基于大數據的在線學習行為研究

劉名卓 李雪 張澤治

摘 要：本文以山東省青島市嶗山區師生2020年春季在線教與學行為數據為研究對象，針對教師、學生在線教學和學習行為的活躍度及其傾向進行研究，以深度了解師生在線學習的現狀、問題與挑戰，以及性別、學科、城鄉、年級等特征對在線學習行為活躍度及傾向的影響。研究發現：就教師而言，（1）男教師使用平臺的活躍度遠高于女教師，主要體現在總結反省類行為;（2）理科教師比文科教師使用平臺活躍，主要體現在簡單操作類行為;（3）就學生而言，城市學生比農村學生在使用平臺的過程中更為活躍，主要體現在交流交互類行為;（4）隨著年級的增加，學生在平臺的使用過程中也相對較為不活躍，主要體現在交流交互類行為方面。

關鍵詞：在線學習;大數據分析;在線學習行為

引 言

在2020年的這個超長寒假，各地教育部門發起了“停課不停學”的倡議，下發了關于學校延遲開學期間組織實施網絡教學工作的指示，組織各學科教師利用在線教學云平臺進行網絡授課、課后輔導與答疑等工作，這是非常時期采取的非常之舉[1]。在線教學具有開放性、時空不限、多點同步/異步互動等優勢，它給教育帶來機遇的同時，也給習慣于傳統面對面教學的管理者和師生帶來了巨大挑戰，包括學習場景難以監控、互動交流困難、學習質量難以保證等問題[2]。此種情況下，如何提升在線學習成效成為關鍵，故有必要對師生的在線學習行為進行深度剖析，以便更精準地對教師的在線教學和學生的在線學習提供更有針對性的學習支持服務。

本文基于山東省青島市嶗山區師生2020年春季歷時四個多月的在線學習平臺過程數據，通過對師生在線教學/學習行為的活躍度和行為傾向進行分析，探討了師生在線教學/學習的影響因素、問題與挑戰。與以往研究全體師生在線學習行為情況相比，本文將研究對象進一步細化，在研究全體教師、學生的使用行為差異的基礎上，進一步從性別、學科、年級、地區等特征對師生的在線學習行為進行對比分析，具體研究了師生在平臺上的行為傾向，有利于教學管理與實施者針對不同對象制定更加具體化、個性化的學習支持服務策略和建議。

一、文獻綜述

在線學習行為，又稱網絡學習行為。目前，學術界并未形成對在線學習行為的統一定義。彭文輝認為在線學習行為是指學習者主動運用和調控自己的認知、動機和行為所開展的遠程自主學習行為[3]。張進良將在線學習行為定義為在E-learning 環境中進行的與學習相關的各種行為，或者是在在線學習環境下進行意義建構、問題解決和社會化交互活動的總和[4]。總體來看，這些學者的定義并沒有本質區別。因此，結合本文研究定位，將在線學習行為特指為學習者通過某個在線學習平臺，按照自身的學習方式來構建個性化知識體系時所產生的學習活動，包括登錄平臺、訪問課程資源、與同伴交互、查看評價等學習行為。

關于在線學習行為的分類，目前被眾多學者接受的模型是彭文輝提出的多維度和多層次的模型。橫向層次上，將在線學習行為分為信息的檢索、加工、發布，人際溝通與交流以及基于問題解決的五類行為;縱向層次上，從學習的復雜程度出發，分為低級的操作行為、中級的認知行為、高級的問題解決行為三類。其中低級行為包括瀏覽、點擊等;中級行為包括交互、分析等;高級行為包括協作、探究行為等。在本文中，主要采用多層次模型，并結合本文研究目的，將在線學習行為進一步分為簡單操作類行為、交流交互類行為以及總結反省類行為。

關于在線學習行為數據的分析研究眾多，王建亞采用元分析方法分析在線學習用戶使用行為的普遍規律，從用戶、系統和社會方面提出了優化在線學習服務的建議[5]。肖軍從學習者基本特征、在線學習行為和學習路徑三個維度構建高風險學習者畫像，研究結果表明，該畫像能反映高風險學習者的學習能力、行為表現、學習路徑等特征[6]。葉俊民提出了語義增強的在線學習行為預測方法，該方法有效提升了在線學習行為預測的精確性[7]。申云鳳通過分析在線學習行為，利用人工神經網絡及蟻群概率推薦等多重智能算法為用戶開展個性化學習路徑推薦[8]。總的來說，學者們主要是從教育數據挖掘和教育分析兩個視角對在線學習行為分析，其中教育數據挖掘側重于在線學習數據的分析研究方法，教育分析則側重于在線學習潛在規律的探究。而本文就是屬于教育分析類，旨在探尋嶗山區師生在線學習潛在規律，為優化學習支持服務獻言獻策。

