學(xué)習(xí)分析技術(shù)的研究現(xiàn)狀與未來趨勢*
——基于2011-2015年LAK會議論文的分析

曹 帥，王以寧，徐 鵬

(1.東北師范大學(xué) 計算機科學(xué)與信息技術(shù)學(xué)院，吉林 長春 130024；2.東北師范大學(xué) 傳媒科學(xué)學(xué)院，吉林 長春 130024；3.東北師范大學(xué) 信息化管理與規(guī)劃辦公室，吉林 長春 130024)

學(xué)習(xí)分析技術(shù)的研究現(xiàn)狀與未來趨勢*
——基于2011-2015年LAK會議論文的分析

曹 帥1，王以寧2，徐 鵬3

(1.東北師范大學(xué) 計算機科學(xué)與信息技術(shù)學(xué)院，吉林 長春 130024；2.東北師范大學(xué) 傳媒科學(xué)學(xué)院，吉林 長春 130024；3.東北師范大學(xué) 信息化管理與規(guī)劃辦公室，吉林 長春 130024)

“數(shù)據(jù)驅(qū)動決策，分析變革教育”的大數(shù)據(jù)時代推動了技術(shù)與教育的深度融合，教育大數(shù)據(jù)的出現(xiàn)為學(xué)習(xí)分析技術(shù)的發(fā)展提供了研究契機，學(xué)習(xí)分析技術(shù)可以有效地發(fā)揮教育大數(shù)據(jù)蘊藏的價值，使數(shù)據(jù)成為優(yōu)化學(xué)習(xí)者學(xué)習(xí)活動的依據(jù)。美國新媒體聯(lián)盟連續(xù)幾年來預(yù)測學(xué)習(xí)分析將成為教育領(lǐng)域的研究主流，學(xué)習(xí)分析技術(shù)與知識國際會議連續(xù)五年的舉辦也為學(xué)習(xí)分析技術(shù)的精細(xì)化研究提供了組織保障，該文通過對2011-2015年“學(xué)習(xí)分析技術(shù)與知識”國際會議The International Conference on Learning Analytics and Knowledge，簡稱LAK的會議論文進(jìn)行文本挖掘和內(nèi)容分析，整合了大數(shù)據(jù)視角下學(xué)習(xí)分析技術(shù)的研究現(xiàn)狀和發(fā)展趨勢以及面對的挑戰(zhàn)，以期能夠梳理學(xué)習(xí)分析領(lǐng)域的研究脈絡(luò)，啟示未來的深入研究。

學(xué)習(xí)分析；LAK；數(shù)據(jù)挖掘；MOOC

一、學(xué)習(xí)分析與LAK會議綜述

“大數(shù)據(jù)”一詞最早由麥肯錫公司提出，作為“一種有價值的資產(chǎn)”現(xiàn)已滲透到各行各業(yè)的領(lǐng)域內(nèi)，成為重要的生產(chǎn)因素。在教育領(lǐng)域中也有大量的數(shù)據(jù)產(chǎn)生，通過對教育大數(shù)據(jù)的獲取、存儲、管理和分析，我們可以構(gòu)建學(xué)習(xí)者學(xué)習(xí)行為相關(guān)模型，分析學(xué)習(xí)者已有學(xué)習(xí)行為，并對學(xué)習(xí)者的未來學(xué)習(xí)趨勢進(jìn)行科學(xué)預(yù)測[1]。隨著云計算的應(yīng)用、智能終端的普及以及大數(shù)據(jù)分析技術(shù)的突破，基于教育大數(shù)據(jù)的學(xué)習(xí)分析技術(shù)有了長足的應(yīng)用和發(fā)展。未來是一個數(shù)據(jù)驅(qū)動決策，分析變革教育的時代，學(xué)習(xí)分析技術(shù)可以有效地發(fā)揮這些教育數(shù)據(jù)的作用，使數(shù)據(jù)轉(zhuǎn)變?yōu)樾畔⒑椭R，為教學(xué)決策和學(xué)習(xí)優(yōu)化提供服務(wù)，使數(shù)據(jù)成為審慎決策和優(yōu)化過程的重要依據(jù)。

美國新媒體聯(lián)盟NMC的地平線報告中連續(xù)幾年都將學(xué)習(xí)分析技術(shù)預(yù)測為未來的研究主流，提出應(yīng)該使學(xué)習(xí)者從消費者轉(zhuǎn)變?yōu)閯?chuàng)造者，應(yīng)用數(shù)據(jù)分析來改進(jìn)服務(wù)、提高學(xué)習(xí)者保持率并促進(jìn)學(xué)習(xí)成功。報告認(rèn)為學(xué)習(xí)分析是利用松散耦合的數(shù)據(jù)收集工具和分析技術(shù)，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(jìn)而對課程和教學(xué)進(jìn)行實時評價[2]。我國研究學(xué)者認(rèn)為，學(xué)習(xí)分析是圍繞與學(xué)習(xí)者學(xué)習(xí)信息相關(guān)的數(shù)據(jù)，運用不同的分析方法和數(shù)據(jù)模型來解釋這些數(shù)據(jù)，根據(jù)解釋的結(jié)果探尋學(xué)習(xí)規(guī)律，根據(jù)闡釋的數(shù)據(jù)反映學(xué)習(xí)表現(xiàn)，從而為更有效的學(xué)習(xí)提供反饋和策略[3]。未來的教育系統(tǒng)和學(xué)習(xí)形態(tài)必然基于人們的生活實態(tài)發(fā)生變革[4]，信息技術(shù)與課程的深度整合將成為重要的教育研究領(lǐng)域[5]，其中學(xué)習(xí)分析技術(shù)不僅可以滿足學(xué)習(xí)者對自己學(xué)習(xí)情況的實時監(jiān)控，而且可以為教師提供實時反饋的信息評量，以服務(wù)學(xué)習(xí)過程，優(yōu)化學(xué)習(xí)設(shè)計。

