论文部分内容阅读
摘 要:随着大数据时代的来临以及数据获取技术的发展,分析技术日益成熟。学习分析关注于E-learning教与学过程的动态发展,可为教师的教学决策与学生的学习优化提供有力支持,将成为当前在线学习研究与实践的重要技术与方法。文章探讨了学习分析的概念,阐述了学习分析的过程、方法以及应用案例,分析了学习分析应用于在线学习需注意的问题。
关键词:学习分析;在线学习;学习环境
中图分类号:G434 文献标志码:A 文章编号:1673-8454(2014)07-0021-04
随着网络技术的迅猛发展及其在教育领域的广泛应用,在线学习成为了传统学校教育和终身教育的一个重要模式。它以其不受时空限制、资源丰富且开放、服务对象广泛等特征倍受学习者青睐,也得到了研究者的持续关注,从初期研究课堂模式的转变、学习资源丰富性的设计、学习者参与性的激励逐步演变为探究在线学习中学习的发生过程,评估学习者的过程性成果,进而制定个性化的学习方案等,这也为合理地评估教学课程设计质量、优化教学活动设计提供了必要支撑。然而要实现上述目标,通常需要依赖网络后台日志,并运用复杂的数据挖掘技术,通过专业的数据分析软件来实施,这无疑给当今大数据时代提出了挑战。面对网络环境中越来越庞大的数据集,以往分析软件可获取的数据非常有限,需要大量的人力进行筛选与清洗,造成数据可能丢失、研究结果的信度不高、而且分析结果非实时、用于干预周期过长、效果较差等。鉴于此,学习分析技术一经出现就被越来越多的研究机构和研究者所推崇。
美国新媒体联盟(NMC)与美国高校教育信息化协会(EDUCAUSE)在其联合发布的地平线报告(Horizon Report)2011 至2013均提出了基于数据的学习分析技术将在未来的几年内成为主流。随着研究者对学习分析的关注,由社会分析研究协会(SOLAR)组织的第三届学习分析和知识国际会议,于2013 年4 月在比利时的勒芬大学召开,该会议在概念、意义建构上的技术创新、应用和使用案例这三个维度进行探讨,并对学习分析涉及的相关领域和发展前景等前沿问题进行了深入探讨。
一、学习分析的概念
学习分析是近年来迅速发展的一种教学技术,目前学术界对其尚未形成一个统一的界定,不同学者或研究机构给出了多种理解。学习分析专家Siemens(2010年)教授指出,学习分析是利用智能数据、学习者学习过程数据和分析模型去发现信息和社会联系情况,对学习进行预测和建议。2013年的地平线报告认为学习分析是从与学生相关的海量数据中辨别其学习行为发展趋势和模式,以此促进个性化的高等教育支持系统。还有些学者认为学习分析是从不同的学习环境来跟踪学习者与不同的工具和资源的交互数据,使教师和学校为每个接受教育的孩子根据其不同程度的水平和需求提供个性化学习方式,通过适当干预、预测和映射学习过程,为创造更有效的学习经验提供了美好的愿景。
由上可见,专家学者们对学习分析概念的界定存在着一定的差异,但其基本观点仍趋于一致,如学习分析的服务群体面向学生和教师,且具有数据来源多样化、分析工具现代化、结果展示可视化等特点。学习分析专注于如何优化学习环境,并提供了如社会网络分析、连结关系网络等分析工具,能够进行复杂数据的可视化处理,可为在线学习提供有力支持。对于学习者来说,可以于在线学习时监控自己的学习行为,增加自我反思意识、提高学习参与活跃度,从而成为一个更好的学习者。对于教育者及学校而言,利用学习分析可识别困难学习者与改变教师教学方式,为不同需要、能力水平的学生提供合适的教育机会,给予更优的评估路径,帮助学习者最大化地发挥其潜能。
二、学习分析的过程与方法
1.学习分析过程
Diaz和Brown(2012年)认为学习分析是一个反复循环的过程,其中包括:收集数据、存储数据、清理或调整数据、集成相关的数据集、分析数据、数据可视化。Mark van Harmelent(2012年)等根据Diaz等人提出的分析过程的要素,建构了分析过程模型如图所示。由图可知,从机构战略开始到结束是一个不断循环迭代改进的过程。在这个模型中有两个反馈循环需要特别注意:
(1)基于数据分析进行建模的过程,我们注意到在数据收集、数据调查和数据清洗、建模之间存在潜在的反馈。我们所设计或者是构建的模型决定于所获得的数据,当然现有的模型也会影响数据的采集和清理。
