學(xué)習(xí)分析視角下自我導(dǎo)向?qū)W習(xí)多維診斷框架構(gòu)建與應(yīng)用

劉博文 齊夢夢 陳欣 周靜 王繼新

摘要：診斷學(xué)生的自我導(dǎo)向?qū)W習(xí)水平是提升其自我導(dǎo)向?qū)W習(xí)能力的首要前提。在學(xué)習(xí)分析視角下，該研究將自我導(dǎo)向?qū)W習(xí)能力和行為作為研究要素，構(gòu)建了由理論層、數(shù)據(jù)層、診斷層組成的“自我導(dǎo)向?qū)W習(xí)多維診斷框架”。在“自導(dǎo)式3D設(shè)計”情境中，以193名中學(xué)生為研究對象，從描述、解釋和預(yù)測三個維度診斷自我導(dǎo)向?qū)W習(xí)，挖掘自我導(dǎo)向?qū)W習(xí)能力與行為間的交互作用。結(jié)果表明，存在4類自我導(dǎo)向?qū)W習(xí)能力群體；不同能力群體間自我導(dǎo)向?qū)W習(xí)行為顯著差異；自我導(dǎo)向?qū)W習(xí)行為能顯著預(yù)測自我導(dǎo)向?qū)W習(xí)能力。依據(jù)研究結(jié)果，從創(chuàng)設(shè)真實(shí)的任務(wù)情境、提供開放的學(xué)習(xí)資源、促進(jìn)良好的人際溝通、激勵反思性學(xué)習(xí)評價、提供過程性學(xué)習(xí)支架、提供信息化學(xué)習(xí)工具和實(shí)施適切的支持策略等方面提出了促進(jìn)自我導(dǎo)向?qū)W習(xí)的建議。

關(guān)鍵詞：學(xué)習(xí)分析；自我導(dǎo)向?qū)W習(xí)；診斷框架；多維診斷；交互作用

中圖分類號：G434 文獻(xiàn)標(biāo)識碼：A

* 本文系2022年度教育部人文社會科學(xué)研究一般項目“基于行為數(shù)據(jù)的自我導(dǎo)向?qū)W習(xí)能力多維診斷與提升策略研究”（項目編號：22YJC880041）、2022年度中央高校基本科研業(yè)務(wù)費(fèi)資助項目“多源數(shù)據(jù)驅(qū)動的中學(xué)生學(xué)習(xí)力診斷及其影響因素研究”（項目編號：CCNU22XJ031）研究成果。

一、問題的提出

建設(shè)學(xué)習(xí)型社會，構(gòu)建終身學(xué)習(xí)體系是當(dāng)今世界教育發(fā)展的趨勢和方向。21世紀(jì)以來，學(xué)習(xí)逐漸走向自我選擇和自我導(dǎo)向的趨勢[1]，自我導(dǎo)向?qū)W習(xí)（Self-Directed Learning，SDL）成為當(dāng)今時代立足的關(guān)鍵能力[2]。研究表明，自我導(dǎo)向?qū)W習(xí)對于個體在自身專業(yè)領(lǐng)域取得成功的作用舉足輕重[3]。美國著名成人教育家Knowles指出，教育的目的是發(fā)展學(xué)生的能力，使學(xué)生學(xué)會如何學(xué)習(xí)，成為自我導(dǎo)向?qū)W習(xí)者[4]?？梢?，將公民培養(yǎng)成為自我導(dǎo)向?qū)W習(xí)者，提升其“學(xué)會學(xué)習(xí)”的能力，已成為建設(shè)學(xué)習(xí)型社會，構(gòu)建終身學(xué)習(xí)體系的重要途徑。

自我導(dǎo)向?qū)W習(xí)是學(xué)習(xí)者內(nèi)在能力與外在行為過程的統(tǒng)一體[5]。從能力視角看，自我導(dǎo)向?qū)W習(xí)能力是指學(xué)習(xí)者能夠控制學(xué)習(xí)過程的一種品質(zhì)[6]。自我導(dǎo)向?qū)W習(xí)能力是由認(rèn)知、元認(rèn)知和非認(rèn)知等多種能力構(gòu)成的綜合體。自我導(dǎo)向?qū)W習(xí)者具有較強(qiáng)的自主計劃、執(zhí)行和完成學(xué)習(xí)活動的能力[7]，能夠自主制定和完成學(xué)習(xí)目標(biāo)，并對學(xué)習(xí)過程進(jìn)行評價[8]。從行為過程視角看，自我導(dǎo)向?qū)W習(xí)是一個發(fā)展的過程[9]，由計劃、執(zhí)行與監(jiān)控、評價與反思三個核心階段構(gòu)成。計劃階段，學(xué)習(xí)者確定學(xué)習(xí)目標(biāo)，分析學(xué)習(xí)任務(wù)，制定相應(yīng)的學(xué)習(xí)計劃并選擇合適的學(xué)習(xí)資源[10]；執(zhí)行與監(jiān)控階段，學(xué)習(xí)者執(zhí)行學(xué)習(xí)活動，在此過程中對自己的行為進(jìn)行監(jiān)控和調(diào)節(jié)[11]；評價與反思階段，學(xué)習(xí)者對學(xué)習(xí)過程或?qū)W習(xí)成果進(jìn)行評價和反思[12]。

培養(yǎng)自我導(dǎo)向?qū)W習(xí)者，首先需要診斷學(xué)習(xí)者的自我導(dǎo)向?qū)W習(xí)水平。對自我導(dǎo)向?qū)W習(xí)進(jìn)行診斷可以從兩方面開展：學(xué)生對自我導(dǎo)向?qū)W習(xí)的信念，以及學(xué)生自我導(dǎo)向?qū)W習(xí)的外顯行為。然而，一方面當(dāng)前自我導(dǎo)向?qū)W習(xí)診斷大多基于問卷來調(diào)查學(xué)生對自我導(dǎo)向?qū)W習(xí)的主觀感知，很少有研究關(guān)注學(xué)習(xí)者在學(xué)習(xí)過程中真實(shí)發(fā)生的自我導(dǎo)向?qū)W習(xí)行為。另一方面，自我導(dǎo)向?qū)W習(xí)診斷主要用于描述基本現(xiàn)狀，診斷方法單一，導(dǎo)致自我導(dǎo)向?qū)W習(xí)能力與行為間的交互作用難以揭示。

近年來，學(xué)習(xí)分析興起。作為一種基于數(shù)據(jù)處理、數(shù)據(jù)挖掘和可視化的多學(xué)科方法，學(xué)習(xí)分析強(qiáng)調(diào)在學(xué)習(xí)活動期間的數(shù)據(jù)收集、處理和測量[13]，這為自我導(dǎo)向?qū)W習(xí)的多維診斷提供了新的契機(jī)和方法。在此背景下，本研究綜合學(xué)生對自我導(dǎo)向?qū)W習(xí)的主觀感知和外顯行為，構(gòu)建學(xué)習(xí)分析視角下自我導(dǎo)向?qū)W習(xí)多維診斷框架，在學(xué)習(xí)分析技術(shù)支持下對自我導(dǎo)向?qū)W習(xí)進(jìn)行描述、解釋和預(yù)測診斷，挖掘自我導(dǎo)向?qū)W習(xí)內(nèi)隱能力與外顯行為間的交互作用，從而為優(yōu)化自我導(dǎo)向?qū)W習(xí)行為，提升自我導(dǎo)向?qū)W習(xí)能力提供證據(jù)支持。

