學習分析技術支持的 在線深度學習的模型構建

摘要：本文將深度學習與學習分析相結合，從評價學習層次、教師深度教學能力、反思且主動地學習、學習內容的適切性四個方面闡釋了學習分析對在線深度學習的影響，并在分析在線學習行為和學習分析過程的基礎上，構建了學習分析技術支持的在線深度學習的模型，試圖促進學習分析與在線學習融合模式的深入討論。

關鍵詞：學習分析;在線學習;深度學習;模型構建

中圖分類號：G434? 文獻標識碼：A? 論文編號：1674-2117（2021）08-0084-04

由于形式過于單一、缺乏有針對性的指導、學習的交互性和探究性不足等問題的出現，大部分在線學習始終無法達到深度學習層次。但在線學習產生的大量學習數據經過處理和分析后，能夠呈現學生學習特點和預測學生學習層次，使學習中潛在的問題得以顯現，便于后續學習安排的優化。在信息技術與教育教學亟待深度融合的時代背景下，探索學習分析與在線學習的融合模式，發揮學習分析的作用以提高在線學習效果，將是在線學習未來發展道路上的重要內容。

本文以學習分析支持在線深度學習實現為核心，在分析深度學習特點和要求的前提下，探討了學習分析能夠從哪些維度助推在線深度學習，而后通過梳理學習分析和在線學習的一般過程，以其之間的聯系形成可融合點，構建了學習分析技術支持的在線深度學習的模型，以說明學習分析支持在線深度學習的過程機理。

● 概念界定

深度學習是指在理解的基礎上，學生能夠批判地學習新思想和事實，將它們融入原有的認知結構中，并能夠將眾多思想進行聯系，將已有的知識遷移到新的情境中，做出決策和解決問題的學習。[1]據此，本研究認為深度學習的過程可概括為“一基二性三能力”，即以深度理解為學習的基礎要求，以主動性和批判性為學習的特征，以反思能力、知識遷移能力和問題解決能力為學習的目標。

學習分析作為一種針對學習行為數據的分析手段，為在線學習中學習情況難以把握的問題提供了解決路徑。目前，隨著數據獲取技術以及數據分析技術的發展，學習分析日益成熟，能夠通過在線學習行為的多模態數據全面感知學生在線學習的動態發展，已經成為支持在線學習研究與發展的重要方法與手段。

● 學習分析助推在線深度學習的實現

1.評價學習層次

將評價貫穿于整個學習過程，可對整個學習活動進行監控調節和診斷總結，以保證深度學習的實現和發展。[2]深度學習是一個復雜的思維過程，深度學習的發生、發展既與學生的認知結構有關，也與學生的思維方式有關，深度學習的發生總是需要一定的情境支持，以引導學生對某個具體問題進行縱向和橫向的思考。[3]因此，評估深度學習程度，可從學生的認知情況和思維狀態進行測量分析，最有效的方式就是將學生的思維過程外化為文本，再對文本進行語義分析，以探尋學生當時的學習層次。

隨著網絡技術、信息技術的發展，集數據收集與數據分析為一體的學習分析應運而生，使得思維外化過程變得更加簡便，大大提高了深度學習評價的質量和效率。在利用學習分析評價學習層次方面，在線學習具有絕對優勢，大量的在線學習數據能夠支持對學習層次進行多維度、全過程、立體式的考查。

2.教師深度教學能力

深度學習要求以啟發式的學習情境、以問題解決為導向的學習任務，來促進學生對知識進行意義建構與綜合運用，這就對教師的教學能力提出了更高的要求。在在線學習環境下，以診斷、預測和建議為宗旨的學習分析，通過可視化的即時反饋能夠激發教師的反思意識，促使教師教學反思日常化，還可幫助教師發現與診斷教學過程中的深層問題，并根據學生的學習狀態和學習情況來對教學的進度與深度進行調整，使在線學習突破符號化知識學習的局限，使學生的在線學習層次向更高處發展。

3.反思且主動地學習

在線學習的主要特點是在時間和空間上不受拘束。在線學習的時空自由性，決定了在線學習中主動學習行為的重要性。要增強在線學習的主動性，可通過促進學生的反思性學習來強化學生的學習動機，指引學生對自身學習行為的自我調整與優化，使學生的學習表現不斷趨于完善。反思性學習是深度學習思想的一個分支，也是促進深度學習實現的一條路徑，它是指學生在一定的學習情境下，主動對自身學習過程及其所涉及的相關因素進行批判性審視，理性認識學習過程中的問題并進行改進，對將要開展的學習活動進行積極的準備和有效的調控，使其逐步形成完善的學習方式。[4]

