学习分析技术综述研究.doc

《学习分析技术综述研究.doc》由会员分享，可在线阅读，更多相关《学习分析技术综述研究.doc（23页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、 学 士 学 位 论 文 BACHELOR S THESIS 编号 学士学位论文 学习分析技术综述研究 学生姓名： 陈晓霞 学 号： 20100604002 系 部： 信息工程技术系 专 业： 教育技术学 年 级： 2010级 指导教师： 张宗虎 完成日期： 2014 年 5 月 10 日摘要随着社会的不断进步，科学技术的不断发展与更新，我们生活在一个信息膨胀、数据大爆发的时代，大数据时代已经让我们深陷其中，对着海量的信息、数据我们无从下手。在教育信息化的时代，教育领域已经部署了众多的学习管理系统，在这些软件系统中存储着海量的学习者信息及学习过程数据，从这些数据中挖掘出改进教学系统、提升学习效

2、果的信息，在教育信息化领域一直有着巨大的吸引力；如何运用这些数据，使这些数据转换成有效信息、知识，并为教学决策、学习优化服务，也备受教育工作者以及学习者们的关注。学习分析技术有助于发挥学习过程中数据的价值，使数据成为审慎决策、优化学习的重要依据。学习分析是一类运用先进的分析方法和分析工具预测学习结果、诊断学习中发生的问题、优化学习效果的教学技术。随着教育信息化的发展和在线学习方式的普及，学习分析已经开始被运用于教育教学实践中，并取得了一定的效果。为了解学习分析技术的研究和应用现状，本文运用文献分析法辨析了学习分析技术的基本内涵，讨论了其组成要素和应用模型，探索了其技术来源、分析方法和分析工具，

3、深入分析了学习分析技术在国内外的应用情况。关键词：学习分析；信息技术教学；学习管理系统Research of Learning AnalyticsAbstractWith the continuous progress of society, science and technology continues to evolve and update, we live in an information expansion , the era of data explosion of big data era has let us get stuck , facing the vast amou

4、nts of information, data, we can not start. In the era of information technology in education , in the field of education has deployed a large number of learning management systems , information stored learners and learning process vast amounts of data in the software system, to improve the educatio

5、n system to dig out from these data to improve learning outcomes information in the field of information technology in education has always been a great attraction ; how to use these data to make these data into useful information , knowledge and decision-making for the teaching and learning optimiz

6、ation services, but also educators and learners much attention . Learning to play a value analysis technology helps the learning process data so that the data become prudent decision-making , and optimize an important basis for learning.Learn to analyze a class of applying advanced analytical method

7、s and analytical tools to predict learning outcomes , the diagnosis of learning problems , optimize learning teaching techniques. With the development of information technology in education and popularization of online learning , the learning analysis has begun to be used in teaching practice in hig

8、her education , and achieved certain results. To understand the research and application of analytical techniques to learn , study literature analysis using Discrimination learning the basic content analysis techniques , discussed its constituent elements and application of the model to explore the

9、sources of their technical , analytical methods and analysis tools , in-depth analysis a case study in the application of analytical techniques at home and abroad .Key words：learning analytics;information technology teaching;learning management systemI 目录摘要IAbstractII引言1第1章 概述21.1学习分析技术21.1.1学习分析技术的

10、内涵21.1.2学习分析技术的方法、要素和模型31.1.3主要分析方法和分析工具51.2学习分析技术在国外的研究情况81.2.1 北亚利桑那大学的评价绩效状态系统91.2.2 Wollongong大学的学习网络可视化与评估项目101.3学习分析技术在国内的研究情况12第2章 学习分析技术在教育教学领域的应用132.1信息技术教学132.2学习管理系统13第3章 学习分析技术的发展前景15小结16参考文献17致谢19引言“学习分析”的理念一经提出，就受到教育界的广泛关注。美国新媒体联盟（NMC）与美国高校教育信息化协会（EDUCAUSE）合作的“地平线项目（The New Media Conso

