學習分析技術：大數據背景下高校圖書館服務的優化

楊景光

學習分析技術：大數據背景下高校圖書館服務的優化

楊景光

學習分析技術作為大數據分析的一種新興工具，使得圖書館不僅能夠及時了解用戶需求，為他們提供個性化的服務，還可以改進和完善圖書館服務的過程，為用戶提供良好的體驗。通過介紹學習分析技術的內涵及具體分析方法，構建學習分析技術應用于高校圖書館的基本模型，闡述該技術的應用給圖書館服務帶來的優化與變革。

大數據學習分析技術高校圖書館決策模型

在大數據背景下，信息技術被廣泛應用于各個領域，也為服務的個性化發展提供了技術支持，高校圖書館服務也面臨著新的發展機遇。滿足用戶多樣化和個性化的需求是衡量圖書館服務質量的重要標準，如何自動識別用戶學習情境，建立數據模型，并及時為用戶提供有效信息，共享資源，成為圖書館改進服務的難題。完善的個性化服務系統是智慧圖書館的必然要求，也是圖書館實現個性化服務目標的重要武器。個性化服務系統是對當前各種自動化服務系統的升級改版，需要重點解決兩個方面的問題：一是數據信息的收集方法，需要實現密切跟蹤用戶學習動態過程，及時收集用戶數據，并建立全面綜合的用戶模型；二是數據信息的分析方法，要在現有數據的基礎上，運用先進的數據分析方法，充分挖掘信息價值，以建立全面系統的用戶服務體系。圖書館要想為用戶提供智慧學習環境必須在技術上有所突破和創新，能夠跟蹤用戶的整個學習過程，并做好信息收集，同時要進行快速的數據分析，根據分析結果為用戶量身定制服務。正是在這種情況下，學習分析技術為圖書館的服務變革提供了技術支持，美國高校信息化協會和新媒體聯盟在其發布的《2013年地平線報告（高教版）》中認為，學習分析技術將在未來幾年成為主流技術，并受到廣泛認可和應用[1]。

1 學習分析技術的涵義

學習分析技術作為一個新興領域，源自商業數據分析，是商家用來分析消費者活動并預測消費走向的手段，比如淘寶網就能夠跟蹤和收集用戶瀏覽和購買的商品信息，并推測用戶的消費傾向，從而進行商品推薦；這些技術的核心要素就是數據收集、分析、歸類、判斷。學習分析技術也是基于大數據分析發展而來的，主要功能是為教育領域的決策提供數據支持和信息參考。

2011年2月第一屆學習和知識分析國際大會召開，學習分析技術的定義在會上得到統一認識，即學習分析技術是對學習者及其學習情境數據的測量、收集、分析和報告，并據此掌握學習信息，優化學習情境[2]。根據定義可知，學習分析是對學習者學習過程的跟蹤過程，同時要完成信息記錄、分析，并根據信息判斷學習者的學習狀態，預測學習效果，進而介入學習情境，優化學習狀態，改善學習效果，整個過程涵蓋了數據采集、存儲、分析、表示和應用五項具體技術。具體到高校圖書館的應用，需要滿足的具體要素有：學習過程，這是學習分析的對象，學習分析本質上是為學習活動服務的，通過分析要掌握學習內容、學習進度、學習狀態及學習目標完成情況；學習環境，包括學習者完成學習活動所需要的一切硬件和軟件環境，硬件方面主要是圖書館場所環境是否舒適、安靜等，軟件方面主要是學習資源是否充足，圖書館管理是否合理等；學習者是主要的服務對象和受益者，主動掌握學習者的需求信息，為圖書館改進服務提供依據，這些是圖書館運用大數據進行學習分析的核心。

學習分析是針對用戶反映的需求信息進行分析判斷，了解圖書館資源供給、環境完善方面的優勢和不足，并以此來改進圖書館服務方法和服務水平，最終為用戶提供更良好個性化的學習體驗。具體來說，學習分析能及時掌握圖書館資源的利用情況，資源是否存在短缺現象，服務是否被學習者認可和滿足他們的要求，這些都為圖書館提供了工作導向。因此，學習分析對圖書館改進工作具有重大意義。

