學(xué)習(xí)者學(xué)習(xí)行為分析及應(yīng)對策略的研究*

代紅 崔文華 張文宇 歐陽鑫玉 （遼寧科技大學(xué)國際金融與銀行學(xué)院）

隨著無線通信技術(shù)的發(fā)展和智能手機的廣泛應(yīng)用，2014年至2018年至今，對網(wǎng)絡(luò)學(xué)習(xí)行為的研究熱度在持續(xù)上升，論文數(shù)量達到533 篇，是過去十年的1.21 倍。利用學(xué)習(xí)者的網(wǎng)絡(luò)學(xué)習(xí)行為數(shù)據(jù)，并借助數(shù)據(jù)挖掘、機器學(xué)習(xí)技術(shù)進行學(xué)習(xí)者學(xué)習(xí)結(jié)果分析，可以對學(xué)習(xí)者給出更客觀全面的學(xué)習(xí)評價，同時也為教育管理者的政策制定、教師的教學(xué)干預(yù)和學(xué)習(xí)者的自我調(diào)整提供參考和指導(dǎo)。通過閱讀文獻，總結(jié)對學(xué)習(xí)者學(xué)習(xí)行為數(shù)據(jù)分析上的研究還存在以下不足：（1）多數(shù)研究者使用的是本校部分學(xué)科學(xué)生網(wǎng)絡(luò)學(xué)習(xí)行為的數(shù)據(jù)，受學(xué)習(xí)環(huán)境影響，數(shù)據(jù)缺乏通用性、代表性且樣本數(shù)量小。（2）多數(shù)研究是以對知識點的學(xué)習(xí)次數(shù)為特征屬性，缺少學(xué)習(xí)交互次數(shù)、學(xué)習(xí)頻度等特征屬性的關(guān)聯(lián)分析。為此本文使用哈佛大學(xué)和麻省理工學(xué)院開放的數(shù)據(jù)集從智能環(huán)境下的網(wǎng)絡(luò)學(xué)習(xí)行為分析方法入手，采用力求特征集中的特征數(shù)據(jù)為建立準確模型的貢獻率最大的方法，構(gòu)建有利于提高學(xué)習(xí)者學(xué)習(xí)績效的分析預(yù)測模型，同時對教學(xué)干預(yù)提供參考建議。

一 網(wǎng)絡(luò)學(xué)習(xí)行為分析的發(fā)展研究

伴隨物聯(lián)網(wǎng)、云計算以及大數(shù)據(jù)等新技術(shù)的出現(xiàn)，智能學(xué)習(xí)環(huán)境下學(xué)習(xí)者的學(xué)習(xí)方式正在逐漸發(fā)生變革。2006年《中國電化教育》期刊上華中師范大學(xué)彭文輝老師的一篇題目為“網(wǎng)絡(luò)學(xué)習(xí)行為分析及其模型研究”的論文中第一次對網(wǎng)絡(luò)學(xué)習(xí)行為的概念進行了總結(jié)定義，同時他在對2004～2013年這個時間段我國網(wǎng)絡(luò)學(xué)習(xí)行為期刊論文的內(nèi)容分析進行了調(diào)查研究。由于網(wǎng)絡(luò)學(xué)習(xí)方式場景多元化，多層面獲取知識實時、方便和快捷等優(yōu)勢，改變了學(xué)習(xí)者學(xué)習(xí)習(xí)慣和學(xué)習(xí)態(tài)度，對實現(xiàn)學(xué)習(xí)者終身教育也很有幫助。但是如果在學(xué)習(xí)行為分析后除了給出適合學(xué)習(xí)者的學(xué)習(xí)模式，進行有效學(xué)習(xí)建議反饋和學(xué)習(xí)路徑推薦之外，對學(xué)習(xí)者進行一定的學(xué)習(xí)行為預(yù)測和干預(yù)，將會對學(xué)習(xí)者的學(xué)習(xí)績效提升更有意義。