(2)分析不应该是一个静态的过程,而是一个循环过程,它根据分析的评价结果(分析任何行动的类型将会影响分析结果)改善分析过程模型。
2.学习分析方法
学习分析是由商业智能、网络分析、教育数据挖掘、学术分析、动作分析等多种学习技术领域综合发展而来,其涵盖了多种分析方法,如认知网络分析和社会网络分析方法。
(1)认知网络分析(ENA)
认知网络分析法是由威斯康星大学麦迪逊分校的David Williamson Shaffer教授根据认知游戏发展而来,是一种学习者在虚拟认知游戏环境中评估认知能力的技术。采用的技术类似于社会网络分析方法(SNA),是在一个互动的空间里,检查、表征、量化关系,研究内部复杂动态关系系统。认知网络分析方法通过定位五大认知元素:技能、知识、个性、价值观和认知论来评估认知框架,建构学习者认知模型。利用认知网络分析,可以检测和衡量在不同的数字化学习环境中学习者的认知思维所发生的变化。
(2)社会网络分析(SNA)
社会网络分析由社会学家根据数学方法、图论等发展起来的定量分析方法,被用来建立社会关系的模型,发现群体内行动者之间的社会关系,学习者在网络课程中的学习成绩、网络模型和社区影响力,描述社会关系的结构,研究这种结构对群体功能或者群体内部个别影响。通常可视化社会网络分析工具有Gephi、NodeXL、Tulip、UCINET、GISMO、SNAPP、Network workbench、Pajek,按其是否开源的特点可以分成表1和表2。
上述表中同时给出了各分析工具对应的数据输出格式和其功能特性,其中在开源的学习分析工具中,UCINET因其功能强大受到很多研究者的关注。而在非开源的学习分析工具中,GISMO、SNAPP的界面友好,且无需了解原数据细节,可以智能化生成可视化网络交互图形,相比其他网络分析工具具有更强的操作性。
三、学习分析的应用案例
国外关于学习分析的研究早期主要聚焦在评价和分析学生在一门课程或项目学习中所面临的困难,根据这些困难设计具有针对性的人工干预方案,以解决学生短期内面临的学习问题。密歇根大学的“E2Coach”项目则根据学生的不同特点量身定制个性化系统,使学习者能够了解自己的学习动机,认识自己的优势和劣势,并帮助他们顺利地完成课程。“E2Coach”项目是在密歇根大学的个性化系统上开发的,是一个相对比较成熟的开源软件。首先在开课前告诉每个学习者这个系统的功能,然后调查学习者专长、教育者和行为专家的建议,最后结合调查的信息,为学习者创建个性化内容。
奥斯汀皮耶州立大学关注于学生的个性化学习,Tristan Denley博士应用学习分析技术设计了“学习导向”模型,该模型为在即将到来的学期选课中,根据学习者现有的学习能力成功地匹配到适合他们自己的课程。该模型系统是根据过去成千上万的学生成绩与每个特定学生的成绩单作比较,最后个性化推荐给每个学生。而里奥萨拉多学院不仅可对学习现状进行分析,还可以根据当前学习情况预测未来的学习趋势,通常学习者在完成8天课程后,即可对其进行分数预测。与之相类似的美国公立大学系统(APUS),研究者对97000名学生参与的在线学习环境进行监控和分析,对他们的入学稳定率进行深入观察。如果学生学习的时间减少,那么可能濒临退学,学校则给出预警信号,使之减少辍学率的上升。
四、学习分析应用于在线学习需注意的问题
学习分析将学习过程的动态以透明的方式呈现出来,给在线学习的研究与实践带来了全新的视角,但同时也带来了一些问题。如隐私和道德问题、研究平台问题、学习分析模型问题。
1.隐私和道德问题
在学习分析这一新的概念出来以后,很多学者都在探究隐私和道德问题。可以说,利用学习分析技术监视学习者的学习行为相当于窥探学生的隐私。为此普渡大学的Campbell提出了两个关键问题:一是谁决定由谁收集什么样的数据;二是教育机构应该有哪些责任去使用这些已经收集好的数据。毫无疑问,数据收集的措施和干预政策将会影响学校的文化、目标以及校训。我们认为将学习分析应用于在线学习时,数据的获取需注意以下几点:
(1)收集的数据应保持可控的范围,不要试图包涵所有方面,如学习者的个人经济状况以及家庭状况等。
