大數(shù)據(jù)視角下的學(xué)習(xí)分析綜述

王良周 于衛(wèi)紅

【摘 要】

學(xué)習(xí)分析作為教育信息化的新浪潮，是教育大數(shù)據(jù)的主要應(yīng)用領(lǐng)域。泛在網(wǎng)絡(luò)下的學(xué)習(xí)大數(shù)據(jù)高速增長，線上線下的學(xué)習(xí)形式不斷革新，關(guān)于學(xué)習(xí)分析的研究也隨著大數(shù)據(jù)理念的發(fā)展而不斷變化。本文通過文獻分析法，著重從大數(shù)據(jù)的視角，對國內(nèi)外學(xué)習(xí)分析的研究現(xiàn)狀進行綜述。首先介紹學(xué)習(xí)分析及相關(guān)概念的發(fā)展，從大數(shù)據(jù)視角探討學(xué)習(xí)分析發(fā)展的驅(qū)動力；然后對比國內(nèi)外在大數(shù)據(jù)和云計算技術(shù)驅(qū)動下形成的學(xué)習(xí)分析框架、應(yīng)用領(lǐng)域和關(guān)鍵技術(shù)，介紹了整合的學(xué)習(xí)分析系統(tǒng)平臺；最后分析大數(shù)據(jù)創(chuàng)新給學(xué)習(xí)分析帶來的機遇和挑戰(zhàn)。

【關(guān)鍵詞】 學(xué)習(xí)分析； 教育大數(shù)據(jù)； 數(shù)據(jù)挖掘 ；智慧學(xué)習(xí)

【中圖分類號】 G434 【文獻標識碼】 A 【文章編號】 1009—458x（2015）03—0031—07

一、引言

信息時代，大數(shù)據(jù)的出現(xiàn)正給各個領(lǐng)域的發(fā)展帶來深刻的影響。在商業(yè)領(lǐng)域，大數(shù)據(jù)研究已經(jīng)初具規(guī)模，其成果正改變著商務(wù)活動的營銷和運營模式。同樣，在教育和科研領(lǐng)域，教育大數(shù)據(jù)和教育云時代已經(jīng)到來。

學(xué)習(xí)分析和教育數(shù)據(jù)挖掘，是教育大數(shù)據(jù)的兩個主要應(yīng)用領(lǐng)域。美國新媒體聯(lián)盟（NMC）在地平線報告中連續(xù)四年把學(xué)習(xí)分析作為影響教育發(fā)展的趨勢和關(guān)鍵技術(shù)[1][2][3]。2011年以來，為了促進學(xué)習(xí)分析的發(fā)展和學(xué)者之間的學(xué)術(shù)交流，每年都會舉行一屆學(xué)習(xí)分析與知識國際會議（International Conference on Learning Analytics and Knowledge，LAK）。2013年夏，美國學(xué)習(xí)分析研究會SOLAR、IEDMS等在斯坦福大學(xué)建立了斯坦福學(xué)習(xí)分析夏季學(xué)院，為學(xué)習(xí)分析研究和應(yīng)用培訓(xùn)提供支持。目前，分析技術(shù)在大學(xué)教與學(xué)中的應(yīng)用進展非常迅速，學(xué)習(xí)分析已經(jīng)成為教育信息化的一個新浪潮。在2014年美國高等教育信息化協(xié)會（EDUCAUSE）發(fā)布的“高等教育信息化十大戰(zhàn)略技術(shù)”研究報告中，對學(xué)習(xí)分析的使用情況作了統(tǒng)計：35%的學(xué)校建立了課程層面的分析架構(gòu)；35%的學(xué)校建立了業(yè)務(wù)績效的分析架構(gòu)；32%的學(xué)校建立了學(xué)位指導(dǎo)的分析架構(gòu)；47%的學(xué)校建立了業(yè)務(wù)情報報告儀表盤[4]。隨著教育大數(shù)據(jù)和教育云計算的發(fā)展，學(xué)習(xí)分析成為了教育信息化與教學(xué)互動的“深度融合”[5]。

目前，國際上關(guān)于學(xué)習(xí)分析的研究方向主要集中在學(xué)習(xí)分析服務(wù)框架、分析方法、工具與可視化工具領(lǐng)域；國內(nèi)主要集中于綜述和應(yīng)用分析[6]。國內(nèi)的顧小清[7]、李青[8]、馬曉玲[9]、韓順平[10]、吳永和[11]、祝智庭[12]、張羽[13]等學(xué)者從不同角度對學(xué)習(xí)分析的研究和發(fā)展做了綜述。本文著重從大數(shù)據(jù)創(chuàng)新的角度，介紹大數(shù)據(jù)背景下學(xué)習(xí)分析的概念、驅(qū)動力，對比學(xué)習(xí)分析框架和應(yīng)用，分析大數(shù)據(jù)創(chuàng)新給學(xué)習(xí)分析帶來的趨勢和挑戰(zhàn)。

