基于多源學(xué)習(xí)活動流的分析規(guī)則設(shè)計(jì)及其應(yīng)用*

郁曉華 肖 敏

（華東師范大學(xué) 教育信息技術(shù)學(xué)系，上海200062）

一、引言

生態(tài)這一詞常被用于隱喻復(fù)雜、多元、不斷變化的系統(tǒng)。在Jackson 看來[1]，尤其適用于全方位學(xué)習(xí)（Life-wide Learning）以及終身學(xué)習(xí)背景下，人類及其多樣化學(xué)習(xí)環(huán)境之間的復(fù)雜交互關(guān)系。隨著學(xué)習(xí)生態(tài)“富工具”和“富資源”的不斷強(qiáng)化，個體在課堂內(nèi)、課堂外和校內(nèi)、校外，不同時空的不同活動中都發(fā)展著他們的學(xué)習(xí)流[2]。他們可以在LMS系統(tǒng)上完成作業(yè)，在社交平臺上討論發(fā)言，在MOOC平臺上進(jìn)行拓展學(xué)習(xí)。他們的知識創(chuàng)建和社交網(wǎng)絡(luò)等學(xué)習(xí)活動數(shù)據(jù)，不再局限于單一的學(xué)習(xí)服務(wù)平臺上，而是以多源化、“流”的形態(tài)分布于多種學(xué)習(xí)系統(tǒng)和媒體站點(diǎn)中。因此，我們將這種用于記錄學(xué)習(xí)者分布在不同學(xué)習(xí)服務(wù)平臺和社會網(wǎng)絡(luò)中的學(xué)習(xí)活動，能夠支持學(xué)習(xí)活動的多源聚合、動態(tài)連續(xù)和可追溯的信息，稱之為多源學(xué)習(xí)活動流。

多源學(xué)習(xí)活動流反映了學(xué)習(xí)者穿梭于不同學(xué)習(xí)生態(tài)空間的學(xué)習(xí)軌跡和學(xué)習(xí)情境[3]。只有將這些多源的學(xué)習(xí)活動數(shù)據(jù)匯聚在一處，才能拼接出學(xué)習(xí)者數(shù)字學(xué)習(xí)生態(tài)的全貌；也只有將這些數(shù)據(jù)整合在一起加以分析，才能從全局的視角，準(zhǔn)確地解讀學(xué)習(xí)者的學(xué)習(xí)需求以及所處的學(xué)習(xí)狀態(tài)，從而有效支持智慧教育下的精準(zhǔn)教與學(xué)。

雖然，圍繞學(xué)習(xí)活動數(shù)據(jù)的匯聚和共享，xAPI和IMS Caliper 兩大國際主流技術(shù)標(biāo)準(zhǔn)都提出了相似的格式規(guī)范，旨在統(tǒng)一不同系統(tǒng)和平臺之間的數(shù)據(jù)描述和記錄；但在實(shí)現(xiàn)不同來源數(shù)據(jù)之間的整合分析實(shí)踐方面，兩大標(biāo)準(zhǔn)并沒有給出更進(jìn)一步的指導(dǎo)，而相關(guān)研究開展也不多。目前，大多數(shù)學(xué)習(xí)分析算法和模型針對的是單一課程或平臺的情境，如果用于跨平臺、跨學(xué)科的情境會存在一定的問題[4]；且分析的數(shù)據(jù)和內(nèi)容也是針對某一具體的主題和情境，不具備一般性的理論指導(dǎo)和實(shí)踐操作意義。

隨著個體數(shù)字學(xué)習(xí)生態(tài)的進(jìn)化，個體的學(xué)習(xí)活動不僅更為多元、靈活和開放，也更加情境化、社會化，這使得對學(xué)習(xí)活動數(shù)據(jù)的多源化整合和分析方法方面的需求也越發(fā)急迫，這已然成為當(dāng)前開放學(xué)習(xí)分析和多模態(tài)學(xué)習(xí)分析領(lǐng)域重要的研究內(nèi)容之一[5]。與此同時，需要從大量的學(xué)習(xí)分析實(shí)踐中反思。美國《通過教育數(shù)據(jù)挖掘和學(xué)習(xí)分析促進(jìn)教與學(xué)》報告建議，“應(yīng)建立相關(guān)的解決方案加以指導(dǎo)，從而避免不必要的人力物力浪費(fèi)”[6]。為此，我們聚焦于多源學(xué)習(xí)活動流的匯聚和分析問題，以理解學(xué)習(xí)者的學(xué)習(xí)情境為導(dǎo)向，嘗試設(shè)計(jì)多源學(xué)習(xí)活動流的分析指導(dǎo)規(guī)則并加以在教學(xué)中應(yīng)用，以豐富當(dāng)前學(xué)習(xí)行為分析領(lǐng)域的研究視角和技術(shù)路線，助力教育實(shí)踐。

二、多源學(xué)習(xí)活動流的描述模型與匯聚層次

（一）多源學(xué)習(xí)活動流的描述模型

多源學(xué)習(xí)活動流表示了學(xué)習(xí)者分散于不同學(xué)習(xí)空間中，時刻動態(tài)變化著的學(xué)習(xí)活動行為數(shù)據(jù)，它們就像一條條信息流，講述著學(xué)習(xí)者“學(xué)習(xí)故事”的一部分。“流”強(qiáng)調(diào)信息的靈活輸入輸出、多源分布和動態(tài)連續(xù)性，是數(shù)字學(xué)習(xí)生態(tài)背景下對學(xué)習(xí)活動數(shù)據(jù)認(rèn)知的一種轉(zhuǎn)變，它支持信息溝通的便捷性和可溯性[7]。為了使分布在不同學(xué)習(xí)服務(wù)平臺上的學(xué)習(xí)活動數(shù)據(jù)可以匯聚和共享，首先需要對學(xué)習(xí)活動數(shù)據(jù)有一個統(tǒng)一的描述規(guī)范，其次就是搭建支持學(xué)習(xí)活動描述的系統(tǒng)框架或標(biāo)準(zhǔn)。通過梳理目前學(xué)習(xí)分析的實(shí)踐領(lǐng)域，我們發(fā)現(xiàn)，以下幾種模型常被用于描述和記錄學(xué)習(xí)者的活動數(shù)據(jù)：情境化注意元數(shù)據(jù)（Contextualized Attention Metadata，CAM）[8]、IMS Caliper[9]、活動流（Activity Streams，AS）[10]、ADL xAPI[11]、NSDL Paradata（National Science Digital Library Paradata）[12]和LR Paradata（Learning Registry Paradata）[13]。

