徐曉青 趙蔚 姜強

[摘 ? 要] 支持、促進自我調(diào)節(jié)學(xué)習(xí)發(fā)展是學(xué)習(xí)分析重要的應(yīng)用領(lǐng)域之一，但當(dāng)前學(xué)習(xí)分析重點著眼于“發(fā)送者”的服務(wù)質(zhì)量，多以教師或研究者的視角為學(xué)習(xí)者的自我調(diào)節(jié)學(xué)習(xí)提供支持。相比之下，立足于學(xué)習(xí)者視角關(guān)注學(xué)習(xí)分析是否真正支持了自我調(diào)節(jié)學(xué)習(xí)的發(fā)生更具價值。為回答這一問題，研究依據(jù)建構(gòu)主義理論的反饋模型，提出以學(xué)習(xí)者為核心的學(xué)習(xí)分析支持自我調(diào)節(jié)學(xué)習(xí)的效能分析初始框架；其次，采用德爾菲法確立分析效能的層次和維度（三個層次、七個維度）；最后，研究討論了效能分析框架的分析工具，并以應(yīng)用案例展示了其在實際教學(xué)中的實踐價值和指導(dǎo)意義。結(jié)果表明，效能分析框架拓展了自我調(diào)節(jié)學(xué)習(xí)的評價范疇，更有利于幫助研究者發(fā)現(xiàn)學(xué)習(xí)者的內(nèi)在學(xué)習(xí)機理，打破實證中的“黑箱”現(xiàn)象，為理性看待學(xué)習(xí)分析、促進學(xué)習(xí)分析支持自我調(diào)節(jié)學(xué)習(xí)提供依據(jù)。

[關(guān)鍵詞] 自我調(diào)節(jié)學(xué)習(xí)； 學(xué)習(xí)分析； 效能分析； 德爾菲法； 過程挖掘； 內(nèi)容分析法

[中圖分類號] G434 ? ? ? ? ? ?[文獻標(biāo)志碼] A

[作者簡介] 徐曉青（1995—），女，山東濰坊人。博士研究生，主要從事學(xué)習(xí)分析、自我調(diào)節(jié)學(xué)習(xí)等研究。E-mail：xuxq271@nenu.edu.cn。趙蔚為通訊作者，E-mail：zhaow577@nenu.edu.cn。

一、引 ? 言

學(xué)習(xí)分析是研究者支持、優(yōu)化自我調(diào)節(jié)學(xué)習(xí)（Self-Regulated Learning， SRL）的重要手段。目前，學(xué)習(xí)分析受機器學(xué)習(xí)、人工智能等技術(shù)影響，技術(shù)體系不斷完善[1]，對自我調(diào)節(jié)學(xué)習(xí)的支持更深入全面。研究者期望用更細(xì)粒度的數(shù)據(jù)、更智能的方法支持自我調(diào)節(jié)學(xué)習(xí)。但數(shù)據(jù)驅(qū)動的設(shè)計理念使得學(xué)習(xí)分析只是為了分析，而非為了學(xué)習(xí)[2]。雖然，從“發(fā)送者”的視角看，學(xué)習(xí)分析提高了學(xué)習(xí)效果，但卻無法解釋效果提升是否由學(xué)習(xí)分析引起以及如何引起等問題。因為在“發(fā)送者”看來，學(xué)習(xí)分析是工具、方法，是理解、促進自我調(diào)節(jié)學(xué)習(xí)的途徑；但對學(xué)習(xí)者來說，學(xué)習(xí)分析是信息、反饋，是引起認(rèn)知、情感、行為等要素變化的支架和觸發(fā)器。只有立足于學(xué)習(xí)者分析自我調(diào)節(jié)學(xué)習(xí)變化規(guī)律，才能回答學(xué)習(xí)分析是否真正支持了自我調(diào)節(jié)學(xué)習(xí)等問題。因此，我們需要從學(xué)習(xí)者視角出發(fā)，構(gòu)建學(xué)習(xí)分析支持自我調(diào)節(jié)學(xué)習(xí)的效能分析框架，明確效能分析的維度，指導(dǎo)研究者更清晰地梳理學(xué)習(xí)分析影響自我調(diào)節(jié)學(xué)習(xí)的機理，從而準(zhǔn)確看待學(xué)習(xí)分析給自我調(diào)節(jié)學(xué)習(xí)帶來的影響。綜上所述，本研究將回答以下問題：（1）如何構(gòu)建學(xué)習(xí)分析支持自我調(diào)節(jié)學(xué)習(xí)的效能分析框架，有何特征？（2）學(xué)習(xí)分析支持自我調(diào)節(jié)學(xué)習(xí)的效能分析框架如何應(yīng)用，有何啟示？

二、學(xué)習(xí)分析支持自我調(diào)節(jié)學(xué)習(xí)的

效果評估現(xiàn)狀

目前，學(xué)習(xí)分析已被廣泛應(yīng)用于自我調(diào)節(jié)學(xué)習(xí)領(lǐng)域，一方面，支持研究者理解自我調(diào)節(jié)學(xué)習(xí)；另一方面，支持學(xué)習(xí)者高效地完成自我調(diào)節(jié)學(xué)習(xí)[3]。評估學(xué)習(xí)分析支持自我調(diào)節(jié)學(xué)習(xí)的效能聚焦于后者，然而當(dāng)前研究在評估實證效果時多停留在學(xué)習(xí)效果提升是否顯著的層面，較少探索因果關(guān)系，研究存在“黑箱”現(xiàn)象，這與目前的評估模式和分析視角分不開。