在影響深度學習的因素中，學生個體因素主要包括自我調節、學習動機、學習方法以及學習投入度。[5]研究表明，為學生提供持續的學習分析結果反饋，能夠有效地激發其元認知反思意識，增加其反思性學習的頻率，進而能促進其對自身學習的調控、加強學習動機、改進學習方法、提高學習投入。[6]由此可見，將學習分析嵌入在線學習中能夠以學生個體為切入點，通過持續、即時、精細的反饋加強學生學習的主動性和反思性，對在線深度學習產生積極的影響。

4.學習內容的適切性

在線學習內容過于同質化，不能契合學生的學習需要，導致學生失去學習興趣，學習動機也被弱化，這是影響學生在線學習持續性的重要緣由。[7]在線學習要增強學生與學習內容的貼合度，充分體現學習內容的適切性，以提高學生對在線課程的認可度，同時提升學生的自我效能感，保證在線學習順利進入深度學習層次。[8]

利用學習分析技術可精準預測學生的學習需要和學習興趣偏向，通過資源智能推送技術可以向學生推薦與之相關的學習內容，能做到為每位學生提供個性化自適應的在線學習情境。學習分析技術與資源智能推送技術的結合，不僅可以從環境因素上增強學生與學習平臺的交互性，還可以從個體因素上增強學生的學習主動性，以此助推學生在線深度學習。

● 學習分析技術支持的在線深度學習的模型構想

學習分析技術支持的在線深度學習的模型是將學習分析融入在線學習模式，將其作為促進在線學習效果深層化的一種途徑。模型構建的總體思路為：既要體現在線學習模式的一般規律，又要包含學習分析的一般過程，且始終以學生的在線深度學習為目標。

1.模型構建的可行性

在過程與步驟行為上使學習分析與在線深度學習緊密融合是構建該模型的重要條件。在線深度學習過程應包含學習準備、深度理解知識、知識遷移應用與創造三個階段。[9]其中，學習準備階段對應的學習行為是教師在線備課行為和學生學習準備行為;深度理解知識階段主要有學生自主學習行為和學習交互行為;知識應用階段包括學生問題解決行為以及學習交互行為。一個較為完善的學習分析過程應包含收集處理數據、分析解讀數據、結果反饋應用三個部分。[10]以學習分析的一般過程為主線，可從以下三點來論述構建學習分析技術支持的在線深度學習模型的可行性。

（1）在線深度學習數據的收集與處理

在在線學習模式下，學習分析所收集的數據主要來源于在線學習平臺。在線深度學習中的學生自主學習、學習交互、學習問題解決的行為數據是學習分析的主要數據來源。學生自主學習行為數據主要包括觀看教學視頻的時長、暫停的部分、快進的部分以及重復觀看的部分。學習交互行為數據包括學生參與互動與討論的情況數據。例如，學生參與互動討論的頻次、學生參與互動與討論時傾向的問題內容以及學生的發言內容。學生問題解決行為數據主要包括學生完成學習任務或項目時所提交的作業、作品等。

（2）契合在線深度學習的分析方法

學習風格、學習動機和學習投入是影響在線深度學習個體方面的主要因素，學習層次是判斷在線深度學習實現程度的指標。因此，學習分析方法主要采用社會網絡分析、語義分析、內容分析，以全面掌握學生的學習特征，評估學生的學習層次。運用社會網絡分析法，能夠了解學生如何在學習過程中建立并維持關系、如何使自己獲得在線學習支持以及學生是否產生認知困難、哪些情境因素對學生的學習過程產生了影響等。[11]以文本為對象的語義分析，可以揭示語言背后的深層意義，剖析學生的思維過程，研究學生知識體系的建構過程。內容分析不僅能對在線學習中學生產生的數據進行定量化分析，探尋學生的學習特征，還能對其進行定性分析，以預判學生當前的學習狀態。

（3）作用于教師和學生的分析結果

學習分析的結果不僅可作為教師教學決策和干預措施的關鍵依據，還能幫助學生客觀認識自我學習畫像。利用圖文性的軟件平臺，對結果進行多終端的可視化呈現，教師和學生可以直觀地了解學生特征以及在線深度學習程度。教師可據此優化在線備課行為，學生也可依此優化學習準備行為。只有教師和學生都緊緊圍繞自己的所屬步驟積極地開展工作與學習，才能發揮學習分析對在線深度學習的顯著促進作用，在線深度學習方能順利進行。[12]

