基于教育大数据学习分析研究综述.docVIP

基于教育大数据学习分析研究综述 　　摘 要：作为教育大数据的主要学术研究领域，学习分析的发展速度非常之快。泛在网络下的学习大数据高速增长，关于学习分析的研究也随着大数据理念的发展而不断变化。本文通过文献分析法，着重从教育大数据的视角，对国内外学习分析的研究现状进行综述。首先介绍教育大数据背景下学习分析的概念、模型、要素，提出了基于教育大数据的学习分析架构模型，详细分析了不同的学习分析应用领域及其适用的算法技术，最后对学习分析的意义进行了总结。 　　关键词：学习分析；教育大数据；数据挖掘；在线学习 　　中图分类号：G434 文献标志码：A 文章编号：1673-8454（2018）07-0001-06 　　一、引言 　　以慕课等为代表的在线教育的迅猛发展推动了基于大数据的学习分析研究。2012年，美国教育部发布了《通过教育数据挖掘和学习分析改进教与学：问题简介》[1]，指出基于大数据的研究领域：教育数据挖掘和学习分析，从而也推动了学习分析成为近年来教育信息化领域内的热点研究问题。 　　学习分析作?橐桓鲂碌难芯苛煊颍?其主要关注点是如何有效地运用学习分析技术设计、收集、测量、分析与报告学习者数据，理解与优化学习过程及其学习环境，真正实现个性化学习，并为教学决策、学业预警提供支持等。[2]本文基于文献调研，在CNKI数据库中以“学习分析”为关键词，得到检索结果285个，将与本研究相关度较低的手动排除了43个，其中CSSCI和核心期刊共138篇。经过对论文的标题、摘要和主要研究内容的梳理，我们发现目前国内关于学习分析的研究在2015年之前多集中在概念引入、理论介绍、应用现状、模型设计与论证等方面，从2016年开始研究内容涉及了基于大数据的学习分析模型研究、技术基础、分析原理、分析工具、可视化、互操作规范、安全伦理以及实践应用研究等方面。学者顾小清[2，3]、刘三[4，5]、吴永和[6]、孟玲玲[7]、李青[8]、魏顺平[9]等学者从不同角度对学习分析的研究现状和未来发展等做了综述。本文尝试基于教育大数据创新的角度，从学习分析的概念、模型、要素、框架、算法、技术、应用领域等方面对当前的研究进展进行梳理与总结。 　　二、教育大数据概述 　　当今互联网时代，大数据无处不在。大数据一般具有4V的特征，既海量、高速、多样和价值，其本质主要指的是数据的汇聚和关联。教育大数据同样如此。 　　1.含义 　　由于教育数据的复杂性使教育大数据的定义并不十分明确。一般而言，对教育大数据的含义，有狭义和广义两种理解。狭义的教育大数据主要指的是来自在线教育平台上学习者的学习相关数据等；广义的教育大数据指来源于日常教育活动中所有人的所有行为数据。本文中教育大数据主要是狭义理解上的含义。 　　2.分类 　　从数据的来源来分，教育大数据可包括学习者个人信息、学习资源信息（视频、PPT、文档等）、学习者行为信息（学习跟踪、社会交互等）等来自多个来源的异构数据集成。吴永和在2017年“教育大数据应用技术”国际学术研讨会上提出按照人的多重感知模式分析测量记录学习者生物数据，即数据的多模态，如同步记录和分析眼球运动轨迹和关注焦点、脑电和事件相关电位、心电、肌电、皮肤电等生理信号。[10] 　　按数据的存储方式可分为结构化数据和非结构化数据。结构化数据是指可以用数据库二维逻辑表来表现的数据，如学习者基本信息等。非结构化数据是数据结构不规则或不完整，没有预定义的数据模型，其中包括视频、音频、交互信息和知识图谱等。 　　3.特点 　　教育大数据来源各不相同，但其间却有千丝万缕的联系。当前，数以十亿计的数据项已在网络上公布为关联数据，形成一个全球开放数据空间――链接的开放数据云，其中包括来自不同领域的开放数据，如政府和教育机构数据、科学知识和关于各种在线社区的数据。在这链接的开放数据云上也出现了巨大的跨领域知识库，如DBpedia（一个众筹社区努力的结果，从维基百科中抽取结构化信息，并使这些信息可以在网络可用）、Wikidata（维基数据）等。 　　三、学习分析的相关理论 　　1.概念 　　从时间顺序来看，最早的学习分析定义源于美国高等教育信息化协会（EDUCAUSE）的“下一代学习挑战”（Next Generation learning initiative），其中将学习分析定义为“使用数据和模型来预测学生进度和绩效，以及对该信息采取行动的能力”。2011年召开的首届学习分析与知识国际会议（LAK）将学习分析定义为：“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。”[8]LAK会议已经连续举办了7届，2017年第7届LAK会议回到了澳大利亚温哥华举办，有来自32个国家的研究代表项目，全球