吳永和 程歌星 劉博文 朱麗娟 馬曉玲

(1.華東師范大學(xué) 教育學(xué)部 教育信息技術(shù)學(xué)系；2.華東師范大學(xué) 經(jīng)濟(jì)與管理學(xué)部 工商管理學(xué)院，上海 200062)

一、引言

2020年3月23-27日，由“學(xué)習(xí)分析研究協(xié)會(huì)”（Society for Learning Analytics Research，SoLAR）組織的“第十屆學(xué)習(xí)分析與知識(shí)國(guó)際會(huì)議”（LAK 2020）在線召開(kāi)。來(lái)自教育技術(shù)、計(jì)算機(jī)科學(xué)、數(shù)據(jù)挖掘等領(lǐng)域的研究者、從業(yè)者、相關(guān)教育工作者、領(lǐng)導(dǎo)、行政人員以及政府和行業(yè)的專業(yè)人員，共同交流和研討如何利用數(shù)據(jù)和分析來(lái)促進(jìn)學(xué)習(xí)。此次LAK 2020的主題為“LAK 十年：塑造領(lǐng)域的未來(lái)”，大會(huì)內(nèi)容重在梳理學(xué)習(xí)分析領(lǐng)域前十年取得的成就，并為未來(lái)十年的發(fā)展規(guī)劃路徑。

過(guò)去十年，在“學(xué)習(xí)分析研究協(xié)會(huì)”的組織和領(lǐng)導(dǎo)下，學(xué)習(xí)分析領(lǐng)域已取得了突飛猛進(jìn)的發(fā)展。LAK每年持續(xù)增長(zhǎng)的論文發(fā)表數(shù)量見(jiàn)證了學(xué)習(xí)分析研究熱度的穩(wěn)定增長(zhǎng)。研究表明，學(xué)習(xí)分析領(lǐng)域的相關(guān)研究人員重點(diǎn)關(guān)注的研究選題依次為：預(yù)測(cè)和描述分析、參與模式和資源使用、多模態(tài)學(xué)習(xí)分析和合作學(xué)習(xí)、知識(shí)與技能建模、推薦系統(tǒng)和學(xué)習(xí)分析應(yīng)用、教學(xué)影響和學(xué)習(xí)實(shí)踐、閱讀和寫作分析、MOOCs 和社會(huì)學(xué)習(xí)、學(xué)習(xí)評(píng)估、基于游戲的學(xué)習(xí)和學(xué)習(xí)策略、情感建模[1]。這些研究極大豐富了學(xué)習(xí)分析學(xué)的內(nèi)涵。

在慶祝LAK 過(guò)去十年所取得成就的同時(shí)，我們也非常清楚，學(xué)習(xí)分析領(lǐng)域固有的跨學(xué)科性質(zhì)，以及它所具有的多元理論和方法論立場(chǎng)，在未來(lái)將面臨更大的挑戰(zhàn)。為此，瑞安·貝克（Ryan Baker）在LAK 2019 主題報(bào)告中介著重紹了學(xué)習(xí)分析研究的六大挑戰(zhàn)（見(jiàn)表1），這些挑戰(zhàn)被界定為具有明確定義的成功標(biāo)準(zhǔn)問(wèn)題。例如，在LAK 2020 中,佩拉內(nèi)克（Pelánek）[2]探討了學(xué)習(xí)分析領(lǐng)域未來(lái)發(fā)展的三個(gè)重要挑戰(zhàn)：（1）解決學(xué)習(xí)環(huán)境中固有的權(quán)衡問(wèn)題（Trade-offs）；（2）系統(tǒng)開(kāi)發(fā)的可擴(kuò)展性（Scalability）；（3）解釋方法論問(wèn)題（Methodology）。首先，他認(rèn)為學(xué)習(xí)系統(tǒng)（和一般教育）的發(fā)展面臨許多權(quán)衡問(wèn)題，比如，對(duì)模型一方面的“改進(jìn)”將有可能導(dǎo)致另一方面的“惡化”，這些權(quán)衡問(wèn)題通常沒(méi)有所謂“正確”的解決方案；其次，他認(rèn)為當(dāng)前的研究已從實(shí)驗(yàn)室研究擴(kuò)展到實(shí)際采用，還需要進(jìn)一步解決系統(tǒng)開(kāi)發(fā)的可擴(kuò)展性問(wèn)題，特別是技術(shù)的計(jì)算效率問(wèn)題；最后，研究者試圖通過(guò)提供現(xiàn)成的數(shù)據(jù)分析解決方案來(lái)促進(jìn)研究，但讀者卻難以從中獲取實(shí)現(xiàn)該實(shí)驗(yàn)方法的細(xì)節(jié)。例如，對(duì)數(shù)據(jù)訓(xùn)練集和測(cè)試測(cè)試集的分層方法等，因此，詳細(xì)的方法介紹就顯得尤為重要。

表1 學(xué)習(xí)分析研究六大挑戰(zhàn)及解釋

二、主題報(bào)告

本次會(huì)議邀請(qǐng)兩位專家：來(lái)自南澳大利亞大學(xué)（University of South Australia）的肖恩·道森教授以及英國(guó)倫敦經(jīng)濟(jì)和政治科學(xué)學(xué)院（London School of Economics and Political Science）的米蓮娜·茨維特科娃教授，分別報(bào)告了過(guò)去十年學(xué)習(xí)分析的研究成果及未來(lái)發(fā)展、群體學(xué)習(xí)分析的重要性及進(jìn)展。

（一）主題報(bào)告1：學(xué)習(xí)分析——一個(gè)處于相關(guān)性邊緣的領(lǐng)域？（Learning Analytics：A Field on the Verge of Relevance?）

肖恩·道森（Shane Dawson）教授在報(bào)告中總結(jié)了LAK 由最初推進(jìn)學(xué)習(xí)科學(xué)發(fā)展的小型聚會(huì)，發(fā)展成為影響深遠(yuǎn)的學(xué)習(xí)分析領(lǐng)域，并引起眾多教育研究者和實(shí)踐者廣泛關(guān)注的國(guó)際學(xué)術(shù)會(huì)議的歷程。他在報(bào)告中評(píng)估了迄今為止該領(lǐng)域的主要成就，包括研究人員解決的那些問(wèn)題及其產(chǎn)生的影響。并在此基礎(chǔ)上提出：（1）隨著公平、隱私、道德、機(jī)器學(xué)習(xí)和人工智能成為領(lǐng)域關(guān)注的主要研究話題，社會(huì)和研究人員需要重新評(píng)估數(shù)據(jù)的作用，未來(lái)應(yīng)繼續(xù)探索數(shù)據(jù)扮演的重要角色；（2）學(xué)習(xí)分析的可持續(xù)發(fā)展及長(zhǎng)久影響將取決于該領(lǐng)域如何處理不同觀點(diǎn)，同時(shí)保持對(duì)學(xué)習(xí)和知識(shí)過(guò)程等觀點(diǎn)的科學(xué)性；（3）隨著基于學(xué)習(xí)分析的研究、新學(xué)位項(xiàng)目和學(xué)習(xí)分析技術(shù)商業(yè)化的發(fā)展，學(xué)習(xí)分析領(lǐng)域的影響力將持繼從實(shí)驗(yàn)室環(huán)境擴(kuò)展到教室和社會(huì)。在這個(gè)轉(zhuǎn)變過(guò)程中，LAK 應(yīng)該探索研究者扮演的角色，特別是在預(yù)測(cè)和應(yīng)對(duì)公眾對(duì)教育數(shù)據(jù)可能存在的錯(cuò)誤信息和誤解方面，而“學(xué)習(xí)分析研究協(xié)會(huì)”主管在內(nèi)的領(lǐng)導(dǎo)層應(yīng)發(fā)揮主體作用。

（二）主題報(bào)告2：群體學(xué)習(xí)分析（Group Learning Analytics）

米蓮娜·茨維特科娃（Milena Tsvetkova）教授利用基于網(wǎng)絡(luò)的大規(guī)模社會(huì)交互實(shí)驗(yàn)、在線數(shù)據(jù)分析和基于代理的建模，來(lái)分析社會(huì)現(xiàn)象。她指出，學(xué)習(xí)分析和機(jī)器學(xué)習(xí)的相關(guān)研究大多以個(gè)人作為分析的基本單位。然而，無(wú)論是在傳統(tǒng)的課堂環(huán)境中還是在在線學(xué)習(xí)中，學(xué)習(xí)都嵌入在由社交網(wǎng)絡(luò)構(gòu)成的群體交互之中。群體效應(yīng)公認(rèn)的影響因素有：群體的規(guī)模及組成、群體的結(jié)構(gòu)、群體協(xié)作交流的網(wǎng)絡(luò)結(jié)構(gòu)及合作、其他激勵(lì)措施。這些因素都會(huì)影響到個(gè)人的感知、行為和結(jié)果。此外，她認(rèn)為群體結(jié)果也很重要。例如，群體在課程中參與和學(xué)習(xí)情況的整體分布與個(gè)人平均水平同樣重要。然而，群體分析也面臨新的方法論層面的挑戰(zhàn)，包括收集數(shù)據(jù)、減少數(shù)據(jù)異質(zhì)性和解決觀測(cè)的非獨(dú)立性。最后，米蓮娜·茨維特科娃教授驗(yàn)證了群體層面的分析能夠提供有價(jià)值的研究成果這個(gè)結(jié)論。

