首页 >> 教育学 >> 教育技术学
学习分析技术应用:寻求数据支持的学习改进方案
2017年05月27日 08:24 来源:《开放教育研究》 作者:顾小清 刘妍 胡艺龄 字号

内容摘要:出不穷的信息通信技术创造并支撑着丰富的学习模式,在产生大量教育数据的同时,教学模式的中心也逐渐发生变化。

关键词:学习分析;教育大数据;改进教学实践;案例研究

作者简介:

  作者简介:顾小清,博士,华东师范大学教育信息技术学系教授,博士生导师,华东师范大学上海数字化教育装备工程技术研究中心,研究方向:学习科学与学习技术、计算机支持协作学习、学习分析;刘妍,华东师范大学教育信息技术系在读博士生,研究方向:学习分析技术、自适应学习和设计;胡艺龄,博士,华东师范大学教育信息技术系晨晖学者,华东师范大学上海数字化教育装备工程技术研究中心,研究方向:学习分析技术、计算机支持问题解决。上海 200062

  内容提要:层出不穷的信息通信技术创造并支撑着丰富的学习模式,在产生大量教育数据的同时,教学模式的中心也逐渐发生变化。作为助学者、服务者,教师迫切需要了解支持服务与学生需求间的差异。借助数据支持的决策所提供的引导与帮助,成为目前学习分析技术应用于教学实践领域最有价值的目标。本文立足于此目标,通过阐明学习分析技术用于提高教学和学习效果的实践需求,以本团队开展的评估、预测和干预三类应用案例为载体,突破对数据的浅层理解和理论阐述,并总结可能的实践应用方向及关键技术和特点。研究成果一方面可为改进教学实践提供可操作的方法,同时也能为教育研究者进行实验设计和课程设计提供参考。

  关 键 词:学习分析 教育大数据 改进教学实践 案例研究

  [中图分类号]G434 [文献标识码]A [文章编号]1007-2179(2016)05-0034-12

  一、改进教学的学习分析诉求

  随着信息技术在教育领域的深入应用,在线学习平台、学习管理系统、自适应教学系统、教育云服务等应用迅速崛起,相应的行为数据和学习数据以指数级增长。学习分析技术以为学习者提供个性化学习服务、为教学过程提供准确的改进策略为目标,成为技术增强学习(Technology-Enhanced Learning,简称TEL)领域又一重要技术(Ferguson,2012)。在学的方面,学习分析技术能整合与学习者相关的背景信息、学习过程数据,运用多类分析方法和数据模型解释与预测学习者的学习表现(Lee,et al.,2016),也能基于行为数据和学习轨迹分析,提供基于个性化需求的学习路径和适应性帮助(Jovanovic,et al.,2008);在教的方面,学习分析技术可以用于评估和优化课程,为教师提供基于证据的针对性教学干预(Chen,et al.,2005),以及更为深入的教学建议。可以看到,学习分析技术具有支持学生自我改进学习,支持教师优化教学的潜力(顾小清等,2012)。因此,如何利用学习分析技术有效促进教学实践,以及如何借助成熟的理论与模型将其在教育应用中“落地”,成为研究者关注的热点。

  自首届“学习分析与知识国际会议”(The International Conference on Learning Analytics & Knowledge,简称LAK)2011年在加拿大阿尔伯特省班芙市举办以来,迄今已六届,但无论是最初探讨学习分析技术的定义、内涵、相关理论(LAK,2011;2013),还是后来探寻理论发展与实践发展的交叉点(LAK,2014),以及如何实现从大数据到大效应的影响扩大(LAK,2015),该会议主题都围绕学习者的行为分析、结果评价等展开,不曾深入涉及教学实践分析。直到2016年,该会议才出现研讨教学分析与教师分析(Teaching and Teacher Analytics)方面的主题,专家开始关注基于数据的教学分析,以提供更好的教学干预与教师帮助。这一趋势显示,学习分析技术已逐步在教学实践及学习改进方面获得重视。然而,除了上述关于学习分析研究的会议及相关成果外,学习分析技术能够用于支持教学实践的具体成果尚不多(金慧等,2016)。来自实践的诉求——如何以学习分析的研究成果为改进教与学提供指南——越来越强烈。学习分析如何才能支持和实现教学实践的改进?在教学中还有哪些可能的应用?本文试图对此进行探究。

