论文部分内容阅读
摘 要：本文首先介绍学习分析的基础上构建学习分析模型，明确学习分析需要经过数据收集、分析、可视化、预测、评估和干预的循环过程。在该模型的指导下确定研究的数据收集、数据分析、干预设计、干预实施、干预评价五个方面。研究通过静态信息和动态信息的获取，对学习者背景信息、学习习惯、元胜任力、创新能力和学习成绩等分析，发现学习者存在的问题，并进行课堂教学相关干预，提升教学质量。
关键词：学习分析；课堂；分析模型
1 引言
随着信息技术在教育领域的深入应用，智慧教育成为信息化教育应用的一个新范式。[1]步入智慧教育时代，学习资源、学习方式、评价方式等变得更加多元化，教师不再只关注学习者的成绩，更多的是关注学习者自身的可持续发展。
2 学习分析概述
学习分析越来越受到關注，成为近几年教育领域的研究热点。学习分析溯源于多个领域，包括商业智能、网站分析、学术分析、数据挖掘等多个领域。
2.1 学习分析方法
学习分析方法主要有：社会网络分析法（Social Network Analysis，SNA）用于发现学习中社会网络中的各个角色及其之间的关系。内容分析法（Content analysis）是一种对研究内容进行客观、系统、定量描述的研究方法。话语分析法（Discourse analysis）的应用领域很广，涉及语言学、传播学、哲学、心理学等多个领域。
2.2 学习分析工具
学习分析工具处在快速发展中，主要包括社会网络分析工具，如SNAPP等；学习内容分析工具，如LOCO-Analyst等；学习能力分析工具如Socrato等；学习行为分析工具，如Google Analytics等；综合性学习分析工具，如WEKA、SPSS等。
3 学习分析模型建构
本研究的学习分析模型建构是在教学环境中研究教学相关者（教师、学生、研究者等）的行为，进行数据收集，并采用合适的数据分析方法分析数据、选择合适的数据表示方式，对模型进行预测和评估，并进行学习行为的干预。师生与学习环境的互动产生了数据，是学习分析的起点，干预既要对学习分析的利益相关者干预，也要对学习环境干预，从而使互动的结果变得更好。学习分析是循环的过程，从师生产生数据，到干预的应用是数据不断积累、分析不断精确、干预迭代实施的过程。
4 学习分析在课堂上应用的现状分析
对计算机科学与技术专业二年级学生的学习分析以《离散数学》课程为案例，课程共计48学时，每周3学时，共16周。课程是本专业学生所需掌握的专业课程之一。实施流程分为课程开始前、课程进行中、课程结束后三个环节。课前开始前要进行介绍课程、呈现课程内容、确定课程分组；课程进行中要进行小组汇报和教师指导，课后结束后要进行课程测试。
4.1 学习分析目标确立
以问卷调查、访谈、观察等方式分析者学习者行为数据，发现学习者存在的问题，了解学习者背景信息、学习习惯、元胜任力、创新能力、学习成绩等信息，根据实际课堂需求设计干预策略，促进学习者学习。
4.2 学习者相关数据的收集
（1）获取渠道
从多个角度获取数据，包括：学习成绩管理系统、课堂观察、平时作业、课堂汇报、测验、QQ等。
（2）学习者信息的获取
静态信息主要有学习者基本信息，如姓名、学号、上学期的学习成绩等；学习者前期知识的掌握情况，即初始能力分析。
根据课程实施过程，以及研究中获取信息的渠道，动态信息主要依靠相应的课堂观察、作业作品以及 QQ 聊天记录来获取。课堂观察不仅能够直接发现大部分学习者的课堂学习状态，也可以从汇报情况、回答问题情况推测出学习者的课前学习情况。
4.3 学习者相关信息的分析
