基于LSA的在線學習行為序列演變分析

王溢琴 齊悅

摘要：本研究針對在線環(huán)境下教與學時空分離，致使在線學習過程不易掌握的問題，分析了不同階段的學習行為變化，闡釋了優(yōu)秀群體與中等群體間的差異化行為模式，展示在線學習過程全景，以期為掌握在線教學規(guī)律、優(yōu)化教學策略、提升教學效率等提供依據(jù)。

關鍵詞：學習行為分析;行為序列;滯后序列分析法;在線學習

中圖分類號：G434? 文獻標識碼：A? 論文編號：1674-2117（2022）08-0108-05

在“互聯(lián)網(wǎng)+”大背景下，在線學習模式被廣泛接受。學習者的在線學習行為，如閱讀公告、查看視頻、論壇發(fā)帖、提交作業(yè)等，其發(fā)生的先后順序與頻次，均能反映學習者的學習狀態(tài)。[1]滯后序列分析法（LSA）[2]，就是分析一種行為在另一種行為之后出現(xiàn)概率顯著性的行為模式研究方法，眾多學者使用LSA對不同學科領域、教學環(huán)境下的在線學習者行為模式進行探討[3-5]，在學生行為模式分析[6]、知識建構行為模式[7]、學習過程分析與學習效果預測[8]等方面取得了較豐碩的研究成果。

基于此，本研究從學習行為分析視角，采用滯后序列分析法（LSA），對網(wǎng)絡平臺學習者的在線行為數(shù)據(jù)診斷分析，探究學習者如何參與在線學習過程，不同學習階段有怎樣的行為模式及特征，高低學習群體的行為模式有哪些差異，希望研究結果可為在線教育的教與學優(yōu)化提供依據(jù)。

● 研究設計

1.研究對象

本研究以2019—2020第二學期“Web前端程序設計”課程的在線行為數(shù)據(jù)為研究對象展開研究，該課程采用線上教學模式，教學周10周，學生201名。由于不同學習階段的學生會表現(xiàn)出不同的行為特征[9]，因此課程團隊將整個在線學習活動劃分為課程前期D1、課程中期D2和課程后期D3三個階段，從過程角度診斷學習群體的行為模式，全面揭示在線學習規(guī)律。

2.樣本預處理

通過分析網(wǎng)絡平臺中的學習行為數(shù)據(jù)，借鑒賈積有、蔣卓軒、孫靜等[10-12]學者的研究成果，去掉發(fā)生頻次較少的動作行為，聚焦與學習績效顯著相關的9種學習行為。上頁表1呈現(xiàn)了行為種類及編碼。

研究依據(jù)行為發(fā)生時間的先后順序，將一種行為向另一種行為的變換指定為一個行為序列，同時使用兩種行為的編碼來表示形成的行為序列，編碼前后的次序表示該行為序列變換方向，如觀看視頻（W）后回復帖子（H）的行為序列為WH。研究選取的9種行為理論上可形成81個行為序列，在Python環(huán)境下計算發(fā)生的行為序列頻次如表2所示。

● 研究結果

1.行為序列總體分析

實際情境下共提取出76個行為序列，哪些行為序列與學習成績相關呢？研究將生成的學習行為序列與學習成績做了Pearson相關分析，分析結果如表3所示，共有24個行為序列與學習成績顯著相關。

三個行為序列與學習成績呈中等相關（r=0.4～0.6），這些序列都與章節(jié)測試有關，分別是章節(jié)測驗后再次章節(jié)測驗TT、查看教師點評后章節(jié)測驗JT和觀看視頻后章節(jié)測驗WT。考慮到網(wǎng)絡不穩(wěn)定、學生操作不熟練等因素，該課程的章節(jié)測驗設置最大測驗次數(shù)為3次，最終成績?yōu)闇y驗中的最大值，因此TT行為序列頻次較高，也與最終成績中度相關;查看教師評語后再次章節(jié)測驗JT，體現(xiàn)出對知識的再加工與深度建構的過程;WT表明大多數(shù)學生都是觀看視頻后完成章節(jié)測驗，說明視頻仍是知識傳遞的主要載體。

十六個行為序列與學習成績低度相關（r=0.2～0.4），涉及的行為序列主要表現(xiàn)在學習過程上，如閱讀公告后完成測驗NT、完成視頻觀看NW、完成作業(yè)提交NK，課堂簽到后的做測驗ST、看視頻SW、回復帖子SH等;課程實施時采用BOPPPS六步法，課前設置測驗環(huán)節(jié)，學生完成課前測驗的TS行為，體現(xiàn)出參與學習過程的主動性。

五個行為序列與學習成績呈弱相關（r接近0.2），有課前的閱讀公告NS，簽到后的查看教師評語SJ、下載資源SD，提交作業(yè)或章節(jié)測驗后的查閱公告TN與KN等，這些行為序列均體現(xiàn)出學生良好的學習方式，又與最終成績呈弱相關，表明良好學習方式會對學習成績產(chǎn)生一定影響。

