基于大數據的個性化自適應小學數學在線學習分析

孔洋洋，劉建國

(長春師范大學傳媒學院，吉林長春 130032)

?

基于大數據的個性化自適應小學數學在線學習分析

孔洋洋，劉建國

(長春師范大學傳媒學院，吉林長春 130032)

目前，國內外對學習分析研究的典型應用多局限于高等教育層面，對基礎教育學科涉獵甚少，對小學數學在線學習分析的案例研究更是少之又少。本文通過對現有學習分析基礎模型的研究，結合小學數學學科學習的特點，給出一個個性化自適應小學數學在線學習分析模型。

學習分析；個性化；自適應；小學數學

隨著教育領域中信息技術的發展，尤其是數字化校園建設水平的不斷提高，眾多在線教育平臺和軟件系統應運而生，大量的教育數據信息就存儲在這些教育系統中。怎樣篩選、利用這些教育信息數據，并將其轉化成為應對教育教學中問題的利器，是需要教育決策者重點探討和深思的。學界對學習分析的研究更多針對高校各學科，并未給出過結合小學數學教育教學的學習分析模型，海量的小學數學數據得不到充分、有效的分析與利用。美國新媒體NMC連續4年在地平線報告中提出，學習分析是影響現代教育框架發展、教學根本化變革的關鍵[1-4]。其中，2014年的地平線報告中明確指出，學習分析是這幾年內對教育產生影響的關鍵技術，其在現階段對教育的影響越來越受到人們關注[4]。學習分析主要研究學生在學習過程中的各種表現，對學生在學習過程中產生的海量學習數據進行收集分析，以提高教學質量和學生的學習效率。隨著網絡學習的大面積普及，網絡學習平臺大量涌現，教育信息化逐步推進，我們可以采集到的學生學習數據越來越多，為進一步構建學習分析模型奠定了基礎。

1 國內外學習分析發展及研究現狀

國外一些研究主要著重于學習分析服務型基礎框架的構建，主張將學習分析應用到具體科目實踐中，提高教育環節中“教”與“學”的效率。將收集到的大量學習者學習信息的數據應用于學習分析模型中，指出學習中所存在的問題，對學習進行預測和實時的反饋、干預等。美國北亞利桑那大學使用了學習績效評估系統，收集學生在課堂中的學習表現，為學生提供反饋和建議[5]。普渡大學構建的“課程信號”教師教學支持與學習干預系統，幫助教師利用學習分析的各種技術手段為學習者提供及時且具有針對性的反饋，取得了非常好的效果。具體數據結果表明：絕大多數學生認為學習分析有助于自己的學業，89%的學生認為在這一過程中獲得了積極正面的體驗，58%的學生愿意在每一門課程中都使用這一系統[6]。

我國對學習分析的研究處于文獻綜述和結合專業學科的應用性分析階段。顧曉清、趙春、胡藝玲、韓順平、吳永和等學者，從不同層面對學習分析進行了綜述性的總結。王以寧、趙蔚、魏順平、鄭旭東等學者，在學習分析的應用層面上進行論述，并且結合具體科目展現學習分析的實際作用。我國關于學習分析的研究論文，2010年有34篇，2011年有45篇，2012年有56篇，2013年有84篇，2014年有137篇，2015年有157篇(以“學習分析”為關鍵詞在中國知網檢索統計結果)。由此可以看出，近年來學習分析受到人們廣泛的關注，碩士研究生關于學習分析的學術論文并不多，這說明針對學習分析方面的研究在我國正處于起步階段，研究空間很大。我國關于學習分析的研究成果多為對學習分析概念、方法、工具及研究現狀的綜述，并沒有在現實情境的教學過程中實現對學生學習的指導。

隨著數字媒體和分析技術的發展，學習和教育方式日趨多元化和立體化，學習分析也逐漸融合到在線學習、混合式學習、協同學習、虛擬化學習之中。學習分析重視適應性和個性化服務，要求環境與使用者、教與學良好互動，是實現智能教學的最佳手段。

2 學習分析的相關概念

2.1 學習分析的定義

美國高等教育信息化協會將學習分析定義為：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[7]。新媒體聯盟CNM也曾對其有相似定義：利用數據收集工具和分析技術，研究分析學習者學習參與、學習表現、學習過程的相關數據，進而對課程教學和評價進行實時修正[1]。筆者認為，學習分析(Learning Analytics)指收集、分析研究學習者與其所在環境產生的交互式海量數據，尋求所涉及的學習活動與學習效果之間的關聯性規律，并利用這種規律進行學習行為的剖析，發現學習中產生的問題，為教師對學生的教育提供指導，以優化教師教學設計和提高學生學習效率。

2.2 小學數學在線學習分析定義

對學生在小學數學在線學習中所產生的數據進行分析，抓住共性，注重差別。結合小學數學學習特點，對數據背后隱藏的小學數學學習信息進行挖掘、分析、理解和有效應用。

2.3 個性化自適應小學數學分析定義

小學數學教師能夠利用數據挖據、人工智能進行學習分析，根據不同學生的需求和能力，實行個性化的數據推送，制定個性化學習內容，提供智慧服務性幫助，提高他們的學習成績和學習效率。