CAM 起源于記錄用戶對RSS和博客的關(guān)注行為，它用Event元素監(jiān)控學(xué)習(xí)者在特定情境發(fā)生的一系列交互動作或事件，再進(jìn)一步從實(shí)體（Entity）和會話（Session）兩方面加以細(xì)化。其中，實(shí)體部分主要有Role元素，為描述事件的發(fā)送者或接收者。CAM關(guān)注交互“事件”（Event）本身，分為三層：Group（聚合用戶參與的所有應(yīng)用系統(tǒng)）、Feed（聚合某一特定應(yīng)用系統(tǒng)）、Item（聚合某一具體文檔）。IMS Caliper同樣關(guān)注于“事件”，但其標(biāo)準(zhǔn)框架隱含了對學(xué)習(xí)事件的結(jié)構(gòu)定義和預(yù)設(shè)配置：學(xué)習(xí)事件由事件發(fā)出者、事件的一系列行為動作、事件的情境等信息加以描述；預(yù)設(shè)的事件類別包括閱讀、評價、社交、媒體等，大部分學(xué)習(xí)事件都可歸類到一個或多個類別中。

目前，活動流被廣泛應(yīng)用于與社交網(wǎng)絡(luò)相關(guān)的領(lǐng)域，反映了個體參與各種社交活動的集合。它的關(guān)注點(diǎn)在“活動”（Activity）上，對活動的描述由主體（Actor）、行為（Verb）和客體（Object）三部分構(gòu)成。其中，活動流中的行為與CAM 中的事件相當(dāng)，描述了行為主體的活動操作與作為；活動流中的客體不僅指如文檔、視頻等的各類實(shí)體對象，也指非實(shí)體對象，如活動。ADL xAPI 標(biāo)準(zhǔn)體系同樣也定義了學(xué)習(xí)活動的描述規(guī)范，其在活動流三元組數(shù)據(jù)模型的基礎(chǔ)上，還包括結(jié)果、情境、時間戳、權(quán)限等其他可選屬性，以此來更詳細(xì)地描述和記錄學(xué)習(xí)活動[14]。

NSDL Paradata 反映的是資源被操作的情況，比如，對資源的瀏覽與評論，對資源的轉(zhuǎn)發(fā)與下載等。其核心元素為usage Data Summary，主要用來描述資源被使用情況的統(tǒng)計(jì)信息。它的取值有五種類型，包括：字符型（如，對資源的評論）、數(shù)值型（如，資源下載的次數(shù)）、評級型（如，對資源可用性的等級判定）、投票型和排序型（這兩種都可用來表示用戶對特定資源的興趣度）。LR Paradata是活動流的擴(kuò)展版本，也用于存儲有關(guān)資源使用的行為活動集合，包括Actor、Verb和Object 三個基本要素，但它增強(qiáng)了情境方面的描述。LR Paradata 跟活動流的區(qū)別主要在于：活動流關(guān)注單個用戶對多個資源的行為，而它關(guān)注多個用戶對某一資源的行為。

總體而言，這六類數(shù)據(jù)模型都考慮了活動描述的靈活性和可拓展性，大體可分為三大類：（1）以事件為中心（包括情境化注意元數(shù)據(jù)和IMS Caliper）；（2）以活動為中心（包括活動流和ADL xAPI）；（3）以對象為中心（包括NSDL Paradata和LR Paradata）。以事件為中心的模型相對基礎(chǔ)具體，用戶（即對象）的需求和問題通過事件行為來間接反映，而考慮事件需要用戶才能觸發(fā)，因此，將事件和對象兩者結(jié)合起來的以活動為中心的模型，能更有效揭示學(xué)習(xí)者的學(xué)習(xí)情境。

在本研究中，多源學(xué)習(xí)活動流的描述，既要能表現(xiàn)數(shù)字學(xué)習(xí)生態(tài)中學(xué)習(xí)者豐富的學(xué)習(xí)活動，又要能被快速分析、解讀用作智慧教育決策的數(shù)據(jù)驅(qū)動依據(jù)。因此，我們主要借鑒了ADL xAPI的活動描述模型。此外，多源學(xué)習(xí)活動流的描述，還需考慮匯聚分析的層次和視角問題，而CAM的分層結(jié)構(gòu)和Paradata的多用戶視角，可在此方面提供參考。最終，我們建構(gòu)的多源學(xué)習(xí)活動流的描述模型，如圖1所示。在此模型基礎(chǔ)上，一個完整的學(xué)習(xí)活動流的描述范式為：Actor takes Action [on an Object][with a Tool][in different Sources]（in a Context）。其中，學(xué)習(xí)情境Context就是后面研究數(shù)據(jù)的分析規(guī)則設(shè)計(jì)試圖揭示的信息；進(jìn)行學(xué)習(xí)分析，除了使用學(xué)習(xí)活動自身的數(shù)據(jù)外，還需要使用學(xué)習(xí)者的身份信息（Learner Profile）和參與的課程信息（Course Profile）。

圖1 多源學(xué)習(xí)活動流的描述模型

（二）多源學(xué)習(xí)活動流的匯聚層次

數(shù)據(jù)匯聚最根本的目標(biāo)就是將來自于不同源頭的數(shù)據(jù)匯合在一處，從而獲得一個更為上層或整體的視野，類似的做法在社交網(wǎng)絡(luò)中早有研究和實(shí)踐。比如，為了對用戶的在線社會交往活動建立一個完整的視角，社交網(wǎng)絡(luò)聚合（Social Network Aggregation）[15]這一服務(wù)，將用戶分散于各個社交媒體上的信息與內(nèi)容，匯聚在一處加以合并和整理，從而簡化得到一條完全的用戶社交體驗(yàn)過程，并重新構(gòu)建了這個用戶的社交信息流。同樣，匯聚后的學(xué)習(xí)活動數(shù)據(jù)，使得對于學(xué)習(xí)者學(xué)習(xí)狀況的把握打破了單個學(xué)習(xí)平臺、單個學(xué)習(xí)情境的限制，可為智慧教育愿景下針對個體發(fā)展提供更為精準(zhǔn)、全面的診斷與決策服務(wù)，并提供有力的數(shù)據(jù)支持。

