基于藍墨云班課的語文在線學習行為數據分析①

陳志雄

[摘 要] 選用藍墨云班課移動學習平臺實施在線學習，以云班課記錄學習者在線學習行為數據，借助SPSS統計軟件進行數據挖掘和學習分析，尋找語文在線學習提升策略，優化語文在線學習活動設計，指導學習者在線學習行為。

[關 鍵 詞] 在線學習；行為數據；中職語文；數據挖掘；學習分析

[中圖分類號] G712 [文獻標志碼] A [文章編號] 2096-0603（2018）11-0024-03

一、研究背景

隨著各種網絡教學平臺中學習數據飛速遞增，如何充分利用、深度挖掘平臺存儲數據的價值，服務教與學，逐漸引起教育研究者的關注。在線學習研究應注重收集和分析學習者的學習行為數據，研究學習者學習過程情況和學習績效，并及時將分析結果用于優化課程、反思教學和完善評估。

自2017年3月，筆者在學校兩個工科班開展了中職語文混合式學習研究，該研究是廈門市2016年“十三五”教育教學課題《混合式學習在中職語文教學中應用的行動研究》的一部分。筆者選用藍墨云班課移動學習平臺實施在線學習，以云班課記錄學習者在線學習行為數據。

二、研究問題

（1）在線學習行為數據中各維度下各指標相關性。（2）不同層次學習者在線學習行為差異性。（3）在線學習行為數據的線性回歸特征，嘗試尋找各學習指標與在線學習經驗的線性回歸方程。

三、研究方法

（一）樣本選取和數據采集

本研究以2016計用1班在2017年2月至4月的在線學習行為數據為樣本。學習者的個人學習數據主要通過云班課的學習者學習報告及學習者學習積分明細進行收集和整理，班級學習數據通過導出云班課的班課數據和教學報告收集和整理。

（二）在線學習行為分析維度、指標及度量

筆者結合張思等人的“網絡學習空間中學習者學習投入模型”，結合中職語文混合學習中的在線學習活動內容，對學習者語文在線學習行為數據的分析維度、數據指標及度量方式進行設計（見下表）。

（三）研究思路

通過教育數據挖掘和學習分析指導學習評估、預測、干預（見下圖）。

對在線學習行為中各維度中各指標間的相關性以及各項指標與學習經驗間的相關性進行分析，反思語文在線學習設計中存在的不足。

對不同學習層次（優秀、良好、合格）學習者的語文在線學習行為數據進行差異性分析，幫助教師分層指導學習者。此外，對學習數據進行多元線性回歸分析，探索學習經驗與各指標要素之間的線性回歸方程，為預測和干預下一階段學習者在線學習行為提供參考。

四、在線學習行為數據分析

（一）在線學習行為數據信度分析

筆者借助SPSS軟件對收集到的2016計用1班在線學習行為數據進行了可靠性分析，結果顯示Cronbachs Alpha值為0.731，大于0.7，基于標準化的Cronbachs Alpha值為0.920，屬于高信度數據。

（二）在線學習行為各維度相關性分析

1.參與維度各指標相關性

SPSS軟件相關性分析結果顯示：參與討論次數增加，僅與參與活動次數增加相關。

2.專注維度各指標相關性

SPSS軟件相關性分析結果顯示：回帖深度與作業質量相關性較差，與發帖質量相關性較高。發帖質量較高的學習者在討論活動中回帖積極性較高。

3.規律維度各指標相關性

SPSS軟件相關性分析結果顯示：平均登錄間隔越短，準時參與活動就越多。平均登錄間隔較短的學習者，能較有規律地參與在線學習活動。反之，無法規律地參與在線學習的學習者往往平均登錄間隔都較長。

4.交互維度各指標相關性

SPSS軟件相關性分析結果顯示：點度中心性越強，回帖數量與上傳資源數量越多。主動發起討論互動的學習者，交互意愿較強。

5.學習經驗與其他維度指標相關性

SPSS軟件相關性分析結果顯示：學習經驗的計算對學習者個人學習行為關注較多，但未能充分涉及回帖深度、點度中心性、參與討論次數，對在線學習的討論活動關注不足。

（三）在線學習行為差異性分析

1.優秀、良好、合格層次學習者各指標正態分布檢驗

筆者將樣本中的學習者按排名分為優秀、良好、合格三個層次，樣本總數為37人，其中優秀和合格都為10人，良好為17人。為了進一步確定差異性分析所使用的方法，筆者分別對三個學習層次學習者在線學習行為數據進行單體樣本K-S檢驗，確定其是否符合正態分布。在單樣本K-S檢驗正態分布的結果中sig值大于0.05，受檢驗數據屬于正態分布。

