數(shù)據(jù)驅(qū)動(dòng)下的在線學(xué)習(xí)狀態(tài)分析模型及應(yīng)用研究*

王 洋 劉清堂[通訊作者]張文超 [美]David Stein

（1.華中師范大學(xué) 信息化與基礎(chǔ)教育均衡發(fā)展協(xié)同創(chuàng)新中心，湖北武漢 430079；2.俄亥俄州立大學(xué) 教育與人類生態(tài)學(xué)學(xué)院，美國(guó)哥倫布 43210）

一、引言

隨著信息技術(shù)的飛速發(fā)展，網(wǎng)絡(luò)學(xué)習(xí)作為一種新常態(tài)的學(xué)習(xí)方式得到了長(zhǎng)足的發(fā)展。網(wǎng)絡(luò)學(xué)習(xí)為學(xué)習(xí)者隨時(shí)、隨地開(kāi)展知識(shí)學(xué)習(xí)提供了可能。然而，網(wǎng)絡(luò)學(xué)習(xí)面臨的問(wèn)題表現(xiàn)在：參與人數(shù)眾多，但堅(jiān)持學(xué)習(xí)、獲得學(xué)分認(rèn)證的學(xué)習(xí)者不多；學(xué)習(xí)資源豐富，但能滿足學(xué)習(xí)者需求的優(yōu)質(zhì)資源相對(duì)匱乏；學(xué)習(xí)平臺(tái)數(shù)量繁雜，但對(duì)學(xué)習(xí)者粘度不足。其核心問(wèn)題之一，即缺少對(duì)平臺(tái)中學(xué)習(xí)者學(xué)習(xí)狀態(tài)的深度分析[1]。學(xué)習(xí)者的投入狀態(tài)、參與方式、學(xué)習(xí)態(tài)度等越來(lái)越成為學(xué)習(xí)發(fā)生與發(fā)展的起點(diǎn)和驅(qū)動(dòng)力，對(duì)學(xué)習(xí)者學(xué)習(xí)狀態(tài)的深度分析，成為網(wǎng)絡(luò)學(xué)習(xí)效果提升的重要課題。

學(xué)習(xí)狀態(tài)是指學(xué)習(xí)者在學(xué)習(xí)時(shí)的心理、情感、態(tài)度、思維等活躍、積極、接納、參與狀態(tài)的綜合，是學(xué)習(xí)者在學(xué)習(xí)時(shí)的身心投入程度。已有研究表明，不同學(xué)習(xí)狀態(tài)能產(chǎn)生不同的學(xué)習(xí)效果[2]；個(gè)性化學(xué)習(xí)系統(tǒng)以學(xué)習(xí)者的學(xué)習(xí)狀態(tài)為依據(jù)，促進(jìn)學(xué)習(xí)者學(xué)習(xí)，激發(fā)并保持學(xué)習(xí)者的學(xué)習(xí)投入狀態(tài)。因此，學(xué)習(xí)狀態(tài)既是起點(diǎn)又是歸宿。積極投入的學(xué)習(xí)狀態(tài)能促進(jìn)學(xué)習(xí)者深入到有意義的深度學(xué)習(xí)中。學(xué)習(xí)投入狀態(tài)使學(xué)習(xí)者對(duì)學(xué)習(xí)的內(nèi)容，有著更高和更持久的情感投入、認(rèn)知投入和行為投入[3]。

如何利用在線日志數(shù)據(jù)分析學(xué)習(xí)者的學(xué)習(xí)狀態(tài)，為教師評(píng)估學(xué)習(xí)投入提供支持，這是網(wǎng)絡(luò)學(xué)習(xí)質(zhì)量提升的難點(diǎn)。為此，美國(guó)學(xué)校管理者協(xié)會(huì)聯(lián)合Gartner公司實(shí)施了“減小差距：將數(shù)據(jù)轉(zhuǎn)化為行動(dòng)”的項(xiàng)目，讓教育大數(shù)據(jù)融入學(xué)生學(xué)習(xí)狀態(tài)分析，進(jìn)而拓展有效教學(xué)[4]。在美國(guó)政府支持下，eCART系統(tǒng)除了包含弗吉尼亞州學(xué)習(xí)標(biāo)準(zhǔn)資源和學(xué)區(qū)核準(zhǔn)課程材料的課程庫(kù)外，還能根據(jù)學(xué)習(xí)者學(xué)習(xí)狀態(tài)情況，提供實(shí)時(shí)評(píng)估報(bào)告，通過(guò)連接學(xué)生過(guò)去和當(dāng)前表現(xiàn)的數(shù)據(jù)，監(jiān)控學(xué)生進(jìn)步，生成學(xué)生情況報(bào)告，來(lái)實(shí)現(xiàn)有效教學(xué)反饋，促進(jìn)學(xué)生學(xué)習(xí)[5]。我國(guó)教育部《教育信息化“十三五”規(guī)劃（教技〔2016〕2 號(hào)）》中也明確指出，要積極運(yùn)用大數(shù)據(jù)等技術(shù)來(lái)有效提升數(shù)字教育資源服務(wù)水平與能力，進(jìn)而服務(wù)課堂拓展，支持泛在學(xué)習(xí)[6]。

