基于學(xué)習(xí)通平臺數(shù)據(jù)的學(xué)習(xí)者學(xué)習(xí)行為投入畫像分析

范長勝 雷冬飛 任小璐 楊冬霞

(1.東北林業(yè)大學(xué)機(jī)電工程學(xué)院，哈爾濱 150040； 2.哈爾濱學(xué)院土木建筑工程學(xué)院，哈爾濱 150086)

一、引言

隨著云計算、大數(shù)據(jù)、人工智能、深度學(xué)習(xí)等信息技術(shù)的發(fā)展，由于不受時空限制，在線學(xué)習(xí)已經(jīng)成為越來越多的學(xué)習(xí)者選擇的學(xué)習(xí)方式。信息技術(shù)的快速發(fā)展促使教育教學(xué)推陳出新，教育信息化平臺應(yīng)運(yùn)而生并得到了快速發(fā)展，逐步滲透到教育的各個環(huán)節(jié)，可以對大學(xué)生的學(xué)習(xí)過程、行為和內(nèi)容等進(jìn)行記錄、傳遞和評價。目前各類高校常用的信息化學(xué)習(xí)平臺主要有雨課堂、學(xué)習(xí)通、智慧樹、中國大學(xué)慕課、藍(lán)班云墨等，這些云課堂在與實體課堂的交互中起到了很好的配合作用。師生通過學(xué)習(xí)平臺提供的功能可以將課前、課中和課后的教與學(xué)連貫起來，打破了學(xué)習(xí)者在時間和空間上的壁壘，將知識的理解變得形象化、生動化、碎片化。如何依據(jù)大學(xué)生的學(xué)習(xí)特征，透過學(xué)生在線學(xué)習(xí)問題的表象，挖掘教育信息平臺上學(xué)習(xí)者的學(xué)習(xí)數(shù)據(jù)，找到學(xué)習(xí)者的學(xué)習(xí)習(xí)慣、投入、情感和態(tài)度等問題[1]，準(zhǔn)確描述學(xué)習(xí)者的特征，動態(tài)反映學(xué)習(xí)者狀態(tài)，客觀地對學(xué)習(xí)者進(jìn)行評價，并依據(jù)學(xué)習(xí)者學(xué)情提供精準(zhǔn)的服務(wù)，這些都是教育研究者關(guān)注的問題。

學(xué)習(xí)者畫像是借用商業(yè)領(lǐng)域中的“用戶畫像”概念，用戶畫像是基于用戶在互聯(lián)網(wǎng)上留下的各種數(shù)據(jù)，通過數(shù)據(jù)加工產(chǎn)生一個個刻畫用戶興趣偏好的標(biāo)簽組。學(xué)習(xí)者畫像作為全新的描述學(xué)習(xí)者學(xué)習(xí)特征的方法，在教育領(lǐng)域中的應(yīng)用潛力正在被挖掘[2]。張治等[1]學(xué)者以研究在線作業(yè)為目標(biāo)場景，以在線學(xué)習(xí)行為投入為切入點(diǎn)，建立了參與、堅持、專注、學(xué)術(shù)挑戰(zhàn)和自我調(diào)控5個主要維度的分析框架和測量目標(biāo)。采用K-Means聚類對在線學(xué)習(xí)者的行為特征和結(jié)果特征進(jìn)行標(biāo)簽分類，形成了四類學(xué)習(xí)者的畫像，提出了相應(yīng)的學(xué)習(xí)指導(dǎo)建議[1]。張倍思等學(xué)者從學(xué)習(xí)者行為特征視角出發(fā)，設(shè)計了多源過程性數(shù)據(jù)驅(qū)動的學(xué)習(xí)者綜合評價模型。利用流數(shù)據(jù)聚類算法對不斷涌入的學(xué)習(xí)者數(shù)據(jù)進(jìn)行處理，及時生成或更新學(xué)習(xí)者畫像，然后基于學(xué)習(xí)者畫像的行為進(jìn)行分析，構(gòu)建學(xué)習(xí)者綜合評價模型，實現(xiàn)對學(xué)習(xí)者學(xué)習(xí)表現(xiàn)的實時反饋[3]。李紅燕等學(xué)者基于學(xué)習(xí)者畫像，通過對學(xué)習(xí)者學(xué)習(xí)狀態(tài)的描述性、診斷性、預(yù)測性分析，有針對性地提供可視化、精準(zhǔn)推送和個性化咨詢指導(dǎo)[4]。目前對學(xué)習(xí)者畫像的研究大都基于一個開放、通用的學(xué)習(xí)平臺，學(xué)習(xí)平臺上內(nèi)容豐富、信息量大、學(xué)習(xí)者眾多、可以選用的學(xué)習(xí)數(shù)據(jù)量充足，有利于分析學(xué)習(xí)者的學(xué)習(xí)行為、學(xué)習(xí)效果，優(yōu)化平臺內(nèi)容。張治等[1]學(xué)者通過“一起作業(yè)”智能作業(yè)平臺，研究學(xué)習(xí)者在線作業(yè)行為，并對學(xué)習(xí)者學(xué)習(xí)行為與學(xué)習(xí)指標(biāo)進(jìn)行了可視化和差異化分析。傅正科[5]學(xué)者通過大規(guī)模開放在線課程(MOOC)平臺的公共關(guān)系課程，對現(xiàn)有理論進(jìn)行梳理，對學(xué)習(xí)者畫像形成的理論依據(jù)及操作化指標(biāo)的建立進(jìn)行分析，生成了基于學(xué)習(xí)者標(biāo)簽的個性化教學(xué)方案。孫金曉[6]學(xué)者選取了“The HarvardX-MITx Person-Course Dataset AY2013”公開數(shù)據(jù)集三個學(xué)期16門課程的64萬多條數(shù)據(jù)，采取了K-Means聚類方法進(jìn)行了用戶基本信息、學(xué)習(xí)者行為和學(xué)習(xí)態(tài)度三個維度的學(xué)習(xí)者特征指標(biāo)構(gòu)建，為教育決策提供了一定的依據(jù)。