2 學習分析技術的分析方法

學習分析技術在繼承傳統數據分析方法的同時，還充分借鑒了大數據時代的信息分析技術，這些技術的綜合運用使得學習分析技術更加全面、完善，更具有實用性，同時使其科學化和智能化水平進一步提高。本文主要介紹社會網絡分析法、話語分析法和內容分析法在學習分析技術中的應用，以便更加全面地了解和掌握學習分析技術。

2.1 社會網絡分析法

社會網絡分析是通過數據構建一個虛擬的社會網絡，主要研究群體的社會結構性特征、用戶地位，傳播影響力等，是為適應學習網絡化、結構化的要求而產生的社會研究方法。圖書館服務已經進入虛擬服務時代，更多的是通過網絡進行信息交流互動，所以用戶交互網絡生成的信息成為圖書館了解用戶需求的重要來源。運用社會網絡分析方法，既能探究網絡學習中用戶的組織聯系、角色分工，還能了解網絡中信息交流的方式和用戶的學習狀態，使其學習效果提升改善。獨立的個體不會自覺地與同伴進行比較，通過社會網絡分析及時把信息反饋給每個組織成員，就會形成鮮明的對比，從而促進落后的學習者調整改進學習狀態，進而改進整個網絡的學習進展情況[3]。

2.2 話語分析法

話語分析法是對語言交流進行分析的方法，屬于語言學研究領域，為了研究學習過程中的信息傳遞被引入到教育領域。應用到圖書館，就是對用戶在圖書館學習過程中產生的用戶之間、用戶與圖書館之間的交流信息進行定性分析。話語分析法的適當運用，能夠幫助我們全面了解用戶在圖書館學習過程中產生的信息交流，尤其是網絡學習的信息，有了這些信息，我們就能夠探索個體觀點形成的過程，知識體系構建的過程等。話語分析將來的發展方向是潛在語義分析，這項分析可以進行對話和計算機支持的辯論分析[4]。

2.3 內容分析法

內容分析法是對傳播內容中有價值的信息進行層層推理的分析過程，能夠跟蹤信息變化，不斷抓住有意義的語言片段進行推斷，以獲得準確含義，概括地說，它是通過系統客觀的方式，對信息進行量化解釋的方法[5]。它的功能相對其他方法更為強大，不僅能分析靜態的傳播內容，還能跟蹤信息的變化過程，分析內容傳播的效果。內容分析法的定量分析能夠對學習過程做到準確把握，為用戶構建更真實的行為模式，同時它也可以進行定性推測，根據積累的數據來判斷用戶的需求，提供更貼合實際需求的圖書館資源與服務。內容分析法的定量分析與話語分析法的定性分析形成互補，保證了圖書館在信息分析中的準確性、客觀性、科學性和合理性。

3 高校圖書館運用學習分析技術的決策模型

本文根據學習分析技術在高校圖書館應用的決策流程，構建了一個基本模型（如圖1所示）。

3.1 數據的收集

為了保證分析結果的準確性和完整性，學習分析技術需要占有大量的數據，所以不僅需要依靠結構化數據，還要通過不同系統收集非結構化數據。因此，數據采集是學習分析進行的重要前提，為學習分析提供信息原材料，有效地提取收集這些信息就成為學習分析的重要步驟。

目前，高校圖書館可用來支持分析、作為決策依據的信息主要有三個來源，一是圖書館本來就有的自動化系統積累的原始信息，包括用戶信息、書刊資源信息和館員信息等檔案信息；二是數字資源系統和opac系統中已經存儲的信息，這些信息包含了大量用戶和館員的交互信息、資源利用信息和行為信息等，對分析判斷用戶需求有很大利用價值；三是圖書館員通過長期觀察和工作經驗積累的信息，也為改進工作提供了決策依據。

3.2 數據的分析

數據分析作為學習分析技術的重要環節，能夠通過整合雜亂的用戶信息，獲得用戶對圖書館環境的要求、學習行為的進行情況、學習需求和學習效果等信息，這些都成為構建智慧圖書館的必要信息支撐。根據分析對象不同，本文將學習分析技術的數據分析方法進行了整理概括，主要有四種。

