(huán)節(jié)。它是一個循環(huán)迭代的干預模型。

3 干預效果實證分析

在線學習干預模型的實施? 為驗證基于學習分析的在線學習干預模型的效果，選取護理專業(yè)兩個班學生作為實驗對象。公共基礎課“計算機應用能力”授課時采用混合式教學法，約70%的學習任務要求學生通過云課堂教學平臺在線完成。所有學生的年齡、入學成績等均無顯著性差異。隨機選擇一個班學生作為實驗組，應用在線學習干預模型;另一個班學生作為傳統(tǒng)教學組，教學方法一致，但不進行在線學習干預。干預模型實施過程如下。

1）數(shù)據(jù)采集。借助云課堂教學平臺采集實驗班前五周學生學習行為數(shù)據(jù)，根據(jù)課程教學任務與教學活動的安排情況以及云教學平臺的特點，通過對服務器中的日志數(shù)據(jù)進行數(shù)據(jù)的過濾與篩選后，最終確定學習行為變量初始數(shù)據(jù)集共包括16項，分別為總在線時長、瀏覽教學資源次數(shù)、在線測試次數(shù)、在線測試成績、自我評價、同伴評價、教師評價、查看任務要求、提交任務次數(shù)、提交任務時間、參與課堂活動次數(shù)、簽到次數(shù)、使用搜索工具、查看相關網(wǎng)頁鏈接、查看課程動態(tài)、查看成績單。通過散點圖繪制方法得出這些變量與學生的階段性學習成績呈正相關性。

2）學習行為分析與預測。利用學習分析技術對學生前五周的學習行為數(shù)據(jù)進行分析。為了進一步篩選出影響學習績效的關鍵變量，將各初始變量與學生的學習成績進行二元相關性分析，初步篩選結果發(fā)現(xiàn)其中11個變量與學生成績是呈顯著相關性的，這些變量為總在線時間、瀏覽教學資源次數(shù)、自我評價、同伴評價、教師評價、在線測試次數(shù)、在線測試成績、提交任務次數(shù)、提交任務時間、參與課堂活動次數(shù)、查看成績單。再對這11個變量進行多元回歸分析，最終確定影響學生學習績效的六項關鍵因素，包括瀏覽教學資源次數(shù)、在線測試成績、同伴評價、教師評價、提交任務次數(shù)、參與課堂活動次數(shù)。

由此可見，瀏覽教學資源能使學習者課后反復學習，幫助學習者更好地掌握知識點，有效完成任務，提高成績。在線測試體現(xiàn)了學習者課前課后的預習復習情況，帶著問題聽課，能及時發(fā)現(xiàn)自己的不足，更好地檢驗自己的學習情況，進而促使自己查漏補缺。同伴評價和教師評價，一方面使學習者通過給其他學生打分和教師的點評，從而發(fā)現(xiàn)自己的不足，進而取長補短;另一方面可能是因為同伴評價和教師評價在整個學習者成績評價中占有較高比例。提交的任務數(shù)量和參與課堂活動數(shù)量反映了學習者對學習的主動性與學習熱情，通過完成任務和參與課堂活動促進學習者思想的交流，同時鞏固知識。

3）干預范圍的確定。通過實時分析學生的學習行為數(shù)據(jù)，特別是關鍵影響因素，篩選出參與度排在后70%的學生作為群體干預對象，后50%的學生作為小組干預對象，后30%的學生作為個別干預對象，對其進行重點關注與干預。

4）干預策略的選擇。對于不同層次的學習干預對象，干預內(nèi)容和干預方式上也會有所不同。干預內(nèi)容和干預方式也可以多種方法進行多元組合使用。對于群體干預對象，由于人數(shù)較多，主要針對整班存在的問題進行集體干預，采取容易實施的干預內(nèi)容和方法。對于小組干預對象，以提供學習報告單、推薦資源和發(fā)送消息等方式為主。對于個別干預對象，干預方式除了推送資源外，將重點放在消息提醒和教師在線交流。

