郝喆等
摘要:隨著網絡教育的普及和大數據時代的到來,學習分析技術已被廣泛運用于現(xiàn)代教育中。為了進一步了解國際學習分析技術的發(fā)展,及我國學習分析技術在世界的水平,該文對110篇國內外文獻進行了研究。通過研究勾勒出學習分析的研究現(xiàn)狀,探索我國學習分析的發(fā)展趨勢。
關鍵詞:學習分析;文獻對比
中圖分類號:TP311 文獻標識碼:A 文章編號:1009-3044(2015)22-0005-04
1 概述
隨著網絡教育的普及和大數據時代的到來,教育領域的熱點已從單純的信息化建設轉變到教育數據挖掘中來。如何利用各類學習管理系統(tǒng)中存儲的海量學習者信息及學習過程數據,使其轉變成特定的信息為教學提供優(yōu)化和決策服務,成為教育工作者越來越關注的內容。2004年“智能導師系統(tǒng)”的出現(xiàn)在教育街掀起一股數據挖掘的新浪潮。2005年Romero,C 等針對Moodle學習平臺的日志進行分析,通過一系列的數據挖掘方法生成實時數據報告,并利用學生行為數據建立預測模型,成為利用網絡學習平臺數據進行學習者行為分析的經典范例。2007年Romero&Ventrua 等名針對教育數據挖掘歸納出了5類分析方法。這些研究都為“學習分析”這一理念的出現(xiàn)奠定了基礎。
針對學習分析的概念,不同的學術機構給出了不同的理解,美國高等教育信息化推進組織E-DUCAUSE認為:學習分析是使用大量數據建立模型,用以預測干預學生學習過程和成績。NMC新媒體聯(lián)盟也在2011年“地平線項目”(The New Media Consortium Horizon Project)提出:學習分析集成了一系列數據整合及分析技術,通過研究學生在學習過程中的投入、績效和進展情況,用以修訂教學、課程及評估。直至第一屆學習和知識分析國際大會于2011年在加拿大召開,學術界最終給出了學習分析的定義:學習分析通過測量、收集、分析和報告關于學習者及其學習過程數據,了解并優(yōu)化學習發(fā)生的情境。具體而言,學習分析就是針對學生的學習過程數據進行跟蹤記錄,做出分析,由此對學習者的學習行為進行預測、評估學習者的學習效果,不斷干預學習,以期提高學習者績效的技術。
2 國際學習分析研究文獻分析
2.1 文獻選擇方法
本文研究共搜集2010年至20115年4月間中英文文獻110篇進行文獻分析。其中中文文獻來源于萬方數據庫,首先以“題名和關鍵詞”一欄精確搜索“大數據”,并且”題名”一欄精確搜索“學習分析”為條件,共獲得2010-2015年32篇期刊文獻;其中無關性文獻1篇; 其次以“題名”一欄精確搜索“學習分析”后選擇“文化、科學、教育、體育”分類下文獻,2010-2015年 共搜到77篇期刊文獻;其中無關性文獻38篇;交叉比對以上兩次搜索結果,共整理出49篇與本課題相關的中文文獻,其中核心期刊32篇。英文文獻方面,以“Learning Analytics”為關鍵詞通過Google scholar 進行檢索,在結果中選擇2010-2015年間被引用次數大于十次文章共61篇。
2.2 文獻年度發(fā)表數量統(tǒng)計分析
學習分析相關文獻分布圖見圖1所示。從2010年“學習分析”類文獻開始出現(xiàn),至2012年文獻數量開始激增,并一路呈上升趨勢。對中文文獻而言,2012年才出現(xiàn)對學習分析這一領域的文獻,略滯后于國際水平,但文獻數量也呈現(xiàn)穩(wěn)步上升趨勢。對英文文獻而言,2012年后出現(xiàn)大于10篇的高引用次數的高水平文章。因為本研究僅選取引用次數大于十次的國外文獻,而國內文獻為所有文獻。所以從總體數量水平來看,國外文獻的數量大大多于國內文獻數量。
2.3 期刊來源統(tǒng)計分析
文獻的發(fā)表期刊及數量如表1所示,本文所分析中文文獻中遠程教育雜志發(fā)表6篇、中國電化教育發(fā)表6篇、開放教育研究發(fā)表4篇、現(xiàn)代教育技術發(fā)表5篇,現(xiàn)代遠程教育研究發(fā)表3篇,華東師范大學學報(自然科學版)3篇,其他23篇文獻分別發(fā)表在19種雜志上。英文文獻方面Journal of Learning Analytics 28篇,Educational Technology & Society 5篇,American Behavioral Scientist,InternationalJournal of Technology Enhanced Learning各3篇,其他19篇文獻分別發(fā)表在15種刊物上。