學(xué)習(xí)分析研究協(xié)會SoLAR每年都會舉辦以“學(xué)習(xí)分析技術(shù)與知識”為主題的國際會議LAK，會議每年都吸引來自全球各個國家的學(xué)習(xí)分析相關(guān)領(lǐng)域?qū)＜覅⒓?，相關(guān)領(lǐng)域內(nèi)容涵蓋學(xué)習(xí)科學(xué)、數(shù)據(jù)科學(xué)、計算機科學(xué)等多個方向，SoLAR的成立對于學(xué)習(xí)分析技術(shù)這一新興領(lǐng)域規(guī)模的迅速擴大也起到了極大的助推作用。從2011年到2015年，SoLAR舉辦的LAK會議已有五屆，隨著會議的規(guī)模和影響力越來越大，論文的投稿量和參會人員也呈現(xiàn)逐年增加的態(tài)勢。學(xué)習(xí)分析技術(shù)從大數(shù)據(jù)的背景下產(chǎn)生并發(fā)展起來，現(xiàn)已獲得越來越大的影響力。SoLAR每年都會緊跟時代進(jìn)步的要求和研究重難點的發(fā)展，在世界各地舉辦LAK會議，2016的LAK將于4月在英國倫敦舉行。從2011年以來，學(xué)習(xí)分析領(lǐng)域的研究已從從萌芽階段漸漸取得初步的進(jìn)展。本文以2011-2015年LAK的會議論文為研究的立足點和出發(fā)點，通過對五年的會議論文進(jìn)行內(nèi)容分析，梳理學(xué)習(xí)分析技術(shù)的研究現(xiàn)狀和發(fā)展趨勢，以期豐富該領(lǐng)域的深入研究，如表1所示。

表1 2011-2015年LAK會議概況

二、學(xué)習(xí)分析技術(shù)的研究現(xiàn)狀

(一)基于LAK會議論文關(guān)鍵詞的統(tǒng)計分析

1.關(guān)鍵詞的基本情況

從2011年到2015年共出現(xiàn)1237個關(guān)鍵詞，年均關(guān)鍵詞247.40個，篇均關(guān)鍵詞平均4.65個，如右表2所示。從2013年到2015年，篇均關(guān)鍵詞逐年減少，說明研究者對于該領(lǐng)域的研究目的更加明確，對于研究內(nèi)容的界定也更加科學(xué)精煉。經(jīng)過對266篇論文的關(guān)鍵詞進(jìn)行聚類篩選，共有“學(xué)習(xí)分析”“數(shù)據(jù)挖掘”“大數(shù)據(jù)”“預(yù)測/干預(yù)”“可視化”“社會網(wǎng)絡(luò)分析”“學(xué)習(xí)管理系統(tǒng)”“大規(guī)模開放課程資源MOOC”“評價”“高等教育”“話語分析”“個性化學(xué)習(xí)”“計算機支持的協(xié)作學(xué)習(xí)CSCL”“21世紀(jì)技能”14個高頻關(guān)鍵詞，“學(xué)習(xí)分析”為主題關(guān)鍵詞。在對關(guān)鍵詞的處理中，采用了編碼和聚類的質(zhì)性數(shù)據(jù)的統(tǒng)計方法。其中，學(xué)習(xí)分析、數(shù)據(jù)挖掘、大數(shù)據(jù)、預(yù)測/干預(yù)、可視化、學(xué)習(xí)管理系統(tǒng)、評價、高等教育這8個關(guān)鍵詞穩(wěn)定存在；社會網(wǎng)絡(luò)分析和CSCL這2個關(guān)鍵詞呈現(xiàn)前期存在，近兩年出現(xiàn)頻率不高的態(tài)勢；MOOC、個性化學(xué)習(xí)、話語分析這3個關(guān)鍵詞呈現(xiàn)前期出現(xiàn)不多，近兩年大量出現(xiàn)的情況；21世紀(jì)技能這個關(guān)鍵詞在這五年的會議論文中呈現(xiàn)間歇性出現(xiàn)的趨勢。從高頻關(guān)鍵詞的頻數(shù)和變化比例可知，對于學(xué)習(xí)分析技術(shù)這一領(lǐng)域來說已經(jīng)經(jīng)歷了從分散到集中、從泛化到精細(xì)的研究過程。

表2 2011-2015年LAK會議論文關(guān)鍵詞統(tǒng)計情況

2.高頻關(guān)鍵詞的統(tǒng)計情況

對高頻關(guān)鍵詞進(jìn)行縱向、橫向分析，如表3所示。縱向分析 “學(xué)習(xí)分析”“數(shù)據(jù)挖掘”和“大數(shù)據(jù)”每年都有所體現(xiàn)，為核心關(guān)鍵詞；橫向分析這3個高頻關(guān)鍵詞的變化情況基本一致，在前兩年呈現(xiàn)增長的趨勢，后兩年所占比例有所減少，與該趨勢相反的是“MOOC”的逐年增長。

表3 2011-2015年LAK會議論文高頻關(guān)鍵詞統(tǒng)計情況

通過對1237個關(guān)鍵詞進(jìn)行聚類分析和關(guān)聯(lián)分析， “學(xué)習(xí)分析”的內(nèi)容可以根據(jù)學(xué)習(xí)對象、學(xué)習(xí)環(huán)境、學(xué)習(xí)理論、學(xué)習(xí)評價、分析方法和分析工具6個方面進(jìn)行深入地探索和解讀。針對學(xué)習(xí)對象的內(nèi)容有學(xué)習(xí)者性格、學(xué)習(xí)態(tài)度、行為模式、學(xué)習(xí)參與度及媒介素養(yǎng)等；針對學(xué)習(xí)環(huán)境的內(nèi)容主要是計算機為載體的學(xué)習(xí)方式的變革，如構(gòu)建學(xué)習(xí)管理系統(tǒng)、課程管理系統(tǒng)、個人學(xué)習(xí)環(huán)境、知識社區(qū)、智慧課堂、計算機支持的協(xié)作學(xué)習(xí)CSCL和MOOCs等；針對學(xué)習(xí)理論內(nèi)容有生物系統(tǒng)理論、混合式學(xué)習(xí)、遠(yuǎn)距離學(xué)習(xí)、科學(xué)技術(shù)工程教學(xué)STEM、行動研究等；針對學(xué)習(xí)評價的內(nèi)容有環(huán)境評價、同輩評價、自動評價、協(xié)作評價等；針對分析方法的內(nèi)容有語篇分析、時序分析、文本分析、判別分析、引文分析和社會網(wǎng)絡(luò)工作分析等；針對分析工具的內(nèi)容有學(xué)習(xí)評價分析工具、學(xué)習(xí)網(wǎng)絡(luò)分析工具、視頻分析技術(shù)等新興工具。

