李爽　鄭勤華　杜君磊　王雙

摘要：學(xué)生在線學(xué)習(xí)的注意力控制問(wèn)題將成為制約高校學(xué)生在線學(xué)習(xí)質(zhì)量與效率日益突出的問(wèn)題。該文基于典型高等教育開(kāi)放在線學(xué)習(xí)場(chǎng)景案例課程12463名注冊(cè)學(xué)生的點(diǎn)擊流數(shù)據(jù)，從多元需求視角考察了在線學(xué)習(xí)者的學(xué)習(xí)注意力投入與其學(xué)習(xí)方式和完成度的關(guān)系。研究首先從內(nèi)容訪問(wèn)、任務(wù)參與和績(jī)效表現(xiàn)三個(gè)維度定義出多元學(xué)習(xí)需求的五個(gè)學(xué)習(xí)完成度指標(biāo)作為聚類(lèi)特征，最終發(fā)現(xiàn)五種在線學(xué)習(xí)模式，即系統(tǒng)學(xué)習(xí)型、績(jī)效驅(qū)動(dòng)的測(cè)試型、全面視聽(tīng)型、選擇視聽(tīng)型、訪客型。之后，考察了各學(xué)習(xí)模式下學(xué)生的注意力投入基本特征、分配特征與轉(zhuǎn)移模式，發(fā)現(xiàn)不同學(xué)習(xí)模式下學(xué)習(xí)注意力特征的共性與差異;最后，采用循環(huán)神經(jīng)網(wǎng)絡(luò)LSTM-RNN方法構(gòu)建學(xué)習(xí)完成度相關(guān)預(yù)測(cè)模型，發(fā)現(xiàn)帶有投入特征向量的學(xué)生注意力轉(zhuǎn)移序列能較好預(yù)測(cè)學(xué)生多方面的學(xué)習(xí)完成度。相關(guān)結(jié)果為兼顧多元學(xué)習(xí)需求的在線學(xué)習(xí)服務(wù)體系設(shè)計(jì)和學(xué)生支持提供依據(jù)。該文最后討論了研究結(jié)果并對(duì)“后疫情”時(shí)代高校在線教學(xué)改革與質(zhì)量提升提出相關(guān)建議。

關(guān)鍵詞：在線學(xué)習(xí)模式;多元學(xué)習(xí)需求;注意力投入;注意轉(zhuǎn)移序列學(xué)習(xí)完成度預(yù)測(cè)

中圖分類(lèi)號(hào)：G434 文獻(xiàn)標(biāo)識(shí)碼：A?文章編號(hào)：1006-9860（2021）02-0105-08

一、引言

2020年新冠病毒疫情引發(fā)了一場(chǎng)全球教育的大規(guī)模在線遷移，這場(chǎng)全覆蓋的在線教學(xué)實(shí)踐創(chuàng)新為師生和管理者積累了寶貴的在線教學(xué)經(jīng)驗(yàn)，彰顯了在線教學(xué)的優(yōu)勢(shì)，也暴露出在線教學(xué)的一些問(wèn)題。其中，在開(kāi)放靈活的網(wǎng)絡(luò)環(huán)境下學(xué)生難以有效控制其學(xué)習(xí)注意力成為人們對(duì)在線學(xué)習(xí)的主要擔(dān)憂(yōu)之一。

注意力是心理活動(dòng)或意識(shí)對(duì)一定對(duì)象的指向與集中，是人類(lèi)一切活動(dòng)取得成效的重要條件。注意力控制是影響學(xué)習(xí)的認(rèn)知因素之一，包括注意力分配與注意力轉(zhuǎn)移兩種認(rèn)知模式。注意力幫助個(gè)體將有限的認(rèn)知資源分配到目標(biāo)上，經(jīng)過(guò)協(xié)調(diào)將認(rèn)知資源重新定向到最需要它的地方，注意力轉(zhuǎn)移則反映出個(gè)體在學(xué)習(xí)中的思維過(guò)程。大量文獻(xiàn)討論了互聯(lián)網(wǎng)環(huán)境對(duì)人類(lèi)注意力機(jī)制的影響，指出注意力在充斥各種資訊信息的網(wǎng)絡(luò)時(shí)代成為一種稀缺資源，容易分散與耗散，引發(fā)新的認(rèn)知問(wèn)題。網(wǎng)絡(luò)環(huán)境對(duì)學(xué)習(xí)注意力投人的影響也逐漸引起教育領(lǐng)域關(guān)注，并發(fā)現(xiàn)學(xué)生在線學(xué)習(xí)存在的一些注意力疊加與渙散問(wèn)題。隨著各種組織形態(tài)線上線下融合創(chuàng)新的教學(xué)成為“后疫情”時(shí)代高校教學(xué)新常態(tài)，學(xué)生在線學(xué)習(xí)的注意力控制問(wèn)題將成為制約高校學(xué)生在線學(xué)習(xí)質(zhì)量與效率日益突出的問(wèn)題。鑒于此，考察各類(lèi)在線教學(xué)情境下學(xué)習(xí)注意力的投入特征與規(guī)律，并基于此探索促進(jìn)學(xué)生更好控制學(xué)習(xí)注意力的有效策略是高校推進(jìn)疫情后教育改革亟待關(guān)注的重要課題。

