陳凱泉 高蕾 孟祥紅

摘要：伴隨線上線下相結(jié)合的混合式教學(xué)的廣泛開展，線上教學(xué)平臺積累形成數(shù)量可觀、類型豐富的學(xué)習(xí)過程數(shù)據(jù)。應(yīng)用學(xué)習(xí)分析技術(shù)對這些學(xué)習(xí)過程數(shù)據(jù)作出分析有望能獲得更為精準(zhǔn)的學(xué)情，可為教學(xué)改革提供科學(xué)依據(jù)。本研究通過收集并分析一門大學(xué)課程實(shí)施混合式教學(xué)后的學(xué)習(xí)過程數(shù)據(jù)，挖掘了學(xué)習(xí)該課程的大學(xué)生在網(wǎng)絡(luò)平臺上的整體學(xué)習(xí)路徑，從學(xué)習(xí)風(fēng)格和學(xué)業(yè)成績兩個方面挖掘形成了聚類學(xué)習(xí)路徑。路徑挖掘結(jié)果顯示，混合式教學(xué)應(yīng)精細(xì)化安排不同學(xué)習(xí)模塊中的學(xué)習(xí)資源以提升資源訪問率，需豐富學(xué)習(xí)資源類型以滿足不同學(xué)習(xí)偏好，要提升學(xué)習(xí)資源的邏輯性和可視化程度以促進(jìn)深度學(xué)習(xí)，還應(yīng)借助小組研討以促進(jìn)同伴學(xué)習(xí)和替代式學(xué)習(xí)。

關(guān)鍵詞：混合式教學(xué);學(xué)習(xí)分析;學(xué)習(xí)路徑挖掘;教學(xué)改革

2020年春節(jié)前后暴發(fā)的新型冠狀病毒所引發(fā)的疫情給全國上下帶來較大沖擊，尤其在教育系統(tǒng)，疫情導(dǎo)致師生不能見面，傳統(tǒng)教學(xué)模式無法正常展開，線上教學(xué)成為當(dāng)然之選。可以預(yù)見，疫情過后高校教師對線上教學(xué)的應(yīng)用會越來越多，線上線下相結(jié)合的混合式教學(xué)將成為高校教學(xué)的常態(tài)。在線教學(xué)平臺積累形成大量的學(xué)生在線學(xué)習(xí)數(shù)據(jù)，基于對這些學(xué)習(xí)過程數(shù)據(jù)挖掘的學(xué)習(xí)分析技術(shù)已較為成熟。著名的可汗學(xué)院是學(xué)習(xí)分析技術(shù)支撐下成功的自適應(yīng)學(xué)習(xí)平臺案例，該平臺能夠根據(jù)學(xué)習(xí)者的興趣愛好及當(dāng)前所處知識能力水平進(jìn)行學(xué)習(xí)資源的精準(zhǔn)推送、學(xué)習(xí)報(bào)告的動態(tài)分析及呈現(xiàn)等。[1]國內(nèi)外高校也在大力推廣在線教育平臺的使用，如清華在線平臺、智慧樹等學(xué)習(xí)平臺在國內(nèi)高校中廣泛應(yīng)用，Sakai和Canvas等平臺在美國的高校應(yīng)用中較為普及。在這些平臺上所形成的數(shù)據(jù)種類豐富、數(shù)據(jù)量龐大。如果僅限于應(yīng)用這些數(shù)據(jù)做登錄頻次統(tǒng)計(jì)、學(xué)習(xí)時長分析、成績計(jì)算并不能對學(xué)生的學(xué)習(xí)過程作出全面深入的分析，學(xué)習(xí)過程大數(shù)據(jù)的效益不能得以充分發(fā)揮，由此對學(xué)生的學(xué)習(xí)過程干預(yù)也就缺乏科學(xué)依據(jù)。應(yīng)用學(xué)習(xí)過程數(shù)據(jù)來分析學(xué)生的學(xué)習(xí)路徑以及其學(xué)習(xí)社交網(wǎng)絡(luò)是評測、考察學(xué)生學(xué)習(xí)過程的重要視角，混合式教學(xué)改革中應(yīng)進(jìn)一步開展學(xué)習(xí)路徑挖掘并據(jù)此形成更為科學(xué)有效的教學(xué)設(shè)計(jì)。