第一，以問卷、訪談、出聲思維等傳統(tǒng)方式為主的評估模式。問卷調(diào)查是自我調(diào)節(jié)學(xué)習(xí)研究中最常見的評估方法，能夠較快速地分析學(xué)習(xí)者的自我調(diào)節(jié)學(xué)習(xí)狀態(tài)[4]。相比于問卷調(diào)查，訪談法能夠讓學(xué)習(xí)者更準(zhǔn)確地表述學(xué)習(xí)策略[5]。出聲思維則能夠記錄學(xué)習(xí)者的真實想法，使學(xué)習(xí)活動和自我調(diào)節(jié)學(xué)習(xí)策略可見[6]。例如，Silva等人使用問卷調(diào)查證明學(xué)習(xí)分析促進了自我調(diào)節(jié)學(xué)習(xí)[7]；Granberg等人采用問卷和訪談法分析學(xué)習(xí)者的自我調(diào)節(jié)學(xué)習(xí)策略[8]。這類評估方式雖然能夠判斷自我調(diào)節(jié)學(xué)習(xí)狀態(tài)，但評價過程主觀性較強，且未探索因果關(guān)系，研究結(jié)論存在“黑箱”現(xiàn)象。

第二，傳統(tǒng)方式與日志挖掘相結(jié)合的評估模式。隨著人工智能、數(shù)據(jù)挖掘技術(shù)的發(fā)展，研究者開始將聚類分析、過程挖掘等技術(shù)應(yīng)用于評價自我調(diào)節(jié)學(xué)習(xí)中[9]。相比于傳統(tǒng)方式，基于日志數(shù)據(jù)的分析方法能夠更為客觀地分析學(xué)習(xí)者狀態(tài)。例如，Chen等人采用聚類和滯后序列分析法評估不同在線學(xué)習(xí)者的自我調(diào)節(jié)學(xué)習(xí)特征序列[10]；Kim等人運用聚類歸納學(xué)習(xí)者類型，并通過分析日志數(shù)據(jù)中學(xué)習(xí)者的在線時間、學(xué)習(xí)規(guī)律以解釋SRL屬性[11]。這類研究將主觀評估和客觀分析相結(jié)合，提高了分析結(jié)果的準(zhǔn)確性和可信度。然而，這類評估方法雖然更準(zhǔn)確地展示了自我調(diào)節(jié)學(xué)習(xí)特征和行為，但在評估時仍以研究者的視角為主，并未從學(xué)習(xí)者視角判斷自我調(diào)節(jié)學(xué)習(xí)的變化是否是由學(xué)習(xí)分析引起的，“黑箱”現(xiàn)象仍未被解決。

綜上所述，當(dāng)前評估學(xué)習(xí)分析支持自我調(diào)節(jié)學(xué)習(xí)效能的方式并未從學(xué)習(xí)者的視角出發(fā)。評估視角的差異使得實證研究中難以解釋因果關(guān)系，難以消除“黑箱”現(xiàn)象。因此，以學(xué)習(xí)者為核心，構(gòu)建學(xué)習(xí)分析支持自我調(diào)節(jié)學(xué)習(xí)的效能分析框架十分必要。

三、效能分析框架的初步構(gòu)建

（一）構(gòu)建效能分析框架的理論依據(jù)

構(gòu)建效能分析框架，首先要厘清學(xué)習(xí)分析和自我調(diào)節(jié)學(xué)習(xí)的關(guān)系。在前文中，我們已經(jīng)指出“學(xué)習(xí)分析支持自我調(diào)節(jié)學(xué)習(xí)”是指面向?qū)W習(xí)者的支持，將“學(xué)習(xí)分析”考慮在內(nèi)，評估學(xué)習(xí)分析提供的支持對學(xué)習(xí)者自我調(diào)節(jié)學(xué)習(xí)的影響。在此前提下，我們要明確學(xué)習(xí)分析支持能夠給學(xué)習(xí)者的自我調(diào)節(jié)學(xué)習(xí)帶來什么。在教學(xué)中，學(xué)習(xí)分析支持在學(xué)習(xí)者看來是一種學(xué)習(xí)反饋[12]。分析學(xué)習(xí)者面對學(xué)習(xí)反饋的內(nèi)在變化能夠幫助我們理解學(xué)習(xí)者接收學(xué)習(xí)分析支持后的變化規(guī)律，是構(gòu)建效能分析框架的基礎(chǔ)。

何克抗認(rèn)為，基于建構(gòu)主義理論的反饋模型更能體現(xiàn)反饋促進學(xué)習(xí)者積極參與、自我建構(gòu)的過程[13]。建構(gòu)主義學(xué)習(xí)理論認(rèn)為，反饋是促進自我調(diào)節(jié)的信息，能夠指導(dǎo)我們從學(xué)習(xí)者的學(xué)習(xí)內(nèi)化過程看待反饋扮演的角色——幫助學(xué)習(xí)者實現(xiàn)自我監(jiān)控[14]。不少學(xué)者基于建構(gòu)主義提出了不同的反饋模型，見表1。