學(xué)生點(diǎn)擊頁(yè)面產(chǎn)生的具有時(shí)序特征的點(diǎn)擊流數(shù)據(jù)隱含了學(xué)生學(xué)習(xí)的頁(yè)面序列、學(xué)習(xí)偏好與方式等豐富信息，揭示了學(xué)生在網(wǎng)絡(luò)課程空間中注意力的指向、集中、耗散與流轉(zhuǎn)路徑，是探索在線課程學(xué)習(xí)注意力投人特征的重要依據(jù)。已有學(xué)者基于點(diǎn)擊流數(shù)據(jù)對(duì)學(xué)生在線課程學(xué)習(xí)注意力的投入特征進(jìn)行了有益探索。如CUO等人基于edX四門(mén)MOOC課程中的視頻點(diǎn)擊流數(shù)據(jù)分析了學(xué)生在視頻學(xué)習(xí)的注意力分配規(guī)律。Li等人從關(guān)注活動(dòng)多樣性、學(xué)習(xí)持續(xù)性和內(nèi)容覆蓋性對(duì)MOOC學(xué)生的注意力分配特征進(jìn)行了考察。Zhang等人探索了MOOC學(xué)生的集體注意力分配與流模式。還有些學(xué)者考察了點(diǎn)擊流數(shù)據(jù)對(duì)學(xué)習(xí)績(jī)效的預(yù)測(cè)作用，發(fā)現(xiàn)點(diǎn)擊流數(shù)據(jù)能夠較好預(yù)測(cè)在線課程學(xué)習(xí)的完成度、堅(jiān)持性和學(xué)習(xí)成績(jī)。然而，整體上點(diǎn)擊流數(shù)據(jù)蘊(yùn)藏的豐富信息仍然尚未被充分挖掘，尤其基于點(diǎn)擊流數(shù)據(jù)對(duì)在線學(xué)習(xí)注意力投人特征的研究整體有限，不同在線學(xué)習(xí)場(chǎng)景下學(xué)生會(huì)如何分配、集中、轉(zhuǎn)移他們的注意力，存在哪些注意力投人共同特征與差異，注意力投入特征揭示了學(xué)生的哪些在線需求與學(xué)習(xí)方式偏好等問(wèn)題都亟待更多實(shí)證研究。

疫情后高校必然走向常態(tài)化的混合式教學(xué)，在傳統(tǒng)面授課程的基礎(chǔ)上，整合在線教學(xué)是教育改革創(chuàng)新的重要著力點(diǎn)，因此，本研究將通過(guò)挖掘高校開(kāi)放在線學(xué)習(xí)課程數(shù)據(jù)，基于點(diǎn)擊流數(shù)據(jù)探索學(xué)生在線學(xué)習(xí)的注意力投人特征與差異，檢驗(yàn)在線學(xué)習(xí)注意投入特征對(duì)課程學(xué)習(xí)完成情況的預(yù)測(cè)作用，以期為相關(guān)在線學(xué)習(xí)服務(wù)體系設(shè)計(jì)和學(xué)生支持提供依據(jù)。

二、研究設(shè)計(jì)

（一）研究問(wèn)題

本研究旨在以高等教育開(kāi)放在線學(xué)習(xí)典型場(chǎng)景MOOC為例基于點(diǎn)擊流數(shù)據(jù)考察在線學(xué)習(xí)注意力投人特征與課程學(xué)習(xí)方式和完成度的關(guān)系，具體研究問(wèn)題如下：

（1）從多元學(xué)習(xí)需求視角，在線學(xué)習(xí)者具有幾種學(xué)習(xí)模式，不同模式體現(xiàn)了學(xué)生怎樣的學(xué)習(xí)需求定位？

（2）不同在線學(xué)習(xí)模式下，學(xué)生學(xué)習(xí)注意力投人特征是什么，主要分配在哪些資源與活動(dòng)中，轉(zhuǎn)移模式是什么，是否存在差異？

（3）在線學(xué)習(xí)者的學(xué)習(xí)注意力投人特征能否有效預(yù)測(cè)學(xué)生課程學(xué)習(xí)多方面的完成情況？

（二）研究思路與方法

已有研究表明，相當(dāng)比重的MOOC學(xué)生只是對(duì)課程內(nèi)容和資源感興趣，而不是獲得課程證書(shū)22。鑒于此，本研究綜合內(nèi)容資源興趣和學(xué)習(xí)結(jié)果兩類(lèi)需求探索MOOC的學(xué)習(xí)模式。根據(jù)MOOC學(xué)習(xí)特征和數(shù)據(jù)可獲得性，研究從內(nèi)容訪問(wèn)、任務(wù)參與和績(jī)效表現(xiàn)三個(gè)維度選取了五個(gè)在線學(xué)習(xí)完成度指標(biāo)（如表1所示），即章節(jié)覆蓋率、視頻完成率、測(cè)試完成率、作業(yè)完成率、是否參加期末考試，以這五個(gè)指標(biāo)作為特征變量，通過(guò)K-means聚類(lèi)算法挖掘MOOC學(xué)習(xí)的典型模式。

在聚類(lèi)分析基礎(chǔ)上，本研究綜合統(tǒng)計(jì)分析與滯后序列分析進(jìn)一步對(duì)以上發(fā)現(xiàn)的不同課程學(xué)習(xí)模式下學(xué)生在各類(lèi)課程頁(yè)面的注意力分配與轉(zhuǎn)移序列相關(guān)特征進(jìn)行考察。最后，研究采用近幾年較受歡迎的長(zhǎng)短時(shí)記憶神經(jīng)網(wǎng)絡(luò)（LongShort-TermMemory，LSTM）3124，這是一種特殊的循環(huán)神經(jīng)網(wǎng)絡(luò)（RecurrentNeuralNetwork，RNN）模型。研究基于課程頁(yè)面的點(diǎn)擊流數(shù)據(jù)，以頁(yè)面類(lèi)型和頁(yè)面停留時(shí)間構(gòu)建課程頁(yè)面的向量，通過(guò)該向量對(duì)點(diǎn)擊序列的每個(gè)頁(yè)面進(jìn)行映射，形成LSTM的輸人數(shù)據(jù)，進(jìn)而分別構(gòu)建五個(gè)學(xué)習(xí)完成度指標(biāo)的預(yù)測(cè)模型，探索MOOC學(xué)生在線學(xué)習(xí)注意轉(zhuǎn)移特征對(duì)課程學(xué)習(xí)多方面完成情況的預(yù)測(cè)作用。