11、rtium s Horizon Project）”在其2010和2011两年的年度报告中均预测学习分析技术将在未来的四到五年内成为主流1。以“学习分析”为主题的“学习分析技术与知识国际会议”先后于2010年2月和2012年4月召开了两次，会议涉及学习分析技术在技术、社会和教学等维度的整合，以及知识建模和表征、知识工作和分析等领域的现状及发展策略等专题2。目前，已经是热点了，笔者于2014年4月在中国知网寻找了6735条结果，他们的来源各不相同，有来自大学的，来自杂志社的，来自报社等各大有权威性的组织机构。由此可见，学习分析技术已经贯穿于各个研究领域，在国内国外的运用已经相当成熟了。本文就是通过

12、研究学习分析技术目前在国内外的应用状况，预测其将来的发展方向。第1章 概述1.1学习分析技术学习分析（Learning Analytics）是近年来教育技术领域内迅速发展的新热点，它是运用先进的分析方法和工具预测学习结果、诊断学习中发生的问题、优化学习效果的一类教学技术集合。虽然传统教学过程中也评估学生成绩、分析教学过程，以提高教学质量，但这些活动中采集的数据往往非常有限，信息化程度不高，而且分析结果用于干预教学的周期过长，效果较差。随着教学资源越来越网络化，以及基于网络的学习方式的普及，我们能够获取的学习行为和学习结果数据也更加丰富。这就为学习分析技术的产生和应用奠定了物质基础， 并提出了迫

13、切的需求，使之进入人们的视野并迅速发展。1.1.1学习分析技术的内涵目前，学术界对“学习分析”尚未形成一个严密的定义，不同的学者或研究机构对其涵义和外延有不同的理解。加拿大阿塞巴斯卡大学的 G.Siemens 教授认为：“学习分析是利用数据挖掘成果，学习者产生的数据和分析模型探究信息和社会联系，并且对学习作出预测和建议”3。美国高等教育信息化推进组织E-DUCAUSE 则认为：学习分析“使用数据和模型预测学生学习进程和绩效以及使用该信息进行干预”。新媒体论坛（NMC）在 2011 年度的地平线报告中指出：学习分析松散地组合了一系列数据收集工具和分析技术，研究学生的投入情况、绩效和学习进展情况，

14、以期及时将研究结果用于修订课程、教学和评估4。虽然以上专家学者在对学习分析的定义上有一些差异，但在基本概念还是有较为一致的观点，认为学习分析具有以下的特征：（1） 多样化的数据来源。用于分析的数据大部分来自 LMS、CMS和学生档案库等数据库，也有些来自于学生个人的非正式知识管理系统（如个人主页、博客、微博等）或是学生在传统环境下的数字化学习资料、作业、作品。数据的采集过程应该是自动化的，具有海量的数据规模。（2） 采用现代化的分析工具和分析方法对数据进行加工、挖掘和分析，区别于传统的教学评估模型和评估方法。此外，数据的分析过程也是自动化的，并可根据需求实时反馈分析结果。（3） 提供可视化的分

15、析结果。学习分析的主要目是预测学习结果和提高学习绩效，以可视化和直观化形式显示数据将便于学生和教师对自身情况作出判断。（4） 面向学生和教师。学习分析的直接服务对象是教师和学生，就在线学习过程中发生各种数据提供分析和建议：通过对学习情况的反馈帮助教师提高教学质量、教学水平和职业技能；帮助学生提高学习质量和课程通过率。1.1.2学习分析技术的方法、要素和模型学习分析是为了预测和指导人们的学习，通过智能数据、学习者产生的数据以及分析模型的应用，来发现信息和学习者之间的社会联系。1、学习分析的方法包括：社会性网络分析（SNA）、行为可信性分析、影响力和被动型测量、内容分析、交互影响分析等。学习分析仍

