學習分析在“中國大學MOOC”課程中應用的構建框架*

郭卡，戴心來，杜小玉

（遼寧師范大學計算機與信息技術學院，遼寧大連116081）

學習分析在“中國大學MOOC”課程中
應用的構建框架*

郭卡，戴心來，杜小玉

（遼寧師范大學計算機與信息技術學院，遼寧大連116081）

中國大學已逐步開始建設并實現大規模開放在線課程的本土化，面對大數據的急劇增長，學習分析技術通過數據整理、信息加工、知識轉換、智慧調整四個流程，實現了將巨大的數據資源轉換為有用的知識與信息資源。本研究探討了學習分析技術的構成，提出了一個基于中國大學MOOC的學習分析系統框架，并給出了相應的應用設計，指出學習分析技術將在教育領域應用中有著無限的潛力和待挖掘空間。

學習分析技術；大數據；中國大學MOOC；本土化

一、提出問題

過去的幾十年里，各領域都出現了大規模的數據增長，如：最近快速發展起來的大規模開放在線課程MOOC（Massive Open Online Classes），數以萬計學習群體的學習數據都將被實時互動的MOOC教學模式平臺及時記錄，產生各種結構化、非結構化和半結構化等數據類型，如何將巨大的數據資源轉換為有用的知識與信息資源？這是當下亟待解決的問題，也是教育工作者、管理者和學習者們所關注的話題，學習分析技術是測量、收集、分析和報告有關學生及其學習環境的數據，用以理解和優化學習及其產生環境的技術，運用相應的學習分析技術對學習者的基本信息數據和學習數據進行分析可以更深入、具體地了解教師的學習行為，找出影響培訓效果的因素，從而有效地監控、預測學習者的學習過程，給予學員以恰當的學習指導，提升培訓效果。為進一步分析中國大學MOOC課程的學習情況，本研究旨在作為中國大學MOOC課程的學習者和研究者對如何把學習分析技術更好地應用到MOOC當中，進行探究。

二、學習分析及其系統構成

最早的學習分析定義源于EDUCAUSE的“下一代學習挑戰”，其中將學習分析定義為“使用數據和模型預測學生收獲和行為，具備處理這些信息的能力”［1］。很多學者也給出了不同的見解，加拿大阿塞巴斯卡大學的G.Siemens教授于2012年對相關定義進一步提煉之后提出：認為學習分析是“關于學習者以及他們的學習環境的數據測量、收集、分析和匯總呈現，目的是理解和優化學習以及學習情境”［2］，劉清堂教授認為“學習分析”（Learning Analytics）指大范圍收集學生的學習數據并加以分析，從而評價學生的學習進度，預測其未來的學習表現，并查找潛在問題［3］。著名的《地平線報告》在2012版中將學習分析定義為：通過收集學生的大量數據進行分析，從而對其學習表現進行評價和預測，并發現潛在的問題［4］。本研究認為學習分析由數據整理、信息加工、知識轉換、智慧調整四部分構成，如圖1所示。

圖1　學習分析概念圖示

（1）數據整理：包括聲音、圖片、文字、郵件等各種結構化、非結構化和半結構化數據，乃至多媒體數據，并對數據進行篩選、搜集等。

（2）信息加工：通過各種技術、算法、教學理論等各種技術手段過濾、處理、加工和分析數據，表現為數據之間的聯系。

（3）知識轉換：提取有意義有價值的數據，轉換為有用的知識和信息資源，強調數據轉換知識。

（4）智慧調整：富有洞察力、綜合分析能力，在了解各方面信息后，能夠預測學習規律和學習行為的發生并采取行動進行干預。

可見，學習分析技術針對海量數據的搜集整理，采用不同的技術手段、分析方法、教學理論以可視化的方式解讀數據，提取有價值的數據，從而發現學習規律，為其學習行為，教學模式，課程設計等方面提供及時反饋，促進有效學習。

學習分析系統集成了信息技術與教育信息化的深度融合，它實質上是一種數據化、支持各種技術、算法服務的信息系統，與大數據平臺結合并使之轉化為有價值信息的系統。通常比較完善的學習分析系統由信息庫、在線支持服務系統、交互式測試系統、軟件與校對工具、預測和干預引擎、監測系統等部分構成，并集成在統一的用戶平臺，如圖2所示。學習分析系統的各個子系統具有不同的支持服務。

