在線教育中教師學(xué)習(xí)行為態(tài)勢的影響機制實證研究

【摘 要】 在數(shù)據(jù)分析驅(qū)動教育變革的大數(shù)據(jù)時代，教育領(lǐng)域蘊藏著具有廣泛應(yīng)用價值的數(shù)據(jù)。通過教育數(shù)據(jù)挖掘構(gòu)建教學(xué)變量相關(guān)模型、探索學(xué)員行為態(tài)勢的影響機制，是具有較高實踐價值的研究選題。本研究以浙江省教師MOOC培訓(xùn)平臺中的課程作為研究對象，以網(wǎng)絡(luò)數(shù)據(jù)分析工具為依托，采用基礎(chǔ)數(shù)據(jù)整合、聚類結(jié)構(gòu)變換、可視化、回歸分析等數(shù)據(jù)處理和學(xué)習(xí)分析技術(shù)，從資源使用率、搜索詞關(guān)聯(lián)度解析、互動版塊相關(guān)性三個維度對在線教育平臺的日志和學(xué)員行為數(shù)據(jù)進行挖掘分析，研究并解析學(xué)員群體在線學(xué)習(xí)特性和學(xué)習(xí)態(tài)勢的影響機制。挖掘結(jié)果可為量化評估學(xué)員的在線行為態(tài)勢、學(xué)習(xí)效果及支持服務(wù)等提供參考。

【關(guān)鍵詞】 在線教育；學(xué)習(xí)行為態(tài)勢；象限；數(shù)據(jù)挖掘；維度；回歸分析；互動版塊；相關(guān)性；優(yōu)化

【中圖分類號】 G40-057 【文獻標識碼】 A 【文章編號】 1009-458x（2018）10-0035-09

一、引言

隨著云計算+工業(yè)4.0的整合，“互聯(lián)網(wǎng)+”教育近年來在國內(nèi)全面提速，教育部早已不動聲色地悄悄布局。2012年3月教育部印發(fā)了《教育信息化十年發(fā)展規(guī)劃（2011—2020年）》，明確各級政府以教育信息化帶動教育現(xiàn)代化，以優(yōu)質(zhì)教育資源和信息化學(xué)習(xí)環(huán)境為基礎(chǔ)，以學(xué)習(xí)方式和教育模式創(chuàng)新為核心的工作思路。2014年11月，教育部、財政部、國家發(fā)改委、工業(yè)和信息化部、中國人民銀行聯(lián)合發(fā)布關(guān)于印發(fā)《構(gòu)建利用信息化手段擴大優(yōu)質(zhì)教育資源覆蓋面有效機制的實施方案》的通知，為未來六年中國教育信息化繪制了一幅清晰的藍圖。2016年6月，教育部在關(guān)于印發(fā)《教育信息化“十三五”規(guī)劃》的通知中提出要建立健全教師信息技術(shù)應(yīng)用能力標準，將在線教育列為今后重點發(fā)展的政策之一。在這樣的大好形勢下，各教育機構(gòu)和企事業(yè)單位使出渾身解數(shù)欲在這個市場中贏得先機，網(wǎng)易公開課、學(xué)堂在線、MOOC聯(lián)盟等在線教育平臺如雨后春筍般出現(xiàn)（裴瑩， 等， 2017），在線學(xué)習(xí)者規(guī)模日漸龐大。

區(qū)別于傳統(tǒng)教育，在線教育平臺中學(xué)習(xí)者的任何在線學(xué)習(xí)行為都能以數(shù)據(jù)化的形式記錄并保存于本地服務(wù)器或云端，因此學(xué)習(xí)行為數(shù)據(jù)以指數(shù)規(guī)模迅速增長。在這樣的背景下，以網(wǎng)絡(luò)數(shù)據(jù)分析工具為基礎(chǔ)，有效挖掘并整合數(shù)據(jù)，以分析在線學(xué)習(xí)者學(xué)習(xí)行為態(tài)勢，為教師和平臺管理者提供數(shù)據(jù)參考，成為國內(nèi)外研究的重點（楊現(xiàn)民， 等， 2015）。在數(shù)據(jù)分析驅(qū)動教育、變革教學(xué)的大數(shù)據(jù)時代，教育領(lǐng)域蘊藏著具有廣泛應(yīng)用價值的海量數(shù)據(jù)，利用教育數(shù)據(jù)挖掘和學(xué)習(xí)分析技術(shù)研究學(xué)員在線學(xué)習(xí)行為態(tài)勢，探索教學(xué)變量之間的影響機制，構(gòu)建教學(xué)結(jié)構(gòu)的相關(guān)模型（方海光， 等， 2016），為教育教學(xué)決策提供有效的支持，將成為未來教育的常態(tài)發(fā)展趨勢。