由此可見(jiàn)，數(shù)據(jù)驅(qū)動(dòng)的學(xué)習(xí)狀態(tài)分析，能讓相關(guān)研究者明確學(xué)習(xí)者的學(xué)習(xí)狀態(tài)，了解學(xué)習(xí)者的學(xué)習(xí)狀態(tài)特征，把握影響學(xué)習(xí)狀態(tài)的相關(guān)因素，并形成學(xué)習(xí)狀態(tài)激發(fā)策略，指導(dǎo)教學(xué)工作者及時(shí)做出教學(xué)調(diào)整，來(lái)促進(jìn)學(xué)習(xí)者的學(xué)習(xí)。

目前，國(guó)內(nèi)關(guān)于學(xué)習(xí)狀態(tài)分析研究，主要關(guān)注的是學(xué)習(xí)者學(xué)習(xí)狀態(tài)的現(xiàn)狀分析、學(xué)習(xí)狀態(tài)的影響因素以及學(xué)習(xí)狀態(tài)調(diào)整策略研究等。對(duì)于學(xué)習(xí)者的學(xué)習(xí)狀態(tài)分析，主要運(yùn)用學(xué)習(xí)者主觀自評(píng)或調(diào)查分析的方法[7]。對(duì)于學(xué)習(xí)狀態(tài)的影響因素研究，主要運(yùn)用各因素維度問(wèn)卷編制及調(diào)查分析，再進(jìn)行相關(guān)性分析，進(jìn)而確定學(xué)習(xí)狀態(tài)的影響因素。隨著學(xué)習(xí)分析技術(shù)的飛速發(fā)展，對(duì)學(xué)習(xí)狀態(tài)分析的相關(guān)研究越來(lái)越側(cè)重基于數(shù)據(jù)的學(xué)習(xí)狀態(tài)分析，關(guān)注學(xué)習(xí)者的學(xué)習(xí)行為、生理指標(biāo)等客觀數(shù)據(jù)，以此來(lái)進(jìn)行學(xué)習(xí)者的學(xué)習(xí)狀態(tài)分析[8]。為此，本研究試圖構(gòu)建一個(gè)數(shù)據(jù)驅(qū)動(dòng)的學(xué)習(xí)狀態(tài)分析模型，以華師云課堂的《教育信息處理》課程為例，探索學(xué)習(xí)者的學(xué)習(xí)狀態(tài)特征，并為不同狀態(tài)的學(xué)習(xí)者提供相應(yīng)策略建議。

二、相關(guān)研究

（一）學(xué)習(xí)狀態(tài)內(nèi)涵及構(gòu)成

學(xué)習(xí)狀態(tài)是學(xué)習(xí)者學(xué)習(xí)時(shí)心理、身體所處的狀態(tài)，分為認(rèn)知狀態(tài)和情感狀態(tài)[9]。情感狀態(tài)是人類情感引發(fā)的學(xué)習(xí)狀態(tài)，例如，當(dāng)一個(gè)學(xué)生心情愉悅時(shí)，學(xué)習(xí)狀態(tài)是相對(duì)放松的；當(dāng)心情煩躁時(shí)，學(xué)習(xí)狀態(tài)則是消極不安的。認(rèn)知狀態(tài)是通過(guò)促進(jìn)學(xué)習(xí)者對(duì)學(xué)習(xí)內(nèi)容的結(jié)構(gòu)理解，來(lái)影響學(xué)習(xí)者的學(xué)習(xí)狀態(tài)[10]。情感狀態(tài)和認(rèn)知狀態(tài)二者是相互促進(jìn)的關(guān)系：情感狀態(tài)在一定程度上可以影響學(xué)習(xí)者的認(rèn)知狀態(tài)；同時(shí)，良好認(rèn)知狀態(tài)也可以讓學(xué)習(xí)者產(chǎn)生積極的情感狀態(tài)。學(xué)習(xí)狀態(tài)主要受個(gè)人因素和環(huán)境因素的影響：個(gè)人因素主要指?jìng)€(gè)人對(duì)了解特定主題的內(nèi)在渴望，是個(gè)人內(nèi)在的認(rèn)知和情感特質(zhì)；而環(huán)境因素是環(huán)境引起的特定情境下的學(xué)習(xí)狀態(tài)，包括與人類活動(dòng)或生活主題相關(guān)的內(nèi)容特征和與任務(wù)組織與展示相關(guān)的結(jié)構(gòu)特征[11]。積極學(xué)習(xí)狀態(tài)的激發(fā)，需要個(gè)人因素與環(huán)境因素的結(jié)合。