圖2　學習分析系統的構成

（1）信息庫：提供學習者的所有數據與信息，以便于搜索與獲得。

（2）在線學習支持服務系統：提供在線學習平臺，高等教育相關課程，使用技能課程等的學習計劃、題庫、技能圖譜等功能。

（3）交互式測試系統：提供自我控制、結構化及互動的學習方式，幫助學習者完成學習任務所需的知識和技能。

（4）軟件與校對工具：幫助學習者完成特定任務，并進行校對，提供所需工具支持。

（5）監測系統：跟蹤學習者觀看視頻、作業和討論等學習行為表現，評價學習者的學習績效。

（6）干預引擎：進行學習者進程追蹤和自動化以及人工干預。

（7）預測引擎：綜合來自學生信息的統計學數據和學生信息庫的學習行為數據，跟蹤學習者的學習進展情況，預測未來學習者的學習狀況。

三、基于“中國大學MOOC”的學習分析系統框架設計

面對世界范圍內MOOC的急速發展，我國高校繼2012年與edX、Coursera和Udacity簽約合作后投入了大量人力物力于中國大學MOOC建設中，希望能樹立起自己的民族資源品牌。2014年4月由重慶大學組織成立的“WEMOOC東西部高校課程共享聯盟”成為中國最大的MOOC式在線互動學堂；上海教委發起建設的大型在線教學服務平臺“上海高校課程中心”已經在發展中國本土化的MOOC方面有一些前期實踐積累［5］。2014年5月8日，網易云課堂承接教育部國家精品開放課程任務，與“愛課程網”合作推出的“中國大學MOOC”項目正式上線。首批上線來自16所“985工程”高校的56門課程，截止8月份已有100門（包括已開課程和待開課程）課程，涵蓋北大、浙大、中科大、復旦大學等20所知名高等學府，課程的講師為各個領域內的頂級名師，“中國大學MOOC”將根據成績，把證書分為合格和優秀兩類。

中國大學MOOC的課程分為七大模塊：評分標準、教學安排、課件、測驗與作業、考試、討論區、分享，如圖3所示，不同的課程有不同的評分標準和教學安排，每門課程相關的課件、測驗、作業與討論是課程的主要模式包括：

（1）觀看視頻：課程會提供幾段教學視頻，每段視頻都會講解重要知識點和教學內容，學習者可以有選擇性和目的性地觀看。

（2）講間練習促進知識內化：視頻中增加一些小練習題，以單項和多項選擇等形式，讓學習者對視頻所學內容進行消化并吸收。

（3）隨堂交互：有些視頻結束學習者可以在討論區與教師、學習者隨堂交互，討論相關學習內容，發表自己的想法和理解。

（4）完成回顧性測驗并提交作業：每周也安排了單元小測驗，讓學習者對本周所學重要內容進行回顧練習，在線提交以獲得老師的批改反饋，也能讓教師及時了解階段教學的結果和學生學習的進展情況、存在的問題等，以便及時反饋、及時調整和改進教學工作。

（5）討論區：中國大學MOOC大部分課程每周都會提供學習者討論的話題，讓學習者在討論區討論，學習者也可自主的在老師答疑區、課堂交流區、綜合討論區和老師同學之間進行交流，或者可以自發形成討論組私底下再度學習探討，討論在有的課程中會作為課程計分的一部分。

（6）中期測驗：在課程結束時，會有針對課程內容、討論話題、提交作業等結業考試。

圖3　中國大學MOOC的一般教學模式

圖4描述了在中國大學MOOC教學過程中，教學者、管理者和系統通過學習分析技術對學習者進行實施干預，首先學習者需要在網易云課堂上申請注冊，選擇參與課程進行學習，體驗預先設計好的課件，完成測驗與作業，在討論區和教師、學生相互討論問題，在此過程中系統會通過一種“反饋學習”的機制，利用自己產生的數據判斷自身算法和參數選擇的有效性，并實時進行調整，持續改進自身的表現［6］。另一方面對于MOOC學習者產生的學習行為數據，都將即時地以網頁點擊流方式記錄下來，存儲在學習者用戶數據庫。

學習分析系統對學習者在中國大學MOOC課程的學習數據研究常用方法：

（1）社會網絡分析

社會網絡分析（social network analysis），是由社會學家依據數學方法、圖論等研究出來的一種定量分析方法，對網絡學習過程進行系統的分析，強調信息的分布和個別學習進展，需要使用很多相關的工具和方法。例如可以用Mzinga工具來分析學習者在這門課程學習中的參與程度，影響學習者個性化學習過程的情景因素；可以用Gephi工具可視化處理各種數據，判斷學習者在哪方面有學習認知的困難。

（2）文本分析

文本是最常見的存儲信息形式，如電子郵件、教學文件到網站頁面等.文本分析是從各種格式結構的文本中提取有用的信息和知識的過程。例如：在中國大學MOOC中的測驗和考試環節主要用于處理如何尋找給定問題的最佳答案，它涉及問題分析、答案檢索和提取、回答演示方面的不同分析。

