智能環(huán)境下以學(xué)習(xí)者為中心的學(xué)習(xí)分析：潛力和挑戰(zhàn)

袁莉

與傳統(tǒng)的教育數(shù)據(jù)挖掘（Data Mining）和學(xué)術(shù)分析（Academic Analytics）不同，學(xué)習(xí)分析（Learning Analytics）將教育數(shù)據(jù)的分析應(yīng)用，從教育管理決策和學(xué)術(shù)評(píng)估轉(zhuǎn)向教學(xué)過程中對(duì)學(xué)生學(xué)習(xí)的反饋和干預(yù)，即為教師改進(jìn)課程、教學(xué)設(shè)計(jì)以及學(xué)生改善學(xué)習(xí)策略、路徑提供可視化、可操作的分析和建議。近年來，以學(xué)習(xí)者為中心的教育理念要求學(xué)校和教師從新視角、新模式出發(fā)，以激發(fā)學(xué)生的學(xué)習(xí)興趣、學(xué)習(xí)投入和學(xué)習(xí)收獲為目標(biāo)，建立一個(gè)有利于學(xué)生未來發(fā)展的教育教學(xué)評(píng)價(jià)體系。而學(xué)習(xí)分析作為可以通過記錄、分析學(xué)生的學(xué)習(xí)環(huán)境和學(xué)習(xí)軌跡，來發(fā)現(xiàn)學(xué)習(xí)規(guī)律，預(yù)測學(xué)習(xí)結(jié)果，進(jìn)而了解學(xué)生學(xué)習(xí)策略和促進(jìn)有效學(xué)習(xí)的技術(shù)和方法，受到前所未有的關(guān)注和重視。

不同教學(xué)模式?jīng)Q定學(xué)習(xí)分析技術(shù)和方法的應(yīng)用也有所不同，其目的是通過自動(dòng)反饋提高學(xué)習(xí)者在教學(xué)活動(dòng)中的表現(xiàn)，為學(xué)習(xí)者提供更多的學(xué)習(xí)機(jī)會(huì)。例如，學(xué)習(xí)者可以根據(jù)學(xué)習(xí)分析的反饋，即時(shí)調(diào)整、改進(jìn)自主學(xué)習(xí)的進(jìn)度和策略;還可以記錄合作學(xué)習(xí)過程中小組成員互動(dòng)的情況，解決個(gè)體參與度與集體成果的關(guān)系等合作學(xué)習(xí)評(píng)價(jià)中的“黑箱”問題。

教育研究發(fā)現(xiàn)，在所有的教學(xué)場景下，學(xué)習(xí)策略和方法的采用與學(xué)生的個(gè)性一致，學(xué)習(xí)策略也與學(xué)生的學(xué)習(xí)成績息息相關(guān)。因此，在學(xué)習(xí)分析過程中強(qiáng)調(diào)學(xué)生的個(gè)體差異是關(guān)鍵。在學(xué)習(xí)過程的早期，學(xué)習(xí)分析基于跟蹤數(shù)據(jù)的預(yù)測模型，收集到的學(xué)生初始能力信息往往非常有限，很難為個(gè)別學(xué)生生成準(zhǔn)確的預(yù)測和個(gè)性化的反饋。此外，在沒有適當(dāng)考慮學(xué)生學(xué)習(xí)策略和個(gè)性特征的情況下，從軌跡追蹤和行為數(shù)據(jù)生成的反饋，可能會(huì)對(duì)反饋和干預(yù)的有效性和精確度有很大的影響。所以，我們的注意力和關(guān)注點(diǎn)應(yīng)該是如何提高教師運(yùn)用學(xué)習(xí)分析進(jìn)行教學(xué)反饋和開展發(fā)展性評(píng)價(jià)的素養(yǎng)。