國(guó)外對(duì)于學(xué)習(xí)狀態(tài)的研究關(guān)注的是學(xué)習(xí)狀態(tài)中的學(xué)習(xí)投入度，認(rèn)為學(xué)習(xí)投入度是與專注度、興趣和愉悅度一樣，能促進(jìn)學(xué)習(xí)者學(xué)習(xí)體驗(yàn)感，是影響學(xué)習(xí)效率的重要因素[12]。對(duì)于學(xué)習(xí)投入度的研究主要分為以下三個(gè)方面：（1）學(xué)習(xí)投入度的影響因素研究。Halverson指出，學(xué)習(xí)投入度主要包括認(rèn)知投入度和情感投入度這兩部分[13]；Rui Zhen等指出，基本心理需求、自我效能感和情感狀態(tài)是學(xué)習(xí)投入度的三個(gè)關(guān)鍵影響因素[14]。（2）激發(fā)學(xué)習(xí)投入度的策略研究。研究表明，充分運(yùn)用游戲化的手段或增強(qiáng)交互性能夠促進(jìn)學(xué)習(xí)者的學(xué)習(xí)投入度[15-16]。（3）學(xué)習(xí)投入度對(duì)網(wǎng)絡(luò)學(xué)習(xí)效果的作用研究。Blasco-Arcas等研究表明，高度的學(xué)習(xí)投入度能夠促進(jìn)學(xué)習(xí)者的學(xué)業(yè)表現(xiàn)[17]。盡管對(duì)于學(xué)習(xí)投入度的研究較多，但大多是通過(guò)定性研究的方法，從學(xué)習(xí)者的認(rèn)知投入度和情感投入度這兩方面，來(lái)間接研究學(xué)習(xí)者的學(xué)習(xí)投入度。

國(guó)內(nèi)對(duì)網(wǎng)絡(luò)學(xué)習(xí)狀態(tài)的研究較多，但不同學(xué)者對(duì)學(xué)習(xí)狀態(tài)有著不同理解。李海艷認(rèn)為，遠(yuǎn)程學(xué)習(xí)者的學(xué)習(xí)狀態(tài)是學(xué)習(xí)者在進(jìn)行遠(yuǎn)程學(xué)習(xí)過(guò)程中，相對(duì)穩(wěn)定的、可調(diào)節(jié)的學(xué)習(xí)心理狀態(tài)和學(xué)習(xí)環(huán)境狀態(tài)[18]。鄭勤華等指出，學(xué)習(xí)者的投入度，即學(xué)習(xí)狀態(tài)是評(píng)價(jià)學(xué)習(xí)者學(xué)習(xí)過(guò)程的重要因子[19]。武法提等研究表明，學(xué)習(xí)者的學(xué)習(xí)情感狀態(tài)特征，是數(shù)字化環(huán)境下個(gè)性化行為分析的重要內(nèi)容[20]。李彤彤等指出，學(xué)習(xí)者的學(xué)習(xí)狀態(tài)分析是學(xué)習(xí)干預(yù)的基礎(chǔ)階段[21]。目前的學(xué)習(xí)狀態(tài)分析研究，主要分為以下三類：（1）基于學(xué)習(xí)者網(wǎng)絡(luò)學(xué)習(xí)交互數(shù)據(jù)，如，學(xué)習(xí)進(jìn)度、學(xué)習(xí)內(nèi)容、學(xué)習(xí)軌跡等來(lái)分析學(xué)習(xí)者的知識(shí)建構(gòu)過(guò)程、學(xué)習(xí)能力等狀態(tài)[22]；（2）根據(jù)學(xué)習(xí)者的生理信號(hào)數(shù)據(jù)，如，腦電波、眼動(dòng)儀、皮膚電等數(shù)據(jù)，分析學(xué)習(xí)者的學(xué)習(xí)疲勞及關(guān)注點(diǎn)[23]。但基于網(wǎng)絡(luò)學(xué)習(xí)數(shù)據(jù)的學(xué)習(xí)狀態(tài)分析，還停留在國(guó)外經(jīng)驗(yàn)總結(jié)階段，未深入到具體的數(shù)據(jù)指標(biāo)模型分析，仍有待進(jìn)一步深入。

（二）學(xué)習(xí)狀態(tài)的分析指標(biāo)

學(xué)習(xí)者的學(xué)習(xí)狀態(tài)主要是指學(xué)習(xí)認(rèn)知狀態(tài)和情感狀態(tài)的綜合反映。目前，在網(wǎng)絡(luò)學(xué)習(xí)狀態(tài)的研究中，學(xué)習(xí)者的網(wǎng)絡(luò)操作行為常常會(huì)被忽略。但這些行為是學(xué)習(xí)者學(xué)習(xí)狀態(tài)的重要評(píng)價(jià)指標(biāo)，統(tǒng)計(jì)分析每個(gè)學(xué)習(xí)者的網(wǎng)絡(luò)學(xué)習(xí)時(shí)長(zhǎng)、學(xué)習(xí)資源使用情況、測(cè)試情況等，可為網(wǎng)絡(luò)學(xué)習(xí)狀態(tài)的定量分析提供數(shù)據(jù)支撐。學(xué)習(xí)行為是情感和認(rèn)知的外在表現(xiàn)，學(xué)習(xí)者情感和認(rèn)知數(shù)據(jù)是處于冰山模型中水面以下的數(shù)據(jù)，難以直接獲取，而學(xué)習(xí)行為數(shù)據(jù)是可通過(guò)學(xué)習(xí)平臺(tái)進(jìn)行檢測(cè)、統(tǒng)計(jì)并呈現(xiàn)給研究者，并運(yùn)用這些可觀測(cè)的行為操作數(shù)據(jù)進(jìn)行學(xué)習(xí)狀態(tài)分析。賓夕法尼亞大學(xué)（University of Pennsylvania）的Baker和麻省理工學(xué)院 （Massachusetts Institute of Technology） 的 Pardos等在Ekman和Picard的研究基礎(chǔ)上[24-25]，對(duì)2786位學(xué)生在三年時(shí)間積累的810，000條網(wǎng)絡(luò)學(xué)習(xí)操作進(jìn)行研究，構(gòu)建起學(xué)生學(xué)習(xí)狀態(tài)和行為操作之間的關(guān)系模型，對(duì)網(wǎng)絡(luò)學(xué)習(xí)狀態(tài)的數(shù)據(jù)指標(biāo)進(jìn)行了深度研究，并得到了研究者們的認(rèn)可[26-27]。具體如表1所示。

