邵明銘 趙 麗

（南京師范大學 教育科學學院, 江蘇南京 210097）

自國務院印發(fā)《新一代人工智能發(fā)展規(guī)劃》以來，人工智能便在教育領域掀起狂瀾，推動了教育改革與發(fā)展。隨著教育新基建進程的不斷推進，依托人工智能技術實現(xiàn)高質(zhì)量教育、個性化發(fā)展的目標逐步變得可能。學習者學習風格研究是實現(xiàn)個性化學習的重要前提。學習風格是學習者在社會環(huán)境中學習的方式（Hamidah et al., 2009），是影響一個人如何感知的獨特的個人技能和偏好的集合（Akbulut & Cardak, 2012），包括認知、情感和心理三個方面。認知風格涉及信息加工，情感風格涉及動機反應，心理風格與性別、健康和環(huán)境等因素有關（Keefe, 1989）。

然而，緣于人們對“學習”測量的困難，學習風格的評判和分析一度陷于困境。無論是量表測量法還是技術分析法，都存在不同程度的缺陷?；谛录夹g的發(fā)展和學習風格對個性化學習的重要性，開展多方法、多維度、一體化的多模態(tài)學習風格分析已經(jīng)迫在眉睫。本研究綜合已有研究，提出了融合多主體數(shù)據(jù)采集與新算法的“數(shù)據(jù)層-信息層-應 用 層 ” （Digital level, Information level, and Application level，DIA）分析框架，旨在推動多模態(tài)學習風格分析理論發(fā)展，為多模態(tài)學習風格分析提供技術應用新思路。

一、研究演進：從量表測量到多模態(tài)技術分析

自伊莎貝爾·邁爾斯·布里格斯和凱瑟琳·布里格斯提出學習風格以來（Bloom et al., 1956），學習風格研究至今已有五十多年歷史，學習風格分析研究歷經(jīng)從靜態(tài)模型到動態(tài)模型，從顯性測量到隱性測量的螺旋式向上發(fā)展的進路。

（一）理論演進

多年來，學習風格分析理論研究涌現(xiàn)出多種模型。邁爾斯和布里格斯根據(jù)布魯姆分類法建立了邁爾斯-布里格斯指標（Bloom et al., 1956），涉及四個維度，每個維度分兩個方向：外向/內(nèi)向、感覺/直覺、思考/情感、判斷/知覺，組成八種風格。此后，費爾德-西爾弗曼（Felder, 1988）的學習風格模型開始流行起來，該模型根據(jù)學生對給定內(nèi)容的感知、接收、處理和理解方式，將學習風格分為四個維度，每個維度通過兩種風格對比加以區(qū)分，分別是感覺/直覺、視覺/語言、活躍/深思、序列/綜合?？茽柌家詸M軸（活動與反思）和縱軸（抽象與具體）兩兩組合構建了四象限學習風格循環(huán)模型，包括發(fā)散型、吸收型、集中型、調(diào)節(jié)型四種學習風格（嚴加平等，2006），并闡釋了與每類學生相適應的學習內(nèi)容、學習方式和理想職業(yè)。格拉沙-賴克曼（Riechmann &Grasha, 1974）學習風格模型分三個維度，每個維度包括兩個子類型：獨立的/依賴的、協(xié)作的/經(jīng)濟的、參與的/回避的。獨立學習風格的學生傾向于獨自學習，喜歡以學習者為中心的教學方法；依賴性學習風格的學生缺乏好奇心，更適應教師主導的教學方法；合作學習風格的學生喜歡與同伴一起學習，傾向于小團體學習；競爭學習風格的學生認為競爭是理所當然的，渴望取得比同伴更好的成績，并努力獲得教師的關注；參與式學習風格的學生往往喜歡上課；回避式學習風格的學生往往不喜歡發(fā)言（Chae, 2012）。出于簡單和直觀的考量，教育領域最常用的是弗萊明（Fleming & Mills, 1992）學習風格模型，由視覺型、聽覺型、讀寫型和動覺型四種感知模式組成。

現(xiàn)有學習風格分析模型衍生出兩種不同形態(tài)：一是大部分研究所采用的靜態(tài)學習者模型，常用學習風格量表、成就測試和訪談測量。靜態(tài)模型操作簡單，但從可靠性和穩(wěn)定性角度說，以系統(tǒng)內(nèi)學習者行為和相互作用為基礎建立的廣義動態(tài)模型，更能準確地模擬動態(tài)變化的學習者偏好（Aslan et al., 2014），為學習風格分析開辟了一條新路。例如，有動態(tài)模型通過記錄特定環(huán)境中學習者的行為和互動，然后建立相應的適應性函數(shù)，大幅度提高了學習風格分析的準確度，并能根據(jù)用戶的學習風格提供個性化服務。