從雜志分類來看,110篇期刊分別發(fā)表在32種教育類雜志,10種信息技術類雜志,2種綜合類雜志上。其中在教育類雜志中包含遠程教育類雜志6種,高等教育類雜志6種,成人教育類雜志2種,職業(yè)教育類雜志2種,基礎教育類雜志1種。
2.4 作者所在研究機構及地區(qū)分析
本研究將所分析文獻第一作者研究機構進行了分類,發(fā)現(xiàn)90%文獻均來自于高校,僅10%的文獻來源于政府機構,研究所,獨立實驗室、中小學和企業(yè)。其中從事信息管理科學研究8名,教育學研究33名,計算機科學(信息技術,網絡技術,計算機技術)34名,教育技術學33名,其他學科(商學、新聞傳播、醫(yī)學、藝術設計、工業(yè)設計)11名。
從地域分布而言,外文文獻作者最集中于美國18名、英國14名和加拿大12名,其他文獻作者分布在歐洲、澳洲等9個國家,中文文獻作者主要集中于上海10名,吉林9名,北京8名。與發(fā)表時間做對比發(fā)現(xiàn),國際上學習分析研究最初來源于美、英兩國學者,而國內此類文獻最早出現(xiàn)在2012,2013年間,文獻作者主要來源于北京及上海地區(qū)。而后隨著學習分析技術被更多名認識與了解,越來越多地區(qū)的研究者投入對其研究中,例如2014年東北師范大學開始進行學習分析的研究,并發(fā)表多篇文獻。
2.5 研究主題分析
參照理解學習和知識分析國際大會的主題,將文獻研究方向分為10類。學習分析數據獲取研究、分析算法研究、應用案例研究、框架模型研究、數據可視化研究、介紹及綜述、組件及系統(tǒng)研究、MOOC研究。
如表2所示,其中研究學習分析領域文獻研究最熱門三類為介紹及綜述類24篇,占總文獻的21.8%;學習分析框架模型研究論文為22篇,占20%;理論及方法研究19篇,占17.2%;本文分析的文獻中應用案例研究為14篇文獻,應用領域涉及高等教育(10篇)、K12教育(1篇)、社區(qū)教育(2篇)和企業(yè)培訓(1篇)。 其中在文獻中提到運用學習分析技術對所應用學科產生積極影響的有8篇,表示學習分析技術無法提供幫助的為1篇。通過在某學科實踐某種學習分析方法,發(fā)現(xiàn)其不足并加以改進的論文為3篇。
2.6 研究數據來源分析
學習分析數據來源對研究的準確性有舉足輕重的影響。經過對本文收集的110篇國內外論文進行歸類整理,有58篇論文中提到了數據來源。本文將數據來源分為網絡學習環(huán)境數據,如移動學習系統(tǒng)、學習管理平臺、網絡課程平臺等產生的數據;網絡社會環(huán)境數據,包括社交網絡、短信郵件、包括可穿戴設備等提供的數據;線下環(huán)境數據,包括課堂學習中考試評價、作業(yè)提交、問題回答等線下活動中所產生的數據,具體統(tǒng)計數據見表3。
表3 中外文獻研究數據來源統(tǒng)計表
[數據來源分類\&數據來源\&全部文獻\&中文文獻\&網絡學習環(huán)境數據\&移動學習系統(tǒng)、學習管理平臺、網絡課程平臺\&38\&11\&網絡社會環(huán)境數據\&博客微博、即時聊天工具、短信郵件、論壇、可穿戴設備、線上調查\&25\&4\&線下環(huán)境數據\&問題回答、作業(yè)提交、考試評價、調查問卷\&1\&1\&]
從表3中可以看出,中文文獻中引入數據來源的文章略低于國外。就數據來源而言,中外文獻基本已不再單一使用線下環(huán)境數據,僅1篇中文文獻使用了線下問卷調查的形式作為數據來源。從線上數據分析,國外文獻已有相當部分除使用如在學習平臺、在線教學平臺此類網絡學習環(huán)境之外,還引入了如社區(qū)數據、網絡社交網絡數據、可攜帶設備數據等此類網絡社會環(huán)境數據進行學習分析。而中文文獻仍然以網絡學習環(huán)境數據為主,而網絡社會環(huán)境數據涉及較少,說明我國學習分析現(xiàn)階段數據仍以線上學習數據為主,數據來源較為單一,網絡社會環(huán)境數據搜集較為困難。
3 學習分析研究現(xiàn)狀
3.1研究不斷深入,學習分析發(fā)展線路明晰