三、數(shù)據(jù)驅(qū)動(dòng)的網(wǎng)絡(luò)學(xué)習(xí)狀態(tài)分析模型構(gòu)建

（一）網(wǎng)絡(luò)學(xué)習(xí)狀態(tài)分析模型

學(xué)習(xí)狀態(tài)分析以評(píng)估學(xué)習(xí)者在學(xué)習(xí)過(guò)程中的身心投入狀態(tài)、發(fā)現(xiàn)潛在問(wèn)題為目的，是對(duì)學(xué)生產(chǎn)生和收集的大量數(shù)據(jù)進(jìn)行闡釋的過(guò)程，也是學(xué)習(xí)分析的一個(gè)重要方面。關(guān)于學(xué)習(xí)分析模型，主要分為以下四類：（1）以Siemens的學(xué)習(xí)分析過(guò)程模型為代表的線性學(xué)習(xí)分析過(guò)程模型[28]；（2）以Elias的持續(xù)改進(jìn)模型為代表的反饋完善分析模型[29]；（3）以Ifenthaler的學(xué)習(xí)分析框架和劉清堂等的學(xué)習(xí)分析循環(huán)架構(gòu)為代表的環(huán)狀學(xué)習(xí)分析模型[30]；（4）以SOLAR學(xué)者的整合式學(xué)習(xí)分析系統(tǒng)為代表的多因素模塊化學(xué)習(xí)分析模型[31]。其中，Siemens的學(xué)習(xí)分析過(guò)程模型，包含了學(xué)習(xí)分析的基本要素和過(guò)程；Elias的持續(xù)改進(jìn)反饋模型，從技術(shù)資源角度體現(xiàn)了學(xué)習(xí)分析過(guò)程的循環(huán)性，他們的研究以學(xué)習(xí)者學(xué)習(xí)狀態(tài)為分析對(duì)象。本研究在以上研究基礎(chǔ)上，結(jié)合Siemens的學(xué)習(xí)分析過(guò)程模型和Elias的持續(xù)改進(jìn)環(huán)狀模型，提出了數(shù)據(jù)驅(qū)動(dòng)的網(wǎng)絡(luò)學(xué)習(xí)狀態(tài)分析模型，具體如圖1所示。

表1 各學(xué)習(xí)狀態(tài)維度描述及其數(shù)據(jù)依據(jù)

圖1 數(shù)據(jù)驅(qū)動(dòng)的網(wǎng)絡(luò)學(xué)習(xí)狀態(tài)分析模型

數(shù)據(jù)驅(qū)動(dòng)的學(xué)習(xí)狀態(tài)分析模型，主要包括：網(wǎng)絡(luò)學(xué)習(xí)數(shù)據(jù)采集階段、數(shù)據(jù)處理與學(xué)習(xí)狀態(tài)分析階段、評(píng)估預(yù)測(cè)與干預(yù)階段。網(wǎng)絡(luò)學(xué)習(xí)數(shù)據(jù)采集階段主要采集的是學(xué)習(xí)者的網(wǎng)絡(luò)學(xué)習(xí)數(shù)據(jù)，包括：正答率、涉及同一問(wèn)題的行為數(shù)量、使用提示次數(shù)、相鄰兩個(gè)學(xué)習(xí)行為的時(shí)間間隔等。以這些數(shù)據(jù)作為學(xué)習(xí)狀態(tài)的分析與評(píng)估依據(jù)。由于在數(shù)據(jù)采集階段收集到的網(wǎng)絡(luò)學(xué)習(xí)數(shù)據(jù)量大，存在很多冗余數(shù)據(jù)，因此，數(shù)據(jù)處理與學(xué)習(xí)狀態(tài)分析階段的核心目標(biāo)，即從復(fù)雜多變的網(wǎng)絡(luò)學(xué)習(xí)數(shù)據(jù)中挖掘出有用信息進(jìn)行分析，并可視化展示。在獲取數(shù)據(jù)庫(kù)的數(shù)據(jù)表后，首先要進(jìn)行數(shù)據(jù)清洗（檢查數(shù)據(jù)一致性，處理無(wú)效值和缺失值），并進(jìn)行修復(fù)，運(yùn)用表1的數(shù)據(jù)標(biāo)準(zhǔn)和圖1所示的方法，以整體平均數(shù)和極值為參照，計(jì)算每一學(xué)習(xí)者的學(xué)習(xí)狀態(tài)。最后，將得出的每一維度的標(biāo)準(zhǔn)學(xué)習(xí)狀態(tài)向量與學(xué)習(xí)者的學(xué)習(xí)記錄數(shù)據(jù)進(jìn)行相似度計(jì)算，得到每一學(xué)習(xí)者相應(yīng)的學(xué)習(xí)狀態(tài)維度。