(二)基于會議論文的學(xué)習(xí)分析技術(shù)的研究現(xiàn)狀

1.MOOCs視角下的學(xué)習(xí)分析技術(shù)

MOOCs是一種大規(guī)模、開放、在線的課程資源，是一種基于社會化網(wǎng)絡(luò)的學(xué)習(xí)方式。其大規(guī)模的特點體現(xiàn)在用戶和課程數(shù)量大，且產(chǎn)生巨大的數(shù)據(jù)量；其開放的特點體現(xiàn)在將教育資源共享，為世界各地學(xué)習(xí)者提供了一種聯(lián)結(jié)[6]；其在線的特點滿足了學(xué)習(xí)者不受時空的限制。MOOCs的出現(xiàn)推動了技術(shù)與教育的深度融合，改變了學(xué)習(xí)者的認(rèn)知方式[7]，其蘊含的大量數(shù)據(jù)具有重要的教育研究價值，透過MOOCs的數(shù)據(jù)分析可以發(fā)現(xiàn)學(xué)習(xí)者的學(xué)習(xí)規(guī)律，優(yōu)化學(xué)習(xí)者的學(xué)習(xí)過程，為學(xué)習(xí)者個性化學(xué)習(xí)的實現(xiàn)提供可能，也為促進(jìn)教學(xué)方式的變革提供基礎(chǔ)。在LAK的會議論文中，MOOCs與學(xué)習(xí)分析的相關(guān)研究越來越豐富。Sre?ko等人將自動內(nèi)容分析和社會網(wǎng)絡(luò)分析作為定量分析的內(nèi)容，以不同社交媒體平臺的帖子作為定性分析的內(nèi)容，依靠自動化概念提取工具識別并分析帖子中的概念群體[8]，為學(xué)習(xí)者在MOOCs課程的話語內(nèi)容提供了更為深入的探索，使得學(xué)習(xí)者在不同的社交媒體中更有助于 “彌合社會差距”，從而促使利益相關(guān)共同體的形成。

MOOCs是一種課程資源，而學(xué)習(xí)分析是支撐該資源的一種技術(shù)，MOOCs順應(yīng)了教育變革信息化的趨勢，將“知識傳授”和“知識內(nèi)化”的過程顛倒過來，促進(jìn)了學(xué)習(xí)者解決問題能力以及創(chuàng)新能力的提高[9]。在LAK的會議論文中，通過學(xué)習(xí)分析技術(shù)提高M(jìn)OOCs學(xué)習(xí)者學(xué)習(xí)活動的研究也逐漸增多，Aysu等人通過匯集一種無監(jiān)督的對話行為分類框架進(jìn)行建模來理解MOOCs論壇的帖子結(jié)構(gòu)，以此作為一種學(xué)習(xí)分析的方法，并通過實證研究討論同步教程對話在MOOCs課程中的數(shù)據(jù)性能，以證明該模型的適用性。在未來，實時輔導(dǎo)可以通過這些無監(jiān)督的建模技術(shù)促成MOOCs課程標(biāo)準(zhǔn)或智能支持系統(tǒng)，為學(xué)習(xí)者提供自適應(yīng)和高效度的學(xué)習(xí)經(jīng)驗[10]。

2.教育背景下的數(shù)據(jù)挖掘與學(xué)習(xí)分析

大數(shù)據(jù)重塑學(xué)習(xí)的三個特征是“反饋”“個性化”“概率預(yù)測”[11]，學(xué)習(xí)分析技術(shù)也是一種數(shù)據(jù)分析技術(shù)，而這種數(shù)據(jù)分析泛指應(yīng)用在教育領(lǐng)域的“大數(shù)據(jù)”， “大數(shù)據(jù)”在2014年Gartner新興技術(shù)成熟度曲線圖中已處于下落位置，在2015年已經(jīng)落榜，這說明大數(shù)據(jù)已經(jīng)脫離“新興”轉(zhuǎn)而“成熟”了。大數(shù)據(jù)最重要的價值即數(shù)據(jù)本身，Philip等人結(jié)合教育數(shù)據(jù)類別的定義，開發(fā)了一個概念性框架來組織新興學(xué)習(xí)分析活動[12]。對于教育數(shù)據(jù)挖掘EDM和學(xué)習(xí)分析知識LAK的關(guān)系，Alejandro等人認(rèn)為兩者在教育、教學(xué)、學(xué)習(xí)分析中均有所體現(xiàn)，對于模型、方法、技術(shù)和影響都有做高質(zhì)量的研究。數(shù)據(jù)挖掘技術(shù)和教育背景下的信息技術(shù)的結(jié)合產(chǎn)生出EDM這樣一個新興學(xué)科。EDM包括預(yù)測方法、關(guān)系挖掘、模型建構(gòu)、教育過程挖掘EPM等幾個方面。其中，EPM可以用來更好地理解基礎(chǔ)教育過程，給學(xué)習(xí)者以建議，給教師及教學(xué)研究者以反饋，以便學(xué)習(xí)者及早地發(fā)現(xiàn)學(xué)習(xí)困難，促進(jìn)對學(xué)習(xí)對象的管理能力，幫助對不同年齡學(xué)習(xí)者學(xué)習(xí)認(rèn)知與后設(shè)認(rèn)知有高度要求的學(xué)習(xí)環(huán)境，如超媒體或基于計算機的學(xué)習(xí)環(huán)境等[13]。Shady等人利用EDM對威斯康星大學(xué)本科生的學(xué)習(xí)成績從第一周開始進(jìn)行跟蹤測量，開發(fā)了一套學(xué)習(xí)者成功系統(tǒng)S3來預(yù)測學(xué)習(xí)者的行為，提高學(xué)習(xí)者的學(xué)習(xí)成功率。該系統(tǒng)基于預(yù)測模型，利用機器學(xué)習(xí)算法對歷史進(jìn)程創(chuàng)建的數(shù)據(jù)進(jìn)行挖掘分析，為學(xué)習(xí)者個性化課程的制定提供策略[14]。

