基于开放教育平台的个性化学习服务系统研究.docVIP

基于开放教育平台的个性化学习服务系统研究 　　摘 要：运用学习分析技术并使用先进的分析工具对在线学习平台数据进行分析与处理，通过分析学生以往的学习状况，预测学生未来时刻的学习状况，从而分析并预判学生在学习过程中可能遇到的问题，有针对性地帮助学生解决学习上的问题，实现个性化学习服务。基于学习分析的学习服务系统利用可视化数据分析报表，为教师、教辅人员及教育管理者及其他相关人员提供全面的学生学习状况的第一手数据，准确及时了解学生学习状况，把握学生学习特点，制定合理的教学计划及教学进度，提高学习服务水平。在研究学习分析技术的基础上，根据开放教育的特点，研究和设计基于开放教育平台的学习服务系统，并进一步通过实验方案设计和运行，验证开放教育学习服务系统的有效性。 　　关键词：学习分析；学习服务系统；开放教育；教育大数据；风险学生 　　中图分类号：G434 文献标志码：A 文章编号：1673-8454（2016）01-0089-05 　　引言 　　至2010年以后E-learning的发展进入了相对成熟期，形成了基本的学习逻辑与框架。Khan Academy获得巨大成功，Moocs的快速发展及广泛推广应用，[1]全球性学习平台的出现，智能终端在教育领域的应用，教育信息可视化，尤其是开放教育平台信息化已经进入了融合发展和创新阶段。[2]随着教育信息可视化的普及与逐渐深入，各类数字化学习系统产生了大量教育信息，即教育大数据分析和运用已成为研究热点。[3-15] 　　2005年戈尔茨坦[8]等首次把成熟的数据分析技术应用到教育领域。随后，不断有国际学者在理论和实践上对此进行了研究和分析。CLOW D 研究了学习分析的内容及步骤；[9]SIMENS G关注学习分析，研究了学习分析的内容、实现的技术及平台，提出通用的学习分析平台及模型。[10，14，15]国内学者郁晓华等试图从学习活动流角度来探讨学习分析的行为模型，侧重考虑了学习来源的多元化及学习活动的持续性问题；[6]马晓玲等学者在其他学者研究的基础上，尝试给出学习分析系统中对象及数据的时空及交互演化。[7] 　　本文通过研究学习分析，尤其在深入分析和研究普渡大学Course Signals系统[7]、北亚利桑那大学的Grade Performance Status系统[8]的基础上，将学习分析的成果应用到开放教育中，用于指导开放教育的过程，使“风险学生”通过学习服务系统顺利完成学习。本文介绍了学习分析技术，并在此基础上设计了学习服务系统，最后结合实验案例探讨基于学习分析的开放教育学习服务系统的科学意义及应用价值。 　　一、学习分析技术 　　1.学习分析概念解析 　　学习分析（Learning Analytics）是“大数据”在教育领域中的应用，是指利用工具测量、收集学生在线学习的数据，建立适当的模型加以分析，评价教与学，预测学生未来的学习表现，为学生提供个性化学习方案，以优化学习和学习环境。[5，10，12]在开放教育领域，学习分析通过分析学生学习中潜在的问题，预测学生的学习表现，以新的方式提高学生的学习参与度和在校率，以及为学生提供高品质和个性化的学习体验。 　　学习分析不同于学术分析，学术分析旨在运用数据分析为教育系统的各级决策提供参考，它侧重于行政管理服务；而学习分析则关注教师和学习，着重于改善教学，学生是最大的受益者，侧重于为学生提供个性化学习服务。表1概括了学习分析要素的基本要求点。 　　2.学习分析模型 　　综合国内外研究人员所提出的分析模型，学习分析过程均包括数据收集及预处理、数据分析及结果输出（预测）。 　　Siemens的学习分析模型包含个性化调整/适应，[6]将数据来源分成学习背景数据和在线学习的学习状态数据，前者是隐性数据，后者是显性数据。而胡艺龄等提出的在线学习行为分析模型分为数据、机制及结果三部分。[5]在结果中加入了干预和自适应引擎，干预主要是指教师、家长、教育管理者从预测结果中判断学生的未来学习情况，对其中学习有困难的“风险学生”进行干预，比如教师调整教学进度及教学内容，导师与学生进行深入谈话、一对一的指导学习，教育管理者可用来判断当前教育决策是否合适，进而确定是否需要进行调整。在线学习行为分析模型主要包括数据、机制和结果三部分。 　　根据学习分析模型，可以把学习分析分为数据采集和处理、数据的应用以及反馈三个过程，这是不断循环的过程。本文主要关注结果模块中的干预部分，结合学习分析，设计符合开放教育特点的干预系统，为学生提供个性化的学习，提高学生的学习积极性和学习能力，从而提高开放教育学生在校率，帮助开放教育学生顺利完成学业甚至提高学生毕业率。 　　二、基于学习分析的开放教育学习服务系统设计 　　1.学习服务系统设计目标