由此可知，各模型具有明顯共性，均強調(diào)學(xué)習(xí)者在接受反饋后的內(nèi)在反應(yīng)。換言之，反饋起作用需要引起學(xué)習(xí)者關(guān)注，使其依據(jù)反饋作出自我評價，并主動地調(diào)整學(xué)習(xí)策略、學(xué)習(xí)目標(biāo)等，以實現(xiàn)循環(huán)調(diào)節(jié)學(xué)習(xí)。本研究依據(jù)上述理論模型，總結(jié)出學(xué)習(xí)者面對反饋的幾種處理方式。（1）忽視反饋：反饋未引起學(xué)習(xí)者感知；（2）拒絕反饋：學(xué)習(xí)者感知到反饋但拒絕理解、使用；（3）接受反饋：反饋信息引起學(xué)習(xí)者動機或情緒變化，其認(rèn)知水平能夠理解反饋；（4）依據(jù)反饋監(jiān)控：學(xué)習(xí)者主動關(guān)注反饋，并據(jù)此自我監(jiān)控學(xué)習(xí)過程；（5）依據(jù)反饋調(diào)整：學(xué)習(xí)者感知到反饋與自身認(rèn)知狀態(tài)的差異，并及時做出調(diào)整，縮小差距。在這一過程中，學(xué)習(xí)者會調(diào)動自身動機、情感、認(rèn)知、元認(rèn)知等要素幫助自身調(diào)整任務(wù)目標(biāo)、學(xué)習(xí)策略，并最終達成預(yù)期目標(biāo)。

上述過程解釋了學(xué)習(xí)者面對反饋的內(nèi)在變化過程，同時也幫助我們理解了學(xué)習(xí)分析如何支持學(xué)習(xí)者自我調(diào)節(jié)學(xué)習(xí)。學(xué)習(xí)分析將學(xué)習(xí)狀態(tài)、過程或結(jié)果反饋給學(xué)習(xí)者，以期引起學(xué)習(xí)者情緒變化、激發(fā)學(xué)習(xí)動機，使學(xué)習(xí)者監(jiān)控、調(diào)整學(xué)習(xí)目標(biāo)和策略，逐步形成穩(wěn)定的自我調(diào)節(jié)學(xué)習(xí)意識和能力。

綜上所述，本研究基于建構(gòu)主義理論的反饋模型厘清了學(xué)習(xí)分析支持自我調(diào)節(jié)學(xué)習(xí)過程中學(xué)習(xí)者的內(nèi)在變化規(guī)律：首先，學(xué)習(xí)者關(guān)注到學(xué)習(xí)分析；其次，在學(xué)習(xí)分析支持下習(xí)得自我調(diào)節(jié)學(xué)習(xí)意識或策略并加以保持；最后，逐漸形成可遷移的自我調(diào)節(jié)學(xué)習(xí)能力。據(jù)此，我們能夠初步構(gòu)建學(xué)習(xí)分析支持自我調(diào)節(jié)學(xué)習(xí)的效能分析框架。

（二）效能分析的初始框架

依據(jù)上文，學(xué)習(xí)者在接收學(xué)習(xí)分析支持后狀態(tài)變化如下：首先，經(jīng)歷關(guān)注、激活階段。學(xué)習(xí)分析蘊含的信息引起學(xué)習(xí)者注意，并且促使他們將學(xué)習(xí)分析與自身學(xué)習(xí)關(guān)聯(lián)起來，起到喚醒情感、激發(fā)動機的目的。其次，學(xué)習(xí)者會經(jīng)歷自我調(diào)節(jié)學(xué)習(xí)的主體階段。學(xué)習(xí)分析支持能夠幫助學(xué)習(xí)者保持高效的學(xué)習(xí)狀態(tài)，促進他們調(diào)用策略、監(jiān)控調(diào)整、評價反思，逐漸習(xí)得自我調(diào)節(jié)學(xué)習(xí)能力。最后，學(xué)習(xí)者在學(xué)習(xí)分析支持下取得更好的學(xué)習(xí)效果，并保持和遷移習(xí)得的自我調(diào)節(jié)學(xué)習(xí)技能。

由此，本研究提出效能分析初始框架如下：（1）感知效能（S），旨在評估學(xué)習(xí)分析是否引起學(xué)習(xí)者注意、激發(fā)他們的學(xué)習(xí)動機。這是學(xué)習(xí)者接受學(xué)習(xí)分析支持后的第一個階段，分為關(guān)注（S1）和激活（S2）兩個維度。關(guān)注的內(nèi)涵包括忽略（S11）和注意（S12），激活的內(nèi)涵包括情感喚醒（S21）、動機激勵（S22）和專注（S23）。（2）執(zhí)行效能（R），旨在評估學(xué)習(xí)者感知學(xué)習(xí)分析后，其自我調(diào)節(jié)學(xué)習(xí)策略和技能的執(zhí)行情況。因此，這一部分與自我調(diào)節(jié)學(xué)習(xí)過程高度統(tǒng)一，共分為三個維度：策略調(diào)用（R1）、監(jiān)控調(diào)整（R2）和評價反思（R3）。策略調(diào)用的內(nèi)涵包括策略意識（R11）和策略執(zhí)行（R12），監(jiān)控調(diào)整的內(nèi)涵包括自我監(jiān)控（R21）和自我調(diào)整（R22），評價反思的內(nèi)涵包括自我評價（R31）和自我反思（R32）。（3）成效與持久效能（E），旨在判斷學(xué)習(xí)分析對學(xué)習(xí)者影響的效果及持久性，即學(xué)習(xí)分析是否讓學(xué)習(xí)者形成了穩(wěn)定的、可遷移的自我調(diào)節(jié)學(xué)習(xí)能力，提高了學(xué)習(xí)者的學(xué)習(xí)效果。因此，我們將該部分分為學(xué)習(xí)成效（E1）和持久度（E2）兩個維度。學(xué)習(xí)成效的內(nèi)涵包括學(xué)習(xí)滿意度（E11）和目標(biāo)達成度（E12），持久度的內(nèi)涵包括保持（E21）和遷移（E22）。