3.學(xué)習(xí)分析技術(shù)與個性化學(xué)習(xí)的實現(xiàn)

個性化學(xué)習(xí)是一種具有自我導(dǎo)向性的學(xué)習(xí)分析，個性化學(xué)習(xí)以學(xué)習(xí)者的個體差異為根據(jù)，為學(xué)習(xí)者提供個性化的建議和服務(wù)，并實時記錄學(xué)習(xí)日志和行為軌跡，評估過往學(xué)習(xí)過程、預(yù)測未來表現(xiàn)和發(fā)現(xiàn)潛在問題[15]。Hendrik等人認(rèn)為學(xué)習(xí)分析領(lǐng)域的各種數(shù)據(jù)集的應(yīng)用主要都是用在教育和學(xué)習(xí)上的，將數(shù)據(jù)集按照來源可以分為兩類：來自不同學(xué)習(xí)環(huán)境的跟蹤數(shù)據(jù)和來自不同網(wǎng)絡(luò)鏈接的跟蹤數(shù)據(jù)。Daniel等人植根于認(rèn)知情境、關(guān)聯(lián)視圖及網(wǎng)上文化的學(xué)習(xí)觀點，提出了一種個性化的學(xué)習(xí)方法，并通過學(xué)習(xí)分析精制理論，將其功能擴大到更加系統(tǒng)和自動化的“大的開放性的在線課程”中[16]。學(xué)習(xí)分析的個性化學(xué)習(xí)資源使得從外部學(xué)習(xí)機構(gòu)到學(xué)習(xí)者個人成長都有了“開放性”的實現(xiàn)。學(xué)習(xí)科學(xué)與教學(xué)設(shè)計的有機結(jié)合，可以實現(xiàn)學(xué)習(xí)者的自身潛能；學(xué)習(xí)者和學(xué)習(xí)機構(gòu)擁有訪問工具和資源的權(quán)限，可以滿足學(xué)習(xí)者的學(xué)習(xí)需要；教師提供良好的教學(xué)和學(xué)習(xí)環(huán)境，可以滿足學(xué)生個性化的成長需求。這些在學(xué)習(xí)科學(xué)和工具開發(fā)之間建立的伙伴關(guān)系和合作關(guān)系，可以支持個性化學(xué)習(xí)[17]。

4.學(xué)習(xí)分析工具的開發(fā)和研究

學(xué)習(xí)分析工具有多種分類方式，按主流分法可分為學(xué)習(xí)網(wǎng)絡(luò)分析工具、學(xué)習(xí)內(nèi)容分析工具、學(xué)習(xí)行為分析工具、學(xué)習(xí)能力分析工具等，充分利用各類型工具的特點和優(yōu)勢有利于發(fā)揮其應(yīng)用潛力[18]。Schneider等人通過學(xué)習(xí)網(wǎng)絡(luò)分析工具發(fā)展交叉協(xié)作感知，應(yīng)用網(wǎng)絡(luò)可視化跟蹤眼睛數(shù)據(jù)并解釋圖表屬性。Scheffel等人針對學(xué)習(xí)分析內(nèi)容提出了一種質(zhì)量指標(biāo)評價框架的連續(xù)發(fā)展過程，構(gòu)建了一組基于多維縮放和分層聚類的概念映射的方法[19]。Paulo等人采用了一種自動化技術(shù)對學(xué)習(xí)者學(xué)習(xí)的編程課程進(jìn)行評估、分析和可視化研究，以記錄學(xué)習(xí)者代碼快照的方式提取學(xué)習(xí)者的行為，從而對學(xué)習(xí)者的編程經(jīng)驗進(jìn)行分類[20]。Abelardo等人創(chuàng)設(shè)了一個翻轉(zhuǎn)的學(xué)習(xí)環(huán)境，用來支持學(xué)生的學(xué)習(xí)成果，以更好地促進(jìn)學(xué)生的高階認(rèn)知策略[21]。Sanam等人認(rèn)為能力是構(gòu)成學(xué)習(xí)者個體差異的背景，學(xué)習(xí)能力分析工具的研發(fā)可以促進(jìn)學(xué)習(xí)者監(jiān)控自身的學(xué)習(xí)過程，方便制定符合自身條件的認(rèn)知策略和戰(zhàn)略行動[22]。在LAK的會議論文中，學(xué)習(xí)分析工具涉及越來越多的機器學(xué)習(xí)和情感計算的設(shè)計。隨著機器學(xué)習(xí)的深入研究，協(xié)作式的自動評估方法也將成為分析工具的重要措施[23]。

5.學(xué)習(xí)管理系統(tǒng)中的學(xué)習(xí)分析

學(xué)習(xí)管理系統(tǒng)LMS可以生成大量的數(shù)據(jù)，可以對學(xué)習(xí)者的學(xué)習(xí)活動進(jìn)行捕捉，記錄并跟蹤活動數(shù)據(jù)。Vitomir等人研究了LMS中不同任務(wù)時間對常用分析模型的影響，并提供了一個在教育探索領(lǐng)域的時間任務(wù)評估方法[24]。LMS中的早期預(yù)警系統(tǒng)EWS可以通過整合與課程相關(guān)的、實時的課程信息，來預(yù)測學(xué)習(xí)者的成功或失敗。Richard等人提出了一種將學(xué)習(xí)者使用課程的LMS應(yīng)用到EWS的研究，解釋了使用課程資源和學(xué)習(xí)者成績的關(guān)系，通過多元邏輯回歸模型來評估課程資源使用的可能性[25]。LMS的一個最顯著的特點是其自適應(yīng)性，自適應(yīng)學(xué)習(xí)管理系統(tǒng)可以針對個體學(xué)習(xí)過程中的差異而提供適合個體特征的學(xué)習(xí)支持。自適應(yīng)的LMS最早是從智能教學(xué)系統(tǒng)ITS演變而來[26]。Laura等人開發(fā)了一個模型，從語言的自我屬性的解釋出發(fā)，提高學(xué)習(xí)者的閱讀理解能力，最終提高ITS的性能[27]。此外，LMS的智能化研究是高等教育的一個顯著現(xiàn)象，這也使得LMS得到了前所未有的采用率。