二、學(xué)習(xí)分析與相關(guān)概念

（一）學(xué)習(xí)分析的定義與發(fā)展

學(xué)習(xí)分析的定義源于美國高等教育信息化協(xié)會的“下一代的挑戰(zhàn)”，其將學(xué)習(xí)分析定義為：使用數(shù)據(jù)和模型預(yù)測學(xué)生收獲和行為具備處理這些信息的能 力[14]。2011年，首屆學(xué)習(xí)分析與知識國際會議將學(xué)習(xí)分析定義為：測量、收集、分析和報告關(guān)于學(xué)習(xí)者及其學(xué)習(xí)情景的數(shù)據(jù)，以期了解和優(yōu)化學(xué)習(xí)和學(xué)習(xí)發(fā)生的情境[15]。新媒體聯(lián)盟也有相似的定義：利用松散耦合的數(shù)據(jù)收集工具和分析技術(shù)，研究分析學(xué)習(xí)者學(xué)習(xí)參與、學(xué)習(xí)表現(xiàn)和學(xué)習(xí)過程的相關(guān)數(shù)據(jù)，進而對課程教學(xué)和評價進行實時修正[16]?？梢哉f，學(xué)習(xí)分析在許多方面指的是應(yīng)用于教育領(lǐng)域的“大數(shù)據(jù)”分 析[17]。從這些定義可以看出，學(xué)習(xí)分析的研究對象是學(xué)生及其學(xué)習(xí)情境，研究的基礎(chǔ)是教育活動中產(chǎn)生的海量學(xué)習(xí)數(shù)據(jù)和學(xué)習(xí)分析過程中產(chǎn)生的中間數(shù)據(jù)，研究的目標是評估和預(yù)測學(xué)生活動，發(fā)現(xiàn)潛在問題，為教育活動相關(guān)者提供決策支持，以優(yōu)化和設(shè)計學(xué)習(xí)過程和學(xué)習(xí)情境。

美國學(xué)習(xí)分析研究會、學(xué)習(xí)分析與知識國際會議、美國高等教育信息化協(xié)會、英國開放大學(xué)知識化研究所（KMI）等學(xué)術(shù)機構(gòu)和會議推動了學(xué)習(xí)分析的發(fā)展[18]。學(xué)習(xí)分析與知識國際會議召開的時間、地點和主題見表1。從會議的主題變化可以看出，學(xué)習(xí)分析已經(jīng)由概念發(fā)展到應(yīng)用，由理論研究發(fā)展到實踐研究。學(xué)習(xí)分析是在大數(shù)據(jù)背景下發(fā)展的分析技術(shù)，第五屆學(xué)習(xí)分析與知識國際會議已經(jīng)明確將大數(shù)據(jù)作為主要議題。

表1 LAK歷年召開時間、地點和會議主題

[LAK＼&時間＼&地點＼&主題＼&LAK11＼&2011年2月27日至3月1日＼&加拿大阿爾伯達省班芙市＼&學(xué)習(xí)分析技術(shù)、社會和教學(xué)等維度的整合＼&LAK12＼&2012年4月29日至5月2日＼&加拿大溫哥華市＼&學(xué)習(xí)分析技術(shù)、知識建模和表征、知識工作和分析等領(lǐng)域的現(xiàn)狀及發(fā)展策略＼&LAK13＼&2013年4月8日至4月12日＼&比利時勒芬市＼&學(xué)習(xí)分析辯證法＼&LAK14＼&2014年3月24日至3月28日＼&美國印第安納波利斯市＼&學(xué)習(xí)分析研究、理論與實踐整合＼&LAK15＼&2015年3月16日至3月25日＼&美國紐約波基普西市＼&縮放：大數(shù)據(jù)，大影響＼&]

（二）學(xué)習(xí)分析與相關(guān)概念

相比商業(yè)、物理、生物、氣候等領(lǐng)域，分析技術(shù)應(yīng)用于學(xué)習(xí)領(lǐng)域較晚。學(xué)習(xí)分析、學(xué)術(shù)分析、教育數(shù)據(jù)挖掘、行為分析都是分析方法在教育領(lǐng)域的特定應(yīng)用。Angela等比較了分析、商業(yè)分析、學(xué)術(shù)分析、學(xué)習(xí)分析、預(yù)測分析和行為分析的定義和關(guān)注維度，認為教育數(shù)據(jù)挖掘、學(xué)習(xí)分析、學(xué)術(shù)分析是教育大數(shù)據(jù)分析中最接近的概念[19]。Ferguson（2012）通過三個問題回答了教育數(shù)據(jù)挖掘、學(xué)習(xí)分析、學(xué)術(shù)分析的區(qū)別[20]。教育數(shù)據(jù)挖掘主要關(guān)注的是“如何從學(xué)習(xí)大數(shù)據(jù)集中提取有用信息”這一技術(shù)挑戰(zhàn)，學(xué)習(xí)分析則主要關(guān)注“如何優(yōu)化在線學(xué)習(xí)機會”這一教育挑戰(zhàn)，而學(xué)術(shù)分析則關(guān)注“如何在國家或國際層面上最大程度地改進學(xué)習(xí)機會和教育結(jié)果”這一政治經(jīng)濟挑戰(zhàn)[21][22]。 G.Siemens和Long對學(xué)習(xí)分析與學(xué)術(shù)分析進行了界定[23]。學(xué)術(shù)分析側(cè)重智能分析在教育領(lǐng)域的應(yīng)用，強調(diào)的是機構(gòu)、區(qū)域、國際層面上的分析，直接受益者是管理機構(gòu)、投資者、政府部門和教育機構(gòu)。而學(xué)習(xí)分析主要關(guān)注的是課程和部門的分析，直接受益者是學(xué)習(xí)者、導(dǎo)師和部門管理者。相比學(xué)術(shù)分析和教育數(shù)據(jù)挖掘，學(xué)習(xí)分析更加強調(diào)對學(xué)習(xí)過程和學(xué)習(xí)情境的實時優(yōu)化[24]。

