在線學習行為分析研究綜述

摘 要：本文對學習行為記錄、個性化學習及智能化服務以及學習行為分析模型三個方面的研究進行歸納綜述，提出了以目前在線學習行為分析研究中存在的一些問題。

關鍵詞：學習記錄；個性化學習；學習行為分析模型

DOI：10.16640/j.cnki.37-1222/t.2017.24.200

1 引言

《2017年中國在線教育行業發展現狀及市場規模預測》調查數據顯示，2016年在線教育市場規模達到1560.2億元，用戶規模達到9001萬人，預計2018年，在線教育市場規模將突破2000億。我國自1990年開展遠程教育以來，取得了巨大的發展，在線教育逐漸成為在職人員繼續深造學習的方式，也成為各學校教師生學習的必不可少的一種學習方式。發展至今，學校、政府部門、公司幾乎都有自己的在線學習學習平臺。在線教育與傳統教育相比較，具有學習資源共享、學習資源豐、教育規模大、教育成本小、不受時間空間限制等優勢，它依托互聯網，能夠實現隨時隨地學習。因此在線學習的人數和規模迅猛發展，其受重視程度不可小覷，正逐步成為不可或缺的主要學習方式。

2012年，大數據迅速發展，強勢來襲，“數據思維”的重要性瞬間充斥到各行各業。教育領域也不例外，在線教育的過程中充斥著多種形式的教育數據。利用學習數據來評價學生的學習表現和為學生提供服務已成為不可阻擋的趨勢，以數據為依據更具有科學性和說服力。隨著網絡課程與學習技術系統的發展，能夠獲取到的在線學習者學習數據會越來越多，利用學習行為分析的方法和技術，可以深入挖掘學習者學習數據背后隱藏的巨大價值，例如可以分析學習者風格、學習者學習行為習慣、行為產生的動機、需要、環境等因素，以及各個行為之間潛在的關聯規則，微妙而又復雜的關系等等。從這些數據中挖掘出與學習相關的信息，從而實現改進教學系統、提升學習效果，在教育信息化領域一直有著巨大的吸引力[1]。

2 在線學習行為分析研究現狀

在線學習行為分析是一門綜合性較強、知識濃度較高、跨領域較廣的研究，涉及多個學科領域的知識，例如行為認知、心理學、教育學、統計學、數據挖掘、人工智能等，因此不同研究者從不同的角度出發，其研究方法和研究范疇也各不相同。本文聚焦于學習行為數據的記錄、個性化學習資源及智能化服務、學習行為分析模型三個方面進行綜述。

2.1 學習行為記錄研究

國內外學者對于在線學習行為的研究，最初始于國外學者AnnaHummel等投入了無線通信移動設備，如：PC（個人計算機）、PDA（掌上電腦）、Notebook（筆記本電腦）等。利用移動設備實時的追蹤記錄學生的學習行為，建立了基于web的在線學習平臺，學生的應用移動通信設備學習的行為數據將會傳到web服務器和數據庫，教師或管理者通過日志記錄獲取到學生的學習內容、學習反饋、自我評價、在線作業，據此形成對學生的及時反饋和評價[2]。此外，美國為了簡化教學流程還創建了在線學生成績管理平臺Engrade，包含了測試、管理、作業、評價等9大功能，教師可以隨時查看學生的學習狀態并據此調整教學方案，教學資源實現重復利用，提高了教學效率[3]。我國對在線學習行為分析的研究相對稍晚于國外，早期的研究主要聚焦于如何使用網絡環境進行有效學習，提高學習資源的利用率等方面。2004年，龔志武利用遠程教育網絡教學平臺進行實證研究，研究了師生交互率與網上累計學習時間、網上累計學習次數之間的關系，并列舉出一些值得探討的問題。如：學習者的交互和獨立如何制衡[4]，教師的投入和回報問題如何處理[5]。2005年，徐彩虹采用問卷調查的方式分析了河北、江蘇、山東3個省份5所高校的大學生在線安學習過程中存在的問題（學習較少娛樂較多、學習資源匱乏、缺少教師指導），探討了對對大學生在線學習行為的主要影響因素（學生計算機技能不足、教師網絡素養低、在線學習資源匱乏），并據此提出了相應的改進策略（網絡素質教育、加強信息化建設、網絡教學培訓）[6]。