一、混合式教學(xué)中的學(xué)習(xí)路徑挖掘

（一）混合式教學(xué)的概念及特點(diǎn)

所謂混合式教學(xué)（Blending Learning）就是要把傳統(tǒng)教學(xué)和數(shù)字化學(xué)習(xí)的優(yōu)勢相結(jié)合，既要發(fā)揮教師引導(dǎo)、啟發(fā)和監(jiān)控教學(xué)過程的主導(dǎo)作用，又要充分體現(xiàn)學(xué)生作為學(xué)習(xí)過程主體的積極性、主動性和創(chuàng)造性。[2]與傳統(tǒng)教學(xué)相比，混合式教學(xué)突出體現(xiàn)為以下三個特點(diǎn)：第一，強(qiáng)調(diào)學(xué)生的自主性?；诰W(wǎng)絡(luò)信息技術(shù)的教學(xué)平臺為學(xué)生自主開展學(xué)習(xí)提供了豐富的學(xué)習(xí)資源，學(xué)生可自主開展學(xué)習(xí)。第二，增加師生的多元互動。網(wǎng)絡(luò)教學(xué)平臺成為師生、生生互動的重要平臺。第三，為全過程記錄學(xué)習(xí)過程提供了可能。學(xué)生在網(wǎng)絡(luò)教學(xué)平臺上的瀏覽過程、發(fā)言內(nèi)容、完成作業(yè)練習(xí)的情況、與老師和同學(xué)的交流過程等都有望被記錄下來，為詳細(xì)分析學(xué)情提供了數(shù)據(jù)支撐。

混合式教學(xué)概念的演變先后經(jīng)歷了三個階段：第一個階段是從上世紀(jì)90年代到2006年的技術(shù)應(yīng)用階段，這個階段以信息技術(shù)為關(guān)注重點(diǎn)，主要是嘗試對各種信息技術(shù)的應(yīng)用;第二個階段是從2007到2013年，重在關(guān)注師生在這種教學(xué)模式下的交互方式，教學(xué)上會混合使用傳統(tǒng)教學(xué)策略與在線教學(xué)策略，這個階段探索了自主學(xué)習(xí)、講授式教學(xué)和協(xié)作教學(xué)等各種教學(xué)策略在混合式教學(xué)模式下的應(yīng)用;第三個階段是從2013年至今的“互聯(lián)網(wǎng)”階段。[3]這個階段把學(xué)生的學(xué)習(xí)體驗(yàn)作為關(guān)注重點(diǎn)，高度凸顯“以學(xué)生為中心”的學(xué)習(xí)理念;伴隨教育大數(shù)據(jù)和學(xué)習(xí)分析技術(shù)的發(fā)展，對學(xué)情的關(guān)注、分析成為混合式教學(xué)研究的重要內(nèi)容。

（二）大學(xué)混合式教學(xué)中學(xué)習(xí)路徑挖掘的必要性分析

大學(xué)教學(xué)研究中長期以來的一個研究重點(diǎn)即是對學(xué)情的獲取、分析與應(yīng)用。受理念及技術(shù)的限制，對大學(xué)生學(xué)情數(shù)據(jù)的獲取多借助于課堂觀察、訪談、問卷調(diào)查等方法。但課堂觀察的方法僅局限于課堂，相較于學(xué)生的全部學(xué)習(xí)過程，課堂觀察所獲取的數(shù)據(jù)量極為有限。訪談、問卷調(diào)查等方法使學(xué)情數(shù)據(jù)多出自學(xué)生的主觀回答，數(shù)據(jù)的可信度不夠充分?；旌鲜浇虒W(xué)盡管不可能事無巨細(xì)地全部記錄學(xué)習(xí)過程，但學(xué)情記錄的時間維度得以擴(kuò)展，不僅是課堂上，而且還有大量的課前、課后學(xué)習(xí)時間，學(xué)習(xí)過程記錄也是一種完全非介入性的方式，學(xué)情數(shù)據(jù)的可信度大幅提高。正是基于教學(xué)研究中對學(xué)情分析的迫切需求，以及混合式教學(xué)為學(xué)情數(shù)據(jù)獲取與分析所提供的技術(shù)支撐，混合式教學(xué)中的學(xué)習(xí)路徑挖掘便成為一種可能，廣大教師有望借助學(xué)習(xí)路徑挖掘來清晰地把握大學(xué)生的學(xué)習(xí)路徑，進(jìn)而做出有效的教學(xué)干預(yù)，為后續(xù)的教學(xué)策略調(diào)整提供科學(xué)依據(jù)。

