国际学习分析技术研究进展与趋势分析

打开文本图片集

【关键词】  文献综述;话语分析;学习预警;多模态数据分析;数据挖掘;大数据;学术期刊;开放获取

【中图分类号】  G443      【文献标识码】  A      【文章编号】 1009-458x（2019）3-0014-09

一、引言

随着各种学习管理系统和网络教学工具的使用，可访问数据的数量逐渐增长，新的数据源不断涌现，为此教育领域奠定了深厚的数据和分析基础。知识建模和表征、Web语义、数据挖掘和分析等新兴领域的技术对全方位的学习分析产生了重要的影响。

当前，国内很多学者都在积极探索和发展学习分析技术。顾小清等（2012）介绍了发展比较成熟的学习分析关键技术，包括网络分析法、话语分析法和内容分析法，并指出研究者需要找准切入点并选择适当的研究方法和技术分析学习过程。魏顺平（2013）归纳了一系列数据挖掘方法，包括统计分析与可视化、聚类、预测、关系挖掘、文本挖掘等，同时介绍了常见的学习分析工具，如NVivo、LIWC、UCINET等。何克抗（2016）着重从学习分析系统、教学行为分析系统、个性化自适应学习系统、基于学习元平台的生成性课程设计与实施四个方面介绍了学习分析技术在国内外（主要是国内）的应用与发展。近年来，有学者开始利用不同的文献数据源进行学习分析技术研究综述。吴青等（2015）选择近五年以“学习分析”为关键词发表在CSSCI来源期刊的国内相关学术文献，以“learning analytics”为关键词在国际会议论文、研究系列报告、SSCI国际权威学术期刊、Google Scholar 检索国外相关文献，归纳出学习分析的研究目标，提出了学习分析的研究趋势和挑战。曹帅等（2016）对2011年至2015年“学习分析技术与知识”国际会议的论文进行了文本挖掘和内容分析，总结出学习分析技术的研究现状和发展趋势以及面临的挑战。牟智佳等（2016）以国外多个数据库论文为研究样本来源，从研究者国籍、关键词和研究主题三方面进行了学习分析相关文献分析，并对五类主要研究主题内容进行了评述。

Journal of Learning Analytics（学习分析杂志）是一本经过同行评审的开放获取的期刊。该期刊是学习分析研究学会（Society for Learning Analytics Research， SoLAR）的官方出版物，它是第一本专门收集、分析和报告教育数据的期刊，发表了大量学习分析技术领域的优秀成果，旨在改进学习，引进教育、计算与传感技术领域的对话，将研究人员、开发人员与实践者联系起来，创建和传播新的工具和技术，对概念、技术和实践成果进行持续地评估和改善。本研究在Journal of Learning Analytics官网上（http：//learning-analytics.info/）下载了2014年至2016年全部期刊，去除每一期的总刊，总计剩余112篇文章。研究者尝试通过对文章的梳理和分析，厘清学习分析技术的内涵特征，把握学习分析热点研究主题，提出未来发展趋势。

二、学习分析技术的概念梳理

对于学习分析技术的内涵，学术界尚无统一的概念。从学习分析受益者角度出发，Monika Andergassen等（2014）认为学习分析能够服务不同的数据群体，包括学生、教师、学习管理系统开发者和提供者，通过智能技术，采集、分析、应用用户生成的数据，预测学生在教育中的学习表现，以此来了解学生如何学习和推进学习管理系统的发展。从学习分析的主要研究领域来看，Abelardo Pardo等（2014）通过研究发现，学习分析主要侧重于学习环境的适应领域的研究（40%）、监测与分析（33%）、评估与反馈（13%）和学生成绩的预测（12%）。从学习分析的学科性质来看，Geraldine Gray等（2014）指出目前大学教育在發挥学术潜力、开发探索和识别数据能力方面面临诸多挑战，而学习分析是一个不断发展的学科，它可以促进教育数据分析，分析的结果有助于更好地理解学习过程，从而减少诸多问题。从提升学生个体表现来看，Carlos Mooy等（2014）认为学习分析是通过测量学生在网络学习系统中的数据，发现学生存在的问题，利用高效教学方式帮助学习者解决困难，提升学生课程表现，并为学校管理者和政策制定者提供实践依据。

综上所述，学习分析是服务教学的一种方法或手段，它的核心服务对象是学习者，主要是指教师利用多种分析技术和数据挖掘方法，分析学习者的行为数据，预测学习进展，发现潜在问题并及时提出解决方案，从而做出准确的教育教学决策。学习分析的特征主要体现在以下四点：

1. 多样性的数据来源

首先，学习分析的数据收集对象众多，包括学生、家长、教师、学校领导、决策者和技术提供者等。其次，学习分析的数据收集平台众多，包括学习管理系统、学生档案系统、正式和非正式的在线学习空间（Dawson， S.， & Mirriahi， N.， 2015）。海量的数据为学习分析提供了巨大的发展空间，通过对数据源的标准化处理，将数据划分进不同的系统框架，便于后期的应用。

2. 完整的分析过程

完整的分析过程包括数据的收集、整合、分析、应用和调整优化。首先是数据的收集，包括学生使用移动终端、电脑、平板等设备在各类学习系统和空间中产生的数据以及其他系统处理好的学生课程、考试成绩（Lowes， S.， & Peiy， L.， 2015）等数据。其次通过整合所需数据，以便进行数据分析，根据分析结果，预测学生未来的学习表现，方便教师和管理者及时为学习者提供合适的干预措施。最后根据应用结果进行及时调整，实现各阶段无缝连接。