四、效能分析框架修正與檢驗

（一）基于德爾菲法的效能分析框架檢驗

1. 專家選擇與權(quán)威程度判斷

本研究選擇了學(xué)習(xí)分析與自我調(diào)節(jié)學(xué)習(xí)領(lǐng)域的10名專家，涵蓋教授7人，副教授1人，講師2人。我們調(diào)查了10名專家的權(quán)威程度，得到平均權(quán)威系數(shù)為0.85>0.7，說明經(jīng)德爾菲法獲得的結(jié)果可靠。

2. 第一輪專家咨詢結(jié)果分析

本研究第一輪發(fā)放專家咨詢表10份，回收10份（均有效），專家積極系數(shù)100%。處理征詢結(jié)果，篩選初始框架的維度主要依據(jù)兩方面：專家協(xié)調(diào)系數(shù)和各題項結(jié)果統(tǒng)計。專家協(xié)調(diào)系數(shù)指全部專家對征詢題項評價的協(xié)調(diào)程度，其結(jié)果在0～1之間，越接近1表示專家間的協(xié)調(diào)程度越好[19]。而各題項的統(tǒng)計主要依據(jù)三個指標(biāo)：算數(shù)平均數(shù)、滿分頻率和變異系數(shù)[20]。

本研究依據(jù)上述指標(biāo)統(tǒng)計分析第一輪專家咨詢結(jié)果。首先，計算得到10位專家的協(xié)調(diào)系數(shù)為0.224（sig=0.005），表明10位專家的整體協(xié)調(diào)性較好。研究計算了各題項的三個指標(biāo)，結(jié)果表明，感知效能中的“忽略（S11）”題項算數(shù)均數(shù)、滿分頻率和變異系數(shù)均不符合要求，故刪去。此外，專家建議在感知效能關(guān)注維度中添加“反復(fù)查看”。另外，有專家建議明確成效與持久效能中持久與遷移的關(guān)系，添加學(xué)習(xí)遷移維度。基于第一輪專家征詢的建議，本研究將初始框架中的“忽略（S11）”刪去，“注意”由“S12”改為“S11”，并且添加“反復(fù)查看”指標(biāo)編號為“S12”。此外，依據(jù)專家建議和反饋模型，學(xué)習(xí)者的學(xué)習(xí)遷移是理想的教學(xué)結(jié)果，可分為情境遷移和能力遷移[21]。在本研究中，情境遷移代表學(xué)習(xí)者在學(xué)習(xí)分析支持下能夠在不同情境任務(wù)中保持自我調(diào)節(jié)學(xué)習(xí)，能力遷移代表學(xué)習(xí)者已經(jīng)形成了較為穩(wěn)定的自我調(diào)節(jié)學(xué)習(xí)能力，在脫離學(xué)習(xí)分析支持后仍能保持自我調(diào)節(jié)學(xué)習(xí)。因此，本研究將初始框架中的“成效與持久（E）”改為“成效（E）”，將“持久度（E2）”改為“學(xué)習(xí)遷移（E2）”，對應(yīng)的二級指標(biāo)改為“情境遷移（E21）”和“能力遷移（E22）”。

3. 第二輪專家咨詢結(jié)果分析

經(jīng)第一輪專家修正，本研究向10位專家發(fā)放第二輪專家征詢表，回收9份（均有效），專家積極率90%。本輪Kendall's W協(xié)調(diào)系數(shù)為0.274 （sig=0.002），相比第一輪有較大提升，且各題項指標(biāo)均符合要求，不需要進行第三輪專家咨詢（見表2）。由此，本研究得到了學(xué)習(xí)分析支持自我調(diào)節(jié)學(xué)習(xí)的效能分析框架。

（二）效能分析框架結(jié)構(gòu)檢驗

本研究依據(jù)效能分析框架編制了調(diào)查問卷，旨在從學(xué)習(xí)者角度驗證框架結(jié)構(gòu)的合理性。為更準(zhǔn)確地表述觀測指標(biāo)，研究為15個觀測指標(biāo)各設(shè)置兩個題項編制問卷，共30道題。調(diào)查對象選取的是有使用學(xué)習(xí)分析平臺支持自我調(diào)節(jié)學(xué)習(xí)經(jīng)歷的本科生，共350人。調(diào)查發(fā)放問卷350份，有效問卷316份。首先，研究選擇有效樣本中的153個樣本進行探索性因子分析，KMO值為0.911>0.8（p<0.01），說明問卷數(shù)據(jù)適合進行因子分析。本研究選用主成分分析法抽取因子，采用最大方差法獲得旋轉(zhuǎn)矩陣，刪除因子載荷<0.4或不同因子載荷之差<0.3的兩個題項后旋轉(zhuǎn)得到七個因子，與經(jīng)德爾菲法修正后的效能分析框架結(jié)構(gòu)一致。其次，研究對剩余的163個樣本進行驗證性因子分析，結(jié)果表明，28個題項的因子載荷均大于0.6且小于0.95，予以保留。最后，本研究對效能分析框架的模型擬合度進行檢驗，各模型指標(biāo)系數(shù)表明該效能分析框架的擬合度良好。由此，本研究得到了學(xué)習(xí)分析支持自我調(diào)節(jié)學(xué)習(xí)的效能分析框架（如圖1所示）。