三、主要內(nèi)容分析

本次會(huì)議共收錄論文80 篇，其中長(zhǎng)論文50 篇，短論文30 篇，根據(jù)對(duì)會(huì)議論文關(guān)鍵詞的分析，本次會(huì)議論文主題涵蓋了學(xué)習(xí)分析領(lǐng)域的各個(gè)方面，其中以“學(xué)習(xí)分析工具的使用”與“教學(xué)/學(xué)習(xí)設(shè)計(jì)”專題為主，廣泛關(guān)注學(xué)習(xí)分析基礎(chǔ)設(shè)施、學(xué)習(xí)分析應(yīng)用、風(fēng)險(xiǎn)預(yù)測(cè)及決策支持、評(píng)估與反饋、學(xué)習(xí)分析可視化等方向。特別是今年新增的幾個(gè)會(huì)議專題，凸顯了學(xué)習(xí)分析領(lǐng)域的新發(fā)展，包括：新用途、新領(lǐng)域、新方法。

（一）理解學(xué)習(xí)

1.認(rèn)知心理學(xué)（Cognitive Psychology）

認(rèn)知心理學(xué)是關(guān)于個(gè)體如何感知、學(xué)習(xí)、記憶與組織信息的學(xué)科，研究個(gè)體對(duì)知識(shí)獲取、存儲(chǔ)、提取的運(yùn)作機(jī)制[3]。學(xué)習(xí)分析關(guān)注學(xué)生的學(xué)習(xí)過(guò)程表現(xiàn)，同時(shí)探究在認(rèn)知、情緒及社會(huì)等因素影響下學(xué)生問(wèn)題解決能力的發(fā)展，這需要建立心理模型與理論，可以說(shuō)，學(xué)習(xí)分析研究離不開(kāi)認(rèn)知心理學(xué)的理論基礎(chǔ)。

問(wèn)題解決能力對(duì)于學(xué)生來(lái)說(shuō)是一種必需但又難以掌握的能力。先前的研究表明，研究者可以利用數(shù)據(jù)追蹤來(lái)測(cè)量隱藏在學(xué)習(xí)活動(dòng)之下的隱性認(rèn)知過(guò)程。如，佩弗（Peffer）等[4]利用K-means 和特征選擇的統(tǒng)計(jì)方法，探究學(xué)習(xí)者在問(wèn)題解決過(guò)程中表現(xiàn)出來(lái)的行為模式。該研究結(jié)果發(fā)現(xiàn)：為解決問(wèn)題連續(xù)執(zhí)行多個(gè)元認(rèn)知步驟（如，監(jiān)督、檢查、計(jì)劃）或參與執(zhí)行步驟（如，使用信息、畫(huà)圖、重述過(guò)程）的學(xué)生，在期末評(píng)估中表現(xiàn)更好。西特林格（Seitlinger）等[5]借鑒數(shù)學(xué)心理學(xué)中的模型，開(kāi)發(fā)了用于在研究性學(xué)習(xí)環(huán)境中學(xué)習(xí)分析解決方案的認(rèn)知模塊，該解決方案可以監(jiān)控和評(píng)估學(xué)習(xí)者自我導(dǎo)向?qū)W習(xí)活動(dòng)中涉及的心理能力。最后，該模型預(yù)測(cè)學(xué)生的高精度形成新概念方面的認(rèn)知能力將會(huì)普遍提升。

2.自我調(diào)節(jié)學(xué)習(xí)（Self-regulated Learning）

自我調(diào)節(jié)學(xué)習(xí)（SRL）可以預(yù)測(cè)學(xué)習(xí)者的學(xué)習(xí)成績(jī)，因此，在助力學(xué)習(xí)者發(fā)展并完善自我調(diào)節(jié)學(xué)習(xí)能力的過(guò)程中，學(xué)習(xí)分析至關(guān)重要，其甚至可以通過(guò)改變學(xué)習(xí)支持的方式來(lái)改進(jìn)學(xué)習(xí)實(shí)踐。為此，維伯格（Viberg）等[6]基于2011-2019年期間發(fā)表的54 篇關(guān)于在線學(xué)習(xí)環(huán)境中自我調(diào)節(jié)學(xué)習(xí)的實(shí)證論文，探究學(xué)習(xí)分析在在線學(xué)習(xí)環(huán)境中測(cè)量和支持學(xué)習(xí)者自我調(diào)節(jié)學(xué)習(xí)的應(yīng)用情況。結(jié)果表明，當(dāng)前研究主要是為了測(cè)量而非支持自我調(diào)節(jié)學(xué)習(xí)。因此，迫切需要進(jìn)一步探索，以便有效利用自我調(diào)節(jié)學(xué)習(xí)，來(lái)培養(yǎng)學(xué)習(xí)者在在線學(xué)習(xí)環(huán)境中的自我調(diào)節(jié)學(xué)習(xí)能力。

在在線或數(shù)字媒介教育中，自我調(diào)節(jié)學(xué)習(xí)框架常被用于評(píng)估和理解學(xué)習(xí)者的認(rèn)知及實(shí)踐與學(xué)習(xí)成績(jī)之間的關(guān)系[7]。然而，在大規(guī)模在線開(kāi)放課程（MOOCs）實(shí)踐應(yīng)用的背景下，對(duì)自動(dòng)檢測(cè)策略與心理結(jié)構(gòu)之間關(guān)系的研究仍存在空白?，敳椋∕atcha）等[8]采用過(guò)程挖掘與序列挖掘技術(shù)相結(jié)合的分析方法，探索從MOOCs 平臺(tái)檢測(cè)到的學(xué)習(xí)策略與學(xué)習(xí)成績(jī)和“大五人格”特質(zhì)（Big Five Personality）之間的關(guān)聯(lián)。研究發(fā)現(xiàn)，挖掘到的四種學(xué)習(xí)策略：多樣化導(dǎo)向、視頻導(dǎo)向、評(píng)估導(dǎo)向、信息導(dǎo)向均是由嚴(yán)謹(jǐn)性、神經(jīng)質(zhì)和宜人性來(lái)預(yù)測(cè)，并且與學(xué)習(xí)成績(jī)相關(guān)。

3.社會(huì)學(xué)習(xí)（Social Learning）

在學(xué)習(xí)分析領(lǐng)域，研究者較早進(jìn)入了對(duì)數(shù)字學(xué)習(xí)環(huán)境中的社會(huì)互動(dòng)的分析研究，社會(huì)網(wǎng)絡(luò)分析已成為分析社交學(xué)習(xí)的主要分析工具。波克（Poquet）等[9]使用來(lái)自大型edX、MOOCs 論壇的學(xué)習(xí)者社交互動(dòng)數(shù)據(jù)，來(lái)檢驗(yàn)組間定位和人際定位這兩種網(wǎng)絡(luò)定位之間的關(guān)系。研究結(jié)果表明：組間和人際定位會(huì)捕獲社會(huì)學(xué)習(xí)的不同方面，這與不同的學(xué)習(xí)結(jié)果有關(guān)；同時(shí)，網(wǎng)絡(luò)協(xié)同進(jìn)化分析揭示了論壇網(wǎng)絡(luò)中群體間性和人際中心性存在相互依賴關(guān)系。在社會(huì)學(xué)習(xí)中，除探究個(gè)體在社會(huì)網(wǎng)絡(luò)中的定位之外，了解思想和觀點(diǎn)的傳遞過(guò)程，能夠幫助設(shè)計(jì)者和教育工作者更好地支持和指導(dǎo)協(xié)作學(xué)習(xí)活動(dòng)。派瑞（Peri）等[10]提出應(yīng)用生命周期的概念框架來(lái)衡量個(gè)人在公共社會(huì)空間的參與方式。為了驗(yàn)證框架的合理性，他們?cè)趯W(xué)術(shù)會(huì)議中，使用個(gè)人發(fā)帖的方式對(duì)twitter 上的社會(huì)參與程度進(jìn)行了調(diào)查。在這個(gè)研究中，他們將個(gè)人參與和社會(huì)參與聯(lián)系起來(lái)，來(lái)探究社會(huì)交互中思想表達(dá)、傳播和進(jìn)化的過(guò)程。

（二）設(shè)計(jì)學(xué)習(xí)

1.學(xué)習(xí)方法與設(shè)計(jì)

