|
本文由《數(shù)字教育》雜志授權(quán)發(fā)布 作者：陳羽潔、張義兵 摘要
關(guān)鍵詞：學習分析；趨勢；統(tǒng)計分析 一、引言學習分析的研究并非信息時代才產(chǎn)生，在線數(shù)據(jù)和大數(shù)據(jù)出現(xiàn)前，就有教育機構(gòu)或個人對學習過程中的數(shù)據(jù)進行分析評估。1969 年始，英國開放大學就對遠程學習者每年的學習成績進行記錄分析[1]；廷托（Tinto）[2] 經(jīng)過持續(xù)20 年的數(shù)據(jù)收集整理，于1997 年發(fā)表了關(guān)于在學率（Retention）影響因素的研究成果。當然，早期這些研究并未對學習分析進行確切的統(tǒng)一化界定。 進入21 世紀后，在網(wǎng)絡興起的大環(huán)境下，一方面產(chǎn)生了對信息爆炸的海量數(shù)據(jù)分析的需求；另一方面也帶來了顯著增強的數(shù)據(jù)處理與計算能力。迫切的需求與可行的技術(shù)支持使學習分析在近十年成為一種“顯學”。該研究領(lǐng)域的形成有兩個標志：一是研究共同體的形成。2011 年塞門斯（Siemens）等知名學者成立學習分析研究協(xié)會(the Society for Learning Analytics Research)。二是學術(shù)會議及雜志《學習分析學雜志》（the Journal of Learning Analytics）的創(chuàng)辦。 學習分析的提出在教育界引起了很大反響， “地平線項目”自2010 年起連續(xù)數(shù)年預測學習分析技術(shù)將在未來成為主流，美國高等教育信息化協(xié)會（EDU-CAUSE）提出的2017 年度十大IT 議題中近一半內(nèi)容都依賴于數(shù)據(jù)預測分析。顯然，學習分析是教育領(lǐng)域中最活躍的問題之一。由于其快速發(fā)展的現(xiàn)狀，國內(nèi)外類似跟蹤新進展的“元研究”也一直有學者做著努力，集中體現(xiàn)在對學習分析環(huán)境、數(shù)據(jù)挖掘方法、研究目標[3]和特定功能如儀表盤的綜述[4]，以及學習分析技術(shù)改造在線學習平臺如MOOCs[5]。國內(nèi)學者對綜述與模型構(gòu)建關(guān)注較多，如吳永和等近年持續(xù)關(guān)注學習分析與知識國際會議并做評述[6]，郁曉華、顧小清等則提出學習分析行為模型[7]。面對學習分析技術(shù)的飛速發(fā)展，只有及時追蹤最新研究，才能迎頭趕上國際學習分析理論、實踐與應用等前沿，從而對中國的教育改革、教育技術(shù)等領(lǐng)域的理論與實踐有一定的指導、借鑒與啟示。
二、研究過程與方法（一）研究對象的選擇 本研究聚焦近年學習分析研究，樣本數(shù)據(jù)來自Webof Science 數(shù)據(jù)庫（簡稱WOS）及2015—2017年國際學習分析與知識會議（Learning Analytics & KnowledgeConference，簡稱LAK）。 選取WOS 數(shù)據(jù)庫的原因： 一是WOS 核心合集收錄核心期刊與重要會議的文章，近年WOS 數(shù)據(jù)庫中收錄的與學習分析相關(guān)的文章涵蓋了國際學習分析領(lǐng)域的新動態(tài)。 二是WOS 數(shù)據(jù)庫內(nèi)的數(shù)據(jù)方便運用CiteSpace 自動化分析當下的趨勢與熱點。 選用LAK 關(guān)鍵詞的原因： 一是每年學習分析研究協(xié)會在各國組織國際學習分析與知識會議，說明該會議影響力大、持續(xù)性強，反映國際學習分析的發(fā)展方向。 二是該協(xié)會是國際學習分析的鼻祖，會議上的研究成果往往相對權(quán)威。 （二）研究方法 以知識圖譜、聚類分析對文獻進行定量分析。用CiteSpaceV 及人工整理論文關(guān)鍵詞。其中CiteSpace V 用以找出近三年該領(lǐng)域內(nèi)的核心活躍作者和研究趨勢；對會議論文關(guān)鍵詞采集，再歸類統(tǒng)計，歸納走勢，繼而整體分析。處理會議論文關(guān)鍵詞中的近義詞，方法是將其譯成中文并歸為一類。如Writing和Writing Analytics 都歸為寫作分析，StudentRetention、Retention 和LearningRetention 都表示同一意思，即在學率。 三、數(shù)據(jù)統(tǒng)計與結(jié)果（一）基于CiteSpace 的分析 1. 