面向學習分析的高職課程實訓保障機制研究

羅劍

摘要：面向學習分析的課程實訓保障機制是教育大數據背景下構建高職項目教學、案例教學、工作過程導向教學等教學模式，強化以育人為目標的實習實訓考核評價的必然要求。文章詳細分析多源數據的收集方式和信息展現端元結構的表現形式，提出建立保障機制的信息模型和體系架構。利用商務智能成熟的產品化軟件，實現信息整合層處理靈活多變的推理規則的要求。

關鍵詞：學習分析：課程實訓；數據獲取；推理規則；信息展現

0、引言

高等職業教育肩負著為國民經濟第一線輸送數以千萬計高素質技能型人才的重任，職業能力的培養與形成是高職教育的核心。在以“項目導向，任務驅動”為課程實訓教學理念，構建工學結合實訓教學體系和教學模式的過程中，如何全方位及時、客觀、準確地評價實訓教學效果，為學生、教師和教學管理者三方提供豐富和翔實的一手材料，引導教育各方最大限度地提高教學成效，成為教育大數據背景下必須面對的挑戰。一言以蔽之，就是要提供實訓教學活動的動態分析和保障機制，幫助學生明白地學，教師明白地教，管理者有的放矢地督和導。

隨著教育信息化的普及和不斷深入，各種數字媒體學習輔助系統在教學活動中的作用日益突出，由此可以獲取大量的學生學習行為指標數據。以浙江經濟職業技術學院物聯網專業無線傳感網應用與實踐課程為例，教學過程全程在生產仿真實訓基地開展。實訓機房擁有物聯網操作臺、RFID考勤系統、無線電子搶答系統、多媒體教學系統等輔助設備。開通課程學習管理系統（LMS）平臺，只要可以上網，就能夠隨時隨地地在線學習。學生在課程實訓過程中的表現和課外LMS平臺的訪問行為，自然而然地形成了實訓教學活動的大數據集。為合理利用學習分析（learning analytics）技術手段，挖掘教育人數據背后隱含的知識，揭示教學規律提供了可能

1、國內外研究現狀

NMC連續幾年發布的地平線報告（Horizonreport）都將學習分析視為未來若干年內影響教育發展的主要技術之一。2011年2月LAK（TheInternational Conference on Learning Analytics andKnowledge）應運而生，對學習分析做了較權威的定義，即“以理解和優化學習及其發生的環境為目的，對學習者及其所處情境的數據進行的測量、收集、分析和報告”。2014年召開的LAK14強調了對學習理論和教育實踐交叉融合的密切關注，更多地側重學習分析幫助受教育者更好地學習的討論。當前國際上學習分析的研究方向主要集中于學習分析服務（包括開放數據集服務）框架、分析方法、工具與可視化工具領域，處于新興和快速發展時期。國內學術界對于學習分析的研究不多，使用“學習分析”作為關鍵詞在中國知網進行檢索，僅檢索到20多篇文獻，分別來自中國學術期刊網絡出版總庫（20余篇）和優秀碩士學位論文全文數據庫（2篇）等，主要集中于綜述和應用分析。總體來看，我國學術界對于學習分析的研究還處于起步階段，相關研究有待進一步挖掘和開展。

現階段構建學習分析系統面臨的技術挑戰主要包括以下兩點：①對于學習者在LMS之外的學習行為軌跡的捕捉，以及學習者物理世界數據的獲取（數據標準化、多源、收集方式等）；②缺乏一個清晰、可操作、可細化的信息模型與體系架構，學習分析的本體、元數據、核心數據集及相關標準需要進一步研究。

2、基于學習分析技術的課程實訓云架構

課程實訓保障機制的信息模型和體系架構參見圖1。課程實訓活動中，學生學習行為數據來源4個方面，即信息感知層，由固定式RFID讀卡器、無線電子搶答器、LMS后臺記錄和教師與學生手工錄入數據組成。在云端信息整合層，學習狀態數據庫是一個關系數據類型的聯機事務處理系統（OLTP），將信息感知層傳來的原始數據分門別類地保存在二維關系表中。為了獲得信息展現端元數據，需要采用合適的推理規則將學習狀態數據庫中的二維記錄轉換至聯機分析處理系統（OLAP），即信息展現數據倉庫。隨后可以通過固定報表、隨機查詢和多維分析等動態表現形式傳輸至本地固定或移動終端顯示，供學習者查閱。