G.Siemens、Baker詳細分析了學(xué)習(xí)分析與教育數(shù)據(jù)挖掘的聯(lián)系和區(qū)別[25][26]，認為這兩個概念都是數(shù)據(jù)驅(qū)動下的教育領(lǐng)域的分析技術(shù)，其在研究內(nèi)容和研究者方面有重疊，目標都是通過數(shù)據(jù)分析指導(dǎo)和促進教與學(xué)[27]。Bienkowski在通過學(xué)習(xí)分析與教育數(shù)據(jù)挖掘促進教與學(xué)的報告中對以上學(xué)者的觀點做了詳盡的說明[28]。下面通過表2比較教育數(shù)據(jù)挖掘與學(xué)習(xí)分析[29][30]?？梢钥闯?，學(xué)習(xí)分析與教育數(shù)據(jù)挖掘在側(cè)重點、起源和分析方法上都有不同。教育數(shù)據(jù)挖掘?qū)嶋H上強調(diào)自動發(fā)現(xiàn)，因此，它側(cè)重于模型和發(fā)現(xiàn)模式，關(guān)注各個組成部分以及他們之間的關(guān)系。學(xué)習(xí)分析盡管也強調(diào)自動發(fā)現(xiàn)，但更關(guān)注情境和特定干預(yù)，注重個性化和自適應(yīng)[31]。教育數(shù)據(jù)挖掘重點依賴聚類技術(shù)，同時也很依賴智能輔導(dǎo)系統(tǒng)，更加重視建立模型。而學(xué)習(xí)分析更加強調(diào)社會干預(yù)，如普遍應(yīng)用社會網(wǎng)絡(luò)分析以及話語分析[32]。

（三）從大數(shù)據(jù)視角看學(xué)習(xí)分析的驅(qū)動力

Ferguson認為大數(shù)據(jù)技術(shù)、教育、政治和經(jīng)濟因素是驅(qū)動學(xué)習(xí)分析發(fā)展的主要動力[33]。G.Siemens、RyanS.J.d.Bake等從技術(shù)發(fā)展角度分析了促進學(xué)習(xí)分析發(fā)展的主要因素，概括為：教育數(shù)據(jù)量劇增、數(shù)據(jù)格式多樣化、計算能力加強、分析工具發(fā) 展[34][35]。從大數(shù)據(jù)視角，可以將學(xué)習(xí)分析的驅(qū)動力概括為三類：數(shù)據(jù)驅(qū)動、技術(shù)驅(qū)動、需求和利益驅(qū)動。

1. 數(shù)據(jù)驅(qū)動

智能手機、平板電腦、傳感器等電子設(shè)備在學(xué)習(xí)情境中的應(yīng)用已經(jīng)相當(dāng)普遍，基于泛在網(wǎng)絡(luò)的學(xué)習(xí)數(shù)據(jù)劇增是驅(qū)動學(xué)習(xí)分析的重要因素。我們處在普適計算時代，移動互聯(lián)網(wǎng)、物聯(lián)網(wǎng)等泛在網(wǎng)絡(luò)改變了學(xué)習(xí)方式，也為學(xué)習(xí)分析提供了豐富的數(shù)據(jù)來源。學(xué)習(xí)管理系統(tǒng)LMS中存儲著大量學(xué)生學(xué)習(xí)數(shù)據(jù)，學(xué)生在線學(xué)習(xí)保留有大量學(xué)習(xí)軌跡信息，社交網(wǎng)絡(luò)中的學(xué)習(xí)行為更是呈現(xiàn)出急劇增長的數(shù)據(jù)流趨勢[36]。這些數(shù)據(jù)來源廣泛，數(shù)量巨大，而且數(shù)據(jù)格式多種多樣。目前常用的學(xué)習(xí)分析數(shù)據(jù)主要來自于數(shù)據(jù)倉庫中的基本信息數(shù)據(jù)，來自于網(wǎng)絡(luò)服務(wù)器的用戶瀏覽日志，以及來自于學(xué)習(xí)網(wǎng)站和系統(tǒng)挖掘的其他文本數(shù)據(jù)，例如博客、評論、搜索詞等。需要強調(diào)的是，數(shù)據(jù)驅(qū)動下的學(xué)習(xí)分析技術(shù)，也帶來了學(xué)習(xí)分析的數(shù)據(jù)挑戰(zhàn)。

2. 技術(shù)驅(qū)動

大數(shù)據(jù)關(guān)鍵技術(shù)和社會分析技術(shù)是學(xué)習(xí)分析的支撐技術(shù)，是驅(qū)動學(xué)習(xí)分析的關(guān)鍵因素。學(xué)習(xí)分析過程中面臨海量數(shù)據(jù)的采集、存儲、分析問題，需要根據(jù)社會分析方法，在人的干預(yù)下優(yōu)化學(xué)習(xí)情境，這些問題離不開強有力的技術(shù)支持。云計算技術(shù)、物聯(lián)網(wǎng)技術(shù)、語義web技術(shù)、移動互聯(lián)網(wǎng)技術(shù)、數(shù)字媒體技術(shù)都是大數(shù)據(jù)基礎(chǔ)平臺與支撐技術(shù)。在教育云平臺和在線學(xué)習(xí)環(huán)境下，利用物聯(lián)網(wǎng)和云存儲技術(shù)采集和存儲海量相關(guān)數(shù)據(jù)，利用語義web技術(shù)（關(guān)聯(lián)數(shù)據(jù)技術(shù)）管理和利用相關(guān)數(shù)據(jù)。移動互聯(lián)網(wǎng)設(shè)備已經(jīng)進入學(xué)習(xí)環(huán)境，利用移動互聯(lián)網(wǎng)技術(shù)可以方便地實現(xiàn)在線記筆記、資源分享。還可以通過增強現(xiàn)實技術(shù)虛擬學(xué)習(xí)環(huán)境。在云計算方面，云文件系統(tǒng)（GFS，HDFS等）、NoSQL 數(shù)據(jù)庫、Mapreduce計算模式、apache hadoop等開源工具都是大數(shù)據(jù)下學(xué)習(xí)分析需要利用的技術(shù)工具[37]。這些先進技術(shù)，使得基于大樣本的、個性化定制的學(xué)習(xí)分析成為可能。