2.階段化行為模式分析

整體上對學習行為序列與學習成績的關聯(lián)關系分析后，進一步采用滯后序列分析法（LSA）探究不同學習階段的行為變化，解讀優(yōu)秀學習群體與中等學習群體間的差異化行為模式，進而幫助教師理解學習過程，掌握在線學習規(guī)律，為高效教學實施與干預提供依據(jù)。

研究將課程設置為前期D1（15周）、中期D2（6～11周）和后期D3（12～16）三個學習階段，把表2中的行為頻次總表拆解成三個學習階段，并在此基礎上計算優(yōu)秀學習群體、中等學習群體的行為序列調(diào)整后的殘差值。為了更直觀地呈現(xiàn)行為序列轉換模式，將有顯著意義的行為數(shù)據(jù)繪制成轉換圖，圖1為優(yōu)秀學習群體三階段的行為轉換圖，圖2為中等學習群體的行為轉換圖。

（1）課程前期D1階段

兩群體都有觀看視頻WW和閱讀公告后查看視頻NW序列，表明兩群體在課程早期都傾向于學習新知識、積極完成學習任務。優(yōu)秀學習群體的閱讀公告后提交作業(yè)NK與章節(jié)測驗NT序列明顯，觀看視頻后下載資料WD、參加章節(jié)測驗WT、查看公告WN以確保完成學習任務，查看教師回復后做測驗JT、測驗后再次測驗TT以提升測驗成績等行為，表明該群體積極建構知識。DS下載資源簽到、WS視頻觀看后簽到、TS章節(jié)測驗后簽到（教師經(jīng)常發(fā)布課前小測驗），表明學生提前進入課堂，為教學做好課前準備;而提交作業(yè)后查看教師回復KJ、簽到后查看公告SN、章節(jié)測驗后查看公告TN，表明學習者具有良好的學習習慣。

相較于優(yōu)秀群體，中等學習群體在課程早期發(fā)帖行為H頻次較高，如簽到后發(fā)帖SH、章節(jié)測驗后發(fā)帖TH、回帖后再回帖HH，但由于早期學生多課程內(nèi)容理解較淺，大多是一些無關話題的討論，故此序列不是有效行為序列。中等群體ST較高，可能是在教師、同伴提醒下，為完成學習任務而出現(xiàn)的行為;JK較高，經(jīng)調(diào)查訪問，多數(shù)情況是作業(yè)被打回重做導致;HW表明學習過程中被無關話題所干擾，故上述行為序列不是與學習成績有關的序列。

（2）課程中期D2階段

相較于課程前期D1階段，D2階段兩群體行為序列種類明顯增加，有完成學習任務的WK（觀看視頻后提交作業(yè)）、WT（完成章節(jié)測驗）、NT（閱讀公告后參加測驗），進行交流互動的WH（觀看視頻后回帖）、SH（簽到后回帖），主動鞏固知識的TT（章節(jié)測驗后重新測驗）、TN（章節(jié)測驗后查看公告），表明絕大部分學生具備良好的學習狀態(tài);同時HS值提高明顯，說明課前存在一些無關討論。

除上述共有行為外，兩群體在此階段表現(xiàn)出特有的行為特征：①在交流互動方面，優(yōu)秀型群體的討論行為WF、WH、DH明顯上升，表明該階段學習積極性上升，積極進行知識建構;而中等型群體的WH回帖行為上升，表明看完視頻后，針對知識點內(nèi)容進行討論。②SH整體下降，表明無關話題討論情況好轉，中等型群體的NW、NK、NT值上升，而SK、ST值下降，且出現(xiàn)NN行為，表明學生課后按照教師發(fā)布的公告，積極完成學習任務;同時DT、TT、TS值持續(xù)升高，表明學生能以教師提供的資料為依據(jù)，通過不斷測試來鞏固所學內(nèi)容，且課前積極預習知識內(nèi)容，來保證學習質(zhì)量。③優(yōu)秀型群體的SJ上升，表明學生關注教師對發(fā)帖內(nèi)容的點評;JD行為，即查看教師點評后下載資源，進一步解惑或驗證問題，表明該群體主動進行高層知識構建，JT行為也進一步驗證群體的高層知識建構。同時該群體的FW、HW、HK、HT比例較高，積極交流后能繼續(xù)進入學習狀態(tài)，表明該群體對交互網(wǎng)絡起主導作用。

（3）課程后期D3階段

到課程后期D3階段，學習者整體上觀看視頻WW的頻次下降，這與遠程教學中存在較高在線學習流失率的現(xiàn)象[13-15]吻合;然而觀看視頻行為仍是所有學習行為中頻率較高的，反映出知識獲取渠道仍以觀看視頻為主;同時，兩群體的SF、SH提升明顯，表明課程后期教師組織討論、互動交流活動較多，而學習者的KS、TS頻次較高，說明課程學習的持續(xù)性較好。

優(yōu)秀型群體在此階段的討論行為WF、WH、KH、SH、HH較高，也比較關注教師的點評WJ;而對資源下載D后引發(fā)的行為少，可能是課程后期，主要以完成學習任務和對所提交作品的評論為主。