（三）研究數(shù)據(jù)與處理

研究數(shù)據(jù)來(lái)自清華學(xué)堂在線平臺(tái)（xuetangx.com）2018年3月發(fā)布的一門(mén)為期11周的MOOC課程。課程采用典型的xMOOC教學(xué)方法，課程教學(xué)按周推進(jìn)，前10周每周學(xué)習(xí)一個(gè)章節(jié)并安排章節(jié)作業(yè)，最后1周組織課程期末考試。本課程成績(jī)總分100分，作業(yè)成績(jī)和期末考試成績(jī)各占50%，課程成績(jī)?cè)?0分以上即為合格，可獲得課程證書(shū)。學(xué)生主要通過(guò)學(xué)習(xí)教學(xué)視頻、做自測(cè)的方式進(jìn)行學(xué)習(xí)，也可以查看教師在Wiki發(fā)布的資源，在論壇與師生互動(dòng)、討論問(wèn)題。本研究分析的點(diǎn)擊流數(shù)據(jù)來(lái)自該課程具有完整日志記錄的12463名注冊(cè)學(xué)生，共計(jì)9295704條日志記錄。如表2所示，根據(jù)課程平臺(tái)前端頁(yè)面和課程日志記錄分析，研究將學(xué)生點(diǎn)擊的頁(yè)面類(lèi)型定義為九種。該頁(yè)面分類(lèi)是本研究考察學(xué)生注意力投入特征以及構(gòu)建LSTM預(yù)測(cè)模型的依據(jù)。

三、研究結(jié)果

（一）在線學(xué)習(xí)模式

為挖掘課程學(xué)習(xí)的多元典型模式，研究將章節(jié)覆蓋率、視頻完成率、測(cè)試完成率、作業(yè)完成率、是否參加期末考試五個(gè)完成度指標(biāo)作為特征指標(biāo)，采用K-means聚類(lèi)方法對(duì)12463名課程注冊(cè)學(xué)生進(jìn)行聚類(lèi)，通過(guò)比較輪廓系數(shù)，研究最終選取五類(lèi)的聚類(lèi)結(jié)果（如表3所示），輪廓系數(shù)為0.667，分類(lèi)效果較為理想。ANOVA檢驗(yàn)顯示五類(lèi)學(xué)生群體在五個(gè)完成度指標(biāo)上都呈現(xiàn)出顯著差異（p《0.001），可知這五類(lèi)能夠體現(xiàn)在線學(xué)習(xí)者在五個(gè)完成度指標(biāo)上的不同特征，如圖1所示。

五類(lèi)學(xué)習(xí)者中，第五類(lèi)占比最多，達(dá)到75.2%，該類(lèi)學(xué)生在五個(gè)完成度指標(biāo)上都表現(xiàn)較差，平均訪問(wèn)章節(jié)內(nèi)容只有5.9%，很少看視頻，很少交作業(yè)，幾乎不做測(cè)試，幾乎無(wú)人參加期末考試?？梢?jiàn)，該群體更像瀏覽課程的訪客，故被定義為訪客類(lèi)學(xué)生。

占比第二的群體是第三類(lèi)（17.8%），這類(lèi)群體似乎對(duì)課程證書(shū)也不感興趣，幾乎不參加考試。可是，該群體相比訪客類(lèi)學(xué)生表現(xiàn)出對(duì)課程部分內(nèi)容的興趣，章節(jié)覆蓋率達(dá)到40%，他們偏愛(ài)視頻學(xué)習(xí)，視頻完成率達(dá)到30%，但是測(cè)試和作業(yè)完成率僅在10%左右，故將其定義為選擇視聽(tīng)型學(xué)生。

第四類(lèi)學(xué)生人數(shù)占比第三（4%），呈現(xiàn)出對(duì)課程內(nèi)容和視頻資源的較大興趣，他們?cè)L問(wèn)了課程絕大部分章節(jié)，視頻完成率在五類(lèi)中最高，且期末考試參與率達(dá)到40%。從這類(lèi)群體較低的測(cè)試和作業(yè)完成率來(lái)看，可知這類(lèi)學(xué)生更偏愛(ài)基于視頻的學(xué)習(xí)，故研究將其定義為全面視聽(tīng)型學(xué)生。

剩下兩類(lèi)學(xué)生學(xué)習(xí)績(jī)效表現(xiàn)突出，屬于強(qiáng)績(jī)效型學(xué)生，可是他們?cè)趦?nèi)容訪問(wèn)、任務(wù)參與和作業(yè)完成上呈現(xiàn)出差異。占比2.5%的第二類(lèi)學(xué)生在五項(xiàng)指標(biāo)上整體表現(xiàn)突出，他們較為全面地訪問(wèn)了課程內(nèi)容（88%）與視頻資源（92%），并完成了絕大部分測(cè)試題（88%），作業(yè)完成率高達(dá)95%，考試參與度為84%。研究將其定義為系統(tǒng)學(xué)習(xí)型學(xué)生。占比只有0.5%的第一類(lèi)群體雖然具有五類(lèi)中最高的考試參與率（97%），但是他們只選擇完成了不足50%的測(cè)試和作業(yè)，章節(jié)訪問(wèn)率均值只有31%，且很少看視頻資源（8.0%），據(jù)此推測(cè)這類(lèi)群體具有較好學(xué)習(xí)基礎(chǔ)，選擇課程旨在高效獲得課程證書(shū)，學(xué)習(xí)以做測(cè)試和作業(yè)為主，研究將其定義為績(jī)效驅(qū)動(dòng)的測(cè)試型學(xué)生。

根據(jù)五類(lèi)群體在各項(xiàng)完成度指標(biāo)的表現(xiàn)，可大致分析出課程學(xué)生的學(xué)習(xí)需求定位。章節(jié)覆蓋率和視頻完成率體現(xiàn)了學(xué)生對(duì)課程內(nèi)容資源的興趣，測(cè)試、作業(yè)和參加考試三個(gè)指標(biāo)則主要體現(xiàn)了學(xué)生對(duì)課程績(jī)效的重視程度。研究將績(jī)效需求與內(nèi)容資源興趣作為課程需求象限的X軸和Y軸，根據(jù)五類(lèi)學(xué)生的人數(shù)及其相應(yīng)指標(biāo)均值繪制出課程學(xué)生學(xué)習(xí)需求分布圖，如下頁(yè)圖2所示。下頁(yè)圖2中五個(gè)圓代表了五類(lèi)學(xué)生，圓的直徑大小代表學(xué)生人數(shù)，圓在需求象限的位置體現(xiàn)了各類(lèi)群體的學(xué)習(xí)需求定位。由下頁(yè)圖2可知，絕大部分在線學(xué)習(xí)者集中在課程需求象限的低需求空間，學(xué)生對(duì)內(nèi)容資源的興趣整體大于課程證書(shū)。