3. 需求與利益驅(qū)動

個性化、多樣化的學(xué)習(xí)需求帶來直接的經(jīng)濟、社會利益，需求與利益是驅(qū)動學(xué)習(xí)分析的核心因素。從個人角度看，個性化學(xué)習(xí)方案的制定需要參考學(xué)習(xí)分析系統(tǒng)對個人的分析建議；從企業(yè)角度看，基于智能分析決策的學(xué)習(xí)系統(tǒng)和產(chǎn)品更有市場競爭力；從教育機構(gòu)角度看，學(xué)習(xí)分析結(jié)果可以作為決策的依據(jù)。這些利益需求驅(qū)動了學(xué)習(xí)分析的發(fā)展。

三、學(xué)習(xí)分析的框架、技術(shù)、應(yīng)用

（一）學(xué)習(xí)分析整體框架

很多學(xué)者從不同角度為學(xué)習(xí)分析設(shè)計了整體框架。大多數(shù)框架關(guān)注的是學(xué)習(xí)分析可用的數(shù)據(jù)、利益相關(guān)者、分析流程、分析工具、制約與限制等方面。Brown and Malcolm認為，學(xué)習(xí)分析的核心在于收集和分析學(xué)習(xí)數(shù)據(jù)，主要包括數(shù)據(jù)收集、分析、學(xué)生學(xué)習(xí)、受益方和干預(yù)五個要素[38]。G.Siemens提出了一個工作流引擎驅(qū)動的學(xué)習(xí)框架?？蚣苡蓴?shù)據(jù)采集、分析、預(yù)測、調(diào)整四個工作流組成。其中數(shù)據(jù)包括學(xué)習(xí)者發(fā)布的數(shù)據(jù)，智能語義和關(guān)聯(lián)數(shù)據(jù)，個人資 料[39]。通過總結(jié)Baker和Dron，Anderson等人的知識管理模型，Tanya Elians提出了一個由四個技術(shù)資源和三個循環(huán)階段組成的改進的學(xué)習(xí)分析框架[40]。四個技術(shù)資源指計算機、人、理論、組織機構(gòu)。三個循環(huán)階段包括六個活動：數(shù)據(jù)收集（選擇與采集）、數(shù)據(jù)處理（整合與預(yù)測）、知識應(yīng)用（使用和優(yōu)化）。

M.A. Chatti等認為學(xué)習(xí)分析的主要步驟是數(shù)據(jù)采集與預(yù)處理、數(shù)據(jù)分析與行動、后續(xù)處理。他們提出了一個由四個維度組成的學(xué)習(xí)分析參考模型（見圖1）。該模型將學(xué)習(xí)分析分成數(shù)據(jù)與環(huán)境、技術(shù)、利益相關(guān)者、目標四個維度，并從各個維度分析了學(xué)習(xí)分析面臨的機遇和挑戰(zhàn)。與之相似，Greller and Drachsler提出了一個由利益相關(guān)者、目標、數(shù)據(jù)、工具、內(nèi)部限制和外部約束六個關(guān)鍵維度組成的學(xué)習(xí)分析框架（見圖2）[41]。他們認為，學(xué)習(xí)分析的利益相關(guān)者包括數(shù)據(jù)主體（學(xué)習(xí)者）和數(shù)據(jù)客體（教師、導(dǎo)師、教育管理者），學(xué)習(xí)分析的數(shù)據(jù)來自于被保護和公開的學(xué)習(xí)活動及學(xué)習(xí)環(huán)境數(shù)據(jù)，學(xué)習(xí)分析的目的在于預(yù)測學(xué)習(xí)結(jié)果和幫助學(xué)習(xí)者反思，采用的分析工具包括教學(xué)理論、機器學(xué)習(xí)技術(shù)和可視化工具，學(xué)習(xí)分析的實施過程應(yīng)考慮個人隱私和倫理道德[42]。

圖1 Chatti等的學(xué)習(xí)分析參考模型

圖2 Greller等的學(xué)習(xí)分析框架

Dirk Ifenthaler[43]等著重考慮了學(xué)生、學(xué)習(xí)、課程之間的關(guān)系，設(shè)計了一個融合多源信息的分析框架（見圖3）。該框架整合了在線學(xué)習(xí)環(huán)境中的分析數(shù)據(jù)（包括個人特征、社會網(wǎng)絡(luò)、物理數(shù)據(jù)、課程數(shù)據(jù)、反饋數(shù)據(jù)），引進了學(xué)習(xí)分析引擎、個性化和自適應(yīng)引擎、報告引擎三個處理階段。該框架強調(diào)了學(xué)習(xí)環(huán)境中數(shù)據(jù)的異構(gòu)性和多源性，將數(shù)據(jù)、分析工具、環(huán)境連接為一個具有反饋環(huán)節(jié)的閉合系統(tǒng)。可以說，它是一種面向服務(wù)的架構(gòu)。

學(xué)習(xí)分析的整體框架多種多樣，這些框架為學(xué)習(xí)分析應(yīng)用和實現(xiàn)提供了重要指導(dǎo)。但是，每個框架都有局限性，經(jīng)過實踐驗證的框架仍然很稀少[44]。

（二）整合的學(xué)習(xí)分析系統(tǒng)

目前企業(yè)和研究團體已經(jīng)開發(fā)出多種多樣的學(xué)習(xí)分析系統(tǒng)和平臺。有些是單獨的學(xué)習(xí)分析系統(tǒng)，更多的是嵌入到學(xué)習(xí)管理系統(tǒng)LMS和MOOCs平臺中的分析工具。一般來說，學(xué)習(xí)分析工具不能單獨存在，常作為“插件”嵌入其他在線學(xué)習(xí)環(huán)境中。美國學(xué)習(xí)分析研究會的學(xué)者提出一個整合的學(xué)習(xí)分析系統(tǒng)（見圖4）[45]，主要包括四部分：分析引擎；適應(yīng)內(nèi)容和個性化引擎；干預(yù)引擎；儀表盤，報告和可視化工具。

