基于大數(shù)據(jù)的學習分析技術研究現(xiàn)狀與趨勢

許文

摘要：大數(shù)據(jù)背景下，學習分析的快速發(fā)展為實現(xiàn)個性化學習、自適應學習提供了技術保障，是在線學習、MOOCS等形式教學方式取得更好效果的重要技術輔助。該文以梳理相關學習分析文獻為基礎，分析探討了學習分析的概念內(nèi)涵及特征，并從學習分析的理論基礎與框架模型、學習分析技術與工具研究、學習分析技術應用與實踐研究角度綜述了大數(shù)據(jù)背景下學習分析技術研究現(xiàn)狀與趨勢。

關鍵詞：學習分析;學習分析技術;大數(shù)據(jù);數(shù)據(jù)挖掘

分類號：G434? ? ? ? 文獻標識碼：A? ? ? ? 文章編號：1009-3044（2018）31-0024-04

The Research Status and Future Prospect of Big Data-Based Learning Analysis

XU Wen

（Department of Information Engineering， Jiangxi Vocational College of Finance & Economics， Jiujiang 332000，China）

Abstract： In the background of large data， the rapid development of learning analysis provides technical support for realizing personalized learning and adaptive learning. It is an important technical aid for online learning， MOOCS and other forms of teaching methods to achieve better results. Based on the literatures of related learning and analysis， this paper analyzes and discusses the conceptual connotation and characteristics of learning analysis. Based on the theoretical basis and framework model of learning analysis， the research and analysis of technology and tools， the application of analytical techniques and practical research Current Situation and Trend of Learning Analysis Technology in Data Background.

Key words： learning analytics; online learning;large data; data mining

隨著信息技術的發(fā)展及各種互聯(lián)網(wǎng)、物聯(lián)網(wǎng)應用的出現(xiàn)，人和世界的交互逐步以可存儲的數(shù)據(jù)記錄下來，這些數(shù)據(jù)隨著應用增加呈現(xiàn)爆發(fā)式增長，并表現(xiàn)出數(shù)據(jù)量大（Volume）、形式多樣（Variety）、生成快速（Velocity）和真實性（Veracity）的特點，這些數(shù)據(jù)被稱為大數(shù)據(jù)。數(shù)據(jù)處理技術的發(fā)展和進步使大數(shù)據(jù)體現(xiàn)出價值，因其提供了前所未有的可量化維度來支持人類的發(fā)明、創(chuàng)新和服務活動，被譽為是“創(chuàng)新、競爭和生產(chǎn)力的下一個前沿”。[1]大數(shù)據(jù)的出現(xiàn)快速影響到社會生活的各個方面，并已經(jīng)在推動各行業(yè)傳統(tǒng)的業(yè)務流程、服務方式和創(chuàng)新方式的變革。

泛在學習背景下，移動學習、在線學習、大規(guī)模共享開放課程（MOOCS）的出現(xiàn)及信息技術在傳統(tǒng)教學中不斷深入應用使得教育大數(shù)據(jù)急劇增長，這些教育大數(shù)據(jù)真實地記錄了學習者復雜的學習行為，是了解學習者學習狀態(tài)、評估學習效果及提供學習建議的基礎依據(jù)。如何使用大數(shù)據(jù)的理論、方法和技術處理教育大數(shù)據(jù)以提高學習效率、優(yōu)化學習效果成為教育領域人們關注的重要問題。自2011年以來，學習分析與知識國際會議（LAK，The International Conferenceon Learning Analytics & Knowledge）每年定期舉行以促進學習分析技術發(fā)展和應用。美國新媒體聯(lián)盟（NMC）的《Horizon Report》更是將學習分析技術評價為影響教育發(fā)展趨勢的關鍵技術，并將于較短時間被廣泛采納[2-4]。各學習技術研究機構和高等教育院校均開展了不同程度的學習分析實踐，有效地推動了學習分析理論和實踐的發(fā)展及與其他教育技術的融合。

本文以梳理學習分析相關研究文獻為基礎，介紹基于大數(shù)據(jù)學習分析技術的基本概念、研究現(xiàn)狀、發(fā)展趨勢，分析大數(shù)據(jù)背景下學習分析技術帶來的學習變革趨勢和應用中存在的挑戰(zhàn)。