二 智能學(xué)習(xí)環(huán)境下學(xué)習(xí)者分析模型

1 學(xué)習(xí)者學(xué)習(xí)特征屬性的選擇

學(xué)習(xí)者的學(xué)習(xí)行為分為顯性和隱性。學(xué)習(xí)者顯性學(xué)習(xí)行為一般是操作層面的行為日志信息，如評價、交流、答疑、測驗、討論、分享、創(chuàng)作等反映在交互文本上信息，以及學(xué)習(xí)事件次數(shù)、學(xué)習(xí)時長、學(xué)習(xí)重復(fù)率、學(xué)習(xí)時間跨度等統(tǒng)計出來的數(shù)據(jù)。學(xué)習(xí)者隱性學(xué)習(xí)行為一般需要通過數(shù)據(jù)篩選、過濾、挖掘分析出來，同時進行信度度量，如學(xué)習(xí)動機、學(xué)習(xí)目的和學(xué)習(xí)目標等信息。本文研究使用的數(shù)據(jù)來源于edX 2014年發(fā)布的數(shù)據(jù)集——“HMXPC13_DI_v2_5－14－14.csv”，如表1 所示。哈佛大學(xué)和麻省理工學(xué)院的edX 數(shù)據(jù)并沒有提供長期學(xué)習(xí)行為模式的信息，如論壇帖子是否隨時間而增加或減少，視頻訪問是否隨時間而改變等等(見表1）。

在edX 公開數(shù)據(jù)集中共包含641138 個實例，其中標注中國國籍的學(xué)習(xí)者5170 個實例。開放數(shù)據(jù)集的20 個列項按照內(nèi)容歸納成五大類，即課程信息類、學(xué)習(xí)者基本信息、學(xué)習(xí)者類型信息、學(xué)習(xí)者行為信息和其他。其中按照edX 開放數(shù)據(jù)集中給出的學(xué)習(xí)者特征屬性信息，將學(xué)習(xí)者類型又分為注冊者(registered)、瀏覽者（viewed）、探索者（explored）和獲得證書者（certified）。平臺要求先注冊才能進一步學(xué)習(xí)，因此開發(fā)數(shù)據(jù)集中的所有實例學(xué)習(xí)類型均先為注冊者。在學(xué)習(xí)者注冊時有些信息并未輸入，如性別，為此在數(shù)據(jù)集上留有空白或者標注N/A。本文對學(xué)習(xí)者學(xué)習(xí)行為進行分析，因此使用學(xué)習(xí)者行為信息建立學(xué)習(xí)分析模型，將學(xué)習(xí)者類型的特征屬性信息作為建立模型的標簽，且只對國籍為中國的學(xué)生進行學(xué)習(xí)者學(xué)習(xí)行為分析。這樣在不降低模型建立準確性的前提下，既減少了模型建立的冗余屬性，節(jié)省了存儲空間，同時也加快了模型建立的時間。

表1 edX 開放數(shù)據(jù)集列項描述

2 學(xué)習(xí)者學(xué)習(xí)行為分析模型

（1）學(xué)習(xí)者基本信息分析

通過對edX 平臺上的16 門課程開放數(shù)據(jù)的統(tǒng)計，對全球?qū)W習(xí)者類型與中國學(xué)習(xí)者類型進行了對比，全球大部分學(xué)習(xí)者以瀏覽者學(xué)習(xí)類型數(shù)量居多，同時也能夠得到中國學(xué)習(xí)者數(shù)量占全球?qū)W習(xí)者數(shù)量的0.81%，其中中國學(xué)習(xí)者在edX 平臺通過學(xué)習(xí)獲得證書者占全球?qū)W習(xí)者獲得證書數(shù)量的0.35%。根據(jù)有標注性別的信息統(tǒng)計（標注N/A 和空白不在統(tǒng)計之列），在中國學(xué)習(xí)者中男性數(shù)量偏大，且大多數(shù)屬于瀏覽性質(zhì)的學(xué)習(xí)。