研究表明，教師學(xué)員的在線學(xué)習(xí)行為受到諸多因素影響，包括內(nèi)在因素和外在因素。內(nèi)在因素包括技能基礎(chǔ)、學(xué)習(xí)期望和自我效能，外在因素主要包括政策、規(guī)章制度、平臺環(huán)境、在線資源等。在線教育環(huán)境囊括了上述的平臺環(huán)境與在線資源，作為影響教師學(xué)員在線學(xué)習(xí)行為傾向的重要因素，雖已引起關(guān)注，卻少有研究深入挖掘平臺在線環(huán)境與學(xué)員學(xué)習(xí)行為態(tài)勢的關(guān)聯(lián)性與影響機制（Daniel J； 2012）。因此，探究在線教育環(huán)境下學(xué)員學(xué)習(xí)行為態(tài)勢的影響機制對優(yōu)化平臺資源建設(shè)、提升學(xué)員學(xué)習(xí)滿意度和在線平臺競爭力具有重要作用。盡管目前國內(nèi)關(guān)于教育數(shù)據(jù)挖掘的研究和文章比較豐富，但僅側(cè)重于對國內(nèi)外教育數(shù)據(jù)研究現(xiàn)狀和數(shù)據(jù)分析模式的介紹，對在線教育平臺中學(xué)員數(shù)據(jù)分析的實際案例分析很少，僅有的幾篇文章也只是對資源頁面的點擊量等日志數(shù)據(jù)的淺層次分析，并未多維度深層次地立體解析在線數(shù)據(jù)（Grainger， B， 2013）。在這樣的背景下，本研究選取浙江省教師教育平臺中的一門在線課程作為研究對象，基于網(wǎng)絡(luò)數(shù)據(jù)分析工具和學(xué)習(xí)分析技術(shù)，采用多維分析方法，深入挖掘在線環(huán)境對學(xué)員學(xué)習(xí)行為態(tài)勢的關(guān)聯(lián)性與影響機制，跟蹤學(xué)員的成長軌跡，捕捉學(xué)員群體或個體的在線學(xué)習(xí)態(tài)勢，并以此定位平臺功能模塊、教學(xué)資源的種種缺陷（Chafkin， 2013）。本研究對教育數(shù)據(jù)挖掘與學(xué)員行為態(tài)勢的實證研究將有助于改變目前國內(nèi)教師在線教育海量數(shù)據(jù)挖掘分析匱乏的現(xiàn)狀，有助于促進教師教育在線培訓(xùn)模式的多樣化、菜單化和個性化定制，為我國各類在線教育的深度發(fā)展提供新的研究思路。

二、平臺分析機制

對平臺上學(xué)員行為態(tài)勢分析的主體思路是建構(gòu)不同數(shù)據(jù)集群應(yīng)用的導(dǎo)向因子框架，運用大數(shù)據(jù)挖掘、語義分析工具、網(wǎng)絡(luò)數(shù)據(jù)歸因函數(shù)挖掘，并重構(gòu)在線學(xué)員對平臺各資源版塊的使用狀態(tài)和占用細節(jié)，在此基礎(chǔ)上深度解析學(xué)員學(xué)習(xí)行為態(tài)勢的影響機制。

圖1所示為建構(gòu)的平臺學(xué)習(xí)行為態(tài)勢數(shù)據(jù)分析技術(shù)架構(gòu)，具體包括站點利用率分析、學(xué)員搜索關(guān)聯(lián)度解析、互動版塊相關(guān)性分析。三者不僅是學(xué)員行為態(tài)勢分析的關(guān)鍵因素，同時相互之間也是漸進深入的關(guān)系。其中，站點利用率分析是學(xué)員行為習(xí)慣分析的首要步驟，主要包括站點訪問頻度、頁面訪問細節(jié)、瀏覽次數(shù)、獨立訪問IP、獨立訪客、站點跳轉(zhuǎn)等因素，通過數(shù)據(jù)集分析組件Oracle Analysis Service、網(wǎng)絡(luò)數(shù)據(jù)分析工具Tableau和Max Compute導(dǎo)向至下一維度。學(xué)員搜索關(guān)聯(lián)度解析包括搜索詞語義解析、關(guān)鍵詞相關(guān)度解析兩個分維度，兩者通過相異性分析實現(xiàn)數(shù)據(jù)分析的耦合。學(xué)員搜索關(guān)聯(lián)度解析是學(xué)員行為態(tài)勢分析的核心組件，能有效洞察學(xué)員的學(xué)習(xí)喜好和在線行為趨勢（余鵬， 等， 2016）?；影鎵K的相關(guān)性分析以MapReduce、Spark、Hive作為流數(shù)據(jù)分析組件，通過與學(xué)習(xí)效果的差異性關(guān)聯(lián)，實現(xiàn)對兩者相關(guān)性的研究，主要包括總體訪問數(shù)據(jù)、互動區(qū)活躍度比對、互動維度解析、回歸分析、學(xué)習(xí)效果影響維度等（Arnold， 2012），將互動版塊各類差異性功能模塊的活躍度與學(xué)員學(xué)習(xí)效果相關(guān)性作為研究對象，以此探索學(xué)員在互動區(qū)的行為態(tài)勢與學(xué)習(xí)效果之間的關(guān)聯(lián)度。

三、學(xué)員在線學(xué)習(xí)態(tài)勢分析

學(xué)員在線學(xué)習(xí)態(tài)勢數(shù)據(jù)挖掘的基礎(chǔ)是站點利用率分析，主要分為站點訪問、頁面占用、資源利用三大塊數(shù)據(jù)研究面，從數(shù)據(jù)解析的可行性來看具體包括獨立訪客（UV）、瀏覽次數(shù)（PV）、資源訪問頻次（VV）、獨立IP、鏈接來源（SA）、站點跳轉(zhuǎn)（Tc）、站點停留時間（Ts）、頁面停留時間（Tp），從資源利用的角度顯現(xiàn)平臺中學(xué)員的在線學(xué)習(xí)模式。