（二）不同在線學(xué)習(xí)模式下注意力投人特征

1.注意力投人基本特征

為考察注意力投入基本特征，研究定義了五個(gè)注意力投入特征指標(biāo)：登錄時(shí)長(zhǎng)考察學(xué)生課程學(xué)習(xí)注意力的保持，由每次登錄時(shí)長(zhǎng)均值表征;點(diǎn)擊序列長(zhǎng)度體現(xiàn)了學(xué)習(xí)中注意力轉(zhuǎn)移的頻次，由每次學(xué)習(xí)點(diǎn)擊頻次均值表征;頁(yè)面多樣性考察學(xué)生每次學(xué)習(xí)關(guān)注的資源、信息、任務(wù)多樣性，由學(xué)生每次登錄訪問(wèn)的頁(yè)面類(lèi)型數(shù)均值表征;頁(yè)面停留時(shí)長(zhǎng)考察學(xué)生注意力在頁(yè)面的保持，由每次登錄時(shí)單個(gè)頁(yè)面的停留時(shí)長(zhǎng)均值表征;內(nèi)容訪問(wèn)量考察注意力在章節(jié)內(nèi)容上的分配，由學(xué)生每次登錄訪問(wèn)的小節(jié)ID數(shù)均值表征。五類(lèi)學(xué)生的上述指標(biāo)及其登錄次數(shù)和活躍周情況統(tǒng)計(jì)如表4所示。

結(jié)果顯示絕大多數(shù)學(xué)生在有限的上線時(shí)間中會(huì)同時(shí)訪問(wèn)多個(gè)學(xué)習(xí)內(nèi)容，單個(gè)頁(yè)面停留平均時(shí)長(zhǎng)不足半分鐘，考慮到其中還包括視頻播放時(shí)間，頁(yè)面空間停留時(shí)間整體較短;系統(tǒng)學(xué)習(xí)型最為活躍，學(xué)習(xí)注意力保持時(shí)長(zhǎng)與轉(zhuǎn)移頻次均最高，關(guān)注的內(nèi)容和頁(yè)面類(lèi)型也最豐富，單個(gè)頁(yè)面停留時(shí)長(zhǎng)低于兩類(lèi)視聽(tīng)型學(xué)生;兩類(lèi)視聽(tīng)型學(xué)生注意力保持水平整體較高，在頁(yè)面停留時(shí)長(zhǎng)上也表現(xiàn)突出，尤其全面視聽(tīng)型學(xué)生的頁(yè)面停留時(shí)長(zhǎng)幾乎是其他類(lèi)型的兩倍，這與其專(zhuān)注視頻觀看有關(guān)。選擇視聽(tīng)型學(xué)生注意力轉(zhuǎn)移較為頻繁，且注意力會(huì)分配在更多類(lèi)頁(yè)面和內(nèi)容上，這與其具有較強(qiáng)自主學(xué)習(xí)需求有關(guān)。為尋找感興趣的內(nèi)容或資源他們會(huì)瀏覽更多類(lèi)頁(yè)面和內(nèi)容;測(cè)試型學(xué)生的活躍度指標(biāo)和時(shí)長(zhǎng)指標(biāo)雖位居第四，但其頁(yè)面多樣性和內(nèi)容訪問(wèn)量卻較為突出，這可能因?yàn)樵撊后w主要基于做試題學(xué)習(xí)，為尋找試題答案會(huì)訪問(wèn)更多頁(yè)面和內(nèi)容;訪客型學(xué)生活躍度最低，五個(gè)指標(biāo)分值也都最低，是注意力投人最低的學(xué)生群體。

2.注意力分配特征

如表5所示，為進(jìn)一步考察注意力分配特征，統(tǒng)計(jì)五類(lèi)學(xué)生每次登錄在九類(lèi)頁(yè)面的點(diǎn)擊頻次（F）、時(shí)長(zhǎng)占比（P）與單個(gè)頁(yè)面停留時(shí)長(zhǎng)均值（T）。結(jié)果顯示：五類(lèi)學(xué)生在線學(xué)習(xí)的注意力都主要分配在視頻頁(yè)面。相比之下，兩類(lèi)強(qiáng)績(jī)效型學(xué)生，尤其測(cè)試型學(xué)生，會(huì)將更多注意力分配在其他類(lèi)頁(yè)面，尤其在測(cè)試和作業(yè)頁(yè)面的分配較為突出，體現(xiàn)了其較強(qiáng)的績(jī)效需求。剩下三類(lèi)，95%以上的注意力都分配在視頻頁(yè)面;五類(lèi)學(xué)生在視頻類(lèi)頁(yè)面的T，值顯著高于其他類(lèi)頁(yè)面，而其他類(lèi)頁(yè)面的T，都不足1分鐘。五類(lèi)學(xué)生盡管在E、Q、F三類(lèi)頁(yè)面的整體注意力投入較低，但是三類(lèi)頁(yè)面的T，值卻相對(duì)較高，表明五類(lèi)學(xué)生在訪問(wèn)這三類(lèi)頁(yè)面時(shí)都消耗了更多認(rèn)知資源，其中全面視聽(tīng)型學(xué)生在Q和E類(lèi)頁(yè)面的T，值最高，測(cè)試型學(xué)生在F類(lèi)頁(yè)面的T，值最高。

3.注意力轉(zhuǎn)移模式

研究采用滯后序列分析挖掘五類(lèi)學(xué)生的注意力轉(zhuǎn)移模式。首先，分別統(tǒng)計(jì)五類(lèi)群體每次登錄課程在各類(lèi)頁(yè)面間的跳轉(zhuǎn)頻次，形成九類(lèi)頁(yè)面間的點(diǎn)擊序列頻次表。然后，在點(diǎn)擊序列頻次表的基礎(chǔ)上計(jì)算每個(gè)序列發(fā)生頻次的Z分?jǐn)?shù)，獲得殘差表。選取Z分?jǐn)?shù)大于+1.96的點(diǎn)擊序列，這些序列就是相應(yīng)類(lèi)學(xué)生上線學(xué)習(xí)時(shí)出現(xiàn)概率達(dá)到顯著性水平的頁(yè)面點(diǎn)擊序列，據(jù)此繪制五類(lèi)學(xué)生的注意力轉(zhuǎn)移模式，如圖3一7所示。