基于共被引文獻的領(lǐng)域代表人物分析 在WOS 中進行自定義檢索， 主題：Learning Analytics，排除會議名稱：LAK，文獻類型：Article， 時間跨度：2015—2017 年，索引：SCI-EXPANDED、SSCI、A& HCI、CPCI-S、CPCI-SSH、ESCI、CCR-EXPANDED、IC。共得600 條檢索結(jié)果。將數(shù)據(jù)導入CiteSpace V，“Time Slicing” 設為2015— 2017 年，時間分區(qū)1 年，“Node Types”選定“Cit-edReference”。運行軟件后得到包含159 個節(jié)點和417 條連線的關(guān)系圖譜。通過研究發(fā)現(xiàn)，塞門斯（Siemens）、弗格森（Ferguson）、邁克菲迪恩（Macfadyen）在學習分析領(lǐng)域相對較有影響力。 2. 基于主題與關(guān)鍵詞的共現(xiàn)分析 “NodeTypes” 選定“Author” 和“Term” 運行得到122 個節(jié)點和371條連線的關(guān)系圖譜。由此， 學習分析、機器學習、大數(shù)據(jù)分析、模型、算法、框架、網(wǎng)絡、績效、系統(tǒng)、慕課、環(huán)境、可視化是目前所關(guān)注的熱點與趨勢。故對學習分析的研究更注重分析方法及應用。 （二）基于關(guān)鍵詞統(tǒng)計的整理與分析 對各年份所有關(guān)鍵詞進一步整合歸類，篩選高頻關(guān)鍵詞，大致得到2015—2017 年國際學者對學習分析關(guān)注點的大致分布，如表1、表2、表3 所示。 四、分析與討論學習分析的發(fā)展需多角度看未來走勢。據(jù)上文，數(shù)據(jù)同時參考格瑞勒（Greller）和德雷斯勒（Drachsler）[8] 提出的學習分析通用設計框架，該框架劃分出學習分析的幾大重要維度，分別是關(guān)益者（如學生、教師用戶）、目標（如數(shù)據(jù)使用目的）、數(shù)據(jù)、工具、內(nèi)部與外部限制（如用戶隱私、解讀數(shù)據(jù)結(jié)果的能力等），這一歸納方式被廣泛采用，本文也將參考類似角度， 將學習分析未來趨勢從對象、學習環(huán)境、應用領(lǐng)域、數(shù)據(jù)來源這四方面做出闡述。 （一）趨勢之一：關(guān)注面向基礎課程的多維度量化分析，閱讀與寫作的分析是突破口 現(xiàn)階段學習分析的學段應用范圍基本囊括高等教育、職業(yè)中等教育及基礎教育（如表1）。從近年報告及研究中發(fā)現(xiàn)學習分析與K-12 基礎教育有著密切與特別的關(guān)系[9]。然而尤其在基礎教育領(lǐng)域中學習分析應用卻僅單方面關(guān)注學生學習的最終結(jié)果，如在學習上存在潛在風險的學生只會收到多條低水平的總結(jié)性反饋評價，而缺乏詳細多維的指導性反饋信息[10]。故未來學習分析的發(fā)展趨勢將走向內(nèi)容上多維度的量化分析，并在閱讀與寫作學習上的進展尤為迅猛（如表1）。 多維度量化指從不同切入點與角度對學習行為進行分析，包括從不同學科視角、不同關(guān)益者視角等給予全面的指導性反饋。表1 數(shù)據(jù)表明，當下學習分析以學生及教師用戶為主，應用集中在寫作學習、閱讀訓練等語言文字學習上，其分析重點在于按不同角度解析的寫作內(nèi)容，包括分析詞匯復雜性、修辭水平等，以此了解學生理解程度，同時反思教師教學過程。如岑（Shum）[11]等基于學習分析及相關(guān)語料庫等設計寫作分析的軟件。運用施樂增量解析器（XeroxIncre-mental Parser）作為語言分析引擎，據(jù)學生文章中詞匯類別、修辭手法、字符、情感表露等進行自動化分析。從中看出，學習分析是促進教與學的工具與手段，帶有彈性和靈活性，是對關(guān)鍵技術(shù)的掌控和學習過程的考量，它有機地將學習分析嵌入學習過程，意味著未來學習分析的分析維度走向多課程、多內(nèi)容量化， 提供形成性反饋。 故未來寫作教學將有可能是學習分析研究的突破口。以相關(guān)技術(shù)發(fā)展、模型構(gòu)建為起點，根據(jù)學生寫作的文字構(gòu)造、修辭解析等智能化理解學生寫作，從而挖掘更深刻信息，由此引領(lǐng)語言文字教學視角下的學習分析，乃至其他學科。 （二）趨勢之二：強調(diào)基于協(xié)作交互的混合分析環(huán)境，交互與協(xié)作的分析是突破口 學習分析以挖掘“數(shù)字痕跡”（Digital Traces） 分析學習行為，洞察教育實踐[12]。