3.2.1 交互分析

用戶在圖書館的學習過程并不是孤立的，而是與館員不斷產生交流互動的過程。交互分析就是建立在互動過程之上的，具體的交互過程包括館員與用戶、用戶之間、用戶和學習資料之間的交互。在交互過程中，用戶反映了他的個性化需求，而這些信息正是交互分析的價值所在。交互分析通過集中分析交互文本和交互內容，深入研究學習者的知識建構過程和協作學習的層次等問題。

3.2.2 學習資源分析

學習資源分析是利用語義技術，對圖書館學習資源進行概括和描述，在計算機和人類理解的范圍內，建立起計算機、學習者和圖書館學習資源的聯系，實現計算機對學習資源的自動處理和計算機與人類的有效互動。學習資源在與學習者的互動中不斷發展，其適應性不斷增強，越來越能夠滿足學習者的不同要求。語義關聯是學習資源本身所具有的，借助這一屬性，能夠對學習資源進行描述整合，建立起資源網絡，有助于提高學習者搜索資源和利用資源的效率，提高學習效果。

3.2.3 用戶特征分析

用戶作為學習活動的主體，為了滿足其個性化的學習需求，需要對他學習過程的反應信息進行綜合分析，具體包括興趣愛好、學習偏愛、學習時間、上線頻率、關注的熱點、參與討論的頻率、APP利用情況等。這些信息就能夠建立一個全面立體的用戶數據模型。在智慧圖書館學習環境中，要全面分析日志信息，充分挖掘其價值，掌握用戶的學習效率、學習強度等學習情況，并預測用戶的學習效果。通過建立用戶數據模型，能夠實現用戶與圖書館的有效互動，圖書館可以向用戶推薦有效的學習資源，提供及時的信息服務，提高學習效果。同時，也可以利用收集到的信息實現對學習效果的評估，為圖書館改善服務方法、更新服務內容提供信息支持。

3.2.4 用戶行為分析

用戶行為分析是全面掌握用戶信息的一個重要環節，通過計算機收集用戶人機互動過程中表達的肢體語言，可以用于信息甄別篩選和分析，其主要的信息源有手勢語言和面部表情，其中對手勢語言的識別發展比較成熟，主要是基于數據手套的識別和基于視覺的識別，對自然手的識別技術還需要進一步探索。

分析軟件在學習分析中得到廣泛應用，不僅有通用的工具軟件，還有很多專業的分析工具。專業工具適用于某一特定的項目進行運行設計，信息搜集和數據分析更具準確性和實用性，指導性更強，有利于圖書館某項服務的提升，這類代表性的工具有SNAPP、Socrato、LOCO-Analyst、SNAPP等。通用工具是通過對傳統網絡信息工具的改進，適用于圖書館數據情景，主要服務于圖書館服務方法改進和服務系統升級，這類工具有Gephi、Mixpanel Analytics、Userfly等幾種[6]。

3.3 行為干預

學習分析結果能評價用戶的表現，并可反饋給用戶，督促用戶調整學習狀態、更新學習方法、改善學習效果，同時也可以根據用戶的需求，調整圖書館的服務方法和資源配置，及時滿足用戶的學習條件，從自身狀態和外部環境兩個方面幫助學習者提高學習能力，改善學習效果。

隨著學習活動干預的不斷發展，學者們依據不同的標準進行了系統的分類。根據干預行為的主體可分為人工干預和自動干預，人工干預是以館員為干預主體，根據掌握的信息直接與學習者溝通，對學習活動提出改進建議。

4 學習分析技術帶來的高校圖書館服務優化

4.1 個性化服務優化

學習分析技術不僅是數據處理技術的發展，更是信息反饋和學習跟蹤的集合，它能夠根據用戶的具體情況，提供改進建議，當某一用戶利用圖書館的時間明顯少于其他用戶時，系統會及時提醒，督促其調整學習狀態，即時提醒服務是學習分析技術的重大突破。同時，圖書館也能夠根據該技術提供的信息跟蹤和分析數據，準確找出服務內容和方法上存在的不足，進行針對性的調整，使服務更貼合具體用戶的實際情況，提供個性化服務。