（1）學(xué)習(xí)方法（Learning Approaches）。學(xué)習(xí)方法是一種與認(rèn)知心理相關(guān)的隱形結(jié)構(gòu)，可外在表現(xiàn)為一種動(dòng)態(tài)現(xiàn)象，并因許多變量（如，主題、任務(wù)難度等）而異。因此，學(xué)習(xí)者在在線學(xué)習(xí)環(huán)境中的學(xué)習(xí)痕跡（可觀察到的行為），可被用于理解學(xué)習(xí)者的認(rèn)知和元認(rèn)知策略、學(xué)習(xí)策略和學(xué)習(xí)模式等。例如，阿卡珀納爾（Ak?ap1nar）等[11]基于理論驅(qū)動(dòng)與數(shù)據(jù)驅(qū)動(dòng)方法，利用電子教科書(shū)（電子書(shū)）系統(tǒng)收集的日志，來(lái)分析學(xué)習(xí)者的學(xué)習(xí)方法。結(jié)果表明，學(xué)習(xí)方法可分為三個(gè)類別：深度學(xué)習(xí)方法、策略性學(xué)習(xí)方法和淺層學(xué)習(xí)方法，采用深度學(xué)習(xí)方法的學(xué)習(xí)者更有可能取得好成績(jī)。目前，大學(xué)收集到的學(xué)生的海量學(xué)習(xí)數(shù)據(jù)，可用于支持將面臨學(xué)業(yè)失敗風(fēng)險(xiǎn)的學(xué)生。庫(kù)孜勒克（Kuzilek）等[12]認(rèn)為，考試規(guī)劃是學(xué)生需要學(xué)習(xí)的最重要的能力之一。他的團(tuán)隊(duì)挑選了153 名考試成功的學(xué)生，提取基于考試過(guò)程的考試序列，構(gòu)建了“分層”馬爾可夫鏈概率模型，旨在探索獲得考試成功的學(xué)生的考試路徑和策略。

自適應(yīng)學(xué)習(xí)系統(tǒng)能夠識(shí)別出不同學(xué)習(xí)者的能力水平，根據(jù)學(xué)習(xí)者的學(xué)習(xí)能力調(diào)整任務(wù)難度，并為之提供了個(gè)性化學(xué)習(xí)服務(wù)。法迪耶維奇（Fadljevic＇）等[13]為此分析了11-15 歲年齡段的學(xué)習(xí)者在自適應(yīng)數(shù)字學(xué)習(xí)環(huán)境中的時(shí)間行為，研究完成學(xué)習(xí)花費(fèi)的時(shí)間（勤奮程度）與學(xué)習(xí)績(jī)效之間的相關(guān)性。結(jié)果表明，學(xué)習(xí)者給自己閱讀和執(zhí)行任務(wù)的時(shí)間越多，他們的整體表現(xiàn)性就越好。這些結(jié)果在更廣泛的層面上揭示了在個(gè)性化學(xué)習(xí)系統(tǒng)存在的情況下，學(xué)習(xí)策略對(duì)學(xué)習(xí)績(jī)效的必要性。

（2）學(xué)習(xí)設(shè)計(jì)（Learning Design）。研究者認(rèn)為，為了使學(xué)習(xí)設(shè)計(jì)的學(xué)習(xí)分析達(dá)到支持理解學(xué)習(xí)和優(yōu)化學(xué)習(xí)環(huán)境的雙重目的，必須使用兼顧這兩個(gè)方面的策略來(lái)開(kāi)發(fā)它們。威利（Wiley）等[14]借鑒學(xué)習(xí)分析實(shí)施設(shè)計(jì)（LADE）和知識(shí)整合（KI）教學(xué)框架的原則，開(kāi)發(fā)面向教師的學(xué)習(xí)分析服務(wù)，以改進(jìn)中學(xué)探究科學(xué)單元的學(xué)習(xí)設(shè)計(jì)。此外，他們還借鑒了協(xié)調(diào)學(xué)習(xí)分析框架的原則，以吸引利益相關(guān)者（即教師、研究人員和開(kāi)發(fā)人員）共同參與設(shè)計(jì)。這項(xiàng)研究從理論上證明了為學(xué)習(xí)設(shè)計(jì)開(kāi)發(fā)和評(píng)估學(xué)習(xí)分析的各個(gè)方面的基礎(chǔ)價(jià)值和重要性。

惠特洛克-溫賴特（Whitelock-Wainwright）等[15]提出使用網(wǎng)絡(luò)分析方法，探索混合學(xué)習(xí)設(shè)計(jì)中的學(xué)科差異。他們利用澳大利亞一所高等教育機(jī)構(gòu)四年來(lái)的數(shù)據(jù)，通過(guò)分析物理空間和在線空間中的學(xué)習(xí)活動(dòng)數(shù)據(jù)，來(lái)研究混合學(xué)習(xí)環(huán)境中的學(xué)習(xí)設(shè)計(jì)。他們認(rèn)為，混合學(xué)習(xí)中的在線學(xué)習(xí)對(duì)應(yīng)用學(xué)科更有利，因?yàn)閷W(xué)生可以通過(guò)虛擬環(huán)境、虛擬病人和模擬，獲得應(yīng)用實(shí)踐。相比之下，非工科（Non-STEM）學(xué)科在本質(zhì)上更需要高質(zhì)量的面對(duì)面交流，來(lái)培養(yǎng)學(xué)生對(duì)復(fù)雜話題的理解。

2.學(xué)習(xí)分析設(shè)計(jì)

有意義地參與學(xué)習(xí)分析工具設(shè)計(jì)是學(xué)習(xí)分析研究中的一項(xiàng)富有挑戰(zhàn)性的工作，讓教師參與對(duì)技術(shù)增強(qiáng)學(xué)習(xí)環(huán)境的設(shè)計(jì)，是彌合研究與實(shí)踐之間差距的一種有效方法。米科斯（Michos）等[16]以美國(guó)和西班牙的兩個(gè)研究項(xiàng)目為背景，介紹了兩個(gè)案例研究，旨在通過(guò)專業(yè)發(fā)展計(jì)劃，讓教師參與學(xué)習(xí)分析工具的共同設(shè)計(jì)。總結(jié)跨案例分析的結(jié)果得出了教師驅(qū)動(dòng)學(xué)習(xí)發(fā)展的相同點(diǎn)、不同點(diǎn)和啟示。維佐利（Vezzoli）等[17]提供了一個(gè)詳細(xì)的案例研究，描述了在現(xiàn)有的學(xué)習(xí)游戲背景下的一種協(xié)同式學(xué)習(xí)分析設(shè)計(jì)方法。從方法角度考慮，他們?yōu)槠渌信d趣采用共同設(shè)計(jì)方法和工具（如，靈感卡）的學(xué)習(xí)分析研究人員提供可參考的經(jīng)驗(yàn)。

學(xué)習(xí)分析對(duì)象需要從僅記錄活動(dòng)痕跡等低極數(shù)據(jù)，轉(zhuǎn)向教育者和學(xué)生都能夠理解的具有教育意義的高階數(shù)據(jù)。普雷斯蒂賈科莫（Prestigiacomo）等[18]為設(shè)計(jì)師和研究人員提供了一種以人為中心的方法，使他們能夠通過(guò)“半透明”（Translucence）的可見(jiàn)性、意識(shí)和責(zé)任感這三個(gè)關(guān)鍵原則，更深入地了解特定教師群體是如何談?wù)撍麄兊臄?shù)據(jù)需求。該方法包括三個(gè)步驟：（1）發(fā)散性思維階段，引發(fā)對(duì)當(dāng)前和潛在循證實(shí)踐的反思；（2）收斂階段，縮小設(shè)計(jì)空間并優(yōu)先考慮想法；（3）直接促使利益相關(guān)者思考，如何從高階教育結(jié)構(gòu)和學(xué)習(xí)分析系統(tǒng)提供的證據(jù)，來(lái)促進(jìn)學(xué)習(xí)者的責(zé)任感。他指出這些方法的順序和具體實(shí)施方式，應(yīng)根據(jù)學(xué)習(xí)環(huán)境和設(shè)計(jì)目標(biāo)的特殊性進(jìn)行調(diào)整。

（三）計(jì)算與追蹤學(xué)習(xí)

1.學(xué)習(xí)分析方法

過(guò)去十年，隨著學(xué)習(xí)分析領(lǐng)域的不斷發(fā)展與計(jì)算機(jī)、人工智能、大數(shù)據(jù)等技術(shù)的進(jìn)步，學(xué)習(xí)分析方法逐步從傳統(tǒng)的、單一的、靜態(tài)的模式轉(zhuǎn)變?yōu)椴粩鄤?chuàng)新的、整合的、動(dòng)態(tài)的模式。主要模式包括基于自然語(yǔ)言處理的文本分析、視頻分析、多模態(tài)分析等。

2018年5月，《學(xué)習(xí)分析雜志》（Journal of Learning Analytics）發(fā)表了一期特刊①詳見(jiàn)https://epress.lib.uts.edu.au/journals/index.php/JLA/issue/view/443。，探討“學(xué)習(xí)分析中的方法選擇”，其中有幾篇文章討論了模型的可靠性問(wèn)題。對(duì)此，艾根（Eagan）等[19]認(rèn)為，當(dāng)前多數(shù)模型忽略了評(píng)分者間信度（IRR），介于任何模型的可靠性取決于模型輸入的可靠性，而模型輸入由數(shù)據(jù)編碼組成。因此有理由認(rèn)為，關(guān)于編碼可靠性的方法論問(wèn)題是學(xué)習(xí)分析領(lǐng)域的重要考慮因素。尼梅杰（Niemeijer）等[20]認(rèn)為，教育測(cè)試通常是針對(duì)單個(gè)評(píng)估模塊分別進(jìn)行，這使得研究人員很難將這些結(jié)果組合成一個(gè)統(tǒng)一的供學(xué)校選擇的建議。為此，他和團(tuán)隊(duì)基于荷蘭學(xué)生監(jiān)測(cè)系統(tǒng)的數(shù)據(jù)，收集多種技能的測(cè)試結(jié)果，來(lái)跟蹤學(xué)生幾年來(lái)的教育進(jìn)展，借鑒特定領(lǐng)域的項(xiàng)目響應(yīng)理論(IRT)模型，將多個(gè)測(cè)試結(jié)果整合起來(lái)，形成對(duì)學(xué)生的整體評(píng)估，以幫助學(xué)生做出重要的教育決策。

