學習分析視角下在線學習干預模型應用

張家華　鄒琴　祝智庭

摘要：基于傳統(tǒng)RTI模式構(gòu)建的在線學習干預模型，是一個循環(huán)迭代的干預模型。該模型主要包括五個要素：篩選、監(jiān)控、多層次干預、決策和分析。研究者利用學習分析技術(shù)將在線學習行為數(shù)據(jù)加以篩選和分析，及時預測可能出現(xiàn)學習風險的學習者從而提供適當?shù)膶W習干預。該模型的特點：第一，突破現(xiàn)有的以傳統(tǒng)課堂環(huán)境為背景的學習干預研究，將學習干預模型應用于在線學習的真實情境；第二，從學習分析的視角逐步明確和細化學習干預的方法、過程和策略并借助技術(shù)工具實施可操作且有效的干預措施；第三，通過問卷調(diào)查、SPSS和個別訪談的方法，從學習者的角度對在線學習干預模型的有效性進行了評估。模型實驗結(jié)果表明，在線學習干預模型的應用效果較好，實驗對象的學習結(jié)果與模型預測的結(jié)論較為一致，且被干預的學習者能夠適應干預策略和措施，有效地規(guī)避了學習風險。

關(guān)鍵詞：學習分析；在線學習；學習干預；反應-干預模型；學習過程

中圖分類號：G434 文獻標識碼：A 文章編號：1009-5195（2017）04-0088-09

學習分析作為教育領(lǐng)域的新興技術(shù)，近年來已經(jīng)成為教育研究的熱點?！兜仄骄€報告》自2011年起連續(xù)三年將學習分析列為近2-3年的關(guān)鍵技術(shù)，并預測其將于2017-2018年得到普及。加拿大阿薩巴斯卡大學的Siemens教授認為學習分析是指收集學習者產(chǎn)生的數(shù)據(jù)并建立分析模型來發(fā)掘信息和內(nèi)部聯(lián)系，以對學習者進行預測和建議（Siemens et al.，2011）。這表明學習分析不僅需要對學習進行診斷分析，還應依據(jù)分析結(jié)果進行適當?shù)母深A。然而，由于傳統(tǒng)學習環(huán)境存在數(shù)據(jù)采集困難、干預手段有限以及干預過程復雜等問題，導致學習干預研究雖然重要卻所受關(guān)注不足，相關(guān)理論和應用成果的影響有限。在信息技術(shù)支持的學習環(huán)境下，借助在線學習平臺和學習分析技術(shù)能夠收集學習數(shù)據(jù)、分析學習過程、實施精準教學，從而為探索個性化、適應性的學習干預提供了可能，也將促使學習干預的研究和應用由特殊教育逐步拓展到普通教育領(lǐng)域。

一、國內(nèi)外研究現(xiàn)狀

傳統(tǒng)學習干預主要面向特殊教育領(lǐng)域的學習障礙者。自20世紀60 年代美國心理學家 Kirk 提出學習障礙的概念后，教育研究者們開始重視這一問題。原有的學習評價方式開始受到質(zhì)疑，學校需要更加科學有效的方法來解決學習障礙問題，以準確鑒定有學習障礙的學生并幫助他們克服學習困難和提高學業(yè)成績。針對這一需求，“干預-反應”模式（Response to Intervention，簡稱 RTI）應運而生，并逐步得到推廣應用。

國外研究表明，RTI模式可以提供恰當?shù)母深A措施來改善處于低水平學生的學習（Fletcher et al.，2005）；Bianco等將RTI運用于識字課堂，改善了學習者的識字率，減少了需要特殊分組學習者的數(shù)量（Bianco，2010）；Ardoin等在小學數(shù)學課堂實施該模式，以鑒別需要教學干預的群體，證明了RTI使用的可能性和有效性（Ardoin et al.，2005）。使用RTI模式的優(yōu)點還包括幫助滿足學生的社會、情感行為需求（Saeki et al.，2011）。如Little和Rawlinson等證實了針對不同風險的學習者采取干預措施的有效性，并提醒教育工作者注意不同層次干預措施的差異性（Little et al.，2012）。此外，官方調(diào)查報告顯示，自2007年至2010年美國全面開展RTI模式或者部分嘗試RTI模式的學區(qū)數(shù)量逐年上升，由2007年的24%增加到了2010年的61.2%，且有76%的學校認為RTI模式改善了教學效果（American Association of School Administrators，2010）。