研究基于2017年上半年浙江省教師MOOC培訓(xùn)平臺中的學(xué)員學(xué)習(xí)數(shù)據(jù)，以平臺中的一門精品在線課程“多媒體課件制作在小學(xué)科學(xué)教學(xué)中的高級應(yīng)用”作為分析對象。課程共七章，按照教學(xué)重點可分為九大版塊內(nèi)容，包括音視頻、動畫、美化大師、插件、FocuSky、控件、SmartArt、課件母版、應(yīng)用案例。開課時間為2017年3月20日至2017年6月20日，跨度三個月，本時間段選課總?cè)藬?shù)為2，705人。

（一）站點利用率分析

對站點利用率的分析主要關(guān)注兩個參數(shù)：IP、UV。獨立IP用于統(tǒng)計學(xué)員在訪問站點時的獨立IP地址，通過該數(shù)據(jù)可以掌握學(xué)員群體訪問站點的廣度和深度；獨立訪客（UV）為單日內(nèi)訪問站點頁面的訪客數(shù)，相同訪客多次訪問站點頁面仍計算為1個獨立訪客。上述兩項參數(shù)與站點停留時間（Ts）、頁面停留時間（Tp）等參數(shù)協(xié)同分析，可挖掘出學(xué)員瀏覽站點資源的集中時間段和學(xué)習(xí)行為態(tài)勢等基本學(xué)習(xí)習(xí)慣。

如圖2所示，通過日均UV、IP地址基礎(chǔ)數(shù)據(jù)的曲線展示，選課學(xué)員群體在工作日白天有三個學(xué)習(xí)峰值，分別對應(yīng)的是9：20-10：00、12：50-14：00、15：30-17：00，這三個時間段正好與各校學(xué)生的課間休息階段和下午的自習(xí)階段相契合，由此可見大多數(shù)教師學(xué)員更傾向于利用工作日空余時間進行學(xué)習(xí)。值得注意的是，這三個井噴時間段中的UV值遠大于IP值，通過比對發(fā)現(xiàn)同一學(xué)校不同教師學(xué)員在訪問站點時，后臺所記錄的訪問IP地址一致。由上述兩個數(shù)據(jù)挖掘結(jié)果可推斷為大部分學(xué)員更樂于在工作單位進行學(xué)習(xí)。從微觀上分析，學(xué)員個體每次登錄學(xué)習(xí)的時間較短，平均持續(xù)7-10分鐘，3-5分鐘的也占了相當(dāng)一部分比重。如圖3所示，根據(jù)學(xué)員活動曲線展示，總體來看非工作日平臺中學(xué)習(xí)的學(xué)員人數(shù)一直保持在低位，這出乎大多數(shù)教學(xué)研究人員的預(yù)料。由上述分析可知，學(xué)員更善于在日常工作進度中充分利用課余時間進行知識點和技能的學(xué)習(xí)，碎片化學(xué)習(xí)的氛圍比較濃厚，符合在線學(xué)習(xí)的教學(xué)態(tài)勢。

瀏覽次數(shù)（PV），即“PageView”值，用以衡量站點資源持續(xù)訪問情況，學(xué)員每打開站點頁面一次，PV值加1， 學(xué)員多次打開同一頁面則PV累積計算，可有效反映頁面的受歡迎度。對課程九大版塊內(nèi)容的UV與PV值比對同樣可以挖掘?qū)W員學(xué)習(xí)行為規(guī)律和態(tài)勢。如圖4所示，美化大師、插件、FocuSky、控件的資源訪問度的UV值整體處于低位，但PV值非常高，兩者的訪問數(shù)據(jù)值差異很大，表明這四大部分版塊內(nèi)容盡管并不吸引所有學(xué)員的關(guān)注，但有一部分特定學(xué)員對該頁面資源的持續(xù)訪問熱度較高。因此，平臺后續(xù)的優(yōu)化措施可考慮將美化大師、插件、FocuSky、控件這四個模塊內(nèi)容整合為專題版塊。

（二）資源鏈接跳轉(zhuǎn)分析

對學(xué)員群體瀏覽當(dāng)前頁面資源的鏈接源進行追溯，可有效反映學(xué)員的學(xué)習(xí)喜好，并充分挖掘站點內(nèi)各資源頁面的相關(guān)度和關(guān)聯(lián)性。在展示資源鏈接相關(guān)性分析結(jié)果之前，需要引入本平臺主要的一個鏈接觀察參數(shù)“網(wǎng)頁搜索蜘蛛”（SearchSpider），依據(jù)平臺在線搜索關(guān)鍵詞，網(wǎng)頁搜索蜘蛛“SearchSpider”通過各訪問資源中的鏈接跳轉(zhuǎn)分析訪問抓取相關(guān)資源，按照所抓取的資源數(shù)累積總量給SearchSpider賦值，SearchSpider賦值加1，則代表著搜索工具被調(diào)用一次。通過MatLab對被訪問的資源頁面上一級鏈接跳轉(zhuǎn)源進行仿真，并展現(xiàn)數(shù)據(jù)集的可視化效果，具體如圖5所示。由圖5可見，在眾多教學(xué)資源板塊中，訪問“交互模塊資源”“教學(xué)實踐附件”“教學(xué)在線視頻”時SearchSpider的調(diào)用賦值都處于高位。其中，“交互模塊資源”的SearchSpider調(diào)用賦值最高，反映了平臺交互討論版塊具有較高的黏度，該版塊中的學(xué)習(xí)具有很強的熱度和自發(fā)性。這從另一個側(cè)面反映了交互模塊與其他資源模塊的關(guān)聯(lián)度較低，課程頁面的模塊設(shè)置并不完善，學(xué)員在平臺的學(xué)習(xí)過程中有很大概率是通過資源搜索工具尋找各類教學(xué)資源，因此就這一點來說平臺具有明顯的缺陷。