具體而言，學(xué)習(xí)路徑挖掘的意義主要體現(xiàn)為以下兩個方面：（1）探尋學(xué)習(xí)過程中學(xué)習(xí)者對知識學(xué)習(xí)的基本序列，教師據(jù)此可以調(diào)整知識呈現(xiàn)的順序與結(jié)構(gòu)，甚至向?qū)W生個性化推薦學(xué)習(xí)內(nèi)容。如浙江工業(yè)大學(xué)的李浩君、佳程等利用遺傳算法來分析學(xué)習(xí)者的學(xué)習(xí)路徑，進(jìn)而為學(xué)習(xí)者個性化推薦學(xué)習(xí)資源序列，提升學(xué)習(xí)者的學(xué)習(xí)效果。[4]姜強(qiáng)等學(xué)者基于自主研發(fā)的個性化自適應(yīng)學(xué)習(xí)系統(tǒng)，較為全面地跟蹤和記錄學(xué)習(xí)者的學(xué)習(xí)過程數(shù)據(jù)，并采用數(shù)據(jù)分析方法獲取學(xué)習(xí)者的學(xué)習(xí)路徑，通過為學(xué)習(xí)者提供學(xué)習(xí)指引來解決迷航問題。[5]（2）挖掘?qū)W生的學(xué)習(xí)風(fēng)格和內(nèi)容偏好。學(xué)習(xí)路徑充分反映了學(xué)生的學(xué)習(xí)風(fēng)格。趙蔚等學(xué)者基于Moodle平臺上的學(xué)習(xí)者學(xué)習(xí)行為過程數(shù)據(jù)，運(yùn)用SSAS順序分析和聚類分析算法，對不同學(xué)習(xí)偏好、學(xué)業(yè)成績、學(xué)習(xí)風(fēng)格的學(xué)習(xí)者學(xué)習(xí)路徑進(jìn)行挖掘，找出了每個學(xué)生所走過的知識地圖，然后給學(xué)生個性化的點(diǎn)撥與反饋。[6]此外，也有學(xué)者運(yùn)用神經(jīng)模糊算法，通過分析學(xué)習(xí)者的活動日志及學(xué)業(yè)成績以判斷學(xué)習(xí)者的學(xué)習(xí)特點(diǎn)，進(jìn)而設(shè)計(jì)有利于促進(jìn)個性化學(xué)習(xí)的學(xué)習(xí)路徑。[7]

（三）挖掘?qū)W習(xí)路徑的主要方法

開展學(xué)習(xí)路徑挖掘主要依托學(xué)習(xí)分析（Learning Analysis，LA）技術(shù)。該技術(shù)主要是測量、收集、分析和報(bào)告有關(guān)學(xué)生的學(xué)習(xí)行為以及學(xué)習(xí)環(huán)境的數(shù)據(jù)，用以理解和優(yōu)化學(xué)習(xí)及其產(chǎn)生的環(huán)境的技術(shù)。[8]美國高等教育信息化協(xié)會EDUCAUSE則認(rèn)為學(xué)習(xí)分析技術(shù)就是利用數(shù)據(jù)和模型，預(yù)測學(xué)習(xí)者在學(xué)習(xí)中的進(jìn)步、未來表現(xiàn)和發(fā)現(xiàn)潛在問題。[9][10]具體而言，學(xué)習(xí)分析技術(shù)主要是用于收集與學(xué)生有關(guān)的線上線下等多層次的學(xué)習(xí)過程數(shù)據(jù)，并利用各類數(shù)據(jù)分析工具對數(shù)據(jù)進(jìn)行解讀，獲取有關(guān)學(xué)習(xí)者學(xué)習(xí)行為特點(diǎn)的規(guī)律性信息，然后通過教師或?qū)W習(xí)平臺對學(xué)習(xí)者的學(xué)習(xí)過程進(jìn)行干預(yù)，從而促進(jìn)學(xué)習(xí)者的學(xué)習(xí)。近些年因?yàn)槿斯ぶ悄芗夹g(shù)的飛速發(fā)展，學(xué)習(xí)分析的數(shù)據(jù)類型日益豐富，正逐漸轉(zhuǎn)型為多模態(tài)數(shù)據(jù)分析。[11]