（1）文本分析（Text Analytics）。隨著自然語(yǔ)言處理技術(shù)的發(fā)展，教育者和研究者對(duì)分析學(xué)習(xí)者學(xué)習(xí)過(guò)程中形成的文本產(chǎn)生了關(guān)注。通過(guò)對(duì)文本的深入挖掘和分析，他們從多角度理解和支持學(xué)習(xí)，更有效地發(fā)現(xiàn)學(xué)習(xí)規(guī)律。蓋勒（Geller）等[21]利用學(xué)習(xí)者在在線課程論壇上使用的預(yù)定義標(biāo)記，開(kāi)發(fā)了一種新的方法來(lái)檢測(cè)學(xué)生對(duì)課程材料的困惑。驗(yàn)證發(fā)現(xiàn)，檢測(cè)結(jié)果與教師的判斷一致。榮（Jung）等[22]通過(guò)開(kāi)發(fā)一個(gè)多維自動(dòng)評(píng)估來(lái)解決衛(wèi)生職業(yè)教育中難以開(kāi)展大規(guī)模反思性評(píng)價(jià)的問(wèn)題，他們對(duì)369 名牙科學(xué)生的1500 次反思文本進(jìn)行了人工編碼，應(yīng)用單標(biāo)簽和多標(biāo)簽分類方法的LIWC 工具，對(duì)提取的語(yǔ)言特征進(jìn)行了測(cè)試。研究結(jié)果表明，在衛(wèi)生專業(yè)教育中實(shí)施多層次自動(dòng)化評(píng)估是可行的。巴博薩（Barbosa）等[23]研究了在線討論信息的跨語(yǔ)言自動(dòng)分類的認(rèn)知存在水平。具體來(lái)說(shuō)，他們使用英語(yǔ)討論信息語(yǔ)料庫(kù)上訓(xùn)練的分類器，對(duì)葡萄牙語(yǔ)討論信息進(jìn)行了分類。研究表明，認(rèn)知結(jié)構(gòu)的可高度概括性，使其可在不同的語(yǔ)言間傳遞。

（2）視頻分析（Video Analytics）。視頻正在成為提供教育材料的主要媒介，隨著眼動(dòng)、姿勢(shì)識(shí)別等技術(shù)的發(fā)展與成熟，視頻分析獲得了足夠的技術(shù)支持。朗（Lang）等[24]通過(guò)實(shí)驗(yàn)設(shè)計(jì)，探討了視頻播放速度與學(xué)生學(xué)習(xí)結(jié)果的關(guān)系。結(jié)果發(fā)現(xiàn)，選擇加速播放內(nèi)容的學(xué)生更有可能取得好成績(jī)，并能夠嘗試更多的課程內(nèi)容，獲得更多的證書(shū)。斯利瓦斯塔瓦（Srivastava）等[25]提出了一種基于計(jì)算機(jī)視覺(jué)和圖像處理技術(shù)，能自動(dòng)提取不同區(qū)域面部溫度的完整流程。他們通過(guò)熱成像相機(jī)，對(duì)學(xué)生觀看視頻過(guò)程進(jìn)行了持續(xù)實(shí)時(shí)監(jiān)測(cè)，結(jié)合學(xué)生的主觀反饋，探究使用熱式攝影機(jī)，用于評(píng)估學(xué)生觀看不同風(fēng)格的視頻課程時(shí)的認(rèn)知負(fù)荷，并揭示熱成像測(cè)量與認(rèn)知負(fù)荷之間的關(guān)系。

（3）多模態(tài)學(xué)習(xí)分析（Multi-modal Learning Analytics）。當(dāng)前，多模態(tài)學(xué)習(xí)分析已經(jīng)受到研究者的廣泛關(guān)注，其利用多模態(tài)數(shù)據(jù)（學(xué)習(xí)體征數(shù)據(jù)、人機(jī)交互數(shù)據(jù)、學(xué)習(xí)資源數(shù)據(jù)和學(xué)習(xí)情境數(shù)據(jù)），對(duì)復(fù)雜環(huán)境下的學(xué)習(xí)行為進(jìn)行分析予以優(yōu)化學(xué)習(xí)體驗(yàn)。夏爾馬（Sharma）等[26]提出了一種自適應(yīng)評(píng)估環(huán)境下的學(xué)習(xí)者任務(wù)努力分類方法。具體來(lái)說(shuō)，他們?cè)谧赃m應(yīng)自我評(píng)估活動(dòng)中，通過(guò)使用學(xué)習(xí)日志和生理數(shù)據(jù)（即，眼睛跟蹤、腦電圖、腕帶和面部表情），捕捉32 名學(xué)生的行為模式，選擇使用隱馬爾可夫模型（HMMs）和維特比（Viterbi）組合算法，預(yù)測(cè)學(xué)生即將完成的任務(wù)的努力。最后，他們與支持向量機(jī)、隨機(jī)森林進(jìn)行了比較，結(jié)果表明，HMMs 在探究行為和學(xué)生努力之間的關(guān)系方面更有效。

傳感技術(shù)的應(yīng)用為分析學(xué)生的行為，提供了前所未有的海量數(shù)據(jù)。阿布拉漢森（Abrahamson）及其同事開(kāi)發(fā)了“比例的數(shù)學(xué)圖像訓(xùn)練（MIT-P）”具身學(xué)習(xí)平臺(tái)，它使用觸摸屏來(lái)幫助學(xué)生探索數(shù)學(xué)比例的概念?；跉W（Ou）等[27]對(duì)傳感器及平臺(tái)捕捉到的活動(dòng)的屏幕記錄、參與者的手移動(dòng)數(shù)據(jù)、滾動(dòng)條高度坐標(biāo)、眼動(dòng)數(shù)據(jù)和訪談時(shí)的音頻數(shù)據(jù)，進(jìn)行定量與定性分析，揭示了學(xué)生行為序列中存在階段性（初始階段、中間階段、后期階段），并了解學(xué)生之間存在其他難以用定性分析發(fā)現(xiàn)的階段轉(zhuǎn)換模式。

2.學(xué)習(xí)分析場(chǎng)景追蹤

（1）MOOCs（Massive Open Online Courses）。MOOCs平臺(tái)能收集學(xué)習(xí)者連續(xù)的追蹤數(shù)據(jù)流，學(xué)習(xí)分析研究人員使用這些數(shù)據(jù)流進(jìn)行探索性分析及評(píng)估并提出干預(yù)措施。為減輕數(shù)據(jù)處理的負(fù)擔(dān)，許多研究者開(kāi)發(fā)了開(kāi)源工具。托雷（Torre）等[28]介紹了基于瀏覽器的edX日志文件分析工具ELAT（無(wú)安裝成本），它可保持?jǐn)?shù)據(jù)的本地性（不需要服務(wù)器，具有隱私性的學(xué)習(xí)者數(shù)據(jù)不會(huì)發(fā)送到任何地方）并將edX 數(shù)據(jù)轉(zhuǎn)儲(chǔ)作為輸入。ELAT 不僅能夠處理原始數(shù)據(jù)，還可生成語(yǔ)義上的平均單元（學(xué)習(xí)者會(huì)話而不是單擊事件），這些單元通過(guò)各種方式（學(xué)習(xí)路徑、論壇參與、視頻觀看序列）實(shí)現(xiàn)可視化。亞歷山大（Alexandron）等[29]與來(lái)自世界各地的13 家MOOC 平臺(tái)進(jìn)行合作，運(yùn)用多平臺(tái)的方法對(duì)數(shù)百萬(wàn)學(xué)習(xí)者的數(shù)據(jù)進(jìn)行聯(lián)合及比較分析。

（2）混合學(xué)習(xí)（Blended Learning）?；旌蠈W(xué)習(xí)模式可提供更多的時(shí)間來(lái)進(jìn)行必要的師生互動(dòng)，因而在當(dāng)前學(xué)習(xí)環(huán)境中的應(yīng)用越來(lái)越廣泛。謝爾（Sher）等[30]以混合課程為研究對(duì)象，分析學(xué)生在線學(xué)習(xí)習(xí)慣的一致性與學(xué)習(xí)成績(jī)的關(guān)系。研究結(jié)果發(fā)現(xiàn)，學(xué)生有意義的聚類表現(xiàn)出相似的行為，并進(jìn)一步識(shí)別了三種不同的一致性模式：高度一致、漸進(jìn)一致和不一致的學(xué)生，還發(fā)現(xiàn)這些模式與學(xué)生的學(xué)習(xí)成績(jī)之間存在顯著關(guān)聯(lián)。與MOOC 相比，混合學(xué)習(xí)環(huán)境下的預(yù)測(cè)性學(xué)習(xí)分析研究仍然相對(duì)較少。哈拉克（Harrak）等[31]基于碩士級(jí)混合課程的日志數(shù)據(jù)，以完全基于在線模塊（一個(gè)小型私人在線課程）獲得的數(shù)據(jù)，來(lái)預(yù)測(cè)學(xué)生的成績(jī)，使用并比較了基于logistic 回歸和隨機(jī)森林的預(yù)測(cè)模型。分析表明，盡管數(shù)據(jù)有限，但仍然可在課程中途做出成功與失敗的預(yù)測(cè)。將來(lái)，該模型既可以用于預(yù)防失敗，也可以用于加強(qiáng)學(xué)生的積極學(xué)習(xí)行為。

