從“數(shù)據(jù)”角度解讀第六屆LAK會議研究案例

陳鵬宇

[摘要]本研究對最新一期的學(xué)習(xí)分析領(lǐng)域的重要國際會議——學(xué)習(xí)分析與知識國際會議（Learning Analyticsand Knowledge Conference）所收錄文章進(jìn)行梳理與研究，著眼于實證類研究中對數(shù)據(jù)的收集、處理與呈現(xiàn)過程，從“數(shù)據(jù)”這個視角解讀未來學(xué)習(xí)分析領(lǐng)域的價值與趨勢。

[關(guān)鍵詞]學(xué)習(xí)分析；數(shù)據(jù)；LAK

一、研究背景

學(xué)習(xí)分析技術(shù)最先出現(xiàn)在商業(yè)領(lǐng)域和社交網(wǎng)絡(luò)領(lǐng)域，是指通過應(yīng)用數(shù)據(jù)分析為教育系統(tǒng)的各級決策提供參考。最早以Academic Analysis即“學(xué)術(shù)分析”這一概念出現(xiàn)。直到2005年，學(xué)習(xí)促進(jìn)會發(fā)布的報告中首次正式地提出了Learning Analytics——“學(xué)習(xí)分析”這一概念。

當(dāng)前被廣泛使用的定義一是學(xué)習(xí)分析與知識國際會議（LAK）年會上對學(xué)習(xí)分析的界定，即為了理解和優(yōu)化學(xué)習(xí)及其發(fā)生的環(huán)境，對學(xué)習(xí)者及其所處情境的數(shù)據(jù)進(jìn)行收集、分析以及形成報告。二是新媒體聯(lián)盟在地平線報告中提出的界定，學(xué)習(xí)分析是以評估學(xué)生學(xué)業(yè)進(jìn)展，預(yù)測未來表現(xiàn)，發(fā)現(xiàn)潛在問題和目的，對學(xué)生的大量數(shù)據(jù)進(jìn)行解釋的過程。

第六屆LAK會議即最新一屆會議，于2016年5月在英國愛丁堡大學(xué)舉辦。該次會議主題包括對話分析、學(xué)習(xí)者模型、可視化分析與儀表盤、機構(gòu)視角的學(xué)習(xí)分析、理論概念模型、XAPI等。上述各個主題所收錄的研究報告均強調(diào)了數(shù)據(jù)的重要性，大數(shù)據(jù)為教育宏觀與微觀決策提供科學(xué)可靠的依據(jù)。同時又否定了唯數(shù)據(jù)論的觀點，認(rèn)為只有冰冷的數(shù)據(jù)被賦予了教育的意義與人文的溫度，學(xué)習(xí)分析才能夠在理論與實踐中體現(xiàn)最大價值，實現(xiàn)從大數(shù)據(jù)變?yōu)榇笥绊憽?/p>

數(shù)據(jù)是學(xué)習(xí)分析得以實現(xiàn)價值的基礎(chǔ)，好的數(shù)據(jù)采集點，好的計算模型以及好的練習(xí)樣本都是決定學(xué)習(xí)分析工具能否解決實際教學(xué)問題的關(guān)鍵。本研究立足于數(shù)據(jù)，圍繞“數(shù)據(jù)從何而來”，“數(shù)據(jù)如何處理”，“數(shù)據(jù)被用到何處”三個核心問題，對2016年LAK的收錄的相關(guān)文獻(xiàn)進(jìn)行分析，重點關(guān)注實證類文獻(xiàn)有關(guān)數(shù)據(jù)的收集、處理與分析的部分，力求回答三個關(guān)鍵問題。旨在通過介紹國際優(yōu)秀的學(xué)習(xí)分析案例中對數(shù)據(jù)的相關(guān)處理環(huán)節(jié)，擴(kuò)大研究結(jié)果的共享價值，從而推進(jìn)學(xué)習(xí)分析技術(shù)與工具在教學(xué)實踐中的推廣。

二、案例分析

（一）數(shù)據(jù)收集

學(xué)習(xí)分析涉及范圍十分寬廣，既有在線的教學(xué)也有線上線下相結(jié)合的教學(xué)。不同的學(xué)習(xí)環(huán)境，學(xué)習(xí)的過程數(shù)據(jù)的采集與捕捉的方式也不盡相同。

1.傳統(tǒng)課堂

長久以來傳統(tǒng)課堂的學(xué)習(xí)的效果、交互、績效都是以結(jié)果數(shù)據(jù)——考試、平時成績來進(jìn)行評估。但是隨著對過程的重視，單一的結(jié)果數(shù)據(jù)已經(jīng)不能夠滿足大家的需求。因此，眼動儀、動作捕捉等人工智能技術(shù)被應(yīng)用在了教育領(lǐng)域。ShuchiGrover等人為了解決在K12教育中合作學(xué)習(xí)問題的，通過引進(jìn)Kinect與Monitors Eye Gaze等儀器工具，捕捉學(xué)生的表情、動作、眼神來評估協(xié)作學(xué)習(xí)小組成員的接近性、參與度、共同關(guān)注、交流、話題轉(zhuǎn)換、活躍水平全面深入的評價小組協(xié)作學(xué)習(xí)的過程，增加了評價的深度與廣度。

