学习分析技术远程教育论文

2022-04-23

摘要学习分析技术作为大数据分析的一种新兴工具，使得图书馆不仅能够及时了解用户需求，为他们提供个性化的服务，还可以改进和完善图书馆服务的过程，为用户提供良好的体验。通过介绍学习分析技术的内涵及具体分析方法，构建学习分析技术应用于高校图书馆的基本模型，阐述该技术的应用给图书馆服务带来的优化与变革。以下是小编精心整理的《学习分析技术远程教育论文(精选3篇)》的相关内容，希望能给你带来帮助!

学习分析技术远程教育论文篇1：

学习对象元数据在远程教育有效利用关键技术分析

摘要：随着远程教育的不断发展，如何进行信息资源共享已经成远程教育发展中迫切需要解决的重要课题。在对远程教育中学习对象元数据应用分析的基础上，对学习对象元数据的关键技术进行研究，并探讨了远程教育信息资源共享中如何有效利用学习对象元数据的问题。

关键词：远程教育；资源共享；学习对象元数据有效利用

1引言

随着互联网和远程教育的不断发展，现有的信息资源不仅包括传统的物理资源，还包括数字化的资源，对于如此庞大的资源库，管理和查找存在着一定的难度。同时，由于制作信息资源的工具各异，导致了对信息资源的使用和查找机制都不尽相同，不利于信息资源的共享。基于此，在建设远程教育时，如何进行信息资源建设、实现信息资源的共享，已成为远程教育发展中迫切需要解决的重要问题，而解决这个问题的关键在于信息资源的标准化。学习对象元数据作为一种新兴的远程教育技术，能够通过定义远程教育中资源的信息结构、定义由数字对象构成的资源库的组织结构，决定远程教育的信息组织和利用方式，同时学习对象元数据还是实现跨资源库特别是远程教育这种分布式异构数据库语义操作的基础。因此，在远程教育中如何有效的利用学习对象元数据进行信息资源地描述，实现资源发现和交流，是解决远程教育信息资源共享的关键所在。

2学习对象元数据在远程教育有效利用关键技术分析

学习对象元数据在远程教育信息资源的管理、浏览、查找和共享等方面起着重要的作用。随着远程教育信息资源的不断增加，以及学习对象元数据在远程教育中应用的不断发展，如何在远程教育中充分、有效利用学习对象元数据实现信息资源的共享显得尤为重要，在对远程教育相关规范及标准研究的前提下，下面将对远程教育中如何有效利用学习对象元数据的关键技术进行分析，并探讨如何将其引入远程教育中以实现信息资源的共享。

2.1 学习对象元数据的分层描述

在利用学习对象元数据实现信息资源的表示时，考虑到数据用户对数据要求的层次性和已有学习对象元数据内容的复杂性，可以将学习对象元数据根据不同数据用户的服务需要而设计成不同的层次，如图1所示。在学习对象元数据的分层模型中主要包括如下对象：

学习对象元数据核心集：由学习对象元数据元素中的必需数据元素组成；

学习对象元数据可选集：由学习对象元数据元素中的可选数据元素组成；

学习对象元数据特定扩展集：由学习对象元数据规范中特定资源的扩展数据元素组成；

学习对象元数据任意扩展集：由用户扩展的数据元素组成。

在图1所示的学习对象元数据的分层模型中，可将学习对象元数据中众多对象信息之间的关系划分为两大类集合（层内和层间）。

层内关系：指的是同一层对象之间的关系，它体现了学习对象元数据的分层模型中，所处相同层次上各对象之间的关系。

层间关系：指的是不同层次对象之间的关系，它体现了学习对象元数据的分层模型中不同层次的跨层间对象之间的关系。

在学习对象元数据的分层模型中，层内和层间存在着密切的联系，这些层次的产生从本质上来讲是学习对象元数据的灵活性与互操作性制约平衡的结果。因为在远程教育实际的应用中，由标准所规定的学习对象元数据对于用户来讲是远远不够的，当我们在开发出一些具有特色的资源时，往往需要在遵循标准的基础上对学习对象元数据进行扩展，以增强灵活性和描述能力。这些扩展的数据元素并不像标准数据那样具有通用性，因此随着扩展数据元素描述能力的增强，其互操作能力也相应的减弱。