（1）優秀學習者數據正態分布檢驗（單體樣本K-S檢驗）。根據sig值判斷，優秀學習者的登錄次數、瀏覽課程資源、作業提交數量、參與活動次數、登錄平均時長、作業質量、發帖質量、回帖深度、平均登錄間隔、回帖、上傳資源、點度中心性、經驗值符合正態分布。總體接近正態分布。

（2）良好學習者數據正態分布檢驗（單體樣本K-S檢驗）。根據sig值判斷，登錄次數、瀏覽課程資源、作業提交數量、參與活動次數、參與討論次數、發帖質量、平均登錄間隔、回帖、上傳資源、經驗值為正態分布。總體接近正態分布。

（3）合格學習者數據正態分布檢驗（單體樣本K-S檢驗）。根據sig值判斷，登錄次數、瀏覽課程資源、參與活動次數、參與討論次數、作業質量、平均登錄間隔、回帖、上傳資源、經驗值符合為正態分布。總體接近正態分布。

三組在線學習行為數據總體接近正態分布，筆者使用獨立樣本T檢驗對其進行分析，分別對比三組數據的差異性。

2.“優秀vs合格”獨立樣本T檢驗

從獨立樣本T檢驗數據中可以看出，優秀學習者與合格學習者在登錄次數、作業提交數量、登錄平均時長、作業質量、發帖質量、準時參與活動、回帖、上傳資源存在顯著差異。優秀學習者比合格者參與在線學習更積極、更專注、更有規律、更具交互性，其在線學習投入較大。合格學習者的學習基礎較為薄弱，在線學習行為較無規律，主動參與意愿較為薄弱。

3.“優秀vs良好”獨立樣本T檢驗

從獨立樣本T檢驗數據中可以看出，優秀學習者與良好學習者的差異比較明顯的是登錄次數、發帖質量、準時參與活動，良好學習者參與在線學習的關注度稍顯不足，學習基礎、學習持續性與優秀學習者仍有較大差距。

4.“良好vs合格”獨立樣本T檢驗

從獨立樣本T檢驗數據中可以看出，良好學習者與合格學習者顯著差異性集中在作業提交數量、登錄平均時長、作業質量、回帖、上傳資源。合格學習者參與積極性、規律性、交互性不足的問題再次出現。

綜合以上三組差異性分析結果，筆者發現合格學習者存在的問題主要集中在學習基礎較為薄弱、活動參與無規律、參與意愿不高。由于學習基礎較為薄弱，他們可能在部分理解難度較大的課文教學中提前放棄了學習。例如，在《林黛玉進賈府》一課，由于課文中許多知識點難度較大，作業難度也有所提升，許多學習靠后的學習者都未能提交作業。因活動參與無規律，許多合格學習者登錄云班課的時間較為集中，未能對在線學習保持足夠的關注度，例如，有部分學習者的登錄時間集中在某一天，登錄間隔時間較長。這些學習者的集中登錄往往與教師的課堂在線學習活動有關，課后他們就很少主動登錄學習了。由于參與意愿不高，合格學習者參與交流討論的次數很少，許多答疑討論與頭腦風暴活動都未參加。

（四）多元線性回歸分析

為了進一步分析各維度中各指標對學習經驗的影響，探索其線性回歸模型，筆者以學習經驗為因變量，參與、專注、規律、交互四個維度中的指標為自變量（預測變量），進行了多元線性回歸分析。

在模型匯總表中，多元相關系數（R）為0.994，模型擬合優度（R方）為0.989，調整后模型擬合優度為0.983，有99.4%的預測可以參考該模型進行預測。

在回歸模型的方差分析表（Anova）中，F值為157.087，顯著性概率（sig）是0.000，表明該模型的回歸極顯著。

在回歸方程的系數表中顯示了各預測變量的系數，根據這些系數，得到完整的多元回歸方程：學習經驗=-8.478+2.375×登錄次數-0.913×瀏覽課程資源+0.545×參與活動次數+0.210×參與討論次數-0.829×登錄平均時長+5.805×作業質量+5.008×發帖質量-1.914×回帖深度-0.096×平均登錄間隔+4.349×準時參與活動+2.053×回帖-0.248上傳資源-0.797×點度中心性。