二、研究設計

（一）研究背景

本文的研究數據來自2020年春季嶗山區學校使用的十六進制教學云平臺，該平臺致力于為中小學校提供專業的課堂教學信息化服務，是目前國內教師使用率比較高的課堂數字化教學系統。在整個春季教學期間，嶗山區學校集中所有師資力量，推選優秀教師利用課后網對學生進行線上統一教學，剩下教師則擔任助教。統一授課結束后，每個教師再單獨給自己的學生在十六進制教學云平臺上布置作業，并開展輔導答疑等活動。該平臺課程資源豐富、功能齊全，其中部分功能如智能作業分層、優秀的校本資源、集體教研、分層點名、課間的展示、打分等受到師生歡迎。

（二）研究目標

通過選取2020年春季嶗山區部分學校師生在十六進制教學云平臺的使用行為數據，對全體師生在平臺上各個功能模塊的使用次數進行整理，以求探索出教師、學生在線學習行為的差異以及性別、學科、年級、地區等特征對師生在線行為的影響，更好地為教學管理者、教師等優化教學策略，為學生提供更精準、精細的學習支持服務提供參考建議。

（三）研究問題

本文首先通過描述性分析，研究了嶗山區學校師生在十六進制教學云平臺上的整體使用情況。再通過對比分析，研究了不同性別、學科的教師以及不同地區、年級的學生在平臺使用行為上存在的具體傾向。

（四）研究方法

本文主要采用大數據分析法，對教師、學習者的平臺使用行為數據進行對比分析，發現其存在的特定規律，并對結果進行剖析。

（五）研究對象

本文選取山東省青島市嶗山區部分初中學校師生為研究對象，選取師生在十六進制教學云平臺上的使用行為數據為研究樣本。

（六）研究過程

首先是數據收集，本文采用的數據是從平臺自動記錄在數據庫或后臺日志中而來。其次是數據預處理，本文主要是利用Excel和Spss對數據進行清洗，將師生17周內的平臺使用行為數據進行統計。然后是數據挖掘，參考彭文輝的多層次結構模型，將平臺上不同功能模塊適當分類，觀察數據，尋找其背后的潛在規律，確定研究內容。最后，結合學習情境對學習規律進行解釋，分析其實際含義，并為優化在線學習效果提出相應建議。

三、數據分析

（一）在線學習活躍度分析

主要針對師生在平臺上總體模塊的使用次數來進行活躍度分析。

1.教師在線學習活躍度分析

首先分析不同性別教師。由表1知，男教師人均使用模塊總次數為2518.72次，女教師人均使用模塊總次數為325.61次。顯而易見，男教師在使用平臺的過程中更為活躍。

再分析不同學科教師。通過梳理，本文發現，物理、化學、生物等理科教師與政治、歷史、地理等文科教師在平臺的使用過程中存在明顯規律，因此，本文主要通過分析文、理科教師來研究不同學科教師在線行為的差異。由表2知，文科教師人均使用模塊次數為97.54次，理科教師人均使用模塊次數為213.37次，即在平臺使用過程中，理科教師活躍度高于文科教師。

2.學生在線學習活躍度分析

首先分析不同地區學生。由表3知，城市學生人均使用模塊總次數為3549.97次，農村學生人均使用模塊總次數為559.61次。由數據易知，城市學生在平臺使用過程中更活躍。

再分析不同年級學生。由表4知，七年級學生人均總模塊使用2509.69次，八年級學生人均總模塊使用1991.80次，九年級學生人均總模塊使用1279.01次。也就是說，隨著年級的增加，學生在平臺的使用過程中也相對更不活躍。

（二）功能模塊使用偏好分析

主要通過對不同性別、學科教師以及不同地區、年級學生的在線學習行為進行對比分析，來研究師生在平臺使用行為方面的傾向差異。需要注意的是，對于下面所有表格中的師生平臺功能模塊的使用次數差，均為較活躍的平臺使用者一方的模塊使用次數減去另一方不活躍者的模塊使用次數所得到的結果。并且，考慮到師生人數對使用次數差的影響不會影響到本文結論，故在后文不再進行進一步數據換算。