16、处于早期阶段，学生在日常的学习活动中所产生的大量数据，促使这个领域开始受到越来越多的关注。一些学校已经将其用于入学和基金申请等领域，学习分析也开始逐步形成。学习分析技术轻松地把各种各样的数据收集工具和分析技术结合在一起，研究中学生的参与、表现和各种进步，它的目的是调动数据挖掘工具的力量为学习服务，利用所得到的数据来修改课程、教学并进行实时评估。在课堂上，即时的点击数据、课堂讨论工具、电子文档或者问卷调查能够拓宽工具的有效性。学生能够受益于教授相同课程的所有班级甚至是整个机构内的数据，因为，这些数据能够显示出教学风格与学生学习成功之间的关系。当学习分析技术应用于高中信息技术课程教学，新的思维、新

17、的方法在教育教学中必然会碰撞出新的火花，运用学习分析技术指导教学行为，必然会成为教育信息化的一个热门、时尚的话题。2、对于学习分析的组成要素和应用模型，不同的专家也有不同的见解。 Malcolm Brown 认为学习分析是教育技术发展的第三次浪潮，核心在于搜集和分析与学习行为相关的数据，包含数据收集、分析、学习、受益方和干预五个大要素5。他强调学习行为是学习分析关注的重心，也是其区别于其他分析方法的标志。学习分析就是要了解学习者的学习情况，如他们在做什么，阅读什么内容，如何加工信息等等。分析可针对学习者个人或者某一群体，也可以两者兼顾。分析结果可以反馈给教师、学习者、管理者，并对教与学的活动进

18、行干预。一般来说，教师和学习者在课程层面应用分析数据，而管理者则应用在更高的组织、部门、制度决策的层面上。Tanya Elias 提出了一个更为复杂的学习分析应用模型，如图1-1所示。学习分析利用了计算机、人力、理论和组织机构四种技术资源。计算机用于计算处理分析数据，在分析过程中需要人的参与，分析模型以多种理论为指导，并通过组织机构实施决策支持。学习分析以上面四种资源为基础，分为数据收集、信息加工和知识应用三阶段和获取、选择、聚集、预测、使用、优化六种活动，这三个阶段在教学实施过程中不断循环6。G. Siemens 从另一个角度提出了学习分析的应用模型，如图1-2所示。他认为学习分析包括收集、

19、分析、预测和调整几个阶段7。从数据来源来看，学习者的数据主要有两类：第一类是学生自己发布的数据，如在微博、Facebook、博客等个人学习环境中发布的状态、帖子及更新，在学习管理系统中的记录等；此外还有一些隐性数据，如用户在各种网站上的个人信息、资料等。另一类数据并不直接来自于学生，而是通过语义化和关联分析等手段，将课程数据、学习者的数据、资料信息都收集起来进行分析得出的再加工数据。例如通过分析可判断学生对于某一概念的了解情况，学习者解决某一问题的成功或失败的信号等。教师可以将这些分析的结果用于预测教学，并反馈到教学的实施中，指导和调整教学，使课程更加个性化，满足不同学习者的需求。Wolfga

20、ng Greller 等从目标、数据来源、分析方法、约束条件，竞争力、利益相关方构建了学习分析的要素模型8。 Greller 认为学习分析的目的在于预测学习结果和帮助学习者反思，采用的分析方法涉及教育数据挖掘、机器学习和统计分析。学习分析的受益者包括学生、教师、学校和服务提供商，在实施过程中受隐私和伦理道德因素制约。根据以上分析，我们可以看出学习分析至少可分为目标、对象、约束条件、数据来源、处理方法等要素，这些要素反应了学习分析得以实施的内部和外部条件。同时，根据以上学者的观点，我们也可以把学习分析的过程粗略地划分为数据收集、数据处理以及数据应用和反馈三个阶段，这三个阶段在实施过程中不断循环往

21、复。图1-1 Elias提出的学习分析应用模式图1-2 Siemencs 提出的学习分析应用模式1.1.3主要分析方法和分析工具学习分析技术是对学生生成的海量数据的解释和分析，以评估学生的学术进展，预测未来的表现，并发现潜在的问题。因而学习分析技术在自己的研究领域也有着属于自己的对海量数据分析的方法和分析的工具。1.技术来源虽然学习分析在教育技术领域中是一类新兴的技术，但是其使用的技术早已应用于商业和信息技术产业的多个领域，如商业智能（BusinessIntelli-gence）、网络分析（Web Analytics）、 教育数据挖掘（Educational Data Mining，EDM）、

