吳興燕 曹立勇 王立平

摘 要“學習分析技術”是大數(shù)據(jù)在教育領域的主要應用。本研究通過運用文獻分析法，剖析學習分析過程中最核心的數(shù)據(jù)分析環(huán)節(jié)，歸納出學習數(shù)據(jù)的分類及來源，并著重梳理了各種學習數(shù)據(jù)處理方法的特點與應用。最后，討論了未來學習分析中數(shù)據(jù)處理面臨的問題及挑戰(zhàn)。

關鍵詞學習分析;教育技術;數(shù)據(jù)分析

0 前言

學習分析概念于2010年正式形成，G.Siemens將其定義表述為：“學習分析是利用數(shù)據(jù)挖掘成果，學習者產(chǎn)生的數(shù)據(jù)和分析模型探究信息和社會聯(lián)系，并且對學習作出預測和建議”[1]。學習分析技術可以使學習者科學地認識自己的學習狀態(tài)、有效地避免潛在的學習風險、提高自主學習能力。學習分析的過程運用了多種技術，全方位、深層次地解讀學習過程中產(chǎn)生的數(shù)據(jù)，主要包括三個階段：數(shù)據(jù)的采集、數(shù)據(jù)分析、評價與反饋。

1 數(shù)據(jù)采集階段

數(shù)據(jù)是學習分析的基礎，學習數(shù)據(jù)的來源主要包含三個方面：學習者基本信息、學習者素質(zhì)信息（生理因素、心理因素）、學習者學習行為數(shù)據(jù)。

（1）基本信息：通過管理平臺采集、訪談、問卷調(diào)查等形式，獲得學習分析對象的基本情況、自我認知等信息。

（2）生理素質(zhì)數(shù)據(jù)：通過傳感技術[2]等手段采集學習者的皮膚電導、心率、眨眼、體溫、腦電波、血壓等特定學習過程中的生理指標，分析其真實的生理變化過程，解讀其認知能力與學習規(guī)律。

（3）心理素質(zhì)數(shù)據(jù)：利用基于Web 的日志挖掘等技術抓取萬維網(wǎng)數(shù)據(jù)，獲取學習者發(fā)布的微博、朋友圈、評論等信息，分析其心理健康情況以及道德觀、人生觀、價值觀。

（4）學習行為數(shù)據(jù)：依據(jù)校園一卡通信息，整理出學習者日常生活規(guī)律數(shù)據(jù)，如日常消費信息、圖書館使用頻度、日常作息規(guī)律等;依據(jù)多媒體網(wǎng)絡教室軟件數(shù)據(jù)，分析學習者學習進度、課堂氛圍、學習環(huán)境、學習效果;通過統(tǒng)計在線學習管理系統(tǒng)、網(wǎng)絡教育平臺、MOOC等各種在線學習平臺的行為數(shù)據(jù)，了解學習者學習活動的參與程度、學習堅持程度等行為信息。

2 數(shù)據(jù)分析階段

數(shù)據(jù)分析是學習分析的關鍵階段，采集后的數(shù)據(jù)經(jīng)清理、集成、變換、規(guī)約后得出樣本集，并通過構建學習數(shù)據(jù)分析模型完成預測和評估。學習分析采用的數(shù)據(jù)處理技術主要有：分類與回歸、聚類分析、關聯(lián)規(guī)則挖掘等。

2.1 分類與回歸

在學習分析過程中，分類與回歸常應用于課程選修情況、教師教學效果、學生學習成績等方面的預測，以及對學生類型、課程內(nèi)容等方面的分類識別。分類與回歸是統(tǒng)計學中實現(xiàn)預測的建模技術，通過訓練樣本找到實值函數(shù)，兩者的不同之處僅在于輸出的變量是有限個離散變量（分類）還是連續(xù)變量（回歸）。根據(jù)訓練集判斷所屬類別是分類問題，而根據(jù)訓練集推斷輸出值是回歸問題。常見分類與回歸有決策樹、支持向量機、人工神經(jīng)網(wǎng)絡、線性回歸等。

（1）決策樹（Decision Tree）。決策樹的結(jié)構中一個葉節(jié)點代表著某一類，一個內(nèi)部節(jié)點代表著一個劃分。算法步驟為：首先構造決策樹，比較內(nèi)部節(jié)點屬性值，并判斷其向下分支，直到結(jié)果節(jié)點（葉節(jié)點）;再根據(jù)新樣本點各屬性值，從上到下遍歷決策樹，對應分類規(guī)律得出結(jié)果。決策樹的生成模式簡單，分類精度高。

（2）支持向量機（Support Vector Machine， SVM）。V.Vapnik等學者于1964年從廣義肖像算法中延伸出支持向量機理論，該方法的基本思想為：將樣本點依靠核函數(shù)經(jīng)過非線性映射至高維空間，應用凸優(yōu)化方法尋找最優(yōu)超平面，并運用線性學習機方法實現(xiàn)回歸與分類（高維空間中SVM的線性解即是原來樣本空間中問題的非線性解。）。支持向量機是一種最優(yōu)化方法的機器學習算法，擅長于分類、回歸、模式識別等領域，尤其在小樣本、高維以及非線性場合下表現(xiàn)突出。