（四）評(píng)估與改進(jìn)學(xué)習(xí)

1.評(píng)估與反饋

（1）學(xué)習(xí)策略挖掘（Mining Study Strategies）。隨著學(xué)習(xí)分析技術(shù)的發(fā)展，借助序列分析和過(guò)程挖掘的方法，對(duì)學(xué)生的行為跟蹤數(shù)據(jù)進(jìn)行分析，可以有效識(shí)別學(xué)生在學(xué)習(xí)過(guò)程中的學(xué)習(xí)策略，從而促進(jìn)學(xué)習(xí)成功。烏茲爾（Uzir）等[32]提出了一種從學(xué)生行為數(shù)據(jù)中挖掘?qū)W習(xí)策略的有效分析方法。他們利用該方法從482 名本科生的行為數(shù)據(jù)中，挖掘其所使用的學(xué)習(xí)策略。結(jié)果發(fā)現(xiàn)，學(xué)生體現(xiàn)出三種不同的時(shí)間管理模式（準(zhǔn)備和重新訪問(wèn)、混合、準(zhǔn)備），以及五種不同的學(xué)習(xí)策略使用模式（信息查看導(dǎo)向、測(cè)試導(dǎo)向、作業(yè)導(dǎo)向、閱讀和討論導(dǎo)向、課本和資源導(dǎo)向）。并通過(guò)差異檢驗(yàn)進(jìn)一步發(fā)現(xiàn)，學(xué)生對(duì)學(xué)習(xí)策略的有效使用和調(diào)節(jié)，會(huì)使得他們擁有更高的學(xué)業(yè)成就。

在自我調(diào)節(jié)學(xué)習(xí)理論的影響下，研究人員開(kāi)始將學(xué)習(xí)視為隨著時(shí)間的推移而不斷發(fā)展和變化的過(guò)程?；谧晕艺{(diào)節(jié)學(xué)習(xí)過(guò)程的微觀分類框架（目標(biāo)設(shè)定和制定計(jì)劃、任務(wù)處理、評(píng)價(jià)和反思），森特（Saint）等[33]使用簡(jiǎn)單頻率測(cè)量、認(rèn)知網(wǎng)絡(luò)分析、時(shí)間過(guò)程挖掘以及隨機(jī)過(guò)程，采用四種學(xué)習(xí)分析技術(shù)，對(duì)239 名計(jì)算機(jī)工程專業(yè)本科生的在線學(xué)習(xí)行為活動(dòng)進(jìn)行分析。研究發(fā)現(xiàn)，與所使用的四種分析方法中的任何一種方法相比，四種分析方法的組合能更好地表征自我調(diào)節(jié)學(xué)習(xí)行為，挖掘自我調(diào)節(jié)學(xué)習(xí)策略。

（2）測(cè)試和評(píng)估（Testing and Assessment）。為應(yīng)對(duì)評(píng)估有效性和項(xiàng)目開(kāi)發(fā)周期過(guò)長(zhǎng)的問(wèn)題，貝尼代托（Benedetto）等[34]提出了R2DE 模型（Regressor for Difficulty and Discrimination Estimation）。該模型基于自然語(yǔ)言處理技術(shù)，構(gòu)建了評(píng)估項(xiàng)目難度和區(qū)分度估計(jì)的回歸指標(biāo)，能夠通過(guò)查看評(píng)估問(wèn)題的文本和可能選項(xiàng)的文本，來(lái)評(píng)估新生成的多項(xiàng)選擇題。結(jié)果表明，該模型能夠以較低的不確定性來(lái)估計(jì)題目難度和區(qū)分度。

沙拉寧（Saarinen）等[35]將知識(shí)建模引入自適應(yīng)測(cè)試當(dāng)中，提出了一種自適應(yīng)測(cè)試評(píng)估框架，該框架圍繞數(shù)據(jù)效率和準(zhǔn)確性兩個(gè)方面進(jìn)行探究。同時(shí)，該研究提出了一種用于挖掘依賴關(guān)系進(jìn)行自適應(yīng)測(cè)試的快速算法，即定向項(xiàng)依賴和置信度閾值（Directed Item-Dependence And Confidence Thresholds），該算法執(zhí)行貝葉斯推理的受限形式（Restricted Form），可實(shí)現(xiàn)高準(zhǔn)確性和高數(shù)據(jù)效率，同時(shí)保證運(yùn)行時(shí)間短暫。該研究拓展了自適應(yīng)測(cè)試領(lǐng)域中對(duì)模型的使用，對(duì)于實(shí)現(xiàn)評(píng)估高準(zhǔn)確性和高效率尤其有用。

（3）提示和反饋（Prompts and Feedback）。提示學(xué)生用自己的話語(yǔ)來(lái)解釋所學(xué)內(nèi)容，對(duì)促進(jìn)學(xué)生的學(xué)習(xí)非常有益[36]。為了促進(jìn)學(xué)生的問(wèn)題解決，阿薩諾（Asano）等[37]將提示功能嵌入到在線編程作業(yè)中，以了解學(xué)生在解決編程問(wèn)題時(shí)的選擇提示，來(lái)解釋他們的所做的答案。通過(guò)實(shí)驗(yàn)發(fā)現(xiàn)，超過(guò)25%的學(xué)生會(huì)在提示時(shí)寫下自己的解釋。該研究分析了學(xué)生如何使用提示來(lái)進(jìn)行自我解釋，并為今后教育教學(xué)中提示的使用提供了參考。

反饋是幫助學(xué)生識(shí)別差距和評(píng)估自身學(xué)習(xí)進(jìn)度的關(guān)鍵要素[38]，高質(zhì)量的反饋可以幫助學(xué)生改善他們的學(xué)習(xí)行為和表現(xiàn)，增強(qiáng)學(xué)生的自我調(diào)節(jié)學(xué)習(xí)能力[39]。哈蒂（Hatty）等[40]將反饋分為四個(gè)層次，分別是：任務(wù)反饋、過(guò)程反饋、自我調(diào)節(jié)反饋以及自我水平反饋。隨著參與在線學(xué)習(xí)的學(xué)生人數(shù)的增加，教師提供高質(zhì)量的反饋信息成為一項(xiàng)挑戰(zhàn)?？ㄍ郀柨档伲–avalcanti）等[41]基于哈蒂和蒂莫利提出的反饋質(zhì)量層次框架，使用隨機(jī)森林分類器，構(gòu)建了一種對(duì)反饋文本的質(zhì)量進(jìn)行自動(dòng)分析的模型?；贚IWC 和Coh-Metrix 文本分析工具，提取反饋文本的特征，實(shí)驗(yàn)表明，該模型具有良好的表現(xiàn)，其準(zhǔn)確度達(dá)到87%，一致性系數(shù)（Cohen’s kappa）為0.39。

2.學(xué)習(xí)預(yù)測(cè)和推薦

（1）預(yù)測(cè)分析（Predictive Analytics）。對(duì)學(xué)生的學(xué)習(xí)進(jìn)行建模，并進(jìn)一步預(yù)測(cè)學(xué)生的學(xué)業(yè)表現(xiàn)是學(xué)習(xí)分析的重要任務(wù)，這可以提高在線學(xué)習(xí)平臺(tái)的留存率[42]。衛(wèi)（wei）等[43]基于學(xué)生的互動(dòng)特征和交互式問(wèn)題之間的相似性，將學(xué)生的鼠標(biāo)移動(dòng)軌跡用作預(yù)測(cè)學(xué)生表現(xiàn)的重要特征（如思考時(shí)間、首次嘗試和首次拖放），以描述學(xué)生解決問(wèn)題的細(xì)節(jié)。同時(shí)，該研究將異構(gòu)信息網(wǎng)絡(luò)用于整合學(xué)生在相似問(wèn)題上的歷史解決問(wèn)題信息，從而增強(qiáng)了學(xué)生對(duì)新問(wèn)題表現(xiàn)的預(yù)測(cè)。對(duì)學(xué)生學(xué)習(xí)過(guò)程的大數(shù)據(jù)收集是預(yù)測(cè)學(xué)生的學(xué)習(xí)行為和學(xué)習(xí)表現(xiàn)的重要保障。但由于存在數(shù)據(jù)隱私泄露的可能，越來(lái)越多的學(xué)者建議應(yīng)收集最少的數(shù)據(jù)量?；诖耍桑↙ang）等[44]提出了一種使用經(jīng)驗(yàn)貝葉斯的方法，來(lái)估計(jì)和測(cè)試評(píng)價(jià)指標(biāo)，從而實(shí)現(xiàn)數(shù)據(jù)收集簡(jiǎn)約性。結(jié)果表明：雖然該方法的有效實(shí)施還存在一些障礙，但是該研究提出的評(píng)價(jià)指標(biāo)（P(S)）在某些方面優(yōu)于其他指標(biāo)。