对于学习者的相关信息获取，研究主要采用问卷调查的方式，该专业一共有91人，女生36人，男生55人。问卷包括《离散数学》课程学情、学习者元胜任力、学习者创新能力调查问卷。
（1）学习者背景信息分析
首先获取了这些学生对《离散数学》课程的初步认识，83.6%的同学没听说过，12.9%的同学听说过，但不了解，3.5%的同学听说过，有一定了解，0%的同学很熟悉。
课程准备情况，9.3%的同学对课程不太期待，5.8%的同学非常希望了解这门课，38.6%的同学有一点期待，46.3%的同学感觉一般，从整体上来讲，同学们大部分是比较期待《离散数学》的课程的。
对于学习课程的主要原因，没有学习者觉得是因为该课程有趣，50%的学习者是考虑到知识对自己有用，43.2%的学习者仅是因为学校的安排而学习该课程，仅有6.8%的学习者是考虑到与找工作有关，说明大部分学习者还是看重课程的实用性及其对自己的帮助，可以在学习过程中增加对这门课程的实用性与价值的介绍，帮助学习者正确认识这门的价值。
（2）学习环境分析
学习者所处的环境可以从物理学习环境和整个班级的学习氛围来探讨。学习者的物理学习环境能够满足学习者基本的学习活动，教室有基本的多媒体设备。教师会对班级的发展起到引导作用，学习分析需要深入到课堂中去，就需要教师对学习分析有一定的认识和把握，能够配合研究。
（3）学习习惯分析
总的来说，班级大部分学习者存在的不良学习习惯是听课不知道抓重点、做笔记，还有少部分学习者听课注意力不集中，玩手机、睡觉、看课外书等。在作业习惯上，部分学习者对待作业不够认真，习惯性的躲避思考，从第一周课堂及课后的观察中可以初步判断，班级学习者的听课学习习惯和作业学习习惯需要好好引导，而且在接下来的学习中还要关注学习者的课外学习习惯和课堂汇报习惯。 （4）学习元胜任力分析
总的说，该班学习者的元胜任力水平较好，通过调查，在熟练使用数字化设备、利用数字化设备交流分享、合理安排上网时间，“非常同意”和“同意”的百分比总和在50%以上，标准差最小，说明学习者总体的数字化学习能力较好，且学习者之间的水平较为接近，判断与计算机科学与技术专业的专业性质有关。在沟通能力上，雖然学习者和同学交流比较频繁，交流也比较顺畅，主动交流的学习者能够超过一半。说明学习者可以在学习交流中主动进行沟通。
（5）创新能力分析
学习者认识到创新的重要性。在对创新的认识上，认为创新非常必要的比例占96%以上，希望提升自己的创新能力的人占100%。说明学习者充分认识到创新的重要性，认为创新是有必要的，且愿意提升这方面的能力。
学习者的创新意识和行动之间的差距较大。一方面学习者的创新意识与创新提升愿望较高，另一方面学习者创新思维与创新能力较弱，创新行动力不强，与创新意识水平不相符和，需要进一步提升。
（6）成绩分析
根据成绩单中统计，90分以上4人，80-89分25人，70-79分35人，60-69分21人，不及格6人。结合学习者个人信息，发现不及格们数较多的学习者在背景信息上有着相似之处，逃避课堂学习、逃避作业，初步判断可能在后续的学习上需要加以引导帮助。
5 总结
不管在学习习惯、元胜任力、创新能力还是学习成绩分析中，学习者都表现出了较大的差距。学习者发展趋势表现出较为积极的发展状态。从学习者准备知识的调查看，学习者有一定的知识准备基础，而且一半以上的学习者希望能得到教师的帮助，说明学习者初步认识到自己未来学习的可能性，希望得到帮助，说明学习者有努力学习的积极性。同时某些个别同学需要进行干预，以便提高成绩。
参考文献：
[1]祝智庭，沈德梅.学习分析学：智慧教育的科学力量[J].电化教育研究，2013，（5）：5-12+19.
