理解、設計和服務學習：學習分析技術的回顧與前瞻

顧小清 胡藝齡

(華東師范大學 教育信息技術學系，上海 200062)

一、學習分析研究十年

理解學習發(fā)生的機理一直是學習科學研究的核心議題。不同背景的研究者試圖從不同角度、以不同的理論解釋“學習是如何發(fā)生的”(Siemens & Long, 2011)，進而為重塑課程、教學方式或學習環(huán)境提供依據。學習分析技術正在諸多研究視角中逐漸顯示其力量。它通過“測量、收集、分析和報告學生及其學習環(huán)境的數(shù)據，用以理解和優(yōu)化學習及其產生的環(huán)境”(LAK, 2020)。這一視角的研究，如果以其學術共同體的成立及其舉辦的年度學術會議為標志，迄今已十年(SoLAR, 2019；顧小清等, 2012)。

作為一個跨學科領域，學習分析研究共同體主要包含了信息科學、學習技術、心理與統(tǒng)計等研究者，試圖以“大數(shù)據”為研究工具，1)理解學習是怎樣發(fā)生的，受哪些因素影響；2)為學習設計提供模型預測、過程反饋和結果評價；3)為個體及群體學習提供適應性的學習服務。理解學習、更好地設計與服務學習，是學習分析技術的核心研究目標，它得益于教育領域技術應用的普及以及由此帶來的學習數(shù)據的豐富。

學習分析技術發(fā)展初期，常常與學術分析、教育數(shù)據挖掘相提并論。其中，對學校管理的大數(shù)據加以整理分析，提供校務決策基礎的應用被稱為學術分析。教育數(shù)據挖掘則是運用統(tǒng)計學的數(shù)據挖掘算法解答教育問題。在不需要依賴已知的理論架構或統(tǒng)計模型進行研究設計的前提下，它藉由多元統(tǒng)計技術，如決策樹、規(guī)則歸納、人工神經網絡、貝式學習過程、機器學習等，將淹沒在信息瀚海的資料特質發(fā)掘出來。也正是主要采用知識挖掘方法，學習分析技術從數(shù)據中提取隱含的、未知的、潛在的、有用的信息(知識)(Siemens, 2011)，為理解、設計與服務學習提供依據。

二、教育場景的數(shù)據解讀

學習分析研究，是從大數(shù)據的角度理解學習。大數(shù)據是其前提。因此，早年學習分析研究是伴隨線上學習特別是MOOCs的發(fā)展而興起的。例如，MOOCs環(huán)境下學習行為群體特征分析、在線學習投入分析、在線學習質量分析、學習結果預測、學習干預設計等。

隨著信息技術在教育領域的普及，教育越發(fā)呈現(xiàn)混合模式，即混合了線上到線下，立足于資源的有機融合。線上學習終端悄然記錄著學習行為數(shù)據，線下考試、課堂、課程與師生互動環(huán)節(jié)也滲透著大數(shù)據，這種混合式學習潛藏著海量的數(shù)據與關聯(lián)性?；旌蠈W習環(huán)境留存的大數(shù)據，使教育研究既能粗線條觀察宏觀群體，亦能深入走向微觀個體。

與大數(shù)據商用等領域不同，教育數(shù)據挖掘獲得的抽象“知識發(fā)現(xiàn)”，離真正理解學習尚有巨大落差。其原因之一，是教育場景的復雜性與多樣性，難以抽象出通用模式對數(shù)據作通用性解讀。學習分析所做的數(shù)據挖掘，需要將數(shù)據結合具體教育場景進行解讀。

例如，上述混合學習環(huán)境學習分析所獲得的“人是怎樣學習的”理解，需要將學習特征數(shù)據與場景信息相結合：1)有效融合線上學習與線下學習行為數(shù)據，通過提煉、整合場景信息，利用行為特征提取模型實現(xiàn)自下而上的特征表達提取，特征分類存儲與索引，建立學習行為特征數(shù)據庫；2)通過自上向下的任務分解(用戶需求理解)，建立學習行為特征的提取與表達、任務相關性映射的特征計算模型，分析影響隱性學習行為的關聯(lián)因素，建立表達學習行為模式分析的綜合模型；3)通過對教育大數(shù)據的屬性分層，應用數(shù)據挖掘技術，發(fā)掘學習者行為背后的學習準備、學習動機、歸因和自我效能感的關聯(lián)，洞察影響學習的諸多因素；4)對學習過程節(jié)點進行模式分類，實現(xiàn)對學生學習的過程性評估和學習軌跡呈現(xiàn)。