以上學(xué)者研究學(xué)習(xí)者畫像的數(shù)據(jù)都來自大型的公共用戶平臺，選取這種學(xué)習(xí)平臺最大的不足是學(xué)習(xí)者的人員不固定、學(xué)習(xí)目標(biāo)不夠明確、學(xué)習(xí)時間隨機(jī)性強(qiáng)、學(xué)習(xí)內(nèi)容更換較為頻繁，很難評價和考量學(xué)習(xí)者的學(xué)習(xí)過程，后續(xù)學(xué)習(xí)者的學(xué)習(xí)優(yōu)化難以跟進(jìn)，這就為學(xué)習(xí)者畫像的具體描述帶來很大的困難。學(xué)習(xí)者中學(xué)習(xí)內(nèi)驅(qū)力最強(qiáng)的人群是學(xué)生，而大學(xué)生是這群人中學(xué)習(xí)內(nèi)容、時間、地點(diǎn)自由度最大的群體。因此，為大學(xué)生構(gòu)建一個動態(tài)的學(xué)習(xí)者畫像模型，實現(xiàn)個性化學(xué)習(xí)路徑、精準(zhǔn)服務(wù)和學(xué)習(xí)輔導(dǎo)用于精準(zhǔn)教學(xué)是十分必要的。基于以上原因，本文選取超星學(xué)習(xí)通平臺，選擇地方應(yīng)用型本科院校的一個工科專業(yè)進(jìn)行分析，主要原因有：(1)在線平臺統(tǒng)計學(xué)習(xí)者學(xué)習(xí)一門專業(yè)課程在一學(xué)期內(nèi)的全部過程，包括課前導(dǎo)學(xué)；課中學(xué)習(xí)者參與討論的各種活動及個體與全員參與互動環(huán)節(jié)；課后作業(yè)及小組任務(wù)等。(2)以學(xué)習(xí)者深度參與、多元互動、開放共創(chuàng)為特征的新型教學(xué)模式[7]，在線學(xué)習(xí)平臺可以提供學(xué)習(xí)者完整的學(xué)習(xí)過程數(shù)據(jù)。(3)在線學(xué)習(xí)平臺已經(jīng)被我國大學(xué)普遍使用，能夠?qū)W(xué)習(xí)者學(xué)習(xí)過程的數(shù)據(jù)采集和課程總結(jié)性評價提供必要支持。