二、學(xué)習(xí)分析視角下自我導(dǎo)向?qū)W習(xí)多維診斷框架構(gòu)建

（一）學(xué)習(xí)分析的啟示

學(xué)習(xí)分析（Learning Analytics）是數(shù)據(jù)挖掘技術(shù)融入教育領(lǐng)域的重要產(chǎn)物，是與教育心理學(xué)、認(rèn)知心理學(xué)、學(xué)習(xí)科學(xué)和數(shù)據(jù)科學(xué)等緊密相關(guān)的跨學(xué)科研究領(lǐng)域[14]。學(xué)習(xí)分析研究協(xié)會將學(xué)習(xí)分析定義為“測量、收集、分析和報告關(guān)于學(xué)習(xí)者及其背景的數(shù)據(jù)和信息，以了解和優(yōu)化學(xué)習(xí)及其發(fā)生的環(huán)境”[15]。墨西哥Pe a-Ayala教授等將學(xué)習(xí)分析定義為：“旨在研究、理解、描述、解釋和預(yù)測學(xué)習(xí)現(xiàn)象，以提高教學(xué)與學(xué)習(xí)的效率，增加學(xué)習(xí)者的學(xué)習(xí)成就和滿足感”[16]。該定義清晰描述了學(xué)習(xí)分析的手段和目標(biāo)，對指導(dǎo)學(xué)習(xí)分析的深入實(shí)踐具有重要價值。

依據(jù)學(xué)習(xí)分析的內(nèi)容和目標(biāo)，學(xué)習(xí)分析研究協(xié)會將學(xué)習(xí)分析分為四大類：描述性學(xué)習(xí)分析（Descriptive Analytics）、診斷性學(xué)習(xí)分析（Diagnostic Analytics）、預(yù)測性學(xué)習(xí)分析（Predictive Analytics）和處方性學(xué)習(xí)分析（Prescriptive Analytics）[17]。描述性學(xué)習(xí)分析是對過去的洞察，旨在使用數(shù)據(jù)聚合和數(shù)據(jù)挖掘等技術(shù)來了解過去一段時間內(nèi)的發(fā)展?fàn)顩r；診斷性學(xué)習(xí)分析通過數(shù)據(jù)鉆取、數(shù)據(jù)發(fā)現(xiàn)和數(shù)據(jù)挖掘等技術(shù)分析教育數(shù)據(jù)，以回答“為什么會發(fā)生”這一問題；預(yù)測性學(xué)習(xí)分析結(jié)合歷史數(shù)據(jù)以識別數(shù)據(jù)中的模式，并應(yīng)用統(tǒng)計模型和算法來捕獲各種數(shù)據(jù)集之間的關(guān)系以預(yù)測未來的趨勢[18]；處方性學(xué)習(xí)分析通過融合機(jī)器學(xué)習(xí)、業(yè)務(wù)規(guī)則和計算模型等向教育利益相關(guān)者推薦相應(yīng)策略。

當(dāng)前，學(xué)習(xí)分析被廣泛應(yīng)用于教育領(lǐng)域，其主要目標(biāo)包括[19]：（1）支持學(xué)生發(fā)展終身學(xué)習(xí)技能和策略；（2）向?qū)W生提供及時的反饋以支持個性化學(xué)習(xí)；（3）支持學(xué)生關(guān)鍵技能的發(fā)展；（4）通過支持自我反思來培養(yǎng)學(xué)生的學(xué)習(xí)意識；（5）通過提供成功的教學(xué)創(chuàng)新經(jīng)驗來支持高質(zhì)量的學(xué)與教。為了全方位評估和分析學(xué)習(xí)，Ni和Sweetland提出了一個“三管齊下”的（Three-Pronged）學(xué)習(xí)分析模型[20]。該模型包括三個維度：分析維度、解釋維度和評估維度。在學(xué)習(xí)分析的視角下，馬志強(qiáng)等構(gòu)建了一個整合描述性分析、診斷性分析和預(yù)測性分析三維度為一體的“學(xué)習(xí)行為模式三角分析框架”[21]。實(shí)踐表明，整合了描述性分析、診斷性分析和預(yù)測性分析的三角學(xué)習(xí)分析框架對于全面且深入地描述教育現(xiàn)象、探索教育規(guī)律以及預(yù)測教育績效具有重要意義。

（二）自我導(dǎo)向?qū)W習(xí)多維診斷框架構(gòu)建

依據(jù)學(xué)習(xí)分析分類，本研究構(gòu)建了由理論層、數(shù)據(jù)層和診斷層構(gòu)成的“自我導(dǎo)向?qū)W習(xí)多維診斷框架”（如圖1所示）。自我導(dǎo)向?qū)W習(xí)多維診斷框架的三層要素之間相互依存、相互影響，共同促進(jìn)自我導(dǎo)向?qū)W習(xí)診斷的開展和實(shí)施。其中，理論層確定診斷的內(nèi)容，為自我導(dǎo)向?qū)W習(xí)診斷奠定理論基礎(chǔ)；數(shù)據(jù)層確定診斷的數(shù)據(jù)來源，為自我導(dǎo)向?qū)W習(xí)診斷提供證據(jù)支持；診斷層確定診斷的維度，為自我導(dǎo)向?qū)W習(xí)診斷實(shí)施提供直接依據(jù)。

1.理論層

理論層明確自我導(dǎo)向?qū)W習(xí)能力和行為是自我導(dǎo)向?qū)W習(xí)的核心要素，為診斷自我導(dǎo)向?qū)W習(xí)提供了理論依據(jù)。自我導(dǎo)向?qū)W習(xí)與學(xué)習(xí)者的內(nèi)部心理活動和外部行為活動間共同作用密切相關(guān)[22]。自我導(dǎo)向?qū)W習(xí)能力體現(xiàn)為支持自我導(dǎo)向?qū)W習(xí)的內(nèi)在個人特征，包括由學(xué)習(xí)需求觸發(fā)的學(xué)習(xí)動機(jī)、學(xué)習(xí)責(zé)任感等內(nèi)部心理活動，以及自主完成學(xué)習(xí)任務(wù)所需的問題解決能力和批判性思維等學(xué)習(xí)者具備的認(rèn)知屬性。自我導(dǎo)向?qū)W習(xí)行為體現(xiàn)為外部行為調(diào)節(jié)活動，包括制定學(xué)習(xí)計劃、執(zhí)行學(xué)習(xí)任務(wù)、監(jiān)控學(xué)習(xí)過程以及評價與反思等行為活動[23]，學(xué)習(xí)者通過行為調(diào)節(jié)以實(shí)現(xiàn)學(xué)習(xí)目標(biāo)。