2.在線學(xué)習(xí)環(huán)境

許多高校、中小學(xué)一般都擁有功能比較完整的在線學(xué)習(xí)系統(tǒng)，大部分在線學(xué)習(xí)系統(tǒng)除了承擔(dān)在線教學(xué)以外，往往還具備一定記錄與評價功能。在原有工具基礎(chǔ)上，在數(shù)據(jù)庫挖掘相關(guān)數(shù)據(jù)用于描述學(xué)生學(xué)習(xí)過程、教師教學(xué)效果。Poquet等人通過將一般的在線行為與課程內(nèi)容任務(wù)進(jìn)行結(jié)合，細(xì)分為四個表征指標(biāo)。觀看視頻的暫停與播放、視頻附問題的回答正確率，課后練習(xí)正確率，課程中問題的回答正確率，以此作為預(yù)測學(xué)生期末考試成績的預(yù)測參考。除了容易通過簡單計算得出的數(shù)據(jù)以外，還有一部分研究者將目光方式在包含等多感情、線索的內(nèi)容文本上，采用語義分析的現(xiàn)有工具對在線交流以及協(xié)作文本進(jìn)行分析。由此可以衍生出來對學(xué)生情感情緒的分析，以及對認(rèn)知存在感水平的判斷與分析。

（二）數(shù)據(jù)處理

收集的第一手?jǐn)?shù)據(jù)往往無法直接使用，需要通過清洗與計算才能夠發(fā)揮作用。其中計算是數(shù)據(jù)處理過程中最為核心的環(huán)節(jié)。根據(jù)使用學(xué)習(xí)分析技術(shù)的目的不同，對數(shù)據(jù)的計算與處理方式也有所不同。

在預(yù)警系統(tǒng)或者預(yù)測模型中邏輯回歸方程、貝葉斯模型是最為常見的算法。密歇根大學(xué)的Michael等人將利用邏輯回歸方程，根據(jù)學(xué)生在過去學(xué)習(xí)活動的發(fā)生曲線來推測未來的學(xué)習(xí)過程中該學(xué)習(xí)活動發(fā)生的可能性，從而預(yù)測學(xué)生的學(xué)習(xí)狀態(tài)發(fā)展趨勢。

而在對預(yù)測與評估學(xué)生知識掌握程度與智能教學(xué)的學(xué)習(xí)分析工具中，貝葉斯模型則是較為常見的算法。奧地利格拉茨技術(shù)大學(xué)Behnam等人將貝葉斯模型用于一位數(shù)乘法的數(shù)學(xué)教學(xué)中。他們將貝葉斯模型結(jié)合機器學(xué)習(xí)，根據(jù)學(xué)生出現(xiàn)不同類型錯誤答案的概率預(yù)先判斷學(xué)生可能存在的觀念誤區(qū)，從而幫助教師提供有針對性的教學(xué)干預(yù)。以色列本·古里安大學(xué)的Yossi等人基于貝葉斯模型創(chuàng)造了知識追蹤的算法。該算法的變量包括部分學(xué)習(xí)成績、多次嘗試解決問題的推理步驟與所使用解決方法的難度。

（三）數(shù)據(jù)呈現(xiàn)

任何一個學(xué)習(xí)過程都會產(chǎn)生繁雜的數(shù)據(jù)，在計算機與智能設(shè)備的輔助與支持下存儲與采集這些數(shù)據(jù)的瓶頸日益消失。如何簡明扼要且高效地將數(shù)據(jù)呈現(xiàn)給非專業(yè)認(rèn)識的普通用戶——學(xué)生、教師與決策者。從研究案例來看，為用戶提供選擇權(quán)利，參與指標(biāo)的定制能夠有效提高數(shù)據(jù)的針對性，簡化呈現(xiàn)結(jié)果，提高用戶體驗。Muslim等人從價值的角度制定一個可以私人定制適合自己的評價指標(biāo)。這個學(xué)習(xí)指標(biāo)工具從LMS到MOOC等等各種可能的學(xué)習(xí)系統(tǒng)。這個工具設(shè)計了一些系列比較人性化的功能，如何定義指標(biāo)，如何可視化指標(biāo)，從支持個人的自主學(xué)習(xí)和個性化學(xué)習(xí)的而角度以私人定制的方式來引導(dǎo)非專業(yè)人士制定適合于自己的學(xué)習(xí)評價指標(biāo)。