（2）智能導(dǎo)學(xué)與推薦（Intelligent Tutoring and Recommender）。近年來(lái)，智能導(dǎo)學(xué)系統(tǒng)成為使用學(xué)習(xí)者模型實(shí)時(shí)自適應(yīng)支持學(xué)生學(xué)習(xí)過(guò)程的重要工具[45]?；诖?，?？希‵aucon）等[46]提出了一個(gè)支持預(yù)測(cè)和模擬學(xué)生，對(duì)分類任務(wù)進(jìn)行歸類推理的模型。該方法使用貝葉斯模型，來(lái)描述學(xué)生的推理過(guò)程，通過(guò)考慮學(xué)生的特征偏差，來(lái)預(yù)測(cè)學(xué)生在分類問(wèn)題中的選擇。通過(guò)分析222 名學(xué)生的三個(gè)主題分類數(shù)據(jù)，結(jié)果表明，該模型具有75%的準(zhǔn)確性。教育推薦系統(tǒng)旨在向?qū)W生自適應(yīng)地推薦最能滿足其學(xué)習(xí)需求的各種個(gè)性化資源和活動(dòng)[47]，基于協(xié)同過(guò)濾的算法是目前常見(jiàn)的個(gè)性化推薦方法之一。對(duì)此，帕多斯（Pardos）等[48]基于課程目錄描述構(gòu)建一組推薦模型，并根據(jù)注冊(cè)歷史記錄（Course2vec）建立了另一組推薦模型。通過(guò)對(duì)70 名在線學(xué)習(xí)大學(xué)生進(jìn)行實(shí)證研究，將所提出模型與系統(tǒng)現(xiàn)有的基于遞歸神經(jīng)網(wǎng)絡(luò)（Recurrent Neural Networks）的推薦引擎進(jìn)行比較，結(jié)果表明，遞歸神經(jīng)網(wǎng)絡(luò)的推薦建議缺乏新穎性，難以滿足偶然性推薦的需求；而Course2vec 模型表現(xiàn)最佳。

（3）儀表盤與可視化（Dashboards and Visualisations）。學(xué)習(xí)分析儀表板是學(xué)習(xí)分析的核心之一，旨在使教育利益相關(guān)者更多地參與教育決策過(guò)程。學(xué)習(xí)分析儀表盤中的常見(jiàn)操作是“向下鉆取”（Drilldown），基于此，莎巴妮內(nèi)賈德（Shabaninejad）等[49]提出了一種向?qū)W習(xí)分析儀表盤用戶推薦深入“向下鉆取”標(biāo)準(zhǔn)的方法，來(lái)幫助他們有效使用學(xué)習(xí)分析儀表盤。為了實(shí)現(xiàn)個(gè)性化與可視化，莫琳娜（Molenaar）等[50]開(kāi)發(fā)了學(xué)習(xí)路徑應(yīng)用程序，用于支持學(xué)生的內(nèi)在學(xué)習(xí)調(diào)節(jié)過(guò)程。該個(gè)性化與可視化應(yīng)用程序基于三個(gè)核心要素開(kāi)發(fā)：自我調(diào)節(jié)學(xué)習(xí)理論基礎(chǔ)、跟蹤數(shù)據(jù)的使用以及為學(xué)生改善自我調(diào)節(jié)過(guò)程，為學(xué)生提供清晰可行的建議。對(duì)照實(shí)驗(yàn)結(jié)果表明：個(gè)性化及可視化可以有效改善學(xué)生的行為調(diào)節(jié)和學(xué)習(xí)。

（五）學(xué)習(xí)分析之“新”

學(xué)習(xí)分析的應(yīng)用越來(lái)越具有包容性，不僅探索教師教學(xué)、學(xué)生學(xué)習(xí)相關(guān)的行為，也逐漸深入到其他領(lǐng)域并廣泛應(yīng)用。LAK 2020 單列了學(xué)習(xí)分析領(lǐng)域的新用途、新領(lǐng)域和新方法三個(gè)專題，并從不同角度呈現(xiàn)了學(xué)習(xí)分析領(lǐng)域的新發(fā)展。

1.學(xué)習(xí)分析之“新用途”

目前，學(xué)習(xí)分析從關(guān)注單一學(xué)習(xí)者轉(zhuǎn)向?qū)W(xué)習(xí)者之間、學(xué)習(xí)群體以及人機(jī)交互的關(guān)注。此外，學(xué)習(xí)分析個(gè)性化支持服務(wù)也不僅局限于認(rèn)知因素的探索，對(duì)非認(rèn)知因素，如環(huán)境、情緒等方面的個(gè)性化服務(wù)的探索，也逐漸引起研究者的關(guān)注。凱姆（Kim）等[51]探索了社交機(jī)器人是否能幫助剛開(kāi)始上學(xué)的幼兒發(fā)展協(xié)作技能。他們采用案例研究法，探究一個(gè)機(jī)器人和兩個(gè)學(xué)習(xí)者三位一體的交互情況，其中學(xué)習(xí)者在共享平板上進(jìn)行對(duì)話以解決問(wèn)題，機(jī)器人提示孩子們完成任務(wù)。并對(duì)人工注釋和自動(dòng)語(yǔ)音識(shí)別等獲取的多模態(tài)行為數(shù)據(jù)（話語(yǔ)、運(yùn)動(dòng)學(xué)和語(yǔ)音），進(jìn)行編碼及分析，最后總結(jié)了學(xué)習(xí)者在機(jī)器人介導(dǎo)寫作學(xué)習(xí)中的參與模式。

音樂(lè)作為學(xué)習(xí)的背景伴奏，被一些學(xué)習(xí)者認(rèn)為是集中注意力和調(diào)節(jié)情緒的有效工具。李（Li）等[52]通過(guò)實(shí)驗(yàn)探討背景音樂(lè)在學(xué)習(xí)過(guò)程的認(rèn)知和情感方面的潛在作用。他們通過(guò)預(yù)實(shí)驗(yàn)問(wèn)卷、在音樂(lè)應(yīng)用程序中彈出的調(diào)查以及音樂(lè)應(yīng)用程序的日志記錄，系統(tǒng)收集了一組與參與者及音樂(lè)相關(guān)的數(shù)據(jù)。通過(guò)對(duì)所得數(shù)據(jù)進(jìn)行統(tǒng)計(jì)學(xué)分析，發(fā)現(xiàn)某些音樂(lè)特征與學(xué)習(xí)者任務(wù)參與和感知任務(wù)表現(xiàn)之間存在相關(guān)性。

2.學(xué)習(xí)分析之“新領(lǐng)域”

近年來(lái)，研究者逐步探索學(xué)習(xí)分析之新領(lǐng)域，在公平與隱私、倫理與道德、邊緣性學(xué)科等方面取得了眾多成果。此外，學(xué)習(xí)分析技術(shù)在醫(yī)護(hù)人員技能發(fā)展方面也取得了一定進(jìn)展。圖蒂（Tuti）等[53]探究一種改善醫(yī)護(hù)工作者專業(yè)實(shí)踐能力的有效方法。從在線學(xué)習(xí)環(huán)境中，提取醫(yī)療保健工作者的學(xué)習(xí)任務(wù)嘗試序列及時(shí)間特征，并將其輸入到神經(jīng)網(wǎng)絡(luò)中，可高精度的預(yù)測(cè)其未來(lái)的學(xué)習(xí)表現(xiàn)，準(zhǔn)確率為0.748～0.883。該模型捕捉到醫(yī)療保健工作者臨床知識(shí)及其學(xué)習(xí)行為模式的細(xì)微差別，可提供及時(shí)的警告，幫助醫(yī)療保健提供者加強(qiáng)自我調(diào)節(jié)學(xué)習(xí)，同時(shí)為個(gè)性化的教學(xué)支持提供基礎(chǔ)，以幫助改善其專業(yè)實(shí)踐的臨床結(jié)果。

3.學(xué)習(xí)分析之“新方法”

學(xué)習(xí)分析中的眾多方法已經(jīng)有了長(zhǎng)足的發(fā)展，當(dāng)前眾多研究者開(kāi)始關(guān)注不同方法的精度、可靠性（效度）以及可遷移、可復(fù)制能力。學(xué)習(xí)分析方法朝著更精細(xì)、更準(zhǔn)確和泛化能力更強(qiáng)的方向發(fā)展?；趯W(xué)生日志文件數(shù)據(jù)的連續(xù)兩次點(diǎn)擊之間的持續(xù)時(shí)間，一直是學(xué)習(xí)分析研究中最常用的指標(biāo)之一。然而，許多研究對(duì)于如何處理離群點(diǎn)（即過(guò)長(zhǎng)的持續(xù)時(shí)間）往往沒(méi)有明確地報(bào)告，或者簡(jiǎn)單將其歸結(jié)于“學(xué)習(xí)離開(kāi)”。因此，阮（Nguyen）[54]基于理論的方法，提出了一種考慮個(gè)體、時(shí)間和任務(wù)差異的離群點(diǎn)檢測(cè)方法，并評(píng)價(jià)其對(duì)學(xué)業(yè)成績(jī)預(yù)測(cè)模型的影響。他考慮了個(gè)體學(xué)習(xí)模式的異質(zhì)性、時(shí)間變化、課程以及每個(gè)學(xué)習(xí)任務(wù)的設(shè)計(jì)。研究表明，當(dāng)考慮個(gè)體、時(shí)間和任務(wù)的差異時(shí)，R2 測(cè)量模型性能增加了3-4%。