Chen 等[16]用“水滴—溪流—河流—海洋”（Drop-Stream-River-Ocean）作為隱喻，描述了各類學(xué)習(xí)數(shù)據(jù)在系統(tǒng)中的匯聚層次。我們在此也借用這一隱喻，來描述學(xué)習(xí)生態(tài)中不同層級的數(shù)據(jù)匯聚所呈現(xiàn)出學(xué)習(xí)者不同視野下的學(xué)習(xí)狀況（如圖2所示）。水滴（Drop）是學(xué)習(xí)活動數(shù)據(jù)流的最小構(gòu)成，代表著學(xué)習(xí)者最小單位的學(xué)習(xí)操作行為，比如，論壇討論中的一次發(fā)言，視頻評價時的一次點(diǎn)贊，朋友關(guān)系建立時的一次請求等。溪流（Stream）代表著學(xué)習(xí)者在某一學(xué)習(xí)空間中的一系列學(xué)習(xí)行為，是按時間軸記錄的水滴序列。河流（River）由學(xué)習(xí)者在不同學(xué)習(xí)空間中的學(xué)習(xí)溪流匯聚而成，而海洋（Ocean）則是所有學(xué)習(xí)者學(xué)習(xí)河流的匯聚。因此，我們可以把多源學(xué)習(xí)活動流的匯聚層次劃分為四類：（1）單個用戶單個來源；（2）多個用戶單個來源；（3）單個用戶多個來源；（4）多個用戶多個來源。前兩類在當(dāng)前學(xué)習(xí)分析領(lǐng)域的研究和實(shí)踐都非常豐富，而后兩類則相對較少，我們的研究便聚焦于后者。

圖2 多源學(xué)習(xí)活動流的匯聚視角

為了保證數(shù)據(jù)和工具的互操作性，目前，學(xué)習(xí)分析領(lǐng)域關(guān)于數(shù)據(jù)匯聚和存儲的標(biāo)準(zhǔn)主流有兩個，即ADL xAPI和IMS Caliper[17]。對于IMS Caliper的應(yīng)用，大多數(shù)系統(tǒng)或平臺因需遵循SCORM 標(biāo)準(zhǔn)而被內(nèi)容類型所限制，但ADL xAPI 關(guān)注的是數(shù)據(jù)，因而，更能體現(xiàn)與平臺的無關(guān)性、更能支持學(xué)習(xí)類型的多樣性等。通過ADL xAPI 標(biāo)準(zhǔn)記錄的學(xué)習(xí)活動數(shù)據(jù)，使用學(xué)習(xí)記錄倉儲（Learning Record Store，簡稱LRS）的機(jī)制加以保存和訪問[18]。LRS 以一種網(wǎng)絡(luò)服務(wù)的形式運(yùn)作，允許其他系統(tǒng)通過xAPI 規(guī)范的接口進(jìn)行輸入或檢索，也可與其他LRS 通信分享；LRS 本身可以獨(dú)立存在，也可存在于學(xué)習(xí)管理系統(tǒng)中?？紤]到當(dāng)下個人學(xué)習(xí)生態(tài)的益發(fā)復(fù)雜多元，尤其是豐富多樣的各類非正式學(xué)習(xí)情境，我們對多源學(xué)習(xí)活動流的匯聚標(biāo)準(zhǔn)采用了ADL xAPI。

三、基于多源學(xué)習(xí)活動流的學(xué)習(xí)情境分析規(guī)則設(shè)計(jì)

（一）多源學(xué)習(xí)活動流的學(xué)習(xí)分析設(shè)計(jì)思想

學(xué)習(xí)情境（Context）貫穿于學(xué)習(xí)活動的各個環(huán)節(jié)，蘊(yùn)含著豐富的教育信息，可從中對學(xué)習(xí)者的學(xué)習(xí)需求和目的、面臨的問題和機(jī)遇加以解讀。智慧教育的核心就是要能通過學(xué)習(xí)者的學(xué)習(xí)活動交互過程和結(jié)果，以倒溯的方式去還原并獲取學(xué)習(xí)者的學(xué)習(xí)情境，進(jìn)而有目的地開展教與學(xué)，做出有效的干涉或預(yù)測。為了能有效、高效地揭示學(xué)習(xí)者的學(xué)習(xí)情境信息，我們不僅需要按照統(tǒng)一的格式和標(biāo)準(zhǔn)，對多源學(xué)習(xí)活動流數(shù)據(jù)進(jìn)行匯聚；還需在已有數(shù)據(jù)類型的基礎(chǔ)上，根據(jù)教育需求有方案地對多源學(xué)習(xí)活動數(shù)據(jù)執(zhí)行特定的分析處理。我們提出基于多源學(xué)習(xí)活動流的學(xué)習(xí)情境分析規(guī)則便是如此，這些規(guī)則指導(dǎo)如何從多源學(xué)習(xí)活動流的描述中進(jìn)行數(shù)據(jù)選擇、映射，從而解讀出學(xué)習(xí)者學(xué)習(xí)情境信息的一套邏輯關(guān)系。

Kofod-Petersen 等人于2005年的一項(xiàng)研究就認(rèn)為活動系統(tǒng)中的各要素與學(xué)習(xí)情境密切相關(guān)，提出了主體—個體性、客體—任務(wù)性、規(guī)則—任務(wù)性、共同體—時空性、分工—社會性、工具—環(huán)境性等多種情境模型[19]。2013年，郁曉華等在此基礎(chǔ)上將其應(yīng)用于學(xué)習(xí)活動流中，列舉了一些行為要素與情境之間的映射關(guān)系，提出了學(xué)習(xí)情境分析規(guī)則的早期雛形。比如，聯(lián)合Actor和Tool 要素解讀學(xué)習(xí)者的個體性情境，可了解學(xué)習(xí)者在學(xué)習(xí)工具上的偏好等[20]。但這些規(guī)則還沒有涉及學(xué)習(xí)活動流數(shù)據(jù)的多源性問題，也未考慮到多源學(xué)習(xí)活動流的不同匯聚層次。

在實(shí)際的學(xué)習(xí)過程中，學(xué)習(xí)平臺數(shù)據(jù)的加入會引導(dǎo)至不同的學(xué)習(xí)情境分析視角。比如，“小王看了一個視頻”這一行為，如果發(fā)生在社交平臺上，可能的情境是“小王觀看了所關(guān)注的好友小李發(fā)布的一個視頻”，此情況需要從社會性情境出發(fā)理解小王的人際關(guān)系，與視頻內(nèi)容的關(guān)聯(lián)度不大；如果發(fā)生在LMS平臺上，則可能的情境是“小王觀看了老師所提供的一個視頻學(xué)習(xí)資料”，需要從任務(wù)性情境出發(fā)來加以分析，這時視頻的內(nèi)容就比較重要了；但如果小王在兩個平臺上都觀看了同一主題的視頻，那么，可能揭示的就是小王當(dāng)前的興趣和愛好，需從個體性情境出發(fā)來加以解讀。因此，我們將在已有研究的基礎(chǔ)上，補(bǔ)充多源環(huán)境對映射規(guī)則的影響研究，以理解學(xué)習(xí)者的學(xué)習(xí)情境為導(dǎo)向，建立以“情境—應(yīng)用—數(shù)據(jù)”為邏輯的數(shù)據(jù)分析規(guī)則。