（三）課程搜索關(guān)聯(lián)度解析

根據(jù)教學(xué)內(nèi)容的側(cè)重關(guān)系，該在線課程包含一定數(shù)量的關(guān)鍵詞，用以描述資源的主要內(nèi)容和展示相關(guān)性課程內(nèi)容熱點。在對關(guān)鍵詞進行解析的過程中，一旦發(fā)掘出若干關(guān)鍵詞在多個資源內(nèi)容中重復(fù)出現(xiàn)，就可以證明這些關(guān)鍵詞至少具有松散的內(nèi)容相關(guān)性（邢蓓蓓， 等， 2016）；如果這些課程關(guān)鍵詞共現(xiàn)的頻次較高且趨于穩(wěn)定，則可以推斷這些關(guān)鍵詞具有必然聯(lián)系。

按出現(xiàn)頻次高低對課程搜索關(guān)鍵詞進行排序，首先剔除出現(xiàn)頻次可忽略不計的關(guān)鍵詞，利用后臺跟蹤查找插件iquerypress對該門課程的所有搜索關(guān)鍵詞進行訪問頻次統(tǒng)計，并以逐次迭代的方式對搜索關(guān)鍵詞訪問頻次數(shù)據(jù)集進行歸類匯總、聚類分析、排序，以資源搜索分析的視角建立共詞頻次矩陣，如表1所示。

共詞頻次矩陣可有效展示不同關(guān)鍵詞相關(guān)性的緊密關(guān)系。表1對角線中的數(shù)據(jù)表示為所對應(yīng)的課程搜索關(guān)鍵詞出現(xiàn)的頻次，而其他位置的數(shù)據(jù)則表示所對應(yīng)橫排和豎排不同課程關(guān)鍵詞的共同搜索頻次。如搜索關(guān)鍵詞“動畫”共出現(xiàn)276次，而搜索詞“動畫”和“FocuSky”共現(xiàn)133次，也可以理解成采用邏輯方式“與”搜索“動畫”和“FocuSky”的頻次為133，兩者具有較高的耦合性。表中其他數(shù)據(jù)依此類推。

對課程關(guān)鍵詞相關(guān)性進行多元圖譜分析，挖掘關(guān)鍵詞頻次數(shù)據(jù)所隱含的教學(xué)內(nèi)容聚合度信息，需要對共詞矩陣的數(shù)據(jù)模式進行變換（Pistilli， 2010）。在表1的數(shù)據(jù)基礎(chǔ)上，借鑒Sharikiv相似性系數(shù)法則，實現(xiàn)對關(guān)鍵詞頻次矩陣的相似性轉(zhuǎn)換。Sharikiv相似性聚合計算公式為：

式中[Vi]代表橫軸關(guān)鍵詞的相關(guān)頻次，[Vj]代表縱軸關(guān)鍵詞的相關(guān)頻次，[Vij]表示兩者相交的相關(guān)頻次。經(jīng)過相似性數(shù)據(jù)聚合算法，得到如表2所示的課程資源搜索關(guān)鍵詞聚合頻次數(shù)據(jù)。

經(jīng)過聚合度解析，相似矩陣中的數(shù)據(jù)成為非對稱聚合數(shù)據(jù)，其數(shù)值大小表明矩陣關(guān)鍵詞的相似程度，數(shù)據(jù)越大表明搜索關(guān)鍵詞之間相似度越小，距離越遠；反之則表明搜索關(guān)鍵詞之間相似度越大，距離越近。運用SPSS的數(shù)據(jù)結(jié)構(gòu)化變換—整群分析—聚類—異類—相異性算法—多維整編進行搜索關(guān)鍵詞圖譜分析，得到如圖6所示的課程搜索關(guān)鍵詞關(guān)聯(lián)度圖譜。