22、 学术分析Aca-demic Analytics）等9。这些技术对海量数据进行分析和处理，并且具有很高的智能。可以说，学习分析是这些技术在教育领域中的继承和渗透， 并与之密切相关。以上技术中的商业智能和网站分析在互联网运营管理中广泛使用。商业智能以数据仓库、联机分析处理、数据挖掘等技术为基础，从不同的数据源中提取数据，将数据转换成有用的信息，为企业管理、策略制定提供了支持。网站分析是对互联网数据定量分析，包括跟踪、收集、测量、报告和分析数个流程，达到优化网站、发挥电子商务营销主动性等目标10，通过分析网站访客的行为，评估和调整网站的运作。和教育密切相关的技术包括教育数据挖掘和学术分析。前者应用

23、数据挖掘技术从来自于教育系统的数据中提取出有意义信息的过程，这些信息可以为教育者、学习者、管理者、教育软件开发者和教育研究者等提供服务11。利用数据挖掘技术，可以发现数据中的教育模式和规律，帮助管理者做出正确的教育决策，并且应用到教学中。学术分析是商业智能在教育领域中的应用，与教育数据挖掘旨在分析数据中的教育模式和规律的目的不同，其更加关注学习者的学习行为。从技术发展的历史延续性来看，学习分析技术是计算机辅助教学管理与教育数据挖掘技术发展的产物；而从跨领域横向发展的角度来看，学习分析技术又是网络分析技术与学术分析技术综合应用的结果12。根据这三者的特点，我们还可以进一步从数据加工的实时性、搜集

24、数据的来源和面向的用户三个维度对它们作进一步区分，如图1-3所示。学习分析更加偏向个人、实时和多元数据分析，而教育数据挖掘则偏向非实时、机构应用，学术分析则偏向个人、非实时和多元数据。图1-3 学习分析技术的定位2.分析方法除了以上几种普适的分析技术外，学习分析也在不断吸收和整合其他的技术和方法，包括社会网络分析法、话语分析法和内容分析法等。这些新分析方法的引入，大大丰富了学习分析的数据加工方法和策略。社会网络分析法（SocialNetwork Analysis）是由社会学家根据数学方法、图论等发展出的定量分析方法。以关系作为基本分析单位，描绘和测量行动者之间的关系及通过这些关系流动的各种有形

25、或无形的东西，如信息、资源等13。社会网络分析法最早应用于人类学研究，近年来，在社会学、心理学、教育学等领域都得到了广泛的应用。一些学者也开始利用这种方法来研究在线学习环境中的社会网络，分析活动者之间的关系。如 Palonen 和 Hakkarainen 利用社会网络分析工具分析学生在 CSILE 网络协作平台上的交互过程，并对学生网络协作学习情况与性别、成绩之间的关系进行研究14。话语分析法（Discourse Analysis）最早应用于语言学中，主要对话语结构形式、规则等进行研究，后经发展也开始运用到教育研究中。Arnseth认为话语分析能够帮助我们理解知识是如何产生和建构的15。网络学

26、习过程中的话语不仅仅指面对面的对话，还包括文本内容和通过各种媒介实时或异步传播的交流内容。通过话语分析，我们可以发现学习者在对话中的知识建构与共享，意义表达等过程。内容分析法（Content Analysis）是对传播内容作客观而系统的量化并加以描述。透过量化分析以及质的分析，以客观、系统的态度对文件内容进行研究和分析。分析内容包括传播中的各种语言和特性，以及传播内容对于整个传播过程所发生的影响，藉以推论产生该项内容的环境背景和意义16。利用内容分析法，我们可以对学习者的学习过程与资源以及学习者学习反应的反馈信息进行定量和定性的分析，探索学习者的行为模式并进行预测。3. 分析工具按照专门程度来