6.開放教育視角下的學(xué)習(xí)分析

2015AECT會議提出了兩個核心趨勢，即“開放教育”和“學(xué)習(xí)分析”，教育的開放性研究是未來教育的主流思潮，若要保障未來教育的開放性，教育研究者需要數(shù)據(jù)分析的支持來論證并確保開放服務(wù)及相關(guān)教學(xué)設(shè)計的有效性?！盎ヂ?lián)網(wǎng)+”實現(xiàn)了人機互補的智能鏈接，“互聯(lián)網(wǎng)+”時代推動了教育信息化的發(fā)展，提供了無處不在的學(xué)習(xí)機會，也為開放教育和學(xué)習(xí)分析兩大主流的結(jié)合提供了環(huán)境，如MOOCs的高輟學(xué)率的問題可以由學(xué)習(xí)分析的技術(shù)層面加以改進(jìn)和完善，而隨著MOOCs出現(xiàn)的大量數(shù)據(jù)也為學(xué)習(xí)分析的深入研究提供了機遇和挑戰(zhàn)[28]。開放學(xué)習(xí)環(huán)境OELE可以提供自適應(yīng)的支持，James等人認(rèn)為開放學(xué)習(xí)環(huán)境可以給學(xué)習(xí)者提供真實的、復(fù)雜的參與任務(wù)并解決問題的機會，以認(rèn)知和元認(rèn)知為過程模型，采用模型驅(qū)動的評估方法完成開放式學(xué)習(xí)任務(wù)[29]。Barbara等人設(shè)計了一個基于樹圖的開放學(xué)習(xí)模型，研究了可視化的開放學(xué)習(xí)模型，該模型為信息可視化提供了一個創(chuàng)新的方式[30]。

三、學(xué)習(xí)分析技術(shù)未來的趨勢和挑戰(zhàn)

基于LAK會議論文對學(xué)習(xí)分析現(xiàn)狀的深入研究，提煉出學(xué)習(xí)分析技術(shù)未來發(fā)展的三個趨勢，即機器學(xué)習(xí)和情感計算、智慧學(xué)習(xí)和技術(shù)標(biāo)準(zhǔn)、心理測量技術(shù)和學(xué)習(xí)分析。而如何處理倫理與安全的問題并有效應(yīng)用預(yù)測學(xué)習(xí)將成為學(xué)習(xí)分析技術(shù)發(fā)展面臨的挑戰(zhàn)。

(一)學(xué)習(xí)分析技術(shù)的趨勢

1.整合機器學(xué)習(xí)和情感計算技術(shù)的學(xué)習(xí)分析研究

Shady等人基于預(yù)測模型，利用機器學(xué)習(xí)算法進(jìn)行數(shù)據(jù)挖掘，提出整合機器學(xué)習(xí)和情感計算技術(shù)的學(xué)習(xí)分析研究不僅可以促進(jìn)學(xué)習(xí)者的個性化學(xué)習(xí)，而且方便教師監(jiān)控學(xué)習(xí)者的個性化狀態(tài)[31]。學(xué)習(xí)分析技術(shù)是基于大數(shù)據(jù)的分析技術(shù)，其應(yīng)用和發(fā)展離不開算法，其研究對象離不開人。整合機器學(xué)習(xí)和情感計算的研究，不僅拓展學(xué)習(xí)分析技術(shù)的輻射范圍，而且可以更深入地了解學(xué)習(xí)者的學(xué)習(xí)行為。機器學(xué)習(xí)是一種可以讓計算機“自動學(xué)習(xí)”的分析方法。機器學(xué)習(xí)關(guān)注預(yù)測，基于已知屬性以訓(xùn)練數(shù)據(jù)，而數(shù)據(jù)挖掘關(guān)注以前數(shù)據(jù)中尚未發(fā)現(xiàn)的屬性。情感計算以人類情緒理論為基礎(chǔ)，使人類和計算機可以進(jìn)行和諧自然的生動交互，使計算機能夠智能地解讀學(xué)習(xí)者的心理困擾，并靈活地幫助學(xué)習(xí)者及時做出調(diào)整、化解沖突。機器學(xué)習(xí)和情感計算可以確定學(xué)習(xí)者的情感狀態(tài)和行為特征，為學(xué)習(xí)分析技術(shù)的深入研究和預(yù)測提供基礎(chǔ)依據(jù)，機器學(xué)習(xí)和情感計算也必將成為學(xué)習(xí)分析領(lǐng)域的研究熱點。

2.基于學(xué)習(xí)分析技術(shù)的智慧學(xué)習(xí)環(huán)境構(gòu)建

James提出一種依賴實時學(xué)習(xí)分析的教學(xué)模式，即“智能空間”，為支持交互環(huán)境提供了腳手架[32]。學(xué)習(xí)分析是一種可以優(yōu)化學(xué)習(xí)效果，改進(jìn)學(xué)習(xí)策略的“智能分析”。智慧學(xué)習(xí)環(huán)境是一種能提供學(xué)習(xí)資源和智能工具，感知學(xué)習(xí)情景并組建學(xué)習(xí)社群，記錄學(xué)習(xí)過程以提高學(xué)習(xí)的空間；智慧學(xué)習(xí)是一種以學(xué)習(xí)者自我學(xué)習(xí)為導(dǎo)向，使用智能學(xué)習(xí)技術(shù)來促進(jìn)學(xué)習(xí)者智慧發(fā)展的一種學(xué)習(xí)體驗?；趯W(xué)習(xí)分析的智慧學(xué)習(xí)可以為學(xué)習(xí)者評估學(xué)習(xí)過程、預(yù)測未來表現(xiàn)和發(fā)現(xiàn)潛在問題提供服務(wù)。分析變革教育，技術(shù)啟迪智慧，學(xué)習(xí)技術(shù)標(biāo)準(zhǔn)xAPI可以通過記錄相關(guān)學(xué)習(xí)行為歷程和豐富學(xué)習(xí)數(shù)據(jù)以促進(jìn)學(xué)習(xí)分析的應(yīng)用。xAPI是智慧學(xué)習(xí)的底層支持，為學(xué)習(xí)者智慧學(xué)習(xí)提供保障的同時可以讓大量數(shù)據(jù)從學(xué)習(xí)平臺、學(xué)習(xí)工具和學(xué)習(xí)系統(tǒng)中解放出來，使學(xué)習(xí)者的個性化學(xué)習(xí)得以實現(xiàn)。大數(shù)據(jù)背景下的智慧學(xué)習(xí)環(huán)境中，學(xué)習(xí)分析技術(shù)的出現(xiàn)和發(fā)展變革了教與學(xué)的方式方法，推動了信息技術(shù)與教育教學(xué)的深度融合。