學(xué)習(xí)分析的根本是以解決教學(xué)中的問題為導(dǎo)向，而非單純的數(shù)據(jù)驅(qū)動(dòng)。設(shè)計(jì)以教師和學(xué)生為中心的學(xué)習(xí)分析工具，需要強(qiáng)調(diào)學(xué)習(xí)設(shè)計(jì)和學(xué)習(xí)科學(xué)的結(jié)合。在學(xué)習(xí)分析工具的研發(fā)和應(yīng)用中，不但要考慮技術(shù)應(yīng)用的多樣化，還要關(guān)注教學(xué)場景的復(fù)雜性，這樣才能避免評(píng)估和處理學(xué)習(xí)分析中的誤差和偏見。許多前期的研究證明，學(xué)習(xí)分析的數(shù)據(jù)面板如果僅僅展示那些容易被可視化的數(shù)據(jù)分析，不僅無法促進(jìn)學(xué)習(xí)，還可能產(chǎn)生反作用。因此，應(yīng)該放棄先入為主的設(shè)計(jì)決策，以真正的教育問題和難點(diǎn)為導(dǎo)向，對(duì)數(shù)據(jù)進(jìn)行收集和分析，提供可供參考和實(shí)踐的方案。另外，為使學(xué)習(xí)分析能夠有效地支持教學(xué)活動(dòng)，在其設(shè)計(jì)、數(shù)據(jù)收集和分析的過程中，需要考慮一系列人為因素，特別是教師與學(xué)生的內(nèi)在特性和驅(qū)動(dòng)力，包括為什么收集這些數(shù)據(jù)以及如何通過分析進(jìn)行反饋等。我們需要不斷提高教師和學(xué)生參與學(xué)習(xí)分析的設(shè)計(jì)、解釋及應(yīng)用等各個(gè)環(huán)節(jié)的機(jī)會(huì)。

人工智能為我們解決教育中的許多相關(guān)問題帶來了希望，也為學(xué)習(xí)分析提供了前所未有的機(jī)會(huì)和潛力。例如，人工智能提供了新的收集和分析數(shù)據(jù)的方法，可以多模態(tài)、多維度地對(duì)學(xué)生及其所在學(xué)習(xí)環(huán)境的數(shù)據(jù)進(jìn)行收集和分析。此外，為更好地解釋學(xué)習(xí)過程和機(jī)制，評(píng)價(jià)有效的學(xué)習(xí)設(shè)計(jì)和學(xué)習(xí)者學(xué)習(xí)的具體畫像時(shí)，也可以有效地運(yùn)用人工智能提升反饋質(zhì)量和自動(dòng)檢測反饋屬性。但是，目前學(xué)習(xí)分析中對(duì)深度機(jī)器學(xué)習(xí)價(jià)值的利用還非常有限;同時(shí)，在學(xué)習(xí)分析中也需要加強(qiáng)人工智能在教育場景中運(yùn)用的可解釋性。智能技術(shù)環(huán)境下，傳感器和可穿戴跟蹤器等數(shù)據(jù)收集和分析方法正在迅速發(fā)展，以前所未有的規(guī)模實(shí)時(shí)收集和處理各種數(shù)據(jù)。一方面，使用傳感器可以捕獲學(xué)習(xí)過程的可觀察事件，如學(xué)習(xí)者的行為和學(xué)習(xí)環(huán)境，采用人工智能進(jìn)行自動(dòng)分析和反饋，檢驗(yàn)對(duì)學(xué)習(xí)策略、時(shí)間管理和自我調(diào)節(jié)的影響，并衡量其反饋的效果。然而，學(xué)習(xí)過程也包含潛在的屬性，如學(xué)習(xí)者的認(rèn)知或情感等內(nèi)在屬性是傳感器無法觀察到的，需要人的參與，從而做出更全面的分析，并得出合理的解釋。另一方面，人工智能并不能解決數(shù)據(jù)質(zhì)量問題，因此需要好的教學(xué)設(shè)計(jì)。將先進(jìn)的教學(xué)理論、學(xué)習(xí)分析方法和人工智能有機(jī)結(jié)合，才是實(shí)現(xiàn)以學(xué)習(xí)者為中心教育目標(biāo)的關(guān)鍵。

本期專欄文章《人工智能與面向未來的學(xué)習(xí)分析》（Artificial Intelligence and Learning Analytics for the Future）中，澳大利亞莫納什大學(xué)的德拉甘·加塞維奇（Dragan Ga?evi['][c]）教授回顧了近幾年國際學(xué)習(xí)分析研究及應(yīng)用方面所面臨的挑戰(zhàn)和主要成就，探討在未來學(xué)習(xí)分析的發(fā)展中，應(yīng)該如何從人工智能等相關(guān)技術(shù)和領(lǐng)域的研究中受益。該文剖析了學(xué)習(xí)分析框架中數(shù)據(jù)收集、模型建立及實(shí)踐應(yīng)用中的關(guān)鍵問題，并運(yùn)用大量實(shí)證研究案例展示學(xué)習(xí)分析在促進(jìn)自主學(xué)習(xí)、合作學(xué)習(xí)，以及外語教學(xué)中的應(yīng)用潛力和面臨的挑戰(zhàn)。