二、學(xué)習(xí)行為投入評測框架

“學(xué)習(xí)行為”與“學(xué)習(xí)行為投入”這兩個概念是既有區(qū)別又有聯(lián)系。學(xué)習(xí)行為投入是學(xué)習(xí)投入的基本構(gòu)成維度，是情感投入和認(rèn)知投入的載體[8]。學(xué)習(xí)行為投入指學(xué)生在學(xué)習(xí)活動中積極、持久及有效地可以被觀察到的行為表現(xiàn)，它最早由泰勒提出[9]。

學(xué)習(xí)行為投入是影響學(xué)習(xí)者學(xué)習(xí)績效的重要因素，對學(xué)習(xí)行為投入的及時評測與干預(yù)可以促進(jìn)學(xué)生學(xué)習(xí)成績的有效改善[10]。隨著教育評價理念的發(fā)展，學(xué)習(xí)行為投入成為改善高等教育教學(xué)質(zhì)量的關(guān)鍵指標(biāo)[11]。李爽等人綜合分析了國內(nèi)外教育研究者對學(xué)習(xí)行為投入的研究，將其定義為學(xué)習(xí)者在學(xué)習(xí)活動中投入的時間、精力和努力，這是可以被觀測到的行為表現(xiàn)，具體為準(zhǔn)時上課、認(rèn)真聽講、積極回答教師問題、準(zhǔn)時提交作業(yè)、遇到難題時不放棄等，行為投入的分析大多涉及參與、堅持、交互、專注、尋求挑戰(zhàn)等方面。目前，學(xué)習(xí)行為投入是可以通過課程學(xué)習(xí)管理系統(tǒng)數(shù)據(jù)對學(xué)習(xí)者成績進(jìn)行測評的。學(xué)習(xí)者學(xué)習(xí)行為投入度主要分為投入、游離和脫離三類。應(yīng)用超星學(xué)習(xí)通平臺可以查看學(xué)習(xí)者的出勤情況、作業(yè)完成度、與教師間的互動等；同時也可以通過觀察學(xué)習(xí)者在課程學(xué)習(xí)過程中的努力度、專注度、主動性等[12]對學(xué)習(xí)者深度參與學(xué)習(xí)的程度進(jìn)行衡量，并對其學(xué)習(xí)結(jié)果進(jìn)行預(yù)測和評估。本文以研究學(xué)習(xí)行為投入為出發(fā)點(diǎn)，對近年來在學(xué)習(xí)行為方面具有代表性的研究進(jìn)行了整理，如表1所示。

表1 學(xué)習(xí)行為投入測評維度

在表1中可以看到，研究者在研究學(xué)習(xí)行為投入度時對堅持、專注兩項維度比較認(rèn)可，它們可以有效地反映出學(xué)習(xí)者對學(xué)習(xí)行為的投入程度。學(xué)習(xí)行為投入中的“參與”是課程學(xué)習(xí)的基本行為投入，可以明確體現(xiàn)學(xué)生對于課程的規(guī)則、要求與認(rèn)同程度，是其他行為投入的基礎(chǔ)?！皥猿帧鳖悓W(xué)習(xí)行為反映了學(xué)生為實現(xiàn)學(xué)習(xí)目標(biāo)對努力和情感的管理。“專注”類行為體現(xiàn)了學(xué)生對學(xué)習(xí)內(nèi)容本身的興趣，同時體現(xiàn)出學(xué)生抗外界干擾的能力[13-14]。關(guān)于“交互”維度，楊港等[15]學(xué)者的研究表明，它是在線學(xué)習(xí)行為投入的重要特征，是行為投入的核心構(gòu)念，交互的頻次、時長、質(zhì)量等對學(xué)習(xí)投入都有直接影響，起到正向調(diào)節(jié)作用?！皩W(xué)術(shù)挑戰(zhàn)”主要強(qiáng)調(diào)在面對有難度的問題時學(xué)習(xí)者學(xué)習(xí)行為的投入表達(dá)。學(xué)術(shù)挑戰(zhàn)的行為表現(xiàn)是在面對有挑戰(zhàn)性的學(xué)習(xí)任務(wù)時，積極參與解決其中的重難點(diǎn)問題[16]?！白晕艺{(diào)控”主要指學(xué)習(xí)者對自身學(xué)習(xí)行為與時間的管理、調(diào)節(jié)和控制。體現(xiàn)在學(xué)習(xí)者學(xué)習(xí)行為的反思、時間管理及學(xué)習(xí)規(guī)律等方面[1]?！爸鲃有浴敝饕w現(xiàn)為學(xué)習(xí)者在完成既定的任務(wù)過程中做出的主動與努力。