5）干預策略的實施。根據(jù)學習型分析結果和干預策略的選擇，在第五周開始直至課程結束，反復對實驗班學生實施學習干預。

6）干預效果分析。通過對實驗班和傳統(tǒng)教學班學期末的成績和在線學習時長進行整理比較，分析在線學習干預對學生的成績的提高是否有幫助，如表1所示。

該課程總評成績由平時成績、項目成績和期末成績構成。平時成績占20%，包括課程簽到率、線上測試和參與課堂活動情況等。項目成績占50%，包括課程的各個項目任務完成情況。期末成績占30%，為上機項目考核。平均投入時間為學生在線學習時長。根據(jù)統(tǒng)計表可見，實驗班通過干預后，學生在平時成績、項目成績和期末成績上均高于傳統(tǒng)教學班。學生在線學習時長，實驗班是495.4分鐘，也遠遠大于傳統(tǒng)教學班。可見通過反復干預，在學生成績提高上是比較有效的，特別是平時成績比未干預班級高出很多，學生通過被干預后會更積極地參與線上線下的教學活動，投入的時間更多。

隨機抽取五位實驗班被個別干預的干預對象在干預前與干預五周后的各項學習活動情況進行整理比較，分析干預的效果。從表2可以看出，五名被干預學生瀏覽教學資源次數(shù)、在線測試次數(shù)、參與課堂活動次數(shù)以及在線時長都有明顯改善。

從對實驗班和傳統(tǒng)教學班成績的比較和干預對象干預前后各項學習活動情況的改善可見，該干預模型能有效激發(fā)學生學習的自覺性，提高學生的學習質(zhì)量。

在線學習干預模型效果分析? 除了對學習成績和學習活動的情況有所提高外，本研究通過問卷調(diào)查和訪談，調(diào)查實驗班學習者對在線學習干預實施后的態(tài)度、滿意度和感受以及各干預方式的效果等，對在線學習干預模型的有效性進行主觀性評估。本研究發(fā)放問卷50份，回收有效問卷48份，有效回收率96.0%，統(tǒng)計結果見表3。

由表3可見，干預方式中學生對學習進度條、推送資源、在線測試和郵件、消息提醒比較認可，在線交流可能是由于個別干預的對象使用較多，其他干預層次對象使用較少，有的學生怯于跟教師交流，所以認為有效的只占41.7%。70.8%的學生認為在線學習干預能促進自己主動學習，但68.8%的學生認為在線學習干預增加了他們的學習壓力，這也證明了壓力能產(chǎn)生動力。近50%的學生通過在線學習干預增加了對完成課程的自信心。58.3%的學生對干預效果感到滿意，但只有41.7%的學生愿意接受在線學習干預。通過個別訪談，學生認為在線學習干預對學習產(chǎn)生了較大的壓力，迫使他們花費了較多的課余時間去瀏覽資源、在線測試和完成任務，但總體而言，學習干預有助于提高學習成績和掌握知識。這也說明后期需要在學習干預策略上進行更好的設計和安排，使學生主動接受在線學習干預。

4 結語

在對以往學習干預模型進行研究的基礎上，本研究結合學習分析技術構建了在線學習干預模型，并在“計算機應用能力”課程云課堂教學平臺中進行了實證研究。通過學習分析技術分析課程前五周的學習行為數(shù)據(jù)，確定了六個影響學生學習績效的關鍵因素，將模型應用于后期教學活動中。通過比較實驗班和傳統(tǒng)教學班學期末的成績和在線學習時長，個別干預對象干預前后各項學習活動情況，實踐證明，該模型能夠有效提高學習質(zhì)量和參與學習活動的主動性。通過問卷調(diào)查和訪談，進一步表明了學生對各干預方式和干預效果的認可。當然，在訪談中也顯示了在線學習干預對學生會產(chǎn)生一定的壓力。目前研究的樣本數(shù)量較少，干預策略還不夠個性化和人性化，且學習分析技術和工具還需要細化，今后將豐富技術工具，更合理設計干預策略，更大范圍進行實驗研究，改善干預模型?！?/p>

參考文獻

[1]趙慧瓊，姜強，趙蔚，等.基于大數(shù)據(jù)學習分析的在線學習績效預警因素及干預對策的實證研究[J].電化教育研究，2017（1）：62-69.

[2]Fletcher J M， Denton C A， Francis D J. Validity of Alternative Approaches for the Identification of Learning Disabilities： Operationalizing Unexpected

Underachievement[J].Journal of Learning Disabilities，2005，38（6）：545-552.

[3]唐麗，王運武，陳琳.智慧學習環(huán)境下基于學習分析的干預機制研究[J].電化教育研究，2016（2）：62-67.

[4]張家華，鄒琴，祝智庭.學習分析視角下在線學習干預模型應用[J].現(xiàn)代遠程教育研究，2017（4）：88-96.

[5]顧小清，張進良，蔡慧英.學習分析：正在浮現(xiàn)中的數(shù)據(jù)技術[J].遠程教育雜志，2012（1）：18-25.