根據回歸方程系數表，可以看出參與維度中的登錄次數，專注維度的作業質量、發帖質量，規律維度的準時參與活動，交互維度的回帖都是影響學習經驗的重要因素。

五、學習分析視域下的在線學習提升策略

基于學習行為數據分析，筆者提出以下幾點策略：

（一）設計精細有趣的在線學習環境

在線學習通過藍墨云班課來實現，教師可以在藍墨云班課上的“資源”模塊提前上傳精細化的學習資料，并提供學習操作指南。

在閱讀與欣賞課教學中，課前上傳與作者及寫作主題相關的圖片和視頻資料，例如《林黛玉進賈府》課前上傳《紅樓夢》前兩回視頻、賈府人物關系圖和金陵十二釵點評材料，幫助學習者提前了解故事情節和人物性格做好鋪墊。在語文綜合實踐活動課前，上傳校友采訪記錄空表及《采訪優秀畢業生常見問題》，為學習者開展采訪活動提供操作材料。

在作業設計上，可以盡量結合學習者生活實際，引發學生共鳴，積極參與問題討論，例如在《善良》一課中，教師可以跳出課文內容直接提煉出“生活需要善良”的主題，結合兩則生活中的新聞，一則關于“愛心饅頭”，一則關于“扶老人險”，設置話題討論活動，引導學習者圍繞話題結合自身思考進行深入分析，撰寫上傳心得體會。設計作業時，可以增加圖形、表格、圖片作業數量，例如，《南州六月荔枝丹》一課設計思維導圖作業，通過閱讀文本尋找關鍵詞語，填充思維導圖，熟悉課文內容，增添學習趣味。

教師還可以借助藍墨云班課的信息提醒功能與通知發布功能，及時發布學習活動通知，跟蹤提醒學習者準時參與學習。

（二）組織分層協作的在線學習活動

傳統語文教學主要在課堂學習中開展分組協作的學習活動，中職語文混合式學習活動中課前、課后也可以組織分組協作的活動，但在分組時應充分考慮學習者的群體差異性，比較理想的組織方式是開展分層協作的在線學習活動。可將不同學習層次的學習者分配在同一小組中，設計不同難度的學習任務，鼓勵不同層次的學習者開展在線互助學習。例如，應用文寫作課中的啟事寫作課可以在課前開展自學活動，活動內容可以包含收集生活中不同種類的啟事（難度低）、仿寫尋物啟事（難度中）、根據生活案例完成一份啟事（難度高）。

（三）增強教師在線參與和指導

中職語文混合式學習的在線學習主要以學習者獨立完成為主，教師主要建設在線學習資源，批改學習作業。為提高學習者在線討論活動參與率，加大討論深度，教師可以利用藍墨云班課手機APP隨時與學習者互動，對學習者學習中遇到的疑問及時解答，對討論活動中學習者發帖活動進行引導和啟發。

（四）完善學習績效評價

從線性回歸分析中的回歸方程系數可以看出登錄次數、作業質量、發帖質量、準時參與活動、回帖都是影響學習績效的重要因素，這也是傳統評價標準。教師可以提升過程性評價的比重，增加登錄次數、瀏覽課程資源、準時參與活動的評價比重，有效地激勵合格學習者主動參與在線學習活動。

六、總結

本研究利用學習分析技術對學習者在線學習行為數據進行了相關性分析、差異性分析及回歸分析，構建了在線學習行為各指標與學習經驗的回歸方程。基于數據挖掘與學習分析的結果，筆者提出了學習視域下的在線學習提升策略。但是，由于本研究選取的樣本量不夠豐富，在研究結果的推廣上有一定的局限性，需要今后在數據分析中進一步驗證。

參考文獻：

[1]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.

[2]張思，劉清堂，雷詩婕，等.網絡學習空間中學習者學習投入的研究[J].中國電化教育，2017（4）：26.