2.2 学习对象元数据的存储

学习对象元数据的存储是指系统采用各种数据库和存储设备，表示并存储所获取的学习对象元数据。在远程教育中，各种信息资源都是以数据库的形式进行存储管理，由于用户、信息资源以及对信息资源的管理是分散在不同的地理位置，所以远程教育系统在实现技术上是一种多层结构的分布式数据库模式，是一个分布式的异构系统，如图2所示。远程教育的信息资源实际上是以学习对象元数据的方式存储在分布式的学习对象元数据库中。因此，如果在远程教育系统中构建一个分布式学习对象元数据库的交换中心，并且使用XML来定义独立数据库的学习对象元数据，将学习对象元数据和数据一起描述成XML文档进行存储，这样可使得用户在访问信息资源时所花费的代价大大减少,提高信息资源的利用率，有利于信息资源的共享。

在传统的环境下，发生交换的系统的数量一般在10⁰~10¹，因此采用这种方式还是可以接受的，但由于目前远程教育数据库之间的异构性，需要交换数据的数据库种类的数量级提升到10²~10⁴，继续采用上述方式显然就不适合了。

由于XML可以很方便的用来定义元数据，同时它也是进行数据交换的有效工具，因此使用XML来定义独立数据库的元数据，并将元数据和数据一起描述成XML文档进入交换系统，可以使得交换代价大为减少。交换体系将由一个交换中心（Exchange Center）和一个交换格式F_S组成，其工作方式如下：

数据库A要将数据交换给数据库B

Step1：应用系统A将数据库A中的数据转换成F_S格式文件f

Step2:应用系统A将f传递给交换中心

Step3:交换中心将f传递给应用系统B

Step4:应用系统B将FS格式文件f解释并导入数据库B中

接下来分析一下这种机制的交换代价：

2.4 学习对象元数据包装信息模型

学习对象元数据内容包装信息，指的是一个对象内部各资源之间组织关系的描述信息。内容包装信息模型通过定义一种能够用来交换信息资源的标准数据结构，为远程教育信息资源的制作提供标准数据绑定基础，从而使信息资源可以在不同的创作工具、管理系统和运行环境之间互操作，学习对象元数据包装信息模型不限定文档中的具体内容和文件格式，而是将着眼点放在文档管理结构上，并提出实现这种结构的系统方法，使之能方便的输入、输出、合并或拆分。

把各类信息资源组织成对象以后，必须与对象的内容包装信息模型相配合，利用内容包装信息来管理、查找对象，将对象进行一定的拆分、组装与封装，才能真正、有效地重用、共享信息资源。

3结语

作为远程教育中新兴的学习对象元数据技术，如何对其充分有效地利用，是实现远程教育信息资源共享的关键所在，在对学习对象元数据相关标准及规范确定的前提下，通过对学习对象元数据的有效利用，可以将网络上分布的各类信息资源组织成各个层次上可重用的对象，并采用学习对象元数据对众多的信息资源进行描述，在生成信息资源本身的同时，生成与之相对应的学习对象元数据信息，在此基础上将信息资源以独立对象的方式进行基于标准的封装与组织，从而能够很好的解决远程教育信息资源共享的问题。

参考文献：

[1] Learning Technology Standards Committee. Draft Standard for Learning Object Metadata [A]. Institute of Electrical and Electronics Engineers, 2002,1-20.

[2] Daniel D. Suthers. Evaluating the Learning Object Metadata for K-12 Educational Resources [J]. ICALT2001, 2001(8):1-4.

[3]沈中南，史元春.学习对象元数据的分层描述[J].中国远程教育，2002,181(2):13-16.

[4]刘炜.关于学习对象元数据的十万个为什么.[ EB/OL].http://www.chinalibs.net .

[5]教育部现代远程教育标准化委员会.DLTS-9内容包装信息模型.[ EB/OL].http://www.online-edu.org.

投稿日期：2006-08-30

作者简介:郑耿忠(1975-),男,广东潮州人,韩山师范学院数学与信息技术学院讲师,硕士,研究方向：多媒体网络与远程教育、虚拟现实。

作者：郑耿忠

学习分析技术远程教育论文篇2：

学习分析技术：大数据背景下高校图书馆服务的优化

摘要学习分析技术作为大数据分析的一种新兴工具，使得图书馆不仅能够及时了解用户需求，为他们提供个性化的服务，还可以改进和完善图书馆服务的过程，为用户提供良好的体验。通过介绍学习分析技术的内涵及具体分析方法，构建学习分析技术应用于高校图书馆的基本模型，阐述该技术的应用给图书馆服务带来的优化与变革。