SCORM標(biāo)準(zhǔn)提出的學(xué)習(xí)路徑（Learning Path）是指學(xué)習(xí)活動的路線與序列，是學(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)目標(biāo)和學(xué)習(xí)內(nèi)容對所需完成的學(xué)習(xí)活動的排序。[12]也有學(xué)者認(rèn)為學(xué)習(xí)路徑是學(xué)習(xí)者在在線學(xué)習(xí)平臺上進(jìn)行自主學(xué)習(xí)的過程中，對網(wǎng)頁進(jìn)行點(diǎn)擊操作的一系列有序的記錄，存儲著學(xué)習(xí)者的在線學(xué)習(xí)行為信息。就學(xué)習(xí)路徑的設(shè)置有預(yù)設(shè)與生成兩種模式。所謂預(yù)設(shè)即是由教師根據(jù)知識地圖、教學(xué)內(nèi)容設(shè)定好學(xué)習(xí)路徑，然后安排學(xué)生去執(zhí)行。生成式學(xué)習(xí)路徑設(shè)置是指由學(xué)生根據(jù)自己的學(xué)習(xí)偏好、學(xué)習(xí)風(fēng)格、知識水平等在自主學(xué)習(xí)的過程中產(chǎn)生。應(yīng)該說，當(dāng)前混合式教學(xué)中學(xué)生的學(xué)習(xí)路徑受到以上兩個方面的影響，教師的預(yù)設(shè)是學(xué)生學(xué)習(xí)路徑的先導(dǎo)，但實(shí)踐中由于大學(xué)生學(xué)習(xí)自主性較強(qiáng)，自我安排最終生成的個性化學(xué)習(xí)路徑就更為普遍。

二、問題緣起及數(shù)據(jù)挖掘的方法

（一）問題緣起

本研究中的《生物化學(xué)》課程是某“雙一流”大學(xué)食品科學(xué)與工程學(xué)院中的專業(yè)基礎(chǔ)課程，是一系列后續(xù)專業(yè)課的先修課，對該課程知識的掌握程度直接影響整個專業(yè)的學(xué)習(xí)水平。該課程的內(nèi)容涵蓋面廣，學(xué)習(xí)難度大。這門課程較早開始了混合式教學(xué)的實(shí)踐探索，任課教師多年來建設(shè)和積累起極為豐富的教學(xué)資源。教師發(fā)現(xiàn)學(xué)生對這些資源的使用存在較大差異，不僅是對資源的瀏覽關(guān)注時間，而且在不同資源間的訪問順序等方面都有明顯的不同，任課教師判斷正是由于這些不同引發(fā)了最終學(xué)習(xí)成績的懸殊。但這種發(fā)現(xiàn)及假設(shè)主要是根據(jù)經(jīng)驗(yàn)式的直覺判斷或?qū)W(xué)生的訪談，缺乏量化數(shù)據(jù)的支撐，教師期望借助學(xué)習(xí)分析技術(shù)來深入挖掘?qū)W生對學(xué)習(xí)資源的使用特征，探尋在混合式教學(xué)這種教學(xué)模式下學(xué)生所經(jīng)歷的學(xué)習(xí)路徑。

正是源于上述需求，本研究將深入挖掘?qū)W生在對該門課程進(jìn)行自主學(xué)習(xí)的過程中產(chǎn)生的一系列有先后次序的學(xué)習(xí)路徑節(jié)點(diǎn)。本研究中用到的數(shù)據(jù)源自選修《生物化學(xué)》課程28位學(xué)生的學(xué)習(xí)過程，該課程的授課教師采用混合式教學(xué)方法，利用網(wǎng)絡(luò)教學(xué)平臺對傳統(tǒng)教學(xué)方式進(jìn)行改進(jìn)，其中，畢博公司的Blackboard平臺（以下簡稱BB平臺）作為其線上教學(xué)的輔助平臺，為學(xué)習(xí)者的課前自學(xué)、課堂活動、課后活動、章節(jié)測試、小組討論等學(xué)習(xí)環(huán)節(jié)提供學(xué)習(xí)資源及學(xué)習(xí)支持。該課程安排2018年秋季學(xué)期，持續(xù)近5個月（2018年9月至2019年1月）。研究中主要獲取了三類數(shù)據(jù)，分別是28位學(xué)習(xí)者在BB平臺上的Web頁面訪問路徑、學(xué)習(xí)者在該門課程中取得的學(xué)業(yè)成績、學(xué)習(xí)者的學(xué)習(xí)風(fēng)格。其中，Web頁面的原始訪問路徑數(shù)據(jù)由畢博公司的工程師提供，學(xué)習(xí)者的學(xué)業(yè)成績已由授課教師上傳到在線學(xué)習(xí)平臺上，學(xué)習(xí)者的學(xué)習(xí)風(fēng)格數(shù)據(jù)則由Felder-Silverman量表及VARK 量表測量及計(jì)算分析獲得。[13][14]