(2)建立彼此信任,分析过程清晰。
(3)从多角度参与商议和讨论,从而建立更多的透明机制、规范分析问题、评估风险,以避免不必要的法律纠纷。
2.研究平台问题
首先网络学习平台最好是开源的,这样允许拓展并完善其功能,使其更加多元化。智能手机、平板电脑等的普及应用,随之而来的移动学习以及碎片化学习理念的发展,使得分析数据可获取的数据源越来越多样化,这需要网络平台支持多终端用户的数据分析,统一数据接口与格式,获取数据信息。其次随着在线学习人数的增长,需要分析的数据集也越来越庞大,这对于网络平台的容载性以及分析能力也是一个挑战。最后如何对数据流进行分流处理,快速稳定地对数据分析,都需要在平台设计之初就有所考虑。
3.学习分析模型问题
学习分析模型在在线学习中的应用,我们可以了解到影响学习者在线学习的因素以及在网络教学环境下支持教师的最佳模式,进而可以设计创新型在线教育模式。有学者根据学习分析的目的、要求与方法,从不同角度建构了学习分析的模型,其目的是使分析流程更加规范化。但学习分析涉及到数据挖掘、社会网络分析、数据可视化、机器学习、心理学、语义学、在线学习、教育理论和实践等多方面内容,设计学习分析模型时需从多方面考虑,对已有学习分析模型进行更进一步优化。
五、研究结论
从学习分析的提出到现在才不过三年的时间,但已经发展成为一个非常重要的研究领域。虽然是一个兴新的研究方向,需要解决的问题还很多,但我们相信随着越来越多的人关注学习分析,正如地平线报告所述在未来的两年到三年内将得到广泛应用。而学习分析通过大数据集的获取,挖掘学习者在正式学习、非正式学习或混合学习时的特征价值,为教育主管部门、教育研究者和学习者提供参考与帮助,提高在线学习的绩效评估、过程检测和活动干预,从而对在线学习的有效学习提供了有力的保障。
参考文献:
[1]The New Media consortium.The Horizon Report 2013 Higher Education Edition [EB/OL]. http://www.nmc.org/publications/2013-horizon-report-higher-ed/,2013-06-15.
[2]Third International Conference on Learning Analytics
关键词:学习分析;在线学习;学习环境
中图分类号:G434 文献标志码:A 文章编号:1673-8454(2014)07-0021-04
随着网络技术的迅猛发展及其在教育领域的广泛应用,在线学习成为了传统学校教育和终身教育的一个重要模式。它以其不受时空限制、资源丰富且开放、服务对象广泛等特征倍受学习者青睐,也得到了研究者的持续关注,从初期研究课堂模式的转变、学习资源丰富性的设计、学习者参与性的激励逐步演变为探究在线学习中学习的发生过程,评估学习者的过程性成果,进而制定个性化的学习方案等,这也为合理地评估教学课程设计质量、优化教学活动设计提供了必要支撑。然而要实现上述目标,通常需要依赖网络后台日志,并运用复杂的数据挖掘技术,通过专业的数据分析软件来实施,这无疑给当今大数据时代提出了挑战。面对网络环境中越来越庞大的数据集,以往分析软件可获取的数据非常有限,需要大量的人力进行筛选与清洗,造成数据可能丢失、研究结果的信度不高、而且分析结果非实时、用于干预周期过长、效果较差等。鉴于此,学习分析技术一经出现就被越来越多的研究机构和研究者所推崇。
美国新媒体联盟(NMC)与美国高校教育信息化协会(EDUCAUSE)在其联合发布的地平线报告(Horizon Report)2011 至2013均提出了基于数据的学习分析技术将在未来的几年内成为主流。随着研究者对学习分析的关注,由社会分析研究协会(SOLAR)组织的第三届学习分析和知识国际会议,于2013 年4 月在比利时的勒芬大学召开,该会议在概念、意义建构上的技术创新、应用和使用案例这三个维度进行探讨,并对学习分析涉及的相关领域和发展前景等前沿问题进行了深入探讨。
一、学习分析的概念