對于身份經(jīng)過申請認證的獲得證書學(xué)習(xí)者來說，數(shù)量方面男女相差不大，尤其是女性學(xué)習(xí)者在進行探索性學(xué)習(xí)后大部分都能獲得證書，說明女性學(xué)習(xí)者的學(xué)習(xí)目的很明確，需要拿到證書。在獲得證書的學(xué)習(xí)者中專門對學(xué)歷和性別進行統(tǒng)計，學(xué)歷高的學(xué)習(xí)者不太重視在平臺上獲得證書，學(xué)歷偏低的人群更注重證書的獲得。除了向在線學(xué)習(xí)者提供普通證書課程之外，其還與德州公立大學(xué)系統(tǒng)開展合作，開發(fā)“線上”與“線下”相結(jié)合的學(xué)分課程，這樣既方便了德州公立大學(xué)系統(tǒng)內(nèi)的學(xué)生選修通識課程學(xué)分，又使課程學(xué)分在大學(xué)系統(tǒng)內(nèi)得到充分認可，將在線教育正式納入正統(tǒng)學(xué)位教育，為此分析出學(xué)歷偏低的學(xué)習(xí)者更希望通過課程認證增加求職的機會。

由于學(xué)習(xí)者行為信息不能通過簡單的統(tǒng)計分析出學(xué)習(xí)者行為模式，現(xiàn)只對針對中國學(xué)習(xí)者進行研究分析，選取了反應(yīng)學(xué)習(xí)者行為信息的課程交互次數(shù)、課程訪問天數(shù)、播放視頻次數(shù)、學(xué)習(xí)章節(jié)數(shù)和論壇發(fā)帖數(shù)特征屬性作為學(xué)習(xí)行為分析的客觀依據(jù)，以注冊者(registered)、瀏覽者（viewed）、探索者（explored）和獲得證書者（certified）為模型的類別標簽。采用挖掘分析，建立學(xué)習(xí)者行為分析預(yù)測模型。

（2）學(xué)習(xí)者學(xué)習(xí)行為分析模型

由于K-MEANS 算法在處理大數(shù)據(jù)時算法簡單、具有收斂速度快等優(yōu)點，為此本文使用此算法進行學(xué)習(xí)分析模型的建立。首先對HMXPC13_DI_v2_5－14－14.csv 開放數(shù)據(jù)集進行預(yù)處理使其滿足數(shù)據(jù)挖掘工具軟件Weka 的格式導(dǎo)入要求，導(dǎo)入后使用K-MEANS 算法進行聚類分析。以獲得證書者聚類模型為例，對獲得證書者數(shù)據(jù)用K-Means 算法迭代八次，初始產(chǎn)生了兩個中心點，最終有62 個instances 聚合為一類，5108 個instances 聚合為一類，建模時間為0.12 秒。對其他學(xué)習(xí)者類型采用同樣K-MEANS 算法可以建模。

（3）結(jié)果剖析

通過數(shù)據(jù)挖掘統(tǒng)計結(jié)果，可以得出中國學(xué)生課程平均交互次數(shù)為144.86 次，平均訪問天數(shù)3.33 天，平均播放視頻次數(shù)為64.26 次，平均學(xué)習(xí)章節(jié)數(shù)2.904，中國學(xué)生不論是否獲得證書均沒有論壇發(fā)帖，即平均論壇發(fā)貼數(shù)為0。獲得證書者課程平均交互次數(shù)s 為3854.90 次，平均訪問天數(shù)38.94 天，平均播放視頻次數(shù)為200.17 次，平均學(xué)習(xí)章節(jié)數(shù)16.69，獲得證書者在課程交互次數(shù)和訪問天數(shù)均遠高于學(xué)習(xí)者平均水平。在使用K-MEANS 算法對其他學(xué)習(xí)者類型建立模型后總結(jié)歸納得到表2 學(xué)習(xí)者行為對比信息。