（二）數(shù)據(jù)挖掘的方法

整體路徑挖掘及聚類路徑挖掘是學(xué)習(xí)路徑挖掘的兩個重要維度，兩類挖掘開展的前提都是數(shù)據(jù)的清洗與集成。本研究中獲取的學(xué)習(xí)者網(wǎng)頁點(diǎn)擊原始路徑數(shù)據(jù)存在眾多冗余記錄，當(dāng)學(xué)習(xí)者請求一個網(wǎng)頁時，與這個網(wǎng)頁有關(guān)的樣式數(shù)據(jù)等也會被記錄下來，但這些數(shù)據(jù)并不在數(shù)據(jù)挖掘的對象之內(nèi)，所以應(yīng)將其刪除，經(jīng)過數(shù)據(jù)清洗后保留了26676條有效記錄。在數(shù)據(jù)清洗之后，還需把數(shù)據(jù)轉(zhuǎn)換成一個適合數(shù)據(jù)挖掘的描述形式。由于本研究采用順序分析及聚類分析算法，因此在轉(zhuǎn)換后的數(shù)據(jù)庫中增加了一個列，標(biāo)記為Key Sequence內(nèi)容類型，該列是一個序列鍵，即在原始數(shù)據(jù)的基礎(chǔ)上增加一列“訪問序列”，并按照非零自然數(shù)由小到大順次排序。數(shù)據(jù)形成之后，本研究采用了Microsoft的順序分析和聚類分析算法對收集到的實(shí)驗(yàn)數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘，使用SQL Server 2012作為數(shù)據(jù)源，對數(shù)據(jù)進(jìn)行預(yù)處理及驗(yàn)證，管理界面為SQL Server Management Studio，使用Microsoft BI解決方案的核心組件SQL Server Analysis Services（SSAS）完成算法選擇及模型構(gòu)建。

三、數(shù)據(jù)分析與討論

由于《生物化學(xué)》課程的混合式教學(xué)開展較為成熟，數(shù)據(jù)積累較為全面和豐富，課程網(wǎng)絡(luò)教學(xué)平臺上提供的數(shù)據(jù)較好地支撐起了整體路徑挖掘和聚類路徑挖掘。整體路徑挖掘是把整個班級學(xué)生作為一個學(xué)習(xí)整體來分析其對學(xué)習(xí)資料的瀏覽和訪問跳轉(zhuǎn)情況，聚類路徑挖掘則是基于對全班學(xué)生的細(xì)分，按學(xué)習(xí)風(fēng)格、學(xué)習(xí)成績分類形成不同的子群體，分別挖掘其學(xué)習(xí)路徑。聚類挖掘更為直觀地證實(shí)了任課教師對因?qū)W習(xí)路徑不同而導(dǎo)致學(xué)習(xí)成績差異的判斷，學(xué)業(yè)成績優(yōu)良的學(xué)習(xí)者比學(xué)業(yè)成績一般的學(xué)習(xí)者訪問了更多的學(xué)習(xí)模塊，且訪問的頻率也更高，能夠充分利用各種學(xué)習(xí)資料對所學(xué)內(nèi)容進(jìn)行鞏固練習(xí)。