27、分，学习分析工具可分为专用和通用工具两类。“专用工具”是专门开发用于分析学习活动和评估学习者的工具。典型的专用工具有Socrato、SNAPP和LOCO-Analyst等。专用工具一般都是学习分析项目中的核心分析工具和开发成果，即专门针对某一项目的要求设计和开发，在项目实施中运用该工具搜集和分析学习者数据，并指导教学。而“通用工具”则是原来应用于互联网、可用性设计等其他领域内，被转用于教育情景下，用来分析学习者如何使用教学系统的工具，主要有Mixpanel Analytics、Userfly、Gephi 等几种，如图1-4所示。图1-4 常见学习分析工具1.2学习分析技术在国外的研究情况目前，

28、国外多所大学已经开始开展学习分析的实践，包括开发学习分析系统和工具，收集学习者数据，分析学习行为模式，对学习进行干预和预测等。这些和学习分析有关的项目概况，如图1-5所示。下面我们还将以北亚利桑那大学的GPS 项目和澳大利亚 Wollongong大学的SNAPP 项目为案例进一步介绍学习分析技术的应用情况。图1-5 学习分析技术应用项目列表1.2.1 北亚利桑那大学的评价绩效状态系统GPS(Grade Performance Status)是北亚利桑那大学研发的线上学生绩效评价系统，主要用于评估该校全日制学生的课堂学习绩效。系统能够收集学习者在课堂中的表现评级，并给予相应建议，然后通过邮件发送

29、给学习者。GPS 系统邮件主要包括出勤情况、学习成绩和课业问题三类，如图1-6所示，学生收到邮件后应对相关问题给予反馈。GPS系统的工作流程如下，如图1-7所示，教师登录到 GPS 系统后可查询出勤率、学生评级等信息，也可以对学生的学习情况提供个性化的评价。邮件中除了教师评价外，还可包括重大活动、校历、事件的提醒以及校园网上资源的链接等。邮件发送后，系统会在学生个人门户网站上提醒查收，而邮件也会在责任教师的 GPS 页面中归档，使之能及时审查、更新和修改意见。教师可自主设定邮件发送频率，通常为一周一封，以避免频繁发送邮件导致学生疲于反馈。邮件可以针对单个学生发送，也可以对班级所有学生发送。学生

30、通过邮件获得建议和资源，及时与指导教师沟通交流。GPS 系统通过这种形式帮助学习者提高他们的学习质量。 图1-6 GPS邮件主要内容图1-7 GPS系统的业务流程1.2.2 Wollongong大学的学习网络可视化与评估项目“学习网络可视化与评估项目”是由澳大利亚 Wollongong大学领导，多个学校共同参与。项目基于学习分析的理念研发了学习网络可视化评估工具（SNAPP）。该软件可以从学习管理系统中收集学生的学习行为信息如在线时间、下载次数等；从论坛中提取学习过程中的交流互动数据，如发表帖子数、讨论内容、互动频次等。该项目面向在线学习的学习者，利用 SNAPP 记录和分析其学习活动情况，使

31、教师在学习的任何阶段都能确定学习者的行为模式，评估对学生的学习网络，并分析其对学习的影响。这些分析结果可以用于调整教学，为学习者提供指导，提高其学习能力。SNAPP可以搜集的论坛中的帖子总数目、单个用户的帖子数和回复数，绘制用户的社交网络图等。通过对这些数据的加工处理，系统可以分析出以下的信息：（1）识别出远离网络的学习者，提示教师给予关注；（2）识别出班级中的主要的信息传播者，他们是信息交换的节点；（3）区分绩效良好和不佳的学习者，于学习评估前进行干预；（4）预测学习社区在班级中的发展程度；（5）通过“快照”提供学习“前”与“后”情况对比，观察各种活动对学习产生影响，从而优化学习活动设计；（