（二）基于多源學(xué)習(xí)活動流的學(xué)習(xí)情境分析規(guī)則搭建

我們對分析規(guī)則的搭建過程，主要如下：（1）以Actor為出發(fā)點(diǎn)，將數(shù)據(jù)描述模型中的其它五個要素，即Action、Object、Tool、Session和Source（如圖1），逐漸遞增要素類型的數(shù)量，并進(jìn)行配對組合，如表1所示；（2）過濾重復(fù)或意義不明確的組合方式，篩選出有效的數(shù)據(jù)分析規(guī)則組合方式；（3）從學(xué)習(xí)情境出發(fā)，對分析規(guī)則進(jìn)行歸類整理，構(gòu)建其學(xué)習(xí)情境信息以及學(xué)習(xí)情境之下的學(xué)習(xí)分析應(yīng)用。

表1 數(shù)據(jù)要素的組合方式（三個數(shù)據(jù)要素的視角）

最后，研究共建構(gòu)出如表2所示的22條數(shù)據(jù)分析規(guī)則[21]。這些分析規(guī)則雖然并未在現(xiàn)有學(xué)習(xí)分析實(shí)踐中被明確抽象提出，但很多其實(shí)已經(jīng)被實(shí)踐認(rèn)可并得到了應(yīng)用和檢驗(yàn)。比如，Boroujeni 等人就用規(guī)則R6（Actor{1，n}-Action{1，n}-Session）檢測了學(xué)習(xí)者的行為模式偏好[22]，他們以（V_start，A_start，Audit，Inactive 等）的方式對學(xué)習(xí)者在MOOC上的課程學(xué)習(xí)加以描述，然后，考察了不同學(xué)習(xí)序列模式與學(xué)習(xí)投入之間的關(guān)系，發(fā)現(xiàn)“先提交作業(yè)，后觀看視頻，最后再次提交（Submit all，V_start then A_start）”的學(xué) 習(xí)序列模式下的學(xué)習(xí)者的平均成績?yōu)?9，并且有99%的人可以最終完成MOOC學(xué)習(xí)。

表2 多源學(xué)習(xí)活動流的學(xué)習(xí)情境分析規(guī)則

類別數(shù)據(jù)分析規(guī)則教學(xué)應(yīng)用檢測學(xué)習(xí)者/學(xué)習(xí)群體的學(xué)習(xí)活動設(shè)計(jì)偏好；個性化學(xué)習(xí)者/學(xué)習(xí)群體的學(xué)習(xí)活動設(shè)計(jì)；個體性情境R11:Actor{1，n}-Action{1，n}/Tool{1，n}-Object R12:Actor{1，n}-Action{1，n}-Tool-Object R13:Actor{1，n}-Session R14:Actor{1，n}-Action{1，n}/Object{1，n}/Tool{1，n}-Session R15:Actor{1，n}-Action{1，n}-Tool-Session R16:Actor{1，n}-Action{1，n}/Object{1，n}/Tool{1，n}-Session-Source檢測學(xué)習(xí)者/學(xué)習(xí)群體的學(xué)習(xí)時間偏好；推薦學(xué)習(xí)活動時間安排給學(xué)習(xí)者/學(xué)習(xí)群體；R5:Actor{1，n}-Action{1，n}R6:Actor{1，n}-Action{1，n}-Session R7:Actor{1，n}-Action{1，n}-Session-Source R8:Actor{1，n}-Tool{1，n}R9:Actor{1，n}-Action{1，n}-Tool任務(wù)性情境檢測學(xué)習(xí)者/學(xué)習(xí)群體學(xué)習(xí)活動之間的關(guān)聯(lián)；干預(yù)學(xué)習(xí)者/學(xué)習(xí)群體當(dāng)前的學(xué)習(xí)活動（從時間角度）；推斷和預(yù)測學(xué)習(xí)者/學(xué)習(xí)群體的學(xué)習(xí)效果；檢測學(xué)習(xí)者/學(xué)習(xí)群體在學(xué)習(xí)活動中的工具設(shè)計(jì)；干預(yù)學(xué)習(xí)者/學(xué)習(xí)群體當(dāng)前的學(xué)習(xí)活動（從工具角度）；優(yōu)化學(xué)習(xí)者/學(xué)習(xí)群體在學(xué)習(xí)活動中的學(xué)習(xí)工具設(shè)計(jì)；R10:Actor{1，n}-Object{1，n}檢測學(xué)習(xí)者/學(xué)習(xí)群體當(dāng)前的學(xué)習(xí)任務(wù)；干預(yù)學(xué)習(xí)者/學(xué)習(xí)群體當(dāng)前的學(xué)習(xí)任務(wù)（從內(nèi)容角度）；檢測學(xué)習(xí)者/學(xué)習(xí)群體當(dāng)前的學(xué)習(xí)活動；警告與干預(yù)學(xué)習(xí)者/學(xué)習(xí)群體當(dāng)前的學(xué)習(xí)活動；推斷和預(yù)測學(xué)習(xí)者/學(xué)習(xí)群體的學(xué)習(xí)效果；R17:Actor{1，n}-Action{1，n}/Tool{1，n}-Object-Session R18:Actor{1，n}-Action{1，n}-Tool-Object-Session R11:Actor{1，n}-Action{1，n}/Tool{1，n}-Object R12:Actor{1，n}-Action{1，n}-Tool-Object檢測學(xué)習(xí)者/學(xué)習(xí)群體的學(xué)習(xí)狀態(tài)變化；警告與干預(yù)學(xué)習(xí)者/學(xué)習(xí)群體當(dāng)前的學(xué)習(xí)狀態(tài)；推斷和預(yù)測學(xué)習(xí)者/學(xué)習(xí)群體的學(xué)習(xí)效果；時空性情境檢測學(xué)習(xí)者/學(xué)習(xí)群體不同階段的學(xué)習(xí)活動進(jìn)展情況；優(yōu)化學(xué)習(xí)者/學(xué)習(xí)群體對學(xué)習(xí)活動的安排；R13:Actor{1，n}-Session R14:Actor{1，n}-Action{1，n}/Object{1，n}/Tool{1，n}-Session R15:Actor{1，n}-Action{1，n}-Tool-Session R16:Actor{1，n}-Action{1，n}/Object{1，n}/Tool{1，n}-Session-Source檢測學(xué)習(xí)者/學(xué)習(xí)群體不同階段的學(xué)習(xí)活動進(jìn)展情況；干預(yù)學(xué)習(xí)者/學(xué)習(xí)群體的學(xué)習(xí)活動安排；推斷和預(yù)測學(xué)習(xí)者/學(xué)習(xí)群體的學(xué)習(xí)結(jié)果；R19:Actor{1，n}-Action{1，n}/Tool{1，n}-Object-Source R20:Actor{1，n}-Action{1，n}-Tool-Object-Source R17:Actor{1，n}-Action{1，n}/Tool{1，n}-Object-Session R18:Actor{1，n}-Action{1，n}-Tool-Object-Session檢測學(xué)習(xí)者/學(xué)習(xí)群體在不同學(xué)習(xí)平臺的學(xué)習(xí)活動變化；干預(yù)學(xué)習(xí)者/學(xué)習(xí)群體的學(xué)習(xí)活動安排；檢測學(xué)習(xí)者與學(xué)習(xí)者/學(xué)習(xí)群體之間的關(guān)系；推薦學(xué)習(xí)同伴/學(xué)習(xí)群體給學(xué)習(xí)者；R21:Actor-Action{1，n}/Object{1，n}/Tool{1，n}-Actor{1，n}R22:Actor-Action{1，n}/Object{1，n}/Tool{1，n}-Actor{1，n}-Source R1:Actor-Actor{1，n}社會性情境檢測學(xué)習(xí)者的社會網(wǎng)絡(luò)關(guān)系（從活動角度）；環(huán)境性情境R2:Actor{1，n}-Source R3:Actor {1，n}-Action{1，n}/Object{1，n}/Tool{1，n}-Source R4:Actor {1，n}-Action {1，n}-Tool-Source考察與評估學(xué)習(xí)者/學(xué)習(xí)群體對學(xué)習(xí)環(huán)境的組織結(jié)構(gòu)；優(yōu)化學(xué)習(xí)者/學(xué)習(xí)群體對學(xué)習(xí)環(huán)境的組織結(jié)構(gòu)；R19:Actor {1，n}-Action{1，n}/Tool{1，n}-Object-Source R20:Actor{1，n}-Action{1，n}-Tool-Object-Source考察與評估學(xué)習(xí)環(huán)境對學(xué)習(xí)者/學(xué)習(xí)群體學(xué)習(xí)活動的影響優(yōu)化與選擇學(xué)習(xí)環(huán)境給學(xué)習(xí)者/學(xué)習(xí)群體；