3.整合心理測量技術(shù)的學(xué)習(xí)分析研究

心理測量是對個體差異的測量，可以評價學(xué)習(xí)者個體的人格特點和能力差異，其測量結(jié)果可以用來預(yù)測學(xué)習(xí)者在未來學(xué)習(xí)活動中可能出現(xiàn)的差異，也可推測學(xué)習(xí)者在某個學(xué)習(xí)領(lǐng)域未來成功的可能性。整合心理測量技術(shù)的學(xué)習(xí)分析研究成為2016年LAK會議的主題演講，也成為學(xué)習(xí)分析技術(shù)未來發(fā)展的一大趨勢。根據(jù)學(xué)習(xí)分析已有問題的統(tǒng)計推斷和建立模型的推理問題，都符合心理學(xué)方法的測量性能，如可靠性、有效性、可比性和公平性等。技術(shù)和社會認(rèn)知心理學(xué)分支的交叉研究和迅速發(fā)展推動了整合心理測量技術(shù)的學(xué)習(xí)分析研究，使得整合心理測量技術(shù)的學(xué)習(xí)分析可以從心理學(xué)的角度獲得學(xué)習(xí)分析歷史模型中的關(guān)鍵數(shù)據(jù)。目前整合心理測量技術(shù)的學(xué)習(xí)分析研究主要體現(xiàn)在以下幾個方面：通過計算分析方法合成硬數(shù)據(jù)以獲得學(xué)習(xí)者心理的研究理解；通過學(xué)習(xí)科學(xué)、基于域的研究、認(rèn)知和社會文化心理以獲得學(xué)習(xí)者心理的研究結(jié)果；通過模擬游戲和虛擬學(xué)習(xí)環(huán)境的設(shè)計以獲得學(xué)習(xí)者心理的研究啟示。

(二)學(xué)習(xí)分析技術(shù)的挑戰(zhàn)

1.倫理與安全的挑戰(zhàn)

信息時代下，數(shù)據(jù)的互通、共享和安全將成為數(shù)據(jù)應(yīng)用的重要特征，而涉及隱私和安全的數(shù)據(jù)難免會成為某些利益訴求的集散地。教育的對象包含多個群體，而教育數(shù)據(jù)除包括對象本身的數(shù)據(jù)，還包括各對象之間互動衍生的“數(shù)據(jù)尾氣”。在收集和使用教育數(shù)據(jù)的過程必然涉及到一些教育機構(gòu)或企業(yè)組織對數(shù)據(jù)的保護(hù)和許可問題，使得“數(shù)據(jù)權(quán)屬”備受關(guān)注。對于教育數(shù)據(jù)的使用需要研究者公開收集用戶的對象及數(shù)據(jù)，這其中也必然涉及對數(shù)據(jù)的隱私安全保護(hù)問題。而數(shù)據(jù)的預(yù)測也面臨倫理的挑戰(zhàn)，學(xué)習(xí)者提供數(shù)據(jù)是相信大數(shù)據(jù)能夠幫助他們優(yōu)化學(xué)習(xí)而不是阻礙他們的夢想。所以在對教育數(shù)據(jù)進(jìn)行歸納整理和提取分析之前，教育研究者需要取得學(xué)習(xí)者本人的許可后方可應(yīng)用他們的個人信息，并且負(fù)有保護(hù)數(shù)據(jù)隱私問題的能力以及承擔(dān)干預(yù)行為的責(zé)任。如何在現(xiàn)有數(shù)據(jù)的基礎(chǔ)上保障數(shù)據(jù)的倫理安全并進(jìn)行干預(yù)保護(hù)，然后進(jìn)一步地擴大數(shù)據(jù)的捕捉范圍將是學(xué)習(xí)分析技術(shù)的一大挑戰(zhàn)。

2.預(yù)測與應(yīng)用的挑戰(zhàn)

基于教育大數(shù)據(jù)規(guī)劃自身學(xué)習(xí)的過程就是學(xué)習(xí)分析，不僅可以使學(xué)習(xí)者認(rèn)識到自身的優(yōu)缺點，并且為教育者的個性化指導(dǎo)提供依據(jù)。大數(shù)據(jù)時代的學(xué)習(xí)分析對于教育變革產(chǎn)生的價值是巨大的，但是在教育領(lǐng)域，數(shù)據(jù)分析也并不是萬能的。數(shù)據(jù)之所謂“大”體現(xiàn)在數(shù)據(jù)之“全”，包括我們所有的過往和現(xiàn)在，甚至還會預(yù)測到我們的未來。我們沿著時間的軌跡會成長會成熟，而數(shù)據(jù)產(chǎn)生后就是其數(shù)據(jù)本身并不會發(fā)生變化。凡是過去，皆為序章，若一味地依靠數(shù)據(jù)決定我們的命運和未來，那勢必限制人的自由、否定人的發(fā)展、阻礙人的進(jìn)步，從而極有可能造成學(xué)習(xí)者成為數(shù)據(jù)預(yù)測的受害者而不是自身能力的受害者。此外，因為數(shù)據(jù)已經(jīng)“預(yù)測”好未來，所以對于學(xué)習(xí)者來說極有可能出現(xiàn)馬太效應(yīng)，即好的越好、壞的越壞，從而導(dǎo)致學(xué)習(xí)者無法逾越教育鴻溝的不公平現(xiàn)象的產(chǎn)生。所以如何利用預(yù)測優(yōu)化學(xué)習(xí)而又不否定未來將是學(xué)習(xí)分析技術(shù)的又一大挑戰(zhàn)。