美國高校圖書館較早開始利用學習分析技術指導學生學習和提升圖書館服務。美國普渡大學圖書館在2007年啟動了“信號項目”，通過對學生信息系統和圖書館管理系統的信息進行分析比對，對那些利用圖書館時間較少的同學提供了專項服務，并對圖書館的資源進行重新分類編排，以提高資料利用效率。美國西北大學圖書館為了提升服務質量，還專門研發了“高校圖書館個性化服務助理”系統[7]，詳細記錄每個學生的在館學習時間、學習安排及學習狀態和學習成效等個人信息，并通過對學生信息的分析，提出改進圖書館的開放時間和資源配置的建議，為學生的學習進步提供支持和幫助。

4.2 推動圖書館員角色的變革

學習分析技術的應用，豐富了圖書館的職能，同時也對圖書館員提出了新的要求。傳統的圖書館服務是館員通過直觀觀察、收集日常信息、總結經驗，提出圖書館服務內容和方式方法的調整建議，而大數據時代為圖書館服務調整提供了數據支持，一切工作不再依靠經驗作出判斷，而是以信息分析結果為依據，由此一來，圖書館的服務更具科學性和針對性。因此，圖書館員只有掌握了分析技術，才能使技術發揮實效。美國教育發展中心和學生與技術中心對圖書館如何利用該技術進行服務決策進行了實踐探索[8]，他們以紐約市公立學校圖書館的用戶數據為樣本，與一家技術公司合作，對學生在圖書館學習過程的數據進行收集分析，并生成了書面分析報告和網絡報告。書面報告中提供了用戶的學習情況，圖書館可以根據報告內容，對學生進行分組指導，提供個性化服務。網絡報告則按不同業務層次館員的實際需求選擇性地提供重點信息。

5 結語

大數據時代的來臨，使得圖書館的全面信息化發展成為必然趨勢，學習分析技術為圖書館適應潮流提供了技術支持。圖書館將從宏觀調整逐步演變為提供個性化服務，從而滿足學生的多樣化和個性化需求，但是作為一項新興技術，學習分析技術還存在很多不足，不能立即滿足所有的需求，在廣泛普及運用方面還存在很多障礙，需要圖書館人深入研究，繼續改進，為實現圖書館服務的升級繼續努力，真正發揮圖書館在大數據時代的信息優勢。

[1]2013 horizon report[EB/OL].[2014-04-02].http://www. nmc.org/publications/2013-horizon-report-higher-ed.

[2]Siemens G，Long P.Penetrating the fog：Analytics in learning and education[J].Educause Review，2011，46（5）：30-32.

[3]顧小清，張進良，蔡慧英.學習分析：正在浮現中的數據技術[J].遠程教育雜志，2012（1）：18-25.

[4]Gee J P.An introduction to discourse analysis：Theory and method[M].Routledge，2013.

[5]楊秋平.內容分析技術在網絡輿情智能檢測中的應用[J].制造業自動化，2011（6）：53-55.

[6]黃榮懷，楊俊鋒，胡永斌.從數字學習環境到智慧學習環境[J].開放教育研究，2012（1）：45.

[7]Siemens G，Long P.Penetrating the fog：Analytics in learning and education[J].Educause Review，2011（5）：30-32.

[8]Centers for Disease Control.Make a difference at your school[J].2013（6）：58

楊景光鄖陽師范高等專科學校圖書館館員。湖北十堰，442000。

Learning Analytics：University Library Service Optimization in the Background of Big Data

Yang Jingguang

As a new tool for big data analysis，learning analytics can not only understand the users’needs and provide personalized service，but also improve library service process and provide a good experience for the users.This paper introduces the learning analytics technology concept and specific analysis method，constructs the model of learning analytics applied in the university library，and states the optimization and transformation for the university library service brought by the technology’s application.

Big data.Learning analytics.University library.Decision model.

G258.6G254

2014-08-15編校：方瑋）