学习分析技术在高等教育中的应用.docxVIP

学习分析技术在高等教育中的应用 一、 学习分析技术 学习分析是近年来教育技术领域快速发展的新热点。它是一种使用先进的教育技术和工具来预测和诊断学习结果、优化学习效果的教育技术组合。虽然传统教学过程中也评估学生成绩、分析教学过程，以提高教学质量，但这些活动中采集的数据往往非常有限，信息化程度不高，而且分析结果用于干预教学的周期过长，效果较差。随着教学资源越来越网络化，以及基于网络的学习方式的普及，我们能够获取的学习行为和学习结果数据也更加丰富。这就为学习分析技术的产生和应用奠定了物质基础，并提出了迫切的需求，使之进入人们的视野并迅速发展。 “学习分析”的理念一经提出，就受到教育界的广泛关注。美国新媒体联盟（NMC）与美国高校教育信息化协会（EDUCAUSE）合作的“地平线项目（The New Media Consortium s Horizon Project）”在其2010和2011两年的年度报告中均预测学习分析技术将在未来的四到五年内成为主流。以“学习分析”为主题的“学习分析技术与知识国际会议”先后于2010年2月和2012年4月召开了两次，会议涉及学习分析技术在技术、社会和教学等维度的整合，以及知识建模和表征、知识工作和分析等领域的现状及发展策略等专题。 二、 学习分析在教学中的运用和运用 目前，学术界对“学习分析”尚未形成一个严密的定义，不同的学者或研究机构对其涵义和外延有不同的理解。加拿大阿塞巴斯卡大学的G.Siemens教授认为：“学习分析是利用数据挖掘成果，学习者产生的数据和分析模型探究信息和社会联系，并且对学习作出预测和建议”。美国高等教育信息化推进组织E-DUCAUSE则认为：学习分析“使用数据和模型预测学生学习进程和绩效以及使用该信息进行干预”。新媒体论坛（NMC）在2011年度的地平线报告中指出：学习分析松散地组合了一系列数据收集工具和分析技术，研究学生的投入情况、绩效和学习进展情况，以期及时将研究结果用于修订课程、教学和评估。 虽然以上专家学者在对学习分析的定义上有一些差异，但在基本概念还是有较为一致的观点，认为学习分析具有以下的特征： (1）多样化的数据来源。用于分析的数据大部分来自LMS、CMS和学生档案库等数据库，也有些来自于学生个人的非正式知识管理系统（如个人主页、博客、微博等）或是学生在传统环境下的数字化学习资料、作业、作品。数据的采集过程应该是自动化的，具有海量的数据规模。 (2）采用现代化的分析工具和分析方法对数据进行加工、挖掘和分析，区别于传统的教学评估模型和评估方法。此外，数据的分析过程也是自动化的，并可根据需求实时反馈分析结果。 (3）提供可视化的分析结果。学习分析的主要目是预测学习结果和提高学习绩效，以可视化和直观化形式显示数据将便于学生和教师对自身情况作出判断。 (4）面向学生和教师。学习分析的直接服务对象是教师和学生，就在线学习过程中发生各种数据提供分析和建议：通过对学习情况的反馈帮助教师提高教学质量、教学水平和职业技能；帮助学生提高学习质量和课程通过率。 对于学习分析的组成要素和应用模型，不同的专家也有不同的见解。Malcolm Brown认为学习分析是教育技术发展的第三次浪潮，其核心在于搜集和分析与学习行为相关的数据，包含数据收集、分析、学习、受益方和干预五个大要素。他强调学习行为是学习分析关注的重心，也是其区别于其他分析方法的标志。学习分析就是要了解学习者的学习情况，如他们在做什么，阅读什么内容，如何加工信息等等。分析可针对学习者个人或者某一群体，也可以两者兼顾。分析结果可以反馈给教师、学习者、管理者，并对教与学的活动进行干预。一般来说，教师和学习者在课程层面应用分析数据，而管理者则应用在更高的组织、部门、制度决策的层面上。 Tanya Elias提出了一个更为复杂的学习分析应用模型（参见图1）。学习分析利用了计算机、人力、理论和组织机构四种技术资源。计算机用于计算处理分析数据，在分析过程中需要人的参与，分析模型以多种理论为指导，并通过组织机构实施决策支持。学习分析以上面四种资源为基础，分为数据收集、信息加工和知识应用三阶段和获取、选择、聚集、预测、使用、优化六种活动，这三个阶段在教学实施过程中不断循环。 G.Siemens从另一个角度提出了学习分析的应用模型（参见图2）。他认为学习分析包括收集、分析、预测和调整几个阶段。从数据来源来看，学习者的数据主要有两类：第一类是学生自己发布的数据，如在微博、Facebook、博客等个人学习环境中发布的状态、帖子及更新，在学习管理系统中的记录等；此外还有一些隐性数据，如用户在各种网站上的个人信息、资料等。另一类数据并不直接来自于学生，而是通过语义化和关联分析等手段，将课程数据、学习者的数据、资料信息都收集起来进行分析得出的再加工数据