從年度發(fā)表信息統(tǒng)計可以看出,學習分析一詞從2010年前后進入人們的視野中,它的出現(xiàn)常常伴隨著教育數據挖掘、數據挖掘、學術分析和智慧學習等詞匯。在出現(xiàn)伊始,人們主要討論的話題為理論居多,探討主要集中在其定義、來源、及模型探索中,2011年,學習分析的觸角開始觸及到從具體的學習平臺數據或聊天對話中建立大數據分析模型,如英國開放大學在2011年發(fā)表的“Learning analytics to identify exploratory dialogue within synchronous text chat”一文中,通過同步某個演講主題的聊天文字信息,對其中談到索性對話進行分析,及時發(fā)現(xiàn)學習中的問題。而2012年,學習分析研究成為世界關注的研究主題。該領域吸引著計算機科學與技術、教育學理論和教育信息管理領域的重點關注,研究成果多在教育學的重點刊物上發(fā)表。2012年的普渡大學信號燈系統(tǒng)是學習分析領域標志性成功案例,關于學習分析研究也開始更傾向于學習分析技術、知識建模和表征方面。在這一時期,各類關于學習分析的數據建模、信息系統(tǒng),平臺架構各類案例分析不斷涌現(xiàn),在這一時期,針對各類平臺,如Moodle、Sakai、Blackboard、Moocs的學習分析技術大量被研究。直至2014年,學習分析領域在開始出現(xiàn)另一種聲音,研究者開始對之前所提出的一些模型,框架進行實踐,并在實踐中發(fā)現(xiàn)問題、提出問題。如“Learning Analytics for Online Discussions”中就對學習分析中學生在線討論的一套理論框架進行實踐驗證,發(fā)現(xiàn)其負面影響。研究者開始關注自動化,個性化反饋幫助系統(tǒng)的建立與應用,學習分析數據獲得及隱私性問題也被廣泛研究。至2015年,對于單一系統(tǒng)的分析已成熟,而通用性模型及算法的重要性越來越被研究者所關注。如知識媒體中心在國際學習分析大會上發(fā)表的“Analyzing the Main Path of Knowledge Evolution and Contributor Roles in an Open Learning Community”一文中德國知識媒體研究中心介紹了他們研究的方法在多個系統(tǒng)中的應用。
3.2 融入前沿應用,捕捉多方精細化數據源
早在2011年,Panlo Blikstein在文中已經談及通過電子郵件內容分析及計算機對可穿戴設備的活動捕捉作為數據來源,在2012年普渡大學的信號燈系統(tǒng)中,研究人員運用人口特征,個人學術經歷,個人努力因子及學習系統(tǒng)等多維數據進行學習分析。2014年瑞士研究者在”Classroom Social Signal Analysis”一文中建立了一種監(jiān)測系統(tǒng),通過視頻攝像頭捕捉課堂學生動作,分析課堂行為和學生成績的關系。此類學習分析數據來源以非局限于學習管理系統(tǒng)、學籍系統(tǒng)、學生基本信息等,也融入了非學習環(huán)境下的各類行為痕跡數據。通過非學習環(huán)境與學習環(huán)境下的數據相結合,學習分析來源的豐富性也提高了分析的精準性。隨著Wifi技術,社交網絡和觸控技術等新興技術的崛起,各類移動平臺的數據也逐漸成為學習分析的新維度。
3.3 深度融入教學,應用多面開花
學習分析經過多年研究,通過各種學習分析技術已經可以提供多方面的應用。利用工具,教師可以獲得學生的各類學習數據,如學習環(huán)境、學習過程、學習績效等,通過這些數據教師可以獲得學生的學習行為數據了解學生的學習狀況,學習軌跡,為個性化教學提供有力支撐。從學生角度而言,學習分析技術滲透更為廣泛,主要分為:a)自我學習評估工具,如馬里蘭大學的課程管理工具可用于反饋學習過程信息,幫助學生判斷目前的學習狀況。b)自我學習策略分析工具,如美國的knewton平臺,通過采集學生信息,自動評估學生能力,針對個體給出個性化學習規(guī)劃。c)自我學習監(jiān)控工具,如英國哥倫比亞的研究者利用SNAPP對學習論壇進行分析,通過可視化圖形對學生學習行為相對位置進行描述。d)學習預警干預系統(tǒng),如普渡大學信號燈系統(tǒng),通過此系統(tǒng)實時跟蹤學生學習情況,發(fā)現(xiàn)潛在危險及時發(fā)出預警實施干預。