2.4 小學數學學習分析的重點應用領域

2.4.1 現狀分析

針對學習者學習的大環境進行分析，對小學生學習成績進行橫向和縱向的比較，使學習者可以縱覽全局，了解自己在整個區域中所處的位置。

2.4.2 教學評價

揚棄傳統意義上的小學教師對教學評價的不客觀性，用數據分析作出公平、公正、公開的評價。學習分析數據是教學評價的重要依據。

2.4.3 未來預測

根據小學生現有的學習狀況，對其接下來十多年的學習歷程進行預測。讓學生家長未雨綢繆，有針對性和方向性地對孩子進行早期培養。

2.4.4 教學干預

教學干預是學習分析中最重要的一項。教師的指導性干預行為能夠迅速地提高學生的學習效率，培養學生從小學基礎教育階段就形成良好的學習習慣以及有效的學習方法。

2.5 小學數學在線學習分析過程的構成要素

2.5.1 數據收集

小學數學學習信息數據收集過程中會用到搜集腳本、方案以及其它各種用于整合數據的方法。信息數據可能來自學校教學系統，也可能有其它來源，比如移動學習客戶端、新媒介。要按照小學課程的具體教學目標，將大量原始數據處理為相應形式的數據。

2.5.2 學生學習

小學數學學習分析能夠體現小學生的日常行為、時間分配、學習成果，以及小學數學學習的進展等諸多方面問題。

2.5.3 學習分析

運用定量和定性相結合的方式，對收集到的原始數據進行分析，并將分析結果可視化、形象化為表格、圖表或其它各種形式。由此將學生的學習狀態及時、準確地展示給教師以及學生家長，便于他們及時調整學習方法和學習內容。

2.5.4 反饋

教師、學生以及教學管理者是學習分析結果的直接受用者，因為這三種角色可以直接對學生學習采取相應的調整和引導。其中，教師是教學方向的引導者，學生是教學內容的反饋者。具體采用什么方法收集數據，進而用哪些工具和方式進行相應的數據分析，還要依賴于學生的類型。例如，我們的研究對象是小學生，就要采用適合小學生心理、生理行為需求的方式來進行反饋。

2.5.5 干預

在個體、課程、部門或者機構層次使用相應的干預，是進行學習分析的首要因素。對我們的研究對象——小學生，要給予更多耐心的關注，在研究方法上要更注重策略。

2.6 小學數學學習分析的特征

2.6.1 多樣化的數據來源

大部分的原始數據是通過LMS、CMS和學生檔案庫等數據庫獲得的，也有一部分數據是從小學生個人的非正式知識管理系統(如個人主頁、博客、微博)或小學生在傳統教學環境中的數字化學習資料、作業、作品中獲得的。但由于小學生年齡和認知行動能力有限，可采集的數據并不多，多是生活化的學習數據。

2.6.2 分析方法、分析工具的自動化

小學數學不同于傳統的教學評估方法和模型，需要運用自動化的分析方式，對數據進行分類、探究和分析。在傳統的教學模式中，小學教師和管理者是學習狀況評估人，他們的主觀因素將影響對小學生學習的最終評價。

2.6.3 提供可視化的分析結果

小學數學學習分析的主要目的，是通過預測小學生學習結果和提高學習績效，將數據直觀、可視地展示給教學過程的參與者，從而便于學生完善自身的學習方法，便于教師對相應的教學方法進行判斷。

2.6.4 面向學生和教師

小學生和小學教師是小學數學學習分析的直接被服務者。將小學生在線學習時產生的各種數據進行分析，提出建議，并將可視化的具體數據反饋給教師，使教師能夠及時改善教學方法，加強職業技能，提高教學水平。同時，通過直接的學習情況反饋，能夠幫助小學生提高學習成績和學習效率。

3 建立個性化自適應小學數學在線學習模型

以學習分析的基本概念界定、學習分析的構成要素以及分析的過程步驟為基礎制定學習分析模型，根據Siemens提出的學習分析過程模型，結合小學數學學習特點，初步設計小學數學學習分析模型(圖1)。模型的數據來源主要有兩個方面：一是學生在網絡環境中利用移動終端在線學習平臺、個性化學習環境以及學習管理系統進行學習所產生的數據；二是學生學習過程中涉及的課程教學內容等相關數據，對學生的未來學習行為作出預測，以便對學生進行適當的干預。