此外，我們在整理中發(fā)現(xiàn)，某些數(shù)據(jù)分析規(guī)則存在一定的通適性，即規(guī)則可以從不同需求視角加以分析應(yīng)用，同時揭示多種學(xué)習(xí)情境信息。下面以本研究的關(guān)注點(diǎn)“Source”數(shù)據(jù)要素為例，對構(gòu)建的學(xué)習(xí)情境分析規(guī)則加以闡釋。

（1）R2：Actor{1，n}-Source；R3：Actor{1，n}-Action{1，n}/Object{1，n}/Tool{1，n}-Source；R4：Actor{1，n}-Action{1，n}-Tool-Source。

規(guī)則R2、R3、R4可用于解讀學(xué)習(xí)者/學(xué)習(xí)群體的個體性情境信息和環(huán)境性情境信息。當(dāng)解讀個體性情境時，可根據(jù)學(xué)習(xí)者/學(xué)習(xí)群體對學(xué)習(xí)平臺的使用情況，檢測他們在平臺訪問、工具使用等方面的偏好；還可檢測學(xué)習(xí)者/學(xué)習(xí)群體在環(huán)境建構(gòu)上的特點(diǎn)，即他們是如何利用多種平臺以及這些平臺上的工具開展學(xué)習(xí)活動的。這些信息可幫助教師干預(yù)學(xué)習(xí)者/學(xué)習(xí)群體，為他們建構(gòu)有效的學(xué)習(xí)環(huán)境提供決策依據(jù)。當(dāng)解讀環(huán)境性情境時，可根據(jù)學(xué)習(xí)者/學(xué)習(xí)群體的學(xué)習(xí)行為與學(xué)習(xí)對象和學(xué)習(xí)工具之間的關(guān)聯(lián)情況，檢測他們所在學(xué)習(xí)環(huán)境的組織結(jié)構(gòu)。組織結(jié)構(gòu)既可揭示學(xué)習(xí)環(huán)境是由單個或多個學(xué)習(xí)平臺構(gòu)成的情況，也可揭示學(xué)習(xí)者/學(xué)習(xí)群體利用這一學(xué)習(xí)環(huán)境開展學(xué)習(xí)的方式。教師則可以根據(jù)檢測結(jié)果，診斷當(dāng)前的學(xué)習(xí)環(huán)境是否能有效滿足學(xué)習(xí)者/學(xué)習(xí)群體的學(xué)習(xí)任務(wù)要求，從而決定是否需要對他們的學(xué)習(xí)環(huán)境進(jìn)行優(yōu)化。

在三個規(guī)則中，相較于規(guī)則R2直接利用學(xué)習(xí)者/學(xué)習(xí)群體與平臺之間的信息，規(guī)則R3和規(guī)則R4則進(jìn)一步考慮了學(xué)習(xí)者/學(xué)習(xí)群體與學(xué)習(xí)環(huán)境之間的交互在學(xué)習(xí)行為、學(xué)習(xí)對象上的差異，以及平臺中不同學(xué)習(xí)工具對交互的支持程度。其中，R4尤其強(qiáng)調(diào)學(xué)習(xí)行為與學(xué)習(xí)工具的關(guān)聯(lián)，因此，可以使用R4進(jìn)一步挖掘當(dāng)前學(xué)習(xí)環(huán)境中行為與工具的依賴關(guān)系，揭示學(xué)習(xí)者/學(xué)習(xí)群體是如何利用不同的學(xué)習(xí)工具，搭建學(xué)習(xí)環(huán)境以支持學(xué)習(xí)活動的完成。

（2）R19：Actor{1，n}-Action{1，n}/Tool{1，n}-Object-Source；R20：Actor{1，n}-Action{1，n}-Tool-Object-Source。

