基于学习分析的高校师生在线教学群体行为的实证研究.docVIP

基于学习分析的高校师生在线教学群体行为的实证研究 　　[摘 要] 网络教学中交互行为水平的高低，是影响学习者知识建构水平和学习质量的关键因素，其中学生自主学习行为的发生不是自发的，需要教师教学行为的促进，但是这两者之间具体的作用关系还需要更进一步的探索。本研究选取一所高校，利用网络教学平台中师生行为的表征数据，采用基于学习分析的定量方法研究了网络教学环境中教师群体教学行为与学生群体学习行为的内涵及其之间的关系。结果表明：师生教学交互行为可划分五种类型，即教师的备课行为、教学指导与协助行为、学生阅读行为、学习反馈行为以及生师交互行为；教师网络备课行为直接决定学生的在线阅读行为，教师网络指导与协助行为同样正向影响学生的在线学习反馈行为；教师的备课行为对学生阅读行为的影响程度要高于教师教学指导行为对学生学习反馈行为的影响。学生的学习反馈对师生交互有正向显著影响，而学生的阅读行为与师生交互之间没有发现统计意义上的直接关联关系。 　　[关键词] 网络教学交互； 教师教学行为； 学生学习行为； 学习分析； 结构方程模型 　　[中图分类号] G434 [文献标志码] A 　　一、 研究背景 　　信息技术在教育中的应用正逐步改变教师和学生教与学的行为、方法和策略。在网络教学环境中，教师行为与学生行为的内涵及其相互关系如何，是如何相互影响的？对这些问题的探讨都有助于从中发现网络教学环境中教师与学生行为特点及其变化规律，从而为优化教学策略提供理论基础。目前对师生网络行为的研究多集中于分析课程中学生个体与教师的关系，或者特定院系师生的网络教与学行为，[1]校级层面的研究多是基于问卷调查。[2][3]很少有通过大数据的采集，在师生校级群体层面探讨和分析教学行为的研究。 　　在当前互联网、云计算、移动技术、在线教育的迅速发展下，基于网络的用户大数据研究正引起越来越多的关注，教学环境中的学习分析领域随之产生。[4]在信息化教学环境下，师生行为的大量电子数据都被记录和存储，然而不是所有感兴趣的研究者都能获得这些数据；即使能接触到数据，对这些数据的运用还很有限，[5]且不够有效，经常造成在分析信息和提供反馈上的延迟。[6]大部分教育机构拥有的还仅仅是数据，并没有将数据通过分析转变为有意义的信息。[7] 　　本文试图针对高校网络教学环境中积累的数据进行学习分析，探讨学校层面师生群体教学行为关系，为高校教师制订信息化教学的策略提供实证基础。 　　二、 相关研究 　　（一）学习分析 　　近两年基于大数据的学习分析（Learning Analytics）领域正逐渐引起学者重视。所谓大数据强调数据的大而复杂，以及对过程数据处理的实时性和有效性。[8][9]2011年第一届学习分析与知识国际会议对“学习分析”的定义是：测量、收集、分析和报告关于学习者及其所在学习情境的数据，以便了解和优化学习和学习发生的环境。[10] 　　原始数据是分析的基础，只有采集到数据，并将这些数据赋予意义才能变为信息，信息经过分析和综合形成知识，通过运用知识转变为智慧（学识）。[11]Siemens将数据分为两种，一种是学习者产生的数据，另一种是具有语义的其他相关数据。[12]学习者产生的数据是由学习者使用网络教学平台、个性化学习环境，以及社交网络进行学习活动而产生的数据。网络教学平台是用来管理、记录、跟踪、报告网络教学课程的系统[13]。常见的网络教学平台有：商业型系统，例如清华教育在线（THEOL）、Blackboard；开源系统，如Moodle、Sakai、Drupal等。网络教学平台一般记录的学习行为包括学习者档案、学习者对资源的访问记录、提交的作业、考试的成绩等。个性化学习环境强调学习者的自主管理，其核心功能包括：设定学习目标；自我管理学习过程和学习内容；与学习过程中的其他人交流，记录的学习行为数据与网络教学平台相似。此外，当学习者通过社交网络相互讨论学习时，社交网络便能记录学习者之间的讨论关系和讨论内容的数据。具有语义的其他相关数据，泛指不是学习者产生的、具有语义的教学数据，例如，与课程相关的、与学习内容相关的数据等。 　　教学数据分析技术在教育领域中是一类新兴的技术，但是这类技术已应用于商业和信息技术产业的多个领域，如商业智能分析[14]等。学习分析主要关注教学过程中学生与教师的教学行为，将记录在系统中的教学行为数据经过聚集、分类、关联分析以及可视化等操作，生成实时的数据报告或者利用从行为数据中反映出的常模来生成预测模型。分析技术综合使用统计方法、社会网络分析、教育数据挖掘等。 　　Long和Siemens认为，对未来高等教育影响最大的因素是大数据及其分析。大数据分析可以帮助高等教育机构管理者改善决策过程、优化资源分配，及时发现有困难的学生并提供支持，改变