依據(jù)以上文獻(xiàn)研究分析，將地方應(yīng)用型院校學(xué)情特點(diǎn)與在線學(xué)習(xí)平臺相結(jié)合，可構(gòu)建基于學(xué)習(xí)通平臺數(shù)據(jù)的在線學(xué)習(xí)行為投入分析框架。參與、堅持、專注和主動性四個維度可作為學(xué)習(xí)行為投入的主要維度，如表2所示。

表2 基于學(xué)習(xí)通平臺的在線學(xué)習(xí)行為投入分析框架

“參與”是由學(xué)習(xí)者在線學(xué)習(xí)時課前、課中和課后三部分投入的時間、精力來體現(xiàn)的，表現(xiàn)為學(xué)習(xí)者對課前或課后發(fā)放問卷的回答時長、準(zhǔn)確率、完整度；課中呈現(xiàn)的搶答、主題討論、隨堂練習(xí)、選人等活動的參與度，這些活動使學(xué)習(xí)者在學(xué)習(xí)過程中一直保持與教師交互；課后分配的小組活動可以將學(xué)習(xí)者的學(xué)習(xí)情感如積極、懈怠或厭倦都表現(xiàn)出來。這項內(nèi)容體現(xiàn)學(xué)習(xí)者對在線學(xué)習(xí)活動規(guī)則和要求的認(rèn)同和接受?！皥猿帧敝冈诰€學(xué)習(xí)時學(xué)習(xí)者在課前或課后對預(yù)留作業(yè)的完成度、完成時長、準(zhǔn)確率；課中實驗的操作、數(shù)據(jù)處理及報告的完成情況，隨堂測試的正確率、完成時長和完成度也可以體現(xiàn)學(xué)習(xí)者對課程學(xué)習(xí)精力和時間的投入；課后階段測試的準(zhǔn)確率、完成度和回答時長也能再次體現(xiàn)學(xué)習(xí)者的堅持和努力?！皩Ｗⅰ笨梢栽谡n前或課后的作業(yè)及階段測試中體現(xiàn)出來，包括學(xué)習(xí)者在學(xué)習(xí)課程中抗外界干擾的能力。“主動性”是從以教學(xué)為中心轉(zhuǎn)變?yōu)橐詫W(xué)生為中心的具體體現(xiàn)，表現(xiàn)為課程之外學(xué)習(xí)者借助書籍、期刊及網(wǎng)絡(luò)等工具獲取知識的內(nèi)在驅(qū)動力。

三、構(gòu)建學(xué)習(xí)者畫像

1.案例課程與樣本數(shù)據(jù)

本研究以地方應(yīng)用型本科院校工科專業(yè)學(xué)生為研究對象，目前，此學(xué)院一屆學(xué)生人數(shù)為330人，參與線上線下融合式學(xué)習(xí)的人數(shù)占總?cè)藬?shù)的98.6%。在此情況下，選取1門核心課程的學(xué)生在線學(xué)習(xí)數(shù)據(jù)，從參與、堅持、專注、主動性4個維度進(jìn)行指標(biāo)分析。

2.指標(biāo)分析

(1)參與類指標(biāo)分析

參與類指標(biāo)分析主要對學(xué)習(xí)者學(xué)習(xí)過程進(jìn)行分析。學(xué)習(xí)者的最終成績由平時成績和期末考試成績兩部分構(gòu)成，平時成績占比為40%，期末考試成績占比為60%。期末考試成績側(cè)重于知識評價，平時成績可以對學(xué)習(xí)者學(xué)習(xí)過程中的行為進(jìn)行考量。參與類活動占平時成績的20%，參與類活動可以有效反映學(xué)習(xí)者的學(xué)習(xí)過程，體現(xiàn)學(xué)習(xí)者參與學(xué)習(xí)的行為。

圖1中成績以百分制計算，期末考試成績60分以下的學(xué)習(xí)者在最終成績與參與類活動成績兩項上表現(xiàn)出較低的分值；期末考試成績60分以上的學(xué)習(xí)者最終成績與參與類活動成績兩項分值則明顯高于60分以下的學(xué)習(xí)者，且這部分學(xué)生參與類活動的成績相對來說較為穩(wěn)定。最終成績在80～90分之間的學(xué)習(xí)者，兩項的成績都較為理想。