（3）人工神經(jīng)網(wǎng)絡（Artificial Neural Network，ANN）。人工神經(jīng)網(wǎng)絡是基于神經(jīng)科學基礎上提出的，通過建立運算模型（該模型由大量的神經(jīng)元及其相應的聯(lián)結(jié)構成），模擬人的大腦信息處理的方式，達到使計算機智能地處理實際問題的目的。1943年，世界首個描述大腦工作原理的數(shù)學模型——神經(jīng)網(wǎng)絡和數(shù)學模型（簡稱MP模型）由心理學家McCulloch和數(shù)理邏輯學家Pitts提出[3]，模型基本原理是加權求和神經(jīng)元所收到的信號，并將結(jié)果與閾值進行比較，以確定該神經(jīng)元的輸出。

（5）線性回歸（Linear Regression）。線性回歸模型研究的是自變量、因變量的定量關系。線性回歸的發(fā)展經(jīng)歷了從只有一個自變量影響因變量的一元線性回歸，到兩個及以上的自變量共同估計、預測一種現(xiàn)象的多元線性回歸，再到具有各種形態(tài)各異的曲線回歸規(guī)律（即因變量為自變量一次以上函數(shù)）的非線性回歸，以及響應變量的期望與線性自變量之間通過各種聯(lián)系函數(shù)關聯(lián)的各種廣義線性回歸模型。線性回歸經(jīng)過了嚴格研究，已在現(xiàn)實中得到了廣泛的應用。

2.2 聚類分析

在學習分析案例中，聚類分析主要集中應用在整合教學資源、劃分學生群體、優(yōu)化課程設置等方面。聚類分析是一種非監(jiān)督學習，是將對象依據(jù)相似度進行劃分，形成有價值的簇集。常見的聚類分析算法如下：

（1）K-Means算法。K-Means算法是最著名的劃分聚類算法，其機制為：以隨機的K個對象為初始中心，將每個對象分配給與之距離最近的子聚類中心，并更新聚類中心，循環(huán)執(zhí)行至終止條件。該算法能夠準確、高效地處理大規(guī)模數(shù)據(jù)，但由于聚類中心是隨機產(chǎn)生，有可能導致局部最優(yōu)化，從而影響聚類結(jié)果的有效性。針對此問題，可以通過優(yōu)化初始劃分，提高聚類效果。如Likas[4]的全局K-means聚類等。

（2）BIRCH算法。BIRCH算法是分層聚類算法的代表，算法通過掃描數(shù)據(jù)庫，動態(tài)建立聚類特征樹（CF Tree），再進一步聚類 CF Tree的葉節(jié)點。該算法可以在線實時運行，通過一遍掃描就能有效聚類，時間空間效率高。但該算法效率受數(shù)據(jù)對象加入順序的影響較大，也不能很好的處理高維數(shù)據(jù)，對象數(shù)量受到簇直徑的限制。為此，學者們提出了各種BIRCH改進算法，如邵峰晶[5]的動態(tài)及多閾值方法等。

（3）DBSCAN算法。DBSCAN原理描述為：對任一未被訪問樣本數(shù)據(jù)點，根據(jù)掃描半徑 （eps）和最小包含點數(shù)（minPts），對其Eps領域搜索成簇。若被訪問點Eps（掃描半徑）領域點數(shù)量大于或等于MinPts（最小包含點數(shù)）時，則被訪問點與其Eps領域附近點形成簇，否則暫時為噪聲，如此遞歸直至遍歷所有樣本數(shù)據(jù)。DBSCAN算法可以識別高密度、噪聲空間數(shù)據(jù)庫中任何形狀簇類，對數(shù)據(jù)對象順序無要求。

2.3 關聯(lián)規(guī)則挖掘

在學習分析研究中，關聯(lián)挖掘?qū)τ趯W習時長、成績、知識點等對象之間的相關性分析表現(xiàn)出很好的優(yōu)越性。關聯(lián)規(guī)則的挖掘主要是探索事物之間的關聯(lián)信息，挖掘出有價值的規(guī)律。該方法源起于購物籃分析，如發(fā)生在美國沃爾瑪超市的“尿布與啤酒”現(xiàn)象：從各門店的消費數(shù)據(jù)中挖掘，得出消費者的購買習慣（尿布與啤酒大都組合購買），從而揭示了一種生活模式（即年輕父親下班回家途中給孩子買尿布，會順便買走自己喜愛的啤酒）。