因而過去學習分析研究集中在單純網(wǎng)絡數(shù)字環(huán)境中收集日志數(shù)據(jù)。然而僅以網(wǎng)絡環(huán)境無法全面準確地分析，線下學習仍為學習的主體。研究發(fā)現(xiàn)近年學習分析呈現(xiàn)出多平臺融合的分析環(huán)境，包括線上與線下（如表2）。因此，未來學習分析走向?qū)⒏粗鼐€下面對面及網(wǎng)絡相交織的交互環(huán)境。 協(xié)作交互的混合分析環(huán)境指以協(xié)作與具身交互為基礎的學習環(huán)境，包含自然線下學習同時嵌入數(shù)字化的網(wǎng)絡環(huán)境。通過表2發(fā)現(xiàn)，近年學習方式偏重協(xié)作學習、網(wǎng)絡學習、具身學習及自適應學習，強調(diào)的是混合學習及不同學習社區(qū)平臺，諸多文獻提到實時的學習分析，表明在面對面環(huán)境中應用學習分析技術(shù)的重要性。尤其當學習分析走向基礎課程，研究對象開始向K-12 學生遷移，該年齡段學生更需要面對面互動式的交流，故需要學習分析在傳統(tǒng)課堂環(huán)境中廣泛地應用發(fā)展。近年研究中，國際上涌現(xiàn)出許多與此相關(guān)的學術(shù)實踐研究成果。如Navi Surface的案例，在混合情境下，學生面對面相互良性競爭協(xié)作，獲取電子屏幕上“勛章”，點擊內(nèi)容解析，提高學生成就意識[13]。因此意味著學習分析的發(fā)展將不僅僅停留在計算機背后的數(shù)據(jù)及網(wǎng)絡環(huán)境，而是展現(xiàn)出基于同伴協(xié)作的線下面對面的交互數(shù)據(jù)，是更為廣闊的混合分析環(huán)境。 有效面對面交流和協(xié)作技巧的發(fā)展是21世紀就業(yè)力和學習力最重要的競爭和表現(xiàn)[14]。以此預測，除線上網(wǎng)絡環(huán)境外，在面對面情境下如何加強學習分析， 促進學生面對面交流也是未來發(fā)展的趨勢。 （三）趨勢之三：運用基于自然用戶界面的實時分析工具，傳感器與儀表盤是突破口 隨著硬件設備的顯著優(yōu)化與技術(shù)提高，學習分析工具的操作界面可視化且簡便。不同于教育數(shù)據(jù)挖掘?qū)ふ覕?shù)據(jù)新模式，開發(fā)新算法和模型，學習分析側(cè)重于將預測模型應用到教學系統(tǒng)中[15]，是學習行為背后的分析及決策，故更重視分析工具的應用與體驗。過去對學習行為分析往往相對滯后，等學生完成學習、線上數(shù)據(jù)收集完全后進而分析，缺乏時效性，而在具身交互學習的發(fā)展浪潮驅(qū)動下，運用實時分析工具，為師生提供更有價值的積極反饋是未來發(fā)展趨勢。 由表2、表3 數(shù)據(jù)可知，如今體感交互盛行，具身學習環(huán)境下人機交互，如基于筆觸的自動計算、可穿戴設備、觸摸式桌面等占相當大詞頻，是未來走向。馬爾多納多（Maldonado）等[16]運用學習分析技術(shù)與自然用戶界面（Natural User Interface，簡稱NUI） 嵌入，構(gòu)建智能化學習分析工具，相關(guān)傳感器接受學習數(shù)據(jù)，可視化形成圖表傳遞到教師儀表盤為教師提供反饋信息。如有的學校構(gòu)建多觸摸板（Multi-Surface） 教室環(huán)境，由4-5個大型連通的桌面顯示屏和幾個垂直懸掛的電子顯示器組成。而每個桌面顯示屏都有Kinect體感傳感器在每臺設備上捕獲學生行為數(shù)據(jù)。所有設備都被教師的平板儀表盤控制，可視化數(shù)據(jù)為教學迭代設計提供證據(jù)。這里觸摸版技術(shù)是關(guān)鍵，是未來需研究和加強的技術(shù)要點。 無論是線上或線下的學習，如今研究開始關(guān)注無延時實時分析，也即學生產(chǎn)生學習數(shù)據(jù)的同時，教師能立馬收到學習數(shù)據(jù)并且相關(guān)的技術(shù)馬上生成可視化展示板。教師第一時間得到學生的數(shù)字學習痕跡可視化展現(xiàn), 以便做出教學判斷。 （四）趨勢之四：采用多樣化的數(shù)據(jù)來源與分析方式，基于具身化的數(shù)據(jù)是突破口 學習分析數(shù)據(jù)來源從線上到線下，從網(wǎng)絡日志數(shù)據(jù)到身體行為變化捕捉，數(shù)據(jù)獲取由單一網(wǎng)絡到貼近學生真實學習過程細節(jié)，尤其具身認知作為近年學習科學及心理學等領(lǐng)域研究熱點，從身體行為映射學習態(tài)度，全面多樣化的數(shù)據(jù)采集將是未來的趨勢。 