學習分析技術綜述

1、學習分析技術綜述一、學習分析技術的起源與發(fā)展學習分析是一個新興的、正在發(fā)展的學科，是技術促進學習研究中增長最快的領域之一，也是當前的研究熱點。美國新媒體聯(lián)盟與美國高校教育信息化協(xié)會主動學習組織合作“新媒體聯(lián)盟地平線項目(The New Media Consortiums Horizon Project) ”的 2010 年度和2011年度報告中，預測基于數(shù)據的學習分析技術將在未來的四到五年內成為主流，并對學習分析技術在教學、學習、研究和知識生成等方面所具有的作用進行了分析，勾勒了其廣泛的應用前景。近年來，在教育技術領域，學習分析逐漸成為了迅速發(fā)展的新熱點之一。我們可以看出，各種學習技術系統(tǒng)中己

2、經獲取并儲存了大量的學習者學習行為數(shù)據，而且這些學習行為的數(shù)據還在迅速增加，這就急迫需要一種新的技術對這些數(shù)據進行分析，為改進學習實踐、增強學習效果提供依據。盡管在傳統(tǒng)教學過程中也能夠評估學生的成績、分析教學過程，從而提高教學的質量，但是所采集的數(shù)據往往不夠充分，信息化程度較低，而且分析結果用于干預教學的周期過長，效果不明顯。因此，學習分析技術逐漸浮現(xiàn)出來，并受到越來越多的關注。印二、學習分析技術背景在學習分析概念形成之前，相關方法、技術和工具都已經發(fā)展起來了。學習分析從一系列研究領域汲取技術， 如數(shù)據統(tǒng)計、商業(yè)智能(Business Intelligence)、網頁分析(Web Analyt

3、ics)、運籌學(Operational Research) 、人工智能(AI)、教育數(shù)據挖掘(EDM )、社 會網絡分析、信息可視化等。數(shù)據統(tǒng)計歷來作為一個行之有效的手段用來解決假設檢驗問 題。商業(yè)智能以數(shù)據倉庫、聯(lián)機分析處理、數(shù)據挖掘等技術為基礎，從不同的數(shù)據源中提 取數(shù)據，將之轉換成有用的信息，它與學習分析有相似之處，但它歷來被定位于通過可能的數(shù)據訪問和績效指標總結使生產更高效。網頁分析工具，如 Google analytics 通過網頁 訪問量，與互聯(lián)網網站、品牌等的關聯(lián)做出報告，這些技術可以用來分析學生的學習資源 (課程,材料等)以追蹤學生的學習軌跡。 運籌學通過設計優(yōu)化數(shù)學模型和統(tǒng)

4、計方法使目標最 優(yōu)化。人工智能和數(shù)據挖掘中的機器學習技術建立在數(shù)據挖掘和人工智能方法上，它能夠 檢測數(shù)據中的模式。在學習分析中的類似技術可用于智能教學系統(tǒng)，以更加動態(tài)的方式對 學生進行分類而不是簡單地進行人口統(tǒng)計分類，可以通過協(xié)同過濾技術對特定的資源建立 模型。社會網絡分析可以分析出隱含的人與人(如在論壇上的互動)和外顯的人與人(如朋友或者關注對象)之間的關系，在學習分析中可用于探索網絡集群、影響力網絡、參與及不參 與狀況。信息可視化是很多分析的重要一步(包括上面列出的 那些分析方法)，它可以用來對所提供的數(shù)據進行意義建構，John Tukey1977年在他的探索性數(shù)據分析一書中給我們介紹了如

5、何更好地利用信息可視化，Turkey強調使用可視化的價值在于幫助在形成正式的假設之前做檢驗。以上這些學習分析技術都可以對大量數(shù)據進行分析和處理，形成分析報告為教育提供幫助。：2：三、國內外研究現(xiàn)狀2011年2月底，首屆“學習分析技術與知識國際會議”在加拿大的阿爾伯達省班芙市舉 行，主題之一就是學習分析技術。美國新媒體聯(lián)盟發(fā)布的2010年度和2011年度地平線報告均預測學習分析技術將在未來的四到五年內成為主流?？梢?，學習分析技術已逐漸成 為教育中的一項新興技術。事實上，在“學習分析技術”概念出現(xiàn)之前，與之相關的技術、工具及其應用研究已經開展起來。2004年在高等教育中出現(xiàn)的“智能導師系統(tǒng)”和“人