圖6所示為搜索關(guān)鍵詞關(guān)聯(lián)度的圖譜分析，靠得近的關(guān)鍵詞在本門課程的教學(xué)過程中具有更大的關(guān)聯(lián)性。關(guān)鍵詞搜索的關(guān)聯(lián)度集中分布于多維圖譜中的第二、第三、第四象限。在第二象限中“FocuSky”“動畫”比較集中，說明這兩個搜索關(guān)鍵詞的相關(guān)度比較高；在第三象限中“音頻”“視頻”“控件”“插件”比較集中，說明這四個關(guān)鍵詞的教學(xué)內(nèi)容相關(guān)度較高；在第四象限中“SmartArt”“藝術(shù)字”“圖片處理”“美化大師”比較集中，說明這四個教學(xué)內(nèi)容相關(guān)度比較高；盡管“母版”與“超鏈接”分處于不同的象限，但是這兩者的聯(lián)系也比較緊密，說明其教學(xué)內(nèi)容的關(guān)聯(lián)度也比較高；第一象限只有“公式編輯器”關(guān)鍵詞分布，說明“公式編輯器”與其他搜索范疇的相關(guān)性不大，教學(xué)內(nèi)容與其他關(guān)鍵詞聯(lián)系不緊密。以多維象限圖譜中搜索關(guān)鍵詞關(guān)聯(lián)度為依據(jù)，今后對本門在線課程資源的優(yōu)化應(yīng)注重將象限圖中貼近的關(guān)鍵詞進行教學(xué)內(nèi)容的重新整合：進行“圖片處理”學(xué)習(xí)資源教學(xué)設(shè)計的時候應(yīng)注重與“SmartArt”“美化大師”“藝術(shù)字”內(nèi)容的融合；“FocuSky”的資源設(shè)計應(yīng)重視嵌入“動畫”教學(xué)內(nèi)容；“插件”教學(xué)內(nèi)容的搭建應(yīng)注重與“視頻”“音頻”“控件”這三方面教學(xué)內(nèi)容的整合。

（四）論壇描述性細節(jié)分析

學(xué)員在平臺中論壇的交互情況在一定程度上能夠反應(yīng)平臺的受歡迎程度和學(xué)員溝通互動的主動性、積極性。首先通過對課程論壇區(qū)總體交互情況的統(tǒng)計，學(xué)員參與論壇（包括瀏覽、發(fā)布、跟回帖等操作）共計2506人，占總?cè)藬?shù)的92.64%；首帖數(shù)共計1373，跟回帖數(shù)共計9257，平均每帖跟回帖數(shù)6.74。說明課程在日常教學(xué)過程中，參與互動討論的學(xué)員積極性、主動性較高，交互活動頻繁，論壇內(nèi)研討氛圍熱烈。論壇交互主題見表3。

圖7所展示的為課程互動版塊交互關(guān)注度主題占比。由數(shù)據(jù)可知，論壇中的“技術(shù)討論”占了主流，而且技術(shù)性帖子交互性更強，更能引起學(xué)員之間的激烈交流，帖子受持續(xù)關(guān)注的時間更長。

交互板塊的研究可以從多個維度展開，本研究通過標準誤回歸分析來深入挖掘互動區(qū)活動情況與學(xué)員學(xué)習(xí)效果的相關(guān)性。摒棄相關(guān)性低等無效因素，歸納為理論層次交互、技術(shù)層面交互、設(shè)計層面交互、信息資源交互、評論性交互共五個維度。以首帖回帖量、跟帖量、每帖字數(shù)、關(guān)鍵字量、每帖點擊量作為觀察參數(shù)，做出帖子交互性回歸模型，指標綜合判斷樣本模型擬合度較好，如表4所示。

由表4可見，“理論層次交互”四個參數(shù)的相關(guān)系數(shù)中只有“首帖跟帖、回帖量”的相關(guān)標準誤DW=2.538（介于2-4之間），表示該項作用誤差為偏弱的正相關(guān)；四個參數(shù)的決定系數(shù)（R方）都較小，其中只有“關(guān)鍵詞量”稍大于0.2，但也極微弱，對在線學(xué)習(xí)的導(dǎo)向作用不明顯；有一項變量的回歸系數(shù)顯著性檢驗t=-2.481（<0），其余三項的顯著性檢驗t不顯著。同時，該交互式回歸模型的零階遠偏離于0.000，容差也大于1.000，遠遠超出理想的適配區(qū)間（0.05-0.40）。上述兩方面數(shù)據(jù)說明“理論層次交互”對學(xué)員學(xué)習(xí)效果提升向負相關(guān)趨近，回歸系數(shù)未達顯著性趨近指標。因此，“理論層次交互”對在線學(xué)員成績提升的作用不明顯，通過“理論層次交互”的學(xué)習(xí)難以有效提升學(xué)員的學(xué)習(xí)效果。

“技術(shù)層面交互”四個參數(shù)的相關(guān)標準誤DW取值均在2-4之間，表示作用誤差的相關(guān)為強正相關(guān)；四個參數(shù)的決定系數(shù)（R方）和調(diào)整（R方）都較大，達到了顯著正向水平，說明技術(shù)層面交互對教師學(xué)員創(chuàng)新性和在線教學(xué)的感知易用性有顯著積極的影響。同時，四個變量的回歸系數(shù)顯著性檢驗t的數(shù)值相對較大，而且“成績趨近相關(guān)”的零階趨近于0.000，容差也在理想的適配區(qū)間（0.05-0.40），回歸系數(shù)接近于強對應(yīng)狀態(tài)，驗證了其內(nèi)部維度的相互作用關(guān)系。因此，三個維度的參數(shù)都趨近于理想狀態(tài)，“技術(shù)層面交互”對學(xué)員學(xué)習(xí)效果的提升作用顯著。