4 我國學習分析研究趨勢展望
4.1 加快理論研究步伐 趕追國際水平
從中文文獻與英文文獻的對比可看出,2012年開始關于學習分析的中文論文開始出現(xiàn),趨勢為逐年上升。但是介紹和綜述的文章居多。包括針對歷屆學習分析會議的剖析、學習分析著名學者的訪談、中國學習分析的研究現(xiàn)狀及趨勢的研究等此類基礎性理論研究,而對于學習分析模型及學習分析系統(tǒng)架構研究在2014年之后才開始逐步進入人們的視野。而對于學習分析的標準化通用算法和模型研究,學習分析數據獲取,可視化研究,隱私問題等方面的涉及不多。由此可見,中國在學習分析領域尚處于起步階段,跟國際水平還有差距。但也不可否認,通過多年研究,我國學習分析領域也取得了不小的成績,如花燕鋒在《基于MOOCs的多元同心學習分析模型構建》一文中提出的多元同心分析模型在MOOC平臺的使用,已經取得了良好的效果。而馬曉玲在《學習分析系統(tǒng)構建研究》一文中,也開始著手研究建立我國的學習分析統(tǒng)一系統(tǒng)架構。
4.2 加強基礎信息平臺建設,推進綜合平臺的信息互通。
就我國目前研究來看,研究數據來源基本為單一平臺,如MOOC、Moodle或學校自己學習平臺數據,運用多維數據進行分析的文獻較少。姜強在《基于大數據的個性化自適應在線學習分析模型及實現(xiàn)》一文中提出利用社交網絡、微信朋友圈等多維數據建立學習分析模型。但數據采集零散性較高,準確性低。目前,我國信息化已經進入高速發(fā)展的階段,信息化水平逐年提高,但是信息孤島現(xiàn)象嚴重,在教育領域急需打通各校信息孤島,并結合社區(qū)信息,醫(yī)保信息網等建立一個基礎信息平臺,由此提供完整且準確的數據來源。
4.3 側重實踐,加強應用性研究
目前,一些針對學習分析的應用研究已經取得了一定成果。如《學習熱分析分析視角下的遠程教學交互分析案例研究》中談及將學習分析技術運用于網絡教學中的案例。《學習分析視角下的個性化學習平臺研究》一文中以小學為例介紹一種學習分析個性化平臺。但相對于國際文獻,仍有許多片面之處,而教育與學習分析的深度應用必將成為今后的研究熱點。
5 結束語
國內在學習分析領域尚處于早期,發(fā)展空間極大。在教育領域學習分析技術的應用價值已被許多研究者所關注,于此同時,在漫長的探索之路上也充滿著許多挑戰(zhàn)。
參考文獻:
[1] 馬曉玲,邢萬里,馮翔,吳永和.學習分析系統(tǒng)構建研究[J].華東師范大學學報,2014(2).
[2] 姜強,趙蔚,王朋嬌.基于大數據的個性化自適應在線學習分析模型及實現(xiàn)[J].中國電化教育,2015(1).
[3] 曹曉明,搖朱勇.學習分析視角下的個性化學習平臺研究[J].開放教育研究,2014(5).
[4] 花燕鋒,張龍革.基于MOOCs的多元同心學習分析模型構建[J].遠程教育雜志,2014(5).
[5] 胡藝齡,顧小清,羅九同,等.教育效益的追問:從學習分析技術的視角[J].遠程教育研究,2014(6).
[6] 徐鵬,王以寧,劉艷,等.大數據視角分析學習變革*--美國《通過教育數據挖掘和學習分析促進教與學》報告解讀及啟示[J].遠程教育雜志,2013(6).
[7]Siemens G., Gasevic D, Haythornthwaite C, et al. .Open Learning Analytics: An Integrated & Modularized Platform(2011).
[8]Campbell J P, DeBlois P B, Oblinger D G. Academic Analytics: A New Tool for a New Era.EDUCAUSE Review, 42, 4 (July/August), (2007), 40-57.
[9] Chatti M A, Dyckhoff A L, Schroeder U. A Reference Model for Learning Analytics. International Journal of Technology Enhanced Learning (IJTEL).