綜上所述，學(xué)習(xí)分析支持自我調(diào)節(jié)學(xué)習(xí)的效能分為感知效能、執(zhí)行效能和成效效能。感知效能包括關(guān)注和激活兩個維度，旨在判斷學(xué)習(xí)分析在引起學(xué)習(xí)者注意、激發(fā)自我調(diào)節(jié)學(xué)習(xí)動力和專注力方面的效能；執(zhí)行效能包括策略調(diào)用、監(jiān)控調(diào)整和評價反思三個維度，旨在判斷學(xué)習(xí)分析在幫助學(xué)習(xí)者選擇策略、自我監(jiān)控調(diào)整、自我評價反思，完整經(jīng)歷自我調(diào)節(jié)學(xué)習(xí)過程方面的效能；成效效能包括學(xué)習(xí)效果和學(xué)習(xí)遷移兩個維度，旨在判斷學(xué)習(xí)分析在幫助學(xué)習(xí)者取得更高學(xué)習(xí)成就、獲得可遷移的自我調(diào)節(jié)學(xué)習(xí)能力方面的效能。

五、效能分析框架的應(yīng)用

（一）效能分析工具及方法

為進一步提高效能分析框架在實證中的實用性，本研究依據(jù)不同效能的維度特征總結(jié)對應(yīng)的工具和分析方法，見表3。感知效能旨在判斷學(xué)習(xí)者接受學(xué)習(xí)分析后的內(nèi)在感知，因此，測量時多以問卷、訪談為主，對應(yīng)的分析方式包括傳統(tǒng)統(tǒng)計分析、語音識別及內(nèi)容分析等。執(zhí)行效能旨在判斷學(xué)習(xí)者接受學(xué)習(xí)分析后自我調(diào)節(jié)學(xué)習(xí)的行為狀態(tài)。因此，相比于感知效能，該效能更強調(diào)平臺日志數(shù)據(jù)的收集。對應(yīng)的分析方法更依賴數(shù)據(jù)挖掘技術(shù)，如過程挖掘、行為聚類等。成效效能旨在從學(xué)習(xí)效果和學(xué)習(xí)遷移兩方面判斷學(xué)習(xí)分析支持自我調(diào)節(jié)學(xué)習(xí)的效能。因此，測量時多以問卷、測試、訪談或平臺日志為數(shù)據(jù)源，采用統(tǒng)計分析、數(shù)據(jù)挖掘、語音識別等方法。需要說明的是，本研究僅列舉了目前最常用且適用范圍最廣的數(shù)據(jù)源。在實驗室環(huán)境下，眼動、腦波、心電等生物信號同樣可作為效能分析的數(shù)據(jù)源。例如，“關(guān)注”維度可以通過分析眼動數(shù)據(jù)獲得結(jié)果，“激活”維度可通過分析腦電波數(shù)據(jù)獲得結(jié)果。

（二）應(yīng)用案例：以學(xué)習(xí)分析激發(fā)學(xué)習(xí)動機支持自我調(diào)節(jié)學(xué)習(xí)為例

為了驗證效能分析框架在實證中的應(yīng)用價值，本研究設(shè)計以學(xué)習(xí)分析激發(fā)學(xué)習(xí)動機支持自我調(diào)節(jié)學(xué)習(xí)的應(yīng)用案例，并開展對照實驗。在實驗過程中，研究按照效能分析框架收集相關(guān)數(shù)據(jù)并加以分析，以此展示效能分析框架對理解學(xué)習(xí)分析如何支持自我調(diào)節(jié)學(xué)習(xí)、解釋因果關(guān)系和內(nèi)在機理的應(yīng)用效果。

1. 效能分析數(shù)據(jù)采集

研究以效能分析框架為指導(dǎo)，收集實驗組在線學(xué)習(xí)過程中的自我報告、問卷、訪談和平臺日志等數(shù)據(jù)，篩選不同效能層次的數(shù)據(jù)來源，選擇相應(yīng)方法判斷和解讀效能，以此簡要介紹效能分析框架的應(yīng)用模式，具體應(yīng)用流程如圖2所示。

對于感知效能，研究采用訪談、自我報告整理學(xué)習(xí)者對學(xué)習(xí)分析支持的體驗和感受，并通過分析日志中對應(yīng)的學(xué)習(xí)行為佐證分析結(jié)果。對于執(zhí)行效能，研究利用訪談和自我報告分析學(xué)習(xí)者的內(nèi)在認(rèn)知變化，利用問卷數(shù)據(jù)分析自我調(diào)節(jié)學(xué)習(xí)能力變化，利用日志數(shù)據(jù)分析學(xué)習(xí)者策略以及自我調(diào)節(jié)學(xué)習(xí)行為模式變化。對于成效效能，研究利用問卷評估滿意度、作業(yè)測試評估學(xué)習(xí)成果、訪談和平臺日志評估學(xué)習(xí)遷移。