結(jié)果顯示，測(cè)試型學(xué)生的顯著序列最多（p《0.05），共六個(gè)，即V-V、Q-Q、V-Q、Q-V、XP-V、V-XP。系統(tǒng)學(xué)習(xí)型學(xué)生除了Q-V之外，其他五個(gè)序列出現(xiàn)頻次也都達(dá)到了顯著性水平（p《0.05）。這兩類(lèi)群體的注意力流轉(zhuǎn)模式較為相似，如圖3和圖4所示。其中，V類(lèi)和0類(lèi)頁(yè)面的自我跳轉(zhuǎn)Z值最高，表明兩類(lèi)群體都比較專(zhuān)注于視頻和自測(cè)活動(dòng)。V-XP和XP-V兩個(gè)序列顯著意味著兩類(lèi)學(xué)生都傾向于在有更多選擇的學(xué)堂頁(yè)面尋找視頻資源。兩類(lèi)群體都出現(xiàn)了V-0的顯著序列，不同的是測(cè)試類(lèi)學(xué)生的Q-V序列也顯著，再次印證了兩類(lèi)群體學(xué)習(xí)方式的差異，即系統(tǒng)學(xué)習(xí)型學(xué)生主要采用先學(xué)（看視頻）后測(cè)（做自測(cè)方式學(xué)習(xí)，測(cè)試型學(xué)生則是基于測(cè)試的問(wèn)題驅(qū)動(dòng)式學(xué)習(xí)。

選擇視聽(tīng)型和訪客型學(xué)生的注意力轉(zhuǎn)移模式較為相似，都存在三個(gè)顯著序列，即V-V，V-XP，XP-V，且V-V的Z值最高，可見(jiàn)這兩類(lèi)群體也存在更專(zhuān)注于視頻類(lèi)頁(yè)面以及在更開(kāi)放的學(xué)堂空間而不是課程空間尋找和播放視頻的注意力投人特征。這兩類(lèi)群體缺少V類(lèi)與Q類(lèi)頁(yè)面相互轉(zhuǎn)移的顯著序列，可見(jiàn)他們?nèi)狈忸}訓(xùn)練對(duì)所學(xué)知識(shí)的鞏固或遷移，并對(duì)是否掌握視頻知識(shí)點(diǎn)并不十分在意。全面視聽(tīng)型群體的注意力轉(zhuǎn)移模式較為單一，只存在V-V的顯著序列，體現(xiàn)了該群體高度專(zhuān)注于視頻觀看這類(lèi)輸人性學(xué)習(xí)的特征。

（三）注意力轉(zhuǎn)移序列對(duì)學(xué)習(xí)完成度的預(yù)測(cè)

研究將學(xué)生樣本按照4：1的比例劃分為訓(xùn)練集（9894人）和測(cè)試集（2569人），采用循環(huán)神經(jīng)網(wǎng)絡(luò)LSTM-RNN方法，將學(xué)生點(diǎn)擊產(chǎn)生的頁(yè)面序列以及初始化的兩個(gè)頁(yè)面特征向量一頁(yè)面類(lèi)型和頁(yè)面停留時(shí)長(zhǎng)，作為輸人，分別構(gòu)建五個(gè)學(xué)習(xí)完成度指標(biāo)的預(yù)測(cè)模型。基于訓(xùn)練集200次迭代訓(xùn)練后，選取最好模型，獲得五個(gè)學(xué)習(xí)完成度的預(yù)測(cè)模型，五個(gè)模型對(duì)測(cè)試集數(shù)據(jù)預(yù)測(cè)的R、MSE和AUC如表6所示。

由表6可知，學(xué)生在課程學(xué)習(xí)期間在各類(lèi)頁(yè)面的注意力投人特征與轉(zhuǎn)移序列可以較好預(yù)測(cè)MOOC的多種學(xué)習(xí)完成度。預(yù)測(cè)變量為連續(xù)變量的前四個(gè)學(xué)習(xí)完成度預(yù)測(cè)模型的R2在0.413-0.768之間，趨于1，MSE在0.012-0.007之間，趨于0，預(yù)測(cè)效果較好。如果按照一個(gè)閾值（如》=0.5）將相關(guān)預(yù)測(cè)看作相應(yīng)學(xué)習(xí)是否完成的分類(lèi)問(wèn)題，那么這些模型的AUC值也較為理想，在0.979-0.966之間，接近于1。此外，注意力轉(zhuǎn)移時(shí)序數(shù)據(jù)對(duì)學(xué)生是否參加考試的預(yù)測(cè)力也較高，AUC達(dá)到0.905，如果將其看作一個(gè)回歸問(wèn)題，那么相應(yīng)R2和MES值顯示該模型也能較好解釋測(cè)試數(shù)據(jù)。

四、總結(jié)和討論

（一）基于高校MOOC的在線學(xué)習(xí)體現(xiàn)出多元學(xué)習(xí)需求

本研究綜合內(nèi)容資源興趣和績(jī)效需求發(fā)現(xiàn)五類(lèi)在線學(xué)習(xí)模式，揭示了學(xué)習(xí)者的多元化學(xué)習(xí)需求與訴求。與已有研究相似[25][26]，本研究也發(fā)現(xiàn)在線學(xué)習(xí)者中有相當(dāng)比重的視聽(tīng)型學(xué)習(xí)者，他們對(duì)課程內(nèi)容與視頻資源更感興趣，主要通過(guò)看視頻進(jìn)行學(xué)習(xí)。這類(lèi)人群在本研究中又進(jìn)一步分為目的性較強(qiáng)的選擇視聽(tīng)型和更依賴(lài)課程安排的全面視聽(tīng)型兩類(lèi)。兩類(lèi)群體雖然都更關(guān)注內(nèi)容和資源，但后者存在一定程度的績(jī)效需求，二者的注意力投人特征也存在差異。此外，旨在獲得課程認(rèn)證的強(qiáng)績(jī)效型學(xué)生也存在兩類(lèi)群體：一類(lèi)是根據(jù)教學(xué)安排循序漸進(jìn)的系統(tǒng)學(xué)習(xí)型學(xué)生，另一類(lèi)是以針對(duì)性刷題為主的測(cè)試型學(xué)生。后者具有更好學(xué)習(xí)基礎(chǔ)，他們?yōu)楦咝Й@得課程證書(shū)，往往選取不熟悉章節(jié)，以測(cè)試和作業(yè)為抓手進(jìn)行應(yīng)試型學(xué)習(xí)。然而，課程絕大部分學(xué)習(xí)者屬于嘗鮮性訪客型學(xué)生。他們對(duì)課程抱有好奇，卻缺乏強(qiáng)烈或明確的學(xué)習(xí)動(dòng)機(jī)，尚未做好學(xué)習(xí)準(zhǔn)備，在瀏覽少量?jī)?nèi)容后便離開(kāi)課程。