然而，上述學習干預研究大多以傳統(tǒng)課堂為背景，較少涉及技術(shù)環(huán)境中的學習問題。而在線學習正成為越來越多學習者的重要學習方式，技術(shù)環(huán)境下的學習障礙問題日益突出，因此基于在線學習環(huán)境的學習干預研究非常必要。隨著大數(shù)據(jù)技術(shù)和智慧教育的興起，國內(nèi)學者開始關(guān)注技術(shù)環(huán)境下的學習干預問題。如祝智庭教授設計了信息技術(shù)支持的精準教學模式，強調(diào)基于數(shù)據(jù)驅(qū)動的決策方式，并將RTI作為實施精準學習干預的重要方法（祝智庭等，2016）；唐麗等探討了學習分析中干預的內(nèi)涵、方式與流程，從多個角度提出了實現(xiàn)個性化學習的干預措施（唐麗等，2016）；李彤彤等構(gòu)建了基于教育大數(shù)據(jù)和學習分析的、以干預引擎為核心的學習干預模型，并設計了具體的干預策略、干預時機以及干預方式（李彤彤等，2016）；趙慧瓊等將干預模型應用于教學實踐中，通過學習過程中實施干預模型識別出存在學習危機的學生，及時向其發(fā)出預警信號并提供個性化干預對策，在一定程度上增強了學習動機并提高了學習質(zhì)量（趙慧瓊等，2017）。

總體而言，已有的學習干預研究雖然取得了一定成果，但是還面臨一些新的問題亟待解決：一是已有研究提出的學習干預模型和策略的應用主要以傳統(tǒng)課堂為背景，其在混合式或在線學習環(huán)境下的適用性和有效性仍存在不確定性。二是傳統(tǒng)學習干預主要借助人工方式實施干預，工作量大且準確度難以保證，因此難以適應規(guī)模較大的課程。三是技術(shù)環(huán)境下的學習干預實證研究偏少，一些研究從理論層面設計了干預模型，但缺乏真實教學實踐的效果檢驗；少數(shù)學習干預實驗效果較多依賴于質(zhì)性的分析結(jié)果，較少結(jié)合量化結(jié)果進行相對客觀的分析。

二、在線學習干預模型的構(gòu)建

隨著在線學習環(huán)境的興起和廣泛應用，學習干預研究需要新的模型、方法和技術(shù)支持。針對傳統(tǒng)學習干預研究的局限和在線學習的特點，本文提出在RTI模式的基礎(chǔ)上構(gòu)建在線學習干預模型，如圖1所示。該模型包括五個要素，分別為篩選（Screening）、監(jiān)控（Monitoring）、多層次干預（Intervening）、決策（Decision-Making）和分析（Analyzing）。它是一個循環(huán)迭代的干預模型，干預的層次包括群體干預、小組干預和個體干預。研究者利用學習分析技術(shù)將在線學習行為數(shù)據(jù)加以篩選和分析，及時預測可能會出現(xiàn)學習風險的學習者，并提供適當?shù)膶W習干預。

篩選。包含兩個方面，一是在干預實施之前，根據(jù)平臺特點和課程性質(zhì)篩選干預技術(shù)和工具；二是在干預過程中，根據(jù)干預結(jié)果篩選出有風險的學習者。

監(jiān)控預測。利用技術(shù)和工具監(jiān)控在線學習行為，實時了解學習進度，量化學生的學習數(shù)據(jù)；針對進度落后、偏離目標、存在障礙的學習者預測可能出現(xiàn)的學習風險。

多層次干預。分為群體干預、小組干預和個別干預。根據(jù)學習行為的分析結(jié)果確定具體的干預層次，并采取相應的干預策略。可借助多種方式和工具實施干預，并為被干預學習者提供可視化學習診斷報告。

決策。對干預效果進行驗證，呈現(xiàn)可視化分析結(jié)果，以支持科學的決策。若干預效果不明顯，則調(diào)整干預策略和措施實施新一輪的干預。如建議學習者調(diào)整學習方式和態(tài)度，或建議教師調(diào)整教學方法和模式，以及教學管理人員優(yōu)化資源配置等。

學習分析。學習分析是整個模型的核心，貫穿學習干預的全部過程，在數(shù)據(jù)驅(qū)動的基礎(chǔ)上實施干預措施和策略，以實現(xiàn)個性化、適應性的在線學習干預。