此外，參與類指標(biāo)可以反映學(xué)習(xí)者的學(xué)習(xí)態(tài)度，與最終成績及參與類活動成績之間大多數(shù)情況下成正相關(guān)。

圖1 學(xué)習(xí)者期末考試成績、參與類活動成績、最終成績曲線圖

(2)堅持類指標(biāo)分析

堅持類指標(biāo)中主要有平時作業(yè)、實驗和階段測試三項內(nèi)容，圖2所示為這三項內(nèi)容與學(xué)習(xí)者的綜合成績之間的關(guān)系曲線。在繪制曲線時，平時作業(yè)成績是選取學(xué)習(xí)者15次作業(yè)的平均成績，實驗成績是7次實驗的平均成績，階段測試是6次測試的平均成績。將這三項指標(biāo)的平均成績與學(xué)習(xí)者的綜合成績進(jìn)行比較分析。可以從圖2曲線上看出，綜合成績在80分以上的學(xué)習(xí)者，他們在平時作業(yè)、實驗和階段測試中的成績也都表現(xiàn)平穩(wěn)，得分也處于高分段位；綜合成績在70～79分的學(xué)習(xí)者，在平時作業(yè)、實驗和階段測試三項指標(biāo)上成績都有浮動，但成績的變化范圍較小，總體還是較為平緩；綜合成績在60～69分的學(xué)習(xí)者，在平時作業(yè)、實驗和階段測試三項指標(biāo)上成績上下波動較大，成績的變化范圍較大；綜合成績在59分以下的學(xué)習(xí)者，在平時作業(yè)、實驗和階段測試三項指標(biāo)上成績變化范圍很大，一小部分學(xué)習(xí)者成績直接為0分，這部分學(xué)習(xí)者的學(xué)習(xí)態(tài)度需要老師或家長通過相應(yīng)的心理輔導(dǎo)進(jìn)行端正，同時在知識層面上也需要得到幫助。

圖2 學(xué)習(xí)者的堅持類活動與綜合成績之間的關(guān)系

(3)專注類指標(biāo)分析

專注類指標(biāo)主要體現(xiàn)為課前或課后作業(yè)、階段測試完成的時長。選用的階段測試內(nèi)容與堅持類指標(biāo)分析的內(nèi)容數(shù)據(jù)相同。圖3所示為學(xué)習(xí)者最終成績與階段測試平均時長的關(guān)系圖。沒有選用課后作業(yè)完成時長，是因為線上發(fā)布的作業(yè)預(yù)留給學(xué)習(xí)者的時間較長，從作業(yè)的發(fā)布到學(xué)習(xí)者作業(yè)的提交不能夠完全反映出學(xué)習(xí)者認(rèn)真做作業(yè)的時間。選擇階段測試是因為階段測試的總時長固定，從試卷的下發(fā)到收取其時長對每位學(xué)習(xí)者都相同，因此得到的測試時長更具有研究意義。從圖3中可以看出，最終成績得分較高的同學(xué)相對于得分較低的同學(xué)，在測試時所用的時間相對較長，即投入的精力較多、專心投入的時間也較多，因此，學(xué)習(xí)者也收獲了較高的分?jǐn)?shù)。低于60分的學(xué)習(xí)者存在兩種情況：一種是平時沒有學(xué)習(xí)，測試時看到的題都不會直接放棄，堅持到允許交卷時間就上交試卷；另一種是臨考試前學(xué)習(xí)，試卷上的題似會非會，又不甘心放棄，參與測試時間較長，仍得到較低的成績。

