教育大數據視角下學習分析研究應用與思考

摘" "要：本研究在教育大數據為銜接的背景下，基于學習分析應用技術，通過“以學定教”教學模式下的具體案例，探究學習分析在具體實踐下的應用及其帶來的衍生問題，并針對以上問題給出相應的意見和建議。研究表明，大數據與學習分析在教育中的應用改變了傳統的教育工具和教學方法，并實現了對教學和學習結果的預測，而且系統的自適應設計能夠對學習者進行自動干預，如此一來，還能夠為廣大教育工作者更加及時而且有效地展開教學決策的調整，對于學生的學習情況進行科學有效干預，從而更好地實現個性化教學的相關目標。

關鍵詞：教育大數據；以學定教；教學模式；學習分析；教育教學

中圖分類號： G420" " " " " " " " " " " " " " " " " "文獻標志碼：" A" " " " " " " " " " " " "文章編號：2095-9699（2023）02-0060-05

一、研究背景和研究目的及意義

（一）研究背景

信息技術的創新與經濟社會發展的融合，催生出復雜、龐大和多式的數據，即我們所說的“大數據”。過去，當我們擁有有限和局部的數據時，原始數據背后的潛在咨訊很難被區分和精煉出來，但隨著數據量和來源類別越來越豐富，數據中存在的信息在一定程度上需要用計算和分析的方法進行翻譯和表述。由此，大數據已經成為一種新的信息技術、研究范式和決策方式，慢慢地可能變成一種文化。

隨著大數據的快速發展進步，其逐漸成為現今生活中不可忽視的一部分，隨之，不同類型的行業也開始產生大量的數據，而數據本身的重要性也引起了越來越多行業的關注，例如：醫藥行業以及電商行業的大數據，也在當前時代背景之下被提出，并且獲得了較快發展。但是具體到教育行業，大數據的提出時間則相對較晚，最近幾年，相關從業者才開始逐步通過運用其他行業中對數據進行處理、分析和挖掘時用到的工具、方法來針對相關的教育數據展開更加科學有效的數據挖掘以及科學分析，并且由此而誕生了學習分析這一基于大數據時代背景下的全新概念。

在即將過去的傳統工業時代，我們的教育具備較為濃厚的統一性，以學生學習成績作為主要的衡量標準，所有的教育以及教學工作都是以提升學生成績作為基本出發點，而在進入信息時代之后，教師開始講究個性化，這也是在當前后工業社會大背景之下，教育活動開展的唯一形態。學習分析技術是指對教育數據進行大數據分析，其主要內容是針對已有的相關教育數據進行有效地搜集、處理、分析并且借助其他類型的先進技術來最終實現可視化技術，多有的步驟都是不可或缺的。如何真正令學習者成為學習的主人，并令施教者真正做到因材施教，對癥下藥？

2010年，美國新媒體聯盟的《地平線報告》第一次提出學習分析技術，各界開始關注，之后在2014年[1]以及2015年[2]的《地平線報告》當中，學習分析技術的整體熱度呈現出了顯著的上升趨勢。自2011年創辦LAK（學習分析與知識國際會議）以來，該會議每年都會召開一次，此會議的主體涉及到“學習分析技術在技術 、社會和教學等維度的整合”到“從大數據到大影響”，這在很大程度上促進了人們對于學習分析這一全新領域的全面研究，并且針對性地豐富了學習分析研究行業整體的發展。采取有效措施來推動具備更高創造力以及智能的專業技術人才培養，借助更加合理、科學并且有效的智慧型以及充滿科技性的技術來參與到各種類型的實踐活動當中，并且創造出應有的價值，再針對自己學習、生活以及工作的客觀環境進行更加靈活并且有效的選擇以及塑造。

與此同時，全球大數據應用的總體加速發展趨勢保持平穩增長，截至目前，全球范圍之內大數據行業的市場規模已經達到了420億美元上下。另外，依照GIR（Global Info Research）的相關調研數據表明，全球范圍內大數據平臺2021年度額收入大約為57，900.00百萬美元，預計至2028年整個大數據行業的年度收益會達到106，470.00百萬美元。就目前來看，國內大數據時差正處于爆發階段，隨之我國國內的大數據產業也開始進入了快速發展階段，依照我國國內相關權威的預測，預計到2025年，我國大數據市場的整體產業規模將會達到4，000億元，整個產業的規模則將會超過16，000.00億元。