2.數(shù)據(jù)層

數(shù)據(jù)層用于規(guī)定自我導(dǎo)向?qū)W習(xí)多維診斷的關(guān)鍵數(shù)據(jù)來源，旨在捕獲學(xué)習(xí)者在參與自我導(dǎo)向?qū)W習(xí)任務(wù)的過程中能表征其自我導(dǎo)向?qū)W習(xí)能力和行為的有效數(shù)據(jù)。自我導(dǎo)向?qū)W習(xí)能力數(shù)據(jù)通常來源于學(xué)習(xí)者對自我導(dǎo)向?qū)W習(xí)的主觀信念和感知，可以通過問卷調(diào)查的方式捕獲。自我導(dǎo)向?qū)W習(xí)行為數(shù)據(jù)通常來源于學(xué)習(xí)者在自我導(dǎo)向?qū)W習(xí)過程中的真實(shí)行為，可以通過行為跟蹤的方式捕獲。

3.診斷層

診斷層明確了自我導(dǎo)向?qū)W習(xí)的情境與診斷維度。自我導(dǎo)向?qū)W習(xí)診斷與情境緊密相關(guān)，通過構(gòu)建自我導(dǎo)向?qū)W習(xí)情境來支持學(xué)習(xí)者開展自我導(dǎo)向?qū)W習(xí)任務(wù)，可以實(shí)現(xiàn)在真實(shí)的情境中診斷學(xué)習(xí)者的自我導(dǎo)向?qū)W習(xí)水平。診斷層明確從描述、解釋和預(yù)測三個維度對自我導(dǎo)向?qū)W習(xí)進(jìn)行多維診斷，以挖掘自我導(dǎo)向?qū)W習(xí)能力和自我導(dǎo)向?qū)W習(xí)行為間的交互作用。

（三）自我導(dǎo)向?qū)W習(xí)多維診斷：描述、解釋和預(yù)測

描述性診斷旨在對學(xué)習(xí)者的自我導(dǎo)向?qū)W習(xí)能力、自我導(dǎo)向?qū)W習(xí)行為的基本特征進(jìn)行描述，以初步了解學(xué)習(xí)者自我導(dǎo)向?qū)W習(xí)的現(xiàn)狀。描述性診斷主要回答的研究問題包括：學(xué)習(xí)者的自我導(dǎo)向?qū)W習(xí)能力水平如何？學(xué)習(xí)者的自我導(dǎo)向?qū)W習(xí)行為水平如何？

解釋性診斷旨在基于自我導(dǎo)向?qū)W習(xí)能力數(shù)據(jù)和行為數(shù)據(jù)，探索自我導(dǎo)向?qū)W習(xí)能力分群和行為分群，以挖掘自我導(dǎo)向?qū)W習(xí)能力模式和行為模式。同時，基于此進(jìn)一步探索和解釋不同自我導(dǎo)向?qū)W習(xí)能力分群和行為分群之間的差異。解釋性診斷主要回答的研究問題包括：存在哪些自我導(dǎo)向?qū)W習(xí)能力分群？這些分群的自我導(dǎo)向?qū)W習(xí)能力有何特征？不同自我導(dǎo)向?qū)W習(xí)能力分群之間的行為有何差異？存在哪些自我導(dǎo)向?qū)W習(xí)行為分群？這些分群的自我導(dǎo)向?qū)W習(xí)行為有何特征？不同自我導(dǎo)向?qū)W習(xí)行為分群之間的能力有何差異？

預(yù)測性診斷旨在分析自我導(dǎo)向?qū)W習(xí)能力與行為間的相關(guān)關(guān)系，挖掘行為對自我導(dǎo)向?qū)W習(xí)能力的預(yù)測作用，并且從行為視角對學(xué)習(xí)者的自我導(dǎo)向?qū)W習(xí)能力進(jìn)行預(yù)測，構(gòu)建基于行為的自我導(dǎo)向?qū)W習(xí)能力預(yù)測模型。預(yù)測性診斷主要回答以下問題：自我導(dǎo)向?qū)W習(xí)能力和行為之間存在怎樣的相關(guān)關(guān)系？自我導(dǎo)向?qū)W習(xí)行為能否預(yù)測自我導(dǎo)向?qū)W習(xí)能力？哪些行為能顯著預(yù)測自我導(dǎo)向?qū)W習(xí)能力？如何基于行為構(gòu)建自我導(dǎo)向?qū)W習(xí)能力預(yù)測模型？

描述性診斷、解釋性診斷和預(yù)測性診斷之間具有相互依賴的關(guān)系。其中，描述性診斷描述自我導(dǎo)向?qū)W習(xí)基本現(xiàn)狀，是實(shí)施解釋性診斷和預(yù)測性診斷的前提和基礎(chǔ)；解釋性診斷挖掘自我導(dǎo)向?qū)W習(xí)模式，解釋模式之間的差異，為預(yù)測性診斷提供依據(jù)；預(yù)測性診斷則基于描述性診斷和解釋性診斷的結(jié)果，從行為視角預(yù)測學(xué)習(xí)者的自我導(dǎo)向?qū)W習(xí)能力，從而挖掘自我導(dǎo)向?qū)W習(xí)能力與行為間的交互作用。

三、自我導(dǎo)向?qū)W習(xí)多維診斷研究設(shè)計

（一）研究情境

本研究構(gòu)建了“自導(dǎo)式3D設(shè)計”情境，支持學(xué)習(xí)者以自我導(dǎo)向?qū)W習(xí)的方式學(xué)習(xí)和開展3D設(shè)計與建模，獲取自我導(dǎo)向?qū)W習(xí)數(shù)據(jù)，并對自我導(dǎo)向?qū)W習(xí)水平進(jìn)行診斷。本研究構(gòu)建的“自導(dǎo)式3D設(shè)計”情境主要包含學(xué)習(xí)任務(wù)、學(xué)習(xí)資源、學(xué)習(xí)工具以及學(xué)習(xí)支架四個要素，如圖2所示。本研究將“分類回收垃圾桶設(shè)計”作為自我導(dǎo)向?qū)W習(xí)的任務(wù)，并為學(xué)習(xí)者提供了GeekCAD操作指南、垃圾分類以及分類回收垃圾桶三類相關(guān)學(xué)習(xí)資源。學(xué)習(xí)者可以借助本研究提供的查詢工具、操作工具和交流工具開展自我導(dǎo)向?qū)W習(xí)。本研究還為學(xué)習(xí)者提供了學(xué)習(xí)任務(wù)與過程說明和3D作品評分量規(guī)等學(xué)習(xí)支架。

（二）研究對象

本研究隨機(jī)抽取湖南省長沙市某公辦完全中學(xué)的7個班級，共335名學(xué)生作為研究對象，其中七年級抽取4個班級（共191名學(xué)生），八年級抽取3個班級（共144名學(xué)生），學(xué)生以自愿的方式參與“自導(dǎo)式3D設(shè)計”，共193名學(xué)生參與全部研究過程。其中，男生共98名（50.8%），女生共95名（49.2%）；七年級學(xué)生共106名（54.9%），八年級學(xué)生共87名（45.1%）；平均年齡為12.79，最小年齡為11歲，最大年齡為14歲。

