大数据时代的学习分析概述

摘 要：大数据正在影响着各行各业的发展，教育领域也不例外。如何将这些多种形式来源的海量数据转换成有用信息，并将它应用在教学决策、个性化教学等领域，已成为当前教育界关注的重点。本文在介绍学习分析及其相关概念的基础上，着重讨论了学习分析的应用领域，并对学习分析的未来发展进行了展望。

关键词：学习分析;数据挖掘;大数据

随着信息化技术的飞速发展，传统的教育方式也发生了翻天覆地的变化。MOOCs、云课堂等大量的在线教育模式的出现，使得教育信息化程度不断深入。各类在线学习系统已经获取和存储了海量的学生信息以及与学习过程相关的数据。如何获取、挖掘、理解、处理和利用在教育领域中产生的海量数据已成当务之急，学习分析应时而生。

一、学习分析的定义

2011年，在第一届学习分析与知识国际会议上，将学习分析定义为测量、收集、分析和报告关于学习者及其学习情景的数据，以期了解和优化学习和学习发生的情境。美国新媒体联盟（New Media Consortium）对学习分析也有类似的定义，认为学习分析是利用松散耦合的数据收集工具和分析技术，研究分析学习者学习参与、学习表现和学习过程的相关数据，进而对课程、教学和评价进行实时修正。

可以这样理解，学习分析所研究的数据是整个教育活动所产生的海量数据和学习分析过程中所产生的中间数据。这些数据包括集中式学习环境下，学生上传下载的学习资料、登录次数、每次学习时间、考试成绩等学习活动日志，以及分布式学习环境下，学生们通过邮件、短信、社交网络开展的学习讨论等。

随着可穿戴设备的不断推广和普及，可穿戴设备所捕获到的心率等各项身体活动数据，也将成为研究的数据来源。在此基础上，评估或预测学生的学习活动，并从中发现潜在的问题，为教育活动相关者提供决策支持，并进一步优化学习过程，设计更适合的学习情境。

例如，学习分析可以及时发现学生存在的问题，缺少前驱知识、某个知识技能掌握不达要求等等。这时，教师们就可以针对不同情况合理干预学生的学习活动，修改教学内容、改善教学方式等。当时，这只是一方面，学习分析所能做的远不止于此。

二、学习分析的研究内容及应用

学习分析在对学习者知识、学习者行为以及学习者本身建模的基础上发现潜在问题，通过解决问题优化教学资源和教学策略，预测未来学习趋势和结果等。能从学习分析中受益的包括教育系统相关的各个参与者，如学生、教师、研究人员、教育管理者和政策制定者等。

研究者通过学习者在线学习过程中，应答的正确率、回答问题时间、重复修改次数等抽取学习者与在线系统之间所产生的交互数据，以此来建立学习者知识模型。从模型中可以清楚地了解学习者所学习的知识和技能的掌握情况。这样，系统就可以在学习者需要时推送合适的学习内容。

学习行为建模是从在线交互数据中提取知识的学习顺序、每个知识点的点击次数、完成学习所花费的时间、线上和线下考试成绩、学习行为的变化情况等建立学习行为与学习结果之间的对应关系，以此来研究什么样的学习行为可以取得更好的学习成绩，哪些学习存在学习失败的可能性。

对学习者本身建模，是为了构建个人学习特性，例如学习的风格、偏好、目标，完成情况等，这样做的目的是对有同样学习特性的人进行分组和聚类。通过研究该模型，可以有针对性的提供个性化的学习环境，从而提高学习效率。

学习分析可以应用于优化教学资源和教学策略。它可以帮助教师实时监控网络教学情况，评估课程设计的效果，从而为教师在教学实践中做出合理决策。通过对大量的相关数据的采集和分析，能够发现隐藏在每个学习者背后的学习偏好和学习模式，为学习者提供真正适合个人的个性化学习环境和学习建议，有效提高学习效果。

云计算、数据挖掘、社会网络分析、物联网等技术使学习分析成为可能。但学习分析目前仍处于发展初期，还面临着多方面的挑战。数据来源多样、分布存储等使得数据预处理过程复杂繁琐，如何从海量数据中获取适合开展学习分析的有效数据占了大部分工作量。另外，学生隐私和档案的道德问题也是我们要格外关注的重点。随着学习分析的不断深入研究，它也将得到更加广泛的应用，为每一个学生提供更适合自己的个性化教育资源，不断深化教育信息化的发展。

参考文献：

[1]SIEMENS G， LONG P. Penetrating the fog： Analytics in learning and education[J]. Educause Review， 2011， 46（5）： 30-32.

[2] 顾小清，张进良，蔡慧英.学习分析：正在浮现中的数据技术[J].远程教育杂志，2012（1）：7-15.

作者简介：钟诚，女，讲师，研究方向：计算机应用，教育数据挖掘;何秋燕，讲师;杨珍，副教授。