規(guī)則R19、R20可用于解讀學(xué)習(xí)者/學(xué)習(xí)群體的時空性情境和環(huán)境性情境信息。由于Source數(shù)據(jù)要素很好地記錄了學(xué)習(xí)者/學(xué)習(xí)群體的學(xué)習(xí)活動和學(xué)習(xí)任務(wù)在不同平臺上分布與開展的情況，因此，當(dāng)規(guī)則用于解讀環(huán)境性情境時，可通過檢測學(xué)習(xí)環(huán)境對學(xué)習(xí)活動的支持效果，來分析學(xué)習(xí)活動與學(xué)習(xí)環(huán)境的適配情況，診斷哪些學(xué)習(xí)活動需要多個平臺支持才能完成，從而為優(yōu)化學(xué)習(xí)環(huán)境或選擇適合的學(xué)習(xí)環(huán)境提供依據(jù)。當(dāng)規(guī)則用于解讀時空性情境時，可通過檢測學(xué)習(xí)者/學(xué)習(xí)群體在不同平臺上活動狀態(tài)的改變，來分析他們可能遇到的學(xué)習(xí)問題和環(huán)境需求（比如，單一學(xué)習(xí)平臺難以滿足學(xué)習(xí)活動的開展，需要多個平臺協(xié)助完成），為教師下一步干預(yù)學(xué)習(xí)者/學(xué)習(xí)群體的學(xué)習(xí)活動、優(yōu)化學(xué)習(xí)環(huán)境提供依據(jù)。規(guī)則R19與規(guī)則R20的區(qū)別在于：是否要將學(xué)習(xí)活動分析關(guān)聯(lián)到某一特定的學(xué)習(xí)工具，即數(shù)據(jù)要素“Tool”，來考察學(xué)習(xí)工具在學(xué)習(xí)環(huán)境構(gòu)建中的角色。

四、基于多源學(xué)習(xí)活動流的學(xué)習(xí)情境分析規(guī)則應(yīng)用實(shí)踐

（一）教學(xué)實(shí)驗(yàn)的設(shè)計(jì)

為了應(yīng)用所提出的學(xué)習(xí)情境分析規(guī)則，我們搭建了基于Slack和Trello的多源學(xué)習(xí)環(huán)境（如圖3所示）。Slack是一款基于云平臺支持App聚合的專用團(tuán)隊(duì)協(xié)作工具，在教學(xué)應(yīng)用中作為主要的項(xiàng)目溝通交流學(xué)習(xí)平臺。而Trello是一款團(tuán)隊(duì)任務(wù)管理工具，在教學(xué)應(yīng)用中作為項(xiàng)目管理的輔助平臺，并作為Slack的第三方嵌入工具使用。兩款工具都能較好支持xAPI 標(biāo)準(zhǔn)，所記錄的學(xué)習(xí)活動流數(shù)據(jù)通過Zapier 聯(lián)合工具的設(shè)置，自動存儲和聚合到開放LRS 存儲平臺Watershed LRS 中。

我們選取了H 大學(xué)教育技術(shù)學(xué)專業(yè)35名大二學(xué)生作為研究對象，在專業(yè)課程《信息技術(shù)教育應(yīng)用》中展開應(yīng)用。在為期一學(xué)期的課程教學(xué)中，學(xué)生被分為10個小組，每組3-4人，共開展了三次項(xiàng)目活動。在項(xiàng)目活動中，學(xué)生在多源學(xué)習(xí)環(huán)境中利用Slack 進(jìn)行知識交流、資源共享、任務(wù)討論等，使用Trello進(jìn)行任務(wù)規(guī)劃、成果提交等。

圖3 基于Slack和Trello的多源學(xué)習(xí)環(huán)境

（二）學(xué)習(xí)活動數(shù)據(jù)的獲取與編碼

我們對Watershed LRS 中所存儲的三個項(xiàng)目的學(xué)習(xí)活動數(shù)據(jù)，采用表3所示方案進(jìn)行編碼。編碼第一個字母為“S”，表示在Slack平臺中的學(xué)習(xí)行為（比如，SU表示在Slack平臺中進(jìn)行任務(wù)更新），“T”則表示在Trello平臺中的學(xué)習(xí)行為。三位專業(yè)人員對采集的學(xué)習(xí)活動數(shù)據(jù)各自獨(dú)立編碼，計(jì)算信度為0.81（大于0.7）。

表3 Slack和Trello中的學(xué)習(xí)行為編碼

在三次項(xiàng)目教學(xué)結(jié)束后，經(jīng)過整理，35名學(xué)生共被記錄了6179條有效行為數(shù)據(jù)，其中，Slack上有3055條行為數(shù)據(jù)，Trello上有3124條行為數(shù)據(jù)。10個小組在不同學(xué)習(xí)平臺上的學(xué)習(xí)活動行為次數(shù)統(tǒng)計(jì)如圖4所示，各類學(xué)習(xí)活動行為的分布情況如圖5所示。

圖4 各小組學(xué)習(xí)活動行為的次數(shù)統(tǒng)計(jì)

圖5 各類學(xué)習(xí)活動行為的分布情況

（三）學(xué)習(xí)情境分析規(guī)則的應(yīng)用

1.分析規(guī)則的選擇和分析方法

為了探究在Slack和Trello搭建的多源學(xué)習(xí)環(huán)境下，學(xué)生對不同學(xué)習(xí)平臺的接受程度及偏好，以及他們利用兩平臺開展項(xiàng)目學(xué)習(xí)的情況，我們依據(jù)表2選擇了如下分析規(guī)則，并從小組層次和個體層次加以分析。

（1）從個體性情境角度，Actor{1，n}-Action{1，n}規(guī)則被用以揭示學(xué)生的行為模式特征；Actor{1，n}-Action {1，n}-Tool 規(guī)則被用以揭示學(xué)生的學(xué)習(xí)工具偏好；Actor{1，n}-Action{1，n}/Tool{1，n}-Source 規(guī)則被用以揭示學(xué)生的學(xué)習(xí)環(huán)境建構(gòu)特點(diǎn)。

（2）從任務(wù)性情境角度，Actor{1，n}-Action{1，n}/Tool{1，n}規(guī)則以及Session 信息被用以考察學(xué)生在不同學(xué)習(xí)時段學(xué)習(xí)任務(wù)的安排，以及他們對于不同學(xué)習(xí)工具的使用。

（3）從時空性情境角度，Actor{1，n}-Action{1，n}/Tool{1，n}-Session-Source 規(guī)則被用以檢測學(xué)生在不同學(xué)習(xí)階段的學(xué)習(xí)狀況。

（4）從環(huán)境性情境角度，Actor{1，n}-Action{1，n}/Tool{1，n}-Source 規(guī)則被用以考察學(xué)生如何利用Slack平臺和Trello平臺，來促進(jìn)學(xué)習(xí)任務(wù)的開展。

在研究中，我們采用滯后序列分析法（Lag Sequential Analysis，LSA），對學(xué)生的行為轉(zhuǎn)換模式加以解讀。LSA是行為序列分析中比較有代表性的分析方法，是一種檢驗(yàn)行為序列顯著性的方法，被用于分析一種行為在另一種行為之后發(fā)生的概率[23]。

