張佳莉 柯維海 龍美霖

摘? 要 通過文獻分析對智慧課堂學生行為進行解讀，并探討課堂觀察系統(tǒng)、數(shù)據(jù)挖掘模型建構等數(shù)據(jù)挖掘方法，以及討論數(shù)據(jù)分析結果在學業(yè)成就診斷、預測和措施建議等方面的應用，進一步凸顯智慧課堂學生行為數(shù)據(jù)背后的教育教學價值與意義。

關鍵詞 智慧課堂;學生行為;教育大數(shù)據(jù);數(shù)據(jù)挖掘;學習分析

中圖分類號：G635.5? ? 文獻標識碼：B

文章編號：1671-489X（2020）09-0042-03

1 引言

隨著信息技術的不斷發(fā)展，國內(nèi)外對教育大數(shù)據(jù)的研究重點從理念層面轉向應用層面，從側重宏觀分析變?yōu)榫劢褂诮膛c學微觀數(shù)據(jù)的挖掘和分析，采集粒度盡可能小的數(shù)據(jù)為因材施教、個性化成長提供可用于教育發(fā)展的支持[1]。

智慧課堂是融合教育大數(shù)據(jù)、物聯(lián)網(wǎng)等新一代信息技術打造的教與學微觀數(shù)據(jù)挖掘和分析的重要載體之一，討論智慧課堂的數(shù)據(jù)挖掘（Data Mining，DM）和學習分析（Learning Analysis，LA）是教育大數(shù)據(jù)的兩大重要話題，也是回答智慧課堂關鍵問題的必然要求，如討論智慧課堂行為的描述、推斷、解釋、預測、建議等[2-3]。

智慧課堂自動化、多源化、智能化地采集、存儲、分析課堂中的教師行為、學生行為和師生互動行為等。站在教育大數(shù)據(jù)分析的角度看，學生既是數(shù)據(jù)提供者，也是數(shù)據(jù)的使用者。本文重點關注智慧課堂中的學生行為，對學生行為進行數(shù)據(jù)挖掘與學習分析方面的討論是智慧課堂微觀研究的基礎。

2 智慧課堂學生行為及其分類

學生是課堂的主體，促進學生成長是課堂教育教學目標。陶行知先生說：“先生的責任不在教，而在教學生學?！比绻弧敖虝被蛑皇恰敖虒W生”，學生被動地接受知識，調(diào)動不起學生的積極性，也不能啟發(fā)學生獨立思考。通過智慧課堂載體，可有效挖掘原本被隱藏的教育信息，使“課堂學生行為”的含義得到擴充。相較于黑（白）板、投影儀等傳統(tǒng)多媒體環(huán)境的課堂，智慧課堂的數(shù)據(jù)一般采用非入侵的伴隨式數(shù)據(jù)采集，學生行為數(shù)據(jù)隨著智慧課堂的開展不斷生成。一方面，智慧課堂可快速進行學生行為的記錄與統(tǒng)計，如小組互動次數(shù)、小組互動時長、知識點掌握情況;另一方面，智慧課堂可挖掘原本隱藏的信息，如學生走神次數(shù)、走神人數(shù)、答題軌跡、書寫軌跡等。豐富的信息可使學生畫像更精準，通過學生行為的全程記錄、數(shù)據(jù)分析、互動和實時呈現(xiàn)等實現(xiàn)精準教學設計、教授、研習、評估與輔導，有效提高課堂學習的效率[4]。通過平臺采集類技術、視頻錄制類技術、圖像識別技術、物聯(lián)網(wǎng)感知技術等進行數(shù)據(jù)采集，可獲取學生的各種表現(xiàn)行為[5]。

3 學生行為數(shù)據(jù)挖掘

智慧課堂學生行為數(shù)據(jù)挖掘是綜合運用統(tǒng)計學、學習算法以及數(shù)據(jù)挖掘技術對智慧課堂學生行為大數(shù)據(jù)進行處理和分析，發(fā)現(xiàn)學生學習結果與學習行為之間的關系，并預測學生未來的學習結果趨勢。即學生行為數(shù)據(jù)挖掘是解決“為什么”“是什么”等描述性問題，關注行為的規(guī)律。

在學校信息化發(fā)展過程中，學生行為信息無處不在，包括基于物聯(lián)網(wǎng)技術、電子書包應用、云計算和網(wǎng)絡技術等獲取學生行為數(shù)據(jù)，數(shù)據(jù)非常龐雜。為了使數(shù)據(jù)挖掘更具方向性，智慧課堂中學生學習行為的挖掘一般依托某個測評工具或建立數(shù)據(jù)挖掘與分析模型。