（三）研究過程

本研究中，自我導(dǎo)向?qū)W習(xí)診斷實(shí)施過程包括準(zhǔn)備、學(xué)習(xí)和評價三個階段，如圖3所示。在準(zhǔn)備階段，教師下發(fā)所有學(xué)習(xí)資源至學(xué)生電腦，并通過“飛鴿傳書”對學(xué)習(xí)者進(jìn)行隨機(jī)分組；在學(xué)習(xí)階段，教師向?qū)W生介紹學(xué)習(xí)任務(wù)、學(xué)習(xí)資源和學(xué)習(xí)工具（GeekCAD），聲明學(xué)習(xí)過程，持續(xù)時長為15分鐘。然后學(xué)習(xí)者自主進(jìn)行3D設(shè)計，該階段持續(xù)40分鐘；在評價階段，學(xué)習(xí)者依據(jù)“3D作品評分量規(guī)”對自己和同伴的作品進(jìn)行評分，持續(xù)時間15分鐘。

（四）自我導(dǎo)向?qū)W習(xí)能力與行為數(shù)據(jù)收集

1.自我導(dǎo)向?qū)W習(xí)能力數(shù)據(jù)收集

本研究依據(jù)Guglielmino[24]和Williamson[25]開發(fā)的自我導(dǎo)向?qū)W習(xí)能力測量問卷，編制了《自我導(dǎo)向?qū)W習(xí)能力量表》，以捕獲自我導(dǎo)向?qū)W習(xí)能力數(shù)據(jù)。量表共包含八個維度，分別為問題解決（6題）、批判性思維（5題）、信息素養(yǎng)（6題）、學(xué)習(xí)計劃（6題）、自我監(jiān)控（7題）、學(xué)習(xí)動機(jī)（6題）、學(xué)習(xí)責(zé)任（6題）和人際溝通（6題）。問卷采用五級李克特量表形式，總分范圍為48分至240分。本研究采用克倫巴赫系數(shù)（Cronbachs α）對量表的信度進(jìn)行檢驗。結(jié)果顯示《自我導(dǎo)向?qū)W習(xí)能力量表》整體的Cronbachs α為0.983，“問題解決”“批判性思維”“信息素養(yǎng)”“學(xué)習(xí)計劃”“自我監(jiān)控”“學(xué)習(xí)動機(jī)”“學(xué)習(xí)責(zé)任”“人際溝通”八個維度的Cronbachs α分別為0.920、0.846、0.911、0.934、0.936、0.934、0.911、0.934。

2.自我導(dǎo)向?qū)W習(xí)行為數(shù)據(jù)收集

本研究使用一款實(shí)時跟蹤用戶操作的軟件“ManicTime”捕獲學(xué)習(xí)者的3D學(xué)習(xí)行為數(shù)據(jù)，包括：使用過的應(yīng)用程序、訪問過的網(wǎng)站、處理過的文檔以及這些操作的持續(xù)時長[26]。使用學(xué)習(xí)記錄系統(tǒng)（Learning Record Systems，LRS）收集學(xué)習(xí)者在GeekCAD平臺設(shè)計作品時的3D設(shè)計行為數(shù)據(jù)，包括：繪制、調(diào)整、修改、完善作品等操作。本研究整合3D學(xué)習(xí)行為數(shù)據(jù)和3D設(shè)計行為數(shù)據(jù)，構(gòu)建了“自我導(dǎo)向?qū)W習(xí)行為數(shù)據(jù)采集框架”，以捕獲自我導(dǎo)向?qū)W習(xí)行為數(shù)據(jù)，如表1所示。驗證性因子分析表明“自我導(dǎo)向?qū)W習(xí)行為數(shù)據(jù)采集框架”具有良好的擬合度。擬合指標(biāo)為：χ2/df=1.882（<3.0）、RMSEA=0.068（<0.08）、SRMR=0.044（<0.05）、IFI=0.957（>0.90）、TLI=0.932（>0.90）、CFI=0.956（>0.90）。

（五）自我導(dǎo)向?qū)W習(xí)診斷數(shù)據(jù)分析方法

1.描述性診斷分析方法

描述性診斷對學(xué)習(xí)者自我導(dǎo)向?qū)W習(xí)能力和行為的基本特征進(jìn)行描述，以初步了解學(xué)習(xí)者自我導(dǎo)向?qū)W習(xí)的水平和現(xiàn)狀。本研究以自我導(dǎo)向?qū)W習(xí)能力的描述性診斷為例，使用“平均得分率”來衡量學(xué)習(xí)者自我導(dǎo)向?qū)W習(xí)能力水平?！捌骄梅致省庇嬎愎饺缡?所示，“平均得分率”的范圍為0%至100%，數(shù)值越大表示學(xué)習(xí)者的自我導(dǎo)向?qū)W習(xí)能力水平越高。

平均得分率=各維度均值/各維度滿分×100% （1）

2.解釋性診斷分析方法

解釋性診斷對學(xué)習(xí)者的自我導(dǎo)向?qū)W習(xí)能力群體和行為群體進(jìn)行探索，分析不同自我導(dǎo)向?qū)W習(xí)能力群體和行為群體的差異。本研究以自我導(dǎo)向?qū)W習(xí)能力的解釋性診斷為例，使用K-means算法對自我導(dǎo)向?qū)W習(xí)能力數(shù)據(jù)進(jìn)行聚類分析，以獲取自我導(dǎo)向?qū)W習(xí)能力分群。在此基礎(chǔ)上，通過差異分析進(jìn)一步解釋不同自我導(dǎo)向?qū)W習(xí)能力群體之間的行為差異。

3.預(yù)測性診斷分析方法

預(yù)測性診斷探索自我導(dǎo)向?qū)W習(xí)能力和行為之間的關(guān)系，診斷方法包括相關(guān)分析、回歸分析和分類算法等。本研究以層次多元線性回歸分析為例，揭示行為對自我導(dǎo)向?qū)W習(xí)能力的預(yù)測作用。本研究分別以“計劃”“執(zhí)行與調(diào)控”以及“評價與反思”三個階段的行為構(gòu)建多層回歸模型，探索對自我導(dǎo)向?qū)W習(xí)能力（因變量）的預(yù)測力，并采用方差分析檢驗回歸模型的有效性。

四、自我導(dǎo)向?qū)W習(xí)多維診斷結(jié)果

（一）描述性診斷結(jié)果

對學(xué)習(xí)者自我導(dǎo)向?qū)W習(xí)能力進(jìn)行描述性診斷的結(jié)果如表2所示，可以發(fā)現(xiàn)學(xué)習(xí)者自我導(dǎo)向?qū)W習(xí)能力的平均值為197.49分，平均得分率為82.29%。整體看來，中學(xué)生的自我導(dǎo)向?qū)W習(xí)能力水平較高，這與已有關(guān)于中學(xué)生自我導(dǎo)向?qū)W習(xí)能力水平研究的結(jié)論相符合[27][28]。