盡管在學習分析領域成功應用的產品有限，但是在商務智能領域，由于國外企業率先使用ERP系統且更早注重基于數據的分析和企業管理決策的支持，因此數據倉庫產品被廣泛應用于國外企業的數據管理領域。包括ORACLE、IBM、MICROSOFT、SAS、TERADATA、SAP等供應商均推出了數據倉庫的商品化軟件。本研究選用SAP公司的Business Objects產品，具有良好的查詢和報表功能，提供多維分析技術，支持多種數據庫。特有的語義層設計工具Universe滿足構建靈活多變的推理規則的要求。

3、面向學習分析主題的數據集

3.1數據獲取途徑

現代化的教學手段和教學設備決定了學習分析數據獲取的多源性。無線傳感網應用與實踐課程的現場教學在實訓機房展開，并輔助以課外云教學。采用何種信息處理技術，將多源異構的數據收集整合，是首先需要考慮的問題。

1）無線電子搶答器。

無線電子搶答器記錄了學生在實訓機房回答教師提問的搶答次數。主機（教師）基站通過無線模塊，監聽用戶（學生）基站的信號。上位機設置計時長度發出確認信息后所有基站進入準備狀態。教師觸發開關后進入正常搶答開始階段，搶答器開始計時，有學生搶答時計時停止，并且顯示搶答成功學號。如無違規上位機將該學號和對應實訓項目的搶答次數加1發往學習狀態數據庫保存，并通知各基站重新進入準備階段，等待下一次搶答。基站硬件由cc2500無線收發模塊、8051系列單片機、顯示屏和按鍵等組成。無線傳輸工作在2.4～2.4835GHz全球開放的ISM頻段，數據傳輸率12～500kbps。

2） RFID固定讀卡器。

為了獲取學生的身份標志，使用固定式RFID讀卡器讀取校園一卡通，按照學號統計學生上課出勤，包括曠課、遲到或早退時長。讀卡器核心芯片為MF RC530，支持ISO/IEC14443協議，最大非接觸距離lOOmm，工作于HF頻段13.56MHz，通過串口連接上位機，配置于實訓機房出入口等通道處。上位機將考勤信息上傳云端學習狀態數據庫。

3） LMS學生行為。

主流的學習管理系統如Moodle、Sakai、Blackboard等有能力去記錄學習者學習行為數據流，數據挖掘工具可以對這些數據進行分析處理。由于Moodle的系統框架是標準模塊化，且具有代碼開源、開發模式開放性的特點，非常有利于系統功能的擴展，本研究選擇對Moodle平臺進行二次開發以記錄學生在線行為。類似Google Analytics、百度統計的實現方法，編寫Javascript腳本嵌入Moodle中對應的PHP模塊。Javascript控制頁面內容，PHP控制數據庫瀆寫操作并把內容顯示到頁面，二者配合實現學生在LMS中行為分析數據的統計和匯總。使用上述方法可以統計頁面使用時長、頁面點擊次數、教學通知查看、是否提交實訓報告、實訓報告成績、發帖數、跟帖數等學生在線行為記錄。

4）主觀數據。

為了記錄學生在實訓過程中的操作表現，引入課堂專注度和操作熟練度指標，分別評估學生聽與做的行為等級。盡管在學習分析領域對于如何通過可視化機器自學習從學生肢體語言獲取課堂注意力、個體和群體運動一致性比較等主觀參數有較為深入的研究，但是尚沒有成熟的商業產品可供選擇，所以本研究仍然采用教師課內或課后在教學管理系統記錄并上傳云端的方式。其他由教師記錄的參數還有回答問題準確率和項目完成率。需要指出的是，為了簡化語義識別方便、建立推理規則和降低任課教師的工作量，錄入主觀參數時應該盡可能采用客觀選擇題的方式并設置缺省值。