“設(shè)計層面交互”四個參數(shù)的相關(guān)標準誤DW值有兩項介于2-4之間，另兩項超出這個范圍，四個參數(shù)的決定系數(shù)（R方）和調(diào)整（R方）較平均，因此僅從這些參數(shù)無法判明對學(xué)習(xí)效果的相關(guān)性作用。繼續(xù)觀察四個變量的回歸系數(shù)顯著性檢驗t，發(fā)現(xiàn)t的數(shù)值都處于理想的正相關(guān)取值范圍內(nèi)，同時“成績趨近相關(guān)”的零階也比較小（未趨近于0.000），但容差值位于理想的適配區(qū)間（0.05-0.40）之外。因此，“設(shè)計層面交互”對學(xué)習(xí)效果的影響正相關(guān)，對教師的創(chuàng)新性引導(dǎo)具有積極正向的影響，但并未達到顯著水平，對學(xué)習(xí)效果提升的影響較有限。

“信息資源交互”四個參數(shù)的相關(guān)標準誤DW值有三項介于2-4之間，另有一項超出這個范圍，因此其作用誤差處于理想的正相關(guān)狀態(tài)；四個參數(shù)的決定系數(shù)（R方）和調(diào)整（R方）的絕對值較大，對教師學(xué)員的人際相互作用和在線教學(xué)感知易用性具有明顯的正向作用；四個參數(shù)的回歸系數(shù)顯著性檢驗t都處于比較高的水平，同時“成績趨近相關(guān)”的零階趨近于0.000，容差處于較低水準，位于理想的適配區(qū)間（0.05-0.40）之內(nèi)。因此，“設(shè)計層面交互”與學(xué)習(xí)效果正相關(guān)，達到顯著水平，具有積極的影響。

“評論性交互”四個參數(shù)的相關(guān)標準誤DW值有兩項介于2-4之間，另兩項超出這個范圍，四個參數(shù)的決定系數(shù)（R方）和調(diào)整（R方）絕對值較平均，因此僅從這些參數(shù)無法判明相關(guān)性作用。繼續(xù)觀察四個變量的回歸系數(shù)顯著性檢驗t，發(fā)現(xiàn)有兩項t的數(shù)值均小于0，處于趨近負相關(guān)的狀態(tài)；再次觀察“成績趨近相關(guān)”的數(shù)值，發(fā)現(xiàn)“成績趨近相關(guān)”的零階遠遠偏離0.000（>0.100），容差也處于較高水平，超出理想的適配區(qū)間（0.05-0.40）。因此，“評論性交互”對學(xué)習(xí)效果的正相關(guān)未達到顯著水平，該方面的交互對學(xué)員在線學(xué)習(xí)效果的提升較有限。

對表4中的四個方面的交互進行橫向比較，“技術(shù)層面交互”和“信息資源共享”中四個參數(shù)的均值都遠大于“理論層次交互”“評論性交互”中的四個參數(shù)均值。這既反映了交互版塊中“技術(shù)層面交互”和“信息資源共享”在學(xué)員群體中的受歡迎度，也從另一方面印證了四大交互趨向主題的導(dǎo)向及對學(xué)習(xí)效果提升的差異性。因此，有必要對課程交互版塊的交互內(nèi)容做進一步梳理和引導(dǎo)。

四、研究討論

通過上述對該門課程選課學(xué)員的日常在線行為的數(shù)據(jù)挖掘，并整理在線點擊行為、跳轉(zhuǎn)、論壇互動等數(shù)據(jù)，得出如下結(jié)論：

1. 學(xué)員群體在線學(xué)習(xí)時間呈現(xiàn)特征化規(guī)律。通過圖2所示學(xué)員日均IP、UV曲線比對可以看到，大部分學(xué)員更傾向于在工作單位利用課間空余時間學(xué)習(xí)，受日常工作作息的影響比較明顯，呈現(xiàn)碎片化學(xué)習(xí)態(tài)勢；學(xué)員工作日晚上或周末的學(xué)習(xí)態(tài)勢傾向性不明顯。因此，對該課程進一步優(yōu)化時可以考慮合理配置平臺服務(wù)器各資源鏈接訪問量閾值，并設(shè)置隨時間周期性靈活改變的帶寬通道以滿足平臺在線教學(xué)的流量需要，當(dāng)訪問量小的時候?qū)⒘髁抠Y源釋放給其他課程，當(dāng)訪問量大的時候提升帶寬以滿足本課程訪問峰值需要。

2. 特定學(xué)員群體對課程各學(xué)習(xí)點內(nèi)容的關(guān)注度具有偏向性態(tài)勢。通過圖4中的PV、UV對比可知，部分學(xué)員對課程中美化大師、插件、FocuSky、控件四個教學(xué)內(nèi)容的學(xué)習(xí)熱度比較高，并且熱度持續(xù)性較強。因此，可將這四個模塊內(nèi)容整合為專題版塊，可考慮引入大數(shù)據(jù)個性化推薦機制，在課程運行過程中以個性化推薦的形式將這幾個專題推薦給可能有興趣的學(xué)員；在交互版塊中設(shè)定特定區(qū)域為這四塊教學(xué)內(nèi)容提供專題研討服務(wù)，并通過在交互版塊中設(shè)置專題導(dǎo)師來引導(dǎo)有興趣的學(xué)員對這幾個主題內(nèi)容進行更深一步的挖掘研究。