四、結(jié)語

本文通過對2011-2015年LAK的會議論文進(jìn)行文本挖掘和內(nèi)容分析，整合了大數(shù)據(jù)視角下學(xué)習(xí)分析技術(shù)的研究現(xiàn)狀、發(fā)展趨勢以及未來的挑戰(zhàn)。本研究期望通過厘清學(xué)習(xí)分析技術(shù)的研究重點和研究熱點，從而梳理該領(lǐng)域的研究脈絡(luò)，以豐富未來的深入研究。通過研究可知，基于大數(shù)據(jù)的研究和應(yīng)用將在學(xué)習(xí)分析領(lǐng)域扮演越來越重要的角色，我們已經(jīng)進(jìn)入了“數(shù)據(jù)驅(qū)動決策，分析變革教育”的時代，而如何有效地利用大數(shù)據(jù)為學(xué)習(xí)分析所用，真正發(fā)揮數(shù)據(jù)的價值并進(jìn)行科學(xué)的預(yù)測，為學(xué)習(xí)者個性化學(xué)習(xí)的實現(xiàn)和教育公平的促進(jìn)，將成為未來學(xué)習(xí)分析深入研究的重點。

[1]徐鵬,王以寧,劉艷華,張海.大數(shù)據(jù)視角分析學(xué)習(xí)變革——美國《通過教育數(shù)據(jù)挖掘和學(xué)習(xí)分析促進(jìn)教與學(xué)》報告解讀及啟示[J].遠(yuǎn)程教育雜志,2013,(6):11-17.

[2]NMC. Horizon Report:2014 Higher Education Edition[DB/OL].https://net.educause.edu/ir/library/pdf/HR2014.pdf,2014-06-18.

[3]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.

[4]張海,李馨.日本移動學(xué)習(xí)實踐研究前沿[J].中國電化教育,2009,(9):1-6.

[5]張海,王以寧,何克抗. 基于課堂視頻分析對信息技術(shù)深層整合教學(xué)結(jié)構(gòu)的研究[J]. 中國電化教育, 2010, (11): 7-11.

[6]李華,段建彬,許旱年.智能技術(shù)支持下的智慧學(xué)習(xí)——GCCCE2014會議回顧與述評[J].電化教育研究,2015,(6):15-20.

[7]祝智庭,管玨琪.教育變革中的技術(shù)力量[J].中國電化教育,2014,(1):1-9.

[8]Sre?ko Joksimovi?, Vitomir Kovanovi? , Jelena Jovanovi?, Amal Zouaq,Dragan Ga?evi?, Marek Hatala .What do cMOOC participants talk about in Social Media?A Topic Analysis of Discourse in a cMOOC[A].Proceedings of the Fifth International Conference on Learning Analytics And Knowledge[C]. Poughkeepsie, NY, USA :ACM,2015.156-165.

[9]王佑鎂,葉愛敏,賴文華. MOOC何去何從:基于知識圖譜的國內(nèi)研究熱點分析[J].中國電化教育,2015,(7):12-18.

[10]Aysu Ezen-Can, Kristy Elizabeth Boyer, Shaun Kellogg, Sherry Booth. Unsupervised Modeling for Understanding MOOC Discussion Forums: A Learning Analytics Approach[A]. Proceedings of the Fifth International Conference on Learning Analytics And Knowledge[C].Poughkeepsie, NY, USA: ACM,2015.146-150.

[11]維克托·邁爾-舍恩伯格,肯尼思·庫克耶.與大數(shù)據(jù)同行——學(xué)習(xí)和教育的未來[M].武漢:華中師范大學(xué)出版社,2015.

[12]Philip J. Piety ,Daniel T. Hickey ,MJ Bishop .Educational Data Sciences-Framing Emergent Practices for Analytics of Learning,Organizations, and Systems[A].Proceedings of the Fourth International Conference on Learning Analytics And Knowledge[C].Indianapolis,IN, USA: ACM,2014.31-35.

[13]Alejandro Bogarín, Cristóbal Romero , Alejandro Bogarín,Cristóbal Romero .Clustering for improving Educational Process Mining[A].Proceedings of the Fourth International Conference on Learning Analytics And Knowledge[C]. Indianapolis, IN, USA:ACM,2014.11-15.

[14]Shady Shehata, Kimberly E. Arnold. Measuring Student Success Using Predictive Engine[A]. Proceedings of the Fifth International Conference on Learning Analytics And Knowledge[C]. Poughkeepsie,NY, USA: ACM,2015. 416-417.

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

[16]Daniel T. Hickey,Tara Alana Kelley,Xinyi Shen. Small to Big Before Massive:Scaling up Participatory Learning Analytics[A].Proceedings of the Fourth International Conference on Learning Analytics And Knowledge[C]. Indianapolis, IN, USA: ACM,2014.93-97.

[17]Linda L. Baer ,Linda L. Baer .Crafting Transformative Strategies for Personalized Learning/Analytics[A].Proceedings of the Third International Conference on Learning Analytics And Knowledge[C].Indianapolis, IN, USA: ACM,2013.275-277.

[18]孟玲玲,顧小清,李澤.學(xué)習(xí)分析工具比較研究[J].開放教育研究,2014,(4):66-75.

[19]Maren Scheffel, Hendrik Drachsler, Marcus Specht. Developing an Evaluation Frameworkof Quality Indicators for Learning Analytics[A]Proceedings of the Fifth International Conference on Learning Analytics And Knowledge[C]. Poughkeepsie, NY, USA:ACM,2015.16-20.

[20]Paulo Blikstein. Using learning analytics to assess students’behavior in open-ended programming tasks[A].Proceedings of the First International Conference on Learning Analytics And Knowledge[C].Banff, Alberta, Canada: ACM,2011.110-116.