6、工智能系統(tǒng)”掀起了 “教育數(shù)據挖掘”研究的熱潮，也促使學術分析技術這一關注學習者行為的分析技術的誕生。 Romero & Ventura(2007) 以及Baker & Yacef(2009)10余年的教育數(shù)據挖掘研究進行分析，歸納出5類教育數(shù)據挖掘方法，它們是統(tǒng)計分析與可視化；聚類(聚 類、離群點分析);預測(決策樹、回歸分析、時序分析);關系挖掘(關聯(lián)規(guī)則挖掘、序列模 式挖掘、相關 挖掘)；文本挖掘。另外，隨著網絡學習及相關學習管理系統(tǒng)的不斷普及，數(shù)據挖掘方法在學習管理系統(tǒng)中得到應用，并開啟了利用網絡分析技術對學習者行為加以分析 的研究，Romero等人(2005)又吊。電學習平臺的日志分

7、析是這方面研究的典范。記錄在學 習管理系統(tǒng)中的學習者行為數(shù)據，經過聚集、分類、可視化以及關聯(lián)規(guī)則分析等操作，生成實時的數(shù)據報告，或者利用從行為數(shù)據中反映出的常模來生成預測模型。隨著學習分析研究與實踐的不斷深入，除了數(shù)據挖掘方法外，一些原本屬于社會科學領域的方法如社會網絡分 析法、話語分析法、內容分析法等也得到成功應用并成為學習分析的關鍵技術，這些方法的典型應用之一是師生交互行為分析。日四、學習分析技術的內涵學習分析技術是一個新興的研究領域， 學習分析技術是對學生生成的海量數(shù)據的解釋，以評估學生的學術進展，預測未來的表現(xiàn)，并發(fā)現(xiàn)潛在的問題。簡單地說，學習分析技術 旨在應用數(shù)據分析為教育系統(tǒng)的各級

8、決策提供參考，關鍵內容就是應用于教育領域的大數(shù)據分析。這一研究方法原先來自于商業(yè)領域，商家通過對消費者的活動進行數(shù)據發(fā)掘分析 來把握消費趨勢。比如淘寶網會根據用戶購買和瀏覽過的產品，來推斷用戶對某類產品的 偏好。又如在社交網站中，新浪微博會根據個人的關注對象推薦該用戶可能感興趣的其他 對象。這類技術的實質，就是通過對數(shù)據的提取、歸類、分析與總結，進行統(tǒng)計性的預測 和判斷?；趯W生相關數(shù)據的分析則是以學生群體為主體，以設計出更完善的教學方法為 目標，致力于為學生提供高質量、個性化的學習體驗，并評估制定的學習計劃是否能有效 幫助學生加強學習，這些分析結果對于教學雙方來說都具有重要的意義。對教育工作

9、者和 研究人員而言，學習分析在剖析學生與在線文本、課件之間的互動中發(fā)揮著至關重要的作用。對學生而言，通過開發(fā)用于分析學生具體數(shù)據的移動軟件和在線平臺 ，能夠為學生提供 符合他們學習需求的支持服務系統(tǒng)， 使他們受益于學習分析，提高學習成績和學習效率。：4：五、組成學習分析的成分由定義可知，學習分析的核心是收集相關的分析數(shù)據。目的是評估、預測學習群體的學 習狀態(tài)和學習效果；最終目標是提供個性化的學習支持。學習分析由五個部分組成：1 .數(shù)據收集：這些數(shù)據可以來自學生的基本信息，也可以是學生在學習生活中的行為 信息，如學生的興趣愛好、經常使用的學習工具等數(shù)據信息。2 .分析：使用學習分析工具將手機的數(shù)