（一）整體路徑挖掘

對選修該課程的28位學(xué)習(xí)者進(jìn)行學(xué)習(xí)路徑的挖掘，得到如圖1所示的狀態(tài)轉(zhuǎn)換視圖。通過查看課前自學(xué)、課堂活動、課后活動三個學(xué)習(xí)模塊節(jié)點(diǎn)的跳轉(zhuǎn)情況，發(fā)現(xiàn)整體上的學(xué)習(xí)路徑與授課教師在平臺上的模塊設(shè)置基本保持一致，即課堂活動與其下設(shè)的重點(diǎn)解析、課堂資料、隨堂討論和檢測之間的跳轉(zhuǎn)概率較大，課后活動與其下設(shè)的小組作業(yè)、課后測驗(yàn)、課后討論之間的跳轉(zhuǎn)概率較大，這一定程度上也說明了本次學(xué)習(xí)路徑挖掘的可靠性較好。

從圖1中可以發(fā)現(xiàn)，學(xué)習(xí)者的學(xué)習(xí)路徑不盡相同，但課程小節(jié)、課程章節(jié)、課前自學(xué)、PPT資料、自學(xué)自測、課后測驗(yàn)六個學(xué)習(xí)模塊被訪問的概率較高，即學(xué)生的參與程度較高，說明在教師的要求下，學(xué)習(xí)者能夠借助在線平臺較好地完成課前自學(xué)任務(wù)及課后測驗(yàn)，教師也能夠借助在線平臺的監(jiān)督功能掌控學(xué)生的自學(xué)情況及課后測驗(yàn)狀況。同時，從圖1還可以看到，自學(xué)自測的自我跳轉(zhuǎn)概率為67%，課后測驗(yàn)的自我跳轉(zhuǎn)概率為37%，由此可以看出，在教師允許測驗(yàn)多次提交的情況下，大部分學(xué)生愿意多次嘗試從而獲得自己滿意的分?jǐn)?shù)，課后測驗(yàn)的跳轉(zhuǎn)概率大大低于自測的跳轉(zhuǎn)概率，反映出傳統(tǒng)課堂教學(xué)對學(xué)生的知識掌握起到不可替代的作用。

（二）聚類路徑挖掘

在學(xué)習(xí)過程中，學(xué)生具有很大的個體差異，如在學(xué)習(xí)風(fēng)格、知識水平方面，這些差異正是教師進(jìn)行因材施教的依據(jù)。為了進(jìn)一步探究不同學(xué)習(xí)風(fēng)格、不同知識水平學(xué)習(xí)者的學(xué)習(xí)路徑，本研究按照學(xué)習(xí)者的學(xué)習(xí)風(fēng)格及學(xué)業(yè)成績對數(shù)據(jù)分類整理，利用SSAS順序分析及聚類分析算法挖掘?qū)W習(xí)者的模塊訪問路徑數(shù)據(jù)，依此總結(jié)出不同學(xué)習(xí)風(fēng)格、不同知識水平學(xué)習(xí)者的學(xué)習(xí)路徑特點(diǎn)。

（一）精細(xì)化安排不同學(xué)習(xí)模塊中的學(xué)習(xí)資源以提升資源訪問率

在線學(xué)習(xí)模塊劃分清晰、內(nèi)容組織合理，能夠顯著提升學(xué)習(xí)平臺的易用性，有助于學(xué)習(xí)者快速找到目標(biāo)學(xué)習(xí)資料，提高學(xué)習(xí)興趣。教師應(yīng)將不同類型的學(xué)習(xí)資料按照用途、格式類型等分別放在相應(yīng)的模塊中。在對視覺型和言語型學(xué)習(xí)者的學(xué)習(xí)路徑進(jìn)行特點(diǎn)分析時，表1中的數(shù)據(jù)顯示，視覺型學(xué)習(xí)者訪問課前自學(xué)模塊中視頻資源的占比為2.4%，而章節(jié)性補(bǔ)充材料里的視頻資源訪問占比僅有0.1%，同樣，言語型學(xué)習(xí)者對章節(jié)性補(bǔ)充材料中視頻資源的訪問直接為零。由此可見，視頻資料放在自學(xué)模塊里的訪問率比放在章節(jié)補(bǔ)充資料里的訪問率高，教師應(yīng)將視頻資料分散地放入相應(yīng)的自學(xué)模塊。