（二）解釋性診斷結(jié)果

1.自我導(dǎo)向?qū)W習(xí)能力分群

本研究首先通過拐點(diǎn)算法尋找自我導(dǎo)向?qū)W習(xí)能力的最佳聚類簇數(shù)（K），結(jié)果如圖4所示。當(dāng)K=4時，拐點(diǎn)出現(xiàn)，因此，自我導(dǎo)向?qū)W習(xí)能力分群的最佳聚類簇數(shù)為4類。然后通過K-means算法基于自我導(dǎo)向?qū)W習(xí)能力數(shù)據(jù)進(jìn)行聚類分析，得到4類自我導(dǎo)向?qū)W習(xí)能力群體的分布情況，如圖5所示。

進(jìn)一步對4類群體的自我導(dǎo)向?qū)W習(xí)能力進(jìn)行描述性統(tǒng)計，結(jié)果如表3所示。能力群體1為“中等水平自我導(dǎo)向?qū)W習(xí)者”，平均得分率達(dá)到60%左右；能力群體2為“高水平自我導(dǎo)向?qū)W習(xí)者”，平均得分率達(dá)到90%以上；能力群體3為“中高水平自我導(dǎo)向?qū)W習(xí)者”，平均得分率達(dá)到80%左右；能力群體4為“低水平自我導(dǎo)向?qū)W習(xí)者”，平均得分率達(dá)到20%左右。

從預(yù)測性診斷結(jié)果可以看出，自我導(dǎo)向?qū)W習(xí)行為可以顯著預(yù)測自我導(dǎo)向?qū)W習(xí)能力。具體看來，在“計劃”階段，學(xué)習(xí)計劃行為（明確學(xué)習(xí)任務(wù)和明確評價方式）對自我導(dǎo)向?qū)W習(xí)能力具有顯著的正向預(yù)測作用。該發(fā)現(xiàn)與Kim的研究發(fā)現(xiàn)一致，即學(xué)生的學(xué)習(xí)計劃經(jīng)驗和學(xué)習(xí)計劃水平是預(yù)測他們自我導(dǎo)向?qū)W習(xí)水平的顯著因素[39]。資源獲取行為（獲取已有資源和自行查找資源）對自我導(dǎo)向?qū)W習(xí)能力具有顯著的正向預(yù)測作用，且“自行查找資源”的預(yù)測力比“獲取已有資源”的預(yù)測力大。這是因為自我導(dǎo)向?qū)W習(xí)強(qiáng)調(diào)學(xué)習(xí)者自身尋求學(xué)習(xí)資源[40]，因此，相比于“獲取已有資源”行為，“自行查找資源”行為更能預(yù)測自我導(dǎo)向?qū)W習(xí)能力。在“執(zhí)行與調(diào)控”階段，“行為調(diào)節(jié)”和“進(jìn)度觀察”行為對自我導(dǎo)向?qū)W習(xí)能力具有顯著的正向預(yù)測作用，這是因為這兩個行為與學(xué)習(xí)者的元認(rèn)知緊密相關(guān)，自我導(dǎo)向?qū)W習(xí)者在學(xué)習(xí)過程中會積極采用元認(rèn)知策略，如自我監(jiān)控和自我調(diào)節(jié)[41]?！叭穗H溝通”行為對自我導(dǎo)向?qū)W習(xí)能力具有顯著的正向預(yù)測作用，可能的原因是“人際溝通”是重要的自我導(dǎo)向?qū)W習(xí)行為指標(biāo)，同時也是關(guān)鍵的自我導(dǎo)向?qū)W習(xí)能力構(gòu)成要素。“任務(wù)執(zhí)行”行為對自我導(dǎo)向?qū)W習(xí)能力具有顯著的負(fù)向預(yù)測作用，這是因為自我導(dǎo)向?qū)W習(xí)與學(xué)習(xí)效率顯著正相關(guān)[42]。本研究中，學(xué)習(xí)者以更少的“任務(wù)執(zhí)行”行為完成學(xué)習(xí)任務(wù)，表明他們的學(xué)習(xí)效率更高，因此自我導(dǎo)向?qū)W習(xí)能力水平更高。在“評價與反思”階段，“學(xué)習(xí)評價”和“同伴觀察”行為對自我導(dǎo)向?qū)W習(xí)能力具有顯著的正向預(yù)測作用，這是因為學(xué)習(xí)評價與反思是自我導(dǎo)向?qū)W習(xí)的重要組成部分。高水平自我導(dǎo)向?qū)W習(xí)者在學(xué)習(xí)過程中能夠評估并反思自己的學(xué)習(xí)過程和成果，以提升學(xué)習(xí)表現(xiàn)[43]。

（二）促進(jìn)自我導(dǎo)向?qū)W習(xí)的建議

1.創(chuàng)設(shè)真實(shí)的任務(wù)情境

自我導(dǎo)向?qū)W習(xí)強(qiáng)調(diào)為學(xué)習(xí)者提供“真實(shí)情境”，支持學(xué)習(xí)者探索、操作并解決真實(shí)問題。支持自我導(dǎo)向?qū)W習(xí)的情境對學(xué)習(xí)者來說應(yīng)該是有意義的，提供給學(xué)習(xí)者的案例或問題應(yīng)該足夠真實(shí)，能夠激發(fā)學(xué)習(xí)者的學(xué)習(xí)動機(jī)，激勵學(xué)習(xí)者主動解決真實(shí)情境中面臨的問題[44]。因此，自我導(dǎo)向?qū)W習(xí)的學(xué)習(xí)任務(wù)應(yīng)該與學(xué)習(xí)者的真實(shí)生活密切相關(guān)，為學(xué)習(xí)者提供在真實(shí)的情境中進(jìn)行自我探索和自我操作的機(jī)會，從而幫助學(xué)習(xí)者獲得更加深入的學(xué)習(xí)體驗[45]。

2.提供開放的學(xué)習(xí)資源

身處資源豐富的時代，基于資源的學(xué)習(xí)（Resource-Based Learning）成為人們獲取知識和技能的主要方法和途徑。自我導(dǎo)向?qū)W習(xí)與資源使用之間存在相互影響的關(guān)系。一方面，海量可獲取的學(xué)習(xí)資源可用于自我發(fā)現(xiàn)，為自我導(dǎo)向?qū)W習(xí)奠定了堅實(shí)的基礎(chǔ)[46]。另一方面，自我導(dǎo)向?qū)W習(xí)對資源使用產(chǎn)生一定的影響，研究表明學(xué)習(xí)者的自我導(dǎo)向?qū)W習(xí)策略使用情況可以預(yù)測他們對學(xué)習(xí)資源的使用情況[47]。支持自我導(dǎo)向?qū)W習(xí)的資源應(yīng)該是開放的資源[48]。為學(xué)習(xí)者提供開放的資源能夠幫助他們靈活地定位、檢查、理解和調(diào)整資源和信息，以滿足他們自主學(xué)習(xí)的需求[49]，以更好地促進(jìn)學(xué)習(xí)者的自我導(dǎo)向?qū)W習(xí)。

