大数据背景下学习分析技术对远程教育教学模式的影响

摘 要：作为大数据分析在教育信息化领域中的重要应用，学习分析技术为教师教学决策、优化教学提供有效支持，为学生自我导向学习、学习危机预警、自我评估以及个性化学习设计提供数据参考。本文在介绍学习分析技术的基础上，构建出基于学习分析技术的远程教育基本模型，并就其对远程教育的教学模式改革所起到的作用进行探讨。

关键词：大数据；学习分析；教育模式

在线学习系统中包含了大量与学习者学习行为相关的数据，例如，学习日志、学习途径、学习成果数据、课程数据、学习管理数据等。充分集中整合这些大数据，再对学习过程和学习效果进行评价分析，更有效地支持学习，优化教学服务，为教学管理与决策提供依据已成为远程教育工作者面临的重大课题。

一、目前远程教育存在的问题

远程教育中学生可以随时随地利用网络进行课程学习，不受时间和空间的限制，但同时也存在一些问题，例如：

1.评价数据单一化。

教师通常采用总结性评价对学习者的学习过程进行评价，如利用课后作业、论文、测验、出勤情况等评价数据。

2.评价方法静态化

目前评价方法采集的数据是静态的，缺乏对学习过程进行实时监测，不能实现动态的反馈，不能准确反映学习者的参与程度。

3.评价的真实性难以把握

对于一些视频课程的学习，很难判断出学习者是认真参与学习还是开着视频人却离开，而对于课后测验与作业是否独立完成也很难保证。

利用上述方法考核、分析和评估远程教育，教师既不能实时把握学习者真实的学习情况，也无法确定学生个体的学习方式、认知习惯和学习兴趣。学生也无法对自身学习效果有一个客观而明晰的认识，不能较好地制订下一步的学习计划。

二、学习分析的特征

学习分析技术是运用数据挖掘、信息可视化等智能技术来分析学习系统产生的数据，并利用分析结果提供恰当的干预、评估，其主要目的是优化学习过程，促进学习。学习分析技术具有以下特征：

1.复合化的数据采集

多样化的数据为自动化的学习支持和针对性的学习服务提供了可能性。学习分析技术采集的数据来源：一是由学习管理系统、移动终端、社会性软件中所记录的学生的学习行为数据；二是内容管理系统中的学习记录数据；三是学生学习成果数据，如作业、作品。这些不同来源的多样性数据通过第三方分析软件整合并导入到同一个分析框架中，就可得出学生学习情况的分析结果。

2.多角度的分析技术

要进行有效的分析，必须使用多种研究方法、技术与工具。学习分析技术应从网络交互、交流内容、交互内容等多个角度展开，并对数据进行挖掘、聚合、分析，结合定量研究与定性研究的数据为学习提供支持。

3.可视化的分析结果

通过可视化分析结果，使学生对学习状况、教师对教学情况有直观地了解，并作出有效的判断和分析。

4.多层次的服务对象

学习分析技术从教师、学生以及管理者的角度对学生的学习过程进行客观的预测，方便教师优化教学，改进过程评价手段，帮助学生进行自我评价、自我诊断，给教育机构和管理者提供决策依据。

三、基于学习分析技术的远程学习系统模型

学习分析技术利用数据分析探究学习过程的发生机制，改进学习，这一过程包含了数据的选择、获取、综合与报告、预测、使用、完善和分享等活动。因此需要基于学习分析技术初步规划学习系统运行的步骤。第一步，学习者结合自身兴趣和系统推荐，选取学习内容；第二步，系统记录下学生者产生的学习数据，结构先定义好再存入数据库；第三步，对预测模块进行分析，在采集学习者行为数据的基础上，与学习者的特征信息相结合，利用分析工具及模型对预测模块进行分析；第四步，在参照上一步预测模块预测结果的基础上，利用数据挖掘技术为学生推荐适合学生学习特征的学习策略及指导方法；第五步，可以利用可视化的形式将上述数据挖掘结果、分析结果传递给学生、教师和教学管理者。

该学习系统包含六大模块：（1）学习的内容。管理、维护、传递个性化的学习内容与评价给学习者，以支持学习者的学习行为。（2）学习行为数据。记录学习者在学习系统中的学习行为（比如学习时间、学习次数、学习路径、学习进度等）。（3）分析预测模块。这是整个模型的核心，整合学习者信息系统中的数据和学习者学习行为数据，通过多种技术（语义分析、社会网络分析）对数据处理和分析，对学习者未来的学习行为和结果进行预测。（4）可视化面板。根据用户角色的不同，将预测模块中的结果以可视化、图形化的方式呈现。（5）推荐模块。根据分析预测模块的运行结果，再根据学习者的学习水平和兴趣，对学习内容等进行个性化的定制和推送。（6）干预模块。允许教师、教学管理者和系统开发人员根据预测模块的运行结果，对系统实施人工干预、自动化干预。

基于学习分析的远程学习系统模型能够及时量化跟踪学习过程，提出较好的学习建议，并以可视化的形式呈现给学生和老师，帮助他们更加清楚地了解自己学习的变化过程，帮助学生更好地认知自己的学习状态，激发学习者的学习兴趣和学习激情。

模型利用采集到的学生学习兴趣发展的数据，了解学习者状态，包括学习者已掌握的相关知识、学习习惯等；建立合理的学习者分析模式与数据分析框架，从简单的资源推送逐步完善为提供基于大数据分析的适时、贴切的个性化指导，帮助学生完善知识结构，挖掘自身兴趣爱好和特长。整个学习过程既实现了学习者的自制学习和自我学习，以及教师个性化干预指导，又实现了系统根据用户特征适应性推送资源辅助学习者学习的目的。

四、学习分析技术对远程教育模式改革的价值

1.提供有针对性的教学干预

随着支持网络学习活动的工具种类的剧增，教师可从学习者网络学习的表现（如学习时间投入、学习活动频率、学习资源浏览、师生交互行为、考试成绩等）等多方面统计描述学习者的各种活动因素，预测学习者的需要，开展面向教学的社交网络分析。教师可根据本课程课件的评价和反馈合理组织教学，根据学习者的学习状态来组织教学内容，实施教学计划，改进课程的适应性，提高个性化水平。