由表3 數(shù)據(jù)可知，學習分析數(shù)據(jù)來源多樣，學習日志、運動數(shù)據(jù)、網(wǎng)絡學習中鼠標點擊流也作為數(shù)據(jù)來源開始被專家學者運用。甚至對眼動的追蹤，學生的舉動都能被記錄下來作為分析的數(shù)據(jù)源，這是未來學習分析發(fā)展的潮流。在較多研究中用到多模型（Multi-Modal）學習分析[17]，如眼動追蹤（MobileEye Tracker）和聯(lián)合視覺注意（Joint VisualAtten-tion，簡稱JVA）。實驗發(fā)現(xiàn)，JVA 可關(guān)聯(lián)學生的協(xié)作學習質(zhì)量，反映學生問題解決的績效水平和學習收獲。這些數(shù)據(jù)能在實時交互中幫助教師決定哪個小組需要幫助。對學習分析而言，其數(shù)據(jù)源的豐富，也表明其分析方式越來越龐大，對學習的促進和改善也相應出現(xiàn)更多分析思路與方法。 在具身認知環(huán)境中的分析將是重要突破口。學習本身應將身體、思維與環(huán)境三者融合，隨著軟硬件的提高，具身認知環(huán)境將提供更多不同的數(shù)據(jù)源作為學習分析的進一步支持。
五、結(jié)語目前學習分析研究處于上升階段，研究偏向基礎應用與發(fā)展創(chuàng)新。隨著教育信息化和大數(shù)據(jù)處理技術(shù)的發(fā)展，學習分析研究越來越以技術(shù)為導向，各平臺與工具層出不窮，涵蓋各類學習環(huán)境，真實再現(xiàn)無縫學習，但對實踐者而言，其使用感和交互性是否友好仍有待考量，學習分析是挑戰(zhàn)與潛力兼具的研究領(lǐng)域方向，其發(fā)展和應用，更需要進一步有針對性的思考與探究。 （一）返璞歸真——追求技術(shù)上的平衡 如今學習分析較大程度依托教育大數(shù)據(jù)，分析算法及相關(guān)模型，是對教育數(shù)據(jù)深度挖掘后的解決方法。在一線實踐中運用學習分析工具依靠現(xiàn)代化智能設備，無形中增加了一線教師負擔。同時，若過分依賴技術(shù)平臺則會在一定程度上忽視師生及生生間的交流。故目前學習分析需找到技術(shù)或環(huán)境上的平衡點，使技術(shù)應用與線下傳統(tǒng)教學相平衡?？上驳氖?，目前在傳統(tǒng)面對面教學中運用線下學習分析也是趨勢所在。學習分析的興起與發(fā)展并不意味著對傳統(tǒng)教學的摒棄，而是將傳統(tǒng)教學與學習分析技術(shù)進行有機結(jié)合。 （二）適時運用——注重學生素養(yǎng)提高 21 世紀學生素養(yǎng)培養(yǎng)乃當下重要課題，這些素養(yǎng)包括學生解決問題能力、批判性思維、面對面交流能力等，如何通過學習分析對學生素養(yǎng)能力評定甚至預測，如何加強，防患于未然，如何從本質(zhì)的、有數(shù)據(jù)證據(jù)的切入口為學生素養(yǎng)提高給出一定分析思路，值得思考與進一步挖掘。故對學習分析的應用應側(cè)重于學生的個人提升，在對學習環(huán)境、學習內(nèi)容、學習方式考量的基礎上，適時適當?shù)剌o以學習分析技術(shù)，而非不分場合與實際，造成資源的浪費與濫用。 （三）應用推廣——強化教師實踐培訓 目前，國內(nèi)外學習分析的研究無論在理論或?qū)嵺`上，依舊處在探索與發(fā)展時期。國外學者對學習分析技術(shù)的研究和創(chuàng)新相對更豐富，當然，我國學者也在積極探索與傳播，做了大量的綜述工作，介紹和思辨學習分析，但在設計與實踐上確實較少，其原因一方面在于相關(guān)先進技術(shù)的掌握上可能稍顯滯后，另一方面在于一線教師對此關(guān)注不夠，應用不多，自然相關(guān)的實踐研究也做得較少。因此國內(nèi)提高對學習分析研究需要逐步且廣泛地推進，為教師提供一定的理論與實踐的相關(guān)培訓，以便全面推廣與應用。 