評(píng)估預(yù)測(cè)與干預(yù)階段的目的，是為了促進(jìn)學(xué)習(xí)者進(jìn)入并保持學(xué)習(xí)投入狀態(tài)，優(yōu)化教與學(xué)。在該階段中，對(duì)處于挫折、困惑、分心等消極學(xué)習(xí)狀態(tài)的學(xué)習(xí)者要進(jìn)行及時(shí)干預(yù)。如：對(duì)于表現(xiàn)出挫折、困惑的學(xué)習(xí)者要及時(shí)提供支持，為其提供相應(yīng)知識(shí)點(diǎn)和學(xué)習(xí)材料，來(lái)幫助其走出當(dāng)前的負(fù)面學(xué)習(xí)狀態(tài)。對(duì)于分心的學(xué)習(xí)者，要實(shí)施相應(yīng)的監(jiān)測(cè)、提醒和干預(yù)。平臺(tái)、學(xué)生、教師根據(jù)數(shù)據(jù)處理與學(xué)習(xí)狀態(tài)分析階段所呈現(xiàn)的結(jié)果，采取相應(yīng)措施：學(xué)生以呈現(xiàn)的評(píng)估預(yù)測(cè)結(jié)果為依據(jù)，進(jìn)行自我反思，采取相應(yīng)措施及時(shí)調(diào)整學(xué)習(xí)狀態(tài)，實(shí)現(xiàn)高效率的自主學(xué)習(xí)。平臺(tái)以分析結(jié)果為依據(jù)，進(jìn)行相關(guān)學(xué)習(xí)的內(nèi)容推介。教師以呈現(xiàn)的結(jié)果為依據(jù)，改進(jìn)教學(xué)策略，完善教學(xué)內(nèi)容，優(yōu)化學(xué)習(xí)方法，激發(fā)學(xué)生積極的學(xué)習(xí)狀態(tài)，實(shí)現(xiàn)自適應(yīng)教學(xué)。平臺(tái)管理者以分析結(jié)果為依據(jù)，來(lái)進(jìn)行相關(guān)資源的合理配置，改善教學(xué)平臺(tái)設(shè)計(jì)，進(jìn)而影響學(xué)習(xí)環(huán)境相關(guān)數(shù)據(jù)，進(jìn)一步實(shí)現(xiàn)自適應(yīng)學(xué)習(xí)。這樣，通過(guò)學(xué)生、學(xué)習(xí)平臺(tái)、教師和平臺(tái)管理者的一系列干預(yù)，網(wǎng)絡(luò)學(xué)習(xí)系統(tǒng)的網(wǎng)絡(luò)學(xué)習(xí)數(shù)據(jù)也會(huì)發(fā)生相應(yīng)改變，從而形成網(wǎng)絡(luò)學(xué)習(xí)數(shù)據(jù)采集、數(shù)據(jù)處理與學(xué)習(xí)狀態(tài)分析、評(píng)估預(yù)測(cè)與干預(yù)的整個(gè)循環(huán)過(guò)程，進(jìn)而激發(fā)學(xué)習(xí)者的學(xué)習(xí)狀態(tài)，提高學(xué)習(xí)者的學(xué)習(xí)效率。

（二）網(wǎng)絡(luò)學(xué)習(xí)狀態(tài)分析方法

本研究所使用的在線學(xué)習(xí)平臺(tái)是云平臺(tái)，該平臺(tái)可以自動(dòng)記錄學(xué)習(xí)者的學(xué)習(xí)操作日志。根據(jù)每一個(gè)學(xué)習(xí)者在測(cè)驗(yàn)中的得分計(jì)算正答率。測(cè)試包括10個(gè)問(wèn)題，滿分為100。在學(xué)習(xí)狀態(tài)分析中，使用了學(xué)習(xí)狀態(tài)檢測(cè)器，它包含了許多指標(biāo)：（1）正答率（正答數(shù)量與總題目數(shù)量之比）；（2）行為數(shù)量（總的操作次數(shù)）；（3）兩個(gè)相鄰操作之間的時(shí)間間隔，單位為分鐘；（4）連續(xù)正答次數(shù)，連續(xù)正確回答問(wèn)題的數(shù)量；（5）涉及相同問(wèn)題的先前操作次數(shù)；（6）關(guān)于某一主題的錯(cuò)答次數(shù)；（7）幫助請(qǐng)求的數(shù)量等。也就是說(shuō)，平臺(tái)中學(xué)習(xí)者的學(xué)習(xí)行為數(shù)據(jù)被加工，提取出有用的學(xué)習(xí)行為特征，來(lái)分析學(xué)習(xí)者的學(xué)習(xí)狀態(tài)。

我們收集了2016-2017年《教育信息處理》課程的269名學(xué)習(xí)者的12912次在線學(xué)習(xí)操作和學(xué)習(xí)狀態(tài)自我報(bào)告結(jié)果。學(xué)習(xí)者是教育技術(shù)學(xué)專業(yè)的本科生，《教育信息處理》是教育技術(shù)專業(yè)本科生的必修課。