本研究在傳統(tǒng)RTI模式研究成果的基礎(chǔ)上，構(gòu)建了技術(shù)支持環(huán)境下的在線學習干預模型。該模型的特點有：其一，從學習分析的視角逐步明確和細化學習干預的方法、過程和策略，并借助技術(shù)工具實施可操作且有效的干預措施，以克服傳統(tǒng)RTI模式存在的部分局限。其二，把學習干預模型應用于在線學習的真實情境中，基于實證研究的數(shù)據(jù)分析來完善模型并驗證模型的有效性。

三、在線學習干預實驗模型的實施

為驗證在線學習干預模型的效果，本文借鑒教育設計研究的理念和方法，以準實驗的方式在教學過程中實施學習干預，經(jīng)過兩輪的迭代，逐步修正和完善在線學習干預的模型、方法和策略。

1.預實驗的實施

預實驗以教師教育類公共課“現(xiàn)代教育技術(shù)”為例來檢驗干預模型的有效性。該課程開課時間為2016年3月至7月，課程采取混合式教學方式，約50%的學習任務要求學生借助Moodle平臺在線完成。預實驗將修讀該課程的1000余名學生作為群體干預的對象，在其未明顯察覺的情況下，實施隱性的、一對多的基礎(chǔ)性干預措施。

由于研究條件所限，小組干預選取某個教學班共51名專業(yè)相同的學生進行分析。根據(jù)分析結(jié)果篩選出參與度排在后10位的學習者作為小組干預對象。這些學習者被預測存在一定的學習風險，因此對其實施顯性的、無差異的干預措施。例如，教師和助教以群發(fā)短信的方式提醒小組干預的學習者，呈現(xiàn)其當前學習過程中存在的主要問題，鼓勵學習者積極參與在線學習活動。

個別干預針對的是學習積極性較差，學習意識薄弱的“困難生”。根據(jù)分析結(jié)果，最終篩選出參與度最低的5名學生，他們被預測存在較高的學習風險。通過顯性的干預措施，如師生面對面交流來了解存在的學習障礙，以提醒被干預的學習者并根據(jù)學習進度為他們推薦相應的學習資源，提供個性化的學習建議。

預實驗中三個層次的學習干預是由淺入深、循序漸進開展的。群組干預由于干預對象數(shù)量大，干預方式較隱蔽，干預效果難以直接進行比較，因此干預效果主要從小組干預和個別干預的層次進行分析。表1顯示，10名經(jīng)小組干預的學習者登錄學習平臺的頻率有所增加，自測題模塊有所改善，討論帖的瀏覽次數(shù)明顯增加，主動發(fā)帖的次數(shù)逐漸增多，但資源訪問量變化不明顯。表2顯示，5名經(jīng)個別干預的學習者登錄平臺的頻率明顯增加，資源訪問量、自測題完成量、討論區(qū)發(fā)帖和讀帖的情況均有明顯改善。

從期末成績來看，參加預實驗的班級平均成績?yōu)?6.3，其中接受小組干預的學生平均成績?yōu)?8.4，接受個別干預的學生平均成績?yōu)?1.6。多方分析結(jié)果表明，學習干預起到了提醒和督促學習者的作用，促其主動參與學習活動和完成學習任務。部分學習者經(jīng)歷了多層次的干預后，雖然在期末沒有取得優(yōu)秀的成績，但成功規(guī)避了學習風險。

預實驗初步驗證了在線學習干預模型的有效性，但也暴露出一些局限：如使用的技術(shù)工具不多、數(shù)據(jù)采集不夠完整；干預對象數(shù)量較少、類型單一；效果驗證的方法較為單一。針對這些問題，研究者添加了若干學習分析和干預的工具，補充了部分學習干預策略，并增加了實驗對象數(shù)量和課程門類，進而開展下一步正式實驗。

2.正式實驗的實施

正式實驗在原有“現(xiàn)代教育技術(shù)”公共課程的基礎(chǔ)上，新增了“網(wǎng)絡技術(shù)基礎(chǔ)”專業(yè)課程，以探討在線學習干預應用于不同類型課程的效果。兩門課程都采取混合式教學方式和“理論+實踐”的內(nèi)容。實驗對象分別是英語專業(yè)45名學生，以及教育技術(shù)學專業(yè)51名學生。通過調(diào)查訪談，得知實驗對象均有一定的在線學習經(jīng)歷，且同一班級內(nèi)學習者的基礎(chǔ)基本一致。