[21]Abelardo Pardo, Negin Mirriahi, Shane Dawson.Identifying Learning Strategies Associated with Active use of Video Annotation Software[A]. Proceedings of the Fifth International Conference on Learning Analytics And Knowledge[C]. Poughkeepsie, NY, USA:ACM,2015.255-259.

[22]Sanam Shirazi Beheshitha, Dragan Ga?evi?, Marek Hatala. A Process Mining Approach to Linking the Study of Aptitude and Event Facets of Self-regulated Learning[A]. Proceedings of the Fifth International Conference on Learning Analytics And Knowledge[C]. Poughkeepsie,NY, USA: ACM,2015.265-269.

[23]Bertrand Schneider, Sami Abu-El-Haija, Jim Reesman, Roy Pea.Toward Collaboration Sensing: Applying Network Analysis Techniques to Collaborative Eye-tracking Data[A].Proceedings of the Third International Conference on Learning Analytics And Knowledge[C].Indianapolis, IN, USA: ACM,2013.107-111.

[24]Vitomir Kovanovi′c, Dragan Ga'evi′c, Shane Dawson, Sre′cko Joksimovi′c, Ryan S. Baker, Marek Hatala.Penetrating the Black Box of Time-on-task Estimation[A]. Proceedings of the Fifth International Conference on Learning Analytics And Knowledge[C]. Poughkeepsie,NY, USA: ACM,2015.184-193.

[25]Richard Joseph Waddington, Sung Jin Nam.Practice Exams Make Perfect: Incorporating Course Resource Use into an Early Warning System[A].Proceedings of the Fourth International Conference on Learning Analytics And Knowledge[C]. Indianapolis, IN, USA:ACM,2014.188-192.

[26]徐鵬,王以寧.國內(nèi)自適應(yīng)學(xué)習(xí)系統(tǒng)的研究現(xiàn)狀與反思[J].現(xiàn)代遠(yuǎn)距離教育,2011,(1):25-27.

[27]Laura K. Allen,Erica L. Snow, Danielle S. Mc Namara.Are You Reading My Mind? Modeling Students’ Reading Comprehension Skills with Natural Language Processing Techniques[A]. Proceedings of the Fifth International Conference on Learning Analytics And Knowledge[C]. Poughkeepsie, NY, USA: ACM,2015.246-254.

[28]郁曉華,顧小清.開放教育下的學(xué)習(xí)分析——2015 AECT 夏季研討會評述與延伸[J].遠(yuǎn)程教育雜志,2015,(5):14-23.

[29]James R. Segedy, Kirk M. Loretz, Gautam Biswas.Model-Driven Assessment of Learners in Open-EndedLearning Environments[A].Proceedings of the Third International Conference on Learning Analytics And Knowledge[C]. Indianapolis, IN, USA: ACM,2013.200-204.

[30]Barbara Kump,Christin Seifert,Guenter Beham .Seeing What the System Thinks You Know - Visualizing Evidence in an Open Learner Model[A].Proceedings of the Second International Conference on Learning Analytics And Knowledge[C]. Vancouver, BC, Canada:ACM,2012.153-157.

[31]Shady Shehata, Kimberly E. Arnold. Measuring Student Success Using Predictive Engine[A]. Proceedings of the Fifth International Conference on Learning Analytics And Knowledge[C]. Poughkeepsie,NY, USA: ACM,2015.146-150.

[32]James D. Slotta, Mike Tissenbaum, Michelle Lui. Orchestrating of complex inquiry: Three roles for learning analytics in a smart classroom infrastructure[A].Proceedings of the Third International Conference on Learning Analytics And Knowledge[C]. Vancouver, BC,Canada:ACM,2013. 270-274.

The Current Situation and Future Trend of Learn Analysis Technology Based on 2011-2015 LAK Conference Papers

Cao Shuai1, Wang Yining2, Xu Peng3
(1.School of Computer Science and Information Technology, Northeast Normal University, Changchun Jilin 130024;2.School of Media Science, Northeast Normal University, Changchun Jilin 130024; 3.Information Office of Northeast Normal University, Changchun Jilin 130024)

Technology and education are closely integrated in the era of big data, whose emergence in education provides a research opportunity for the development of learning analysis technology which can effectively explore the value of big data that is hidden in education, and thus make data the basis for optimizing learners’ learning activity. For several successive years, the United States New Media Consortium has been predicting that learning analysis will become the mainstream of research in the field of education, and the International Conference on Learning Analytics and Knowledge in the previous 5 consecutive years provides the organizational guarantee for the meticulous research. Based on the text mining and content analysis of the International Conference on Learning Analytics and Knowledge papers in 2011-2015, this paper integrates the research status, development trend and the existing challenges of the learning analysis technology from the big data perspective. Hopefully, this paper can sort out the study of the field of learning analysis technology through the context, and thus inspire further studies.

Learn Analysis; LAK; Data Mining; MOOC

G434

：A

曹帥：在讀碩士，研究方向為教師教育技術(shù)(caos009@nenu.edu.cn)。

王以寧：教授，博士生導(dǎo)師，研究方向為教師教育技術(shù)(wangyn814@nenu.edu.cn)。

徐鵬：在讀博士，工程師，研究方向為教師教育技術(shù)、大數(shù)據(jù)教育應(yīng)用(xp@nenu.edu.cn)。

2016年2月17日

責(zé)任編輯：趙興龍

1006—9860(2016)05—0078—07

* 本文系東北師范大學(xué)教師教育研究基金重點項目“卓越教師素質(zhì)結(jié)構(gòu)實證研究”、東北師范大學(xué)教師教學(xué)發(fā)展基金項目“面向高水平復(fù)合型傳媒人才UGMR創(chuàng)新培養(yǎng)模式的實踐型教師共同體建設(shè)”研究成果，受教育部人文社會科學(xué)研究青年基金項目“教師信息技術(shù)應(yīng)用能力遷移影響因素模型構(gòu)建研究——以教師教育創(chuàng)新實驗區(qū)為例”(項目編號：14YJC880092)資助。