32、6）为学习者观察自己的表现提供依据。此外，国外学科中，搜集的大量数据越来越成为重要的教育教学资源。这样的数据可以提供可视化或者非可视化的相关指标。研究人员通过对这些指标的分析，可以发现学习者的学习状况，以此作为基础为使用者提供建议项目。下面主要介绍澳大利亚的卧龙岗大学和美国的普渡大学的基本情况：澳大利亚卧龙岗大学(University of Wollongong)的研究人员则运用“社会网络适应性教学实践”应用软件SNAPP（Social Networks Adapting Pedagogical Practice）进行数据分析，这种软件可以帮助用户直观了解学习者在论坛的发帖和恢复情况，通过直观

33、跟踪论坛交流内容，教师可以快速判断用户的行为模式，覆盖课程进度的任何阶段。通过分析发帖者、回复对象、讨论话题以及话题范围，SNAPP可以对数据加以分析并以社会网络图的形式呈现分析结果，进而对学业面临风险的学习者进行识别。美国普渡大学的信号灯系统在提高学生学业成绩方面也有很大帮助。这种信号的系统运用了预测模型与“黑板视野（Blackboard Vista）”软件共同提供的数据，对学习者的学业进展情况进行实时分析，当学习者的学业成绩处于边缘风险状况时，信号灯系统就会发挥其功能，指导学习者相应地提高课程学习。由于这种系统实时反馈性很强，所以对教师和学学习者帮助很大。通过运用学习分析技术来提高学习者成

34、绩的学校还有很多。像德雷赛尔大学（Drexel University）收集数据的方法是采用在线教学管理系统“视野之星报告（Vista Star Report）”，进而对学习者的在线学习时间、登录次数、下载量等相关数据进行收集评估。北卡罗来纳州立大学（North Carolina State University）也是运用学习分析技术对学校已有的学生信息以及针对学习者进行问卷调查等形式获得的数据进行统计分析后，预测学习者在第一学期的学习成绩。1.3学习分析技术在国内的研究情况学习分析技术不仅在国外有相关的实践，在我国也有很广泛的应用。浙江温岭市中学信息技术教师开发的一款信息技术教学辅助平台ITt

35、ools3.0。这一教学辅助平台从2005年起着手研发，期间经历了几个版本，直到2011年5月才初步完成，目前还在不断改进和完善。这一信息技术教学辅助平台目前已经被我国多所学校使用，如大连海湾高中、浙江省湖州五中、浙江省海盐第二高级中学、广州宜州一中以及浙江省义乌市实验小学等。针对现在机房对机器的特殊保护，不允许学生对计算机进行改写，所以，每当学生对计算机进行相关学习任务的操作后，再重新启动计算机，以前的学习记录就会消失，信息技术教学辅助平台的展示模块解决了这一令人无奈的问题。该 模块可以对教师和学生的所有操作进行记录，其强大的查询和展示功能对于学生来说，不仅可以随时查阅自己的学习成果，对其他

36、同学发布的学习作品也可进行查询，大大提高了学生自主学习的能力；对于教师来说，通过这一平台对记录的数据进行分析，教师针对分析结果，可以即时调整自己的教学方式和方法，从而提高教学效果。第2章 学习分析技术在教育教学领域的应用2.1信息技术教学现如今，网络发展快，技术提升快，知识更新快，数据复杂化，信息多样化，面对这种高速度、高变化的发展节奏，对于这些海量的、多样的、复杂的信息和数据，学习分析技术在此起到了非常重要的作用，尤其是在教育教学领域里，能够系统的搜集大量的与学习者有关的数据和信息，将这些搜集到的数据进行分析整理后，高效的运用在教育教学中，对我国的教育教学质量和水平的提高起到了至关重要的作用

37、。下面在顾晓教授研究的学习分析技术在高中信息技术中的应用的基础上，对其进行更深入的分析。笔者根据它在高中信息技术课堂教学中的应用，初步设计了学习分析技术应用于高中信息技术课堂教学的实施过程，如图2-1所示。 图 2-1 学习分析技术应用于高中信息技术课堂教学的实施过程从图2-1可以看出，在信息技术课堂教学中，运用网络平台的各种功能（考勤、学习时间统计，学习的时间长度统计，学习的内容统计，分组、活动的形式记录，学习成绩统计，测验成绩统计等）收集教学数据，通过学习分析再调整教学方法、策略应用于施教过程，优化教学过程，因材施教，完成教学任务，实现针对每个层次学生的个性化教学。2.2学习管理系统在网络