1 學習分析相關文獻分析

本研究以“學習分析”和“Learning Analytics”作為主題詞，檢索近五年來發(fā)表在國內(nèi)核心期刊、LAK會議論文、美國高校教育信息化協(xié)會等機構專題報告、教育類國際權威期刊上的文獻，共計獲取文獻292篇，文獻數(shù)量自2012年始呈現(xiàn)快速增長趨勢（圖1），體現(xiàn)了教育界對該領域的持續(xù)高度關注。

通過關鍵詞分析和引文關系分析，與“學習分析”相關的高頻關鍵詞有：“大數(shù)據(jù)”“教育大數(shù)據(jù)”“教育數(shù)據(jù)挖掘”“在線學習”“MOOCS”“智慧學習”“教育變革”“社會網(wǎng)絡分析”“行為分析”“學習過程”等（表1），從中可以看出學習分析的發(fā)展離不開大數(shù)據(jù)和數(shù)據(jù)挖掘技術的發(fā)展;相關研究主題分布在：學習分析理論基礎、學習分析模型與方法、學習分析技術與工具、學習分析應用與實踐、學習分析面臨的倫理與道德挑戰(zhàn)。

對獲取文獻的標題和摘要進一步梳理發(fā)現(xiàn)：國際上對學習分析的研究集中于學習分析服務框架構建、學習分析模型研究、學習分析方法研究、學習分析工具和可視化及實證研究等方面;國內(nèi)學習分析研究中代表性的有：吳永和等對學習分析相關國際會議進行介紹評析、綜述了學習分析相關研究現(xiàn)狀、發(fā)展及面臨的挑戰(zhàn)[5-6];馬曉玲等對學習分析系統(tǒng)構建進行了研究，提出了學習分析系統(tǒng)論域、形式化建模學習分析系統(tǒng)信息空間模型[7]; 李青等對學習分析數(shù)據(jù)互操作規(guī)范IMS Caliper Analytics進行了解讀[8];馬晨輝、徐艷艷以采集學習者視頻行為數(shù)據(jù)為例對學習分析中數(shù)據(jù)采集的研究與技術實現(xiàn)進行了探討[9]。孟玲玲等從多個角度對學習分析工具進行了分類，并從使用環(huán)境、數(shù)據(jù)支持格式、是否可視化等維度詳細比較。[10] 這些研究有效推動了學習分析技術在我國的發(fā)展和應用，國內(nèi)對學習分析的研究主要集中于理論探討、研究綜述和應用分析方面，鮮有實踐研究。

2 學習分析概念界定與特征

學習分析是近年興起的一個研究領域，然而其探索及應用早于1969年就已存在，吳青等[11]詳細梳理了學習分析源起、教育數(shù)據(jù)挖掘（EDM，Educational Data Mining）、學習分析協(xié)會成立（SoLAR，The Society for Learning Analytics Research）、LAK舉辦（標志學習分析成為獨立新興研究領域）的發(fā)展過程。在此過程中，研究學者從不同的角度對學習分析的概念進行界定（表2），但目前學術界對學習分析的概念還沒有形成統(tǒng)一的認知，在多數(shù)研究文獻中引用的定義來自LAK11[12]、EDUCAUSE（Learning analytics： the coming third wave）[13]、Horizon Report[1-3]及George Siemens[14]。

這些學習分析的定義從不同的角度為我們描繪了學習分析的輪廓，其過程具有周期性，包括如下步驟：學習數(shù)據(jù)的測量收集整理、預測建模、模型挖掘、學習干預、效果評價。結合實踐研究成果，我們認為學習分析具有下列四個方面的特征：

（1）數(shù)據(jù)來源多樣化

從產(chǎn)生數(shù)據(jù)的對象角度分，學習分析的數(shù)據(jù)來源包括教師、學生、管理人員、決策者等學習利益相關者;從產(chǎn)生數(shù)據(jù)的技術平臺角度分，學習分析的數(shù)據(jù)來源包括網(wǎng)絡學習平臺、網(wǎng)絡教學平臺（BlackBoard、Moodle、MOOCS）、在線學習系統(tǒng)、社交媒體（微博、微信、博客、論壇、貼吧、APP）、傳統(tǒng)課堂中的數(shù)字化教學資料等[15];從產(chǎn)生數(shù)據(jù)的類型角度分，學習分析的數(shù)據(jù)來源包括學習行為數(shù)據(jù)、學習環(huán)境數(shù)據(jù)、學習者情緒狀態(tài)、學習者注意力水平等。這些數(shù)據(jù)大多是非結構化或半結構化數(shù)據(jù)，需要綜合利用多種傳感設備獲取，并采用大數(shù)據(jù)處理技術對數(shù)據(jù)進行抽取、清洗、規(guī)范以供學習分析引擎進一步使用。