2.分析規(guī)則的應(yīng)用結(jié)果

（1）小組層次：學(xué)習(xí)環(huán)節(jié)偏好。由圖4不難看出，2、3、4、10組偏好使用Slack，1、5、6、7、8、9組偏好使用Trello。由圖5可知，Slack平臺中的學(xué)習(xí)活動以討論（SD）以及任務(wù)分配（SS）居多，在Trello平臺中則以任務(wù)更新（TU）、任務(wù)分配（TS）以及學(xué)習(xí)成果提交（TM）居多。進(jìn)一步對10個小組的學(xué)習(xí)活動數(shù)據(jù)采用滯后序列分析法LSA，即分析Action{1，n}序列，共提取123組顯著行為序列（Z＞1.96）；然后，按照不同學(xué)習(xí)環(huán)節(jié)進(jìn)行分類，形成了如表4所示的不同學(xué)習(xí)環(huán)節(jié)行為序列表。以加入平臺環(huán)節(jié)為例，所有小組加入平臺后（無論Slack或Trello）都會發(fā)布公告（SJSJ、SJSISJ、TJTJ），宣告項(xiàng)目活動的開始；但加入Slack平臺后，不同小組就表現(xiàn)出了不同的行為偏好：第1組和第5組偏好共享資源（SJSH），第2組和第7組會嘗試使用Trello工具（SJSO），第6組和第8組則直接開展任務(wù)分配（SJSS）。

（2）小組層次：行為模式差異。使用行為序列轉(zhuǎn)換圖將規(guī)則Actor-Action{1，n}、Actor-Action{1，n}-Tool、Actor-Action{1，n}-Source、Actor-Action{1，n}-Tool-Source的分析結(jié)果加以展示，可以從整體上考察不同學(xué)習(xí)小組行為模式之間的差異。我們以第1組和第2組為例。由圖6可以看出，第1組屬于學(xué)習(xí)溝通型小組，因?yàn)槠涮赜械男袨樾蛄卸寂c溝通表達(dá)有關(guān)（SD、SQ、SE）。第1組在Slack平臺進(jìn)行溝通討論（SD）時，會及時對學(xué)習(xí)任務(wù)進(jìn)行更新（SU）并展開任務(wù)分配（SS），即溝通交流和任務(wù)規(guī)劃同步開展。小組成員偏好以問題形式展開（SQ）溝通，也能就彼此提問和回答反饋?zhàn)约旱那楦泻蛻B(tài)度（SE）。但第1組在Trello平臺上開展的學(xué)習(xí)活動較少（結(jié)合圖4）。相對第1組，第2組則在Trello平臺上開展的學(xué)習(xí)活動較多（結(jié)合圖4）。由圖7可以看出，第2組特有的行為序列中大多包含有評價行為（SCt，TC），說明該組在分享溝通過程中，會積極進(jìn)行辯證性思考與評價，學(xué)習(xí)互動的程度相對較深，因此，具有較好控制和推進(jìn)學(xué)習(xí)進(jìn)程的能力。而且第2組成員在Trello平臺中進(jìn)行任務(wù)更新（TU）時，都會對任務(wù)進(jìn)行評價，以便及時獲得成員反饋，對學(xué)習(xí)任務(wù)及時調(diào)整，從而有效保障了學(xué)習(xí)任務(wù)的高效完成。

表4 不同學(xué)習(xí)環(huán)節(jié)的顯著行為序列

圖6 第1組的特征行為序列轉(zhuǎn)換圖

圖7 第2組的特征行為序列轉(zhuǎn)換圖

（3）小組層次：學(xué)習(xí)狀態(tài)變化。選取規(guī)則Actor-Action{1，n}/Tool{1，n}-Session-Source 檢測學(xué)習(xí)小組在不同階段的學(xué)習(xí)狀態(tài)變化。我們以第2組為例，將其在第一次項(xiàng)目活動（主題為“解讀教育技術(shù)規(guī)劃”，共3周）中的學(xué)習(xí)行為表現(xiàn)，用行為序列轉(zhuǎn)換圖加以呈現(xiàn)，如圖8所示。

在第一周時，學(xué)習(xí)小組的主要學(xué)習(xí)任務(wù)集中在加入平臺（SJ）、分配任務(wù)（SS、TS）以及更新任務(wù)（SU、TS）上。小組成員整體偏向在Slack平臺中開展行動，一般會在Slack平臺中就任務(wù)分配和任務(wù)更新進(jìn)行協(xié)商后，再在Trello平臺中進(jìn)行更新和分配。由此可知，第一周是學(xué)習(xí)小組對學(xué)習(xí)平臺的初步探索使用階段。

圖8 第2組第一次項(xiàng)目活動第一周（上）、第二周（中）、第三周（下）的顯著行為序列轉(zhuǎn)換圖

在第二周時，學(xué)習(xí)小組進(jìn)入了學(xué)習(xí)內(nèi)容的探索階段（SH、SD、SQ、SP、SI），能夠提交階段性的學(xué)習(xí)成果（TM）。他們能夠在Slack平臺中使用作為第三方工具的Trello插件（SO）來分享在Trello平臺上設(shè)置的學(xué)習(xí)任務(wù)、存儲的學(xué)習(xí)資源以及更新的階段性學(xué)習(xí)任務(wù)；同時，還會嘗試對學(xué)習(xí)內(nèi)容進(jìn)行思考性評價并發(fā)表自己的觀點(diǎn)。他們會討論如何解決當(dāng)前的學(xué)習(xí)任務(wù)，并形成學(xué)習(xí)成果。在平臺應(yīng)用方面，學(xué)習(xí)小組開始探索將Slack和Trello 加以整合，從而發(fā)揮各自的優(yōu)勢。

第三周主要是成果的審核（SCt、TC）以及成果的提交（TM）階段。學(xué)習(xí)小組會進(jìn)一步評價Trello 中存儲的學(xué)習(xí)資源、學(xué)習(xí)成果，并對學(xué)習(xí)任務(wù)的完成情況進(jìn)行判斷和更新，最終完成對學(xué)習(xí)成果的提交。在這一階段，學(xué)習(xí)小組對Slack平臺和Trello平臺的整合應(yīng)用更加熟練?？傮w而言，該組很好地代表了實(shí)驗(yàn)所期望的學(xué)生對于多源學(xué)習(xí)環(huán)境的接受和學(xué)習(xí)過程。