參考文獻： [1]SAWYER K.The Cambridge Handbook of the Learning Sci-ences [M].New York:Cambridge University Press,2014. [2]TINTO V.Classrooms as Communities：Exploring the Educa-tional Character of Student Persistence[J].Journal of Higher Education(S0022-1546)，1997,68(6)：599. [3]PAPAMITSIOU Z,ECONOMIDES A A.Learning Analytics and Educational Data Mining in Practice: A Systematic Literature Review of Empirical Evidence[J].Journal of Educational Tech-nology & Society(S1176-3647),2014,17(4)：49-64. [4] 姜強，趙蔚，李勇帆，等. 基于大數(shù)據(jù)的學習分析儀表盤研究[J]. 中國電化教育，2017，(1)：112-120. [5]SUNAR A,SU W,ABDULLAH N,et al.How Learners’ Interactions Sustain Engagement:a MOOC Case Study[J].IEEE Transactions on Learning Technologies(S1939-1382)，2016： (1)：1. [6][15] 吳永和，陳丹，馬曉玲，等. 學習分析：教育信息化的新浪潮[J]. 遠程教育雜志，2013，(4)：11-19. [7] 郁曉華，顧小清. 學習活動流：一個學習分析的行為模型[J]. 遠程教育雜志，2013，(4)：20-28. [8]GRELLER W， DRACHSLER H.Translating Learning into Numbers:A Generic Framework for Learning Analytics[J]. Educational Technology & Society(S1176-3647),2012,15(3)： 42-57. [9]FERGUSON R.The State of Learning Analytics in 2012:A Review and Future Challenges[J].Knowledge Media Institute the Open University UK(S1753-5255),2012，(2)：35. [10][12]Dragan Ga?evi?,DAWSON S,SIEMENS G. Let’s not Forget: Learning Analytics are about Learning[J].Tech Trends (S8756-3894),2015,59(1)：64-71. [11]Shum,BUCHINGHAM S,et al. Towards Reflective Writing Analytics:Rationale,Methodology and Preliminary Results[J]. Journal of Learning Analytics(S1929-7750),2017，(4)：35. [13]LEE K,TSAI P S,CHAI C S,et al.Students’ Perceptions of Self-Directed Learning and Collaborative Learning with and without Technology[J].Journal of Computer Assisted Learn-ing(S0266-4909),2014,30(5)：425-437. [14][16]MALDONADO M,Roberto,et al. Learning Analytics for Natural User Interfaces[J].Journal of Learning Analytics (S1929-7750),2017，(4)：2. [17]ANDRADE A. Understanding Student Learning Trajectories Using Multimodal Learning Analytics within an Embodied- Interaction Learning Environment[C].International Learning Analytics & Knowledge Conference.ACM,2017：70-79. 作者簡介：陳羽潔（1993— ），女，浙江湖州人，南京師范大學教育科學學院博士研究生，主要研究方向為學習科學；張義兵（1967— ）， 男，江蘇連云港人，南京師范大學教育科學學院教授，博士生導師，主要研究方向為計算機支持下的協(xié)作學習（CSCL）、知識建構(gòu)、中小學信息技術(shù)教育等。 |
|
|
