基于回归分析的“预警模型”构建研究..doc

基于学习分析技术的“预测模型”构建与实证研究 马杰，赵蔚，赵艳，李伟 （东北师范大学 计算机科学与信息技术学院，长春 130117 摘要：随着教育信息化的不断深入及“大数据”时代的到来，学习分析技术逐渐成为人们关注的热点。挖掘教育数据背后的知识，优化教学效果成为教育者的共同诉求。笔者采用文献分析法对国内外学习分析发展现状进行了梳理，在此基础上构建“预测模型”，并将该模型应用于实际教学中，对教育技术初级能力培训课程产生的相关数据进行分析，验证了该模型的可行性和有效性。期望为日后国内学习分析相关研究起到借鉴作用。 关键词：学习分析；预测模型；回归分析；挖掘 中图分类号：Ｇ434 文献标识码：A 一、引言 伴随着大数据时代的到来，数据挖掘、关联分析等技术已在Amazon、Netflix、乐天等电商网站上成功应用（business analytics）。将数据挖掘技术应用于教育领域，优化教学效果成为教育者的共同诉求。学习分析技术是数据挖掘技术在教育领域的具体体现，是利用先进的分析技术、分析工具预测学习结果、发现学习问题、进行教学干预、优化学习结果的一门先进技术。随着教育信息化的逐步发展，网络化学习方式的逐渐普及，高等教育机构虚拟学习环境（学习管理系统和课程管理系统等）建设的日趋成熟，都为学习分析技术的应用提供了物质条件。特别是MOOCs的全球化发展，更是为学习分析提供广泛的数据来源。同样，教学方式网络化、交互方式的多元化、教学过程的多样化都催生着学习分析技术的产生并促进其迅速发展。2012年2 月底，加拿大阿尔伯达省班芙市召开的首届学习分析技术与知识国际会议（International Conference On Learning Analytics Knowledge,简称LAK）[1]将学习分析(Learning Analytics)定义为：是测量、收集、分析和报告有关学生的学习行为以及学习环境的数据，用以理解和优化学习及其产生的环境的技术。LAK目前已经召开三届，第三届于今年4月份召开，会议的主题是“学习分析辩证法”。学习分析在国际上被称为是，自从学习管理系统(LMS)问世以来，教育技术大规模发展的第三次浪潮[2]。 美国新媒体联盟（NMC ）与美国高校教育信息化协会主动学习组织（The EDUCAUSE Learning Initiative）合作的“新媒体联盟地平线项目”（The New Media Consortium’s Horizon Report）连续三年在年度报告中预测基于数据的学习分析技术将在未来的2到3年内成为主流，并对学习分析技术在教学、学习、研究和知识生成等方面所具有的作用进行了分析，勾勒了其广泛的应用前景[3]。但目前国内学术界对于学习分析的研究仍不多，我国对学习分析的研究尚处于起步阶段 二、研究现状 （一） 国外学习分析研究现状 国外对学习分析的研究起步较早，并取得了一定的研究成果，进行了实证研究并积累一些研究数据。加拿大阿萨巴斯卡ngel F. Agudo-Peregrina[6]等人通过对交互类型进行分类，应用学习分析技术研究不同类型的交互与学生学业表现之间的关系。通过对6节在线课程和2节虚拟学习环境（VLE）支持的F2F课程数据进行分析，表明在不同的授课方式中，交互类型对学生学业表现影响程度也不同，在在线课程中不同类型的交互对学生学业表现都显示显著相关。而在VLE支持的F2F课程中却不是表现的十分相关。国外学者不但对学习分析技术进行了实证研究，而且在承担研究项目的同时开发出可以用于学习分析的工具、技术和应用程序等，加速了学习分析的发展。例如，由澳大利亚Wollongong大学承担的“学习网络可视化与评估项目[7]”，该项目是澳大利亚 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SNAAP。该软件可以从学习管理系统中收集学生的学习行为数据如在线时间、下载次数、完成评估数目等。从论坛中提取学习过程中的交流互动数据，如发表帖子数、邮件发送数等，以可视化的网络形式呈献给教师和学生。教师据此发现哪些学生没有在线、哪些学生没有参与学习，及时发现处于“危险”中的学生给与及时有效的教学干预。同时教师可以根据论坛的社交网络图谱特点有效地指导和重新设计学习共同体，使学生之间的交互多样化，学习共同体的成员异质化。学生则可以根据学习历程分析图谱确定自己的问题。美国马里兰大学巴尔的摩分校研发了配合 BlackBoard使用的Check my activity工具，该工具能够检查学习者在网络课程中的活动、在线时间和使用频率[8]。利用这些数据能够检查学习者的学习状态。学习者根据自身表现获得不同等级评价，同时学习者可以了解匿名同伴的学习程度，有助于帮助学生快