关键词大数据学习分析技术高校图书馆决策模型

分类号 G258.6 G254

在大数据背景下，满足用户多样化和个性化的需求是衡量图书馆服务质量的重要标准。个性化服务系统是对当前各种自动化服务系统的升级改版，需要重点解决两个方面的问题：一是数据信息的收集方法，需要实现密切跟踪用户学习动态过程，及时收集用户数据，并建立全面综合的用户模型；二是数据信息的分析方法，要在现有数据的基础上，运用先进的数据分析方法，充分挖掘信息价值，以建立全面系统的用户服务体系。图书馆要想为用户提供智慧学习环境必须在技术上有所突破和创新，能够跟踪用户的整个学习过程，并做好信息收集，同时要进行快速的数据分析，根据分析结果为用户量身定制服务。正是在这种情况下，学习分析技术为图书馆的服务变革提供了技术支持，美国高校信息化协会和新媒体联盟在其发布的《2013年地平线报告（高教版）》中认为，学习分析技术将在未来几年成为主流技术，并受到广泛认可和应用[1]。

1 学习分析技术的涵义

学习分析技术源自商业数据分析，是商家用来分析消费者活动并预测消费走向的手段，比如淘宝网就能够跟踪和收集用户浏览和购买的商品信息，并推测用户的消费倾向，从而进行商品推荐；这些技术的核心要素就是数据收集、分析、归类、判断。学习分析技术也是基于大数据分析发展而来的，主要功能是为教育领域的决策提供数据支持和信息参考。

2011年2月第一届学习和知识分析国际大会召开，学习分析技术的定义在会上得到统一认识，即学习分析技术是对学习者及其学习情境数据的测量、收集、分析和报告，并据此掌握学习信息，优化学习情境[2]。根据定义可知，学习分析是对学习者学习过程的跟踪过程，同时要完成信息记录、分析，并根据信息判断学习者的学习状态，预测学习效果，进而介入学习情境，优化学习状态，改善学习效果，整个过程涵盖了数据采集、存储、分析、表示和应用五项具体技术。具体到高校图书馆的应用，需要满足的具体要素有：①学习过程，这是学习分析的对象，学习分析本质上是为学习活动服务的，通过分析要掌握学习内容、学习进度、学习状态及学习目标完成情况；②学习环境，包括学习者完成学习活动所需要的一切硬件和软件环境，硬件方面主要是图书馆场所环境是否舒适、安静等，软件方面主要是学习资源是否充足，图书馆管理是否合理等；③学习者，这是主要的服务对象和受益者，主要掌握学习者的需求信息，为图书馆改进服务提供依据，这些是图书馆运用大数据进行学习分析的核心。

学习分析是针对用户反映的需求信息进行分析判断，判断图书馆资源供给、环境完善方面的优势和不足，并以此来改进图书馆服务方法和服务水平，最终为用户提供更良好个性化的学习体验。具体来说，学习分析能及时掌握图书馆资源的利用情况，资源是否存在短缺现象，服务是否被学习者认可和满足他们的要求，这些都为图书馆提供了工作导向。因此，学习分析对图书馆改进工作具有重大意义。

2 学习分析技术的分析方法

学习分析技术在继承传统数据分析方法的同时，还充分借鉴了大数据时代的信息分析技术，这些技术的综合运用使得学习分析技术更加全面、完善，更具有实用性，同时使其科学化和智能化水平进一步提高。本文主要介绍社会网络分析法、话语分析法和内容分析法在学习分析技术中的应用，以便更加全面地了解和掌握学习分析技术。

2.1 社会网络分析法

社会网络分析是通过数据构建一个虚拟的社会网络，主要研究群体的社会结构性特征、用户地位，传播影响力等，是为适应学习网络化、结构化的要求而产生的社会研究方法。图书馆服务已经进入虚拟服务时代，更多的是通过网络进行信息交流互动，所以用户交互网络生成的信息成为图书馆了解用户需求的重要来源。运用社会网络分析方法，既能探究网络学习中用户的组织联系、角色分工，还能了解网络中信息交流的方式和用户的学习状态，使其学习效果提升改善。独立的个体不会自觉地与同伴进行比较，通过社会网络分析及时把信息反馈给每个组织成员，就会形成鲜明的对比，从而促进落后的学习者调整改进学习状态，进而改进整个网络的学习进展情况[3]。

2.2 话语分析法

话语分析法是对语言交流进行分析的方法，属于语言学研究领域，为了研究学习过程中的信息传递，引入到教育领域。应用到图书馆，就是对用户在图书馆学习过程中产生的用户之间、用户与图书馆之间的交流信息进行定性分析。话语分析法的适当运用，能够帮助我们全面了解用户在图书馆学习过程中产生的信息交流，尤其是网络学习的信息，有了这些信息，我们就能够探索个体观点形成的过程、知识体系构建的过程等。话语分析将来的发展方向是潜在语义分析，这项分析可以进行对话和计算机支持的辩论分析[4]。