我們基于韋伯學(xué)習(xí)狀態(tài)評(píng)定量表，編制了學(xué)習(xí)者在線學(xué)習(xí)自我報(bào)告問(wèn)卷[32]。在該問(wèn)卷中有20個(gè)項(xiàng)目用來(lái)測(cè)量學(xué)生的學(xué)習(xí)狀態(tài)。在以下四個(gè)維度中每個(gè)維度都有5個(gè)題項(xiàng)，即投入、挫折、困惑和分心狀態(tài)[33]。每個(gè)題項(xiàng)使用Likert五點(diǎn)量表，從1表示強(qiáng)烈不同意到5表示強(qiáng)烈同意。根據(jù)三名在線學(xué)習(xí)專家，該問(wèn)卷被驗(yàn)證為可靠。得分最高的維度是學(xué)習(xí)者的主要學(xué)習(xí)狀態(tài)。當(dāng)一節(jié)課結(jié)束后，所有學(xué)生被要求完成測(cè)試和學(xué)習(xí)狀態(tài)自評(píng)。

根據(jù)學(xué)習(xí)者這七個(gè)維度具體取值，和學(xué)習(xí)狀態(tài)情況，形成每一個(gè)學(xué)習(xí)者的學(xué)習(xí)行為八維數(shù)據(jù)記錄。再用同樣的方法處理所有269名學(xué)習(xí)者的學(xué)習(xí)記錄。形成一個(gè)269*8的學(xué)習(xí)者學(xué)習(xí)狀態(tài)數(shù)據(jù)集。經(jīng)過(guò)篩選和清洗，最終數(shù)據(jù)片段如圖2所示。

圖2 清洗后的數(shù)據(jù)片段

使用70%（n=188）的數(shù)據(jù)訓(xùn)練模型，另外30%（n=81）的學(xué)習(xí)日志據(jù)被用來(lái)檢驗(yàn)學(xué)習(xí)狀態(tài)檢測(cè)器的有效性。實(shí)驗(yàn)運(yùn)營(yíng)環(huán)境：win10專業(yè)版，python 2.7，rapidminer 9.1。整個(gè)學(xué)習(xí)狀態(tài)分類基本流程如圖3所示，具體的rapidminer的分析實(shí)現(xiàn)過(guò)程如圖4所示。其中的Select Attributes算子將除了userid外的8個(gè)特征值都作為訓(xùn)練模型的指標(biāo)；Set Role算子設(shè)置最終預(yù)測(cè)變量為 “l(fā)earning_state”；Split Data算子用于將數(shù)據(jù)集分成70%的訓(xùn)練集和30%的測(cè)試集。其中，訓(xùn)練數(shù)據(jù)集作為訓(xùn)練模型的輸入；測(cè)試集數(shù)據(jù)則作為模型應(yīng)用測(cè)試的輸入。Performance算子用于評(píng)估學(xué)習(xí)狀態(tài)檢測(cè)器模型的精確度和一致性（main criteria=accuracy 和 kappa）。

圖3 學(xué)習(xí)狀態(tài)分類基本流程

圖4 學(xué)習(xí)狀態(tài)分析實(shí)現(xiàn)過(guò)程

決策樹(shù)和樸素貝葉斯是分類器的常用算法，本研究主要使用這兩種方法，來(lái)進(jìn)行學(xué)習(xí)狀態(tài)分析。機(jī)器學(xué)習(xí)算法的特征選擇，是使用正向選擇的方法來(lái)進(jìn)行的，其中最能提高模型擬合度的特征被重復(fù)添加，直到不再有特征可以增加模型擬合度為止。精確度和科恩的Kappa指標(biāo)備用來(lái)評(píng)估學(xué)習(xí)狀態(tài)檢測(cè)模型的有效性，綜合考慮這兩個(gè)指標(biāo)，相較于樸素貝葉斯的精確度和一致性 （accuracy=0.8101，kappa=0.766），決策樹(shù)算法的精確度和一致性較好（accuracy=0.925， kappa=0.884）。

基于此，利用rapidminer工具創(chuàng)建決策樹(shù)模型，將處理好的所有數(shù)據(jù)集導(dǎo)入rapidminer，選擇四折交叉驗(yàn)證算子和決策樹(shù)算子（criterion=gain_ratio）。對(duì)這四種學(xué)習(xí)狀態(tài)分類器的特征進(jìn)行分析，結(jié)果如圖5所示；挖掘出這四種學(xué)習(xí)狀態(tài)的七個(gè)行為特征，如表2所示。Performance算子對(duì)剩余30%（n=81）的學(xué)生學(xué)習(xí)行為數(shù)據(jù)進(jìn)行分析，結(jié)果表明，該機(jī)器分析方法與學(xué)習(xí)者自我報(bào)告一致性較好 （accuracy=0.925，kappa=0.884），說(shuō)明該學(xué)習(xí)狀態(tài)分析模型是有效的。

圖5 rapidminer生成的決策樹(shù)

