大數據背景下學習分析技術對教學模式的變革

陳律

（復旦大學高等教育研究所，上海200433）

大數據，作為當今最熱門的關鍵詞，已在各行各業中掀起變革的巨浪。在教育領域中，同樣蘊藏著具有應用價值的海量數據。荷蘭著名的行為觀察軟件商NOLDUS公司的研究表明，在一節40分鐘的普通中學課堂里，一個學生所產生的全息數據約有5-6GB，而其中可歸類、標簽、并且進行分析的量化數據約有50-60MB，這相當于在傳統數據領域中積累5萬年的數據量總和。[1]那么，如何有效挖掘、分析和利用這些數據來更好地改進教學？學習分析技術給出了很好的答案。美國新媒體聯盟（NMC）與美國高校教育信息化協會（EDUCAUSE）發布的《2013年地平線報告（高教版）》預測：學習分析技術將在未來的兩到三年內成為主流技術，并得到廣泛的應用。[2]

一、學習分析技術的內涵

學習分析技術是一個新興的研究領域，旨在應用數據分析為教育系統的各級決策提供參考，關鍵內容就是應用于教育領域的大數據分析。這一研究方法原先來自于商業領域，商家通過對消費者的活動進行數據發掘分析來把握消費趨勢。比如淘寶網會根據用戶購買和瀏覽過的產品，來推斷用戶對某類產品的偏好。又如在社交網站中，新浪微博會根據個人的關注對象推薦該用戶可能感興趣的其他對象。這類技術的實質，就是通過對數據的提取、歸類、分析與總結，進行統計性的預測和判斷。

基于學生相關數據的分析則是以學生群體為主體，以設計出更完善的教學方法為目標，致力于為學生提供高質量、個性化的學習體驗，并評估制定的學習計劃是否能有效幫助學生加強學習，這些分析結果對于教學雙方來說都具有重要的意義。對教育工作者和研究人員而言，學習分析在剖析學生與在線文本、課件之間的互動中發揮著至關重要的作用。對學生而言，通過開發用于分析學生具體數據的移動軟件和在線平臺，能夠為學生提供符合他們學習需求的支持服務系統，使他們受益于學習分析，提高學習成績和學習效率。

二、學習分析技術的分析方法

學習分析技術除了傳統的數據分析方法外，充分吸收了大數據時代下各個領域的新技術，包括社會網絡分析法、話語分析法和內容分析法。這些新技術的引入，使得學習分析逐漸科學化、現代化和智能化。

社會網絡分析法（Social Network Analysis）原先是一種社會學研究方法，它是對社會網絡的關系結構及其屬性加以分析的一套規范和方法，現已廣泛運用于教育領域。如果將學習者個體作為研究對象，通過社會網絡分析法，我們不難判斷學習者個體向哪些同伴尋求了學習幫助，在哪些方面產生了學習認知上的困難，又有哪些具體的情境因素影響了學習者個體的學習過程等。如果將整個網絡作為研究對象，社會網絡分析法主要關注的是網絡學習過程中信息的分布和個體學習的進展情況。

話語分析法（Discourse Analysis）原先是一種語言學研究方法，是在課堂對話基礎上建立的口語分析方法，經過不斷發展引入到教育領域，在課堂教學實踐中得到了廣泛應用。在大數據時代下，話語分析的對象不僅僅只是教學過程中面對面的對話內容，還涉及網絡課程與會議中產生的文本內容，以及網絡背景下的異步交流內容等。通過話語分析技術，我們可以對網上學習交流過程中話語的文本性含義有更深入的了解，從而探究知識建構的本質，對整個學習發生的過程獲得更加清晰的認識。

內容分析法（Content Analysis）是一種對傳播內容進行客觀、系統和定量描述的研究方法。內容分析的過程是一個層層推理的過程，其實質是對傳播內容所含信息量及其變化的分析，即由表征的有意義的詞句推斷出準確意義的過程。[3]在教育領域中運用內容分析法，不僅可以對學習者的學習過程數據進行定量分析，探尋學習者的行為模式；還可對其進行定性分析，運用積累的大量經驗來預測當前的學習者行為，為學習者提供個性化的學習資源服務。

三、學習分析技術的模型

筆者根據學習分析技術的決策流程，構建了一個基本的模型（如圖1所示）。

圖1 學習分析技術基本模型

1.數據的收集

學習分析技術需要大量數據作為支撐，僅僅依靠結構化數據是遠遠不夠的，必須同時收集不同系統中的非結構化數據，保障分析結果的正確性、一致性和完整性。

目前，教育系統中已經積累了大量的學生信息。信息系統中的學生信息、課程信息和教師信息這些檔案類信息都可以作為學習分析的數據來源之一；課程管理系統（CMS）和學習管理系統（LMS）中也蘊藏著大量可以挖掘的信息，包括課程中的交互信息（與老師或學生的交流等）、學習表現信息（作業完成情況等）以及行為信息等；同時，基于教師經驗、教師觀察以及教師直覺的課程指導方針也是形成決策樹分析的必不可少的部分。