（二）研究目的及意義

學習分析技術的應用對學習者、傳授者和管理者均有不菲的價值。學習者通過學習分析技術，可以更快捷地找到適合自己的學習資源、學習方法和學習風格；教育者也可以通過學習分析技術，為每位學習者找到適合的講授方法、練習方法和學習資源；教育管理者運用學習分析技術也可以避免教育資源的浪費，節約教育成本。

二、文獻綜述

（一）學習分析的概念

關于本文所說的學習分析，國內外不同的專家學者，針對其見解也存在較多的不同觀點。2011年在第一屆LAK會議之上，就有相關的專家學者，對于學習分析在定義層面上最終達成了一致，即：學習分析主要是針對所學的知識以及學習的相關客觀環境數據來進行必要的收集、分析并且最終出具相關報告，最終達到進一步優化學習環境以及提升學校效率之目的。依照2012年版的《地平線報告》指出，所謂的學習分析主要是針對學習者在學習過程當中所產生以及收集到的相關數據展開科學地分析以及闡釋，從而針對學習者的學習成就進行客觀有效的評估，對于學生未來一段時間的學習表現進行預測，及時查找其中所存在的問題的整個過程。學習分析工作開展的主要對象是學生以及整個的學習環境，開展學習分析工作的最主要依據則是依照相關數據的分析以及借助數據來展開科學預測，從而最終達到優化教學之目的。

（二）國外研究現狀

1.學習分析分類

國外學者對學習分析的研究分為兩類： 首先是與理論以及概念之間相互關聯進行分析的一系列相關研究。G. Siemens 等針對大數據為前提所開展的學習分析對于教育工作更好開展的實際應用價值，主要的內容包括：推動高等教育改革，提升教學質量等等[7]；Kavitha M G，Raj L D提出一個教育機構的教與學過程需要被監測和有效分析，以獲得提高。教與學是教育機構的一個重要因素，同時，它也是世界上大多數認證機構所設定的標準之一[4]；Srinivasa K G 和Kurni M通過數據挖掘分析來影響學生的學習方法及其影響的能力已經在高等教育中得到認可。其次是與學習分析以及其應用之間具備緊密關聯的現骨干研究[5]。Erik Drval等通過系統的研究基于注意力導向之下的可視化概念，并且以此為基礎來重點進行學習推薦以及儀表盤兩種主要的學習分析方法。Romero C和Ventura S .通過回顧主要出版物、關鍵里程碑、知識發現周期、主要教育環境、具體工具、免費可用的數據集和該研究領域的未來趨勢，提供了當前學習分析的應用狀況[6]。

2.國外關于大數據教育領域應用的研究進程，主要基于web of Science文獻數據庫和谷歌學術搜索進行文獻檢索和分析。截至 2022年3月10日，在文獻數據庫以“主題”作為檢索條件，以“big data”并含“education”作為檢索關鍵詞，得到2692條檢索結果。通過二次篩選，2021年以來，相關文獻共計806條檢索結果。其中SCIE共計73篇，SSCI共計33篇。通過檢索結果的相關性和被引用次數，最終發現：國外關于大數據教育領域應用的研究先于我國。

（三）國內研究現狀

1.國內對教育大數據的定義

目前，國內處于“大數據”方法發展的初期，我國認識到了教育大數據戰略“資源”的重要性。就目前來看，大數據研究方法在科學技術以及經濟等相關領域已經獲得了相對廣泛的應用，由此，國內的相關專家學者也開始針對與大數據相關的技術領域來進行積極有效的探索，相關專家血液也開始針對“大數據”教育來進行科學的研究以及分析。相信在不遠的未來，對教育研究范式進行新的建構是利用大數據研究方法的教育研究的重點研究對象，力求使得大數據相關的研究方法能夠與教育未來的發展相適應。

2.國內關于大數據教育領域應用的研究進程

借助CNKI（中國知網）來進行相關論文數據的檢索以及分析。通過使用高級檢索當中的“主題”檢索方式，在搜索欄當中鍵入“大數據”“學習分析”等相關的關鍵詞來進行檢索分析，最終所得到的檢索結果共有1201條（截至 2022年3月10日）。通過人工二次篩選，將檢索條件限制在“教育領域”中，剩余結果為897條，其中2012 年及以前發表的相關文獻幾近于無，2013 年間則有13篇論文得以發表，2014 年為23篇，2015年為52篇，一直到2019年為244篇，是2012年以來發表最多的一年，2021年為151篇，2022年目前為19篇。由此可見，雖然早在2012年，大數據概念就已經受到全世界的廣泛關注，但是，在教育領域其發展以及使用情況依然處于未知狀態。2020年，張枝實在教育信息化2.0時代探討了大數據在新的發展時期由技術向戰略的轉變，以及大數據給教育帶來的深刻變革[7]。2021年，何永紅從當前教育發展的熱點、難點出發，剖析了當前學習分析技術在多個研究領域的進展和思路[8]。