中等型群體在此階段為了獲得一個好成績，他們的觀看視頻WW、SW、NW，完成作業(yè)和章節(jié)測試WK、WT、SK、ST、NK、NT、TT等頻次較高;學習群體也注重交流SH、KH、HH，且交流后能繼續(xù)完成作業(yè)HK和測驗HT;相較于優(yōu)秀型群體，在此階段的DH行為明顯，表明學生開始積極往高層次進行知識建構，也開始在教師點評后自主學習JT，從整體上表現(xiàn)出知識建構水平層級的提升。

● 結論與啟示

通過對在線學習行為序列與學習成績間的關系分析可知，影響最終成績的主要因素是參與章節(jié)測驗，由于課程考核標準由考勤、線上成績（章節(jié)測驗成績+作業(yè)成績）和作品成績組成，而學生在考勤方面差別不大，積極主動參與線上學習過程、具備良好的學習方式等行為，最終體現(xiàn)在線上成績和作品成績兩方面。因此，在平時學習過程中教師應幫助學生適應在線學習環(huán)境，采取恰當教學模式調(diào)動學習興趣，督促他們及時完成學習任務。

采用LSA法對三階段的行為模式分析，可知：①整體上發(fā)帖F與資源下載D產(chǎn)生的行為序列頻次低，反映出學習群體在線上交流互動較弱，平臺中資源利用率較低。在線資源的下載量低，表明學生并未將在線資源作為知識解惑與深化的首選，在線資源的獨特優(yōu)勢有待進一步挖掘與提升;在線交流互動弱，教師可通過培養(yǎng)核心成員、關注沉默成員、改革考核方式等方法，鼓勵學生積極交流互動，促進知識的不斷深化。②基于學習過程視角，課程前期學習群體均有積極參與在線學習的意愿，WW、NW行為序列明顯;相較于中等學習群體，優(yōu)秀學習群體能快速進入學習狀態(tài)（如NK、NT、TS），完成學習任務（如WT、WN、WD）。在課程中期行為序列種類豐富，互動交流行為明顯增加，中等學習群體積極參與在線學習，優(yōu)秀群體的高層知識建構行為顯現(xiàn)。到課程后期需對提交作品進行組間評價，使得討論行為SH、HH、KH頻次最高;同時中等群體開始關注教師點評，積極完成學習任務，向高層知識建構。通過階段化行為序列分析可知，在平時線上教學過程中，教師要幫助學生參與在線學習過程，引導學生產(chǎn)生有效行為序列，及時干預無效行為序列，促進有效在線學習模式的形成，進而實現(xiàn)在線學習效率的提升。

參考文獻：

[1]胡丹妮，章夢瑤，鄭勤華.基于滯后序列分析法的在線學習者活動路徑可視化分析[J].電化教育研究，2019（05）：55-63.

[2]Sackett G P.（Ed.）.Observing Behavior：Theory and applications in mental retardation （Vol.1） [M].Baltimore： University Park Press，1978.

[3]HOU H T，CHANG K E， YAO T S. Applying lag sequential analysis to detect visual behavioural patterns of online learning activities[J].British journal of educational technology，2010，41（02）：E25-E27.

[4]WU S H H. How cognitive styles affect the learning behaviors of online problem-solving based discussion activity：a lag sequential analysis[J].Journal of educational computing research，2015，52（02）：277-298.

[5]YANG T C，CHEN S Y，HWANG G J. The influences of a two -tier test strategy on student learning：a lag sequential analysis approach[J].Computers & education，2015， 82（C）：366-377.

[6]李爽，鐘瑤，喻忱，等. 基于行為序列分析對在線學習參與模式的探索[J].中國電化教育，2017（03）：88-95.

[7]楊現(xiàn)民，王懷波，李冀紅.滯后序列分析法在學習行為分析中的應用[J].中國電化教育，2016（02）：17-23.

[8]江波，高明，陳志翰，等.基于行為序列的學習過程分析與學習效果預測[J].現(xiàn)代遠程教育研究，2018（02）：103-112.

[9]牟智佳.MOOCs環(huán)境下學習行為群體特征分析與學習結果預測研究[J].中國醫(yī)學教育技術，2020，34（01）：1-6.

[10]賈積有，繆靜敏，汪瓊.MOOC學習行為及效果的大數(shù)據(jù)分析——以北大6門MOOC為例[J].工業(yè)和信息化教育，2014（09）：23-29.

[11]蔣卓軒，張巖，李曉明.基于MOOC數(shù)據(jù)的學習行為分析與預測[J].計算機研究與發(fā)展，2015（03）：614-628.

[12]孫靜.慕課中不同學習群體間學習行為的比較研究[D].無錫：江南大學，2019.

[13]Taylor C，Veeramachaneni K，O'Reilly U. 2014. Likely to stop？Predicting Stopout in Massive Open Online Courses[EB/OL].[2014-08-14].https：//arxiv.org/abs/1408.3382.

[14]李若晨.基于特征工程的MOOC學習者行為分析和輟課預測[D].上海：華東師范大學，2019.

[15]張哲，王以寧，陳曉慧，等.MOOC持續(xù)學習意向影響因素的實證研究——基于改進的期望確認模型[J].電化教育研究，2016，37（05）：30-36.