許多研究利用ITIAS或其他課堂觀測工具來量化課堂行為，以此挖掘智慧課堂中的學生行為[6-9]。這種數(shù)據(jù)挖掘方法可借用相關信息技術來提高數(shù)據(jù)采集與分析的效率，為教師教學反思提供支持;但這種方法對圖像抓取和數(shù)據(jù)處理等技術要求較高，且較難實現(xiàn)自動化、智能化記錄課堂中的隱藏信息[10]。

部分學者將智慧課堂看作教師與學生之間進行信息交換的過程，在智慧課堂教學中，將教師與學生作為參與主體，通過構建教師—泛在信息—學生之間的“三角用戶模型”，對智慧課堂用戶之間的交互關系進行系統(tǒng)描述，將行為類別分為“教師生成、讀取泛在信息”“學生生成、讀取泛在信息”“教師對學生的互動行為”“學生對教師的互動行為”和“學生間互動行為”五種類型。然而，這種模型僅僅是提供數(shù)據(jù)采集的方向和數(shù)據(jù)分類方法，數(shù)據(jù)的進一步處理還需要借助其他數(shù)據(jù)挖掘方法。

數(shù)據(jù)挖掘模型是綜合利用多種數(shù)據(jù)挖掘方法建立學生畫像，搜索可刻畫學生優(yōu)勢與特點、預測未來發(fā)展的數(shù)據(jù)。其中，最為經(jīng)典的是科大訊飛的做法。科大訊飛針對智慧課堂的數(shù)據(jù)挖掘與分析提出“四建模三分析”研究方法，圍繞學生的內(nèi)外部特征與影響展開，對學生主動學習行為進行行為建模，對學習路徑與知識點進行領域建模，對學習過程中的客觀行為進行組件分析[1]。其中，對行為建模和組件分析進行回歸預測，根據(jù)數(shù)據(jù)類型和分析需求，可采用線性回歸、邏輯回歸、逐步回歸等方法;對領域建模進行文本分析挖掘[1，11-13]。

無論采取哪種數(shù)據(jù)挖掘方式，其基本思路應體現(xiàn)可用性和可得性，即緊貼學生學習影響因素、智慧課堂產(chǎn)品可獲取的學生行為數(shù)據(jù)等進行數(shù)據(jù)采集框架的設計。例如，挖掘可能影響學習成效的學習設計、學習活動過程與學習結果三個層面的學習行為 [14]。再如，挖掘課堂學習參與度識別器可獲得的學生面部表情等[15]。

4 學生行為數(shù)據(jù)分析結果的應用

學習分析因其分析過程的完整性、數(shù)據(jù)來源的多樣性與廣泛性、分析結果的可視化和學習結果的可預測與可干預等特征，引起教育研究者的關注。越來越多的學習分析的理論模型與框架、學習分析工具被提出，主要涉及學習者個人、學習者群體、課程、內(nèi)容和教師等。在進行學習分析前，需確認分析的對象、內(nèi)容、工具和數(shù)據(jù)來源。

學生行為數(shù)據(jù)分析側重發(fā)現(xiàn)學生行為的規(guī)律，回答“如何用”的問題。智慧課堂學生行為分析是一個系統(tǒng)化的過程，通過對學生行為數(shù)據(jù)的記錄和分析，用于不斷探討智慧課堂學生行為的基本理論、學習分析工具的設計與應用、學習行為數(shù)據(jù)的可視化設計與分析、社會網(wǎng)絡分析和基于學習活動過程的學習評價與語境等內(nèi)容。即通過行為建模不斷優(yōu)化學生畫像，系統(tǒng)性、連續(xù)性地分析學生偏好，實現(xiàn)學生個性化學習診斷，預測學生發(fā)展趨勢，探求最優(yōu)學生學習行為策略[16]。

智慧課堂學生行為分析通過分析主、客觀學生行為對學業(yè)成就的影響因素，利用因子分析、相關性分析、回歸分析等方法探求影響學業(yè)成就的主要學生行為，以及不同學生群體的學習行為路徑。并通過關聯(lián)規(guī)則分析，使各項學業(yè)成就或綜合成果與各類學生行為實現(xiàn)關聯(lián)，以此根據(jù)學習行為等數(shù)據(jù)預測學業(yè)成就，并提供學習活動策略的優(yōu)化建議等。從行為到預測再到策略建議，促進了智慧課堂數(shù)據(jù)的生成和流動，使教師能夠有效調(diào)整教育教學策略[14]。

另外，在智慧課堂環(huán)境下，學生與教師、與同伴、與資源、與平臺產(chǎn)生大量的互動行為，通過社會網(wǎng)絡分析法、回歸分析法等分析學生互動行為，可獲得學生的學習投入度，由此掌握學生的認知結構與情感傾向狀態(tài)，實現(xiàn)課堂學生正負情緒分析和及時干預等[1，17]。

學習分析研究還將繼續(xù)發(fā)展，提供更加符合學習者個性特征（而不僅僅是學習行為）的學習服務，將學習活動過程和結果可視化，加強應用自適應系統(tǒng)的學習平臺的過程監(jiān)控，知識網(wǎng)絡與社會網(wǎng)絡的脈絡更加清晰和廣泛，更加體現(xiàn)跨學科的研究合作。[18]。