（4）個體層次：平臺偏好和行為模式差異。將Actor元素聚焦個體，可以挖掘?qū)W習(xí)者個體的行為特征。我們抽取了學(xué)習(xí)小組中比較有代表性的兩個學(xué)生A和B。學(xué)生A的總行為記錄數(shù)為492條，其中，Slack平臺的行為數(shù)為121條，Trello平臺的行為數(shù)為371條；學(xué)生B的總行為數(shù)為494條，Slack平臺285條，Trello平臺209條。用行為序列轉(zhuǎn)換圖將規(guī)則Actor-Action{1，n}、Actor-Action{1，n}-Tool、Actor-Action{1，n}-Source和Actor-Action{1，n}-Tool-Source的分析結(jié)果加以展示，可從整體上觀察他們在平臺偏好和行為模式上的差異。從圖9、圖10可以觀察到，這兩名學(xué)生均在小組內(nèi)發(fā)揮著重要作用，承擔(dān)了任務(wù)分配、任務(wù)更新以及成果提交等工作。

圖9 學(xué)生A的行為序列轉(zhuǎn)換圖

圖10 學(xué)生B的行為序列轉(zhuǎn)換圖

進(jìn)一步分析圖9，可以看出學(xué)生A偏好在Slack平臺中利用Trello工具（SO）完成學(xué)習(xí)任務(wù)的查看、分配和發(fā)布，實(shí)現(xiàn)資源共享，同時她也能積極參與話題討論。雖然她更偏向駐留Slack平臺，但較好地使用Trello工具完成了任務(wù)更新和成果提交；她在Trello的使用方面表現(xiàn)非常突出，很好地掌握了Trello作為第三方學(xué)習(xí)工具在Slack 中的使用，實(shí)現(xiàn)了Slack平臺與Trello平臺的集成融合。

而與學(xué)生A不同的是，學(xué)生B更善于積極表達(dá)自己的觀點(diǎn)和情感，在小組項(xiàng)目活動中注重交互的深度和質(zhì)量。分析圖10可以發(fā)現(xiàn)，其能充分發(fā)表自己對問題和任務(wù)的看法（SCo、SCt、TC），以促進(jìn)任務(wù)的調(diào)整與更新。但在任務(wù)的更新和分配以及學(xué)習(xí)成果的提交上，該學(xué)生偏好在Trello中使用第三方工具來實(shí)現(xiàn)，而并未能很好地掌握在Slack平臺上對Trello工具的使用方法。因此，可以說學(xué)生A很好地達(dá)到了本實(shí)驗(yàn)對學(xué)生在多源學(xué)習(xí)環(huán)境下學(xué)習(xí)的行為反應(yīng)期望，而學(xué)生B相對差點(diǎn)，需要教師適當(dāng)干涉和引導(dǎo)。

五、總結(jié)與展望

與技術(shù)和資源迅猛發(fā)展同步的是數(shù)字學(xué)習(xí)生態(tài)的日漸繁雜與多元，單一學(xué)習(xí)平臺的應(yīng)用與服務(wù)已不能滿足學(xué)習(xí)者的學(xué)習(xí)需求。學(xué)習(xí)者要求能根據(jù)自己的學(xué)習(xí)需求、學(xué)習(xí)偏好和認(rèn)知結(jié)構(gòu)，集合課程內(nèi)容在多個學(xué)習(xí)平臺上開展學(xué)習(xí)，從而體現(xiàn)學(xué)習(xí)的靈活性、開放性與個性化。在此背景下，要想實(shí)現(xiàn)智慧教育的服務(wù)目標(biāo)，就需要對學(xué)習(xí)者多源學(xué)習(xí)情境的全局性和精準(zhǔn)性加以把握。基于此，我們提出多源學(xué)習(xí)活動流的概念，以便記錄學(xué)習(xí)者在不同學(xué)習(xí)生態(tài)空間的活動軌跡；然后，通過學(xué)習(xí)活動流的匯聚，以展現(xiàn)學(xué)習(xí)者的整個數(shù)字生態(tài)的學(xué)習(xí)軌道。

借鑒ADL xAPI的活動描述模型、CAM的分層結(jié)構(gòu)和Paradata的多用戶視角，我們討論了多源學(xué)習(xí)活動流的描述模型以及匯聚層次；并在此基礎(chǔ)上，提出了基于多源學(xué)習(xí)活動流的學(xué)習(xí)情境分析規(guī)則，補(bǔ)充了以往學(xué)習(xí)分析研究中少有考慮的學(xué)習(xí)數(shù)據(jù)的多源性及其匯聚分析的層次問題。22條“情境—應(yīng)用—數(shù)據(jù)”數(shù)據(jù)分析規(guī)則，按照個體性、任務(wù)性、社會性、時空性和環(huán)境性五類學(xué)習(xí)情境進(jìn)行歸類，可應(yīng)用于揭示學(xué)習(xí)者的學(xué)習(xí)偏好、學(xué)習(xí)狀態(tài)、學(xué)習(xí)環(huán)境、學(xué)習(xí)任務(wù)、社交關(guān)系等多方面的信息，以支持智慧教育下對教與學(xué)的診斷、干預(yù)與預(yù)測。

雖然，我們所提出的基于多源學(xué)習(xí)活動流的學(xué)習(xí)情境分析規(guī)則粒度還比較粗略，可操作性、完善性和合理性方面還有所欠缺，但其研究視角指向解決今后必然愈發(fā)復(fù)雜的數(shù)字學(xué)習(xí)生態(tài)中的學(xué)習(xí)分析問題，以期能提供一定的分析思路和框架，從而提升智慧教育下學(xué)習(xí)分析服務(wù)的質(zhì)量與效率。事實(shí)上，目前已開始出現(xiàn)類似Slack、Zapier、xAPI Apps 等具有服務(wù)匯聚功能的平臺，而Trello、Evernote 等多種學(xué)習(xí)工具皆可通過APP接口的方式整合進(jìn)這些平臺，從而實(shí)現(xiàn)對學(xué)習(xí)支持和服務(wù)的靈活拓展；ADL xAPI 等標(biāo)準(zhǔn)為使用統(tǒng)一格式收集數(shù)據(jù)提供了可能，LRS 機(jī)制也為多源數(shù)據(jù)的匯聚與統(tǒng)一存儲，提供了解決方案。這些技術(shù)和環(huán)境都為數(shù)字學(xué)習(xí)生態(tài)中多源化學(xué)習(xí)的新需求，提供了學(xué)習(xí)活動數(shù)據(jù)的整合基礎(chǔ)。那么，現(xiàn)在稀缺的反而是指導(dǎo)多源學(xué)習(xí)活動數(shù)據(jù)分析實(shí)踐的策略和方案，而我們的研究，希冀能在此方面提供一定的思考和引導(dǎo)。