圖1 個性化自適應小學數學在線學習模型細節流程圖

3.1 小學生的定性分析

在數據收集階段，為了使學習分析支持下的小學數學教學和學習都達到最佳水平，首先，在開展教育教學之前對小學生的年齡進行判定。小學階段一般學制是6年，年齡段為6～12歲，根據學生年齡又具體分為低齡組(6～8歲)、中齡組(9～10歲)、高齡組(11～12歲)。不同年齡段的學生對小學數學的學習內容、學習方法以及知識技能的掌握與應用有很大的差異。瑞士心理學家皮亞杰的“兒童認知發展階段論”認為，小學階段的兒童處于“具體運算階段”向“形式運算階段”轉變的狀態中，此階段的兒童在認知結構上逐漸形成抽象的概念，同時具有初級的邏輯推理能力。其次，了解學生的基本信息、社會信息、學習歷程、學習風格。小學生一般活潑好動，其學習活動一般應以寓教于樂為宗旨，因此教師要從第二課堂、家庭氛圍、自律情況、業余游戲、是否參與課后班等方面對學生進行全方位的了解。確定學習者的學習起點，對相同初始能力的學習者進行同質分組，以便于后續教學的順利開展，也為進一步的個性化自適應的學習模式設計奠定基礎。

3.2 小學生的認知判斷

鐘啟泉教授把認知能力劃分為兩個階段：一是低階認知能力，分別是記憶、理解和應用；二是高階認知階段，分別是分析、評價和創造[8]。小學數學的學習內容分為4個階段模塊，即“數與代數”“圖形與幾何”“統計與概率”和“綜合與實踐”。我們要從知識能力方面判斷小學生對數學知識的掌握情況，然后對他們的學習技能進行判斷；除了學生所學習的知識內容，也要培養其用數學思維解決問題的能力。根據學生的不同認知水平設立起點，通過定性分析確定學生的認知水平以及個人特征；還可以有針對性地鼓勵學生設立個人學習目標，增強他們的學習信心。

3.3 小學生的針對性任務

任務性學習是指以逐個完成小任務為目標，將知識點融合在任務中，把任務簡化成小游戲。這樣更能讓小學生接受，提高他們的學習興趣。

3.4 小學生的學習數據采集

學生解決學習問題的動態數據是學習分析的主要數據。學生既是學習分析模型的利用者，也是學習分析模型所需基礎數據的創造者。通過對學生跟蹤記錄，能夠進行有針對性的數據采集與分析，把非結構化的數據通過定性、定量的分析變成可視化的圖表或其它形式進行呈現。

3.5 小學生學習的評價與反饋

對學生學習情況的數據進行分析，評估他們的學習效果及其所達到的水平，有助于教師關注學生個性的差異，相應地調整教學內容和教學設計，全方位地了解學生的實際學習情況，并將結果反饋給學生，指導學生調整其自身的學習策略，真正地做到因材施教。

4 結語

將學習分析技術應用于小學生學習，便于教師通過相關數據來監測和預測學生的知識掌握情況，盡早發現問題，給出有針對性的反饋意見和改進建議，使學生能對自己薄弱的地方進行有針對性的學習，提高學習效率。基于大數據的個性化自適應小學數學在線學習分析，有助于教師把握學生的個體差異，捕捉學生的個性特點，做到個性化施教，也有助于學生根據反饋結果有針對性地改善學習方法，提高學習效率。

[1]Johnson L,Adams Becker S,Witchey H,et al.The NMC Horizon Report:2011 Museum Edition[J].Austin,Texas:The New Media Consortium,2011.

[2]Johnson L,Adams Becker S,Cums M,et al.The NMC Horizon Report:2012 higher education edition[J].Austin.Texas: The new media consortium,2012.

[3]Johnson L,Adams Becker S,Cums M,et al.The NMC Horizon Report:2013 higher education edition[J].2013.

[4]Johnson L,Adams Becker S,Estrada,V.,Freeman,A..NMC Horizon Report:2014 higher education edition[R].Austin. Texas:The new media consortium,2014.

[5]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(8):129-133.

[6]鄭旭東,楊九民.學習分析在高等教育領域內的創新應用進展、挑戰與出路[J].中國電化教育,2016(2):2-7.

[7]吳永和,陳丹,馬小玲.學習分析:教育信息化新浪潮[J].遠程教育雜志,2013(3):11-19.

[8]鐘啟泉.基于核心素養的課程發展:挑戰與課題[J].全球教育展望,2016(1):23-25.

Analysis on Individual Adaptive Online Learning of Elementary Mathematics Based on Large Data

KONG Yang-yang, LIU Jian-guo

(School of Media and Communication,Changchun Normal University,Changchun Jilin 130032,China)

At present,typical types of learning analysis are confined to higher education level,and only a few examples of primary school online mathematics learning analysis are studied.In this paper, method includes studying various basic models of the existing learning analysis and combined with primary school mathematics learning characteristics, we got a personalized self-adaptive primary school online mathematics analysis models.

learning analysis; individuation; self-adaptive; elementary mathematics

2016-06-07

孔洋洋(1991- )，女，碩士研究生，從事信息技術課程學科教學論研究。

劉建國(1972- )，男，副教授，碩士生導師，從事信息技術課程學科教學論研究。

G434

A

2095-7602(2016)12-0055-05