基于在線學習數據的個性化指導策略與案例

薛張盛 李鋒

伴隨著信息技術與通信技術的發展，教育及知識的傳播方式也在不斷加入新的元素，在線學習就是其一。在傳統課堂教學中，個性化學習指導往往是依托一種直觀的感受，對個性化指導的有效性界定也比較模糊。而在線平臺在教育中的應用，將更多的學習數據記錄下來，基于數據的方式來審視教與學，促進“基于經驗教學”走向“基于證據教學”的發展。

學生在線學習數據的特征

目前，大規模的開放在線課程不斷涌現，讓在線學習成了一種新的學習方式。在線學習除了依托互聯網平臺進行學習內容傳播和具有豐富的學習活動與交互形式外，也可對學習者學習行為數據進行完整系統地跟蹤與記錄。[1]在線學習平臺從學生注冊平臺賬號開始，就記錄學生的在線學習行為，產生了大量且連續的學習數據。分析學生在線學習數據，其主要可劃分為三種類型：基礎性數據、過程性數據、評價性數據。

1.基礎性數據

基礎性數據資源是實現基于大數據的個性化教育的重要基礎，對學生個體特征的充分認知是個性化教育尊重個體差異的基本前提。基礎性數據采用數據集成、融合等半自動化的方式歸檔現有的各級各類教育教學業務信息系統中學生人口學等數據。[2]在線學習中的基礎性數據是學習者在在線學習前所產生的數據，它主要是學習者的基本情況和學習情況，這是學習者在注冊平臺時就可以獲取的數據信息，學習情況指的是學習者在學習前原有的學習水平程度，這是學習者在上一次學習發生后反饋得到的數據，也可以作為基礎性數據進行保存。因此，基礎性數據并不僅僅是原始數據，也可以是輸出數據后得到的結果，作為下一次在線學習前的基礎性數據。例如，學生A在學習“分數乘法”單元在線課程時，在第一課時“分數乘整數”學習中呈現出結果：能夠獨立計算分數乘整數，并能綜合運用計算方法解決問題。那么數據信息也將提供給接下來的第二課時“分數乘分數”作為基礎性數據應用。

2.過程性數據

過程性數據指的是學生在學習過程中所表現出的各種反映其在自然狀態下的細微而又真實的行為表現，這些表現都有隱性的特點，在一般情況下教師難以觀察。而通過在線學習平臺能夠最大限度地保留這些細微而又反映真實現狀的數據。[3]過程性數據具有連續性和即時性的特點，在學習過程中精細化的活動數據都可以即時地保留下來。[4]過程性數據包括知識點掌握程度，資源使用情況，學生作業和學科學習時間，學生與教師課堂環節同步率，學生對課堂素材的選擇，閱讀時長、順序等。例如，當學生在線學習英語口語時，師生課堂環節同步率作為過程性數據可以對課程環節設計進行評價，如下頁圖1所示。

3.評價性數據

評價性數據指的是學生在完成在線學習后，根據學習目標了解自己的發展情況，對自己的學習情況進行客觀總結，同時也對教師的教學質量進行評估，在這一過程中所產生的數據集體。評價性數據可以包括教師基于學習過程對學生個人能力的評價，如學生在線學習過程中對教師提問的問題的答題情況，如果學生回答正確，教師可給予一定的鼓勵，并基于學習結果對學生學習表現與成績進行評價，即學生在完成在線學習后，對課內知識進行鞏固練習，平臺也能得到與反饋學生個體在完成練習過程中正確率與做題時間等信息情況，還有基于學習互動學生合作方式的評價等。

學生在線學習數據對學生學習的指導作用

2012年4月，美國在《通過教育數據挖掘和學習分析改進教與學問題簡介》中指出，在教育中有兩個特定的領域——教育數據挖掘和學習分析會用到大數據。[5]另外，2018年5月，在《基于數據挖掘技術的在線學習行為研究綜述》[6]一文中提到，美國學者Romero等人認為數據挖掘技術在在線學習系統中的應用是一個循環迭代的過程，在線學習行為研究中應用數據挖掘的流程包含四階段，分別為數據收集、數據預處理、數據應用、數據挖掘。[7]根據教育數據的特點以及教育信息的理論，本文提出了在線學習平臺中數據應用的結構模型，如圖2所示。