（二）豐富學(xué)習(xí)資源類型以滿足不同學(xué)習(xí)偏好

當(dāng)前的學(xué)習(xí)資源早已從簡單的書本、報(bào)告等文本材料拓展到圖片、視頻、動畫等更為直觀的學(xué)習(xí)材料。從對視覺型和言語型學(xué)習(xí)者的學(xué)習(xí)路徑挖掘結(jié)果可以看出，不同學(xué)習(xí)風(fēng)格的學(xué)習(xí)者所偏好的學(xué)習(xí)材料類型差異明顯，研究結(jié)果顯示如果要達(dá)到保證學(xué)習(xí)者有效學(xué)習(xí)的目的，應(yīng)該確保學(xué)習(xí)者學(xué)習(xí)使用的是與其學(xué)習(xí)風(fēng)格特性相匹配的學(xué)習(xí)資料。[16]所以，為了滿足不同學(xué)習(xí)風(fēng)格的學(xué)習(xí)者對學(xué)習(xí)資源類型的需求，教師最好能夠提供包括視頻圖片、流程圖、圖表等在內(nèi)的直觀學(xué)習(xí)材料以及論文、報(bào)告等文本類材料。特別需要強(qiáng)調(diào)的是，在線學(xué)習(xí)平臺中不能僅僅存放講義，教師還應(yīng)把一些生動的應(yīng)用實(shí)例放到教學(xué)平臺中，如有可能還可以把日?？蒲兄械囊恍┻^程性資料呈現(xiàn)給學(xué)生，以此激發(fā)學(xué)生學(xué)習(xí)興趣，也能促進(jìn)科研與教學(xué)的融合。

（三）提升學(xué)習(xí)資源的邏輯性和可視化程度以促進(jìn)深度學(xué)習(xí)

邏輯性強(qiáng)、組織結(jié)構(gòu)清晰的學(xué)習(xí)資料有助于學(xué)生對知識的掌握。在本研究中，綜合型學(xué)習(xí)者對“課程介紹”模塊的訪問所占比高于序列型學(xué)習(xí)者對其的訪問占比，而序列型學(xué)習(xí)者對“預(yù)習(xí)提綱”模塊的訪問占比高于綜合型學(xué)習(xí)者對其的訪問占比，這一結(jié)果證明了綜合型學(xué)習(xí)者傾向于從整體到局部的學(xué)習(xí)習(xí)慣，傾向于先對知識有框架性的整體認(rèn)識，序列型學(xué)習(xí)者則傾向于從局部到整體的學(xué)習(xí)習(xí)慣，習(xí)慣于先學(xué)習(xí)有邏輯的具體知識點(diǎn)，然后才有學(xué)習(xí)內(nèi)容的框架體系。所以教師應(yīng)該對所提供的學(xué)習(xí)資料進(jìn)行科學(xué)組織，讓其具有較強(qiáng)的邏輯性，并可借助知識圖譜、知識框架等形式呈現(xiàn)教學(xué)內(nèi)容，這樣既有助于序列型學(xué)習(xí)者的學(xué)習(xí)，也有利于綜合型學(xué)習(xí)者的知識掌握。此外，教師還可以引導(dǎo)學(xué)生用思維導(dǎo)圖工具對知識進(jìn)行梳理和建構(gòu)，從而促進(jìn)學(xué)生對知識的深入理解和整體把握。

（四）增加小組研討以促進(jìn)同伴學(xué)習(xí)和替代式學(xué)習(xí)

同伴學(xué)習(xí)帶來的積極作用有時并不低于教師的指導(dǎo)。本研究中的學(xué)習(xí)者有41%屬于活躍型，59%屬于沉思型。根據(jù)數(shù)據(jù)挖掘及個案分析的結(jié)果可以得出，小組討論活動對兩類學(xué)習(xí)者均有積極的影響，活躍型的學(xué)習(xí)者喜歡在小組學(xué)習(xí)、喜歡在交流中學(xué)習(xí)，所以在論壇中的活躍度會相對較高，但在本研究的個案分析中發(fā)現(xiàn)，偏向于獨(dú)立思考的沉思型學(xué)習(xí)者會在討論區(qū)向老師主動提出自己在學(xué)習(xí)中遇到的困惑，而這些困惑可以被其他學(xué)習(xí)者共享，可以進(jìn)一步引起同伴之間的交流討論，這個過程有利于知識的生成和建構(gòu)，一定程度上還會促進(jìn)替代式學(xué)習(xí)的發(fā)生。[17]因此，在線教學(xué)中應(yīng)充分利用平臺上支撐小組教學(xué)的各種工具，鼓勵和引導(dǎo)學(xué)生利用這些工具開展互動，作為教師也應(yīng)積極參與互動、解疑釋惑。

參考文獻(xiàn)：

[1]孟冰紋，肖玉敏，唐婷婷，謝蓉.美國可汗學(xué)院數(shù)據(jù)平臺功能與數(shù)據(jù)分析框架研究及啟示[J].圖書館研究與工作，2018（9）：41-47.