2.3 内容分析法

内容分析法是对传播内容中有价值的信息进行层层推理的分析过程，能够跟踪信息变化，不断抓住有意义的信息碎片进行推断，以获得准确含义，概括地说，它是通过系统客观的方式，对信息进行量化解释的方法[5]。它的功能相对其他方法更为强大，不仅能分析静态的传播内容，还能跟踪信息的变化过程，分析内容传播的效果。内容分析法的定量分析能够对学习过程做到准确把握，为用户构建更真实的行为模式，同时也可以进行定性推测，根据积累的数据来判断用户的需求，提供更贴合实际需求的图书馆资源与服务。内容分析法的定量分析与话语分析法的定性分析形成互补，保证了图书馆在信息分析中的准确性、客观性、科学性和合理性。

3 高校图书馆运用学习分析技术的决策模型

本文根据学习分析技术在高校图书馆应用的决策流程，构建了一个基本模型（如图1所示）。

3.1 数据的收集

为了保证分析结果的准确性和完整性，学习分析技术需要占有大量的数据，所以不仅需要依靠结构化数据，还要通过不同系统收集非结构化数据。因此，数据采集是学习分析进行的重要前提，为学习分析提供信息原材料。有效地提取收集这些信息就成为学习分析的重要步骤。

目前，高校图书馆可用来支持分析、作为决策依据的信息主要有三个来源：一是图书馆本来就有的自动化系统积累的原始信息，包括用户信息、书刊资源信息和馆员信息等档案信息；二是数字资源系统和opac系统中已经存储的信息，这些信息包含了大量用户和馆员的交互信息、资源利用信息和行为信息等，对分析判断用户需求有很大利用价值；三是图书馆员通过长期观察和工作经验积累的信息，也为改进工作提供了决策依据。

3.2 数据的分析

数据分析作为学习分析技术的重要环节，能够通过整合杂乱的用户信息，获得用户对图书馆环境的要求、学习行为的进行情况、学习需求和学习效果等信息，这些都成为构建智慧图书馆的必要信息支撑。根据分析对象不同，学习分析技术的数据分析方法主要有四种。

3.2.1 交互分析

用户在图书馆的学习过程并不是孤立的，而是与馆员不断产生交流互动的过程。交互分析就是建立在互动过程之上的，具体的交互过程包括馆员与用户、用户之间、用户和学习资料之间的交互。在交互过程中，用户反映了其个性化需求，而这些信息正是交互分析的价值所在。交互分析是通过集中分析交互文本和交互内容，深入研究学习者的知识建构过程和协作学习的层次等问题。

3.2.2 学习资源分析

学习资源分析是利用语义技术，对图书馆学习资源进行概括和描述，在计算机和人类理解的范围内，建立起计算机、学习者和图书馆学习资源的联系，实现计算机对学习资源的自动处理和计算机与人类的有效互动。学习资源在与学习者的互动中不断调整与补充，其适应性不断增强，越来越能够满足学习者的不同要求。语义关联是学习资源本身所具有的，借助这一属性，能够对学习资源进行描述整合，建立起资源网络，有助于提高学习者搜索资源和利用资源的效率，提高学习效果。

3.2.3 用户特征分析

用户作为学习活动的主体，为了满足其个性化的学习需求，需要对他学习过程的反应信息进行综合分析，内容具体包括兴趣爱好、学习偏爱、学习时间、上线频率、关注的热点、参与讨论的频率、APP利用情况等。这些信息就能够建立一个全面立体的用户数据模型。在智慧图书馆学习环境中，要全面分析日志信息，充分挖掘它的价值，掌握用户的学习效率、学习强度等学习情况，并预测用户的学习效果。通过建立用户数据模型，能够实现用户与图书馆的有效互动，图书馆可以向用户推荐有效的学习资源，提供及时的信息服务，提高学习效果；同时，也可以利用收集到的信息实现对学习效果的评估，为图书馆改善服务方法、更新服务内容提供信息支持。

3.2.4 用户行为分析

用户行为分析是全面掌握用户信息的一个重要环节，通过计算机收集用户人机互动过程中表达的肢体语言，可以用于信息甄别筛选和分析，其主要的信息源有手势语言和面部表情，其中对手势语言的识别发展比较成熟，主要是基于数据手套的识别和基于视觉的识别，对自然手的识别技术还需要进一步探索。

分析软件在学习分析中得到广泛应用，不仅有通用的工具软件，还有很多专业的分析工具。专业工具适用于某一特定的项目进行运行设计，信息搜集和数据分析更具准确性和实用性，指导性更强，有利于图书馆某项服务的提升，这类代表性的工具有SNAPP、Socrato、LOCO-Analyst、SNAPP等。通用工具是通过对传统网络信息工具的改进，适用于图书馆数据情景，主要服务于图书馆服务方法改进和服务系统升级，这类工具有Gephi、Mixpanel Analytics、Userfly等几种[6]。