（2）分析結果的指向性

學習分析的結果具有明確的指向性，其目的在于理解目前學習者的學習行為所處的狀態(tài)、評估學習者的學習績效，對學習過程進行優(yōu)化（提供資源輔助、學習建議等），根據(jù)階段評估結果和預測模型對學習行為結果進行預測，以盡早發(fā)現(xiàn)潛在的問題，并據(jù)此進行學習干預。這也是學習分析區(qū)別于教育數(shù)據(jù)挖掘（EDM）和學術/行為分析的關鍵之處。

（3）分析結果可視化

學習分析結果的可視化呈現(xiàn)是學習分析實踐應用中重要的一個環(huán)節(jié)，通過可視化工具可以使學習分析的結果簡明易懂，不同的使用者可以根據(jù)可視化呈現(xiàn)的結果對與自己相關的方面進行分析與判斷，并針對性地做出調(diào)整，如學習者調(diào)整學習策略和方法，教師調(diào)整教學內(nèi)容和教學方式等。

（4）服務對象多元化

學習分析具有應用性特點，其本身不關注于生產(chǎn)關于學習與教學的理論，而是基于現(xiàn)有的教育教學理論在相關模型下理解教育數(shù)據(jù)，并提供學習、教學和管理支持。因此，學習者是學習分析首先的服務對象，既是學習分析的起點也是學習分析的終點[16];其次，學習分析服務于教學過程中的教師、教學管理者、決策者，其職能所需的數(shù)據(jù)分析結果在粒度上有所區(qū)別。

綜上所述，學習分析技術主要依據(jù)學習者學習需求、通過獲取、模型分析和模型解釋學習過程所產(chǎn)生的數(shù)據(jù)，進而評估學習者的績效、預測未來的學習效果，進而有針對性地進行學習干預，以實現(xiàn)優(yōu)化學習效果目的的一種應用。

3 學習分析研究主題

3.1 學習分析的基礎理論與框架模型

學習分析的基礎理論研究體現(xiàn)在兩個方面：一是學習分析建立的理論基礎，George Siemens[17]、Macfayen[18]等從推動學習分析發(fā)展的相關領域角度梳理：數(shù)據(jù)挖掘、學習理論、教育理論、社會網(wǎng)絡等都曾為學習分析的研究與實踐提供了理論支撐，體現(xiàn)出學習分析應用性的屬性;二是指導學習分析研究與實踐活動的相關理論框架及模型，包括學習分析的過程、利益相關者、應用領域、道德和隱私保護等。

George Siemens[14]著眼于學習的個性化和自適應這一目標提出“學習分析過程模型”，該模型以智能數(shù)據(jù)和學習者數(shù)據(jù)為輸入，綜合考慮社會、技術、教育等因素，通過學習預測、干預，重構教學以實現(xiàn)學習者的個性化學習和自適應學習。Elias[22]提出學習分析循環(huán)改進模型，基于計算機、人力、理論、組織因素四個方面資源，進行數(shù)據(jù)收集、信息處理、知識應用的循環(huán)分析過程。Khalil[23]等提出學習分析生命周期模型，該模型認為學習分析由學習環(huán)境、大數(shù)據(jù)、分析、行動四個步驟構成，一個周期從學習環(huán)境開始到行動結束，隨后開始下一個周期。Greller[24]等提出了學習分析的六維關鍵因素設計框架，該框架內(nèi)部約束、外部約束、利益相關者、工具、目標、數(shù)據(jù)六種因素，并列出了每種因素的具體用例。李艷燕等[25]梳理了學習分析五個基本組成要素：學習過程、學習環(huán)境、受眾、教育環(huán)境、五個環(huán)節(jié)（數(shù)據(jù)采集、數(shù)據(jù)存儲、數(shù)據(jù)分析、數(shù)據(jù)表示、應用服務（績效評估、過程預測、學習干預）），涉及學習者、教師、教育管理者三類對象，同時為其提供服務。胡藝齡、顧小青、姜強等[26-30]從不同的角度對學習分析模型進行了完善和該進。這些模型對于指導研究者進行學習分析系統(tǒng)設計、算法設計及應用實踐具有重大意義，是研究者進行相關理論探討和實踐的基本依據(jù)。