3. 課程模塊的結(jié)構(gòu)設(shè)置對學(xué)員在線學(xué)習(xí)軌跡的影響較大。課程平臺中各功能模塊導(dǎo)航鏈接的結(jié)構(gòu)設(shè)置體現(xiàn)了平臺設(shè)計者的理念，同時也反映了課程教學(xué)內(nèi)容的重點和難點。通過圖5可知，本課程學(xué)員熱衷于通過交互版塊實現(xiàn)知識技能的學(xué)習(xí)，這本是件好事，但也由此暴露出課程的重要模塊設(shè)置不清晰、學(xué)員難以順利找到想要資源的問題，使得通過平臺中的搜索引擎查找資源成為學(xué)員在線學(xué)習(xí)中的大概率事件。另外，學(xué)員必須通過復(fù)雜的子模塊鏈接點擊才可以到達交互版塊，這也是平臺使用過程中非常煩瑣的一點。針對上述缺陷，可以對平臺的功能模塊進行如下優(yōu)化：①開發(fā)關(guān)于課程資源的專欄版塊，對資源的教學(xué)指向進行細分，并在平臺的主界面上做出明顯的指向模塊鏈接，可考慮在平臺主導(dǎo)航欄中增加針對資源的子導(dǎo)航，也可以設(shè)計醒目的浮動窗口來指向資源版塊；②在課程各類內(nèi)容界面下方設(shè)置交互評論版塊，或設(shè)置浮動聊天室，方便學(xué)員在學(xué)習(xí)過程中隨時與學(xué)伴在線互動，在第一時間解決關(guān)于內(nèi)容的疑惑。

4. 通過搜索關(guān)鍵詞共詞分析，展現(xiàn)出學(xué)員在本課程在線學(xué)習(xí)過程中的知識體系譜系圖，也更加明確地揭示出課程各學(xué)習(xí)要點的相關(guān)性對學(xué)員的學(xué)習(xí)具有導(dǎo)向性。通過圖6課程關(guān)鍵詞多維圖譜象限可知，課程的各關(guān)鍵詞學(xué)習(xí)要點之間存在或緊或松的關(guān)聯(lián)，而這會對學(xué)員的學(xué)習(xí)行為產(chǎn)生導(dǎo)向作用。學(xué)員群體在學(xué)習(xí)某個關(guān)鍵詞知識點內(nèi)容的過程中，同時會渴望獲得與該關(guān)鍵詞關(guān)聯(lián)度比較大的周邊關(guān)鍵詞群體的內(nèi)容。因此，對各關(guān)鍵詞知識點和學(xué)習(xí)導(dǎo)入結(jié)構(gòu)的合理調(diào)整就顯得尤為必要，在下一步的優(yōu)化中必須注重在各教學(xué)資源中整合相近的關(guān)鍵詞知識點，這一舉措將會在學(xué)員的學(xué)習(xí)中體現(xiàn)出知識虹吸現(xiàn)象，并有效提高學(xué)員在線學(xué)習(xí)的體驗感和課程各學(xué)習(xí)模塊的點擊量。

5. 互動版塊對學(xué)員學(xué)習(xí)積極性具有顯著提升作用。由圖5的SearchSpider搜索頻次強度曲面和論壇描述性細節(jié)分析可知，互動版塊的點擊量和訪問量處于高負載狀態(tài)；進入課程學(xué)習(xí)的學(xué)員有很大比例是先瀏覽訪問互動版塊再進入其他資源模塊學(xué)習(xí)，這說明互動版塊對學(xué)員學(xué)習(xí)的積極性和導(dǎo)向作用非常明顯。除此之外，盡管表4所展示的帖子交互性回歸模型中各細分版塊的訪問均值和標準差存在較大差異，但即使是交互量最低的“理論層面交互”其均值仍高于其他功能模塊的瀏覽訪問量，這更加說明了課程中互動版塊對學(xué)員在線學(xué)習(xí)的虹吸作用。但是也應(yīng)看到，互動版塊中存在對于課程內(nèi)容的淺層次研討和與主題無關(guān)的互動內(nèi)容。針對這個問題，平臺在下一步的優(yōu)化中可以考慮在互動版塊中研究設(shè)計敏感互動關(guān)鍵詞標注，自動屏蔽與主題無關(guān)的討論；設(shè)置專門的在線互動人員或交互式人工智能，引導(dǎo)學(xué)員進行關(guān)于課程內(nèi)容的有效討論。

6. 互動版塊具有提升學(xué)員學(xué)習(xí)效果的明顯作用，但研討版塊中的細分內(nèi)容對學(xué)員學(xué)習(xí)效果的提升存在差異。通過在線測試日志發(fā)現(xiàn)，在最終學(xué)習(xí)成績突出和學(xué)習(xí)效果提升明顯的學(xué)員群體中，大部分學(xué)員在聊天室、論壇等互動討論版塊中所投入的時間占比較高；通過社交分析工具的統(tǒng)計，在互動研討區(qū)中活躍度越高的學(xué)員，其課程學(xué)習(xí)成績突出的比率就越高。因此，學(xué)員群體對互動研討區(qū)的青睞只是表象，通過在互動研討區(qū)中的學(xué)習(xí)能實現(xiàn)事半功倍的效果才是最主要的因素，這實際上也揭示了互動協(xié)作過程對學(xué)員在線學(xué)習(xí)的重要性。但是，學(xué)員在互動版塊中關(guān)注不同的細分內(nèi)容會對自身學(xué)習(xí)效果產(chǎn)生差異化的影響。由表4可見，互動版塊中關(guān)注重點在技術(shù)層面交互和課程資源共享的學(xué)員群體，其對課程各知識技能的理解和在線學(xué)習(xí)的效果都處于較高水平，關(guān)注度在設(shè)計層面交互和評論性交互的學(xué)員次之，關(guān)注度在理論層面交互的學(xué)員其知識技能的掌握和學(xué)習(xí)成效最弱。因此，在課程交互版塊中應(yīng)重點考慮布局技術(shù)層面交互和信息資源共享兩方面內(nèi)容，豐富、細分并拓展這兩類交互內(nèi)容，力爭將更多的在線學(xué)員吸引到這兩類交互中，提升上述兩大交互模塊的活躍度，有效提升整體學(xué)習(xí)效果。