三、存在的問題

大數據教育領域應用是我國教育發展的現實需求。眾所周知，大數據具有巨大價值，但在現階段的大數據分析處理過程中有諸多因素的限制和阻礙，我國當前正處于教育發展的瓶頸期：第一，我國目前教育不公平問題長期存在，教育管理模式與機制尚待完善，不同地區在教育資源的配置層面上不夠均衡，而且教育教學的整體質量也有待于進一步提升；第二，就目前而言，我國國內在教育行業的投入以及產出存在相對嚴重的不平衡現狀，而且教育經費的整體使用率也相對較低，投入與產出不成正比；第三，我國的教育組織形式在靈活度層面上存在嚴重的不平衡情況，學生本身過于重視教學內容以及方法、學科設置以及考試制度、人才培養模式等多個方面的標準化，但是對于學生自身的認知以及個性化發展在重視程度上存在明顯的不足。

（一）技術層面

美國教育部在其發布的《通過教育數據挖掘和學習分析促進教與學》報告當中，明確地指出在當前時代背景之下，將大數據應用于教育領域時所需要面臨著技術以及其他層面的諸多挑戰，主要內容包括：能夠有效地開展海量數據的分析工作、借助有效的方式方法來解決數據采集相關的問題，著重解決數據編碼以及其他相關格式差異等多種類型的問題。

（二）實踐層面

我國雖然是人才大國，但目前能夠理解并應用大數據的創新性人才仍然缺乏。大數據人才短缺問題將越來越突顯，能夠開展大數據分析的相關專業人才目前在整個社會都十分短缺，除此之外，還嚴重缺乏能夠實際開展大數據運行的相關專業人才以及能夠實際開展大數據運用的專門性人才，從整體來看，供需之間的整體差距正在不斷擴大。

（三）隱性層面

實現數據分析的重要前提條件是對個人隱私進行充分保護，挖掘教育數據進行預測和推薦來實現學習分析，會讓學生活動的透明性提升，一系列隱性問題也會凸顯。

四、案例研究

（一）案例背景

基于大數據支撐之下的“以學定教”（圖1）主要內容為：在大數據以及云平臺等先進技術的支撐之下，教師借助其來進行課前習題以及導學案的提前推送，平臺主要負責對于學生預習情況展開數學分析，以此為教師的課堂教學提供更加高效的起點，此時，教師可以借助相應的教學平臺，來針對學生的相關數據以及教學的基本內容展開科學化的分析，并且以此為基礎來進行高質量的課堂教學。

（二）案例介紹

“以學定教” 教學模式的前提條件是在特定的教學環節，在實際開展以上教學內容的過程當中，通常會根據課堂以及其他相關試驗標準，來進行不斷地調整以及完善，從而更好地提升教學的實際效果：

1.做好課前的相關預習。教師在授課之前，可以借助平臺來為學生進行學案的推送工作，并且借助此種方式來進行相關預習資源以及自測題目的推送工作。

2.借助大數據分析平臺來進行有效且科學的分析。使用大數據平臺來有效地了解本班級學生在實際進行課程學習過程當中的基本情況，及時向主管教師進行反饋，這其中反饋的重點，主要是學生自身所存在的相關問題，以及與班級教學相關的問題，針對以上相關問題進行科學分析總結，隨后重點講解，作為教師可以借助平臺來精準地了解每一個學生的實際情況。

