教育中的大數據如何改變學習？

高鍵 張海 王以寧

近年來，教育技術領域的《地平線報告》作為對未來教育與信息技術發展趨勢的預測和分析的重量級之作，一直受到相關研究者的關注。在《2011年地平線報告：未來五年改變教育的六大技術》中指出，未來四至五年，手勢計算（Gesture-Based Computing）和學習分析（Learning Analytics）這兩項技術將更深刻影響教育機構。根據學習分析這一技術基于對教育中的大數據的處理和分析，將極大地改變當前的教育系統，引發一場變革。

● 學習分析為什么會出現

研究表明，學習分析源于商業智能（Business Intelligence，BI）和網站分析（Web Analytics）。商業智能和網站分析是以計算機為媒介，利用信息技術進行數據追蹤，通過收集、管理、分析和建模以滿足當前的需要，預測顧客的未來需要。將商業智能技術和網站分析技術引入教育領域，其關注的視角是從管理信息化的角度看待如何利用數據分析和建模技術提高教育決策。而隨著教學信息化的深入發展，學習分析通過測量、挖掘、分析與利用在學習平臺中積累的大量數據，來針對教學和學習實踐進行行為預測，基于預測開展行動，并將行動結果反饋到整個分析過程中，以更好地支持教學與學習，進而改善和提升教與學的質量與效能。

● 學習分析是什么

加拿大阿塞巴斯卡大學的G. Siemens教授認為：“學習分析是利用數據挖掘成果，學習者產生的數據和分析模型探究信息和社會聯系，并且對學習作出預測和建議。”美國高等教育信息化推進組織EDUCAUSE則認為：學習分析“使用數據和模型預測學生學習進程和績效以及使用該信息進行干預”。新媒體論壇（NMC）在2011年度的地平線報告中指出：學習分析松散地組合了一系列數據收集工具和分析技術，研究學生的投入情況、績效和學習進展情況，以期及時將研究結果用于修訂課程、教學和評估。2011年2月，在加拿大舉行了首屆學習分析技術與知識國際會議（1st International Conference on Learning Analytics and Knowledge 2011），其中提出了學習分析的定義，即學習分析是測量、收集、分析和報告有關學生的學習行為以及學習環境的數據，用以理解和優化學習及其所產生的環境的技術的總稱（Siemens，2011）。也就是說，學習分析是對學習群體的學習平臺中的零碎的、隨機的數據進行系統的收集、存儲、篩選、提取；并且對數據進行分析，從而評估、預測學習群體的學習狀態和學習效果，使學習者、教育者以及教育管理者可以有依據的優化教學資源、教學過程和教學環境等的實踐分析的技術。

● 組成學習分析的成分

由定義可知，學習分析的核心是收集相關的分析數據。目的是評估、預測學習群體的學習狀態和學習效果；最終目標是提供個性化的學習支持。學習分析由五個部分組成：

（1）數據收集：這些數據可以來自學生的基本信息，也可以是學生在學習生活中的行為信息，如學生的興趣愛好、經常使用的學習工具等數據信息。

（2）分析：使用學習分析工具將手機的數據進行需要分析。結果以表格、圖表等可視化的形式呈現在各種媒體上。

（3）學生學習：學習分析核心的分析對象就是學生的學習。學習分析告知教師：學生在做什么，他們將時間花在什么地方，他們獲取了哪些內容，學生學習的進展如何等方面的問題。

（4）反饋：學習分析的結果可以提供給教師、學生以及管理者。學生可以將分析結果作為自身學習的一個監督量表。而教師和管理者則是依據分析結果重新規劃教學活動，提高教學質量。

（5）干預：學習分析不僅僅是判定學生處在什么樣的一個學習狀態中。更是通過學生課程學習產生的數據，掌握學生在課程學習中的特定階段和特定活動，為學生個性化學習和指導提供了依據。

綜上所述，無論是從學習分析定義還是學習分析的要素組成來看，學習分析是一個循環的過程，是“收集—篩選—分析—預測與反饋—收集”的一個過程。其中收集的數據包括課程數據，即與學習相關的數據，如課堂活動資料或音視頻、課堂作業、考試等。收集的數據還包括學習者自身的數據，如學習者的博客、QQ等社會性軟件所產生的數據，以及移動終端、學習管理系統等軟件環境下所產生的數據。學習分析可以概述為圖1所示的流程圖。

圖1不僅形象地表示出了學習分析的內涵，而且將學習分析的過程也描繪出來了。圖中的虛線表示的是教師和學生都可以對學習分析的工具進行參數設置，如教師想要了解學生對某一知識點的掌握情況，就可以通過設置工具的參數，直接得出教師想要的那部分信息，同時也反饋給學生。就目前的發展趨勢來說，學習分析工具將會越來越智能化，因此對于學習分析工具的開發將會是教育技術學領域的另一個亮點。