38、辅助教学平台环境下运用学习分析技术实现高中信息技术个性化教学是通过网络辅助教学平台对学生基本信息、个性特征的提取，网络教育平台长期运行过程中，积累了大量的系统化、结构化的数据，可以利用学习分析技术充分挖掘这些数据并对其进行分析整理，反馈给教师用户，教师调整教学策略，为学生的个性化学习提供建议。笔者根据教学实践初步设计了网络辅助教学平台环境下高中信息技术个性化教学模式，如图2-2所示。 图 2-2 ITtools 环境下高中信息技术个性化教学模式从图2-2可以看出，当学生登录到系统通过身份确认后，系统的信息收集模块开始收集学生请求，跟踪学生的行为，将产生的学生数据（学生的基本信息、个性特征信息、

39、学习过程信息、学习表现信息、学习状态信息）通过预处理存入用户数据库，然后学习分析模块通过整理统计、关联分析和信息挖掘，挖掘学生个性数据，产生用户个性化数据，并把结果送往个性分析处理调度中心，调度中心根据个性化信息给教师发送数据，教师调整教学策略，为学生的个性化学习提供建议，调度中心根据学生的个性化数据及教师的个性化学习建议为学生提供个性化服务。在此教学模式环境下，学生用户登陆到教学平台后的界面将是个性化的学习界面：个人信息、出勤情况、作业完成及批改情况、测验情况（成绩记录、测验错题记录）、分组情况、答疑情况、互助信息、教师评价等都是针对学生个人特点的。第3章 学习分析技术的发展前景 在互联网日

40、益发达的今天，在各种新型科学技术不断涌现的新时代，海量的数据也都出现在人们的生活中，大量的信息不断地充斥着人们的眼球，伴随着知识经济时代的来临，合理的利用时间，高效的接收消息，快速的知识更新，持续的终身学习已成为人们的共识，也成为了要求新一代知识分子的标准。利用学习分析技术进行培训教育数据的挖掘，可以为企业事业单位（如E-learing）提供技术支持，通过技术来改变教育的基本结构，是提高教育的成本效益，最终提高教育生产力的关键。1.向教师、学生及课程管理人员及时反馈相关系统在搜集大量的数据后利用学习分析技术进行分析，将分析结果及时反馈给教师、学生及课程管理人员尤为重要。利用学习分析技术及其相关

41、分析工具，教师可获得有关学生的学习绩效、学习过程以及学习环境的信息。这些信息可以为教师改进教学提供依据17。不仅是教师能够及时调整自己的教学策略，优化自己的教育教学过程，而且使学生能够及时发现自己的不良学习行为，提高学习质量。通过对学习者活动数据的统计课程管理人员可以及时修订课程，发现哪些学习资源是学习者经常关注的，哪些学习资源是学习者根本不关心的，对于学习者比较感兴趣的学习资源加以丰富，对于学习者不感兴趣的资源进行删除，以此来优化网络空间。2.推荐相关学习资源有关学习的推荐系统近年来获得了越来越多的关注，这些系统分析了学习者的数据，通过统计学习者有关下载、标注、观看、阅读等行为频次，研究人员

42、在比较分析后将学习者进行分类最后将学习者分等级来获得课程，并为学习者推荐合适的学习资源，例如推荐学习者选择初级、中级还是高级课程。通过这一系统可以使学习者在有限的时间内提高自身的学习效率，另外还可以提高学习者的学习兴趣。3.优化社会学习环境在技术提高学习这一环境下，学习者彼此之间的交互是如何学习的一个核心部分。在计算机支持的协作学习中，许多研究已经集中到了对网络学习者的分析上。相关的学习分析技术通过对聊天工具、论坛，或者电子邮件客户端中被捕获的数据进行分析，不但会对学习者进行预测，而且还会建议有关的小组学习活动。例如，某些学习者在某些学习系统中注册了个人账户，如果所填的个人信息某些方面表示对天