表2 各學(xué)習(xí)狀態(tài)維度及其行為特征

四、數(shù)據(jù)驅(qū)動(dòng)的網(wǎng)絡(luò)學(xué)習(xí)狀態(tài)分析模型典型應(yīng)用

（一）應(yīng)用案例簡(jiǎn)介

為了解華師2016級(jí)1班學(xué)生在《教育信息化處理》課程中的學(xué)習(xí)狀態(tài)，在如下應(yīng)用情境中進(jìn)行數(shù)據(jù)收集與分析?！督逃畔⑻幚怼肥墙逃夹g(shù)學(xué)學(xué)生的必修課程，該課程主要目標(biāo)是使學(xué)生了解信息科學(xué)的基本概念，理解教育信息處理的基本原理，掌握各種信息處理方法在教育中應(yīng)用的基本思想和過(guò)程。這門課程的學(xué)習(xí)、作業(yè)、測(cè)試等被要求在“云課堂”上進(jìn)行，學(xué)生在云課堂上通過(guò)教學(xué)視頻、課件和教師上傳的拓展資源來(lái)學(xué)習(xí)課程內(nèi)容，在每一章節(jié)內(nèi)容學(xué)習(xí)結(jié)束后，學(xué)生需要進(jìn)行該章節(jié)內(nèi)容的課后練習(xí)。本研究選擇第二章第一節(jié)的內(nèi)容為例，在實(shí)驗(yàn)課的課堂上教師要求學(xué)生按要求學(xué)習(xí)課程視頻和拓展資源，并回答課后10道習(xí)題，在下課前完成。學(xué)生的基本信息、操作交互次數(shù)（包括文檔查看、登錄、作業(yè)查看、回答問(wèn)題、查看答案等操作）、概念交互情況（包括正答次數(shù)、時(shí)長(zhǎng)等信息），則通過(guò)系統(tǒng)記錄。

本研究選取華中師范大學(xué)教育信息技術(shù)學(xué)院2016級(jí)1班的59名大二學(xué)生的“云課堂”學(xué)習(xí)行為記錄，對(duì)這些學(xué)習(xí)行為數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，了解這門課程學(xué)生的網(wǎng)絡(luò)學(xué)習(xí)狀況。

（二）分析結(jié)果與討論

1.整體學(xué)習(xí)狀態(tài)情況分析

我們對(duì)59位學(xué)習(xí)者正答率、操作數(shù)量、相鄰兩個(gè)學(xué)習(xí)行為間的時(shí)間間隔平均值等進(jìn)行統(tǒng)計(jì)分析。根據(jù)學(xué)習(xí)狀態(tài)檢測(cè)模型，得出每一位學(xué)習(xí)者的狀態(tài)。從stu1到stu59的學(xué)習(xí)狀態(tài)分析結(jié)果，如圖6所示。由圖6可知，“投入”狀態(tài)的學(xué)習(xí)者占學(xué)生的49.15%；“挫折”狀態(tài)的學(xué)習(xí)者占總體學(xué)生的10.17%；學(xué)習(xí)狀態(tài)為“困惑”的學(xué)習(xí)者占全班學(xué)生的28.81%；“分心”狀態(tài)的學(xué)習(xí)者占總學(xué)習(xí)者的11.87%。

圖6 學(xué)習(xí)狀態(tài)分析結(jié)果

2.學(xué)習(xí)效率與學(xué)習(xí)狀態(tài)相關(guān)性分析

為了研究學(xué)習(xí)者的學(xué)習(xí)效率與學(xué)習(xí)狀態(tài)的關(guān)系，Ryan研究表明，學(xué)習(xí)者的投入優(yōu)于挫折，優(yōu)于困惑和分心[34]，故將學(xué)習(xí)狀態(tài)中的投入、挫折、困惑、分心分別賦予3-0分，得出表3所示結(jié)果。由表3可知，學(xué)習(xí)效率與學(xué)習(xí)狀態(tài)呈正相關(guān)，Pearson相關(guān)系數(shù)為0.64，即|r|=0.64，表示這兩個(gè)變量為正相關(guān)，而兩者之間不相關(guān)的雙尾檢驗(yàn)值 （Sig.（2-tailed））為0.00，表示兩者是顯著相關(guān)。其中，積極的學(xué)習(xí)狀態(tài)，如，“投入”，能促進(jìn)學(xué)習(xí)者的學(xué)習(xí)效率；而消極的學(xué)習(xí)狀態(tài)，如，“挫折”、“困惑”、“分心”等，則不利于學(xué)習(xí)者的學(xué)習(xí)效率。