3.2 學習分析技術與工具研究

學習分析研究是一個交叉應用領域，其發(fā)展借鑒了多個領域的理論、工具和方法，包括[21]學業(yè)分析、行動分析、網(wǎng)站分析、教育數(shù)據(jù)挖掘、統(tǒng)計與數(shù)學方法、文本分析與語義分析、社會網(wǎng)絡分析、可視化理論等。相關分析方法基本都有相應的分析工具支持，并進行了相關應用實踐。常用的學習分析工具有：Mixpanel Analytics用于可視化與實時分析，Userfly可用性測試，Gephi開源的可視化交互分析， Socrato基于題庫的學習評估，SNAPP可視化社會網(wǎng)絡與行為分析，LOCO-Analyst基于情境的社會網(wǎng)絡分析等。

國內(nèi)多側重于對分析方法及所對應工具的介紹和對比研究，孟玲玲等[10]從使用環(huán)境、數(shù)據(jù)支持格式、是否可視化等維度對24種學習分析工具進行了對比研究，魏順平[31]對LIWC、CATPAC、Atlast、Nvivo、VINCA、Geghi、UCINET等文本、內(nèi)容、社會網(wǎng)絡分析工具進行了歸納研究。然而對如何結合具體的情況使用這些工具尚缺乏相關理論指導，同時各工具所得到的結論在不能互相佐證時也缺乏理論框架進行解釋說明，這是普及和應用學習分析技術所亟待解決的問題之一。

3.3 學習分析應用與實踐研究

國外應用與實踐研究早于國內(nèi)，經(jīng)典的案例有北亞利桑那大學的GPS（Grade Perfoemance status）項目、澳大利亞Wollongong大學的SNAPP（Social Networks Adapting Pedagogical Practice）、Pardos等[32]學者基于Web的教學平臺ASSISTments研究實踐、Lonn等[33]針對密歇根大學學生的M-STEM Academy 學業(yè)預警系統(tǒng)實踐等。隨著理論研究的深入，國內(nèi)應用與實踐方面的研究也在不斷增加，顧曉[34]就使用學習分析技術構建信息技術課程教學平臺進行了實踐，陳春燕[35]對使用Gephi工具對Moodle平臺上的討論進行了可視化呈現(xiàn)實踐等。從這些實踐多集中于MOOCS或在線學習平臺，如何將實踐領域進一步擴大到傳統(tǒng)教學環(huán)境還需進一步研究。

4 結束語

學習分析技術的研究和發(fā)展為我們實現(xiàn)個性化學習和自適應學習提供了更好的技術保障，有效地推動MOOCS和在線學習效果的提高。然而，其未來的發(fā)展還面臨著諸多需要解決的問題，包括：數(shù)據(jù)采集與處理技術的局限導致對規(guī)模最大的傳統(tǒng)教育支持不夠，隱私與倫理上的問題、各系統(tǒng)統(tǒng)一標準的研究與制定問題等。雖其如此，不得不承認學習分析技術在大數(shù)據(jù)環(huán)境下為教育研究與實踐提供了更有效的方法和支撐，使我們可以更好地迎接數(shù)據(jù)變革教育的時代。

參考文獻：

[1] Manyika，J.，Chui，M.，Brown，B.Big data： The nextfrontier for innovation， competition， and productivity[DB/OL].http：//www.mckinsey.com/business-functions/digital-mckinsey/our-insights/bigdata-the-next-frontier-for-innovation，2016-11-10.

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

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

[4] 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.

[5] 吳永和，曹盼，邢萬里，馬曉玲.學習分析技術的發(fā)展和挑戰(zhàn)——第四屆學習分析與知識國際會議評析[J]. 開放教育研究，2014（06）：72-80.

[6] 吳永和， 陳丹，等.學習分析：教育信息化的新浪潮[J]. 遠程教育雜志，2013（04）：11-19.

[7] 馬曉玲，邢萬里，等.學習分析系統(tǒng)構建研究[J].華東師范大學學報（自然科學版），2014（02）：1-19.

[8] 李青，趙越.學習分析數(shù)據(jù)互操作規(guī)范IMS Caliper Analytics解讀[J].現(xiàn)代遠程教育研究，2016（02）： 98-106.

[9] 馬晨輝，徐艷艷. 中國高等教育學會教育信息化分會第十二次學術年會論文集[C].2014

[10] 孟玲玲， 顧小清， 李澤. 學習分析工具比較研究[J]. 開放教育研究，2014（04）：66-75.

[11] 吳青，羅儒國.學習分析：從源起到實踐與研究[J]. 開放教育研究，2015（01）：71-79.