圖4 SOLAR整合的學(xué)習(xí)分析系統(tǒng)

1. 分析引擎

分析引擎是學(xué)習(xí)分析系統(tǒng)的核心部分。它整合了多個數(shù)據(jù)處理和分析模塊，是學(xué)習(xí)分析系統(tǒng)的神經(jīng)中樞。分析引擎包括數(shù)據(jù)處理、數(shù)據(jù)分析等核心功能，集成諸如預(yù)測、聚類、模式發(fā)現(xiàn)、趨勢分析等應(yīng)用模塊。分析引擎處理來自學(xué)習(xí)管理系統(tǒng)、社會網(wǎng)絡(luò)、物理世界中的學(xué)習(xí)軌跡數(shù)據(jù)，數(shù)據(jù)倉庫中的學(xué)生基本信息和外部用戶指令數(shù)據(jù)，通過社會網(wǎng)絡(luò)分析、話語分析、模式發(fā)現(xiàn)、機器學(xué)習(xí)等學(xué)習(xí)分析技術(shù)，形成分析結(jié)果，以報告、可視化等技術(shù)提供給用戶。用戶根據(jù)這些分析結(jié)果做出判斷和干預(yù)[46][47]。

2. 適應(yīng)內(nèi)容和個性化引擎

適應(yīng)內(nèi)容和個性化指的是系統(tǒng)能夠根據(jù)學(xué)習(xí)分析的反饋和個人習(xí)慣偏好優(yōu)化學(xué)習(xí)過程、教學(xué)設(shè)計和學(xué)習(xí)內(nèi)容的能力。例如，系統(tǒng)根據(jù)學(xué)生愛好給學(xué)生的選課建議，系統(tǒng)根據(jù)用戶習(xí)慣改善學(xué)生的學(xué)習(xí)體驗，系統(tǒng)根據(jù)用戶偏好推薦合適的內(nèi)容，等等。適應(yīng)內(nèi)容和個性化引擎將分析引擎、系統(tǒng)開發(fā)者、學(xué)習(xí)資料提供者聯(lián)系起來，在出版商等開發(fā)者的參與下，對學(xué)習(xí)內(nèi)容進行適應(yīng)性和個性化定制與推送。

3. 干預(yù)引擎

干預(yù)引擎使用分析引擎產(chǎn)生的預(yù)測模型，追蹤學(xué)習(xí)者的學(xué)習(xí)軌跡，提供自動的人為的教育干預(yù)。干預(yù)引擎通過鏈接給學(xué)習(xí)者提供學(xué)習(xí)內(nèi)容、社交伙伴、導(dǎo)師等資源；通過社交工具，教師可以與學(xué)生互動交流；通過預(yù)測分析，對問題學(xué)生提前引導(dǎo)，對“特別”學(xué)生特殊培養(yǎng)。

4. 儀表盤，報告和可視化工具

學(xué)習(xí)儀表盤呈現(xiàn)可視化的分析數(shù)據(jù)和報告，方便個人對教學(xué)和學(xué)習(xí)作出決策。學(xué)習(xí)儀表盤包括四個用戶視圖：學(xué)習(xí)者視圖、教育者視圖、研究者視圖和機構(gòu)視圖。不同視圖視角不同，但相互關(guān)聯(lián)。根據(jù)不同利益相關(guān)者的需求，提供不同的數(shù)據(jù)展示。

參考SOLAR學(xué)習(xí)分析系統(tǒng)，吳永和等人從學(xué)習(xí)分析系統(tǒng)輸入輸出角度，將整個系統(tǒng)分為數(shù)據(jù)層、分析層、報告層、干預(yù)與適應(yīng)層[48]。數(shù)據(jù)層主要獲取學(xué)習(xí)者相關(guān)學(xué)習(xí)數(shù)據(jù)，然后送入系統(tǒng)分析層由分析引擎進行數(shù)據(jù)分析，之后在儀表盤上按學(xué)習(xí)者、教學(xué)者、管理者三大利益相關(guān)者需求產(chǎn)生可視化報告， 并在此基礎(chǔ)上對學(xué)習(xí)者進行干預(yù)，完成自適應(yīng)過程[49]。另外他們還認為，學(xué)習(xí)分析系統(tǒng)的技術(shù)特征應(yīng)該包括功能模塊化、報告可視化、數(shù)據(jù)多源化，這種觀點具有很好的參考價值。

（三）學(xué)習(xí)分析的關(guān)鍵技術(shù)與應(yīng)用領(lǐng)域

學(xué)習(xí)分析是教育理論、技術(shù)、可視化展示相互協(xié)同完成的結(jié)果。整體的框架和系統(tǒng)中已經(jīng)包含了這些要素，下面詳細介紹學(xué)習(xí)分析的應(yīng)用領(lǐng)域和關(guān)鍵技術(shù)。

Marie Bienkowski[50]等人認為學(xué)習(xí)分析應(yīng)用領(lǐng)域包括：用戶模型（知識、行為、體驗），用戶建檔，領(lǐng)域關(guān)鍵概念模型和領(lǐng)域知識內(nèi)容模型，趨勢分析模型，適應(yīng)性和個性化模型。不同的應(yīng)用模型需要不同的分析數(shù)據(jù)和分析方法。通過情境模擬和參考相關(guān)文獻，可看到學(xué)習(xí)分析主要應(yīng)用領(lǐng)域包括：① 用戶模型；② 學(xué)習(xí)者行為與情感分析； ③ 預(yù)測與評估；④ 結(jié)構(gòu)發(fā)現(xiàn)與關(guān)系挖掘；⑤ 趨勢分析與活動干預(yù)；⑥ 適應(yīng)性和個性化；⑦ 監(jiān)督與控制[51][52]（見表3）。