（3）內容分析

內容分析（Content Analysis），是指對于明顯的傳播內容進行客觀而有系統地量化并加以描述的一種研究方法。它通過特征分析、發展分析和比較分析對某一對象在不同問題、不同時期和不同樣本資料等情況下進行內容分析，判定對象的特征、發展趨勢及與其他對象之間的異同。ROST content mining工具，是一個大型的內容分析工具平臺，對學習內容、成績考核、作業完成情況等量化處理生成可視化的分析結果，研究學生的思想、意圖和動機，預測學生的行為動態。

圖4　基于中國大學MOOC的學習分析系統框架

教學者和管理人員根據學習分析系統對學生學習行為數據的分析情況，預測和干預學習者的學習表現及下一步所需要的教學內容和形式，同時做出有效調整，以不斷達到理想中的結果，使教學、學習效果更優化，從而實現因材施教。例如：適應性學習系統就是建立在對學習行為的數據采集和分析基礎上，及時向教師反饋學習者的學習效果，并向學習者推薦下一步的學習策略（包括學習內容的難度、學習環節的形式和順序等）［7］。在這個過程中，學生通過自我組織、制訂并執行學習計劃，從而控制整個學習過程。

圖5　拉斯維爾模型與傳播研究領域

本研究以哈羅德·拉斯維爾傳播模型所揭示的教育技術研究五個方面的重要研究領域，如圖5所示為主要依據，針對圖4的中國大學MOOC，從應用項目、研究問題和所需分析的數據三方面列出學習分析技術在這重要研究領域的應用設計，如表所示。

表學習分析技術在中國大學MOOC的應用設計

四、結束語

隨著中國MOOC本土化的快速發展，海量數據的產生、挖掘、統計和分析也成為新的挑戰和機遇，學習分析技術以學習數據為分析對象綜合運用各種相應的分析工具，建立數據結構與知識信息的聯系。

（1）在MOOC這種動態、開放、大規模的學習環境中，學習分析技術很好的觀察反映出學生在學習內容、發現問題、解決問題的過程性結果，學習者需要依據結果對自身的學習質量做出評判和校正，實現教學中的知行統一。

（2）學習分析技術通過統計處理的方式對學習數據進行量化分析，全面、客觀、準確地描述教學現象和規律，深入挖掘隱藏在復雜的數據后面的知識，使對中國大學MOOC學習過程的研究結果更為真實、系統、科學，從而提高研究結果的水平。

（3）基于中國大學MOOC的學習，教師只能通過各種類別的數據來判斷學生的掌握程度，學習分析技術的應用可以促使教師利用圖形和可視化工具解析復雜的、海量的數據，同時教師也可以診斷自己的教學效果，如美國加州大學開發了QSP（the Quality School Portfolio），目的是促進教師對學生績效的可視化分析能力。

由此，如美國圣地亞哥州立大學副校長依山·辛格（Ethan Signer）校長在一次訪談中所說：“‘數字排放’（Digital Exhaust）中有成千上萬名學生留下了他們參與MOOC的學習數據，這是我們進行大數據分析并設計有效教學的寶貴資料。”學習分析技術在MOOC領域的應用潛力是有待更深地挖掘，大部分學者對學習分析的研究集中在表述現象，而對學習分析應用的研究相對較少，就目前中國大學MOOC的本土化發展現狀來說，學習分析技術的應用是極具研究價值的。

［1］吳永和，祝智庭.學習分析：教育信息化的新浪潮［J］.遠程教育雜志，2013（4）：11-19.

［2］Siemens，G..Learning Analytics a Foundation for Informed Change in Higher Education［DB/OL］.［2013-01-17］.http//www.slideshare.net/gsiemens/learning-analyticseducause.

［3］朱珂，劉清堂.基于“學習分析”技術的學習平臺開發與應用研究［J］.中國電化教育，2013（9）：127-132.

［4］孫洪濤.學習分析視角下的遠程教學交互分析案例研究［J］.中國電化教育，2012（11）：40-45.

［5］顧小清，胡藝齡，蔡慧英.MOOCs的本土化訴求及其應對［J］.遠程教育雜志，2013（5）：3-11.

［6］肯尼思·庫克耶.大數據時代［M］.北京：浙江人民出版社，2012.

［7］張羽，李越.基于MOOCs大數據的學習分析和教育測量介紹［J］.清華大學教育研究，2013（8）：22-26.

（編輯：楊馥紅）

G434

A

1673-8454（2016）05-0004-04

本文系遼寧省教育科學“十二五”規劃研究課題“學習分析視角下的學習資源網站優化策略研究”（項目編號：JG13DB337）的階段性成果。