（二）在線學(xué)習(xí)注意力分配嚴(yán)重不均且存在渙散和失焦隱患

研究表明，學(xué)生在課程資源與活動(dòng)的注意力分配上普遍存在分配不均的問(wèn)題，較大比重的注意力被分配在視頻頁(yè)面中，只有少數(shù)績(jī)效型學(xué)生會(huì)分配一定比重的注意力在其他類(lèi)學(xué)習(xí)頁(yè)面中。此外，絕大部分學(xué)生在單個(gè)課程頁(yè)面空間的注意力保持整體有限，學(xué)生經(jīng)常在有限時(shí)間內(nèi)訪問(wèn)多章節(jié)內(nèi)容，且喜歡在擁有更多選擇的平臺(tái)空間而不是課程空間尋找和訪問(wèn)視頻資源。這些特征不禁令人擔(dān)憂(yōu)學(xué)生在線注意力失焦和專(zhuān)注力低下。學(xué)生傾向于在開(kāi)放、非線性空間中不斷跳轉(zhuǎn)尋找資源，但可能缺乏專(zhuān)注度，并沒(méi)有認(rèn)真學(xué)習(xí)每個(gè)資源。開(kāi)放、非線性的課程空間結(jié)構(gòu)對(duì)學(xué)習(xí)可能是把雙刃劍，雖提供豐富資源、支持靈活認(rèn)知，但某種程度上也會(huì)消耗學(xué)生的認(rèn)知資源并影響深度學(xué)習(xí)發(fā)生[27]。因此，如何優(yōu)化課程空間與資源設(shè)計(jì)提升注意力投人質(zhì)量、強(qiáng)化注意力管理等網(wǎng)絡(luò)認(rèn)知素養(yǎng)與自主學(xué)習(xí)能力培養(yǎng)是未來(lái)在線教學(xué)需要關(guān)注的重點(diǎn)。

（三）在線學(xué)習(xí)注意力投人強(qiáng)度和投入模式差異顯著

研究發(fā)現(xiàn)不同需求與學(xué)習(xí)模式下學(xué)生學(xué)習(xí)注意力投人存在差異：系統(tǒng)學(xué)習(xí)型和全面視聽(tīng)型學(xué)生學(xué)習(xí)能夠保持較長(zhǎng)時(shí)間，平均達(dá)到40分鐘左右。后者由于學(xué)習(xí)以觀看視頻為主，其平均頁(yè)面停留時(shí)長(zhǎng)表現(xiàn)更加突出;目的性較強(qiáng)的測(cè)試型和選擇視聽(tīng)型學(xué)生為尋找所需資源會(huì)呈現(xiàn)出注意力更多元的分配和更頻繁的跳轉(zhuǎn)特征;與已有研究結(jié)果相似[28]，強(qiáng)績(jī)效驅(qū)動(dòng)的兩類(lèi)群體相比其他三類(lèi)更關(guān)注課程其他資源和活動(dòng);注意力轉(zhuǎn)移模式揭示出相較于弱績(jī)效型學(xué)生，強(qiáng)績(jī)效型學(xué)生在學(xué)習(xí)中普遍具有更深層次的認(rèn)知加工活動(dòng)，他們會(huì)利用測(cè)試題檢測(cè)或驅(qū)動(dòng)學(xué)習(xí)。相關(guān)結(jié)果為個(gè)性化在線學(xué)習(xí)設(shè)計(jì)與支持服務(wù)提供了啟示和依據(jù)。

（四）注意力投人特征序列能夠預(yù)測(cè)在線學(xué)習(xí)方式與完成度

學(xué)生對(duì)不同類(lèi)頁(yè)面的訪問(wèn)體現(xiàn)了他們對(duì)課程不同內(nèi)容、資源和活動(dòng)的興趣與學(xué)習(xí)方式，而頁(yè)面點(diǎn)擊流數(shù)據(jù)隱含了學(xué)生注意力在各類(lèi)課程頁(yè)面的分配與流動(dòng)信息。研究將學(xué)生點(diǎn)擊產(chǎn)生的頁(yè)面序列以及體現(xiàn)學(xué)習(xí)偏好與投人的兩個(gè)頁(yè)面特征向量作為輸人，所構(gòu)建的基于注意轉(zhuǎn)移序列的五個(gè)學(xué)習(xí)完成度預(yù)測(cè)模型都具有較高的準(zhǔn)確度?？梢?jiàn)，學(xué)生注意力在課程頁(yè)面的注意轉(zhuǎn)移序列與投人特征不僅能夠預(yù)警學(xué)生是否輟學(xué)，還能夠細(xì)化預(yù)測(cè)學(xué)生在線學(xué)習(xí)的多方面完成情況，包括所訪章節(jié)覆蓋率、視頻完成率、測(cè)試完成率、作業(yè)提交率、是否參加考試等，為教師提前識(shí)別學(xué)生多元學(xué)習(xí)興趣和需求、預(yù)測(cè)學(xué)習(xí)方式與相關(guān)完成度提供依據(jù)。這為針對(duì)性引導(dǎo)和個(gè)性化支持提供了新思路。