表2 中國學(xué)習(xí)者學(xué)習(xí)行為對比信息

從表中信息得到中國學(xué)習(xí)者不論是哪種學(xué)習(xí)者類型都比較喜歡通過觀看視頻方式獲取知識，因為觀看視頻方式作為網(wǎng)絡(luò)學(xué)習(xí)最大優(yōu)點是可以對不懂之處反復(fù)學(xué)習(xí)觀看，且相對于自己瀏覽學(xué)習(xí)章節(jié)更能夠吸引學(xué)習(xí)者注意力。如果視頻制作能夠短小精悍、有針對性地介紹某個知識點，且能夠引入多種元素進行介紹，會有更多的學(xué)習(xí)者愿意采用此種方式進行網(wǎng)絡(luò)學(xué)習(xí)。從學(xué)習(xí)頻度和學(xué)習(xí)交互次數(shù)上看，獲得證書者和探索者的網(wǎng)絡(luò)學(xué)習(xí)投入的時間和精力遠高于一般瀏覽者，說明開放學(xué)習(xí)平臺是學(xué)習(xí)者獲取知識的有效途徑之一。為此合理地設(shè)計課程和組織課程學(xué)習(xí)資源，并在學(xué)習(xí)社區(qū)上請專家和名師參與互動，可以更有利于調(diào)動學(xué)習(xí)者的參與度，從而使優(yōu)質(zhì)資源共享得到最大利用。而獲得證書者在不同學(xué)習(xí)者類型中投入網(wǎng)絡(luò)學(xué)習(xí)的時間和精力值是最大的，其中課程平均交互次數(shù)遠遠大于其他類型學(xué)習(xí)者，但是獲得證書者和其他類型學(xué)習(xí)者在國外論壇從未發(fā)帖，而在國內(nèi)網(wǎng)站上通過在論壇發(fā)帖獲得幫助是很常見的。分析原因在于文化背景、語言習(xí)慣或者使用方式上有一定差異導(dǎo)致這種網(wǎng)絡(luò)學(xué)習(xí)方式在有多國學(xué)習(xí)者環(huán)境中被遺棄。

三 提高網(wǎng)絡(luò)學(xué)習(xí)績效的策略和建議

1 明確學(xué)習(xí)目標，提高激勵價值

網(wǎng)絡(luò)學(xué)習(xí)是一種依據(jù)個人學(xué)習(xí)目標和意愿自主選擇學(xué)習(xí)時間、學(xué)習(xí)地點的學(xué)習(xí)方式，其中學(xué)習(xí)的目的性直接影響學(xué)習(xí)績效。從學(xué)習(xí)者學(xué)習(xí)行為分析模型得出，獲得證書的學(xué)習(xí)者都有明確的學(xué)習(xí)目的和目標，因此在學(xué)習(xí)過程中每項活動的參與度均高于其他類型學(xué)習(xí)者。為此建議提高網(wǎng)絡(luò)在線學(xué)習(xí)證書的認可度，直接刺激和提高學(xué)習(xí)者的學(xué)習(xí)自控性。當(dāng)網(wǎng)絡(luò)在線學(xué)習(xí)成績、學(xué)分和證書的認可度提高時，或者學(xué)校將在線學(xué)習(xí)教育納入正規(guī)學(xué)位教育時，社會對在線學(xué)習(xí)教育更加認可，就會有更多學(xué)習(xí)目標清晰的學(xué)習(xí)者參與進來。為了提高證書價值，可以在平臺建設(shè)中增加未來能夠使用網(wǎng)上認證證書的企業(yè)與公司信息，明確證書類別信息，使學(xué)習(xí)范圍和目標更加明確，同時也為企業(yè)和公司獵頭尋找優(yōu)秀人才提供有效數(shù)據(jù)、線索和幫助。通過學(xué)習(xí)者學(xué)習(xí)行為的統(tǒng)計分析，為學(xué)習(xí)者提供量化的數(shù)據(jù)和預(yù)測學(xué)習(xí)績效，可以改變學(xué)習(xí)者的認知內(nèi)驅(qū)動，使其能夠更加清晰地意識到自己學(xué)習(xí)的薄弱環(huán)節(jié)和提高學(xué)習(xí)績效的方法。