2. 學(xué)習(xí)分析支持自我調(diào)節(jié)學(xué)習(xí)的效能分析結(jié)果

本研究在效能分析框架的指導(dǎo)下得到學(xué)習(xí)分析支持自我調(diào)節(jié)學(xué)習(xí)的效能結(jié)果（見表4）。

（1）感知效能分析結(jié)果。激發(fā)動機的學(xué)習(xí)分析對感知效能有正向影響，主要表現(xiàn)在關(guān)注與激活維度問卷得分屬于較高水平。關(guān)注維度中，學(xué)習(xí)者的注意感知度達到100%，反復(fù)查看率超過80%。激活維度中，學(xué)習(xí)者的動機（75%）和情感（84.38%）被激活，而專注水平受學(xué)習(xí)分析的影響較?。?8.13%），認(rèn)知網(wǎng)絡(luò)分析結(jié)果顯示學(xué)習(xí)者的動機、情感和行為間的聯(lián)系緊密。

（2）執(zhí)行效能分析結(jié)果。激發(fā)動機的學(xué)習(xí)分析影響了學(xué)習(xí)者的執(zhí)行效能，主要體現(xiàn)在問卷各維度得分屬于高水平。與感知效能不同，執(zhí)行效能中的策略調(diào)用與監(jiān)控調(diào)整維度能夠在過程挖掘支持下發(fā)現(xiàn)實驗組與對照組在行為模式上的差異。在策略調(diào)用維度中，實驗組學(xué)習(xí)者動機被激發(fā)后，認(rèn)知同時被影響，更加關(guān)注學(xué)習(xí)目標(biāo)、時間管理等方面；在監(jiān)控調(diào)整維度，實驗組的進度標(biāo)記、回看任務(wù)和計劃行為顯著提升，且上述行為與查看學(xué)習(xí)分析行為顯著相關(guān)；在評價反思維度，學(xué)習(xí)者受學(xué)習(xí)分析影響自我認(rèn)知更加準(zhǔn)確，認(rèn)知、動機和行為間存在顯著關(guān)聯(lián)。

（3）成效效能分析結(jié)果。激發(fā)動機的學(xué)習(xí)分析顯著提升了學(xué)習(xí)成效，主要表現(xiàn)在問卷各維度得分水平較高，學(xué)習(xí)成績顯著高于對照組。學(xué)習(xí)遷移方面，分析結(jié)果表明，激發(fā)動機的學(xué)習(xí)分析支持學(xué)習(xí)者保持較高水平和較穩(wěn)定的學(xué)習(xí)模式，實現(xiàn)了任務(wù)間的情境遷移，但尚未支持學(xué)習(xí)者形成可以脫離學(xué)習(xí)分析的穩(wěn)定自我調(diào)節(jié)學(xué)習(xí)能力，即未能實現(xiàn)能力遷移。

3. 學(xué)習(xí)分析支持自我調(diào)節(jié)學(xué)習(xí)的效能判斷解讀

效能分析框架指導(dǎo)我們從學(xué)習(xí)者角度挖掘?qū)W習(xí)分析給自我調(diào)節(jié)學(xué)習(xí)帶來的變化，更準(zhǔn)確、科學(xué)地理解因果關(guān)系。依據(jù)效能分析結(jié)果，我們能從以下方面解讀效能判斷，得到結(jié)論。

（1）感知效能——循證感知機理。學(xué)習(xí)分析以激發(fā)動機為起點，影響學(xué)習(xí)者情感狀態(tài)，進而使得學(xué)習(xí)者形成關(guān)注和反復(fù)查看學(xué)習(xí)分析的行為模式，引導(dǎo)學(xué)習(xí)者接受、認(rèn)知學(xué)習(xí)分析。

（2）執(zhí)行效能——挖掘調(diào)節(jié)機制。學(xué)習(xí)者在感知到學(xué)習(xí)分析后，使用學(xué)習(xí)分析支持自身監(jiān)控和評價行為，從而提高了學(xué)習(xí)者的內(nèi)在動機、目標(biāo)設(shè)定、任務(wù)策略、時間管理等自我調(diào)節(jié)學(xué)習(xí)策略，使得自身學(xué)習(xí)行為更加高效，形成了規(guī)律的自我調(diào)節(jié)學(xué)習(xí)循環(huán)路徑。

（3）成效效能——解釋成效因果。激發(fā)動機的學(xué)習(xí)分析通過激發(fā)感知、輔助調(diào)節(jié)顯著提升了學(xué)習(xí)效果，并使學(xué)習(xí)者適應(yīng)了學(xué)習(xí)分析對自我調(diào)節(jié)學(xué)習(xí)的引導(dǎo)和支持，實現(xiàn)了情境遷移。但激發(fā)動機的學(xué)習(xí)分析對自我調(diào)節(jié)學(xué)習(xí)后續(xù)過程支持不足，使得學(xué)習(xí)者難以形成穩(wěn)定的、可脫離學(xué)習(xí)分析支持的自我調(diào)節(jié)學(xué)習(xí)能力。