学习分析是近年来迅速发展的一种教学技术,目前学术界对其尚未形成一个统一的界定,不同学者或研究机构给出了多种理解。学习分析专家Siemens(2010年)教授指出,学习分析是利用智能数据、学习者学习过程数据和分析模型去发现信息和社会联系情况,对学习进行预测和建议。2013年的地平线报告认为学习分析是从与学生相关的海量数据中辨别其学习行为发展趋势和模式,以此促进个性化的高等教育支持系统。还有些学者认为学习分析是从不同的学习环境来跟踪学习者与不同的工具和资源的交互数据,使教师和学校为每个接受教育的孩子根据其不同程度的水平和需求提供个性化学习方式,通过适当干预、预测和映射学习过程,为创造更有效的学习经验提供了美好的愿景。
由上可见,专家学者们对学习分析概念的界定存在着一定的差异,但其基本观点仍趋于一致,如学习分析的服务群体面向学生和教师,且具有数据来源多样化、分析工具现代化、结果展示可视化等特点。学习分析专注于如何优化学习环境,并提供了如社会网络分析、连结关系网络等分析工具,能够进行复杂数据的可视化处理,可为在线学习提供有力支持。对于学习者来说,可以于在线学习时监控自己的学习行为,增加自我反思意识、提高学习参与活跃度,从而成为一个更好的学习者。对于教育者及学校而言,利用学习分析可识别困难学习者与改变教师教学方式,为不同需要、能力水平的学生提供合适的教育机会,给予更优的评估路径,帮助学习者最大化地发挥其潜能。
二、学习分析的过程与方法
1.学习分析过程
Diaz和Brown(2012年)认为学习分析是一个反复循环的过程,其中包括:收集数据、存储数据、清理或调整数据、集成相关的数据集、分析数据、数据可视化。Mark van Harmelent(2012年)等根据Diaz等人提出的分析过程的要素,建构了分析过程模型如图所示。由图可知,从机构战略开始到结束是一个不断循环迭代改进的过程。在这个模型中有两个反馈循环需要特别注意:
(1)基于数据分析进行建模的过程,我们注意到在数据收集、数据调查和数据清洗、建模之间存在潜在的反馈。我们所设计或者是构建的模型决定于所获得的数据,当然现有的模型也会影响数据的采集和清理。
(2)分析不应该是一个静态的过程,而是一个循环过程,它根据分析的评价结果(分析任何行动的类型将会影响分析结果)改善分析过程模型。
2.学习分析方法
学习分析是由商业智能、网络分析、教育数据挖掘、学术分析、动作分析等多种学习技术领域综合发展而来,其涵盖了多种分析方法,如认知网络分析和社会网络分析方法。
(1)认知网络分析(ENA)
认知网络分析法是由威斯康星大学麦迪逊分校的David Williamson Shaffer教授根据认知游戏发展而来,是一种学习者在虚拟认知游戏环境中评估认知能力的技术。采用的技术类似于社会网络分析方法(SNA),是在一个互动的空间里,检查、表征、量化关系,研究内部复杂动态关系系统。认知网络分析方法通过定位五大认知元素:技能、知识、个性、价值观和认知论来评估认知框架,建构学习者认知模型。利用认知网络分析,可以检测和衡量在不同的数字化学习环境中学习者的认知思维所发生的变化。
(2)社会网络分析(SNA)
社会网络分析由社会学家根据数学方法、图论等发展起来的定量分析方法,被用来建立社会关系的模型,发现群体内行动者之间的社会关系,学习者在网络课程中的学习成绩、网络模型和社区影响力,描述社会关系的结构,研究这种结构对群体功能或者群体内部个别影响。通常可视化社会网络分析工具有Gephi、NodeXL、Tulip、UCINET、GISMO、SNAPP、Network workbench、Pajek,按其是否开源的特点可以分成表1和表2。
上述表中同时给出了各分析工具对应的数据输出格式和其功能特性,其中在开源的学习分析工具中,UCINET因其功能强大受到很多研究者的关注。而在非开源的学习分析工具中,GISMO、SNAPP的界面友好,且无需了解原数据细节,可以智能化生成可视化网络交互图形,相比其他网络分析工具具有更强的操作性。
三、学习分析的应用案例
国外关于学习分析的研究早期主要聚焦在评价和分析学生在一门课程或项目学习中所面临的困难,根据这些困难设计具有针对性的人工干预方案,以解决学生短期内面临的学习问题。密歇根大学的“E2Coach”项目则根据学生的不同特点量身定制个性化系统,使学习者能够了解自己的学习动机,认识自己的优势和劣势,并帮助他们顺利地完成课程。“E2Coach”项目是在密歇根大学的个性化系统上开发的,是一个相对比较成熟的开源软件。首先在开课前告诉每个学习者这个系统的功能,然后调查学习者专长、教育者和行为专家的建议,最后结合调查的信息,为学习者创建个性化内容。