1.師生功能模塊使用整體偏好分析

由表5可得，教師在平臺上主要是批改作業，為總結反省類行為。學生主要是利用平臺做作業，為交流交互類行為。

首先分析不同性別教師。在相同學習情境下，男、女教師教學目標相同，所擁有的教學資源也大體類似，導致他們對平臺模塊使用的偏好差距不大，故在此主要對男、女教師在同一模塊上使用次數差距較大的模塊進行統計分析，得到的結果如表6所示。男、女教師在使用平臺時，存在的最大差距主要體現在總結反省類行為（如批改作業行為），簡單操作類行為次之。

再分析不同學科教師。由前面研究中所梳理出的結論得知，即理科教師比文科教師更活躍，在此主要比較文科教師與理科教師的在線學習使用行為傾向。通過梳理，文科教師與理科教師最常使用的行為類似，故在此主要對其使用次數差較大的模塊進行分析，結果見表6。文科教師與理科教師在簡單操作類行為方面存在的差距最大，其次是總結反省類行為。

2.學生功能模塊使用偏好分析

首先分析不同地區學生。不同地區學生由于學習任務、學習情境以及學習方法差距不大，他們對于平臺功能模塊使用的偏好差距也不大，故在此主要分析城市、農村學生在同一模塊上使用次數差距較大的模塊情況，具體情況見表7。城鄉學生在使用平臺時，存在的最大差距主要體現在交流交互類行為，總結反省類行為次之。

再分析不同年級學生。同前面對城鄉學生的分析一樣，在此主要研究不同年級學生在同一模塊上使用次數差距較大的模塊情況。通過將三個年級學生的平臺使用行為數據進行兩兩對比分析，我們發現：不同年級學生在簡單操作類行為中，功能模塊偏好的最大差距均為畫板模塊;在交流交互類行為中，功能模塊偏好的最大差距均為做作業模塊;而在總結反省類行為中，功能模塊偏好的最大差距為查看知識點掌握模塊。再在每一類行為中，將三個年級兩兩對比所求出的三個模塊使用次數差數據求均值，其中，在總結反省類行為中，保留均值較大的數據，最后統計情況如表7所示。不同年級學生使用平臺時，存在的最大差距為交流交互類行為，如提交作業，其次是簡單操作類行為。

四、研究發現

本文從教師、學生兩個角度對平臺使用數據進行了對比分析，旨在研究不同性別、學科的教師和不同地區、年級的學生在十六進制教學云平臺使用上的活躍度以及行為上存在什么樣的傾向。最終研究結果表明：

（1）師生平臺使用情況。教師在平臺上主要進行總結反省類行為，說明該地區教師善于進行教學反思，這種習慣正是一位優秀教師可持性發展所必需的。學生在平臺的交流交互類行為最多，且大多是與作業相關的操作，主要體現在與內容的交互方面，這與實際相符，在中學階段，學生鞏固知識的主要途徑就是做作業，同時，教師也需要根據學生的作業完成水平來獲得教學反饋，從而更好地改進教學。

（2）不同性別教師的平臺使用活躍度。對教師性別和其平臺使用活躍度進行交叉分析發現，在平臺總體使用方面，男教師使用平臺的活躍度遠高于女教師。再從具體行為比較來看，男教師在總結反省類行為方面的次數遠大于女教師，說明在一定程度上男教師更愿意借助平臺總結當前的教學情況以及學生的學習情況，進而反思教學、改進教學。另外，男教師的簡單操作類行為次數也遠大于女教師，說明男教師更習慣使用平臺輔助教學，豐富教學手段，例如畫板模塊的使用，在教學時能令教學內容重點突出，更方便學生學習。

（3）不同學科教師的平臺使用活躍度。就平臺總體使用情況而言，理科教師比文科教師更為活躍，這說明理科教師更愿意借助平臺輔助教學。再分析具體行為，文、理科教師在線教學行為存在的最大差距主要在簡單操作類行為，這可能與理科教師教學內容大多為邏輯性的知識有關，他們在教學時更需要邏輯嚴謹、思路分明，借助平臺的一些基礎操作能更好地呈現教學內容，使學生了解知識間的潛在關聯。