表3 學(xué)習(xí)分析應(yīng)用領(lǐng)域

[應(yīng)用模型＼&目的＼&所需數(shù)據(jù)＼&主要方法＼&用戶模型＼&構(gòu)建基礎(chǔ)數(shù)據(jù)倉庫＼&學(xué)生與課程基本信息、問卷等基礎(chǔ)數(shù)據(jù)（例如姓名、成績、興趣、專業(yè)等）＼&數(shù)據(jù)采集與存儲、

數(shù)據(jù)倉庫、云存儲、

可視化技術(shù)等＼&學(xué)習(xí)者行為與情感分析

＼&學(xué)生知識管理、學(xué)生行為描述與分類＼&在線用戶的學(xué)習(xí)行為數(shù)據(jù)（學(xué)習(xí)偏好，瀏覽路徑，學(xué)習(xí)痕跡等交互數(shù)據(jù)）＼&數(shù)據(jù)倉庫技術(shù)，話語分析、情緒分析等社會化分析法，學(xué)習(xí)分析儀表盤等可視化工具＼&預(yù)測與評估＼&預(yù)測和估計未知參數(shù)＼&可以獲得的與估測變量相關(guān)的樣本數(shù)據(jù)＼&分類、回歸、潛在知識發(fā)現(xiàn)等有監(jiān)督的機器學(xué)習(xí)和統(tǒng)計方法＼&結(jié)構(gòu)發(fā)現(xiàn)與關(guān)系挖掘＼&識別用戶模式、優(yōu)化系統(tǒng)和學(xué)習(xí)過程＼&大量樣本數(shù)據(jù)，數(shù)據(jù)倉庫、網(wǎng)絡(luò)采集的各種用戶、行為數(shù)據(jù)＼&聚類、因子分析、社會網(wǎng)絡(luò)分析、領(lǐng)域結(jié)構(gòu)發(fā)現(xiàn)等無監(jiān)督算法，關(guān)聯(lián)規(guī)則挖掘、序列模式挖掘、模型發(fā)現(xiàn)＼&趨勢分析與活動干預(yù)＼&研究者感興趣的趨勢預(yù)測＼&取決于研究者感興趣的問題，需要時間序列數(shù)據(jù)＼&時間序列分析、隨機過程分析、話語分析、情緒分析等社會化分析法，人為干預(yù)、簡化人類判斷等＼&適應(yīng)性和個性化＼&提高系統(tǒng)適應(yīng)性、改善系統(tǒng)、提供個性化建議和服務(wù)＼&歷史數(shù)據(jù)和學(xué)生基本信息，學(xué)習(xí)行為等數(shù)據(jù)＼&內(nèi)容導(dǎo)航、推薦系統(tǒng)、web挖掘、機器學(xué)習(xí)算法＼&監(jiān)督與控制＼&監(jiān)督、控制、優(yōu)化、反思學(xué)習(xí)過程和情境＼&分析后的數(shù)據(jù)、可視化結(jié)果＼&人類判斷、可視化工具等＼&]

四、大數(shù)據(jù)背景下學(xué)習(xí)分析的機遇與挑戰(zhàn)

大數(shù)據(jù)背景下，學(xué)習(xí)分析的概念、框架和應(yīng)用都會隨著大數(shù)據(jù)的創(chuàng)新而發(fā)展。同時，大數(shù)據(jù)思維方式和技術(shù)革新也給學(xué)習(xí)分析帶來了機遇和挑戰(zhàn)。

（一）大數(shù)據(jù)創(chuàng)新帶來的學(xué)習(xí)分析機遇

1. 直接的價值利益

大數(shù)據(jù)創(chuàng)新公司分為三類：基于數(shù)據(jù)的公司、基于技術(shù)的公司、基于思維的公司。大數(shù)據(jù)背景下學(xué)習(xí)分析的價值鏈創(chuàng)新也包括這三個層次的創(chuàng)新[53]。其一，學(xué)習(xí)管理系統(tǒng)和在線平臺上采集的學(xué)習(xí)者相關(guān)數(shù)據(jù)本身具有很大的價值?；跀?shù)據(jù)本身的數(shù)據(jù)公司， 它們沒有能力或者側(cè)重點不在分析數(shù)據(jù)上，它們可以直接出售數(shù)據(jù)給第三方。其二，處理大數(shù)據(jù)的云計算、物聯(lián)網(wǎng)等先進技術(shù)掌握在少量高科技公司手中。它們掌握了技術(shù)但缺乏數(shù)據(jù)，主要通過專業(yè)的分析技術(shù)獲得利益。其三，學(xué)習(xí)分析是一種社會化分析，自適應(yīng)、個性化的學(xué)習(xí)需求是推動學(xué)習(xí)分析的真正動力?；谒季S創(chuàng)新的公司通過學(xué)習(xí)分析創(chuàng)造新的需求和服務(wù)模式，從模式創(chuàng)新中獲得利益。

2. 學(xué)習(xí)與教育方式的革新

數(shù)字媒體和分析技術(shù)的發(fā)展，使學(xué)習(xí)和教育方式日趨多元化和立體化。學(xué)習(xí)分析也逐漸融合到在線學(xué)習(xí)、混合式學(xué)習(xí)、協(xié)同學(xué)習(xí)、虛擬化學(xué)習(xí)中。學(xué)習(xí)分析強調(diào)基于上下文情境和人為干預(yù)，重視適應(yīng)性和個性化服務(wù)，要求環(huán)境與用戶、教與學(xué)良好互動，是智能教學(xué)的最佳實踐。例如，大規(guī)模開放課程平臺中，利用學(xué)習(xí)分析技術(shù)挖掘用戶信息，根據(jù)用戶興趣推薦課程和資料；翻轉(zhuǎn)課堂和游戲化學(xué)習(xí)過程中，學(xué)習(xí)分析儀表盤上的結(jié)果使學(xué)習(xí)者能夠根據(jù)目標和學(xué)習(xí)習(xí)慣主動學(xué)習(xí)。