教育心理學將人的學習行為劃分為兩個大的維度，即外顯行為（Ex-plicitLearning）和內隱行為（ImplicitLearning）。外顯行為是我們可以直接觀測、記錄到的行為，而內隱行為則是根據內心世界的想法對外做出的行為。可以看出，對在線學習者學習行為的記錄，主要依托在線學習平臺通過Internet將學生的外顯學習行為（學習時長、學習進度、討論交流、作業、測試、答疑等）記錄到網絡服務器和數據庫，教師從學習平臺后臺的日志記錄中獲取學習者的學習行為。而學生的內隱學習行為，通常采用問卷調查的方式獲取。

2.2 個性化學習及智能化服務研究

部分學者從學生學習需求出發，力圖滿足學生的在線學習需求，提高學習滿意度，從而積極地促進學習者在線學習行為的發生。Wan-ILee等為學生提供適合自己的教學策略，通過提升教學環境，提高在線學習者的學習滿意度，最終實現提高學習績效的目的[7]。Chih-MingChen等設計了個性化學習系統，在這個系統中運用了模糊推理機制，依據學習者對課件學習的反應來推測出學習者學習能力的強弱，從而為學習者推薦難度系數與學習者學習能力向符合的學習課件[8]。Jia-JiunnLo通過對學習者在線學習時瀏覽網頁的節點順序和打開的相關鏈接，分析學習者的學習偏好和學習風格，推薦相應的學習內容[9]。我國研究者趙錚提出了面向智慧學習空間學習過程的推薦系統，整個系統分為四層，前兩層主要負責學習者在線學習行為數據采集和分類存儲，第三層負責分析前兩層所得數據，計算學習者相似度，第四層依據計算分析結果向學習者推薦學習路徑和學習資源的個性化服務[10]。吳洪艷基于智慧學習理論和學習分析理論，闡述了構建個性化學習系統的思路，構建了個性化在線學習系統，依據學習者需求和學習規律，為不同的學習者推薦適合自身法的學習資源和學習路徑，教師可以預測學習效果、干預學生學習[11]。

不難看出，致力于個性化學習資源及智能化服務研究的文獻，從兩條路線來促進學習者的學習行為，一是改善在線學習環境、學習資源，滿足學習者的學習需求；二是通過創建個性化學習服務平臺，為學習者提供推薦個性化的學習資源、學習路徑、學習策略和學習干預。

2.3 學習行為分析模型的研究

我國許多學者為學習行為分析模型的研究做出了貢獻，為后續研究奠定了基礎。比較有代表性的有：2012年彭文輝的博士學位論文提出了一系列有關學習行為分析的模型。如OCCP分類模型將學習行為從低級到高級分為四個層次（操作、認知、協作、問題解決）， S-F-T三維分類模型（結構、功能、方式），網絡學習行為系統概念模型（要素、描述、分類、受影響、獲取數據、分析、研究意義），網絡學習信息模型并實現XML綁定，最后設計開發出網絡學習原型系統并投入實踐應用論證模型[12]。2014年，胡藝齡、顧小清、張春分析了現有學習行為分析模型的不足（未體現在線學習分析的過程描述），構建了自底向上的分為數據層、機制層、結果層，數據層負責收集學習者產生或發布的數據，形成行為特征庫，機制層分析行為特征庫中各因素之間的關聯與內涵，提供預測和及時反饋，結果層將分析結果可視化并呈現給學習者、教師、家長、管理者，三個層不斷循環更新迭代[13]。2017年張家華等基于傳統的RTI（ResponsetoIntervention，簡稱RTI）模式構建了包括篩選、監控、多層次干預、決策和分析五個要素的循環迭代在線學習干預模型，并用實驗檢驗其有效性，將在線學習者的學習行為數據篩選后，預測可能存在風險的學習者加以適當的干預[14]。