五、啟示與建議

本研究以高等教育典型開(kāi)放在線學(xué)習(xí)場(chǎng)景MOOC課程為例從多元需求視角考察了在線學(xué)習(xí)者的學(xué)習(xí)注意力投人與其學(xué)習(xí)方式和完成度的關(guān)系。研究定義出多元學(xué)習(xí)需求的完成度指標(biāo)，通過(guò)案例課程的數(shù)據(jù)挖掘發(fā)現(xiàn)MOOC學(xué)習(xí)存在系統(tǒng)學(xué)習(xí)型、績(jī)效驅(qū)動(dòng)的測(cè)試型、全面視聽(tīng)型、選擇視聽(tīng)型、訪客型等五類(lèi)學(xué)習(xí)模式。之后，進(jìn)一步考察了各學(xué)習(xí)模式下學(xué)生的注意力投人基本特征、分配特征與轉(zhuǎn)移模式，發(fā)現(xiàn)不同模式下學(xué)習(xí)注意力特征的共性與差異，在此基礎(chǔ)上，構(gòu)建出學(xué)習(xí)完成度的預(yù)測(cè)模型。研究雖只是對(duì)一門(mén)課程數(shù)據(jù)的深人探索，但數(shù)據(jù)挖掘結(jié)果有足夠的現(xiàn)實(shí)意義，為下一階段高校MOOC建設(shè)、在線教學(xué)改革和質(zhì)量提升提供了啟示。

（一）強(qiáng)化在線學(xué)習(xí)質(zhì)量標(biāo)準(zhǔn)建設(shè)，以投人指標(biāo)為核心建設(shè)微觀可監(jiān)測(cè)標(biāo)準(zhǔn)體系

目前關(guān)于在線課程的質(zhì)量標(biāo)準(zhǔn)存在著較為泛化、主觀性較強(qiáng)、可操作性和及時(shí)反饋性較弱等問(wèn)題。本研究發(fā)現(xiàn)基于點(diǎn)擊流數(shù)據(jù)挖掘的注意投人特征能夠較好評(píng)估學(xué)生的學(xué)習(xí)狀態(tài)，并預(yù)測(cè)學(xué)習(xí)績(jī)效。我們建議在進(jìn)一步研究的基礎(chǔ)上，提取以多層次、多維度學(xué)習(xí)投入為核心的學(xué)習(xí)過(guò)程關(guān)鍵特征，表征學(xué)生在宏觀課程空間、中觀活動(dòng)空間和微觀頁(yè)面空間的學(xué)習(xí)狀態(tài)及其動(dòng)態(tài)演變，形成可實(shí)時(shí)監(jiān)測(cè)、反饋與干預(yù)的在線學(xué)習(xí)質(zhì)量標(biāo)準(zhǔn)體系，在不斷的實(shí)際應(yīng)用迭代中予以?xún)?yōu)化，從而為在線學(xué)習(xí)的狀態(tài)和結(jié)果監(jiān)測(cè)提供全方位科學(xué)高效的支撐。

（二）加強(qiáng)學(xué)生自主學(xué)習(xí)能力與相關(guān)網(wǎng)絡(luò)認(rèn)知素養(yǎng)培養(yǎng)，促進(jìn)在線學(xué)習(xí)有效發(fā)生

本研究發(fā)現(xiàn)學(xué)生的在線學(xué)習(xí)注意力投人特征揭示出學(xué)生自主學(xué)習(xí)能力與相關(guān)網(wǎng)絡(luò)認(rèn)知素養(yǎng)的缺失。作為影響在線學(xué)習(xí)發(fā)生的關(guān)鍵因素，自主學(xué)習(xí)能力和相關(guān)網(wǎng)絡(luò)認(rèn)知素養(yǎng)的培養(yǎng)和提升是下一階段高等教育在線學(xué)習(xí)變革的重要著力點(diǎn)。我們建議改變完全意義的“視頻+練習(xí)”的通用學(xué)習(xí)模式，強(qiáng)化學(xué)習(xí)情境、學(xué)習(xí)活動(dòng)與學(xué)習(xí)反饋的設(shè)計(jì)，將自主學(xué)習(xí)能力和良好網(wǎng)絡(luò)接觸習(xí)慣、注意力管理等網(wǎng)絡(luò)認(rèn)知素養(yǎng)培養(yǎng)作為重要因素，在課程各環(huán)節(jié)滲透相關(guān)支持策略，關(guān)注并支持學(xué)生對(duì)學(xué)習(xí)時(shí)間、內(nèi)容、活動(dòng)和結(jié)果的自我調(diào)節(jié)，通過(guò)促進(jìn)學(xué)生與課程環(huán)境的充分互動(dòng)、提供及時(shí)反饋，引導(dǎo)其逐步提高其網(wǎng)絡(luò)素養(yǎng)與自主學(xué)習(xí)能力，以適應(yīng)這種新型學(xué)習(xí)方式，提升在線學(xué)習(xí)質(zhì)量。

（三）強(qiáng)化智能技術(shù)應(yīng)用，以適應(yīng)性的學(xué)習(xí)服務(wù)應(yīng)對(duì)多元化學(xué)習(xí)需求

高等教育中對(duì)在線課程的學(xué)習(xí)需求存在多樣化特點(diǎn)，正如本文所發(fā)現(xiàn)的，在線學(xué)習(xí)者不僅是目標(biāo)需求的多元化，還有學(xué)習(xí)時(shí)間、學(xué)習(xí)投人、學(xué)習(xí)方式、學(xué)習(xí)評(píng)價(jià)等各類(lèi)需求的多元化。單靠大規(guī)模的教師資源投人解決適應(yīng)性學(xué)習(xí)服務(wù)和學(xué)習(xí)支持，自然難以滿(mǎn)足此類(lèi)訴求，而需要強(qiáng)化數(shù)據(jù)挖掘等智能技術(shù)的應(yīng)用。在線學(xué)習(xí)與傳統(tǒng)學(xué)習(xí)發(fā)生在不同的環(huán)境中，基于學(xué)習(xí)發(fā)生的場(chǎng)景，可以利用平臺(tái)記錄的客觀行為數(shù)據(jù)和狀態(tài)數(shù)據(jù)構(gòu)建相關(guān)算法模型，從教育學(xué)規(guī)律和數(shù)據(jù)聚合兩個(gè)角度相向而行，構(gòu)建具有科學(xué)性和可行性的技術(shù)模型支撐對(duì)在線學(xué)習(xí)的評(píng)價(jià)、診斷、預(yù)測(cè)、干預(yù)，形成適應(yīng)性、智能化學(xué)習(xí)服務(wù)體系，以應(yīng)對(duì)多元化學(xué)習(xí)需求。

總之，新冠肺炎疫情下，中國(guó)大規(guī)模在線教育已經(jīng)成為全民參與的新時(shí)代學(xué)習(xí)模式的社會(huì)實(shí)