三、討論

（一）學(xué)習(xí)分析工具從實驗室走向?qū)W校

在以往IJAK收錄的學(xué)習(xí)分析相關(guān)研究顯示學(xué)習(xí)分析工具在實驗中的效果很好但是總是遇到推廣難的問題。一方面是因為用于建模的數(shù)據(jù)量不夠，所得出的模型無法適應(yīng)于復(fù)雜的真實環(huán)境。另外一方面一些評價工具所確定的指標(biāo)與教師、學(xué)生、機構(gòu)的需求并不匹配，真實教學(xué)中人們并不追求科學(xué)與完整性，人們更加關(guān)心的解決問題的效率與效用。

因此大規(guī)模應(yīng)用于真實學(xué)習(xí)環(huán)境中的學(xué)習(xí)工具一般為切實解決實際問題的簡單工具。例如魯汶大學(xué)的“紅綠燈”預(yù)警系統(tǒng)僅僅關(guān)從資源與時間這兩個點入手，通過計算資源的使用率與學(xué)生花費在資源上的時間來建立學(xué)習(xí)預(yù)警系統(tǒng)。這種較為簡單的學(xué)習(xí)投入表征指標(biāo)讓該預(yù)警系統(tǒng)在推廣上更加容易。

（二）結(jié)果的可視化

可視化是指將數(shù)據(jù)以圖形等方式將數(shù)據(jù)反映的結(jié)果呈現(xiàn)出來。研究表明可視化能夠有效地減輕人們的認(rèn)知負(fù)擔(dān)，幫助使用者更加快速地獲得學(xué)會最關(guān)鍵的重要信息。在LAK會議收錄的研究中許多工具并沒有在核心基礎(chǔ)算法創(chuàng)新上花費力氣，而是在匠心獨運，在最后的分析結(jié)果的呈現(xiàn)效果上做了許多可視化的設(shè)計。Unizin Sentiment VisuMizer工具通過分詞技術(shù)，根據(jù)單詞使用的頻率做成文字云的形式，使用頻率越高的詞語顯示的字體也就越大，這樣能夠讓學(xué)生與教師非常直觀地了解到一段時間內(nèi)小組、個人習(xí)慣使用的詞語，從而判斷學(xué)生的情感狀態(tài)以及關(guān)注的知識要點。

（三）指標(biāo)的精細(xì)化與針對性

在早期的學(xué)習(xí)分析軟件中，具體分析的指標(biāo)的粒度是比較大的。例如一些工具用登錄次數(shù)、參加討論次數(shù)以及在線時長來表征學(xué)生的參與度。而在本次會議中不乏一次與教學(xué)內(nèi)容與活動的設(shè)計緊密結(jié)合的表征指標(biāo)。Pardo等人將預(yù)測成績的指標(biāo)細(xì)化到觀看視頻的暫停和播放、視頻附在后面問題的回答率，練習(xí)正確率，課程中問題的回答正確率。這些精細(xì)化的指標(biāo)能夠準(zhǔn)確地預(yù)測學(xué)生的學(xué)術(shù)水平，為教師提供干預(yù)的決策依據(jù)。

四、結(jié)論與展望

從2016年的學(xué)習(xí)分析大會收錄的論文，可以看出學(xué)習(xí)分析從最初的概念的界定與實驗室的探索逐漸沉淀到教學(xué)實踐中。人們不再追求精美而復(fù)雜的數(shù)據(jù)模型，而是強調(diào)廣泛的適用性與可推廣性。從實驗室走向教室，從繁復(fù)走向精簡。這是學(xué)習(xí)分析的發(fā)展趨勢。在大數(shù)據(jù)的背景下，依托學(xué)習(xí)分析，老師的教與學(xué)生的學(xué)將能夠得到精準(zhǔn)的描述與預(yù)測，教育不再一種只可意會不可言傳的社會性活動，它也能夠像自然科學(xué)一樣，獲取過程性證據(jù)，讓每個步驟都有據(jù)可尋。同時學(xué)習(xí)分析還解放了學(xué)生與教師，通過實時地評估與描述，準(zhǔn)確的語義分析，幫助教學(xué)參與者從繁雜的分析工作的解脫出來，騰出更多的精力來思考如何改進(jìn)教學(xué)。同時學(xué)習(xí)分析為個性化學(xué)習(xí)提供了極大的方便與支持，在目前網(wǎng)絡(luò)教學(xué)與面授教學(xué)師生比都存在較大壓力的今天，學(xué)習(xí)分析將自動化發(fā)揮了它的最大效用，讓每個學(xué)生都能夠獲得全面且深入的評估，提高他們的被關(guān)注感，提高存在感，進(jìn)而促進(jìn)學(xué)習(xí)。

（責(zé)任編輯：桂杉杉）