论文部分内容阅读
在线教育存在参与度低、学习效果不佳的问题,呼吁更加精准化的在线学习支持服务。综合考虑在线学习者规模和服务人员人力、成本投入等的限制,基于数据分析的学习者群体识别将有助于精准化的在线学习支持服务实现。因此,本研究为了实现更加精准化的在线学习支持服务,借助学习者画像在群体识别及其特征分析上的应用价值,聚焦于在线学习支持服务“如何支持”学习者的问题,开展基于学习者画像的在线学习支持服务策略设计研究,并进行案例实践分析。在理论研究阶段,主要以文献研究法为主进行在线学习支持服务策略设计研究。首先基于在线学习者特征分析和数据收集阶段的考虑从“基本属性——行为属性——结果属性”三个维度构建了适用于在线学习支持服务策略设计的在线学习者画像模型及其构建流程。然后通过对国际上10个典型学习分析框架的分析,进行了基于学习分析的在线学习支持服务内容研究,得到了四类典型的在线学习支持服务内容,即学习反馈服务、学习预警服务、学习干预服务以及个性化学习推荐服务,作为在线学习支持服务策略设计的基础。最后以精准性、动态性、及时性、成本控制和可实施性为原则,将群体化、过程化作为设计思路,进行了基于学习者画像的在线学习支持服务策略设计框架的构建,该框架利用学习者画像分析进行学习者群体识别并分析不同群体的服务偏好、行为特征,再综合考虑成本、技术等环境因素,为不同的学习者群体选择合适的服务内容及其服务方式。其中,画像分析在学习过程的“学习前”“学习中”“学习后”三个阶段动态开展,最终对应生成基于服务偏好、行为特征、学业表现的服务策略报告,为相关支持服务人员在教学过程中提供服务实施依据。在应用研究阶段,采用个案研究法,在理论研究的基础上进行案例实践分析。本研究选取上海开放大学2018年秋学期的一门在线课程,依据在线学习者画像模型及其构建流程通过问卷和平台日志进行学生数据的收集和画像建模,并在基于学习者画像的在线学习支持服务策略设计框架的指导下,运用描述性分析、相关分析、聚类分析的数据分析方法在学习前、学习中、学习后三个阶段分别利用画像标签进行画像分析,发现:学习前,高学历者和低学历者在预警服务和干预服务上的偏好存在显著的不同;学习中,学习者被分为活跃者、资源爱好者、作业热衷者以及沉闷者;学习后,资源访问次数和时长与形考成绩存在显著性相关。基于画像分析结果进行对应的服务内容和方式的选择,最终形成了三份可视化的策略报告。最后以相关支持服务人员和学习者为研究对象、以问卷调查法和访谈法为研究方法进行了评估,支持服务人员评估结果肯定了本研究提出的策略设计方法在全面考虑学习者特征的基础上能有效实现精准化的支持服务且认为最终的策略报告有助于提高教学效果,同时也提出了一些待改进的地方。学习者评估结果则肯定了所设计的在线学习支持服务在一定程度上能有效的提高学习体验、促进学习参与和改善学业成绩。