綜上所述，我們整合效能分析結(jié)果發(fā)現(xiàn)，激發(fā)動機的學(xué)習(xí)分析以喚醒學(xué)習(xí)者的動機為起點，突出了學(xué)習(xí)者對成就目標(biāo)的感知，激發(fā)學(xué)習(xí)動力，運用認(rèn)知將成績與學(xué)習(xí)任務(wù)相關(guān)聯(lián)，調(diào)用其元認(rèn)知能力完成自我調(diào)節(jié)學(xué)習(xí)。但這類學(xué)習(xí)分析支持更強調(diào)對動機的激發(fā)，而對后續(xù)自我調(diào)節(jié)學(xué)習(xí)過程支持不足，使得學(xué)習(xí)者雖然具備監(jiān)控意識，但在行為調(diào)整方面獲得支持較少，較難形成穩(wěn)定的學(xué)習(xí)遷移，這一發(fā)現(xiàn)為后續(xù)學(xué)習(xí)分析的優(yōu)化和更新提供了依據(jù)，指明了方向。

六、研究結(jié)論及啟示

（一）研究結(jié)論

學(xué)習(xí)分析技術(shù)的快速發(fā)展使其在支持自我調(diào)節(jié)學(xué)習(xí)領(lǐng)域不斷完善，這是一個做“加法”的過程。但技術(shù)的增加通常是基于教師或研究者視角的，在該視角下我們難以回答學(xué)習(xí)分析是否真正支持了自我調(diào)節(jié)學(xué)習(xí)的發(fā)生以及支持的效能水平如何等問題。本研究構(gòu)建的效能分析框架回答了這一問題。研究首先基于理論、專家和學(xué)習(xí)者修正、檢驗，得到三個層次、七個維度的效能分析框架；其次，從實證應(yīng)用角度展示了效能分析框架的應(yīng)用模式，結(jié)果證明，效能分析框架在判斷學(xué)習(xí)分析支持自我調(diào)節(jié)學(xué)習(xí)效能、挖掘內(nèi)在機理、理解學(xué)習(xí)機制、解讀因果關(guān)系方面有重要應(yīng)用價值和指導(dǎo)意義。

（二）研究啟示

本研究立足于回答如何判斷學(xué)習(xí)分析是否真正支持自我調(diào)節(jié)學(xué)習(xí)的發(fā)生這一問題，構(gòu)建學(xué)習(xí)分析支持自我調(diào)節(jié)學(xué)習(xí)的效能分析框架，對學(xué)習(xí)分析支持自我調(diào)節(jié)學(xué)習(xí)發(fā)展有以下啟示：

首先，要理性看待學(xué)習(xí)分析帶來的價值。人工智能、元宇宙等技術(shù)的出現(xiàn)，使得眾多學(xué)者不斷革新學(xué)習(xí)分析技術(shù)以理解、支持自我調(diào)節(jié)學(xué)習(xí)。但最新的技術(shù)并不意味著最優(yōu)的效果，從學(xué)習(xí)者角度看待技術(shù)介入對學(xué)習(xí)的影響才是最恰當(dāng)?shù)?。效能分析框架為判斷學(xué)習(xí)分析作用效能提供了新視角，幫助研究者更客觀地篩選、應(yīng)用學(xué)習(xí)分析，逐漸形成以不同效能目標(biāo)、不同使用對象為導(dǎo)向的學(xué)習(xí)分析支持自我調(diào)節(jié)學(xué)習(xí)新模式。

其次，要以挖掘?qū)W習(xí)機理突破“黑箱”現(xiàn)象。在學(xué)習(xí)分析支持自我調(diào)節(jié)學(xué)習(xí)研究中，盡管已有研究者嘗試以三角互證方法得到研究結(jié)果，但在分析時更強調(diào)效果而非產(chǎn)生效果的原因和機理。效能分析框架能夠幫助我們梳理學(xué)習(xí)者受學(xué)習(xí)分析影響后的變化規(guī)律，從學(xué)習(xí)者內(nèi)在要素和行為模式分析自我調(diào)節(jié)學(xué)習(xí)，指導(dǎo)我們挖掘?qū)W習(xí)分析支持自我調(diào)節(jié)學(xué)習(xí)的內(nèi)在機理，打破實證研究中的“黑箱”現(xiàn)象。

最后，以效能分析豐富自我調(diào)節(jié)學(xué)習(xí)評估模式。正如實際教學(xué)的以評促教，在研究中，更科學(xué)、全面的評估同樣能夠促進科研的進步與發(fā)展。效能分析框架立足于學(xué)習(xí)者視角將學(xué)習(xí)分析納入評估框架，以此評估自我調(diào)節(jié)學(xué)習(xí)的變化，挖掘?qū)W習(xí)分析與結(jié)果間的因果關(guān)系。分析視角的改變克服了現(xiàn)有研究中存在的局限，為促進學(xué)習(xí)分析支持自我調(diào)節(jié)學(xué)習(xí)發(fā)展指明了方向。

[參考文獻]

[1] 張琪.學(xué)習(xí)分析技術(shù)與方法[M].北京：科學(xué)出版社.2019：46-47.

[2] GUZM？譧N-VALENZUELA C， G？魷MEZ-GONZ？譧LEZ C， ROJAS-MURPHY TAGLE A， et al. Learning analytics in higher education： a preponderance of analytics but very little learning？[J]. International journal of educational technology in higher education，2021，18（1）：1-19.