3.促進(jìn)良好的人際溝通

自我導(dǎo)向?qū)W習(xí)強(qiáng)調(diào)人際交流的重要作用，將人力資源視為一種重要的學(xué)習(xí)資源。人際交流主要包含學(xué)習(xí)者與學(xué)習(xí)者、學(xué)習(xí)者與教學(xué)者、個人與社會等多維度的交互聯(lián)結(jié)。學(xué)習(xí)者在人際交往中的心理投入和努力程度體現(xiàn)了學(xué)生自我導(dǎo)向?qū)W習(xí)的參與度，全身心地投入人際溝通能夠產(chǎn)生良好的自我導(dǎo)向?qū)W習(xí)效果。學(xué)習(xí)者在交往過程中通常會產(chǎn)生不同的學(xué)習(xí)情感，而學(xué)習(xí)情感又體現(xiàn)了學(xué)習(xí)者的自我導(dǎo)向?qū)W習(xí)體驗[50]。因此需要營造良好的溝通環(huán)境，支持學(xué)生向同伴和教師尋求幫助，實(shí)現(xiàn)師生、生生之間的雙向交流，從而提高學(xué)習(xí)參與度，促進(jìn)學(xué)生自我導(dǎo)向?qū)W習(xí)能力發(fā)展。

4.激勵反思性學(xué)習(xí)評價

反思性評價在促進(jìn)學(xué)生對自我導(dǎo)向?qū)W習(xí)過程進(jìn)行反思與調(diào)控方面具有很大的優(yōu)勢[51]。自評和互評是反思性學(xué)習(xí)評價的主要方式。反思性評價將計劃、執(zhí)行與調(diào)控、評價與反思等行為引入學(xué)生的自我導(dǎo)向?qū)W習(xí)過程，通過促進(jìn)學(xué)生持續(xù)地對學(xué)習(xí)過程和結(jié)果進(jìn)行觀察和評價，從而提升學(xué)習(xí)效果。因此，應(yīng)該關(guān)注學(xué)習(xí)者在評價過程中的主體地位，調(diào)動學(xué)習(xí)者的評價主動性，培養(yǎng)和提高自評和互評能力，以此促進(jìn)學(xué)生開展反思性評價，更好地開展自我導(dǎo)向?qū)W習(xí)。

5.提供過程性學(xué)習(xí)支架

學(xué)習(xí)支架在學(xué)習(xí)過程中充當(dāng)助手，具有重要的指導(dǎo)作用[52]。學(xué)習(xí)支架可以基于自我導(dǎo)向?qū)W習(xí)行為的三個主要階段：計劃、執(zhí)行與調(diào)控、評價與反思進(jìn)行設(shè)計。計劃階段的支架為學(xué)習(xí)者了解學(xué)習(xí)任務(wù)，制定學(xué)習(xí)目標(biāo)提供支持，比如為學(xué)習(xí)者提供明確的學(xué)習(xí)任務(wù)單；執(zhí)行與監(jiān)控階段的支架支持學(xué)習(xí)者獲取學(xué)習(xí)資源，進(jìn)行人際溝通，執(zhí)行和調(diào)節(jié)學(xué)習(xí)活動，比如為學(xué)習(xí)者提供分階段的學(xué)習(xí)過程記錄表；評價與反思階段的支架支持學(xué)習(xí)者對學(xué)習(xí)進(jìn)行評價和反思，比如為學(xué)習(xí)者提供清晰的評價量規(guī)。

6.提供信息化學(xué)習(xí)工具

信息化學(xué)習(xí)工具是支持學(xué)習(xí)者高效開展自我導(dǎo)向?qū)W習(xí)的重要輔助手段[53]。支持自我導(dǎo)向?qū)W習(xí)的工具主要包括查詢、操作、交流和評價等工具。查詢工具旨在幫助學(xué)習(xí)者以更高效的方式查找和訪問資源，例如學(xué)習(xí)者可以通過搜索引擎在互聯(lián)網(wǎng)上自主查找資源；操作工具為學(xué)習(xí)者提供了模擬真實(shí)任務(wù)的平臺，例如虛擬實(shí)驗平臺可以支持學(xué)習(xí)者操作實(shí)驗對象，從而檢驗學(xué)習(xí)者提出的實(shí)驗解決方法；交流工具為學(xué)習(xí)者提供了更便捷的人際交流支持，比如借助同步交流工具學(xué)習(xí)者可以建立虛擬學(xué)習(xí)共同體，從而更加實(shí)時地向他人分享觀點(diǎn)，尋求或者提供幫助；評價工具為學(xué)習(xí)者提供了參與評價時所采取的方式和手段，例如借助電子學(xué)檔學(xué)習(xí)者可以對自己的學(xué)習(xí)過程進(jìn)行形成性評價，以調(diào)整學(xué)習(xí)策略和行為。

7.實(shí)施適切的支持策略

作為一種學(xué)習(xí)者內(nèi)在的能力特征，自我導(dǎo)向?qū)W習(xí)被視為一種動態(tài)和可變的概念[54]。因此，自我導(dǎo)向?qū)W習(xí)更多地被看作是一種頻譜，而不是一種全有或全無的離散狀態(tài)[55]。將自我導(dǎo)向?qū)W習(xí)視為頻譜是培養(yǎng)學(xué)生自我導(dǎo)向?qū)W習(xí)的有效策略，因為并非所有學(xué)生都能夠達(dá)到同等的自我導(dǎo)向?qū)W習(xí)水平[56]。因此，教師的目的是匹配學(xué)習(xí)者當(dāng)前的自我導(dǎo)向?qū)W習(xí)水平，實(shí)施適切的支持策略，促進(jìn)學(xué)習(xí)者提升自我導(dǎo)向?qū)W習(xí)水平。教師須要引導(dǎo)低水平自我導(dǎo)向?qū)W習(xí)者發(fā)現(xiàn)自身學(xué)習(xí)過程中的問題，改進(jìn)學(xué)習(xí)方法；須要引導(dǎo)中等水平自我導(dǎo)向?qū)W習(xí)者監(jiān)測和評估自身學(xué)習(xí)過程，優(yōu)化學(xué)習(xí)方法；須要明確高水平自我導(dǎo)向?qū)W習(xí)者的優(yōu)勢，采用有效的方法促進(jìn)其學(xué)習(xí)能力不斷提升[57]。

六、總結(jié)與展望

本研究旨在基于學(xué)習(xí)分析的視角，實(shí)現(xiàn)自我導(dǎo)向?qū)W習(xí)的多維診斷，挖掘自我導(dǎo)向?qū)W習(xí)能力與行為間的交互作用。首先本研究構(gòu)建了“自我導(dǎo)向?qū)W習(xí)多維診斷框架”，包括理論層、數(shù)據(jù)層和診斷層三層要素；然后，在“自導(dǎo)式3D設(shè)計”情境中，以193名中學(xué)生為研究對象，從描述、解釋和預(yù)測三個維度對自我導(dǎo)向?qū)W習(xí)進(jìn)行了多維診斷。描述性診斷結(jié)果表明，學(xué)生的自我導(dǎo)向?qū)W習(xí)能力水平較高；解釋性診斷結(jié)果發(fā)現(xiàn)，自我導(dǎo)向?qū)W習(xí)能力群體可分為4類，且不同能力群體間的自我導(dǎo)向?qū)W習(xí)行為存在顯著差異；預(yù)測性診斷結(jié)果表明，自我導(dǎo)向?qū)W習(xí)行為能顯著預(yù)測自我導(dǎo)向?qū)W習(xí)能力。