43、文知识感兴趣，课程推荐系统会建议学习者参加天文学习小组。学习者在这个小组中通过彼此之间的信息交流、资源共享等，不仅可以吸引到更多有相同爱好的学习者，而且对提高自身研究领域的学术水平也有很大帮助。小结学习分析技术涵盖了教育过程最主要的领域，在教学、学习、管理、研究等方面都有很大的潜力。当教育信息化成为教育机构的目标，以技术促进教育改革成为教育的使命之一，学习分析技术大有可为。对教育机构而言，数据和信息爆炸是一种挑战，而在这个数据和信息的泥沼中，学习分析理论为人们指出了一条出路， 若能将学习分析理论与其它高效的新学习实践结合起来，就能为学习和教学的改善创造出无限的可能性。虽然学习分析近年来得到了广

44、泛关注，同时也面临着许多挑战，依然离大规模应用尚远。笔者认为其主要原因在于：（1）学习分析要求收集并梳理不同来源的数据，且数据格式各不相同，没有统一的陈述标准，从而在系统中阻止了有关数据的共享和重复使用。另外，如果学习者的一个自定义的数据信息格式没有被记录，当其他人使用这一数据时就很难理解被存储数据信息的意义，想要对这些数据进行重复使用则很难；（2）学习分析涉及学生隐私和档案等问题，如何合理利用这些数据，这是有关隐私权和教育数据收集许可的问题。虽然研究者在学习环境中会获得大量的数据，但是使用数据的权利等相关问题需要从两个视角来解决：一方面，从使用者的角度来讲，学习者需要被告知在课程学习活动中要

45、搜集相关数据，并且需要得到学习者本人的允许才能搜集他们的个人信息；另一方面，这些数据的组织或者提供者也需要同意搜集和共享这些数据。为了避免研究者花费大量的人力、物力、财力通过某些方式搜集到相关的数据后才发现这些数据不可被使用的现象发生，让数据能够合法进行搜集，我国相关法律法规的完善刻不容缓；（3）提高数据搜集相关数据，在学习分析探究性研究中，数据跟踪为学习管理提供了一个良好的基础。学习者除了使用学习管理系统外，还经常使用各种各样的工具和相关的学习服务，所以提高相关技术来获得更多的数据非常重要，比如，可以在相关学习系统中安装开发的小插件，以此来搜集有关数据；（4）尚未有较好的分析模型，现有的多个

46、应用项目也仅完成对学习数据的表面挖掘，对实践未能产生革命性的影响；（5）传统观念的改变是一个逐步的过程，必须要教育和引导用户，并且提供适当的培训和技术支持。本文使用文献研究法，系统、全面地分析了学习分析技术的内涵及其在国内外的研究现状以及在教育教学领域的应用情况和前景。对于学习分析技术在国内研究机构的应用情况的例举不够全面，有待进一步完善。参考文献1TheHorizonReport2011editionDB/OL.http:/wp.nmc.org/horizon2011/,2012-06-25.2 Siemens, G. 1st International Conference on Lear

47、ning Analytics andKnowledge2011EB/OL .https:/tekri.athabascau.ca/analytics/about, 2010-07-22.3G.Siemens,What-is-learning-analyticsEB/OL.http:/www.elearnspace.org/blog/2010/08/25/what-are-learning-analytics/，2011-11-20.4NMC.The-Horizon-Report2011EditionEB/OL.http:/wp.nmc.org/horizon2011/sections/learning-analytics/，2011-11-20.5 Malcolm Brown.Learning Analytics:The Coming ThirdWaveEB/OL.http:/net.educause.edu/ir/library/pdf/ELIB1101.pdf,2011-04-15.6 Elias, T. Learning Analytics: Definitions, Processes and PotentialEB/OL.http:/lear