圖3 學(xué)習(xí)者最終成績與階段測試平均時長之間的關(guān)系

(4)主動性指標(biāo)分析

主動性指標(biāo)包括課外學(xué)習(xí)和網(wǎng)絡(luò)學(xué)習(xí)兩項內(nèi)容。課外學(xué)習(xí)和網(wǎng)絡(luò)學(xué)習(xí)都是學(xué)習(xí)者自行完成和課程相關(guān)的學(xué)習(xí)內(nèi)容。如果將綜合成績采用四等級制進(jìn)行排列，則A表示優(yōu)秀、B表示良好、C表示中等、D表示合格。研究得出，綜合成績與課外學(xué)習(xí)成績、網(wǎng)絡(luò)學(xué)習(xí)成績呈正相關(guān)，即學(xué)習(xí)者的綜合成績?yōu)锳時，學(xué)習(xí)者在課外學(xué)習(xí)和網(wǎng)絡(luò)學(xué)習(xí)上取得的成績也為A。綜合成績?yōu)锽和C的學(xué)習(xí)者，課外學(xué)習(xí)和網(wǎng)絡(luò)學(xué)習(xí)兩部分的成績會出現(xiàn)波動，表現(xiàn)出其中一種學(xué)習(xí)取得較好的成績，另外一種學(xué)習(xí)則成績平平。綜合成績?yōu)镈的學(xué)習(xí)者，涉及課外學(xué)習(xí)和網(wǎng)絡(luò)學(xué)習(xí)兩部分內(nèi)容時，成績變化幅度較小，均取得較低的成績。因此，針對綜合成績?yōu)镈的學(xué)習(xí)者應(yīng)采取導(dǎo)師負(fù)責(zé)制，對其進(jìn)行心理疏導(dǎo)，規(guī)范學(xué)習(xí)行為，提高學(xué)習(xí)成績。

四、學(xué)習(xí)者群體聚類分析

現(xiàn)階段基于學(xué)習(xí)結(jié)果和學(xué)習(xí)行為特征進(jìn)行學(xué)習(xí)者畫像分析，大多數(shù)研究者采用的方法為聚類分析法。聚類分析法是把數(shù)據(jù)特征相似的數(shù)據(jù)集合在一起形成一類，依據(jù)數(shù)據(jù)特征的差異性，把數(shù)據(jù)進(jìn)行拆分形成K類，這種方法是以特征值相似度為基礎(chǔ)進(jìn)行區(qū)分，不需要數(shù)據(jù)標(biāo)記，是基于劃分的聚類算法。K-Means聚類分析法一般采用歐氏距離作為衡量數(shù)據(jù)對象間相似度的指標(biāo)，相似度與數(shù)據(jù)對象間距離成反比，相似度越大，距離越小[17]。K-Means聚類分析法通常需要預(yù)先指定初始聚類數(shù)目K及K值的最優(yōu)取值。多數(shù)研究者根據(jù)數(shù)據(jù)的特點(diǎn)大致確定初始聚類數(shù)目K。K值的最優(yōu)選取通常采用兩種方法，第一種方法是手肘法，即采用指標(biāo)誤差平方和(Sum of Squared Error，SSE)，這種方法是根據(jù)數(shù)據(jù)對象與聚類中心之間的相似度，不斷更新聚類中心的位置，通過多次迭代計算不斷降低類簇的誤差平方和，當(dāng)SSE不再變化或目標(biāo)函數(shù)收斂時，聚類結(jié)束，得到最終結(jié)果。但這種方法的缺點(diǎn)是，有些數(shù)據(jù)進(jìn)行拐點(diǎn)評估時，不能得到最優(yōu)的拐點(diǎn)值，因此，用SSE來評估聚類結(jié)果不是最優(yōu)的指標(biāo)。第二種方法是輪廓系數(shù)法，即聚類計算中輪廓值越高聚類效果就越理想。輪廓值SC的計算見式(1)。

(1)

式(1)中，SC為輪廓值，越接近1越好。

ai為樣本數(shù)據(jù)i到同簇其他樣本的平均距離，稱為樣本i的簇內(nèi)不相似度。

bi為樣本數(shù)據(jù)i到其他簇的所有樣本的平均距離，稱為樣本i的簇間不相似度，取最小值。

在計算過程中，所有樣本的SC均值，即為該聚類結(jié)果的均值。SC值接近1，說明樣本i的聚類合理；SC值接近-1，說明樣本i更應(yīng)該分類到另外的簇；SC值接近0，說明樣本i在兩個簇的界上，分類不夠合理。

本研究采用K-Means聚類分析法中的輪廓系數(shù)法。聚類效果的評判依據(jù)是聚類輪廓值的大小，輪廓值的取值范圍在[-1，1]之間，越接近-1表示分類的效果越不好，而接近1則表示分類效果較好。本文應(yīng)用Matlab軟件編寫輪廓值程序進(jìn)行學(xué)習(xí)行為指標(biāo)的劃分聚類。在基于參與、堅持、專注及主動性學(xué)習(xí)行為上，采用K-Means聚類分析法進(jìn)行分析，依據(jù)學(xué)習(xí)成績劃分及聚類效果將學(xué)習(xí)者分為四項，如圖4所示。圖4中參與類指標(biāo)中聚類劃分的輪廓值為0.63，堅持類指標(biāo)中聚類劃分的輪廓值為0.69，專注類指標(biāo)中聚類劃分的輪廓值為0.70，主動性指標(biāo)中聚類劃分的輪廓值為0.63。四類指標(biāo)的聚類輪廓值表明學(xué)習(xí)行為聚類分析模型具有有效性。