本研究構(gòu)建“自我導(dǎo)向?qū)W習(xí)多維診斷框架”，描述了自我導(dǎo)向?qū)W習(xí)多維診斷的關(guān)鍵要素和實(shí)施流程，為自我導(dǎo)向?qū)W習(xí)診斷提供理論指導(dǎo)和可行技術(shù)路線。本研究的突破在于，一是從自我導(dǎo)向?qū)W習(xí)能力與行為交互的視角構(gòu)建“自我導(dǎo)向?qū)W習(xí)多維診斷框架”，為自我導(dǎo)向?qū)W習(xí)診斷提供了新的研究視角；二是基于學(xué)習(xí)分析技術(shù)，從描述、解釋、預(yù)測三個維度診斷自我導(dǎo)向?qū)W習(xí)，克服了傳統(tǒng)自我導(dǎo)向?qū)W習(xí)診斷方法單一的不足；三是基于設(shè)計教育場景，構(gòu)建“自導(dǎo)式3D設(shè)計”情境，延伸了自我導(dǎo)向?qū)W習(xí)的實(shí)踐與研究場景。

本研究也存在一些局限。一是研究樣本比較單一，未考慮不同地域?qū)W生間可能在自我導(dǎo)向?qū)W習(xí)水平方面存在差異，這可能造成“數(shù)據(jù)偏見”現(xiàn)象出現(xiàn)。未來研究需要擴(kuò)充研究樣本的范圍和規(guī)模，保證研究樣本的多樣性。二是研究周期相對較短，忽視了長期持續(xù)過程中，自我導(dǎo)向?qū)W習(xí)行為可能出現(xiàn)的不同表現(xiàn)。未來研究將擴(kuò)展研究周期，在長期持續(xù)的學(xué)習(xí)過程中對自我導(dǎo)向?qū)W習(xí)進(jìn)行診斷。同時，未來研究還可以從以下幾個方面入手：第一，在本研究提出的多維診斷框架基礎(chǔ)上增加“處方層”，依據(jù)自我導(dǎo)向?qū)W習(xí)診斷結(jié)果，融合人工智能等技術(shù)自動生成個性化的自我導(dǎo)向?qū)W習(xí)處方和策略；第二，結(jié)合腦電、皮膚電、眼動等多模態(tài)數(shù)據(jù)，借助多模態(tài)學(xué)習(xí)分析技術(shù)綜合診斷自我導(dǎo)向?qū)W習(xí)；第三，實(shí)踐本研究所提出的相關(guān)建議，以提升學(xué)習(xí)者的自我導(dǎo)向?qū)W習(xí)水平，培養(yǎng)適應(yīng)學(xué)習(xí)型社會的自我導(dǎo)向?qū)W習(xí)者。

參考文獻(xiàn)：

[1] Cross J.Informal learning：Rediscovering the natural pathways that inspire innovation and performance [M].San Francisco：Pfeiffer/ Wiley，2007.

[2] Trilling B，F(xiàn)adel C.21st Century Skills：Learning for Life in Our Times [M].San Francisco：Jossey-Bass，2009.

[3] Gaspar A，Langevin S，et al.Self-perceived and observable selfdirection in an online asynchronous programming course using peer learning forums [J].Computer Science Education，2009，19（4）：233-255.

[4] [美]馬爾科姆·諾爾斯.藺延梓譯.現(xiàn)代成人教育實(shí)踐[M].北京：人民教育出版社，1989.

[5] 鄧運(yùn)林.成人教學(xué)與自我導(dǎo)向?qū)W習(xí)[M].臺北：五南圖書出版公司，1994.

[6] Oddi L F.Development of an instrument to measure self-directed continuing learning [D].DeKalb：Northern Illinois University，1984.

[7] Jossberger H，Brand-Gruwel S，et al.The challenge of self-directed and self-regulated learning in vocational education：a theoretical analysis and synthesis of requirements [J].Journal of Vocational Education and Training，2010，62（4）：415-440.

[8] Moore M，Kearsley G.Distance education：A systems view （2nd edition） [M]. Belmont：Thomson Wadsworth，2005.120.

[9][43] Knowles M S.Self-directed Learning：A Guide for Learners and Teachers [M].New York：Association Press，1975.

[10] Tough A.The Assistance Obtained by Adult Self-teachers [J].Adult Education Quarterly，1966，17（1）：30-37.

[11][23] Kim R，Olfman L，et al.Leveraging a personalized system to improve self-directed learning in online educational environments [J]. Computers & Education，2014，70（1）：150-160.

[12] Moore M G.Self-directed learning and distance education [J].Journal of Distance Education，1986，1（1）：7-24.

[13] Papamitsiou Z，Economides A.Learning Analytics and Educational Data Mining in Practice：A Systematic Literature Review of Empirical Evidence [J].Educational Technology & Society，2014，17（4）：49-64.

[14] Gasevic D，Tsai Y S，et al.How do we start An approach to learning analytics adoption in higher education [J].The International Journal of Information and Learning Technology，2019，36（4）：342-353.

[15][17][19] Society for Learning Analytics Research.What is Learning Analytics [EB/OL].https：//www.solaresearch.org/about/what-islearning-analytics/，2020-10-10.

[16] Pe a-Ayala A，Cárdenas-Robledo L A，et al.A landscape of learning analytics：An exercise to highlight the nature of an emergent field [A]. Pe a-Ayala A.Learning analytics：Fundaments，applications，and trends [C].Springer：Cham，2017.65-112.

[18] Axelsen M，Redmond P，et al.The evolving field of learning analytics research in higher education [J].Australasian Journal of Educational Technology，2020，36（2）：1-7.

[20] Ni X，Sweetland Y.A Three-Pronged Model to Learning Analysis and Instructional Design [C].Hong Kong：The Hong Kong Institute of Education，2016.740-743.

[21] 馬志強(qiáng)，汪一池等.學(xué)習(xí)分析視閾下在線學(xué)習(xí)行為模式研究[J].現(xiàn)代遠(yuǎn)距離教育，2019，（6）：35-44.

[22] Brookfield S D.Analyzing a critical paradigm of self-directed learning： a response [J].Adult Education Quarterly，1985，36：60-64.

[24] Guglielmino L M.Development of the Self-Directed Learning Readiness Scale [D].Athens：University of Georgia，1977.

[25][32][57] Williamson S N.Development of a self-rating scale of selfdirected learning [J].Nurse researcher，2007，14（2）：66-83.