3教師進行授課。教師以大數據分析的結果為依據，因材施教，并且采取有針對性的方式來進行有針對性的講解內容的講解工作。

4.再次推送。系統對于學生學習的基本情況來展開自動化分析，找出每一位學生所存在的相關問題，并且根據學生的實際情況再次進行相關題目的推送工作。

5.組織學生展開線上再測。要求學生在課堂上借助智能平板來完整再測學習工作。

6.查缺補漏。根據學生的實際情況情況進行查缺補漏，然后展開差異化、個性化的指導工作。

7. 針對課程體系進行知識體系的梳理工作。教師可以借助思維導圖等相關工具來為學生進行書本相關知識點以及知識體系的構建工作。

（三）案例存在的問題

1.環境不足。目前優質的平臺不多，不同地區的教育發展水平不一致，可實際應用的技術不能滿足現實需要。

2.人才缺乏。具有大數據分析能力和實際教學經驗并能將其有效地實施在學生身上的人才十分缺少。

3.管理缺失。學校和教師對于大數據的應用及管理仍不完整，對受教育者的隱私保護意識仍不足。

五、結論與建議

（一）結論

在數字技術和教育教學深度融合的大背景下，學習分析技術的把握和使用需要常態化的操作。但就當下數字教育的推進過程中，學習分析技術仍是初水平，小范圍的使用階段，要想讓學習分析技術深入教育教學大綱并盡量發揮其對教學者的教學安排、學習者的個性化學習及管理者規范化建設工作的最大效用，還需要一個循序漸進，穩扎穩打的過程。

（二）建議

1.教育資源配置合理化

完善相關的法律法規，對于教育資源發達的地區應盡量滿足其教育研究需求，對教育資源不發達的地區應努力保障當地硬件設備的需要，進一步規范相關教育技術的使用權，構建有效的教育技術使用平臺，革新教育技術，推動發展和創新。

2.提高教師素養水平

對于不同地區的不同學校對教師的不同需求，國家應制定更加準確且高效的教師招聘方案，在教育工作者的聘用上選擇綜合素質較高，在未來也能展現出色才能的人。同時，教育研究者應逐步培養自己的數據意識，學習基本的數據應用和管理知識，更大程度地發揮自己的潛能和價值。

3.管理政策科學化合理化

針對教育大數據應用中的隱私倫理問題，學校層面需要制定標準規范和適度原則，加強對校方和教師的隱私保護意識與專業知識的標準，提高各責任主體對大數據安全性的敏感度和辨識度，努力保障受教育者的權利。

參考文獻：

[1]NM Consortium.NMC Horizon Report：2014 Library Edition[EB/OL].（2014-06-18）[2023-02-18].https：//xueshu.baidu.com/usercenter/paper/show？paperid=43bb741588c89648e08e4dac4155fc12.

[2]NM Consortium.NMC Horizon Report：2015 Library Edition[EB/OL].（2015-08-19）[2023-02-20].https：//xueshu.baidu.com/usercenter/paper/show？paperid=68654a86df80e86cf8b557919b28d63bamp;site=xueshu_se

[3]Kavitha M G ，Raj L D .Educational Data Mining and Learning Analytics-Educational Assistance for Teaching and Learning[J].Trends，2017（41）： 21-25.

[4]Romero C，Ventura S.Educational data mining and learning analytics："An updated survey[J].Wiley Interdisciplinary Reviews： Data Mining and Knowledge Discovery， 2020，10（03）：e1355.

[5]Siemens G ， Long P. Penetrating the Fog： Analytics in Learning and Education[J]. EDUCAUSE review， 2011，46（05）：30-40.

[6]Srinivasa K G ，Kurni M.Educational Data Mining amp; Learning Analytics[M].New York：John Wiley amp; Sons， Inc， 2021.

[7]何永紅.大數據背景下學習分析技術應用研究的分析與思考[J].教育傳播與技術，2021（03）：89-95.

[8]張枝實.教育信息化2.0：大數據驅動教育現代化的實踐研究[J].成人教育，2020，40（06）：17-20.

Abstract： Since the beginning of the 21st century， people have made great effort to realize personalized education and promote educational informatization. Among many teaching technologies， learning analysis， as a comprehensive educational concept and also a practical teaching method， constitutes an important part of intelligent teaching and personalized education and so has attracted much attention from scholars. Based on the national big data on education， this paper studies the application of learning analysis technology in the teaching practice and the possible problems concerning it through analyzing specific teaching cases involving the mode of ″teaching based on learning″， and gives suggestions for the problems. The research shows that application of the big data and the learning analysis technology in education could reform traditional educational tools and teaching methods， and better predict the teaching and learning outcomes. Moreover， the adaptive design of the system can automatically intervene in the learning process， which is helpful for educators to adjust their teaching strategies more timely and effectively so as to achieve the goals of personalized teaching. However， the negative consequences brought by the implementation of learning analysis is also worth our attention.

Key words： educational Big Data; ″teaching based on learning″; teaching mode; learning analysis; education and teaching