从“数据”角度解读第六届LAK会议研究案例.docVIP

从“数据”角度解读第六届LAK会议研究案例 　　[摘要]本研究对最新一期的学习分析领域的重要国际会议――学习分析与知识国际会议所收录文章进行梳理与研究，着眼于实证类研究中对数据的收集、处理与呈现过程，从“数据”这个视角解读未来学习分析领域的价值与趋势。 　　[关键词]学习分析；数据；LAK 　　一、研究背景 　　学习分析技术最先出现在商业领域和社交网络领域，是指通过应用数据分析为教育系统的各级决策提供参考。最早以Academic Analysis即“学术分析”这一概念出现。直到2005年，学习促进会发布的报告中首次正式地提出了Learning Analytics――“学习分析”这一概念。 　　当前被广泛使用的定义一是学习分析与知识国际会议年会上对学习分析的界定，即为了理解和优化学习及其发生的环境，对学习者及其所处情境的数据进行收集、分析以及形成报告。二是新媒体联盟在地平线报告中提出的界定，学习分析是以评估学生学业进展，预测未来表现，发现潜在问题和目的，对学生的大量数据进行解释的过程。 　　第六届LAK会议即最新一届会议，于2016年5月在英国爱丁堡大学举办。该次会议主题包括对话分析、学习者模型、可视化分析与仪表盘、机构视角的学习分析、理论概念模型、XAPI等。上述各个主题所收录的研究报告均强调了数据的重要性，大数据为教育宏观与微观决策提供科学可靠的依据。同时又否定了唯数据论的观点，认为只有冰冷的数据被赋予了教育的意义与人文的温度，学习分析才能够在理论与实践中体现最大价值，实现从大数据变为大影响。 　　数据是学习分析得以实现价值的基础，好的数据采集点，好的计算模型以及好的练习样本都是决定学习分析工具能否解决实际教学问题的关键。本研究立足于数据，围绕“数据从何而来”，“数据如何处理”，“数据被用到何处”三个核心问题，对2016年LAK的收录的相关文献进行分析，重点关注实证类文献有关数据的收集、处理与分析的部分，力求回答三个关键问题。旨在通过介绍国际优秀的学习分析案例中对数据的相关处理环节，扩大研究结果的共享价值，从而推进学习分析技术与工具在教学实践中的推广。 　　二、案例分析 　　数据收集 　　学习分析涉及范围十分宽广，既有在线的教学也有线上线下相结合的教学。不同的学习环境，学习的过程数据的采集与捕捉的方式也不尽相同。 　　1.传统课堂 　　长久以来传统课堂的学习的效果、交互、绩效都是以结果数据――考试、平时成绩来进行评估。但是随着对过程的重视，单一的结果数据已经不能够满足大家的需求。因此，眼动仪、动作捕捉等人工智能技术被应用在了教育领域。ShuchiGrover等人为了解决在K12教育中合作学习问题的，通过引进Kinect与Monitors Eye Gaze等仪器工具，捕捉学生的表情、动作、眼神来评估协作学习小组成员的接近性、参与度、共同关注、交流、话题转换、活跃水平全面深入的评价小组协作学习的过程，增加了评价的深度与广度。 　　2.在线学习环境 　　许多高校、中小学一般都拥有功能比较完整的在线学习系统，大部分在线学习系统除了承担在线教学以外，往往还具备一定记录与评价功能。在原有工具基础上，在数据库挖掘相关数据用于描述学生学习过程、教师教学效果。Poquet等人通过将一般的在线行为与课程内容任务进行结合，细分为四个表征指标。观看视频的暂停与播放、视频附问题的回答正确率，课后练习正确率，课程中问题的回答正确率，以此作为预测学生期末考试成绩的预测参考。除了容易通过简单计算得出的数据以外，还有一部分研究者将目光方式在包含等多感情、线索的内容文本上，采用语义分析的现有工具对在线交流以及协作文本进行分析。由此可以衍生出来对学生情感情绪的分析，以及对认知存在感水平的判断与分析。 　　数据处理 　　收集的第一手数据往往无法直接使用，需要通过清洗与计算才能够发挥作用。其中计算是数据处理过程中最为核心的环节。根据使用学习分析技术的目的不同，对数据的计算与处理方式也有所不同。 　　在预警系统或者预测模型中逻辑回归方程、贝叶斯模型是最为常见的算法。密歇根大学的Michael等人将利用逻辑回归方程，根据学生在过去学习活动的发生曲?来推测未来的学习过程中该学习活动发生的可能性，从而预测学生的学习状态发展趋势。 　　而在对预测与评估学生知识掌握程度与智能教学的学习分析工具中，贝叶斯模型则是较为常见的算法。奥地利格拉茨技术大学Behnam等人将贝叶斯模型用于一位数乘法的数学教学中。他们将贝叶斯模型结合机器学习，根据学生出现不同类型错误答案的概率预先判断学生可能存在的观念误区，从而帮助教师提供有针对性的教学干预。以色列本古里安大学的Yossi等人基于贝叶斯模型创造了知识追踪的算法。该算法的变量包括部分学习成绩、多次尝试解决问题