（4）不同地區學生的平臺使用活躍度。就學生整體平臺使用情況而言，城市學生在使用平臺的過程中更為活躍。再具體到每種行為，城鄉學生存在的最大差距主要在交流交互類行為上，尤其是與內容的交互層面，這說明城市學生在線學習更易于達到教學目標。而究其原因，可能是城市學生的學習習慣更好，習慣做筆記、按時做作業等，也可能是有家長在旁督促、學習資源（如設備、資料）更豐富的結果。

（5）不同年級學生的平臺使用活躍度。就學生整體平臺使用而言，隨著年級的增加，學生在平臺的使用過程中也相對較為不活躍。再具體到每個行為，不同年級學生在線學習行為的主要差距體現在交流交互類行為，也主要是與內容的交互。這在一定程度上能說明低年級學生的學習態度更端正，更愿意接受新知識，學習習慣也更好。

五、建議與總結

要想保障居家學習情境下學生學業的成功，關鍵在于提供有效的在線學習支持服務來解決在線師生面臨的學習成效、時間管理、身心安全等一系列問題。而有效的學習支持服務應該包括指導類、管理類、情感類、資源類、過程方法類、技術環境類以及身心健康類等七大類。具體就嶗山區部分學校而言，學校需要建立相關管理制度，通過線上、線下融合、課內課外融合的學生自主研學，教師導學、助學、促學、督學、評學的自導式學習機制和研究性的、個性化學習環境，為學生創設一個身心健康的居家學習氛圍，幫助學生實現全方面發展。

同時，在由居家學習帶來的全國基礎教育的大規模在線教育實踐中，除暴露了一些問題外，人們也體會到了在線教育的種種優勢。這些優勢很可能使所有教育工作者改變以往傳統教學觀念，接受線上、線下教育混合學習模式成為教育新常態的事實。因此，面對此種模式下的教學，我們還需做到：

（1）完善網絡平臺建設，為師生提供個性化學習支持服務。首先，是平臺功能的適宜性。每一個網絡平臺功能都應具備師生進行簡單操作類行為、交流交互類行為以及總結反省類行為三大類行為所需的模塊。并且，針對不同平臺使用對象，要有所側重，如教師平臺應以教師進行總結反省類行為所需模塊為主，學生平臺應以學生進行交流交互類行為所需模塊為主。其次，是平臺資源的多樣性。要提供多樣性的在線學習資源，滿足學習者對師生個性化教學/學習需求，激發師生使用興趣。

（2）健全學校管理體系，調動教師混合教學積極性。學校管理者應具備頂層設計混合學習課程的觀念，制定完整的課程管理辦法以及評價體系，并建立教師培訓、獎勵機制，充分調動教師積極投入混合教學的熱情。

（3）提高教師混合教學水平，培養學生混合學習能力。在混合教學中，教師要轉變教學觀念，杜絕“滿堂灌”式課堂教學模式，杜絕簡單的“面對面課堂搬家”和“教材搬家”，要從“以教為中心”向“以學為中心”轉變，將線上與線下教學進行無縫融合、流暢轉合。同時，教師要提高優質資源篩選能力，善于利用已有資源對不同特征的學生進行個性化教學，同時要學會從已有教學實踐結果反思教研，不斷動態調整隨后的課堂教學，更好地優化線上教學方式，最大程度激發學生的學習潛力。

[1]教育部辦公廳，工業和信息化部辦公廳.關于中小學延期開學期間“停課不停學”有關工作安排的通知[EB/OL].（2020-02-12）[2020-07-25].http：//www.iskill.org.cn/index.php？c=article&id=674.

[2]周世杰，李鋒.上海中學生網絡學習現狀調研與對策研究[J].上海課程教學研究，2018（6）：56-61，80.

[3]彭文輝，楊宗凱，黃克斌.網絡學習行為分析及其模型研究[J].中國電化教育，2006（10）：31-35.

[4]張進良，魏立鵬，劉斌.智能化環境中基于學習分析的學習行為優化研究[J].遠程教育雜志，2020，38（2）：69-79.

[5]王建亞，牛曉蓉，萬莉.基于元分析的在線學習用戶使用行為研究[J].現代情報，2020，40（1）：58-68.

[6]肖君，喬惠，李雪嬌.大數據環境下在線學習者畫像的構建[J].開放教育研究，2019，25（4）：111-120.

[7]葉俊民，羅達雄，陳曙，等.語義增強的在線學習行為預測研究[J].小型微型計算機系統，2020，41（1）：51-55.

[8]申云鳳.基于多重智能算法的個性化學習路徑推薦模型[J].中國電化教育，2019（11）：66-72.

（責任編輯 孫志莉）