三、通過與學習設計的連接回歸以人為中心的技術設計

學習分析旨在通過理解人是怎樣學習的，實現(xiàn)對學習的適應性設計。因此，學習設計研究者是跨學科學習分析共同體的重要力量。除以學習分析為學習設計提供支撐外，研究者提出，學習設計也能夠為學習分析提供解讀數(shù)據所需的教育場景，從而為分析和解釋數(shù)據、學習者行為以及成功或低效的學習模式提供框架。隨著學習分析和學習設計領域的成熟，兩者間的融合和協(xié)同正成為重要的研究領域。

學習設計是20世紀90年代末和21世紀初與技術增強學習(Technology Enhance Learning, 簡稱TEL)研究相關的領域。其作為支持學習體驗的框架，是有效利用適當工具和資源的教育活動。具體來說，學習設計指的是對教學內容、時間、地點和方式的設計。洛克伊爾和達森(Lockyer & Dawson, 2012)認為，學習分析有潛力為教育者提供證明他們在學習設計上的創(chuàng)新是有效的證據。例如，一些大型數(shù)據研究證實，學習設計會顯著影響學習者的參與度和學習成果(Rienties & Toetenel, 2015)；阮等人(Nguyen et al.，2017)使用多元回歸模型研究英國開放大學151門課程的111256名學生的學習活動發(fā)現(xiàn)，學習設計選擇有效預測了學生的虛擬學習環(huán)境行為和表現(xiàn)，特別是標有“交流”的學習活動，對38門課程每周參與度的后續(xù)細粒度分析發(fā)現(xiàn)，69%的學生參與度主要取決于教師如何設計他們的課程。

然而，過去的研究集中在探討學習設計原則，沒有評估設計過程后會發(fā)生什么。 也很少有人研究如何整合學習科學、教育研究、技術接受、人機交互等領域知識，建立統(tǒng)一的模型？學習分析如何影響學習設計決策的？學習設計如何影響學習分析的集成和使用？是否有框架或原則能夠很好地闡明學習分析和學習設計之間的聯(lián)系？當下，越來越多的研究試圖對這一領域進行探索。有學者提出了連接學習分析和學習設計的框架(Rienties et al., 2017; Donald et al., 2016; Schmitz et al.，2017)。然而，科林等人(Corrin et al., 2018)認為，這些框架盡管強調了學習分析和學習設計之間潛在的有價值的聯(lián)系，但它們處于理論描述水平，很難進行實踐操作?？梢钥吹剑寣W習分析技術回歸“以人為本”，需要考慮包括用戶界面、對工作實踐的影響、用戶權力和控制的轉移，以及融入數(shù)據模型的價值觀，這也是未來學習分析技術升級轉型的發(fā)展方向。

四、未來發(fā)展

學習分析技術作為一門相對年輕的學科，在迅速擴張的同時也在實踐中呈現(xiàn)出多元化的發(fā)展態(tài)勢。不少研究者至今仍認為，許多教育元素不能通過數(shù)據處理完全捕捉和表達，因此如何開發(fā)指導學習分析建模的教育理論，是從教育學、社會人類學的經典理論遷移過來，還是產生跨學科的創(chuàng)新框架與理論，是當前學者們關注的，也是從根本上理解學習的第一步。

教育數(shù)據為學習分析提供了獨特的機會，使研究者認識學習者的社會、認知和情感交互機制有了重大進展。借助于數(shù)據收集技術的進步，研究人員能夠從小群體收集大量的過程數(shù)據——從點擊流到眼球跟蹤、自然語言處理、運動傳感或生理數(shù)據等多模態(tài)傳感器數(shù)據。這為理解學習，并為以嚴謹和數(shù)據驅動的方式設計學習打開了新的通道。未來，如何更好地促進學習分析的跨學科研究成為把控分析質量的關鍵，即能夠在合理的學習理論指導下，基于教育場景建立數(shù)據模型，實現(xiàn)對教與學的分析與反饋，為連接學習設計提供證據。

作為一個跨學科的研究領域，學習分析的跨學科概念界定，多視角分析設計與融合，多模態(tài)、多層次數(shù)據建模，數(shù)據驅動的研究范式變革，協(xié)同創(chuàng)新的學習分析服務等研究方向，都是有待挖掘的。