（1）群體干預

群體干預選擇在課程開始后的一個月加以實施。研究者收集自開學以來學習平臺記錄的數(shù)據(jù)，利用學習分析工具整理出學習資源、討論區(qū)、自測題、實驗報告、作業(yè)、在線學習時間等基礎(chǔ)數(shù)據(jù)，并統(tǒng)計出班級的平均水平。然后篩選出學習進度處于班級后80%的學習者作為群體干預對象，最終確定對77名學習者進行干預。

群體干預屬于干預系統(tǒng)的第一個層次，該層次干預對象的共同特征是學習任務不明確、考核要求不清楚，存在一定的學習風險。群體干預對象的人數(shù)較多，因此研究者選擇了較為容易實施的干預策略，即針對同一班級的學習者制定相同的干預內(nèi)容，形成班級學習報告。

（2）小組干預

群組干預實施一個月之后，發(fā)現(xiàn)兩組實驗對象的干預效果呈現(xiàn)較為明顯的差異。專業(yè)課程的干預效果優(yōu)于公共課程，這可能與學習者對不同類型課程的重視程度有關(guān)。考慮到“現(xiàn)代教育技術(shù)”實驗班級整體存在更高的學習風險，此時將小組干預對象比例仍然定為80%，而將“網(wǎng)絡技術(shù)基礎(chǔ)”班級的小組干預對象比例定為50%。

小組干預屬于干預系統(tǒng)的第二個層次。該層次干預對象的共同特征是學習參與度較低、任務完成率不高。小組干預的對象相對比較集中，因此選擇強度較高的干預策略，即制定個性化的干預方案，包括學習者個體任務完成情況與班級整體情況的對比，給予詳細的學習建議，形成學習報告單。同時以小組為單位發(fā)送消息至在線學習平臺，提醒學習者查看自己的學習狀態(tài)。

（3）個別干預

在小組干預實施大約一個月之后，發(fā)現(xiàn)“網(wǎng)絡技術(shù)基礎(chǔ)”班級的干預效果仍然優(yōu)于“現(xiàn)代教育技術(shù)”班級。多數(shù)學習者已經(jīng)加快了學習進度，提高了學習資源的訪問率和學習任務完成率，但是仍存在少數(shù)人學習進度較慢的問題。經(jīng)分析后篩選出兩門課程中各15%的學習者作為實施個別干預的對象。

個別干預屬于最高層次的干預。該層次干預對象的共同特征是學習參與度低、學習積極性差、任務完成量少，屬于學習風險最高的群體。由于該群體的學習動機很弱，因此選擇強度最高、針對性最強的干預策略。如針對學習者制定個別化、可視化的干預內(nèi)容，包括當前學習者每個學習模塊完成的具體數(shù)據(jù)與班級平均完成情況的對比圖；根據(jù)當前進度最快學習者的學習數(shù)據(jù)，總結(jié)學習者現(xiàn)存的問題，提出學習建議和復習方法，最終形成個人學習診斷書，具體如圖2所示。與此同時，直接向?qū)W習者發(fā)送在線消息或手機短信，提醒他們下一階段的主要學習任務及考核要求。教師和助教也深入課堂重點關(guān)注這些學習者，指導其學習過程。

四、在線學習干預模型效果分析

研究者采用問卷調(diào)查和個別訪談的方法，從學習者的角度對在線學習干預模型的結(jié)果進行分析和討論，同時對學習干預的有效性進行評估，并在此基礎(chǔ)上檢驗和完善在線學習干預模型。

1.問卷調(diào)查結(jié)果分析

本研究借鑒相關(guān)研究成果設計了調(diào)查問卷（Hwang et al.，2013），主要從學習態(tài)度、學習動機、個人自我效能、學習滿意度、學習壓力和認知有用性等維度進行調(diào)查?？傆嫷玫接行柧?2份，其中“網(wǎng)絡技術(shù)基礎(chǔ)”課程共有44個學生參與作答，統(tǒng)計項共32項，問卷的Alpha系數(shù)為0.924，分半信度檢驗的系數(shù)達到0.855，說明該問卷有較高的可信度?！艾F(xiàn)代教育技術(shù)”課程共有38個學生參與作答，統(tǒng)計項共32項，問卷的Alpha系數(shù)為0.913，分半信度檢驗的系數(shù)達到0.882，說明該問卷有較高的可信度。