2.數據的處理

結構化數據的考量很難反映一個學生在一堂課中吸收了多少知識，但是通過其在系統中的行為反應可以轉化為可量化的數據來對其學習過程進行分析。比如在在線課程中，可通過多個方面檢測學生的表現：比如與同班同學相比，在網站上花費的時間；登錄網站的頻率；犯了同樣錯誤后重復犯錯的概率；在某一科目停留的時間等等。通過綜合分析這些數據，可以對學生的學習行為有更深入的了解，從而更加微觀地了解學生。

3.軟件分析

學習分析軟件按照專業程度來分，可分為專用工具和通用工具兩種。“專用工具”一般是學習分析項目中的核心分析工具，它專門針對某一項目的具體要求進行設計和開發，在項目實施過程中運用該工具搜集和分析學習者數據，從而指導教學。典型的專用工具有Socrato、SNAPP和LOCO-Analyst等。而“通用工具”則是原來應用于互聯網、可用性設計等其他領域的工具，后來被轉用于教育情境下，用來分析學習者如何使用教學系統，主要有Mixpanel Analytics、Userfly、Gephi等幾種。[4]

4.行為干預

學習分析結果可用來評估學生表現，并及時提供反饋意見，同時還可根據學生的學習效果，有針對性地調整學習內容和方法，為學生提供指導和幫助，提高學生的學習能力。

四、學習分析技術所帶來的教學變革

1.個性化教學的變革

學習分析技術的運用可以為每個學生提供一個個性化的學習環境。例如，如果一個學生解決一個問題所花費的時間遠少于其他同學，系統分析結果就會自動給予提示與線索，試圖促進該學生加強學習。這種即時性的提示在過去是不可能完成的任務，學生至少要等待多天，直到他們的作業被批改完。同時，在使用學習分析技術一段時間后，教師能夠通過信息追蹤和分析，判斷自己的教學方法是否有效，從而進行相應的調整。因此，每個學生都能各自擁有一套為他們量身定制的個性化學習課程。

國內外大學中，較早應用學習分析的案例之一是美國普渡大學的“信號項目”。該項目于2007年啟動，將數據從學生信息系統、課程管理系統和課程成績單中提取出來，按照學習表現分類，從而對那些極有可能不及格或輟學的學生有針對性地提供服務。美國奧蘭治縣的馬鞍峰社區學院通過它的 “高等教育個性化服務助理”或叫SHERPA（Service-Oriented Higher Education Recommendation Personalization Assistant）系統，運用學生數據成功實施了個性化教育。該軟件為每個學生建立詳細檔案，記錄了其完整的在校期間的日程信息、跟隨導師學習的經歷以及其它個人信息；接著對這些信息進行分析，提出對時間管理、課程選擇的建議，以及分析其它有助于學生在學業上獲得成功的要素。

2.教師角色的變革

學習分析技術的運用將使教師不再僅僅是一個“教師”，同時承擔了分析師的角色。傳統意義上的教學主要是經驗式的，教師憑借自己的主觀判斷來選擇教授課程的內容和方式，然后通過一次次的反復實踐來進行驗證。而大數據時代下的學習分析技術有助于教師從這種傳統的教學模式中解放出來，教師所做的決策將不再是純粹的經驗式判斷，而是建立在數據分析的基礎上。

美國教育發展中心（Education Development Center）和學生與技術中心（Center for Children and Technology）對如何利用數據幫助美國紐約市公立學校的教師進行教學決策開展了研究實踐。他們與一家公司合作，對學生在數學學習過程中的數據進行了記錄與分析，最后生成了可供教師分析的書面報告和網絡報告。書面報告為教師提供了標準的全班學生學習情況的報告，為教師根據學生的需求分組、關注學生的個體特點等提供了依據。網絡報告則為學校不同層次的員工提供不同層次的信息和重點。

五、結束語

大數據時代的來臨，強有力地推動著教育信息化發展的浪潮。通過學習分析技術，使教學實踐從關注宏觀群體走向關注微觀個體，并使教育個性化服務成為可能。但是，學習分析技術作為一種新興技術，也面臨著諸多挑戰，距離其大規模運用可能還有較長的路要走，需要廣大研究者深入研究，進一步開拓該技術的服務對象和應用場景，真正發揮大數據背景下學習分析技術的作用。

[1]張韞.大數據改變教育——寫在大數據元年來臨之際[J].上海教育,2013(10).

[2]2013 horizon report[EB/OL].http://www.nmc. org/publications/2013-horizon-report-higher-ed.2013-4-23.

[3]楊秋平.網絡輿情智能檢測與分析系統的設計[J].電腦知識與技術,2011(4).

[4]李青,王濤.學習分析技術研究與應用現狀述評[J].中國電化教育,2012(307).