在結構模型中，主體是學生（在線學習者），而學生在使用在線學習平臺過程中，其學習內容、學習時間、學習過程等都將作為過程性數據被記錄，其在學習過程得到的學習評價以及課后的學業評價等也都將以數據形式保存信息。數據形成之后，把三種類型的數據收集起來形成一個數據集體，同時也去除一些不必要的數據，如由于系統故障等與學習無關的因素造成的數據等，并對處理后的數據進行有效的數據挖掘，形成數據分析的結果反饋給教師。教師根據數據分析得到的結果對學生進行學習分析，進一步對學生進行個性化的干預與指導，提高學生學習效率與學習成績。

另外，教師也可將這些數據看作學生的基礎性數據，并將其作為下一節課的課前學情分析。而教師干預的個性化指導不僅可以作用于學生，還能對學習內容等產生影響，如通過學習分析，除了對學生進行了有效的個別指導外，還能選擇適合每個學生的學習教材與內容。而評價性數據除了應用于數據的分析與挖掘外，還可以直接作為教師個性化指導的檢驗標準，如通過教師前期個性化的指導，學生在學習后，對本節課所學知識掌握程度如何，都可以在評價性數據中獲得體現與觀察。

因此，這些數據既可以作為原始的處理數據進行數據分析，也可以應用于教學的各環節。基礎性數據是在線學習個性化指導的基本，過程性數據是個性化指導的重要依據，而評價性數據是個性化指導的重要檢驗方式。

學生在線學習數據應用案例

“乘除法的教學”是教學重點之一，下面筆者以該知識點為例展開數據應用。

教師通過教師端布置每一課時的相應練習作業，學生在線完成后，查看學生答題正確率、錯誤題型、完成時間等評價性數據。例如，其中序號為18的學生，完成練習時長只有“28秒”，其他學生都在300秒及以上，而且練習的正確率也較低。這些數據反映了該學生的學習態度問題。另外，教師可以查看這位學生的相關學習數據與數據分析結果，如學生在線學習的時間、學習內容等，進而進一步分析學生情況以及進行正確的干預。

除此之外，教師還可以利用“智能學情分析”系統對學生整個單元練習情況進行評估，從“知識技能”“數學思考”“問題解決”三個維度對學生學習情況作出分析（如上頁圖3）。教師發現整班學生的“知識技能”與“問題解決”能力處于平均水平，在“數學思考”模塊中“幾何直觀”的能力較弱。因此，教師在日常教學中可以有意識地設計相關教學，采取針對性的訓練。

結語

“因材施教”是教育的一種高層次追求，需要教師精準把握每個學生的學習情況，為他們提供個性化的指導。數據時代已經悄悄來臨，而作為教育工作者，我們不應被這些數據浪潮湮沒，要用審視的眼光去看待這些數據的價值，利用好這些數據，將其運用于課程、教學等領域，實現傳統課堂教學的變革與突破。

參考文獻：

[1][4]上超望，韓夢，劉清堂.大數據背景下在線學習過程性評價系統設計研究[J].中國電化教育，2018（376）：90-95.

[2]米春橋，鄧青友，李曉梅，等.基于大數據的個性化教育方法體系構建[J].計算機教育，2018（10）：129-131.

[3]祝郁.過程性數據改變傳統教學評價模式[J].上海教育科研，2014（10）：19-21.

[5]Bienkowski M，Feng M，Means B.Enhancing teaching and learning through educational data mining and learning analytics：an issue brief[Z].Washington，D.C. Office of Educational Technology，U. S. Department of Education. 2012：9-10+13.

[6]柴艷妹，雷陳芳.基于數據挖掘技術的在線學習行為研究綜述[J].計算機應用研究，2018（5）：1289.

[7]Romero C，Ventura S. Data mining in education[J].JWiley Interdis-ciplinary Reviews Data Mining& Knowledge Discovery，2013，3（1）：12-27.

基金項目：本文系2017年度教育部人文社會科學研究一般項目“中學生網絡學習的伴隨式評價及干預機制研究”（項目編號：17YJA880039）的研究成果。