3. 對其他學(xué)習(xí)科學(xué)的影響

學(xué)習(xí)分析對其他學(xué)習(xí)科學(xué)的研究具有積極影響。學(xué)術(shù)分析、教育數(shù)據(jù)挖掘與學(xué)習(xí)分析交叉融合，它們的方法和思想很多時候可以互相借鑒。學(xué)習(xí)分析融入MOOCs學(xué)習(xí)環(huán)境、學(xué)習(xí)管理系統(tǒng)、智能導(dǎo)師系統(tǒng)，使這些系統(tǒng)更加智能化。游戲和游戲化學(xué)習(xí)、翻轉(zhuǎn)課堂、多模態(tài)學(xué)習(xí)、量化自我等學(xué)習(xí)科學(xué)領(lǐng)域的新技術(shù)同樣受學(xué)習(xí)分析技術(shù)的影響。

（二）大數(shù)據(jù)時代學(xué)習(xí)分析面臨的挑戰(zhàn)

大數(shù)據(jù)時代的學(xué)習(xí)分析數(shù)據(jù)多源異構(gòu)、分布廣泛、動態(tài)增長[54]；大數(shù)據(jù)背景下的學(xué)習(xí)分析需要強大的數(shù)據(jù)存儲與分析能力；大數(shù)據(jù)視角下的學(xué)習(xí)分析關(guān)注用戶需求，以服務(wù)為中心；大數(shù)據(jù)管理思維下的法律和制度尚待完善。正是這些問題，使大數(shù)據(jù)時代的學(xué)習(xí)分析面臨挑戰(zhàn)。

1. 數(shù)據(jù)與技術(shù)挑戰(zhàn)

海量的、非結(jié)構(gòu)化的學(xué)習(xí)軌跡數(shù)據(jù)，難以被典型數(shù)據(jù)庫軟件工具捕捉、儲存、管理和分析，大數(shù)據(jù)技術(shù)創(chuàng)新才能解決學(xué)習(xí)分析中的基礎(chǔ)問題。數(shù)據(jù)與技術(shù)挑戰(zhàn)，就是指選取什么數(shù)據(jù)，建立什么模型，如何處理數(shù)據(jù)的問題。首先，雖然大數(shù)據(jù)關(guān)注的是數(shù)據(jù)的關(guān)系而非因果，但因為系統(tǒng)的復(fù)雜性，混沌世界發(fā)現(xiàn)的規(guī)律常常出現(xiàn)“蝴蝶效應(yīng)”，如果不加選擇地利用不合理的數(shù)據(jù)，讓數(shù)據(jù)主宰人類決策，必將導(dǎo)致荒謬。其次，被廣泛接受和檢驗的整體框架仍然有待完善，針對特定情境、特定問題、特定用戶的學(xué)習(xí)分析模型和實現(xiàn)較為稀缺。怎樣定義問題，如何選擇模型，選擇哪種算法更有效，這些都是開放的問題。最后，云計算等大數(shù)據(jù)關(guān)鍵技術(shù)尚不成熟，在大數(shù)據(jù)存儲、計算方面還存在很多問題，這些問題也是學(xué)習(xí)分析的主要技術(shù)挑戰(zhàn)。

2. 制度和管理能力限制

學(xué)習(xí)分析不是純粹的技術(shù)問題，還涉及人的干預(yù)和優(yōu)化。制度和管理技能方面的缺陷，直接制約學(xué)習(xí)分析的應(yīng)用。其一，學(xué)習(xí)分析需要花費大量的人力、物力，高額的成本對于一般教育機構(gòu)來說難以接受。其二，學(xué)習(xí)分析需要聰明的消費者來使用數(shù)據(jù)，傳統(tǒng)的教師和管理者可能不具備分析和使用數(shù)據(jù)的能力，甚至抵觸學(xué)習(xí)分析工具的使用。其三，學(xué)習(xí)和教育是一個社會化過程，研究和發(fā)展適應(yīng)性和個性化的分析方案是學(xué)習(xí)分析的永恒話題。

3. 道德與安全挑戰(zhàn)

大數(shù)據(jù)背景下的學(xué)習(xí)分析，面臨道德與安全的挑戰(zhàn)。學(xué)習(xí)分析的道德與安全挑戰(zhàn)分為三類：數(shù)據(jù)位置和數(shù)據(jù)解釋問題；許可、隱私管理和匿名化問題；數(shù)據(jù)分類和管理問題[55]。學(xué)習(xí)分析需要獲取用戶信息，管理用戶數(shù)據(jù)，不可避免會涉及用戶隱私。另外，和學(xué)習(xí)分析相關(guān)的法律制度、道德引導(dǎo)、安全技術(shù)尚未明晰。例如，google曾因為使用 Apps for Education套件掃描了數(shù)以百萬計的學(xué)生的電子郵件信息，并將之用于創(chuàng)建“隱蔽”的廣告配置文件而遭起訴。

五、總結(jié)與展望

大數(shù)據(jù)的管理思維變革給學(xué)習(xí)分析帶來了機遇和挑戰(zhàn)。隨著云教育平臺、MOOCs等的應(yīng)用，學(xué)習(xí)分析的形式和應(yīng)用將更加廣泛。學(xué)習(xí)分析是教育信息化的新浪潮，在應(yīng)用中存在各種挑戰(zhàn)。面對這些挑戰(zhàn)，需要將信息化技術(shù)與教學(xué)過程結(jié)合起來，制定明晰的使用規(guī)范和管理制度，注重數(shù)據(jù)安全與隱私保 護[56][57]。傳統(tǒng)教與學(xué)方式的轉(zhuǎn)變需要一個過程，學(xué)習(xí)分析技術(shù)的大規(guī)模應(yīng)用需要利益相關(guān)者的共同努力。

[參考文獻]

[1][16] JOHNSON L， ADAMS BECKER S， WITCHEY H， et al. The NMC Horizon Report： 2011 Museum Edition [J]. Austin， Texas： The New Media Consortium， 2011.

