基于学习分析高校课程教学模式探索.docVIP

基于学习分析高校课程教学模式探索 　　摘 要：学生在课程教学的过程中会持续产生海量的学习数据，充分分析和挖掘这些数据能够更清楚地了解学生的学习特点和规律，进而提升课程的教学效果和教育服务质量。本文针对高校课程教学过程中存在的问题，阐述学习分析技术在高校课程教学过程中的必要性和可行性，提出一种整合学习分析过程的迭代式课程教学模式，并详细分析该模式中各个环节的主要任务和相关的技术，最后指出该模式在现实应用中面临的挑战。 　　关键词：学习数据；学习分析；教学质量；高校课程教学 　　中图分类号：G434 文献标志码：A 文章编号：1673-8454（2017）23-0021-05 　　“不得不承认，对于学生，我们知道得太少”，这是卡内基梅隆大学教育学院的经典口号之一，也是美国十大教育年会中出现频率最高的核心议题。传统的以课堂授课为主的教学模式，学生的学习数据反馈渠道有限，数据量过小，教师通常依赖于个人经验来了解学生的学习特点和情况。然而，互联网、云计算等信息技术的飞速发展和普及，深刻地改变了人类的学习方式，在线学习已经成为了一种常态。学生在这种高度开放的、自主式的学习环境中学习会产生海量的、个性化的学习数据，通过深入分析和挖掘这些数据中隐藏的信息，使教育的过程性考察成为可能，透过这些真实的数据更能发现教与学的关系并使其相互促进。 　　学习分析（Learning analytics）是教育技术领域中迅速发展的新热点，它是运用先进的分析方法和工具预测学习结果、诊断学习中发生的问题、优化学习效果等一系列教学技术的集合[1]。学习分析技术是围绕与学习者学习信息相关的数据，运用不同的分析方法和数据模型来解释这些数据，根据解释的结果来探究学习者的学习过程与情景，发现学习规律；或者根据数据阐释学习者的学习表现，为其提供相应反馈，从而促进更有效学习的技术。在“互联网+”蓬勃发展的环境下，各种在线教学平台应运而生，这些平台的便利性和开放性使与教学相关的数据更易获取，这为深度挖掘教育大数据，提升教学质量提供了坚实的数据基础。而在高等学校中由于教学模式相对比较灵活，且大学生更容易采用在线学习作为课程教学的补充，因此高校课程教学成为新环境下运用学习分析技术进行教学改革的前沿阵地。 　　一、国内外研究现状 　　2011年2月底，首届“学习分析与知识国际会议”在加拿大的Banff市举行，会议的主题是学习分析技术在技术、社会和教学等维度的整合。此后，学习分析逐渐成为教育领域的新兴技术，受到各国政府部门和研究人员的密切关注。美国新媒体联盟在2016年的年度报告中指出学习分析技术是促进教育变革的核心技术之一，并有望在未来的几年内被广泛应用。 　　实际上，在“学习分析技术”的概念出现之前，它的核心概念已经在计算机支持的管理教学（Computer-Managed Instruction， CMI）、计算机人机交互和网络科学等领域存在了多年。CMI是用来为个别化教学程序提供支持的管理系统，在20世纪60年代末就开始应用于教育领域，是最早与学习分析技术紧密相关的教育数据应用系统。2004年，在高等教育中出现的“智能导师系统”和“人工智能系统”掀起了“教育数据挖掘”研究的热潮，也促使了学习分析技术这一关注学习者行为的分析技术的诞生。 　　对于学习分析方面的研究，国际上的研究主要集中在三个方面：使用工具软件追踪和记录在线学习行为；关注学习者需求和在线学习环境；挖掘在线学习行为和学习绩效的关系。其中，代表性的工作包括：Lee等人研究了不同网络环境下学习者在线学习过程与学习者个性特征相符的学习策略[2]；Yang和Tsai采用问卷方式进行信息收集，对学习者在线学?中的学习环境偏好和学习信念间的关系进行探讨[3]；Romero等人基于学生学习过程的数据通过使用决策树和神经网络等方法预测学生最后的课程成绩[4]；Alkhattabi等人针对目前在线学习质量不佳的事实，使用Web数据挖掘技术建立了学习质量评价模型[5]；Lo和Shu则通过学习者在线学习的路径、浏览顺序和习惯，推测该学习者可能具有的学习风格和学习偏好，为学习者推荐相应的学习资源[6]。 　　国内的研究工作主要从数据和技术两个维度展开研究。徐红彩和曾祥跃分别对在校大学生和远程学习者的在线学习行为进行调查研究[7，8]；王萍基于edX发布的MOOC开放数据集，从学习者类型、学习者特征、学习者行为三个方面对中国的学习者进行了研究，从多个维度展现MOOC学习的实际状况[9]。李德江等设计与实现了分布式网上学习行为统计系统，详细介绍了如何从分散的客户端采集数据再发送给服务器端进行统计的方法[10]；胡艺龄等人对学习者在线学习行为的建模机制进行了探讨，建立了数据、机制、结果三层次模型，从网络挖掘的角度对学习数据进行