從表3可以看到，兩個班級的學習者對學習干預整體呈現(xiàn)出積極的態(tài)度，認為學習干預措施有積極作用，未對學習干預產(chǎn)生抵觸和不適應。學習者形成了較強的內(nèi)在學習動機，能夠根據(jù)學習干預內(nèi)容，自行調(diào)整學習進度。外在學習動機也得到加強，學習者希望在學習干預后取得優(yōu)異的成績。多數(shù)被干預學習者自信能夠達到課程要求，對學習干預過程和內(nèi)容較滿意；也有少部分被干預者認為學習干預在一定程度上增加了學習壓力。整體來看，實驗對象認為學習干預能夠在一定程度上督促自己學習，促進學業(yè)進步。

此外，通過訪談發(fā)現(xiàn)，兩個班級不同層次的干預對象對學習干預的態(tài)度、適應性、評價等方面均展現(xiàn)了積極的看法，表明學習者能夠適應干預的方式和內(nèi)容，并且認為學習干預能在一定程度上起到監(jiān)督學習的作用，這與問卷結(jié)果是一致的。

2.學習成績與時間投入分析

（1）不同組別的學習成績

在實施干預的過程中，研究者還收集了學習過程中的各項學習參與數(shù)據(jù)，以作為干預的依據(jù)和基礎(chǔ)。學期結(jié)束后，研究者整理了兩個實驗班的學習成績，分別對四個組別（未干預組、群體干預組、小組干預組、個別干預組）的總評成績進行分析。

如表4所示，從“現(xiàn)代教育技術(shù)”實驗班級的四個組別來看，未干預組、群體干預組、小組干預組成績差異很小，個別干預組平均成績最低，與其他各組成績差異不大。表5表明在“網(wǎng)絡技術(shù)基礎(chǔ)”實驗班級的四個組別中，各組別的平均成績逐漸遞減，但個別干預組與其他組的差距較大。需要說明的是，個別干預組中有一名總評成績?yōu)?8分的學習者。經(jīng)過個別訪談，了解到該生學習基礎(chǔ)非常薄弱，在學期初就被預測有極高風險。經(jīng)過多層次干預，雖然該生期末成績未能及格，但其學習行為總體上有了較大改善。

（2）不同組別的時間投入與分項成績

研究者統(tǒng)計了實驗班每個學習者整個學期的在線學習時間投入，將其作為干預結(jié)果的依據(jù)之一?！熬W(wǎng)絡技術(shù)基礎(chǔ)”由于其專業(yè)課程的性質(zhì)，參與實驗的51名學習者都展現(xiàn)了較高的在線時間投入，學習成績和平均時間投入對比如表6所示。從中可以看出，不同組別的分項成績整體上呈現(xiàn)一定的差別。未干預組各分項成績均為最高，而個別干預組的各分項成績均為最低且與其他組別差距較大。究其原因在于，個別干預組的學習積極性最差、學習動機最弱，因此該組別需要接受的干預次數(shù)最多、層次最復雜。

相比而言，“現(xiàn)代教育技術(shù)”由于其公共課程的性質(zhì)，課程的難度比專業(yè)課小，課時量也只有專業(yè)課的40%，因此各分項成績呈現(xiàn)出與專業(yè)課程較大的差異。參與實驗的45名學習者的各項成績和時間投入對比如表7所示?？梢钥闯觯藗€別干預組的成績相對較差，其他組別的成績相差不大，這與前期的預測結(jié)果也基本吻合。相對于專業(yè)課程，“現(xiàn)代教育技術(shù)”公共課的學習難度較低，雖然學習者的平均時間投入明顯較少，但是大多數(shù)學習者通過努力能夠較好地完成各項學習任務，因此課程的整體成績較高。

一般認為，學習時間投入與取得的成績會呈現(xiàn)一定的關(guān)聯(lián)，但本研究顯示也存在不一致的情況。如“網(wǎng)絡技術(shù)基礎(chǔ)”課程中學生S38投入時間為3648分鐘，取得成績?yōu)?7分；而學生S47只投入了1868分鐘，取得的成績?yōu)?9分。經(jīng)訪談了解，這可能與學習方法有關(guān)。若學習方法得當，學習者只需花較少的時間便可取得好成績；反之，即使學習者花費了大量的時間和精力，仍然難以取得理想的成績，而這部分學習者正是教師需要特別關(guān)注并采取干預措施的。