圖4 四種在線學(xué)習(xí)行為的聚類分析

圖4的四幅圖中，不同顏色表示不同的類型，黑色菱形表示分類聚類的中心，可以依據(jù)聚類中心從高到低的分布，將綜合成績分為A、B、C、D四種類型。

綜合成績?yōu)锳的學(xué)習(xí)者在四項指標(biāo)的聚類模型中各項指標(biāo)的得分也都較高。在主動性指標(biāo)中表現(xiàn)出成績集中且都得到了高分，表明綜合成績?yōu)锳的學(xué)習(xí)者相較于其他3種成績的學(xué)習(xí)者有更強(qiáng)的學(xué)習(xí)意識，學(xué)習(xí)態(tài)度端正，且能積極地進(jìn)行課程之外的網(wǎng)絡(luò)學(xué)習(xí)和閱讀學(xué)習(xí)。

綜合成績?yōu)锽的學(xué)習(xí)者的專注類指標(biāo)成績較高，表明這類學(xué)習(xí)者在完成作業(yè)時態(tài)度較認(rèn)真，能按課程預(yù)期目標(biāo)要求高質(zhì)量完成。在進(jìn)行試卷測試時，也能認(rèn)真審題按要求作答，作答時長都在規(guī)定范圍內(nèi)不會提前或滯后。本類學(xué)習(xí)者在主動性指標(biāo)上成績相對較為分散，說明本類學(xué)習(xí)者的學(xué)習(xí)主動意識不強(qiáng)，在需要個人學(xué)習(xí)和課程相關(guān)的知識時不能積極自覺地進(jìn)行網(wǎng)絡(luò)學(xué)習(xí)和課外學(xué)習(xí)。對此類學(xué)習(xí)者進(jìn)行指導(dǎo)時需要關(guān)注到學(xué)習(xí)者個體的興趣點(diǎn)，讓學(xué)習(xí)者對所學(xué)內(nèi)容產(chǎn)生興趣，其相應(yīng)的積極性和主動性也能隨之調(diào)動起來。

綜合成績?yōu)镃的學(xué)習(xí)者在專注類指標(biāo)上成績較為理想，與B類學(xué)習(xí)者有相似之處，但相比于B類學(xué)習(xí)者在專注類指標(biāo)上取得的成績更低。表明此類學(xué)習(xí)者在完成作業(yè)和試卷測試時能夠用積極的心態(tài)去完成，但由于平時對相關(guān)內(nèi)容知識掌握得不牢固，因此取得的成績偏低。此類學(xué)習(xí)者在參與類指標(biāo)及主動性指標(biāo)上的成績都比較分散，說明此類學(xué)習(xí)者有學(xué)習(xí)意愿但又不愿付諸行動，出現(xiàn)時學(xué)時不學(xué)的狀態(tài)，可能感興趣的內(nèi)容就認(rèn)真學(xué)習(xí)一段時間，不太感興趣的內(nèi)容就比較隨心所欲，在頭腦中不能夠形成相關(guān)課程的知識體系，對所學(xué)課程也是一知半解，沒有積極上進(jìn)的學(xué)習(xí)心態(tài)和求知欲。此類學(xué)習(xí)者需要輔導(dǎo)員與家長共同關(guān)注和引導(dǎo)，明確學(xué)習(xí)目標(biāo)，改善學(xué)習(xí)態(tài)度，從而提高學(xué)習(xí)效果。

綜合成績?yōu)镈的學(xué)習(xí)者在四項指標(biāo)的聚類模型中各項指標(biāo)的得分也都較低，表明這類學(xué)習(xí)者沒有良好的學(xué)習(xí)態(tài)度，尤其是在專注類指標(biāo)中得分最低，說明這類學(xué)習(xí)者在課程學(xué)習(xí)過程中很難做到堅持不懈、始終如一地進(jìn)行學(xué)習(xí)活動。在主動性指標(biāo)中成績分布有高有低，表明他們在學(xué)習(xí)過程中學(xué)習(xí)狀態(tài)不穩(wěn)定，不定期出現(xiàn)努力學(xué)習(xí)的意愿和行為。這類學(xué)習(xí)者需要教師、輔導(dǎo)員和家長都給予關(guān)注，溝通了解學(xué)生心理，針對問題進(jìn)行具體有效的干預(yù)和幫助。