3.3 行为干预

学习分析结果既能评价用户的表现，并反馈给用户，督促用户调整学习状态，更新学习方法，改善学习效果。同时也可以根据用户的需求，调整图书馆的服务方法和资源配置，及时满足用户的学习条件，从自身状态和外部环境两个方面帮助学习者提高学习能力，改善学习效果。

随着学习活动干预的不断发展，学者们依据不同的标准进行了系统的分类。根据干预行为的主体可分为人工干预和自动干预，其中，人工干预是以馆员为干预主体，根据掌握的信息直接与学习者沟通，对学习活动提出改进建议。

4 学习分析技术带来的高校图书馆服务优化

4.1 个性化服务的优化

学习分析技术不仅是数据处理技术的发展，更是信息反馈和学习跟踪的集合，它能够根据用户的具体情况，提供改进建议。当某一用户利用图书馆的时间明显少于其他用户时，系统会及时提醒，督促他调整学习状态。即时提醒服务是学习分析技术的重大突破，同时，图书馆也能够根据该技术提供的信息跟踪和分析数据，准确找出服务内容和方法上存在的不足，进行针对性的调整，使服务更贴合具体用户的实际情况，提供个性化服务。

美国高校图书馆较早开始利用学习分析技术指导学生学习和提升图书馆服务。美国普渡大学图书馆在2007年启动了“信号项目”，通过对学生信息系统和图书馆管理系统的信息进行分析比对，对那些利用图书馆时间较少的同学提供了专项服务，并对图书馆的资源进行重新分类编排，以提高资料利用效率。美国西北大学图书馆为了提升服务质量，还专门研发了“高校图书馆个性化服务助理”系统[7]，详细记录每个学生的在馆学习时间、学习安排以及学习状态和学习成效等个人信息，并通过对学生信息的分析，提出改进图书馆的开放时间和资源配置的建议，为学生的学习进步提供支持和帮助。

4.2 图书馆员角色的变革

学习分析技术的应用，丰富了图书馆的职能，同时也对图书馆员提出了新的要求。传统的图书馆服务是馆员通过直观观察、收集日常信息、总结经验，提出图书馆服务内容和方式方法的调整建议，而大数据时代图书馆服务调整是由数据支持，一切工作不再依靠经验作出判断，而是以信息分析结果为依据，由此一来，图书馆的服务更具科学性和针对性。这种情况下要求图书馆员掌握分析技术，才能使技术发挥实效。美国教育发展中心、学生与技术中心联合对图书馆如何利用该技术进行服务决策进行了实践探索[8]，他们以纽约市公立学校图书馆的用户数据为样本，与一家技术公司合作，对学生在图书馆学习过程的数据进行收集分析，并生成了书面分析报告和网络报告。书面报告中提供了用户的学习情况，图书馆可以根据报告内容，对学生进行分组指导，提供个性化服务。网络报告则按不同业务层次馆员的实际需求选择性地提供重点信息。

5 结语

大数据时代的来临，使得图书馆的全面信息化发展成为必然趋势，学习分析技术为图书馆适应潮流提供了技术支持。图书馆将从宏观调整逐步演变为提供个性化服务，从而满足学生的多样化和个性化需求。但是作为一项新兴技术，学习分析技术还存在很多不足，不能立即满足所有的需求，在广泛普及运用方面还存在很多障碍，需要图书馆人深入研究，继续改进，为实现图书馆服务的升级继续努力，真正发挥图书馆在大数据时代的信息优势。

参考文献：

[ 1 ] 2013 horizon report[EB/OL].[2014-04-02].http：//www.nmc.org/publications/2013-horizon-report-higher-ed.

[ 2 ] Siemens G， Long P. Penetrating the fog：Analytics in learning and education[J].Educause Review，2011，46（5）：30-32.

[ 3 ] 顾小清，张进良，蔡慧英.学习分析：正在浮现中的数据技术[J].远程教育杂志，2012（1）：18-25.

[ 4 ] Gee J P. An introduction to discourse analysis：Theory and method[M]. Routledge，2013.

[ 5 ] 杨秋平.内容分析技术在网络舆情智能检测中的应用[J].制造业自动化，2011（6）：53-55.

[ 6 ] 黄荣怀，杨俊锋，胡永斌.从数字学习环境到智慧学习环境[J].开放教育研究，2012（1）：45.