5 結語

綜上所述，智慧課堂依托不同的技術和產(chǎn)品架構可獲取泛在信息，通過數(shù)據(jù)挖掘和學習分析模型可為智慧課堂學生行為分析提供方向性。根據(jù)分析的需要，分析各類數(shù)據(jù)挖掘方法的利弊，構建出符合學生畫像等分析需求的數(shù)據(jù)挖掘模型。智慧課堂學生學習分析通過分析和研究學生行為，為學生提供個性化診斷、發(fā)展預測和行為建議。智慧課堂學生學習分析中的學生畫像更全面，自適應系統(tǒng)更完備，智慧性的特點更加凸顯。

另外，智慧課堂學生行為關注全過程、全方位的數(shù)據(jù)挖掘與應用需求，除了學生用戶的數(shù)據(jù)，還應考量教師行為、信息技術環(huán)境等因素，通過多源數(shù)據(jù)采集、綜合建模和智能分析，如將教師與外部環(huán)境的因素納入學生學習分析中，將為智慧課堂的學習分析提供更加廣闊的延伸空間和實現(xiàn)更高的精確度，并將學習行為建議或者教學建議綜合地應用于課前預習、探求新知、知識復習與鞏固、知識遷移等多個教學環(huán)節(jié)，以此提高教育教學的質(zhì)量，有效推進教育教學改革。

參考文獻

[1]孫曙輝，劉邦奇，李鑫.面向智慧課堂的數(shù)據(jù)挖掘與學習分析框架及應用[J].中國電化教育，2018，1（2）：59-66.

[2]祝智庭，沈德梅.學習分析學：智慧教育的科學力量[J].電化教育研究，2013（5）：5-12，19.

[3]Bienkowski M A， FENG M， Mengs B. Enhancing tea-ching and learning through educational data? mining?and learning analytics： an issue brief[R].Washington：?US Department of Education，2012.

[4]楊現(xiàn)民，田雪松.中國基礎教育大數(shù)據(jù)2016—2017：走向數(shù)據(jù)驅動的精準教學[M].北京：科學出版社，2018.

[5]邢蓓蓓，楊現(xiàn)民，李勤生.教育大數(shù)據(jù)的來源與采集技術[J].現(xiàn)代教育技術，2016，1（8）：14-21.

[6]韓后，王冬青，曹暢.1：1數(shù)字化環(huán)境下課堂教學互動行為的分析研究[J].電化教育研究，2015，36（5）：89-95.

[7]穆肅，左萍萍.信息化教學環(huán)境下課堂教學行為分析方法的研究[J].電化教育研究，2015，1（9）：62-69.

[8]王艷麗，程云，王鋒，等.技術支持下的課堂教學行為觀察方法探究[J].現(xiàn)代教育技術，2016，26（9）：39-45.

[9]朱雪梅.“多元交互式”教學評價體系的建構與實踐：基于地理教學觀察的行動研究[J].課程·教材·教法，2014（11）：63-68.

[10]劉清堂，何皓怡，吳林靜，等.基于人工智能的課堂教學行為分析方法及其應用[J].中國電化教育，2019（9）：13-21.

[11]張琪，王紅梅，莊魯，等.學習分析視角下的個性化預測研究[J].中國遠程教育，2019（4）：38-45，92-93.

[12]王冬青，韓后，邱美玲，等.基于智慧課堂動態(tài)生成性數(shù)據(jù)的交互可視化分析機制研究[J].電化教育研究，2019，1（5）：90-97.

[13]鄭勤華，陳耀華，孫洪濤，等.基于學習分析的在線學習測評建模與應用：學習者綜合評價參考模型研究[J].電化教育研究，2016，1（9）：33-40.

[14]劉邦奇，李鑫.智慧課堂數(shù)據(jù)挖掘分析與應用實證研究[J].電化教育研究，2018，1（6）：41-47.

[15]Whitehill J， Serpell Z， Lin Y C， et al. The Faces?of Engagement： Automatic Recognition of Student En-gagement from Facial Expressions[J].IEEE Transactionsof Affective Computing，2014，5（1）：86-98.

[16]陳文雄.面向智慧教育的學習大數(shù)據(jù)：運行機理與實踐路徑[J].湖南師范大學教育科學學報，2019（4）：88-93.

[17]晉欣泉，邢蓓蓓，楊現(xiàn)民，等.智慧課堂的數(shù)據(jù)流動機制與生態(tài)系統(tǒng)構建[J].中國遠程教育，2019，1（4）：74-81，91，93.

[18]牟智佳，武法提，西蒙斯.國外學習分析領域的研究現(xiàn)狀與趨勢分析[J].電化教育研究，2016，1（4）：18-25.