学习分析在“中国大学MOOC”课程中应用的构建框架.docVIP

学习分析在“中国大学MOOC”课程中应用的构建框架 　　摘 要：中国大学已逐步开始建设并实现大规模开放在线课程的本土化，面对大数据的急剧增长，学习分析技术通过数据整理、信息加工、知识转换、智慧调整四个流程，实现了将巨大的数据资源转换为有用的知识与信息资源。本研究探讨了学习分析技术的构成，提出了一个基于中国大学MOOC的学习分析系统框架，并给出了相应的应用设计，指出学习分析技术将在教育领域应用中有着无限的潜力和待挖掘空间。 　　关键词：学习分析技术；大数据；中国大学MOOC；本土化 　　中图分类号：G434 文献标志码：A 文章编号：1673-8454（2016）05-0004-04 　　一、提出问题 　　过去的几十年里，各领域都出现了大规模的数据增长，如：最近快速发展起来的大规模开放在线课程MOOC（Massive Open Online Classes），数以万计学习群体的学习数据都将被实时互动的MOOC教学模式平台及时记录，产生各种结构化、非结构化和半结构化等数据类型，如何将巨大的数据资源转换为有用的知识与信息资源？这是当下亟待解决的问题，也是教育工作者、管理者和学习者们所关注的话题，学习分析技术是测量、收集、分析和报告有关学生及其学习环境的数据，用以理解和优化学习及其产生环境的技术，运用相应的学习分析技术对学习者的基本信息数据和学习数据进行分析可以更深入、具体地了解教师的学习行为，找出影响培训效果的因素，从而有效地监控、预测学习者的学习过程，给予学员以恰当的学习指导，提升培训效果。为进一步分析中国大学MOOC课程的学习情况，本研究旨在作为中国大学MOOC课程的学习者和研究者对如何把学习分析技术更好地应用到MOOC当中，进行探究。 　　二、学习分析及其系统构成 　　1.学习分析 　　最早的学习分析定义源于 EDUCAUSE的“下一代学习挑战”，其中将学习分析定义为“使用数据和模型预测学生收获和行为，具备处理这些信息的能力”[1]。很多学者也给出了不同的见解，加拿大阿塞巴斯卡大学的 G. Siemens 教授于 2012 年对相关定义进一步提炼之后提出：认为学习分析是“关于学习者以及他们的学习环境的数据测量、收集、分析和汇总呈现，目的是理解和优化学习以及学习情境”[2]，刘清堂教授认为“学习分析”（Learning Analytics）指大范围收集学生的学习数据并加以分析，从而评价学生的学习进度，预测其未来的学习表现，并查找潜在问题[3]。著名的《地平线报告》在2012版中将学习分析定义为：通过收集学生的大量数据进行分析，从而对其学习表现进行评价和预测，并发现潜在的问题[4]。本研究认为学习分析由数据整理、信息加工、知识转换、智慧调整四部分构成，如图1所示。 　　（1）数据整理：包括声音、图片、文字、邮件等各种结构化、非结构化和半结构化数据，乃至多媒体数据，并对数据进行筛选、搜集等。 　　（2）信息加工：通过各种技术、算法、教学理论等各种技术手段过滤、处理、加工和分析数据，表现为数据之间的联系。 　　（3）知识转换：提取有意义有价值的数据，转换为有用的知识和信息资源，强调数据转换知识。 　　（4）智慧调整：富有洞察力、综合分析能力，在了解各方面信息后，能够预测学习规律和学习行为的发生并采取行动进行干预。 　　可见，学习分析技术针对海量数据的搜集整理，采用不同的技术手段、分析方法、教学理论以可视化的方式解读数据，提取有价值的数据，从而发现学习规律，为其学习行为，教学模式，课程设计等方面提供及时反馈，促进有效学习。 　　2.学习分析系统的构成 　　学习分析系统集成了信息技术与教育信息化的深度融合，它实质上是一种数据化、支持各种技术、算法服务的信息系统，与大数据平台结合并使之转化为有价值信息的系统。通常比较完善的学习分析系统由信息库、在线支持服务系统、交互式测试系统、软件与校对工具、预测和干预引擎、监测系统等部分构成，并集成在统一的用户平台，如图2所示。学习分析系统的各个子系统具有不同的支持服务。 　　（1）信息库：提供学习者的所有数据与信息，以便于有哪些信誉好的足球投注网站与获得。 　　（2）在线学习支持服务系统：提供在线学习平台，高等教育相关课程，使用技能课程等的学习计划、题库、技能图谱等功能。 　　（3）交互式测试系统：提供自我控制、结构化及互动的学习方式，帮助学习者完成学习任务所需的知识和技能。 　　（4）软件与校对工具：帮助学习者完成特定任务，并进行校对，提供所需工具支持。 　　（5）监测系统：跟踪学习者观看视频、作业和讨论等学习行为表现，评价学习者的学习绩效。 　　（6）干预引擎：进行学习者进程追踪和自动化以及人工干预。 　　（7）预测引擎：综合来自学生信息的统计学数据和学生信息库的学习行