踐。正如教育部高等教育司司長(zhǎng)吳巖在2020年5月14日教育部新聞發(fā)布會(huì)上所說(shuō)：“我們?cè)僖膊豢赡?、也不?yīng)該退回到疫情發(fā)生之前的教與學(xué)狀態(tài)。”“互聯(lián)網(wǎng)+”教育將成為我國(guó)下一個(gè)階段教育變革的核心著力點(diǎn)，也是學(xué)習(xí)方式變革的重心。因此，挖掘在線學(xué)習(xí)的基礎(chǔ)規(guī)律促進(jìn)有質(zhì)量的學(xué)習(xí)發(fā)生就有了極高的理論和現(xiàn)實(shí)意義。本研究期望能夠?yàn)榧骖櫠嘣獙W(xué)習(xí)需求的在線學(xué)習(xí)服務(wù)體系設(shè)計(jì)提供依據(jù)和支持。

參考文獻(xiàn)：

[1]彭聃齡.普通心理學(xué)（修訂版）[M].北京：北京師范大學(xué)出版社，2001.[2][4]嚴(yán)薇薇，曠小芳等.基于深度學(xué)習(xí)技術(shù)的注意力轉(zhuǎn)移模式的挖掘——以二語(yǔ)學(xué)習(xí)者的眼動(dòng)數(shù)據(jù)為例[J].電化教育研究，2019，40（8）：30-36.

[3] Miller，M.D.Minds online：Teaching effectively with technology [M]. Cambridge，MA：Harvard University Press，2014.

[5] Athreya B H，Mouza C.Thinking skills for the digital generation：The development of thinking and learning inthe age of information [MJ.Swi tzerland：Springer，2017.97-98.

[6] Greenfield，S.Minds change：How digital technologies are leaving their mark on our brains [M].New York：Random House，2015.

[7]馬秀麟，蘇幼園等.移動(dòng)學(xué)習(xí)環(huán)境中注意力保持及學(xué)習(xí)行為控制模型的研究[J].遠(yuǎn)程教育雜志，2018，36（2）：56-66.

[8] Brown S G，Tenbrink A P，LaMarre G.Performance while distracted： The effect of cognitive styles and working memory [J Personality and Individual Differences，2019，138（Feb）：380-384.

[9] Xiao，X ，& Wang，J.Understanding and detecting divided attention in mobile mooc learning [A].ACM.Proceedings of the 2017 CHl Conference on Human Factors in Computing Systems [C].New York： Association for Computing Machinery，2017.2411-2415.

[10] Kop R..The Challenges to Connectivist Learning on Open Online Networks：Learning Experiences during a Massive Open Online Course [J].International Review of Research in Open & Distance Learning，2011，12（3）：19-38.

[11] Li S，Tang Q Zhang Y.A Case Study on Learning Difficulties and Corresponding Supports for Learning in cMoocs [J.Canadian Journal of Learning and Technology，2016，42（2）：1-25.

[12]楊斌.充分釋放“抗疫紅利”推進(jìn)教育改革創(chuàng)新[J].清華大學(xué)教育研究，2020，41（3）：1-5+33.

[13][21] Montgomery A L，Li S，Srinivasan K，et al.Modeling online browsing and path analysis using clickstream data [J].Marketing sience，00404.4）：579-595.

[14] cU0，Philip J：KIMJuho;RUBIN，Rob.How video production affects student engagement：An empirical study of Mooc videos [AJ.ACM. Proceedings of the Ist ACM Conference on Learning at Scale [CJ.New York：Association for Computing Machinery，2014.41-50.

[15[8][23] Li S，Wang SJei Du J，et al.The Characteristics of Attention Flow of MoOC Students and Their Prediction of Academic Persistence [A.Lin L.Proceedings of 2019 8th International Conference of Educational Innovation through Technology [C].New York：Institute of Electrical and Electronics Engineers Inc，2019.91-98.

[16][27] Zhang JJLou X，Zhang H，et alModeling collective attention in online and flexibleleamingenvironments [J-DistanceEducation，2019.40（2）：278-301. [17] S.Crossley，L.Paquette，M.Dascalu，D.S.MeNamara，and R.S.Baker. Combining click-stream data with NLP tools to better understand mooc completion [A].ACM.Proceedings of the sixth intermational conference on learning analytics & knowledge [C].New York：Association for Computing Machinery，2016.6-14.

[19][24] Okubo F， Yamashita T，Shimada A，et alA neural network approach for students' performance prediction [A].ACM.Proceedings of the Seventh International Learning Analytics & Knowledge Conference [C].New York：Association for Computing Machinery，2017.598-599.

[20] Waheed H，Hassan S U，Aljohani N R，et al.Predicting academic performance of students fomn VlLE big data using deep leaming models J.Computers in Human Behavior，2020，104（Mar）：1-13.

[22] Kizilcec R FPiech CSchneider E.Deconstructing disengagement：analyzing leamer subpopulations in massive open online courses [AJ.ACMProceedings ofthe third intemational conference on leaming analytics and knowledge [CJNew Yok：ssociation for Computing Machinery，2013.170-179.

[25]王夢(mèng)倩，范逸洲等.MOOC學(xué)習(xí)者特征聚類(lèi)分析研究綜述[J].中國(guó)遠(yuǎn)程教育，2018，（7）：9-19+79.

[26]張媛媛，李爽.MOOC課程資源訪問(wèn)模式與學(xué)習(xí)績(jī)效的關(guān)系研究[J].中國(guó)遠(yuǎn)程教育，2019，（6）：22-32+93.

[28] de BarbaP.G.，Malekian D..Oliveira E.A.Baile J，Ryan T.& Kennedy G.The importance and meaning of session behaviour in a massive open online course [J].Computers & Education，2020，146（Mar）：1-18.

作者簡(jiǎn)介：

李爽：副教授，博士，研究方向?yàn)樵诰€學(xué)習(xí)投入、在線學(xué)習(xí)支持。

鄭勤華：教授，博士生導(dǎo)師，研究方向?yàn)榻逃髷?shù)據(jù)與學(xué)習(xí)分析技術(shù)。

收稿日期：2020年5月20日

責(zé)任編輯：趙云建