[3] 徐曉青，趙蔚，劉紅霞，姜強，李綠山，程諾.學(xué)習(xí)分析對自我調(diào)節(jié)學(xué)習(xí)的影響機理研究[J].電化教育研究，2022，43（2）：72-79.

[4] SILVERAJAH V S G， WONG S L， GOVINDARAJ A， et al. A systematic review of self-regulated learning in flipped classrooms： key findings， measurement methods， and potential directions[J]. IEEE access， 2022， 10（1）： 20270-20294.

[5] ZIMMERMAN B J， PONS M M. Development of a structured interview for assessing student use of self-regulated learning strategies[J]. American educational research journal， 1986， 23（4）： 614-628.

[6] BOEKAERTS M， CORNO L. Self-regulation in the classroom： a perspective on assessment and intervention[J]. Applied psychology， 2005， 54（2）： 199-231.

[7] SILVA J C S， ZAMBOM E， RODRIGUES R L， et al. Effects of learning analytics on students' self-regulated learning in flipped classroom[J]. International journal of information and communication technology education （IJICTE）， 2018， 14（3）： 91-107.

[8] GRANBERG C， PALM T， PALMBERG B. A case study of a formative assessment practice and the effects on students' self-regulated learning[J]. Studies in educational evaluation， 2021， 68（3）： 100955.

[9] TANG Y， LI Z， WANG G， et al. Modeling learning behaviors and predicting performance in an intelligent tutoring system： a two-layer hidden Markov modeling approach[J]. Interactive learning environments， 2021， 12： 1-13.

[10] CHEN K Z， LI S C. Sequential， typological， and academic dynamics of self-regulated learners： learning analytics of an undergraduate chemistry online course[J]. Computers and education： Artificial intelligence， 2021， 2（5）： 100024.

[11] KIM D， YOON M， JO I H， et al. Learning analytics to support self-regulated learning in asynchronous online courses： a case study at a women's university in South Korea[J]. Computers & education， 2018， 127（12）： 233-251.

[12] LIM L A， Dawson S， GA？譒EVIC D， et al. Students' sense-making of personalised feedback based on learning analytics[J]. Australasian journal of educational technology， 2020， 36（6）： 15-33.

[13] 何克抗.對反饋內(nèi)涵的深層認(rèn)知和有效反饋的規(guī)劃設(shè)計——美國《教育傳播與技術(shù)研究手冊（第四版）》讓我們深受啟發(fā)的亮點之二[J].中國電化教育，2017，364（5）：1-7，14.

[14] 胡定榮.課堂反饋的學(xué)習(xí)理論視角與綜合分類[J].上海教育科研，2013（3）：57-60.

[15] BANGERT-DROWNS R L， KULIK C L C， KULIK J A， et al. The instructional effect of feedback in test-like events[J]. Review of educational research， 1991， 61（2）： 213-238.

[16] GARINO A. Ready， willing and able： a model to explain successful use of feedback[J]. Advances in health sciences education， 2020， 25（2）： 337-361.

[17] 董艷，李心怡，鄭婭峰，翟雪松.智能教育應(yīng)用的人機雙向反饋：機理、模型與實施原則[J].開放教育研究，2021，27（2）：26-33.

[18] CARLESS D， BOUD D. The development of student feedback literacy： enabling uptake of feedback[J]. Assessment & evaluation in higher education， 2018， 43（8）： 1315-1325.

[19] 馮銳，董利亞，李聞.專題教育社區(qū)評價指標(biāo)體系建構(gòu)的方法研究[J].中國電化教育，2016，359（12）：44-51.

[20] 王春枝，斯琴.德爾菲法中的數(shù)據(jù)統(tǒng)計處理方法及其應(yīng)用研究[J].內(nèi)蒙古財經(jīng)學(xué)院學(xué)報（綜合版），2011，9（4）：92-96.

[21] 馮銳，楊紅美.基于案例推理的學(xué)習(xí)遷移研究[J].電化教育研究，2015，36（7）： 78-82.

A Study on Effectiveness Analysis Framework of Learning Analytics to

Support Self-regulated Learning

XU Xiaoqing， ?ZHAO Wei， ?JIANG Qiang

（School of Information Science and Technology， Northeast Normal University， Changchun Jilin 130117）

[Abstract] Supporting and promoting the development of self-regulated learning is one of the important application areas of learning analytics. But at present， learning analytics focuses on the service quality of the "sender"， mostly from the perspective of teachers or researchers to provide supports for learners' self-regulated learning. In contrast， it is more valuable to focus on whether learning analytics actually supports the occurrence of self-regulated learning from the learner's perspective. To answer this question， based on feedback model of constructivist theory， this study initially proposes an effectiveness analysis framework for learner-centered learning analysis to support self-regulated learning. Secondly， the Delphi method is used to establish the levels and dimensions of analysis effectiveness（three levels and seven dimensions）. Finally， this study discusses the analytical tools of the effectiveness analysis framework and demonstrates the practical value and guidance of the framework in practical teaching with application cases. The results show that the effectiveness analysis framework expands the evaluation scope of self-regulated learning， and is more conducive to helping researchers find the internal learning mechanism of learners， breaks the "black box" phenomenon in the empirical study， and provides a basis for rational view of learning analysis and promoting learning analytics to support self-regulated learning.

[Keywords] Self-regulated Learning; Learning Analytics; Effectiveness Analysis Framework; Delphi Method; Process Mining; Content Analysis Method