“現(xiàn)代教育技術(shù)”課程中學生的在線時間投入與“網(wǎng)絡技術(shù)基礎(chǔ)”課程相比明顯較低，平均投入時間只有前者的12%，這也是該課程篩選小組干預對象時將比例確定80%的重要原因之一。與“網(wǎng)絡技術(shù)基礎(chǔ)”類似，部分學習者學習時間投入與成績之間也存在不一致的情況，如學生S45投入了327分鐘，取得的成績?yōu)?7分，而學生S23只投入了152分鐘，取得的成績?yōu)?6分。

（3）學習時間投入與分項成績的相關(guān)性

為進一步了解在線學習時間投入與各分項成績之間的關(guān)系，研究者利用SPSS軟件進行了相關(guān)性分析。其中，“網(wǎng)絡技術(shù)基礎(chǔ)”課程的分析結(jié)果如表8所示。在線時間投入與平時成績、實驗報告及總評成績呈現(xiàn)顯著相關(guān)性，相關(guān)系數(shù)分別為0.869、0.381和0.500，即在線時間投入越多，其平時成績、實驗報告及總評成績越高。而在線時間投入與綜合考核和期末考試成績未呈現(xiàn)統(tǒng)計學意義的相關(guān)性。經(jīng)訪談任課教師，平時成績和實驗主要依據(jù)學習者在線學習任務的表現(xiàn)，而線下學習情況（如綜合考核）受數(shù)據(jù)采集技術(shù)的限制，難以進行客觀量化的描述。

在“現(xiàn)代教育技術(shù)”課程中，學習者的在線學習時間投入與各項成績之間的關(guān)系如表9所示。學習者在線時間投入與總評成績呈現(xiàn)顯著相關(guān)性，相關(guān)系數(shù)為0.295，但是相關(guān)性較弱。學習者全部順利通過了課程考核，成功規(guī)避了學習風險，且大多數(shù)學生取得了較高的成績，但是在線時間投入與各分項成績未呈現(xiàn)統(tǒng)計學意義上的相關(guān)性。經(jīng)訪談任課教師，由于該課程是公共課，學習者對課程重視程度遠遠不及專業(yè)課程；并且課程學習中包含大量操作性實驗，學習者有一半的時間屬于線下操作實踐，因此難以計入在線學習時間。但這不能說明學習干預沒有作用。雖然學習過程數(shù)據(jù)主要采集于在線學習環(huán)境，但所采取的干預措施并沒有暗示學生只關(guān)注在線學習，因此其對學習過程和結(jié)果也有一定的影響。

需要說明的是，同一任課教師執(zhí)教的“現(xiàn)代教育技術(shù)”課程共有三個班級，即除了一個實驗班級外，還有兩個對照班級。任課教師在三個班級中使用的教學方法和內(nèi)容相同，但未對兩個對照班級進行專門的學習干預。經(jīng)過分析比較，發(fā)現(xiàn)實驗班的平均成績?yōu)?2.58分，高于兩個對照班的平均成績（89.25分和79.27分）。雖然不同班級學習者基礎(chǔ)可能存在一些差異，但在某種程度上仍可體現(xiàn)實驗中學習干預的積極作用。

五、總結(jié)

本研究通過預實驗和正式實驗的兩輪迭代來完善在線學習干預模型并檢驗其應用效果。兩門課程的學習者經(jīng)過分階段、多層次的干預，在學習過程中及時調(diào)整學習進度和方法，其學習態(tài)度、學習動機發(fā)生了較為積極的轉(zhuǎn)變，學習者的自我效能感、學習滿意度也有明顯的提升。從兩個班級中學習者的時間投入和學習成績來看，專業(yè)課程的干預效果優(yōu)于公共課程，這與課程本身的難度及課程性質(zhì)有關(guān)。從干預群體來看，未受干預的學習者群體自覺性和積極性最高，因此取得了優(yōu)異的成績；接受群體干預、小組干預或個別干預的群體學習成績呈現(xiàn)了依次遞減的規(guī)律，且有效地規(guī)避了學習風險，順利完成了學習任務。

由于研究條件和能力所限，本研究還存在一些問題有待解決。首先，需要進一步完善在線學習干預模型，特別是需要豐富和細化分析方法和技術(shù)工具，并考慮線下數(shù)據(jù)的采集和分析問題。其次，需要開發(fā)專門的學習干預工具或系統(tǒng)，以降低手動統(tǒng)計的誤差、減輕教學研究人員的負擔，實現(xiàn)自動化和智能化的學習干預。最后，還需要進一步擴大實驗范圍，選擇更多專業(yè)、不同層次的學習者來驗證在線干預模型的有效性，以擴大其適用范圍。

參考文獻：

[1]李彤彤，黃洛穎，鄒蕊等（2016）. 基于教育大數(shù)據(jù)的學習干預模型構(gòu)建[J]. 中國電化教育，（6）：16-19.