2 豐富課程資源，提高學(xué)習(xí)興趣

通過在edX 平臺上對學(xué)習(xí)者行為對比信息分析發(fā)現(xiàn)，在線學(xué)習(xí)者更愿意學(xué)習(xí)章節(jié)、觀看視頻，而不愿在網(wǎng)站通過發(fā)帖討論方式獲取知識。說明學(xué)習(xí)者進行網(wǎng)絡(luò)課程交互時，學(xué)習(xí)章節(jié)和觀看視頻獲取知識更加快速高效，而討論雖然會啟發(fā)思考，但有時討論后未必直接能夠得到答案。為此建議對于討論發(fā)帖進行知識歸類和整理，或由專家進行定期回復(fù)和總結(jié)。利用微課程微型、超鏈接、微媒體、半開放結(jié)構(gòu)、個性化特點，吸引學(xué)生進行自主課外學(xué)習(xí)，減少閱讀或觀看時間過長給學(xué)習(xí)者帶來的疲勞感，更加高效學(xué)習(xí)。在平臺資源建設(shè)上，將優(yōu)秀教師的科研項目、指導(dǎo)學(xué)生的競賽成果與課程知識點結(jié)合，增加拓展性資源，使其獲得最直接的經(jīng)驗和科研競賽思路。

3 消除文化、語言、使用平臺障礙

從各國高校推出的edX 在線課程數(shù)量上來看中國位列世界第二，但在edX 平臺上從中國學(xué)習(xí)者使用數(shù)量來看，遠低于其他國家，分析其原因之一是語言和平臺使用上的障礙。為此開發(fā)者在交互化界面設(shè)計上，尤其要關(guān)注學(xué)習(xí)者學(xué)習(xí)習(xí)慣和可視化效果，注重視覺聽覺效果，結(jié)構(gòu)設(shè)計合理，便于學(xué)習(xí)、資料查找和操作。

從edX 平臺上的統(tǒng)計數(shù)據(jù)看到無論國外學(xué)習(xí)者還是中國學(xué)習(xí)者在交互的論壇中參與度相對其他交互學(xué)習(xí)方式少，說明學(xué)習(xí)者在交互式論壇中很難找到歸屬感和認同感。在學(xué)習(xí)共同體的建設(shè)中，應(yīng)該充分考慮消除文化、語言交流障礙。對于主要使用英語提供網(wǎng)絡(luò)學(xué)習(xí)服務(wù)的edX 在線學(xué)習(xí)平臺，建議使用多種語言版本或者具有自翻譯功能，這樣受教育者在網(wǎng)絡(luò)資源使用上人人平等。由于在線學(xué)習(xí)資源可以共享共建，隨著學(xué)習(xí)者參與度的提高，可以使網(wǎng)絡(luò)資源更加豐富，使得更多的學(xué)習(xí)者進行網(wǎng)絡(luò)學(xué)習(xí)成為習(xí)慣。

4 教師參與評價，及時反饋預(yù)測

利用平臺上學(xué)習(xí)行為數(shù)據(jù)，可以對學(xué)習(xí)績效提前預(yù)測，當(dāng)反饋給學(xué)習(xí)者時，能夠使其總結(jié)反思，增強認知內(nèi)驅(qū)動，并通過教師給出的指導(dǎo)性建議來改進學(xué)習(xí)者的學(xué)習(xí)行為和學(xué)習(xí)方法，從而形成動態(tài)良性循環(huán)。從edX 平臺上學(xué)習(xí)者論壇發(fā)帖數(shù)量對比來看，學(xué)習(xí)者自我表達、主動思考提問的積極性不高，教師積極參與互動和上線頻率提高能夠幫助學(xué)習(xí)者找到歸屬感，有利于提高學(xué)習(xí)者思考問題的積極性和自我表達，特別是在自己提出的問題得到及時回復(fù)后，學(xué)習(xí)者將更加愿意在線交流，從而形成良性循環(huán)。