奥斯汀皮耶州立大学关注于学生的个性化学习,Tristan Denley博士应用学习分析技术设计了“学习导向”模型,该模型为在即将到来的学期选课中,根据学习者现有的学习能力成功地匹配到适合他们自己的课程。该模型系统是根据过去成千上万的学生成绩与每个特定学生的成绩单作比较,最后个性化推荐给每个学生。而里奥萨拉多学院不仅可对学习现状进行分析,还可以根据当前学习情况预测未来的学习趋势,通常学习者在完成8天课程后,即可对其进行分数预测。与之相类似的美国公立大学系统(APUS),研究者对97000名学生参与的在线学习环境进行监控和分析,对他们的入学稳定率进行深入观察。如果学生学习的时间减少,那么可能濒临退学,学校则给出预警信号,使之减少辍学率的上升。
四、学习分析应用于在线学习需注意的问题
学习分析将学习过程的动态以透明的方式呈现出来,给在线学习的研究与实践带来了全新的视角,但同时也带来了一些问题。如隐私和道德问题、研究平台问题、学习分析模型问题。
1.隐私和道德问题
在学习分析这一新的概念出来以后,很多学者都在探究隐私和道德问题。可以说,利用学习分析技术监视学习者的学习行为相当于窥探学生的隐私。为此普渡大学的Campbell提出了两个关键问题:一是谁决定由谁收集什么样的数据;二是教育机构应该有哪些责任去使用这些已经收集好的数据。毫无疑问,数据收集的措施和干预政策将会影响学校的文化、目标以及校训。我们认为将学习分析应用于在线学习时,数据的获取需注意以下几点:
(1)收集的数据应保持可控的范围,不要试图包涵所有方面,如学习者的个人经济状况以及家庭状况等。
(2)建立彼此信任,分析过程清晰。
(3)从多角度参与商议和讨论,从而建立更多的透明机制、规范分析问题、评估风险,以避免不必要的法律纠纷。
2.研究平台问题
首先网络学习平台最好是开源的,这样允许拓展并完善其功能,使其更加多元化。智能手机、平板电脑等的普及应用,随之而来的移动学习以及碎片化学习理念的发展,使得分析数据可获取的数据源越来越多样化,这需要网络平台支持多终端用户的数据分析,统一数据接口与格式,获取数据信息。其次随着在线学习人数的增长,需要分析的数据集也越来越庞大,这对于网络平台的容载性以及分析能力也是一个挑战。最后如何对数据流进行分流处理,快速稳定地对数据分析,都需要在平台设计之初就有所考虑。
3.学习分析模型问题
学习分析模型在在线学习中的应用,我们可以了解到影响学习者在线学习的因素以及在网络教学环境下支持教师的最佳模式,进而可以设计创新型在线教育模式。有学者根据学习分析的目的、要求与方法,从不同角度建构了学习分析的模型,其目的是使分析流程更加规范化。但学习分析涉及到数据挖掘、社会网络分析、数据可视化、机器学习、心理学、语义学、在线学习、教育理论和实践等多方面内容,设计学习分析模型时需从多方面考虑,对已有学习分析模型进行更进一步优化。
五、研究结论
从学习分析的提出到现在才不过三年的时间,但已经发展成为一个非常重要的研究领域。虽然是一个兴新的研究方向,需要解决的问题还很多,但我们相信随着越来越多的人关注学习分析,正如地平线报告所述在未来的两年到三年内将得到广泛应用。而学习分析通过大数据集的获取,挖掘学习者在正式学习、非正式学习或混合学习时的特征价值,为教育主管部门、教育研究者和学习者提供参考与帮助,提高在线学习的绩效评估、过程检测和活动干预,从而对在线学习的有效学习提供了有力的保障。
参考文献:
[1]The New Media consortium.The Horizon Report 2013 Higher Education Edition [EB/OL]. http://www.nmc.org/publications/2013-horizon-report-higher-ed/,2013-06-15.
[2]Third International Conference on Learning Analytics