[2]唐麗，王運武，陳琳（2016）. 智慧學習環(huán)境下基于學習分析的干預機制研究[J]. 電化教育研究，（2）：62-64.

[3]趙慧瓊，姜強，趙蔚等（2017）. 基于大數(shù)據(jù)學習分析的在線學習績效預警因素及干預對策的實證研究[J]. 電化教育研究，（1）：62-69.

[4]祝智庭，彭紅超（2016）. 信息技術(shù)支持的高效知識教學：激發(fā)精準教學的活力[J]. 中國電化教育，（1）：18-25.

[5]American Association of School Administrators（2010）. Response to Intervention Adoption Survey[EB/OL].[2010-05-20].

http：//www.aasa.org/ content. aspx？id=13396.

[6]Ardoin， S. P.， Witt， J. C.， & Connell， J. E. et al.（2005）. Application of a Three-Tiered Response to Intervention Model for Instructional Planning， Decision Making， and the Identification of Children in Need of Services[J]. Journal of Psychoeducational Assessment， 23（4）： 362-380.

[7]Bianco， S.（2010）. Improving Student Outcomes： Data-Driven Instruction and Fidelity of Implementation in a Response to Intervention （RTI） Model[J]. Teaching Exceptional Children Plus， 6（5）： 2-13.

[8]Fletcher， J. M.， Denton， C.， & Francis， D. J.（2005）. Validity of Alternative Approaches for the Identification of Learning Disabilities Operationalizing Unexpected Underachievement[J]. Journal of Learning Disabilities， 38（6）： 545-552.

[9]Hwang， G. J.， Yang， L. H.， & Wang， S. Y. （2013）. A Concept Map-Embedded Educational Computer Game for Improving StudentsLearning Performance in Natural Science Courses[J]. Computers & Education， 69：121-130.

[10]Little， M. E.， Rawlinson， D. A.， & Simmons， D. C. et al.（2012）. A Comparison of Responsive Interventions on KindergartenersEarly Reading Achievement[J]. Learning Disabilities Research & Practice， 27（4）： 189-202.

[11]Saeki， E.， Jimerson， R.， & Earhart， J. et al.（2011）. Response to Intervention （RTI） in theSocial， Emotional， and Behavioral Domains： Current Challenges and EmerginPossibilities[J]. Contemporary School Psychology， 15（1）：43-52.

[12]Siemens， G.， & Long， P.（2011）. Penetrating the Fog： Analytics in Learning and Education[J]. EDUCAUSE Review， 46（5）：30-32.

收稿日期 2017-04-12 責任編輯 王雍錚

ZHANG Jiahua， ZOU Qin， ZHU Zhiting

Abstract： An online learning intervention model is designed based on the traditional Response-to-Intervention model. It is a cyclic and iterative intervention model with five elements， which include screening， monitoring， multi-level intervening， decision-making and analyzing. Researchers use learning analytics technology to screen and analyze online learning behavior， and to predict learners who may have learning risks in time so as to provide appropriate learning interventions. The model mainly has three different features. Firstly， it breaks through the existing learning intervention research based on traditional classroom environment， and applies the learning intervention model into the real situation of online learning. Secondly， it gradually defines and refines the methods， processes and strategies of learning intervention from the perspective of learning analytics， and it implements workable and effective interventions with technical tools. Thirdly， the effectiveness of the online learning intervention model is evaluated from the learnerspoint of view through questionnaires， SPSS and individual interviews. The results of analysis and survey data show that the application effect of online learning intervention model is good， and the learning outcome of experimental subjects is consistent with the predictive conclusions from the model. In addition， the learners can adapt themselves to the intervention strategies and measures， and hence to effectively avoid learning risk.

Keywords： Learning Analytics； Online Learning； Learning Intervention； Response-to-Intervention Model； Learning Process