反思当下学习分析的不足.docVIP

反思当下学习分析的不足 　　【摘要】随着教育信息化的大面积推广，教育领域的数据急剧膨胀，如何有效利用数据提高教学效率是目前教育部门面临的主要问题，学习分析是解决此问题的重要法宝。笔者在介绍学习分析及其相关概念的基础上，着重反思了大数据背景下学习分析的不足，为今后的学术研究提供参考。 　　【关键词】学习分析 数据挖掘 信息技术与课程整合 　　【中图分类号】G642 【文献标识码】A 【文章编号】2095-3089（2016）06-0233-02 　　一、前言 　　随着信息技术不断发展，教育中技术的应用得到了关注，2012年3月，教育部在《教育信息化十年发展规划（2011-2020年）》中提出，要推动信息技术与教育教学的深度融合，教育信息化得到了大面积的推广。[1]一方面，各种学习技术系统获得并储存了大量的学习者学习行为的数据，这些数据急剧膨胀，已经超出了教育机构的理解和利用能力。另一方面，教育信息化的巨大投资，是否达到了提高学习效果的目的，效益问题面临挑战，于是，学习分析应运而生。学习分析，通过对学生复杂行为数据的挖掘，运用先进的分析方法和工具分析有价值的信息预测学习结果、优化学习效果，对教育决策和个性化教学提供科学的指导。学习分析作为教育技术近年来的新热点，同时，也是促进信息技术与教育教学的深度融合的有效途径。因此，笔者从学习分析的概念入手，反思其在发展中的不足，为后来的学者进行更深层次的研究提供参考。 　　二、学习分析的相关概念 　　最早的学习分析定义源于EDUCAUSE的“下一代学习挑战”，它提出“使用数据和模型预测学生收获和行为，具备处理这些信息的能力”。[2]学习分析与知识国际会议上提出“学习分析是以理解和优化学习及其发生的环境为目的，对学习者及其所处情境的数据进行的测量、收集、分析和报告”。[3]在《地平线报告》中NMC认为：“学习分析是以评估学业成就、预测未来表现、发现潜在问题为目的，对学生产生和收集的大量数据进行阐释的过程”。学术界对于学习分析并未有统一的描述，大多数学者比较认可NMC的定义。笔者认为，学习分析是在“教育数据挖掘”的基础上应运而生的，教育数据挖掘专注于技术层面，过多强调结果自动化反馈，而学习分析的出现弥补了数据挖掘的不足，学习分析更多的是关注情境和特定干预，注重个性化和自适应。学习分析在收集大量数据的基础上，以进行教育决策和实施教育教学为目的，采用先进的分析方法和工具对数据进行分析和加工。 　　三、学习分析的不足 　　1.理论研究只停留在宏观方面 　　我国关于学习分析的研究主要停留在学习外国的理论和技术，只是对其概念、特点、功能等做阐释，没有对微观层面进行研究。学者们没有形成自己独特的理论架构，只是一贯的借用国外的理论，并没有结合中国的教育体系，提出一种适应中国教育发展的学习分析理论体系。 　　2.学习分析与中小学学科课程的整合研究甚少 　　学习分析技术的应用目的是为了提高教与学的效果，因此在教育教学中的应用才能真正的检测其结果。中小学阶段是学生掌握知识、发展能力的重要阶段，因此将学习分析运用其中，可以有效的指导教师教学，学生也能够进行正确的自我评估和诊断，为学生下一阶段有针对性的学习具有重要意义。根据文献分析，学习分析在网络平台、高等教育以及教师培训中应用突出，但是在中小学学习分析与教学和课程的整合并不成熟，有待学者进一步实践。 　　3.没有形成标准的学习分析框架和模型 　　研究学习分析框架和模型的文献不多，且大多数是参照国外的内容搭建而成，研究者并未进行标准化的划分，内容缺乏系统的规整，因此学习分析缺乏一个清晰、系统、可操作的信息模型和体系框架。针对不同学生群体和学习内容，设计个性化的分析模型是研究者努力的目标。 　　4.数据与技术面临挑战 　　学习分析技术是基于计算机或网络的工具获取和分析数据，利用机器来分析学生的学习行为。但是，学生的学习过程是复杂多变的，而且学习是内部心理和内隐思维的过程，并不都能够通过外显的行为表现出来。[4]因此，数据的准确性不能够保证。大数据的爆炸式增长，技术却跟不上脚步。未来十年，非结构化数据量将占据全部数据量的90%，其中教育数据就占极大的比例。大量的非结构化数据在没有人工帮助下难以被计算机处理和理解。[5]不同学习分析工具或者数据采集工具得来的数据的格式或形态能否互相兼容，也值得我们去思考。因此，技术的发展是当下要着手解决的问题。 　　四、总结 　　本研究主要通过对当下学习分析的不足进行反思，对学习分析的发展进行一种初步探索。虽然学习分析的发展面临很多棘手的问题，但是笔者相信，这些问题为学习分析的发展提供了更大的空间，等待着更多专家学者去发掘。 　　参考文献： 　　[1]吴永和，陈丹，马晓玲，曹盼，冯翔，祝智庭. 学习分析