[12] Siemens G. Learning and Knowledge Analytics-Knewton the future of education[EB/OL].

http：//www.learninganalytics.net/？p=126，2011-04-14.

[13] Brown， M. Learning analytics： the coming third wave[DB/OL].http：//net.educause.edu/ir/library/pdf/ELIB1101.pdf，2011-4-1.

[14] Siemens， G. What are Learning Analytics？[EB/OL].http：//www.elearnspace.org/blog/2010/08/25/what-are-learning-analytics/.2010-08-25.

[15] 李青，王濤. 學習分析技術研究與應用現(xiàn)狀述評[J].中國電化教育，2012（8）：129-133.

[16] 包昊罡，李艷燕.大數(shù)據(jù)背景下學習分析的特點[J].北京廣播電視大學學報，2015（1）：9-15.

[17] Siemens G. Learning Analytics： The Emergence of a Discipline[J].AMERICAN BEHAVIORAL SCIENTIST，2013，57（10SI）：1380-1400.

[18] Macfadyen，L.P.，Dawson，S.Mining LMS data to develop an “early warning system” for educators：A proof of concept[J].Computers Education，2010，54（2）：588-599.

[19] Baker，R. S. J. d.， Yacef， K.. The State of Educational Data Mining in 2009：A Review and Future Visions[J]. Journal of Educational Data Mining，2009，1（1）：3-14.

[20] U.S.Department of Education，Office of Educational Technology.Enhancing Teaching and Learning Through Educational Data Mining and Learning Analytics： An Issue Brief [R]. Washington， D.C.， 2012.

[21] 郭炯，鄭曉俊.基于大數(shù)據(jù)的學習分析研究綜述[J].中國電化教育，2017（1）：121-130.

[22] Elias，T. Learning analytics： Definitions， processes and potentials[EB/OL].

http：//libvolume4.xyz/homescience/bsc/semester4/teachingmethodsandmediaee2/learningprocess/learningprocesstutorial1.pdf，2016-07-11.

[23] Khalil，M.，Ebner，M.Learning Analytics： Principles and Constraints：World Conference on Educational Multimedia， Hypermedia and Telecommunications[DB/OL].https：//www.researchgate.net/publication/278940599_Learning_Analytics_Principles_and_Constraints，2016-08-1

[24] Greller，W.，Drachsler，H.Translating Learning into Numbers：A Generic Framework for Learning Analytics[J].EDUCATIONAL TECHNOLOGY & SOCIETY，2012，15（3）：42-57.

[25] 李艷燕，馬韶茜，黃榮懷.學習分析技術：服務學習過程設計和優(yōu)化[J].開放教育研究，2012，（5）：18-24.

[26] 胡藝齡，顧小清.教育效益的追問：從學習分析技術的視角[J].現(xiàn)代遠程教育研究，2014（6）：41-48.

[27] 花燕鋒，張龍革.基于MOOCs的多元同心學習分析模型構建[J].遠程教育雜志，2014（5）：104-112.

[28] 姜強，趙蔚，王朋嬌，等.基于大數(shù)據(jù)的個性化自適應在線學習分析模型及實現(xiàn)[J].中國電化教育，2015（1）：85-92.

[29] 唐麗，王運武，陳琳.智慧學習環(huán)境下基于學習分析的干預機制研究[J].電化教育研究，2016（2）：62-66.

[30] 李彤彤，黃洛穎，鄒蕊，等.基于教育大數(shù)據(jù)的學習干預模型構建[J].中國電化教育，2016（6）：16-19.

[31] 魏順平.學習分析技術：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，2013（2）：6-7.

[32] PARDOS Z A，BAKER R S，SAN PEDRO M O，et al.Affective states and state tests：Investigation how affect throughout the school year predicts end of year learning outcomes[C].//Poreedings of the Third International Conference on Learning Analytics and Knoelege（pp.117-124）.ACM，2012.

[33] LONN S，KRUMM A E，WADDINGTON R J，et al.Bridging the gap from knoeledge to action：Putting analytics in the hands of academic advisors[C].In Proceedings of the 2nd International Conference on Learning Analytics and Knoeledge.ACM，2012：184-187.

[34] 顧曉.學習分析技術在高中信息技術的應用實踐研究[D].上海：上海師范大學，2012：30-39.

[35] 陳春燕.學習分析在 Moodle 網(wǎng)絡課程中的應用研究[D].上海：上海師范大學，2014：43-58.