  二、以学习分析改进教学的数据可能性

  (一)学习分析技术概览

  学习分析技术作为从海量数据中提取隐含、潜在信息的工具,能够通过对这些海量数据的处理获得对学习过程更全面且深刻的认识,同时也能够为学习者提供更智能和个性化的教学辅助策略。2012年,美国发布的《通过教育数据挖掘和学习分析促进教与学》报告指出,大数据在教育中的应用包括两大领域:教育数据挖掘和学习分析技术。教育数据挖掘作为一个新兴研究领域,借助统计学、机器学习和数据挖掘等方法(如构建预测模型、学习者聚类分析和关系数据挖掘等),分析教与学过程中产生的数据;另外,学习分析技术需要测量、收集、分析和报告有关学生及其学习环境、过程的数据,涉及信息技术学、社会学、计算机科学、统计学、心理学和学习科学等多个学科,其应用能直接影响教学实践,促进个性化教与学的实现,优化学习路径,改进教育决策(Siemens & Long,2011;Siemens,et al.,2011)。两者区别主要在于:教育数据挖掘的目的在于开发新的算法和模型,学习分析技术则是应用已有的模式和方法理解学习过程和学习行为。特别是,学习分析技术注重监测和预测学生的学习成绩,及时发现潜在问题,为教学过程提出有针对性的改进策略和教育决策,比如通过仪表盘或构建图形化模型等方式对学习过程进行评估、追踪预测和分析以实现个性化学习(胡艺龄等,2014)。可见,学习分析技术是回归教育本质,以学习者为对象,以教育数据驱动的方式改进教学实践、促进学习者个性化发展的方法和技术。

  (二)学习分析技术的数据需求

  正如上文所述,学习分析技术具有对数据进行总览性描述和分析、推动个性化学习的潜力。然而,对于学习分析框架与技术流程的设计,学者们的观点不同。西蒙斯(Siemens,2010)认为,学习分析的过程是以数据为核心的分析环路,包括收集数据(如学习者数据、智能数据、个人学习档案)、存储数据、清洗数据、整合数据、分析数据、数据可视化和执行(如预测、干预、教学改进)等;布朗(Brown,2011)将学习分析过程整合为数据收集、分析、学习者学习、报告反馈和干预指导五个步骤;沙缇等(Chatti,et al.,2012)指出,学习分析是将教育数据转化为有用的行为来促进学习的过程,这个过程是循环、迭代的,其模型包括数据收集和预处理、分析与采取措施以及后处理。

  综合上述理论框架可以看出,已有学习分析框架大多涉及技术方法和可用数据,特别强调数据的重要性。西蒙斯(Siemens,2010)就认为获取大量数据是学习分析产生的驱动力,包括学习者发布的数据、智能语义数据和关联数据等;弗格森(Ferguson,2012)也提出,大数据技术、教育、政治和经济因素是驱动学习分析发展的主要动力,数据是学习分析技术的核心要素。

  智能终端、社交软件和传感器等软硬件技术在教育情境中的应用,成为基于移动互联网的学习数据剧增的重要原因,同时也在逐步改变着学和教的方式。首先,学习管理系统、课程管理系统等学习技术系统存储了大量“线上数据”,人们借助技术手段和应用软件可以跟踪和获取学生行为、学习轨迹等数据,如CourseSmart公司与五个教科书出版商共同推出智能课程分析工具(Junco & Clem,2015),该分析工具能在学习者与在线文本互动时紧密跟踪学生活动,并为教师提供相应数据的解释,提供学生参与特定文本的评价;其次,社交网络中的学习行为也呈急剧增长态势,为学习分析的精细化提供多元、多样本的数据;此外,课堂教学产生的可通过智能终端及传感器获取的“线下数据”,记录线下学习行为、学习者自我报告考试测试等。

  另外,学习分析的受益者也对学习分析技术提出了更多需求。学习者需要数据分析为其提供反馈,或为其推荐符合个人特征的学习内容、课程和活动(He,2013);或需要优化的学习路径、合适的学习帮助和建议及个性化、智能化的学习环境。教师希望能借助学习行为记录和数据分析的优势,从不同维度对学生进行群体分类、学业表现评估和学业预测(Abdous,et al.,2012;Huang & Fang,2013),或者获得及时的教学反馈和改进建议,以提升教学效果(Leong,et al.,2012;Worsley & Blikstein,2013)。教育研究者也同样会关注数据来源、分析技术和应用,从不同受益者角度提出对教育数据的需求及对其价值的期待。由此来看,无论从学习分析理论层面,还是面向服务和受益群体来看,数据对于学习分析的重要意义毋庸置疑。

分享到: 0 转载请注明来源:中国社会科学网 (责编:毕雁)
696 64.jpg
用户昵称:  (您填写的昵称将出现在评论列表中)  匿名
 验证码 
所有评论仅代表网友意见
最新发表的评论0条,总共0 查看全部评论

回到频道首页
wxgg3.jpg
内文页广告3(手机版).jpg
中国社会科学院概况|中国社会科学杂志社简介|关于我们|法律顾问|广告服务|网站声明|联系我们