● 案例介紹----塔林大學的學習分析案例

基于生態學方法的動態學習分析。Narva mnt（2010）認為學習是一個動態的過程。因此，掌握了解這個動態的過程不僅有助于學生了解自己的學習情況，而且有助于教師更新修改教學設計與教育計劃。這里將53名學習者擬作一個群體，將學習環境擬作一個學習空間。

首先，塔林大學使用學習模型（learning pattern）是對學生的數學課設計的跟蹤分析，得出如圖2所示的學習路徑。圖中說明的是學習者在學習空間要達到學習目標所積累的路徑，包括學習模型軌跡（粗黑線）、教師指導的學習軌跡（細黑線），以及學生可能會走的其他的學習軌跡（虛線）。學生的初始位置L（a0）逐漸的接近目標位置L（a3）的一個學習過程。F（O）表示的是學習目標區。d1、d2、d3、d4分別代表學習目標在學習空間中的位置。使用學習模型來測定學習者的學習軌跡可以從初始位置開始，但是隨后的軌跡將按學習模型來走。

其次，塔林大學對這53名學生在學習過程的學習介質進行了分析。每一位學習者都會選擇一個他們認為可以作為個人或者協助他們完成學習目標的一個特定的工具。課程結束后，這些特定的工具會被收集到一個數據集中，作為學習空間中以后自主學習者使用社會性軟件的一個案例庫。該案例庫的功能被分成類別來最小化系統的復雜性，最初是分為19類。每一類的功能都代表學習空間的一個維度。在PLEs和協作學習環境中的工具共有12種類別的軟件（博客、wiki、聊天軟件、社會書簽、聚合器、電子郵件、搜索引擎、合作寫作、論壇、合作繪畫、網絡相冊以及YouTube），我們使用OSE（onto-space explorer）工具來分析最適合學生的學習工具。OSE是應用多維定標來計算學習軌跡的。使用者控制“weight”滑塊來決定每一個坐標是否通過。

在本案例中，先設定{管理=1，創造=1，其他=0}為固定。學習者通過改變滑塊來確定選擇結果的顯示圖。在OSE軟件中生成的顯示圖中，最適合的學習工具是通過測量其在右上方的距離來確定的。我們發現在S1確定學習目標這一步中博客是最適合學習者來達到學習目標L（a2）。

在達到最終的學習目標時即第二步S2，我們計算出兩種學習工具。此時設定{匯聚=1，管理=1，其他=0}為固定。經過OSE工具計算得出博客和聚合器是最適合的工具。

最后，塔林大學根據學習模型分析出的學習軌跡以及OSE工具計算出的學習工具，得出了一個完整的學習規律（如圖3）。

● 總結與啟示

由塔林大學的案例可以清晰看出學習分析技術是對學習者的學習環境進行分析。即從學習者的學習資源到學習者的學習行為進行數據的收集，通過測量、挖掘、分析這些大量的數據，預測學習者的學習規律，并針對預測更新修改教學活動，再將活動結果反饋到整個學習過程中，以更好地支持教與學，進而改善和提升教與學的效能、效益和效率。

學習分析技術對教育有著巨大的影響。學習分析的核心是分析大量的學生信息數據，并創建細致入微的學生個人資料，最后提供給教師更深入的了解。學習分析可以提供即時改變，提出更加流暢和易于改變的課程模式。

首先，學習分析技術可作為教師教學決策，優化教學的有效數據支持工具。通過學習分析技術，把不同學習者的學習規律存儲在數據庫中，教師可以通過數據庫的內容及時地了解學習者的需求、興趣愛好等信息，并以此為依據為不同學習者提供動態的學習資源，動態的指導等教學決策。真正提高教與學的質量。

其次，可以作為學生的自我導向學習，自我監督與自我認識和自我評估的有效數據監督。通過學習分析技術得出的結果不僅僅是反饋給教師，同時也反饋給學習者。學習者將反饋的分析結果，作為自我監督、自我評價等的數據依據，如“CoreDogs”平臺。當學生們完成平臺中的練習，馬上就可以收到一個知識掌握程度的形成性評價，教師也可以運用此平臺的數據了解學生的學習情況。

最后，面對巨大的教育信息獲取量，對教育機構來說一大挑戰主要是如何最好地和商業領域、市場領域以及娛樂領域的數據挖掘工具并駕齊驅。如果解決這一挑戰，學習分析在提高教學、學習以及評價方面擁有巨大的發展潛力。