社會(huì)學(xué)習(xí)中的學(xué)習(xí)分析尚缺乏有效的方法，來(lái)解釋跨課程變化對(duì)學(xué)習(xí)者行為的影響。對(duì)此，波克（Poquet）等[55]采用空模型（Null models）方法，探索學(xué)習(xí)者發(fā)帖行為在多大程度上可解釋學(xué)習(xí)環(huán)境中論壇網(wǎng)絡(luò)的形成。他們以20 個(gè)在線課程的論壇活動(dòng)為研究對(duì)象，探究模擬固定的個(gè)人發(fā)帖活動(dòng)和發(fā)帖人氣的隨機(jī)網(wǎng)絡(luò)是否能產(chǎn)生與現(xiàn)實(shí)課程論壇類似的網(wǎng)絡(luò)結(jié)構(gòu)。他們分析了兩種不同的論壇交流網(wǎng)絡(luò)表現(xiàn)形式：（1）帖子樹(shù)網(wǎng)絡(luò)；（2）學(xué)生—線程帖子網(wǎng)絡(luò)。結(jié)果表明：即使是這些簡(jiǎn)單的空模型，都可解釋論壇學(xué)生網(wǎng)絡(luò)的廣度（度）和頻率（強(qiáng)度）。

四、LAK 十年研究概述

自2011年至今，“學(xué)習(xí)分析研究協(xié)會(huì)”已經(jīng)成功舉辦了十屆學(xué)習(xí)分析與知識(shí)國(guó)際會(huì)議。經(jīng)過(guò)十年的發(fā)展，會(huì)議規(guī)模從六十人增加到一千多人，已引起國(guó)際教育界對(duì)學(xué)習(xí)分析這一重要領(lǐng)域的廣泛關(guān)注。基于以往的研究，我們總結(jié)出LAK 已經(jīng)走過(guò)的技術(shù)奠基、領(lǐng)域內(nèi)整合與跨領(lǐng)域?qū)W科融合三個(gè)階段（見(jiàn)表2），揭示了其從“學(xué)習(xí)分析技術(shù)”到“學(xué)習(xí)分析”再到“學(xué)習(xí)分析學(xué)”的研究領(lǐng)域的發(fā)展歷程[56]。在這個(gè)過(guò)程中，LAK 取得了重大的進(jìn)展，也面臨著諸多問(wèn)題與挑戰(zhàn)。因此，在LAK 發(fā)展十周年之際，領(lǐng)域內(nèi)總結(jié)反思并尋求可持續(xù)發(fā)展的探索，形成了以LAK 2018、LAK 2019 與LAK 2020 為主的可持續(xù)發(fā)展探索階段。該階段從2018年以用戶為中心的分析，發(fā)展到2019年探討學(xué)習(xí)分析如何促進(jìn)包容與成功，以及2020 探索如何塑造領(lǐng)域的未來(lái)，逐步從研究對(duì)象、績(jī)效等，全方位、多角度拓展學(xué)習(xí)分析研究的深度和廣度，為迎來(lái)學(xué)習(xí)分析領(lǐng)域下一個(gè)十年發(fā)展，打下堅(jiān)實(shí)的基礎(chǔ)。

表2 學(xué)習(xí)分析與知識(shí)國(guó)際會(huì)議發(fā)展歷程（2011-2020）

學(xué)習(xí)分析領(lǐng)域的發(fā)展歷程，與《地平線報(bào)告》中學(xué)習(xí)分析相關(guān)發(fā)展情況呈現(xiàn)出一致性，如表3所示。學(xué)習(xí)分析領(lǐng)域于2011年作為長(zhǎng)期發(fā)展趨勢(shì)首次出現(xiàn)在《地平線報(bào)告》中，并在2011-2014年實(shí)現(xiàn)長(zhǎng)期、中期到短期的跨越。由于學(xué)習(xí)分析技術(shù)的發(fā)展對(duì)自適應(yīng)學(xué)習(xí)的支撐作用[57]，學(xué)習(xí)分析與自適應(yīng)學(xué)習(xí)在2016年的報(bào)告中合體出現(xiàn)。自適應(yīng)學(xué)習(xí)是學(xué)習(xí)的一個(gè)本質(zhì)特征，是力求就學(xué)習(xí)問(wèn)題作出更加接近其本質(zhì)性特征的方法論意義上的研究[58]。因此，學(xué)習(xí)分析助力自適應(yīng)學(xué)習(xí)的發(fā)展，是學(xué)習(xí)分析從教育和學(xué)習(xí)本質(zhì)上探索更好地支持學(xué)習(xí)的研究，是學(xué)習(xí)分析更高階的發(fā)展形態(tài)。

表3 《地平線報(bào)告》學(xué)習(xí)分析技術(shù)發(fā)展情況

從2017年至2019年，“分析技術(shù)”替代學(xué)習(xí)分析作為《地平線報(bào)告》的重要技術(shù)連續(xù)三年出現(xiàn)，且在近兩年是短期發(fā)展趨勢(shì)?！胺治黾夹g(shù)”是未來(lái)幾年高等教育蓬勃發(fā)展的重要組成部分，除了對(duì)學(xué)習(xí)者成績(jī)與行為進(jìn)行靜態(tài)分析外，還包括提供動(dòng)態(tài)的、連接的、預(yù)測(cè)的和個(gè)性化的支持[59]。美國(guó)高等教育信息化專業(yè)組織（EDUCAUSE）發(fā)布的《2020年地平線報(bào)告：教與學(xué)版》，將學(xué)生成功分析列為影響高等教育未來(lái)發(fā)展的新興技術(shù)與實(shí)踐的五大技術(shù)之一。學(xué)習(xí)分析當(dāng)下已實(shí)現(xiàn)對(duì)學(xué)習(xí)者可預(yù)測(cè)的、個(gè)性化的支持，但這類支持往往是有延時(shí)且呈碎片化、片段性形式，這在一定程度上并不能滿足學(xué)習(xí)者連續(xù)學(xué)習(xí)的需求。因此，在“分析技術(shù)”引領(lǐng)下，無(wú)論是自適應(yīng)學(xué)習(xí)還是學(xué)習(xí)分析，都將朝著數(shù)據(jù)粒度更細(xì)、模型更高級(jí)、動(dòng)態(tài)化更智能的方向發(fā)展。

五、未來(lái)研究之展望

（一）人工智能、虛擬現(xiàn)實(shí)等技術(shù)不斷促進(jìn)學(xué)習(xí)分析的包容性發(fā)展

“確保全民包容性、高質(zhì)量教育以促進(jìn)終身學(xué)習(xí)”是聯(lián)合國(guó)面臨緊迫的可持續(xù)發(fā)展挑戰(zhàn)之一[60]。但當(dāng)前學(xué)習(xí)分析受眾有限，對(duì)邊緣學(xué)習(xí)者、學(xué)習(xí)障礙者以及各年齡段學(xué)習(xí)者來(lái)說(shuō)，造成一種不公平的現(xiàn)象。隨著人工智能、虛擬現(xiàn)實(shí)等技術(shù)的落地和廣泛應(yīng)用，學(xué)習(xí)過(guò)程和數(shù)據(jù)來(lái)源不再局限于單一的在線學(xué)習(xí)環(huán)境和學(xué)習(xí)管理系統(tǒng)，分布在多設(shè)備、跨平臺(tái)學(xué)習(xí)環(huán)境中；學(xué)習(xí)過(guò)程數(shù)據(jù)，結(jié)合眼動(dòng)、腦電、心電與皮膚電等生理數(shù)據(jù)與心理數(shù)據(jù)，集結(jié)成結(jié)構(gòu)化的多模態(tài)數(shù)據(jù)，成為當(dāng)前學(xué)習(xí)分析的環(huán)境支撐和數(shù)據(jù)來(lái)源。由此，在一體化環(huán)境和多模態(tài)學(xué)習(xí)分析支持下，將學(xué)習(xí)者生理和心理數(shù)據(jù)映射到學(xué)習(xí)過(guò)程數(shù)據(jù)，為學(xué)習(xí)者提供更精準(zhǔn)評(píng)價(jià)反饋與建議，實(shí)現(xiàn)高質(zhì)量學(xué)習(xí)，成為輔助各學(xué)習(xí)對(duì)象終身學(xué)習(xí)的有力保障。在智能技術(shù)支持下，多對(duì)象，多環(huán)境與多通道數(shù)據(jù)，共同促進(jìn)了學(xué)習(xí)分析的包容性發(fā)展。