[ 7 ] Siemens G， Long P. Penetrating the fog：Analytics in learning and education[J]. Educause Review，2011（5）：30-32.

[ 8 ] Centers for Disease Control. Make a difference at your school[J].Library Memagemet，2013（6）：58.

杨景光郧阳师范高等专科学校图书馆馆员。湖北十堰，442000。

（收稿日期：2014-08-15 编校：刘明）

作者：杨景光

学习分析技术远程教育论文篇3：

学习分析应用于网络学习的案例评析

摘要：该文介绍了学习分析技术的定义和相关的发展历程，紧接着阐述了学习分析技术的发展轨迹，对学习分析技术在网络学习环境中的两个案例进行评析，总结其在网络学习应用中所面临的挑战和局限。

关键词：学习分析;网络学习;案例评析

开放科学（资源服务）标识码（OSID）：

1 学习分析技术的概述

随着大数据技术（如：教育数据额挖掘）在教育领域的不断深入，出现了学习分析技术这一研究领域，以数据驱动的教育教学变革推动着学习分析技术的发展，该技术一经提出就受到国内外教育研究者们的密切关注，并将该技术致力于实践和应用中不断探索，最近几年，“学习分析（Learning Analytics）”的国际会议在世界各地多次被举办，人们互相交流学习分析技术如何整合到教育教学中去，以及该领域国内外研究现状和发展中遇到的问题与相应的对策。发展历程如下：

2011年至2012年的NMC“地平线报告”指出：预测学习分析技术在以后的四至五年内将占领大部分市场。早在2011年的时候，学习分析技术凭借不同的数据挖掘工具以及可视化的数据分析技术来研究学习者的日常学习行为和他们的学习效率，并把这一结果应用于教学评价、个性化教学与课程修订中去，取得了显著成效。例如美国高校信息化协会（EDUCAUSE）在该领域取得了不错的成绩，机构认为学习分析技术需凭借数据和模型来监测学习者的学习进度进一步预测他们的投入状态，并找到潜在问题，给予干预。

除此之外，在学习分析与知识国际学术会议上的交流中，学习分析技术被研究者们定义成凭借“挖掘相关学习者还有他们学习环境的数据，实现理解和优化学习和产生的环境的技术。”近年来，学习分析技术已经成为近期用于高等教育领域的重要技术。2016年NMC地平线报告对此高度评价。第一届学习与知识分析国际会议上，知名专家Siemens谈到，学习分析旨在凭借数据挖掘技术监测与提取学习者的学习行为、进一步预测学习者的学习状况，得出结果可分为优良中差各种等级，用于评价学习者的学习行为与学习状态、接下来还会干预学习者学习过程，提高学习效率。

通过对文献的梳理，发现学习分析技术在国内的研究尚处在初步发展阶段，主要是引进学习分析的概念，介绍学习分析的理念，引用和分析国外研究者的结果，对学习分析结果的具体应用，例如可视化反馈却很少涉及。

2 网络化教学概念的界定

网络学习是学习者抱着明确的学习目的通过在线的方式，对特殊的网络资源进行自我调节，学习的过程以自我监控为主的学习方式。众所周知，网络教学能将教育公平极大地推广，伴随着指数级增长的新开发网络课程以及对其课程资源质量的不断提升，越来越多的学习者和教育者被吸引到网络教学当中去。这不仅实现学习资源的共享，还分离学习时间和空间、实现了学习过程的多项互动，网络教学最有竞争力的一点在于彻底打破传统课堂上的单向学习模式。因此，互联网环境下的网络化教育教学很大程度上会成为未来教学的一种主流教学方式，满足大多数人的教学需求。

3 学习分析技术的历史变迁

虽然学习分析技术是新兴的教育领域中的大数据技术，但是它的技术来源，像数据挖掘技术、数据仓库研究方法、内容分析、话语分析和社会网络分析等方法相当成熟，常在在线运营管理旗下分支的商业智能和网站分析使用[2]，并和教育相关的大数据技术（例如教育数据挖掘和学术分析）以其特有的优势逐渐受到教育研究者们的重视，发展的过程轨迹等详细信息如下表1所示。

4 应用案例的概述及评析

数据的采集、数据的加工、数据的可视化、给予评价和实施干预[16]是组成学习分析的五大要素。近年来国外的学习分析领域中，理论研究和实践应用方面都有丰硕成果并不断进步。同时，大量成功的应用实践案例应运而生，例如：如何保证学习者数据高效全面地收集、如何建立用于分析学习者的学习行为模式、如何设计可视化反馈与开发学习分析系统及其工具，如何对学习者的学习进行干预和预测，并保证一定成效…… 本人按照课题组的实际需求，选择两个最具代表性的案例，从中汲取经验并得出结论。