學生經過學習后也會對課程設置、教師水平等提出更高要求，可以讓他們在實訓作業中選擇性地輸入實訓項目興趣度、教學效果評價、難易程度評價等主觀指標，幫助教師和數學管理者改進教育質量。

3.2采集的元數據集

按照數據來源、數據歸屬、數據類型、數據名稱和操作對象，我們歸納出現階段實訓教學場景可以提供的元數據，作為結構化查詢數鋸集模板，如表1所示。表中“記錄工具”指數據錄入的物理載體。主觀參數由教師和學生手動生成，其他參數均由系統自動生成。

4、儀表盤和推理規則

4.1儀表盤展現

儀表盤是學生、教師、教學管理者等教育利益關聯方查詢實訓教學活動的可視化報告集。儀表盤展示和信息推送服務的設計過程依據信息展現端元結構實施。因為學習者、教學者和管理者的定位、職責和目標不同，客觀上決定他們關心的信息對象不會一致。為此，我們分別從三者的視角出發展開需求調研，在采集了97份樣本數據的基礎上得到結果如表2所示，該表可以根據需要擴展。實現的儀表盤展現方式既可以是固定格式的報表，也可以是臨時的隨機多維查詢和分析結果，按照項目/周/月/學期的數據粒度實現向下鉆取和向上匯總。附帶推送關鍵數據到利益關聯者的移動設備或郵箱，實現即時反饋。

4.2推理規則

面向學習分析的元數據（如表1所示）與信息展現端元結構（如表2所示）之間存在隱性和顯性的邏輯關聯。有些數據可以直接在報表中使用，如“課堂考勤”等，是顯性關聯。更多的數據沒有直接的聯系，如“群體中學習進度排名”、“實訓項目預習統計”等。為此，我們評估了回收的97份樣本調查結果，綜合匯總后得出推理結果，如表3所示。

5、實證研究

本研究以我院物聯網專業二年級普高班學生為研究對象，選擇其中一個自然班為實驗班，全程引入基于學習分析的課程實訓保障系統，另一個自然班作為對比仍然采用原有的教學模式不變。通過學校教務管理系統數據查詢和教師訪談，發現兩個班學生的平均能力水平、學習主動性、自律性等在開課前基本相當。參照文獻[4]設計的高職能力型課程學習評價指標體系，分專業能力、方法能力、社會能力和項日成果4大項15小項評價指標，在學期末由承擔該課程的專職和兼職教師共同完成學生評價表，得到學生總評成績。結果表明，實驗班的專業能力、方法能力和項目成果等指標均較比較班有明顯提高。究其原因有以下5點。

（1）學生的學習行為受到動態監督，客觀上促進了學習的主動性，對部分原來學習積極性較低的學生尤其明顯。

（2）學生課內沒有完成的操作，可以在課外學習管理系統中以討論、提問等方式，通過師生在線交流得到解決，及時的師生互動增長了學生的自主學習熱情。

（3）實時的學業成績對比將學生的攀比情緒正確地引導到學習情境中來，構成激勵教育。

（4）教師從封閉的教學環境走向開放，隨時可以從云端系統中查詢評價，促進教師不斷提高業務素質，在授課過程中靈活地根據學生的反饋意見動態調整教學內容，確保教學質量。

（5）教學管理者不再只是管理角色，在切實地掌握教學動態后，更多地體現服務功能，有利于教育利益關聯各方的和諧發展。

6、結語

產生學習分析的最主要原因是現在可以通過各種途徑從學生那里收集大量可用的數據，這在以前是做不到的。教育背景下的學習分析可以借鑒商務智能對數據的處理方法，因此商務智能產品能夠適用于學習分析領域。面向學習分析的課程實訓保障機制幫助我們更好地理解學習發生的過程，進而考慮如何改進學習經歷或學習發生的環境，揭示學生學習過程中產生數據信息所包含的規律。通過持續地擴大數據捕捉的范圍和研究學習社會性的算法描述，學習分析技術擁有美好的未來。