10、據進行需要分析。結果以表格、圖表等可視化 的形式呈現(xiàn)在各種媒體上。3 .學生學習：學習分析核心的分析對象就是學生的學習。學習分析告知教師：學生在做什么，他們將時間花在 什么地方，他們獲取了哪些內容，學生 學習的進展如何等方面的問 題。4 .反饋：學習分析的結果可以提供給教師、學生以及管理者。學生可以將分析結果作 為自身學習的一個監(jiān)督量表。 而教師和管理者則是依據分析結果重新規(guī)劃教學活動，提高教學質量。5 .干預：學習分析不僅僅是判定學生處在什么樣的一個學習狀態(tài)中。更是通過學生課 程學習產生的數(shù)據，掌握學生在課程學習中的特定階段和特定活動，為學生個性化學習和指導提供了依據。,六、學習分析技術的分

11、析方法學習分析技術除了傳統(tǒng)的數(shù)據分析方法外，充分吸收了大數(shù)據時代下各個領域的新技 術，包括社會網絡分析法、話語分析法和內容分析法。這些新技術的引入，使得學習分析逐漸科學化、現(xiàn)代化和智能化。1 .社會網絡分析法(Social Network Analysis)原先是一種社會學研究方法,它是對社會網絡的關系結構及其屬性加以分析的一套規(guī)范和方法，現(xiàn)已廣泛運用于教育領域。如果 將學習者個體作為研究對象，通過社會網絡分析法，我們不難判斷學習者個體向哪些同伴 尋求了學習幫助，在哪些方面產生了學習認知上的困難，又有哪些具體的情境因素影響了學習者個體的學習過程等。如果將整個網絡作為研究對象，社會網絡分析法 主

12、要關注的是網絡學習過程中信息的分布和個體學習的進展情況。2 .話語分析法(Discourse Analysis)原先是一種語言學研究方法，是在課堂對話基礎上建立的口語分析方法，經過不斷發(fā)展引入到教育領域，在課堂教學實踐中得到了廣泛應用。 在大數(shù)據時代下，話語分析的對象不僅僅只是教學過程中面對面的對話內容，還涉及網絡課程與會議中產生的文本內容，以及網絡背景下的異步交流內容等。通過話語分析技術，我們可以對網上學習交流過程中話語的文本性含義有更深入的了解，從而探究知識建構的本質，對整個學習發(fā)生的過程獲得更加清晰的認識。3 .內容分析法(Content Analysis)是一種對傳播內容進行客觀、系統(tǒng)

13、和定量描述的研究方法。內容分析的過程是一個層層推理的過程，其實質是對傳播內容所含信息量及其變化的分析，即由表征的有意義的詞句推斷出準確意義的過程。 在教育領域中運用內容分析 法,不僅可以對學習者的學習過程數(shù)據進行定量分析 ，探尋學習者的行為模式；還可對其進 行定性分析，運用積累的大量經驗來預測當前的學習者行為 ，為學習者 提供個性化的學習 資源服務。七、學習分析技術的模型1 .數(shù)據的收集學習分析技術需要大量數(shù)據作為支撐 ，僅僅依靠結構化數(shù)據是遠遠不夠的，必須同時收 集不同系統(tǒng)中的非結構化數(shù)據，保障分析結果的正確性、一致性和完整性。目前，教育系統(tǒng)中已經積累了大量的學生信息。信息系統(tǒng)中的學生信息、

14、課程信息和教師信息這些檔案類信息都可以作為學習分析的數(shù)據來源之一；課程管理系統(tǒng)（CMS）和學習管理系統(tǒng)（LMS）中也蘊藏著大量可以挖掘的信息，包括課程中白交互信息（與老師或學生的 交流等）、學習表現(xiàn)信息（作業(yè)完成情況等）以及行為信息等；同時，基于教師經驗、教師觀察 以及教師直覺的課程指導方針也是形成決策樹分析的必不可少的部分。2 .數(shù)據的處理結構化數(shù)據的考量很難反映一個學生在一堂課中吸收了多少知識，但是通過其在系統(tǒng)中的行為反應可以轉化為可量化的數(shù)據來對其學習過程進行分析。比如在在線課程中，可通過多個方面檢測學生的表現(xiàn)：比如與同班同學相比，在網站上花費的時間；登錄網站的頻率； 犯了同樣錯誤后重復