表3 學(xué)習(xí)效率與學(xué)習(xí)狀態(tài)相關(guān)性分析

3.自評(píng)與訪談分析

自評(píng)分析運(yùn)用的是學(xué)習(xí)狀態(tài)自評(píng)表[35]。在“投入”、“挫折”、“困惑”和“分心”這四種學(xué)習(xí)狀態(tài)中，分別抽取五位學(xué)習(xí)者進(jìn)行自評(píng)和訪談分析，自評(píng)結(jié)果與根據(jù)學(xué)習(xí)行為數(shù)據(jù)的分析結(jié)果的一致性為85.0%。訪談主要從學(xué)習(xí)者的 “投入度”、“滿意度”、“感知難度”和“期望支持”四個(gè)方面進(jìn)行。在訪談過(guò)程中，學(xué)習(xí)狀態(tài)為“投入”的學(xué)習(xí)者，表現(xiàn)出來(lái)的學(xué)習(xí)投入度和滿意度較高，感知難度較低，他們大多認(rèn)為云平臺(tái)的資源較全面，測(cè)試難度較低，基本功能能夠滿足他們的需要，但同時(shí)也希望平臺(tái)上的學(xué)習(xí)資源能夠精煉一下，這樣有利于他們快速選擇出有用的學(xué)習(xí)材料?！按煺邸焙汀袄Щ蟆睜顟B(tài)的學(xué)習(xí)者，學(xué)習(xí)投入度處于一般平均水平，學(xué)習(xí)滿意度適中，感知難度較高，他們提出測(cè)試題的答案不夠詳細(xì)，有部分題目還有疑問(wèn)。在“期望支持”方面，他們希望題目的解析能夠更加詳細(xì)，在他們遇到問(wèn)題時(shí)能夠有老師或助教及時(shí)幫助他們答疑解惑。處于“分心”狀態(tài)的學(xué)習(xí)者的學(xué)習(xí)投入度和滿意度較低，感知難度適中。他們提出，面對(duì)著電腦學(xué)習(xí)讓他們很容易分心，難以投入到學(xué)習(xí)中。對(duì)于“期望支持”方面，他們期待系統(tǒng)能夠告知其學(xué)習(xí)效率和狀態(tài)并給予反饋，使他們能夠及時(shí)意識(shí)到學(xué)習(xí)狀態(tài)存在的問(wèn)題并進(jìn)行調(diào)整。

五、總結(jié)與反思

在基于云課堂的《教育信息處理》課程中，主要學(xué)習(xí)狀態(tài)為 “投入”的學(xué)生比例占整體學(xué)生的49.15%，主要學(xué)習(xí)狀態(tài)為“挫折”和“困惑”的學(xué)習(xí)者分別占28.81%和10.17%，以“分心”為主要學(xué)習(xí)狀態(tài)的學(xué)習(xí)者占總體學(xué)生的11.87%。這說(shuō)明在教師監(jiān)督下的云課堂教學(xué)中學(xué)生整體學(xué)習(xí)狀態(tài)較好，但 “挫折”狀態(tài)的學(xué)習(xí)者較多。相關(guān)性分析結(jié)果表明，學(xué)生的正答率與行為數(shù)量呈正相關(guān)，學(xué)習(xí)狀態(tài)與學(xué)習(xí)效率呈正相關(guān)，這說(shuō)明教師應(yīng)鼓勵(lì)學(xué)生加大學(xué)習(xí)行為投入度，促進(jìn)學(xué)生的學(xué)習(xí)效率。另外，訪談結(jié)果也表明，教師應(yīng)進(jìn)一步精煉學(xué)習(xí)材料，再提供給學(xué)習(xí)者；對(duì)于“挫折”和“困惑”狀態(tài)的學(xué)習(xí)者，教師應(yīng)分析學(xué)生“挫折”、“困惑”產(chǎn)生的原因并及時(shí)提供幫助，對(duì)于題目的提示部分應(yīng)進(jìn)一步詳細(xì)，為“困惑”狀態(tài)的學(xué)習(xí)者提供支持；對(duì)于“分心”狀態(tài)的學(xué)習(xí)者，教師應(yīng)及時(shí)提醒、干預(yù)，來(lái)努力激發(fā)學(xué)習(xí)者投入學(xué)習(xí)狀態(tài)。

本研究以華師《教育信息處理》課程為例，分析結(jié)果能為該課程教師和學(xué)生提供指導(dǎo)，同時(shí)也為其他網(wǎng)絡(luò)學(xué)習(xí)狀態(tài)分析研究提供了新思路。在網(wǎng)絡(luò)學(xué)習(xí)環(huán)境中，對(duì)學(xué)習(xí)狀態(tài)的影響因素和數(shù)據(jù)指標(biāo)探索是十分有價(jià)值的，除了正答率、兩行為間時(shí)間間隔、總體行為數(shù)量外，其他更為細(xì)致的學(xué)習(xí)行為數(shù)據(jù)，如，提問(wèn)次數(shù)、發(fā)帖次數(shù)、回復(fù)次數(shù)和回復(fù)內(nèi)容等，也是值得進(jìn)一步挖掘的行為數(shù)據(jù)。

總之，大數(shù)據(jù)時(shí)代下的在線學(xué)習(xí)數(shù)據(jù)的充分挖掘應(yīng)用、基于網(wǎng)絡(luò)學(xué)習(xí)數(shù)據(jù)的學(xué)習(xí)狀態(tài)分析，是學(xué)習(xí)分析和行為分析的綜合與發(fā)展方向；是自適應(yīng)網(wǎng)絡(luò)教學(xué)的指向標(biāo)；也是推動(dòng)個(gè)性化教學(xué)的重要力量。其對(duì)提升學(xué)生的學(xué)習(xí)效果具有重要作用；對(duì)于教師、學(xué)生、教育管理者也具有深遠(yuǎn)的意義，今后值得教育技術(shù)領(lǐng)域研究者的共同關(guān)注和進(jìn)一步探索。