[2][17] JOHNSON L， ADAMS S， CUMMINS M， et al. The NMC horizon report： 2013 higher education edition [J]. 2013.

[3] JOHNSON L， ADAMS S， CUMMINS M， et al. The NMC horizon report： 2012 higher education edition， Austin [J].http：//www.nmc org/publications/2013-horizon-report-higher-ed， 2013.

[4] 劉永貴，鄭旭東. 美國高等教育信息化的進展與趨勢——EDUCASUE 年度高等教育信息化十大戰(zhàn)略議題解讀 [J]. 開放教育研究，2009，14（6）：122-126.

[5][26][29][34] SIEMENS G， D BAKER R S. Learning analytics and educational data mining： towards communication and collaboration； proceedings of the Proceedings of the 2nd international conference on learning analytics and knowledge， F， 2012 [C]. ACM.

[6][11][14][18][30][36][48][49] 吳永和，陳丹，馬曉玲，et al. 學(xué)習(xí)分析：教育信息化的新浪潮 [J]. 遠程教育雜志，2013，31（4）：11-19.

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

[8] 李青，王濤. 學(xué)習(xí)分析技術(shù)研究與應(yīng)用現(xiàn)狀述評 [J]. 中國電化教育，2012（8）：129-133.

[9] 馬曉玲，邢萬里，馮翔. 學(xué)習(xí)分析系統(tǒng)構(gòu)建研究 [J]. 華東師范大學(xué)學(xué)報（自然科學(xué)版），2014.

[10][46] 魏順平. 學(xué)習(xí)分析技術(shù)，挖掘大數(shù)據(jù)時代下教育數(shù)據(jù)的價 值[J]. 現(xiàn)代教育技術(shù)，2013，（2）：5-11.

[12] 祝智庭，沈德梅. 學(xué)習(xí)分析學(xué)智慧教育的科學(xué)力量[J]. 電化教育研究，2013，5（03）.

[13][51] 張羽，李越. 基于 MOOCs 大數(shù)據(jù)的學(xué)習(xí)分析和教育測量介紹 [J]. 清華大學(xué)教育研究，2013，（4）：22-26.

[15][25] SIEMENS G， LONG P. Penetrating the fog： Analytics in learning and education [J]. Educause Review， 2011， 46（5）： 30-32.

[19] VAN BARNEVELD A， ARNOLD K E， CAMPBELL J P. Analytics in higher education： Establishing a common language [J]. EDUCAUSE Learning Initiative， 2012.

[20][22][33][56] FERGUSON R. The state of learning analytics in 2012： A review and future challenges [J]. Knowledge Media Institute， Technical Report KMI-2012， 2012， 1（2012.

[27][35] BAKER R， SIEMENS G. Educational data mining and learning analytics [J]. Cambridge Handbook of the Learning Sciences：， 2014.

[28] BEHREND T S， WIEBE E N， LONDON J E， et al. Cloud computing adoption and usage in community colleges [J]. Behaviour & Information Technology， 2011， 30（2）： 231-40.

[31][32] 魏雪峰，宋靈青. 學(xué)習(xí)分析：更好地理解學(xué)生個性化學(xué)習(xí)過程——訪談學(xué)習(xí)分析研究專家 George Siemens 教授 [J]. 中國電化教育，2013，（9）：1-4.

[37][54] 孟小峰，慈祥. 大數(shù)據(jù)管理：概念，技術(shù)與挑戰(zhàn) [J]. 計算機研究與發(fā)展，2013，50（1）：146-169.

[38] BROWN M. Learning analytics： the coming third wave [J]. EDUCAUSE Learning Initiative Brief， 2011， 1-4.

[39] SIEMENS G. What are learning analytics [J]. Retrieved March， 10（2011）.

[40] ELIAS T. Learning analytics： Definitions， processes and potential [J]. Learning， 2011， 23（134-148）.

[41] GRELLER W， DRACHSLER H. Translating learning into numbers： A generic framework for learning analytics [J]. 2012.

[43] IFENTHALER D， WIDANAPATHIRANA C. Development and Validation of a Learning Analytics Framework： Two Case Studies Using Support Vector Machines [J]. Technology， Knowledge and Learning， 1-20.

[45][47] SIEMENS G， GASEVIC D， HAYTHORNTHWAITE C， et al. Open Learning Analytics： an integrated & modularized platform [J]. Proposal to design， implement and evaluate an open platform to integrate heterogeneous learning analytics techniques， 2011.

[52][57] BIENKOWSKI M， FENG M， MEANS B. Enhancing teaching and learning through educational data mining and learning analytics： An issue brief [J]. US Department of Education， Office of Educational Technology， 2012， 1-57.

[53] 維克托，邁爾，肯尼思，et al. 大數(shù)據(jù)時代——生活，工作與思維的大變革 [M]. 杭州：浙江人民出版社，2013.

[55] SLADE S， PRINSLOO P. Learning Analytics Ethical Issues and Dilemmas [J]. American Behavioral Scientist， 2013， 57（10）： 1510-1529.

收稿日期：2014-11-15

作者簡介：王良周，研究生；于衛(wèi)紅，副教授，博士。大連海事大學(xué)交通運輸管理學(xué)院（116026）。

責(zé)任編輯 石 子

責(zé)任校對 石 子