15、犯錯的概率；在某一科目停留的時間等等。通過綜合分析這些數(shù)據，可以對學生的學習行為有更深入的了解 ，從而更加微觀地了解學生。3 .軟件分析學習分析軟件按照專業(yè)程度來分，可分為專用工具和通用工具兩種?！皩Ｓ霉ぞ摺?一般是學習分析項目中的核心分析工具，它專門針對某一項目的具體要求進行設計和開發(fā)，在項目實施過程中運用該工具搜集和分析學習者數(shù)據，從而指導教學。典型的專用工具有Socrato、SNAPP和LOCO-Analyst等。 而“通用工具”則是原來應用于互聯(lián)網、可用性 設計等其他領域的工具，后來被轉用于教育情境下，用來分析學習者如何使用教學系統(tǒng)， 主要有 Mix panel Analytics 、

16、User fly 、Gephi等幾種。4 .行為干預學習分析結果可用來評估學生表現(xiàn) ，并及時提供反饋意見，同時還可根據學生的學習效 果，有針對性地調整學習內容和方法，為學生提供指導和幫助，提高學生的學習能力。 八、學習分析技術所帶來的教學變革1 .個性化教學的變革學習分析技術的運用可以為每個學生提供一個個性化的學習環(huán)境。例如，如果一個學生解決一個問題所花費的時間遠少于其他同學，系統(tǒng)分析結果就會自動給予提示與線索，試圖促進該學生加強學習。這種即時性的提示在過去是不可能完成的任務，學生至少要等待多天直到他們的作業(yè)被批改完。同時，在使用學習分析技術一段時間后，教師能夠通過信息追蹤和分析，判斷自己的教

17、學方法是否有效，從而進行相應的調整。因此，每個學生都能各自擁有一套為他們量身定制的個性化學習課程。國內外大學中，較早應用學習分析的案例之一是美國普渡大學的“信號項目”。該項目于 2007年啟動，將數(shù)據從學生信息系統(tǒng)、課程 管理系統(tǒng)和課程成績單中提取出來，按照學習表現(xiàn)分類，從而對那些極有可能不及格或輟學的學生有針對性地提供服務。美國奧蘭治縣的馬鞍峰社區(qū)學院通過它的“高等教育個性化服務助理”或叫 SHERPA (Service-Oriented Higher Education Recommendation Personalization Assistant)系統(tǒng)，運用學生數(shù)據成功實施了個性化教育

18、。該軟件為每個學 生建立詳細檔案，記錄了其完整的在校期間的日程信息、跟隨導師學習的經歷以及其它個人信息；接著對這些信息進行分析，提出對時間管理、課程選擇的建議，以及分析其它有助于學生在學業(yè)上獲得成功的要素。2 .教師角色的變革學習分析技術的運用將使教師不再僅僅是一個“教師”，同時承擔了分析師的角色。傳統(tǒng)意義上的教學主要是經驗式的，教師憑借自己的主觀判斷來選擇教授課程的內容和方式，然后通過一次次的反復實踐來進行驗證。而大數(shù)據時代下的學習分析技術有助于教師從這種傳統(tǒng)的教學模式中解放出來，教師所做的決策將不再是純粹的經驗式判斷，而是建立在數(shù)據分析的基礎上。美國教育發(fā)展中心(Education Dev

19、elopment Center)和學生與技術中心(Center for Children and Technology)對如何利用數(shù)據幫助美國紐約市公立學校的教師進行教學決策開展了研究實踐。他們與一家公司合作，對學生在數(shù)學學習過程中的數(shù)據進行 了記錄與分析，最后生成了可供教師分析的書面報告和網絡報告。書面報告為教師提供了標準的全班學生學習情況的報告，為教師根 據學生的需求分組、關注學生的個體特點等提供了依據。網絡報告則為學校不同層次的員工提供不同層次的信息和重點。九、學習分析技術的應用目前，學習分析技術已經在教學與科研領域開展了應用性探索，主要體現(xiàn)在以下幾個方面：1 .教師角度教師利用學習分析