1）美国普渡大学研发“课程信号灯”系统旨在提高学生听课效率，该系统可以检测学习者的学习状态，通过跟踪学习者的学习行为轨迹，在学习者将要存在挂科风险或者不能达到课程学习目标之前给出预警提示信号，反馈给学习者在某方面存在困难，需要调整相应的学习方式和方法，对症下药，从而达到校方预期效果。“课程信号灯”系统的优点如下：（1）学习者能获取实时的个性化反馈信息;（2）早期就开始干预，从课程开始的第二周就开始实施，从一开始监测学习者的资源学习进度和学习效率;（3）提供有关的反馈信息，帮助学习者实现学习目标。

在对整个案例进行深入细致的分析，发现在本案例中凭借对大数据技术挖掘和分析学习者在网络学习平台上所产生的学习行为和学习过程数据的分析，且把各类型的数据歸类整理，为接下来的数据具体分析方法做好充分的准备。在方法上主要采用学习行为分析法，通过对学习者在网络学习平台上产生的学习行为来判断学习者接下来的学业表现，以便帮助学习者实现学业成功，降低挂科率和辍学率，提高学生学习的毕业率和就业率。

2）美国马里兰大学研发Blackboard课程管理系统，借助分析工具从系统中获取大量与学习者相关的原始学习数据，然后根据整理和分析数据后得出针对教学者和学习者分别呈现出的个性化分析报告。可以从两个层面呈现学习者当前的学习状态分析报告：从横向层面看，报告展现了每个学习者在班级中的学习排名位置，若是某个学习者学习排名倒数或者呈下降趋势，系统会自动向该同学预警，比如发送一个详细的班级排名表到这位同学的账户中，标注该生与其他学习者的差距，同时提醒学习者要怎么加强学习，应该从哪些方面下手，由系统自动产生干预，可设置要推送学习资源;从纵向层面来看，学习者可以浏览自己的学习情况报表，对于学习进展缓慢或学习遇到困难的学习者，系统识别出这类用户后会自动为他们推送相关的学习通知或改进方案。

该案例运用了社会网络分析法来研究Blackboard学习平台上全部学习者与教学者在所有过程中建立的联系、各种学习者所扮演的角色，还有整个网络形成的具体过程与该网络的特点。除此之外，通过本课题还能了解到学习者在平台上如何建立并维持关系，进一步为自己的学习提供帮助获得支持。该平台凭借内容分析法，能够明确的显示出学习者的关注点和其已经学习的知识点。与此同时，还能够挖掘学习者的兴趣和偏好是什么。这种和学习者有关的信息反馈不单对学习者的学习效率的提高有利，并且对教师的教学反思也非常有利[12]。

3）案例评析

对上述案例使用的学习分析技术、案例理论依据和效果评析如表2所示。

4）小结

由两个经典案例的研究可知，学习分析技术能够有效运用于网络化教学环境中，但是我们要知道，数据分析出来的是结果是冷冰冰的，应该与有效的教学理论及教学评价理论相结合才能够更好地去发现与探索教学规律，对二者的深度融合要有一个宏观的考虑，无论是从实际需求出发，还是从实现技术出发，学习分析最终目的就是为了教学效果的提高和网络学习质量的提升。所以在接下来的进一步研究中，研究者们要紧紧围绕这一总体目标来预警预测学习者的学习情况，最大限度地精准呈现学习者的学习状态，实现对优秀学习者正向引导，助力困难学习者反向干预，要将数据分析的结果更好地呈现出来。

通常在网络学习过程中使用学习分析技术的对象分为两类人：学习者和助学者，其中助学者包括教学者和教育管理者。站在学习者的视角，凭借可视化反馈呈现的个性化学习报告，对自己的学习过程和学习状态有明确的定位，进一步利用反馈的信息对自己的学习计划做出相应的调整，更加有针对性的学习。站在教学者与教育管理者的视角，则应及时得到学习者在网络教学平台中的学习表现反馈结果，掌握学习者个体或群体的学习情况，对各类学习者因材施教、对症下药，对存在挂科风险和辍学风险的学习者及早干预，但如何利用学习分析的结果解释教学规律、教学现象，挖掘学习风格，设计有效可视化反馈和选取合适的干预策略是教育研究者们今后不断需要探索和研究的方向。