以上學習行為分析模型的構建，學生既是學習行為的產生者，也是學習行為分析的最終受益者。出發點和落腳點均在學習者自身，體現出以學習者為中心的思想。以“數據獲取——數據分析——結果反饋”這樣的思路，數據不斷迭代更新，分析機制也不斷更新，形成良性循環。

3 存在的問題

綜合以上三方面研究現狀來看，目前對于在線學習行為分析的研究已經取得一定的成果，但已存在不足之處。第一，對于學習行為的記錄，依然停留在剛起步的水平，只能夠簡單地記錄比如學習時長、學習時間、談論交流等一些外顯行為，而對于能夠反應學習者內隱行為的記錄還需進一步研究。第二，個性化及智能化服務系統缺乏情感交流，對于在線學習環境下學習者行為的研究還不夠深入，并非想學習者推送學習資源學習者就會進行有效地學習。第三，由于學習行為分析涉及到的知識領域比較廣泛，研究者需要掌握大量的各學科領域的知識，但目前對學習行為分析的研究多為與教育相關專業的人員，在學科知識整合不夠完善的情況下，研究顯得不夠專業。因此，學習行為分析模型的構建大多停留在理論構建的基礎上，構建好的模型沒有能夠依據模型的方法構建出平臺并投入使用，實證研究的規模還比較小。

參考文獻：

[1]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，2012，30（01）：18-25.

[2]Karin Anna Hummel，Helmut Hlavacs.Anytime，Anywhere Learning Behavior Using a Web-Based Platform for a University Lectrue. Praoceedings of the SSGRR 2003 Winter Confrence，2003.

[3]Engrade IK-12 Instructional Management Platform[DB/OL]. https：//www.engrade.com.

[4]John Daniel.Using ICT for Quality Teaching， Learning and Effective Management[A].7th Annual UNESCO-ACEID International Conference on Education[C].Bangkok，2001：11-21.

[5]龔志武.關于成人學生網上學習行為影響因素的實證研究[J].中國電化教育，2004（08）：32-35.

[6]徐紅彩.在校大學生網絡學習行為的調查與研究[J].電化教育研究，2005（06）：61-63.

[7]Wan-I Lee.The application of KANO's model for improving Web-based learning performance [DB/OL].32nd ASEE/IEEE Frontiers in Education Conference，2002.

[8]Chih-Ming Chena，Ling-Jiun Duh.Personalized web-based tutoring system based on fuzzy item response theory.Expert Systems with Applications，2007.

[9]Jia-Jiunn Lo，Pai-Chuan Shu.Identifying Learning Styles by Observing Learners'Browsing Behavior.British Journal of Educational Technology （in press）.

[10]趙錚，李振，周東岱，鐘紹春.智慧學習空間中學習行為分析及推薦系統研究[J].現代教育技術，2016，26（01）：100-106.

[11]吳洪艷.智慧學習視角下個性化在線學習系統設計與應用[J].中國電話教育，2016，341（06）：127-131.

[12]彭文輝.網絡學習行為分析及建模[J].華中師范大學，2012.

[13]胡藝齡，顧小清，趙春.在線學習行為分析建模及挖掘[J].開放教育研究，2014，20（02）：102-110.

[14]張家華，鄒琴，祝智庭.學習分析視角下在線學習干預模型應用[J].現代遠程教育研究，2017，（04）：88-96.

作者簡介：孫燕龍（1992-）， 男 ， 云南昆明人 ， 碩士研究生 ， 研究方向：學習行為分析。