20、技術可獲得有關學生學習成績、學習過程與學習狀態(tài)等方面的信息，為改進教學提供幫助。例如，利用學習技術系統(tǒng)，教師可以獲得學習者的各種學習數(shù)據包括系統(tǒng)登陸時間、觀看課程視頻的次數(shù)、課程學習消耗的時長和課程作業(yè)的完成效果等，通過分析這些數(shù)據，教師可以對學生的學習興趣、學習態(tài)度、學習進度有深入了解，從而為制定滿足學生學習需求的教學方案提供依據。2 .學生角度學生利用學習分析技術得到的學習分析報告可以幫助其開展自我評價，使學生成為利用數(shù)據發(fā)展自我的主動學習者，從而實現(xiàn)認識自我、發(fā)展自我、規(guī)劃自我的目標。同時,學習分析技術也是學生開展自我導向學習的有效引導工具。通過此方法學生可以分析自 己產生的學習過程數(shù)據

21、，利用可視化方法對先前的學習時間、時長、內容和進度進行回顧并在與同伴的比較中了解自己所處的位置。學習分析技術還可以對高危學習者提出危機 預警提醒，降低學生的輟學率。3 .教育研究者角度利用學習分析技術對學習者學習過程的數(shù)據進行深入分析，發(fā)現(xiàn)每個學習者學習數(shù)據背后隱藏的學習偏好與學習模式，通過對單個學習者的學習模式及學習路徑的了解，進而獲得群體學習特征及規(guī)律，為差異化的學習服務提供可供參考資料。同時學習分析技術也是研究網絡學習過程和效用的工具。長期以來，教育研究者一直無法準確判斷多年來投入到學習 過程中的技術是否實現(xiàn)了應有的目的 ，而學習分析技術恰好彌補了這一研究的缺失，通過分析教育數(shù)據來判斷技

22、術應用真實效果。：9：十、學習分析技術的典型應用案例目前，國外多所大學已經開始開展學習分析的實踐，包括開發(fā)學習分析系統(tǒng)和工具，收 集學習者數(shù)據，分析學習行為模式，對學習進行干預和預測等。下面我們還將以北亞利桑那 大學的GP頷目和澳大利亞 Wollongong大學的SNAP項目為案例進一步介紹學習分析技術的 應用情況。1 .北亞利桑那大學的評價績效狀態(tài)系統(tǒng)GPS(Grade Performance Status)是北亞利桑那大學研發(fā)的線上學生績效評價系統(tǒng)，主要用于評估該校全日制學生的課堂學習績效。系統(tǒng)能夠收集學習者在課堂中的表現(xiàn)評級，并給予相應建議，然后通過郵件發(fā)送給學習者。GP系統(tǒng)郵件主要包括

23、出勤情況、學習成績和課業(yè)問題三，學生收到郵件后應對相關問題給予反饋。GPS系統(tǒng)的工作流程如下：教師登錄到GP隙統(tǒng)后可查詢出勤率、學生評級等信息 ，也可 以對學生的學習情況提供個性化的評價。郵件中除了教師評價外，還可包括重大活動、校歷、事件的提醒以及校園網上資源的鏈接等。郵件發(fā)送后，系統(tǒng)會在學生個人門戶網站上提醒查收，而郵件也會在責任教師的 GP我面中歸檔，使之能及時審查、更新和修改意見。教師可自主設定郵件發(fā)送頻率，通常為一周一封，以避免頻繁發(fā)送郵件導致學生疲于反饋。郵件可以針對單個學生發(fā)送，也可以對班級所有學生發(fā)送。學生通過郵件獲得建議和資源，及時與指導教師溝通交流。GP系統(tǒng)通過這種形式幫助學

24、習者提高他們的學習質量。2 .Wollongong 大學的學習網絡可視化與評估項目“學習網絡可視化與評估項目”是由澳大利亞Wollongong大學領導，多個學校共同參與。項目基于學習分析的理念研發(fā)了學習網絡可視化評估工具(SNAPP)。該軟件可以從學習管理系統(tǒng)中收集學生的學習行為信息如在線時間、下載次數(shù)等；從論壇中提取學習過程中的交流互動數(shù)據，如發(fā)表帖子數(shù)、討論內容、互動頻次等。該項目面向在線學習的學習者利用SNAPP記錄和分析其學習活動情況，使教師在學習的任何階段都能確定學習者的行 為模式，評估對學生的學習網絡，并分析其對學習的影響。這些分析結果可以用于調整教學為學習者提供指導，提高其學習能