作者简介：
赵慧（1986-），女，硕士，副教授，研究方向：教育技术、数据挖掘。
王晓燕（1982-）女，硕士，副教授，研究方向：数字媒体技术、教育技术学。
赵倩（1984-）女，硕士，讲师，研究方向：教育技术。
*基金项目：本文为山东省青年教师教育科学研究课题“学习分析在信息化智慧课堂中的创新应用研究”（项目编号：18SDJ009）、山东协和学院标志性科研成果培育项目“学习分析在信息化智慧课堂中的创新应用研究”的研究成果。
关键词：学习分析；课堂；分析模型
1 引言
随着信息技术在教育领域的深入应用，智慧教育成为信息化教育应用的一个新范式。[1]步入智慧教育时代，学习资源、学习方式、评价方式等变得更加多元化，教师不再只关注学习者的成绩，更多的是关注学习者自身的可持续发展。
2 学习分析概述
学习分析越来越受到關注，成为近几年教育领域的研究热点。学习分析溯源于多个领域，包括商业智能、网站分析、学术分析、数据挖掘等多个领域。
2.1 学习分析方法
学习分析方法主要有：社会网络分析法（Social Network Analysis，SNA）用于发现学习中社会网络中的各个角色及其之间的关系。内容分析法（Content analysis）是一种对研究内容进行客观、系统、定量描述的研究方法。话语分析法（Discourse analysis）的应用领域很广，涉及语言学、传播学、哲学、心理学等多个领域。
2.2 学习分析工具
学习分析工具处在快速发展中，主要包括社会网络分析工具，如SNAPP等；学习内容分析工具，如LOCO-Analyst等；学习能力分析工具如Socrato等；学习行为分析工具，如Google Analytics等；综合性学习分析工具，如WEKA、SPSS等。
3 学习分析模型建构
本研究的学习分析模型建构是在教学环境中研究教学相关者（教师、学生、研究者等）的行为，进行数据收集，并采用合适的数据分析方法分析数据、选择合适的数据表示方式，对模型进行预测和评估，并进行学习行为的干预。师生与学习环境的互动产生了数据，是学习分析的起点，干预既要对学习分析的利益相关者干预，也要对学习环境干预，从而使互动的结果变得更好。学习分析是循环的过程，从师生产生数据，到干预的应用是数据不断积累、分析不断精确、干预迭代实施的过程。
4 学习分析在课堂上应用的现状分析
对计算机科学与技术专业二年级学生的学习分析以《离散数学》课程为案例，课程共计48学时，每周3学时，共16周。课程是本专业学生所需掌握的专业课程之一。实施流程分为课程开始前、课程进行中、课程结束后三个环节。课前开始前要进行介绍课程、呈现课程内容、确定课程分组；课程进行中要进行小组汇报和教师指导，课后结束后要进行课程测试。
4.1 学习分析目标确立
以问卷调查、访谈、观察等方式分析者学习者行为数据，发现学习者存在的问题，了解学习者背景信息、学习习惯、元胜任力、创新能力、学习成绩等信息，根据实际课堂需求设计干预策略，促进学习者学习。
4.2 学习者相关数据的收集
（1）获取渠道
从多个角度获取数据，包括：学习成绩管理系统、课堂观察、平时作业、课堂汇报、测验、QQ等。
（2）学习者信息的获取
静态信息主要有学习者基本信息，如姓名、学号、上学期的学习成绩等；学习者前期知识的掌握情况，即初始能力分析。
根据课程实施过程，以及研究中获取信息的渠道，动态信息主要依靠相应的课堂观察、作业作品以及 QQ 聊天记录来获取。课堂观察不仅能够直接发现大部分学习者的课堂学习状态，也可以从汇报情况、回答问题情况推测出学习者的课前学习情况。
4.3 学习者相关信息的分析
对于学习者的相关信息获取，研究主要采用问卷调查的方式，该专业一共有91人，女生36人，男生55人。问卷包括《离散数学》课程学情、学习者元胜任力、学习者创新能力调查问卷。
（1）学习者背景信息分析