（二）腦和神經(jīng)科學(xué)合力推動(dòng)“幫助決策”向“高階素養(yǎng)”轉(zhuǎn)變

學(xué)習(xí)分析在幫助學(xué)習(xí)者學(xué)習(xí)的同時(shí)也會(huì)影響學(xué)習(xí)者的自治度，但學(xué)習(xí)分析不是為了“方便”學(xué)習(xí)，而是為了“改進(jìn)”學(xué)習(xí)。學(xué)習(xí)分析工具在幫助決策方面發(fā)揮了不可替代的作用。個(gè)性化學(xué)習(xí)工具“方便”了學(xué)習(xí)，但可能導(dǎo)致學(xué)習(xí)者對(duì)工具產(chǎn)生依賴，沒(méi)有產(chǎn)生持久影響，即自律和高階素養(yǎng)的產(chǎn)生。隨著腦與神經(jīng)科學(xué)研究的不斷發(fā)展，研究者揭示了與學(xué)習(xí)決策、學(xué)習(xí)風(fēng)格相關(guān)的人腦學(xué)習(xí)之內(nèi)部機(jī)制，也揭示了學(xué)習(xí)經(jīng)驗(yàn)如何塑造大腦的物理結(jié)構(gòu)，從而為大腦形成適應(yīng)性行為創(chuàng)造條件[61]。因此，在腦與神經(jīng)科學(xué)技術(shù)與研究的共同支持下，學(xué)習(xí)者在學(xué)習(xí)過(guò)程中的腦電波動(dòng)可以映射到學(xué)習(xí)者學(xué)習(xí)過(guò)程數(shù)據(jù)，以構(gòu)建學(xué)習(xí)者“學(xué)習(xí)—心智”模型[62]，這有助于輔助高階認(rèn)知的產(chǎn)生。在此基礎(chǔ)上，通過(guò)腦與神經(jīng)科學(xué)和學(xué)習(xí)分析的深度融合，共同推動(dòng)“幫助決策”到“高階素養(yǎng)”的轉(zhuǎn)變。

（三）學(xué)習(xí)分析從局部探索向一體化的系統(tǒng)級(jí)研究轉(zhuǎn)變

學(xué)習(xí)分析是多學(xué)科融合的產(chǎn)物，它的目標(biāo)是發(fā)展對(duì)學(xué)習(xí)全過(guò)程的洞察力和理解。近年來(lái)，學(xué)習(xí)分析已從學(xué)科及研究的概念化過(guò)渡到實(shí)踐與應(yīng)用的探索階段，并逐步走向成熟。目前，學(xué)習(xí)分析研究依然大多是小規(guī)模以技術(shù)為中心的探索性研究，重點(diǎn)關(guān)注對(duì)象是注冊(cè)獨(dú)立課程或小項(xiàng)目的學(xué)習(xí)者，對(duì)學(xué)習(xí)者的反饋與干預(yù)停留在單一的研究，對(duì)學(xué)習(xí)結(jié)果的解釋堅(jiān)持“讓數(shù)據(jù)說(shuō)話”。為了使學(xué)習(xí)分析發(fā)揮其更大的潛力，需要在系統(tǒng)層面解決學(xué)科、技術(shù)和環(huán)境因素之間復(fù)雜的相互作用，在“學(xué)習(xí)者—數(shù)據(jù)—分析—反饋—學(xué)習(xí)者”的迭代研究中，用多學(xué)科理論解釋學(xué)習(xí)結(jié)果，避免“唯數(shù)據(jù)論”的傾向。需借助整體性和系統(tǒng)動(dòng)力學(xué)觀點(diǎn)，對(duì)學(xué)習(xí)活動(dòng)的洞察和理解進(jìn)行系統(tǒng)性迭代研究，代替局部的片段式探索，尋求跨系所、跨校、跨地區(qū)、跨國(guó)協(xié)作的機(jī)會(huì)[63]，實(shí)現(xiàn)探索研究到結(jié)果的復(fù)制和評(píng)估，以促進(jìn)學(xué)習(xí)分析的不斷成熟。

（四）多方利益相關(guān)者參與學(xué)習(xí)分析的生態(tài)構(gòu)建

學(xué)習(xí)分析多集中在對(duì)學(xué)習(xí)者和教師在開(kāi)放學(xué)習(xí)環(huán)境中的學(xué)習(xí)研究，鮮有關(guān)注研究者、管理者等其他利益相關(guān)者如何更好的支持學(xué)習(xí)活動(dòng)的研究。在教育信息化2.0 環(huán)境下，研究者將學(xué)習(xí)分析用于關(guān)注學(xué)習(xí)者的全面發(fā)展，重在構(gòu)筑開(kāi)放的學(xué)習(xí)分析生態(tài)系統(tǒng)，以應(yīng)對(duì)學(xué)習(xí)者日益多元化的學(xué)習(xí)需求和不斷復(fù)雜的學(xué)習(xí)環(huán)境需求。這需要由一線教師和學(xué)習(xí)者為主體的學(xué)習(xí)參與者以及教育管理者、教育研究人員、學(xué)校、標(biāo)準(zhǔn)制定者、產(chǎn)品或技術(shù)提供與服務(wù)方等多方利益相關(guān)者協(xié)同構(gòu)建。在這個(gè)系統(tǒng)中，每個(gè)利益相關(guān)者既是“生產(chǎn)者”又是“消費(fèi)者”，通過(guò)相互連通和協(xié)作對(duì)話，促進(jìn)學(xué)習(xí)分析研究的良性循環(huán)。

（五）學(xué)習(xí)分析助力并賦能未來(lái)教育

大數(shù)據(jù)的出現(xiàn)與廣泛應(yīng)用，將驅(qū)動(dòng)教育的又一次變革。教育信息化2.0 時(shí)代帶來(lái)的是教育生態(tài)的重構(gòu)，顛覆了傳統(tǒng)教育模式和方法，致力于實(shí)現(xiàn)教育現(xiàn)代化。教育和學(xué)習(xí)都是復(fù)雜的社會(huì)性問(wèn)題，人類直接觀察已經(jīng)不能窺視到復(fù)雜學(xué)習(xí)行為的本質(zhì)。學(xué)習(xí)分析作為學(xué)習(xí)理論和復(fù)雜學(xué)習(xí)行為之間的橋梁，成為助力信息時(shí)代教育范式轉(zhuǎn)變的有力抓手。學(xué)習(xí)分析研究需要深入教與學(xué)全過(guò)程，全方位揭示教育多學(xué)科性的本質(zhì)；構(gòu)筑起學(xué)習(xí)分析生態(tài)圈，并與教育生態(tài)圈相互作用，促進(jìn)教育生態(tài)良性循環(huán)。通過(guò)參與教與學(xué)設(shè)計(jì)、開(kāi)發(fā)、管理、利用和評(píng)價(jià)等方向的迭代研究，為建成服務(wù)全民終身學(xué)習(xí)的現(xiàn)代教育體系，提供一站式服務(wù)。

（六）立足于學(xué)習(xí)分析學(xué)的自身發(fā)展

本次LAK 2020 單列了學(xué)習(xí)分析領(lǐng)域的新用途、新領(lǐng)域和新方法三個(gè)專題，體現(xiàn)了該領(lǐng)域自身所獲得的新發(fā)展。學(xué)習(xí)分析領(lǐng)域作為教育研究向數(shù)據(jù)密集型科學(xué)發(fā)展的學(xué)科分支，對(duì)教育技術(shù)學(xué)的發(fā)展具有重要影響。近年來(lái)，在學(xué)習(xí)分析工具與技術(shù)不斷完善的同時(shí)，學(xué)習(xí)分析與其他領(lǐng)域的跨界對(duì)話和互聯(lián)互通中吸納新成員加入，為學(xué)習(xí)分析的發(fā)展注入新鮮血液和新思路。通過(guò)與教育研究不斷整合，碰撞出創(chuàng)意火花，在此良性循環(huán)中，不斷推動(dòng)學(xué)習(xí)分析系統(tǒng)性發(fā)展與生態(tài)構(gòu)建，從而不斷豐富學(xué)習(xí)分析學(xué)科的內(nèi)涵并拓展其深度與廣度。

有研究者指出，學(xué)習(xí)分析學(xué)正如一座冰山，可見(jiàn)的部分通常是物化的工具和顯見(jiàn)的活動(dòng)，掩藏在冰山底部的包括學(xué)習(xí)的本質(zhì)，教育大環(huán)境里的社會(huì)、政治和文化等[64]。因此，學(xué)習(xí)與分析之間的“中間地帶”，起著不容忽視的作用。學(xué)習(xí)分析學(xué)應(yīng)立足于自身的發(fā)展，既要根植于學(xué)習(xí)的本質(zhì)，也要不斷吸納分析學(xué)及其相關(guān)技術(shù)的精華，在環(huán)境、教學(xué)與學(xué)習(xí)理論、社會(huì)、文化、政治等“中間地帶”要素的溝通下，架起學(xué)習(xí)分析學(xué)的“橋梁”，成為教育技術(shù)領(lǐng)域探索教育本質(zhì)的重要“武器”。