25、力。SNAPP可以搜集的論壇中的帖子總數(shù)目、單個用戶的 帖子數(shù)和回復數(shù)，繪制用戶的社交網絡圖等。通過對這些數(shù)據的加工處理，系統(tǒng)可以分析出以下的信息：(1)識別出遠離網絡的學習者，提示教師給予關注；(2)識別出班級中的主要的 信息傳播者，他們是信息交換的節(jié)點；(3)區(qū)分績效良好和不佳的學習者，于學習評估前進 行干預；(4)預測學習社區(qū)在班級中的發(fā)展程度;(5)通過“快照” 提供學習“前”與“后”情況對比，觀察各種活動對學習產生影響，從而優(yōu)化學習活動設計；(6)為學習者觀察自己的 表現(xiàn)提供依據。：10：3 .學習分析視角下的遠程教學交互分析案例研究研究目的：本研究的目的是應用學習分析的思路 ，在開

26、源平臺和工具的支持下，通過 行為數(shù)據分析遠程教學交互過程。本案例試圖展示一個進行學習分析的開源案例，在案例分析中所涉及的平臺和工具均為免費或開源軟件。這些軟件的獲取和使用門檻均較低，可以供遠程教育的研究者和實踐者采用。同時，本案例更多偏重行為數(shù)據的分析。如前所述，內容分析是遠程交互分析的重要研究方法。但本文著重探討的是內容分析之外的行為分析 的可行性。因此，在此案例中沒有涉及內容分析的部分。研究方法：本案例來自中央民族大學2011級的計算機基礎課程，時間為2011年10月至 2012年1月。課程內容包含計算機基礎的基本內容，包括操作系統(tǒng)、Internet應用、Office、多媒體基礎等內容。授

27、課采用混合學習模式，以網絡學習為主，面授僅有6學時，網絡學習持續(xù)12周。教學過程主要依托自行搭建的 Moodle教學平臺進行。來自全校各個院系的106名學生參與了該課程的學習?；谛袨閿?shù)據的學習分析是案例研究的主要方法。其中，著重分析了學生與資源的交互，以及學生與學生的交互。行為數(shù)據是分析的主要依據。對于整 個課程而言，交互過程是較為復雜的。本文的出發(fā)點是嘗試對教學交互進行分析，試圖發(fā)現(xiàn)特定學習階段中的交互規(guī)律，從而證明學習分析對于交互分析的可行性。為此 ，交互分析 中的數(shù)據選取方面做了如下設計：學生與資源的交互數(shù)據選擇了整個教學過程中學生對資源的訪問時間和頻次；學生與學生的交互 數(shù)據選擇了學

28、期開始時學生之間相互認識，建立社 會性聯(lián)系階段的交互數(shù)據。Moodle平臺記錄下來的學生行為數(shù)據構成了本研究的數(shù)據來源。根據兩類交互分析的需要，筆者選擇了不同的分析工具。其中，學生與資源的交互選擇了 Gismo (圖形化學生交互監(jiān)測系統(tǒng) ,Graphical Interactive Student Monitoring System)。Gismo系免費軟件，以Moodle組塊(Block)的形式使用。Gismo通過讀取Moodle數(shù)據庫對學生在線學習情況進行了可視化表征。其中，關于學生資源訪問情況的相關數(shù)據和可視化表征可以成為學生與資源交互的重要解釋，成為教學干預的依據。學生與學生交互的分析選

29、擇了 NodeX電一工具。NodeXL是微軟研究院團隊開發(fā)的開源社會網絡分析工具，其參與者還包括來自斯坦福、康奈爾、牛津、馬里蘭等大學的研究者。與既有社會網絡分析工具不同，NodeXL以Excel模板的形式使用，在功能強大的同時，保證了分析過程的簡便快 捷，可以通過Excel中的數(shù)據直接生成社會網絡圖示。研究過程:Moodle自身記錄了大量在線學習數(shù)據，教師用戶可以在“課程管理”中的“報表”功能中找到這些日志。在本案例中，Moodle記錄下了 62000多條行為 記錄，包含了學習者登錄課程、閱讀課程資料、參與在線活動等多方面的活動情況。這些記錄可以按不同的時間和不同的學習者進行顯示，并可以導出