首先获取了这些学生对《离散数学》课程的初步认识，83.6%的同学没听说过，12.9%的同学听说过，但不了解，3.5%的同学听说过，有一定了解，0%的同学很熟悉。
课程准备情况，9.3%的同学对课程不太期待，5.8%的同学非常希望了解这门课，38.6%的同学有一点期待，46.3%的同学感觉一般，从整体上来讲，同学们大部分是比较期待《离散数学》的课程的。
对于学习课程的主要原因，没有学习者觉得是因为该课程有趣，50%的学习者是考虑到知识对自己有用，43.2%的学习者仅是因为学校的安排而学习该课程，仅有6.8%的学习者是考虑到与找工作有关，说明大部分学习者还是看重课程的实用性及其对自己的帮助，可以在学习过程中增加对这门课程的实用性与价值的介绍，帮助学习者正确认识这门的价值。
（2）学习环境分析
学习者所处的环境可以从物理学习环境和整个班级的学习氛围来探讨。学习者的物理学习环境能够满足学习者基本的学习活动，教室有基本的多媒体设备。教师会对班级的发展起到引导作用，学习分析需要深入到课堂中去，就需要教师对学习分析有一定的认识和把握，能够配合研究。
（3）学习习惯分析
总的来说，班级大部分学习者存在的不良学习习惯是听课不知道抓重点、做笔记，还有少部分学习者听课注意力不集中，玩手机、睡觉、看课外书等。在作业习惯上，部分学习者对待作业不够认真，习惯性的躲避思考，从第一周课堂及课后的观察中可以初步判断，班级学习者的听课学习习惯和作业学习习惯需要好好引导，而且在接下来的学习中还要关注学习者的课外学习习惯和课堂汇报习惯。 （4）学习元胜任力分析
总的说，该班学习者的元胜任力水平较好，通过调查，在熟练使用数字化设备、利用数字化设备交流分享、合理安排上网时间，“非常同意”和“同意”的百分比总和在50%以上，标准差最小，说明学习者总体的数字化学习能力较好，且学习者之间的水平较为接近，判断与计算机科学与技术专业的专业性质有关。在沟通能力上，雖然学习者和同学交流比较频繁，交流也比较顺畅，主动交流的学习者能够超过一半。说明学习者可以在学习交流中主动进行沟通。
（5）创新能力分析
学习者认识到创新的重要性。在对创新的认识上，认为创新非常必要的比例占96%以上，希望提升自己的创新能力的人占100%。说明学习者充分认识到创新的重要性，认为创新是有必要的，且愿意提升这方面的能力。
学习者的创新意识和行动之间的差距较大。一方面学习者的创新意识与创新提升愿望较高，另一方面学习者创新思维与创新能力较弱，创新行动力不强，与创新意识水平不相符和，需要进一步提升。
（6）成绩分析
根据成绩单中统计，90分以上4人，80-89分25人，70-79分35人，60-69分21人，不及格6人。结合学习者个人信息，发现不及格们数较多的学习者在背景信息上有着相似之处，逃避课堂学习、逃避作业，初步判断可能在后续的学习上需要加以引导帮助。
5 总结
不管在学习习惯、元胜任力、创新能力还是学习成绩分析中，学习者都表现出了较大的差距。学习者发展趋势表现出较为积极的发展状态。从学习者准备知识的调查看，学习者有一定的知识准备基础，而且一半以上的学习者希望能得到教师的帮助，说明学习者初步认识到自己未来学习的可能性，希望得到帮助，说明学习者有努力学习的积极性。同时某些个别同学需要进行干预，以便提高成绩。
参考文献：
[1]祝智庭，沈德梅.学习分析学：智慧教育的科学力量[J].电化教育研究，2013，（5）：5-12+19.
作者简介：
赵慧（1986-），女，硕士，副教授，研究方向：教育技术、数据挖掘。
王晓燕（1982-）女，硕士，副教授，研究方向：数字媒体技术、教育技术学。
赵倩（1984-）女，硕士，讲师，研究方向：教育技术。
*基金项目：本文为山东省青年教师教育科学研究课题“学习分析在信息化智慧课堂中的创新应用研究”（项目编号：18SDJ009）、山东协和学院标志性科研成果培育项目“学习分析在信息化智慧课堂中的创新应用研究”的研究成果。