五、結(jié)論與展望

為實現(xiàn)學(xué)習(xí)者畫像，本文在文獻(xiàn)研究的基礎(chǔ)上，基于學(xué)習(xí)通平臺數(shù)據(jù)構(gòu)建了在線學(xué)習(xí)行為投入分析框架，選用地方應(yīng)用型本科院校的一個工科專業(yè)進(jìn)行了學(xué)習(xí)者學(xué)習(xí)行為特征的研究。依據(jù)學(xué)習(xí)者的綜合成績采用K-Means聚類分析法將學(xué)習(xí)者劃分為四類，并得出以下結(jié)論。

首先，學(xué)習(xí)者的學(xué)習(xí)成績與學(xué)習(xí)行為成正相關(guān)，即學(xué)習(xí)行為投入越多、學(xué)習(xí)態(tài)度越端正、學(xué)習(xí)目標(biāo)越明確，學(xué)習(xí)者的最終成績就越好，這一結(jié)果與已有研究結(jié)果一致。

其次，采用K-Means聚類分析法劃分的四類學(xué)習(xí)者，對于成績優(yōu)異的A類和成績不合格的D類在進(jìn)行類別分析時相對容易。成績良好和中等和B類和C類學(xué)習(xí)者學(xué)習(xí)行為投入情況相對較為復(fù)雜，學(xué)習(xí)行為投入不同取得的學(xué)習(xí)綜合成績可能相同，這就需要針對學(xué)習(xí)者個體有針對性地解決問題。

最后，學(xué)習(xí)者的學(xué)習(xí)行為是多維度的，學(xué)習(xí)行為不僅指參與、堅持、專注及主動性等行為，它還會在學(xué)習(xí)過程中用到推理、思維發(fā)散、記憶檢索等多種學(xué)習(xí)策略。學(xué)習(xí)是一個復(fù)雜的過程，是一個需要不斷成長的過程，不單單是一個學(xué)習(xí)維度的連續(xù)發(fā)生，它需要不斷復(fù)習(xí)和大量的實踐反復(fù)，找到所學(xué)知識的規(guī)律，不斷大量重復(fù)形成長期記憶，這樣才有利于學(xué)習(xí)者真正學(xué)會所學(xué)內(nèi)容。

隨著信息技術(shù)對教育的全面促進(jìn)和發(fā)展，在線學(xué)習(xí)行為統(tǒng)計對學(xué)習(xí)信息平臺的依賴程度較大。學(xué)習(xí)者個人信息、課程內(nèi)容、平臺運(yùn)行情況及課程性質(zhì)等都會影響學(xué)習(xí)者在平臺上的學(xué)習(xí)記錄。如果學(xué)習(xí)信息平臺做得不夠詳細(xì)和完善，就不能全面客觀地刻畫出學(xué)習(xí)者的學(xué)習(xí)行為軌跡，對學(xué)習(xí)者的評價會產(chǎn)生偏差。如果學(xué)習(xí)信息平臺對學(xué)習(xí)者學(xué)習(xí)行為數(shù)據(jù)抓取充分，則平臺處理的信息量將會很巨大，平臺開發(fā)者、使用者、管理者之間的溝通則需準(zhǔn)確及時。因此，使用學(xué)習(xí)信息平臺最好可以涵蓋較多的學(xué)習(xí)內(nèi)容和場景，對目標(biāo)學(xué)習(xí)者進(jìn)行研究收集事實數(shù)據(jù)，在研究數(shù)據(jù)過程中發(fā)現(xiàn)學(xué)習(xí)者的共性問題，對學(xué)習(xí)者進(jìn)行細(xì)分尋找規(guī)律聚焦細(xì)節(jié)，這將有利于教師依據(jù)學(xué)生特點(diǎn)進(jìn)行個性化干預(yù)和督促，提高學(xué)習(xí)者的學(xué)習(xí)行為投入效率，有效提高學(xué)習(xí)成績。