（1）Apriori算法。1994年，由Agrawal等人提出的Apriori[6]算法是比較著名的挖掘布爾關聯(lián)規(guī)則頻集算法。該算法使用迭代的方法，掃描數(shù)據(jù)庫，尋找所有頻繁項集，并從中生成規(guī)則。算法過程簡單，便于運用，目前已廣泛應用于商業(yè)、網(wǎng)絡安全、高校管理等領域。然而該算法過程需多次掃描數(shù)據(jù)庫，且針對高維度數(shù)據(jù)也不適用。

（2）散列（hash）。散列是一種實用的查找技術，計算記錄搜索碼值上的一個函數(shù)，直接獲得包含該記錄的物理地址。散列技術需要一個分布均勻且隨機的散列函數(shù)，來盡量避免不同關鍵碼其散列函數(shù)值卻相同的沖突情況。1995年，Park提出運用散列技術產(chǎn)生頻繁項集的算法，該算法將待掃描項目集存放至不同的特定hash桶中，進而測試各個桶中項目集，很大程度上減少了候選項目集產(chǎn)生數(shù)量。

（3）FP-Growth算法。2000年，韓嘉煒等人[7]提出了頻繁模式增長算法（FP-Growth），采用分治策略，壓縮頻繁項集數(shù)據(jù)庫成一顆頻繁模式樹且保留項集關聯(lián)信息。算法過程主要為：構造FP-Tree，進而在FP-Tree上遞歸的挖掘頻繁模式。該算法逐步增長短頻繁模式到長頻繁模式，只需兩遍掃描數(shù)據(jù)庫，具有很高的效率。相比較Apriori算法，它在尋找頻繁項集過程中，無須產(chǎn)生候選項集，改進了Apriori算法所需的巨大計算開銷。

2.4 其他數(shù)據(jù)分析方法

近年來，研究者們依據(jù)不同的情景、不同的目標，選用不同的學習數(shù)據(jù)處理技術，例如：擅長分析、預警學生情感的文本挖掘技術;用于理解學習行為、分析學習者知識體系的社會網(wǎng)絡分析法;識別高危學生的隨機森林算法;檢測學習者知識體系、情感狀態(tài)、行為特征的學習者建模;評估在線課程設計、優(yōu)化教學資源的可視化技術;用于發(fā)現(xiàn)學生活動規(guī)律的時間序列分析;發(fā)現(xiàn)影響力節(jié)點（如校園社交網(wǎng)絡影響力人物）的圖構建與挖掘;分析學生團體特點、學生社交的鏈接分析;發(fā)現(xiàn)教學、學習過程中異常情況的異常檢測;分析學習者知識建構過程、理解學習行為的話語分析;等等。

3 評價與反饋

評價與反饋的目標是驗證學習分析模型的效果，如利用ARI（Adjusted Rand Index）、DVI（Dunn Validity Index）等指標分析聚類算法優(yōu)劣，運用AUC（area under curve）等指標判斷分類器或預測模型優(yōu)劣等;并對模型進行解釋，讓學習利益相關者依據(jù)數(shù)據(jù)挖掘結(jié)果，避開學習風險，做出正確的教、學對策。

4 總結(jié)與展望

自2010年以來，學習分析技術得到不斷的研發(fā)與應用。如今，學習分析的過程離不開統(tǒng)計學、計算機科學、數(shù)學、生物科學等學科為其提供技術支撐，也離不開倫理學、教育學、心理學、法學等學科為其提供道德規(guī)范與行為規(guī)則。多學科的交叉與融合是學習分析技術未來發(fā)展與研究的方向。多因素數(shù)據(jù)的參與，也將讓學習數(shù)據(jù)分析迎來更多的挑戰(zhàn)，如倫理學、心理學等概念如何數(shù)字化引入？如何處理學習數(shù)據(jù)的多維度、多情景、多語義特征？然而，學習分析技術也將在這些困難中不斷成熟。

參考文獻

[1]G.Siemens， What is learning analytics[EB/OL]. http：//www.elearnspace.org/blog/2010/08/25/what-are-learning-analytics/，2011-11-20.

[2]李卿，任 緣，黃田田等.基于傳感數(shù)據(jù)的學習分析應用研究[J]. 電化教育研究，2019，5：64-71.

[3]李文鈺.用于神經(jīng)網(wǎng)絡的帶L1/2正則項的共軛梯度學習方法[D].大連：大連理工大學，2018.

[4]Likas A， Vlassis N， Verbeek J J. The global k-means clustering algorithm[J]. Pattern Recognition，2003，36（2）451-461.

[5]邵峰晶，張斌，于忠清.多閾值BIRCH聚類算法及其應用[J].計算機工程與應用，2004，41（12）：174-176.

[6]Agrawal R， Srikant R. Fast algorithms for mining association rules[C].proc of International Conference on Very Large Databases.1994：487-499.

[7]HAN J， PEI J， YIN Y. Mining frequent patterns without candidate generation[C]//Proceedings of the 2000 ACM SIGMOD International Conference on Management of Data.New York：ACM，2000：1-12.