5 结束语

由大量理论研究与实践可知，在网络学习中应用学习分析技术能够帮助学习者了解自己的学习状态、并提出相应的反馈意见与提高学习效率的方案。本课题经对选取研究的两个案例分析研究之后可知：首先，依托于学习分析技术的网络化教学能够让教学者对自己学生的学习过程有较传统教学更为细致全面的了解，进而有针对性的调整自己的教学计划，对学生分级教学，及时发现学生的困难并予以帮助。然后，能够让学生明白自己当前的学习状态，及时做出调整。除此之外，在学习分析技术支持下，网络化教学环境中的学习效率有利飞速提升，及时有效的可视化反馈帮助教师和学生更好的评估学习效果，使得总结性评价走向形成性评价，从而证明了学习分析技术针对性应用于网络化教学是可行有效的。

相比较于国外而言，中国在学习分析技术领域的研究实践起步较晚，由于实践上的研究成果比较匮乏，这导致了研究成果的丰富性和覆盖面不足。而且要保证学习分析的有效性需要保证对学习者行为实施实时的干预，实现这一效果的前提是在教学过程中能及时收集到相关的数据，进一步才能进行实时分析，然后才能将准确率较高的分析结果及时反馈给学生。并且随时监测学习者的学习状态是否有所改变，及时干预。其中对于原始数据的采集、分析数据的方法、反馈的建议如何生成都还值得继续深入的研究，要改善国内研究现状的不足最重要的是如何对此进行有效评析。实现这一点需要收集大量被证实的实证研究，确保这些實践研究结论能顺利推广和易于移植。

最后，怎样保证大数据中包含的学习者隐私信息不被泄露、怎样及时的处理大量数据确保系统能实时反馈、怎样把学习分析结果合理的个性化呈现仍存在不少挑战。对于教学者，他们不仅需要掌握丰富的分析方法熟练运用对应的工具，还得持续投入大量的时间和精力来分析讨论并予以实践，这对教学者个人是个不小的挑战。因此需要教学者合理地进行时间的分配，并把其教学观念的思想与干预或反馈系统开发无缝的衔接，这存在一定难度，这将也是接下来这类课题需要不断努力耕耘的领域，相信在无数研究者的潜心研究下，基于网络学习的学习分析技术能够更加成熟。

参考文献：

[1] 邱晓辉.网络学习者信息加工学习行为的分析及研究[D].华中师范大学，2008.

[2] 李青，王涛.学习分析技术研究与应用现状述评[J].中国电化教育，2012（8）：129-133.

[3] Siemens，G.1st International Conference on Learning Analytics and Knowledge 2011[EB/OL].http：//tekri.athabaccau.ca/analytics/about.

[4] 2011Horizon Report[EB/OL].http：//wp.nmc.org/horizon2011/.

[5] 2012Horizon Report[EB/OL].http：//www.educause.edu/library/resources/2012-horizon-report.

[6] Simon Buckingham Shum. Learning Analytics： Dream， Nightmare or Fairydust？[EB/OL].<http：//www.slideshare.net/sbs/learning-analytics-nightmare-or-fairy dust.>

[7] 殷丙山.学习分析技术将成未来关注重点——2012年和2013年《新媒体联盟地平线报告（高等教育版）》比较解读[J].中国教育网络，2013（10）：35-36.

[8] 王运武，唐丽，王洪梅.新兴技术推动高等教育形成创新文化-《2016地平线报告（高等教育版）》解读与启示[J].中国医学教育技术， 2016， 30（3）：235-241.

[9] 顾小清，张进良，蔡慧英.学习分析：正在浮现中的数据技术[J].远程教育杂志，2012， 30（1）：18-25.

[10 ]葛道凯，张少刚，魏顺平.教育数据挖掘[M].教育科学出版社，2012.

[11] 李逢庆，钱万正.学习分析：大学教学信息化研究与实践的新领域[J].现代教育技术，2012，22（7）：5-10.

[12] 曹帅，王以宁，徐鹏. 学习分析技术的研究现状与未来趋势——基于2011-2015年LAK会议论文的分析[J]. 中国电化教育， 2016（5）：78-84.

[13] 袁明，陈伟杰.网络教育学习者在线学习行为分析研究[J].浙江现代教育技术，2006（4）.

[14] 彭文辉，杨宗凯，黄克斌.网络学习行为分析及其模型研究[J].中国电化教育，2006（10）：31-35.

[15] 包昊罡，李艳燕.大数据背景下学习分析的特点[J].北京广播电视大学学报， 2015（1）：9-13.

[16] 王良周，于卫红.大数据视角下的学习分析综述[J].中国远程教育， 2015（3）：31-37.

[17] 吴青，罗儒国.学习分析：从源起到实践与研究[J].开放教育研究， 2015（1）：71-79.

[18] 尹斌亮.学习分析技术在网络化学习中应用的效果研究[D].南昌大学， 2016.