使用大數據分析技術對外語自主學習情況進行量化分析

摘 要：以2017～2018學年第1學期某款基于校園網的外語自主學習平臺中的數據為研究對象，使用大數據分析技術對外語自主學習平臺的IIS日志進行處理、分析，對學生進行外語自主學習的時間和時長等方面的情況進行量化分析處理。得出，教師布置的外語自主學習任務量較少、有待于增加，外語自主學習集中在19：00～20：00區間，學生喜歡在寢室里利用校園網進行外語自主學習的結論。

關鍵詞：大數據分析；自主學習；量化分析

一、 引言

自主學習最先由Henri Holec于20世紀80年代在其著作《自主性與外語學習》中提出，在中國，范燁等討論了倡導自主學習的必要性，并提出了將傳統教學形式與自主相結合的自主學習模式。彭金定推出了ITILA五步雙向反思動態互補自主學習過程，并進行了實證研究。然而，以往的研究都是基于問卷調查和訪談的方式，本文旨在探討利用大數據分析技術對自主學習情況進行量化分析。

二、 研究方法

（一） 研究取樣

研究樣本取自某款外語自主學習平臺中的數據。起止時間為2017年9月3日至12月9日，共97天。根據學校的安排，大一、大二學生到語言實驗室或者在寢室利用校園網進行90分鐘的外語自主學習。

（二） 研究方法

本研究使用Nihuo Web Log Analyzer對自主學習平臺中的Web日志進行分析，利用Python和Origin對數據進行數據搜集與處理。為避免量化分析時對用戶識別的干擾，用戶識別由大數據分析工具自動處理，不做人工干預。

三、 自主學習情況量化分析

（一） 自主學習情況總體分析

由表1可得出，在2017年9月3日至12月9日，學生對自主學習平臺進行了96，552，579次點擊，完成85，293次自主學習，平均每天完成870次，自主學習總時長為52528.26小時，平均每次自主學習時長為36分57秒，低于教務處規定的90分鐘的學習時間，說明教師給學生布置的自主學習任務量較少。在同學生進行座談中也佐證了教師布置自主學習任務量較少這一結論。

（二）自主學習情況具體分析

1. 基于時間的自主學習情況分析

利用大數據工具分析得出，學生進行自主學習時間集中在8時～23時，其中19：00～20：00自主學習次數最多，達到9，130次，占自主學習總數的10.7%；在22：00～23：00有6，734次自主學習，在23：00～24：00共有3，360次自主學習；01：00～06：00時為自主學習低潮期，這段時間內完成231次自主學習，僅占自主學習總數的0.27%。如圖1所示。可見學生在進行自主學習的時間安排上符合學生的作息時間規律。

2. 基于月份的自主學習情況分析

利用大數據工具分析得出，10月份的自主學習次數最少，為11，273次，占自主學習總數的13.22%。11月的自主學習次數是最多的，達到了42，377次，占自主學習總數的49.68%。這受到布置自主學習任務工作中產生中斷和十一長假的影響造成的。

3. 基于自主學習時長情況分析

利用大數據工具分析得出，學生每次自主學習時間的時長不等，如表2所示。時長為5分鐘以內的自主學習，可以看作學生登錄外語自主學習平臺查看是否有新的自主學習任務，這是由于教師以月為單位布置自主學習任務造成的，為避免學生頻繁查看自主學習任務，要求教師在布置自主學習任務時需認真考慮，做好規劃。時長為60～89分鐘的自主學習較多，占13.81%，說明學生習慣以上課的時間來安排自主學習時間。

4. 基于自主學習地點情況分析

根據校園網的規劃得知，根據這一原則可以對IIS日志進行處理，得到學生自主學習地點的分布情況：得出，在語言實驗室進行的自主學習次數較少，僅占總自主學習次數的26.72%；在寢室進行的自主學習次數較多為，占總自主學習次數的73.28%。由此可以得出，學生的外語自主學習大多在寢室內完成。

四、 總結

對2017～2018學年第1學期外語自主學習的相關數據進行分析處理，得出以下初步結論：

1. 外語自主學習任務較少，今后應該適當增加外語自主學習任務。

2. 學生在進行外語自主學習時，能夠按照教務處的時間安排和正常的作息時間去學習。

3. 相對于語言實驗室，學生更喜歡在寢室進行外語自主學習。

上述結論，得到了學生座談會反饋信息、語言實驗室值班人員的工作記錄和校園網管理部門的監控數據的佐證。本文對外語自主學習情況的量化分析結果，有助于外語自主學習的科學發展。

參考文獻：

[1]陳青松，許羅邁.大學英語教學中的網絡化外語自主學習[J].外語界，2006，06：16-23.

[2]范燁.淺淡大學英語教學中的“學習者訓練”[J].外語界，1999，03：32-38.

[3]彭金定.大學英語教學中的“學習者自主”問題研究[J].外語界，2002，03：15-19+46.

作者簡介：

鐘云，吉林省長春市，吉林省人民政府國有資產監督管理委員會事業單位國有資產管理中心。