2.模型構建過程

根據以上闡述，筆者構建出了學習分析技術支持的在線深度學習的模型，如下圖所示。學習分析過程和在線深度學習過程作為整個模型的主體部分，是學習分析支持在線深度學習過程的骨架，教師、學生和學習平臺作為模型的對象部分，承擔著產生數據和內化分析結果、促進在線深度學習實現的重要責任。

該模型的構建過程分為以下三個階段。

第一階段：教師設計并組織一輪在線學習，生成可收集的學習數據。按照在線深度學習過程，第一輪在線學習應包含三個步驟：①學習準備。教師進行第一輪在線備課，學生做好第一輪學習準備。②深度理解知識的學習。學生進行自主學習，其間穿插進行學習交互，以加深學生對學習內容的理解。③知識的遷移應用與創造。這部分通常采取提問或者布置學習任務的形式，讓學生在問題解決中實現對知識體系的建構與更新。

第二階段：隨著第一階段的完成，學習分析過程得以開始。先要收集和處理第一階段產生的在線學習數據，隨后根據數據類型的不同和分析目的的不同，運用對應的分析方法對數據進行分析，同時結合學生的身份背景和學習內容的學科背景對分析結果進行解讀，從而有效地呈現學生的學習動機、學習風格、學習方式、學習投入、學習層次等。最后，利用計算機圖形學和圖像處理技術將分析結果整理為可視化報告。

第三階段：將圖文結合的可視化分析報告，通過各種終端設備呈現給教師和學生，同時可通過在線學習平臺為學生智能推送學習資源。從理論上看，學習分析結果的反饋能夠幫助在線深度學習的評價，提高教師的在線深度教學能力，促進學生反思且主動地學習，增強學習內容的適切性;從實際操作上看，它對后續教師的在線備課、學生的學習準備和平臺的資源智能推送有著重要的指導意義。因此，這一階段是學習分析技術對在線深度學習發揮支持作用的重要階段。

● 結束語

本文首先以學習評價、教師能力、學生學習、內容資源為著力點，探討了學習分析技術支持在線深度學習的四個方向，繼而構建了學習分析技術支持的在線深度學習的模型，清晰闡釋了學習分析技術促進在線深度學習的三個具體階段，從因果剖析到實施步驟，表述了學習分析技術給在線深度學習帶來的機會和可能。科學技術的快速發展應當為破解社會教育難題、打破低效教育模式瓶頸提供強有力的技術支持，以充分發揮其教育效用。以學習分析技術為鑰匙，解開在線學習數據背后的復雜隱秘，幫助在線學習擺脫質量不佳、層次不高的困境，是賦予在線學習持久生命力的有效途徑。

參考文獻：

[1]何玲，黎加厚.促進學生深度學習[J].現代教學，2005（05）：29-30.

[2][4]吳秀娟，張浩，倪廠清.基于反思的深度學習：內涵與過程[J].電化教育研究，2014，35（12）：23-28+33.

[3]殷常鴻，張義兵，高偉，等.“皮亞杰-比格斯”深度學習評價模型構建[J].電化教育研究，2019，40（07）：13-20.

[5]吳亞婕.影響學習者在線深度學習的因素及其測量研究[J].電化教育研究，2017，38（09）：57-63.

[6]毛剛.學習分析作為元認知反思支架的效能研究[J].電化教育研究，2018，39（09）：22-27.

[7]李洪修，丁玉萍.深度學習視域下在線教學的審視與思考[J].課程·教材·教法，2020，40（05）：64-70.

[8]錢瑛.在線學習用戶持續使用行為的影響因素研究——基于社會化網絡環境和學情定位視角[J].現代情報，2015，35（03）：50-56.

[9]顏磊，祁冰.基于學習分析的大學生深度學習數據挖掘與分析[J].現代教育技術，2017，27（12）：18-24.

[10]陳星，馬燕.基于學習行為大數據的深度學習分析模型及實現[J].數字教育，2019，5（02）：19-23.

[11]姜強，趙蔚，王朋嬌，等.基于大數據的個性化自適應在線學習分析模型及實現[J].中國電化教育，2015（01）：85-92.

[12]李勇，程結晶.學習測量有效促進深度學習的模型構建研究[J].教育現代化，2017，49 （04）：174-177.

作者簡介：王晶晶，在讀碩士，研究方向為教育技術基本理論和教育信息化。

本文為2019年度江蘇師范大學研究生科研與實踐創新計劃項目“基于學習分析技術的學習特征分析研究”（項目編號：2019XKT806）的階段性研究成果。