[2]何克抗.從Blending Learning 看教育技術(shù)理論的新發(fā)展（上）[J].電化教育研究，2004（3）：1-6.

[3]馮曉英，王瑞雪，吳怡君.國內(nèi)外混合式教學(xué)研究現(xiàn)狀述評——基于混合式教學(xué)的分析框架[J].遠(yuǎn)程教育雜志，2018（5）：13-24.

[4]李浩君，徐佳程，房邵敏，謝蘇超.個性化移動學(xué)習(xí)路徑優(yōu)化策略應(yīng)用研究[J].電化教育研究，2016（1）：39-44.

[5]姜強(qiáng)，趙蔚，王朋嬌，王麗萍.基于大數(shù)據(jù)的個性化自適應(yīng)在線學(xué)習(xí)分析模型及實(shí)現(xiàn)[J].中國電化教育，2015（1）：85-92.

[6]趙蔚，李士平.基于學(xué)習(xí)分析的自我調(diào)節(jié)學(xué)習(xí)路徑挖掘與反饋研究[J].中國電化教育，2018（10）：15-21.

[7]朱建東，劉名卓，蔣麗麗.基于神經(jīng)模糊方法的數(shù)字化學(xué)習(xí)路徑的優(yōu)化選擇[J].情報(bào)雜志，2010（8）：114-118.

[8]周皖婧，辛濤，劉拓.“互聯(lián)網(wǎng)+”背景下的學(xué)生個性化學(xué)習(xí)系統(tǒng)開發(fā)：現(xiàn)狀與啟示[J].清華大學(xué)教育研究，2016（6）：79-84.

[9]顧小清，張進(jìn)良，蔡慧英.學(xué)習(xí)分析：正在浮現(xiàn)中的數(shù)據(jù)技術(shù)[J].遠(yuǎn)程教育雜志，2012（1）：18-25.

[10]Leveraging Learning Analytics to Guide Online Learning Design.[EB/OL].[2020-01-09].https：//events.educause.edu/archives/2012/educause-midwest-regional-conference-2012/proceedings/leveraging-learning-analytics-to-guide-online-learning-design.

[11]陳凱泉，張春雪，吳玥玥，劉璐.教育人工智能（EAI）中的多模態(tài)學(xué)習(xí)分析、適應(yīng)性反饋及人機(jī)協(xié)同[J].遠(yuǎn)程教育雜志，2019（5）：24-34.

[12]趙呈領(lǐng)，陳智慧，黃志芳.適應(yīng)性學(xué)習(xí)路徑推薦算法及應(yīng)用研究[J].中國電化教育，2015（8）：85-91.

[13]R.M.Felder，L.K.Silverman.Learning/Teaching Styles in Engineering Education[J].Engineering Education，1998，78：674-681.

[14]魯娟，劉斌.基于上海市醫(yī)學(xué)生的VARK量表結(jié)果的另一種分析方法及實(shí)證應(yīng)用[J].中華醫(yī)學(xué)教育探索雜志，2018，17（10）：999-1006.

[15]袁振國.當(dāng)代教育學(xué)[M].第4版.北京：教育科學(xué)出版社，2010：105.

[16]楊娟，宋曉玲，喬興媚.自主在線學(xué)習(xí)環(huán)境下學(xué)習(xí)行為與學(xué)習(xí)風(fēng)格偏向性的關(guān)聯(lián)分析研究[J].中國遠(yuǎn)程教育，2017（10）：47-54.

[17]Chi M.T.，Roy M，Hausmann R G，et al.Observing Tutorial Dialogues Collaboratively：Insights about Human Tutoring Effectiveness from Vicarious Learning.[J].Cognitive Science，2008，32（2）：301-341.

（責(zé)任編輯劉第紅）