五、結(jié)束語

如何提升在線教育平臺的吸引力和競爭力，不能僅憑平臺管理者和建設(shè)者的主觀意愿，而應(yīng)該根據(jù)后臺所存儲的學(xué)員在線行為數(shù)據(jù)所反映出的學(xué)員學(xué)習(xí)態(tài)勢做出科學(xué)判斷。目前，國內(nèi)對學(xué)員在線學(xué)習(xí)行為態(tài)勢發(fā)展的實證研究還比較匱乏，如果能將教育數(shù)據(jù)挖掘與學(xué)習(xí)分析技術(shù)進行有效整合，將有助于在線教育平臺的深層次發(fā)展。本研究從數(shù)據(jù)建模和技術(shù)層面多維度地實現(xiàn)對在線教師學(xué)員學(xué)習(xí)行為態(tài)勢影響機制的量化與評測，對學(xué)員的學(xué)習(xí)喜好和學(xué)習(xí)行為習(xí)慣進行了梳理，探索了教學(xué)版塊與學(xué)習(xí)效果的相關(guān)關(guān)系，并以數(shù)據(jù)可視化的形式進行了展現(xiàn)。作為整個教師教育網(wǎng)絡(luò)培訓(xùn)體系中的重要組成部分，對學(xué)員在線數(shù)據(jù)的分析和有效整合具有十分重要的作用。因此，在線教育數(shù)據(jù)分析所揭示的種種在線教學(xué)現(xiàn)象，有助于我們更好地了解學(xué)員的行為特性，站在學(xué)員的角度來發(fā)現(xiàn)問題，并以此為依據(jù)優(yōu)化平臺。事實上，教育數(shù)據(jù)挖掘與學(xué)習(xí)分析技術(shù)在教師在線教育中的作用可以多維度延伸，包括教學(xué)資源個性化推送與指導(dǎo)、個性化學(xué)習(xí)路徑導(dǎo)引與推薦、虛擬課堂動態(tài)化變換、教學(xué)互動多樣化等。而如何規(guī)劃教育數(shù)據(jù)與學(xué)習(xí)分析，使數(shù)據(jù)分析能有效地運行，是重中之重的研究模式。本研究致力于將大數(shù)據(jù)挖掘技術(shù)應(yīng)用于平臺學(xué)員群體和個體學(xué)習(xí)行為態(tài)勢影響機制分析，跟蹤學(xué)員在課程中的行為蹤跡，具備較高的應(yīng)用價值，對于今后在線課程平臺的大規(guī)模教育數(shù)據(jù)分析有一定借鑒作用。

[參考文獻]

方海光，羅金萍，陳俊達，杜婧敏. 2016. 基于教育大數(shù)據(jù)的量化自我MOOC自適應(yīng)學(xué)習(xí)系統(tǒng)研究[J]. 電化教育研究（11）：38-42.

裴瑩，付世秋，吳鋒. 2017. 我國教育大數(shù)據(jù)研究熱點及存在問題的可視化分析[J]. 中國遠程教育（5）：01-08.

邢蓓蓓，楊現(xiàn)民，李勤生. 2016. 教育大數(shù)據(jù)的來源與采集技術(shù)[J]. 現(xiàn)代教育技術(shù)，26（8）：14-21.

楊現(xiàn)民，王榴卉，唐斯斯. 2015. 教育大數(shù)據(jù)的應(yīng)用模式與政策建議[J]. 電化教育研究（9）：54-61.

余鵬，李艷，呂鵬. 2016. 高等院校大數(shù)據(jù)挖掘與決策分析體系的應(yīng)用研究[J]. 現(xiàn)代教育技術(shù)，26（8）：102-108.

Arnold， K. E & Pistilli， M. D. 2012. Course signals at purdue：using learning analytics to increase student success[C]. New York：ACM Press.

Chafkin， M. （2013）. Udacitys Sebastian Thrun， Godfather of Free Online Education， Changes Course. Distance Education Report， 12（17）：5-25.

Daniel J. 2012. Making sense of MOOCs：Musings in a maze of myth， paradox and possibility. J Interact Med Educat（3）：18.

Grainger， B. 2013. Introduction to MOOCs：Avalanche， illusion or augmentation？[M]. Moscow：UNESCO Institute for Information Technologies in Education.

Pistilli， M. D， Arnole， K. E. 2010. Purdue signals：mining realtime academic data to enhance student success[J]. About Campus：Enriching the student learning experience.

收稿日期：2017-09-10

定稿日期：2018-01-20

作者簡介：陳雷， 碩士， 講師， 寧波教育學(xué)院組織部、宣傳部、統(tǒng)戰(zhàn)部（315016）。

責(zé)任編輯 劉 莉 張志禎