30、成為文本文件和 Excel文檔進行進一步分析。Moodle記錄下的交互數(shù)據較為完整，為深入分析提供了方便。但由于數(shù)據量大，難以直觀發(fā)現(xiàn)其中包含的規(guī)律，且手工分析有較大難度。為了實施分析，相關工具的引入是必不可少的。(1)學生與學習資源的交互。分析學生與資源的交互情況可以由多個視角展開,Gismo提供了由整體到個體的不同層級的交互情況分析。從宏觀角度，圖2顯示了本課程中學生訪問資源的整體情況，其中橫坐標為訪問日期，縱坐標為訪問頻次。從中觀角度，圖3顯示了不 同模塊的資源被訪問的情況，橫坐標為資源名稱，縱坐標為訪問頻次。 從微觀角度，圖4顯示 了每個學生的資源訪問情況，其中橫坐標為資源名稱，縱坐標

31、為學生的學號，坐標點顏色的深淺則代表訪問量的多少。顏色越深訪問量越多。箍2 ”片皆注的昂體坊同情虎 S3答及找電訪同情況總朝，西十掌生的杳調閨情說(2) 學生與學生的交互對于生生交互的分析。本案例研究了學期初學生彼此認識階段中的社會性交互情況。在此階段中，教師要求學生完善自己的個人信息，包括興趣愛好等。之后，學生通過Moodle中的師生名錄功能訪問其他人的個人信息以實現(xiàn)相互了解。訪問信 息相關的行為數(shù)據在 Moodle中被記錄了下來。下頁圖5是通過NodeXL寸本次學習活動中的交 互分析的結果。NodeXL功能以獨立選項卡的形式顯示。交互數(shù)據被填寫在Excel的數(shù)據欄中，右側 是根據這些交互數(shù)

32、據計算出的社會網絡圖。圖6是對本次學習任務中的交互行為進行聚類的結果，發(fā)現(xiàn)其中一組交互覆蓋了95%的學生(方框框出部分)。圖7是對這一組交互進行進一步分析的結果。討論：通過對在線行為的分析，本研究發(fā)現(xiàn)了一些有意義的交互現(xiàn)象 ，這些現(xiàn)象成為了教學F預的重要依據（1）學生與學習資源的交互。如圖 2模塊1所指的位置所示，課程學習開始時，學生訪問教學 資源較為集中，之后漸漸減少。直到模塊1作業(yè)提交時，學生開始非常頻繁地訪問學習資源 以便及時完成作業(yè)。這種現(xiàn)象說明了學生不能很好管理學習時間，控制在線學習的過程。針對這一情況，教師與學生一同進行了對學習過程的反思，其中強調了在線學習中時間管理與傳統(tǒng)課堂學習

33、的不同。學生對在線學習的進度管理有所進步。整個學習過程中，資源訪問的最高峰發(fā)生在學期大作業(yè)提交的最后期限。（2）學生與學生的交互。圖6呈現(xiàn)了學習活動中生生交互的整體圖景。其中 ，可以較為清晰 地發(fā)現(xiàn)積極參與活動的學生和游離于活動之外的學生。圖7則體現(xiàn)了生生之間社會性交互的一個重要細節(jié)。這一組中存在兩個核心參與者（B和C）。他們分別屬于不同的院系，與其他學生的交互次數(shù)最多。同時，存在一個學生（A）起到了橋（Bridge）的作用。A學生雖然沒有與 其他學生有頻繁交互，但與兩個核心參與者都有交互?；谶@一發(fā)現(xiàn)，進一步對A學生進行訪談了解到，他與兩個核心參與者因不同的原因相熟。于是，教師請A學生介紹 的口C認識。在后期的學習中，B和C在多項活動中有積極交互，并對整個班級的在線學習起到了積極影響。通過以上分析可以看出，在開源工具和平臺的支持下，可以應用學習分析的思想對遠 程教學交互進行基于行為數(shù)據的分析。這些分析并非完備，但能夠解釋一些教學現(xiàn)象，幫助教學者了解遠程教學的發(fā)展過程，并為教學干預提供了可能。卜一、學習分析技術的未來發(fā)展前景1 .向教師、學生及課程管理人員及時反饋相關系統(tǒng)在搜集大量的數(shù)據后利用學習分析 技術進行分析，將分析結