[26] ManicTime.Automatic tracking[EB/OL].https：//www.manictime. com/，2020-10-28.

[27] 陳友慶，胡欣誼.中學(xué)生自我導(dǎo)向?qū)W習(xí)及學(xué)業(yè)自我效能感的發(fā)展特點(diǎn)[J].教育探索，2013，（1）：137-138.

[28] Labonté C，Smith V R.Learning through technology in middle school classrooms：Students perceptions of their self-directed and collaborative learning with and without technology [J].Education and Information Technologies，2022，27（5）：6317-6332.

[29] Hendricson W D，Andrieu S C，et al.Educational strategies associated with development of problem-solving，critical thinking，and selfdirected learning [J].Journal of Dental Education，2006，70（9）：925.

[30] Howland J L，Moore J L.Student Perceptions as Distance Learners in Internet-Based Courses [J].Distance Education，2002，23（2）：183-195.

[31][36] Cheng S F，Kuo C L，et al.Development and preliminary testing of a self-rating instrument to measure self-directed learning ability of nursing students [J].International Journal of Nursing Studies，2010，47（9）：1152-1158.

[33][38] Moore M G，Kearsley G.Distance Education：A Systems View Of Online Learning （3rd ed.） [M].Wadsworth：Cengage Learning，2011.

[34] Saks K，Leijen .Distinguishing Self-directed and Self-regulated Learning and Measuring them in the E-learning Context [J].Procedia - Social and Behavioral Sciences，2014，112：190-198.

[35] Lin L.An Online Learning Model to Facilitate Learners Rights to Education [J].Journal of Asynchronous Learning Networks，2008，12（1）：127-143.

[37][42] Lai H J.The Influence of Adult Learners Self-Directed Learning Readiness and Network Literacy on Online Learning Effectiveness：A Study of Civil Servants in Taiwan [J].Educational Technology & Society，2011，4（2）：98-106.

[39] Kim J H.A Study on Self-Directed Learning Level of Youth Field Specialist and Its Related Variables in Korea [J].Journal of Agricultural Education & Human Resource Development，2000，32（1）：113-130.

[40] 張在儀.自我導(dǎo)向?qū)W習(xí)簡論[J].中國成人教育，1997，（6）：19-20.

[41] Pilling-Cormick J，Garrison D R.Self-Directed and Self-Regulated Learning：Conceptual Links [J].Canadian Journal of University Continuing Education，2007，33（2）：13-33.

[44] Meece J L.The role of motivation in self-regulated learning [A]. Schunk D H，Zimmerman B J.Self-regulation of learning and performance：Issues and educational applications [M].Hillsdale： Lawrence Erlbaum Associates，1994.25-44.

[45] Schunk D H，Zimmerman B J.Self-regulation in education：Retrospect and prospect [A].Schunk D H，Zimmerman B J.Self-regulation of learning and performance：Issues and educational applications [M]. Hillsdale：Lawrence Erlbaum Associates，1994.305-314.

[46] 路寶利，張之曄等.構(gòu)建服務(wù)全民終身學(xué)習(xí)教育體系的本質(zhì)思考——基于“自我導(dǎo)向?qū)W習(xí)”的視角[J].中國遠(yuǎn)程教育，2021，（8）：1-11+39+76.

[47] Kim D，Lee I H，et al.Latent class analysis of non‐formal learners self‐directed learning patterns in open educational resource repositories [J].British Journal of Educational Technology，2019，50（6）：3420-3436.

[48] Hill J R，Hannafin M J.Teaching and learning in digital environments：The resurgence of resource-based learning [J]. Educational technology research and development，2001，49（3）：37-52.

[49] Kong S C，So W M W.A study of building a resource-based learning environment with the inquiry learning approach：Knowledge of family trees [J].Computers & Education，2008，50（1）：37-60.

[50] 李同同，譚多寧等.在線學(xué)習(xí)情感體驗的維度、特征及其作用機(jī)制[J].成人教育，2022，42（10）：63-70.

[51] 楊玉芹，徐晨等.協(xié)同反思性評價促進(jìn)大學(xué)生知識創(chuàng)新話語發(fā)展的效果研究[J].中國電化教育，2020，（6）：81-87.

[52] Hannafin M J，Hill J，et al.Designing resource-based learning and performance support systems[A].Wiley D A.The instructional use of learning objects [M].Bloomington：Agency for Instructional Technology & Association for Educational Communications & Technology，2002.99-129.

[53] 趙慧臣，張雨欣等.人工智能時代數(shù)字化學(xué)習(xí)工具評價模型的建構(gòu)與應(yīng)用建議[J].中國電化教育，2021，（8）：85-91+125.

[54] Lee J，Gibson C C.Developing Self-Direction in an Online Course Through Computer-Mediated Interaction [J].American Journal of Distance Education，2003，17（3）：173-187.

[55][56] Cheung W S，Hew K F.Asynchronous online discussion activities to support university students self-directed learning： opportunities and challenges identified [J].International Journal of Social Media and Interactive Learning Environments，2015，3（1）：63-70.

作者簡介：

劉博文：講師，博士，碩士生導(dǎo)師，研究方向為學(xué)習(xí)分析、自我導(dǎo)向?qū)W習(xí)。

齊夢夢：在讀碩士，研究方向為數(shù)字化學(xué)習(xí)理論與實(shí)踐。

陳欣：在讀碩士，研究方向為數(shù)字化學(xué)習(xí)理論與實(shí)踐。

周靜：在讀碩士，研究方向為數(shù)字化學(xué)習(xí)理論與實(shí)踐。

王繼新：教授，博士生導(dǎo)師，研究方向為數(shù)字化學(xué)習(xí)理論與實(shí)踐。

Construction and Application of Multidimensional Self-directed Learning Diagnosis Framework from the Perspective of Learning Analytics

Liu Bowen， Qi Mengmeng， Chen Xin， Zhou Jing， Wang Jixin

（Faculty of Artificial Intelligence in Education， Central China Normal University， Wuhan 430079， Hubei）

Abstract： Diagnosis of students self-directed learning level is the primary prerequisite to improve their self-directed learning ability. Based on the perspective of learning analytics and taking self-directed learning ability and behavior as the core， this study constructs a “multidimensional self-directed learning diagnosis framework” to explore the interaction between self-directed learning ability and behavior， which consists of theoretical layer， data layer and diagnostic layer. In the context of “self-directed 3D design” with the sample consisting of 193 secondary school students， a multi-dimensional diagnosis of self-directed learning was implemented from three dimensions of description， explanatory and prediction. The results showed that there were four types of self-directed learning ability groups. There were significant differences in self-directed learning behaviors among self-directed learning ability groups. Self-directed learning behavior plays a significant role in predicting self-directed learning ability. According to the research results， recommendations for promoting self-directed learning were made in terms of creating real task contexts， providing open resources， promoting good interpersonal communication， stimulating reflective assessment， providing process scaffolding， providing informatization tools， and implementing appropriate support strategies.

Keywords： learning analytics； self-directed learning； diagnosis framework； multidimensional diagnosis； interaction

責(zé)任編輯：李雅瑄