總體而言，已有的學習風格理論模型數(shù)量繁多，應用場景復雜。簡單直觀的靜態(tài)模型和可靠準確的動態(tài)模型，各有優(yōu)劣勢，研究者可根據(jù)研究的性質(zhì)和目的選擇適合的學習風格分析模型。

（二）方法演進

根據(jù)不同學習風格分析模型，學者們設計了不同學習風格分析方法：一種是顯性的量表測量法，另一種是隱性的技術分析法。前者關注測量的直觀性和易操作性，后者關注如何準確地測量學生在真實學習場景中表現(xiàn)出來的學習風格。

顯性的量表測量法包括固定的自陳量表和靈活的測試量表。鄧恩（Dunn et al., 1985）的學習風格量表（Learning Styles Inventory，LSI）包含 104道題，每題四個選項，為感覺（具體經(jīng)驗）、查看（反思觀察）、思考（抽象概念化）和實踐（主動實驗），被試需根據(jù)對自己的了解選擇面對這104種情況時可能的做法，完成自測后形成報告。西蒂等（Siti &Nor，2009）研發(fā)的學習風格量表第三版（Learning Styles Inventory - Version III）由 65 道題組成，用于測量個人對班級9項活動的傾向，涉及演習、同伴、教學、討論、游戲、學習、自學、講座和模擬。弗萊明學習風格模型將學習風格分為四組：視覺、聽覺、讀寫、動覺，采用問卷的方式確定學生屬于哪種學習風格（Fatt & James, 2000）。費爾德-西爾弗曼（Felder, 1988）學習風格模型（Felder-Silverman Learning Style Model or Index of Learning Styles）旨在根據(jù)學習風格的四個維度對被試進行分類，由44道題組成，每道題有a和b兩個選項，使用學習風格指數(shù)調(diào)查捕捉學生的學習風格。該工具被研究者參考最多，信度和效度已得到驗證。此后，費爾德和西爾弗曼以此為基礎，研發(fā)出專門針對工程專業(yè)學生的學習風格量表（Felder, 2005；Fleming & Mills,1992）。格拉沙·賴克曼學習風格檢測工具由47道題組成，采用4分尺度，根據(jù)分數(shù)高低判別學生處于哪個維度（Chae, 2012）。

電子化學習風格量表（electronic learning style，e-Les）作為心理測試工具，可用于識別被試的多元智能與社會交往學習風格（Ariffin et al., 2010）。與固定的自我陳述量表不同，電子化學習風格量表根據(jù)被試的能力制定測試問卷和測試題的難度（Rasimah et al., 2008），應用測量參數(shù)項目反應理論或潛在特質(zhì)理論，并利用拉施（Rasch）模型進行統(tǒng)計分析，以確保信度和效度。

目前，大多數(shù)顯性的學習風格識別工具采用強迫選擇的自我報告問卷分析學生學習風格。許多研究人員認為該方法存在可靠性低、效度差、對教學影響小等缺點（Coffield et al., 2004）。顯性量表測量易受學習者本身和環(huán)境的影響，主觀性強。學習者在被問及各種學習情況的偏好時，陳述和行為之間存在異質(zhì)性（Crogman & Maryam, 2016）。這種異質(zhì)性很可能導致題目之間的內(nèi)部一致性差，降低工具的可靠性。

除了自我報告量表，技術分析法也得到一定應用。張冰雪等（2021）研發(fā)出融合多尺度腦電特征的學習風格識別模型，它通過刺激并回收被試的腦電信號，對其進行模型訓練與學習風格識別。王扶東等（2020）通過分析垂直學習社區(qū)的文本信息和行為信息，提出新的學習風格識別算法。葛子剛等（2018）通過自適應學習系統(tǒng)自行收集和判斷學習者的學習痕跡，動態(tài)調(diào)整確定學習者最終學習風格。李超等（2018）以復合神經(jīng)網(wǎng)絡為基礎對動態(tài)學習風格識別模型進行模擬，根據(jù)費爾德-西爾弗曼的學習風格模型的相關閾值推測學習者學習風格。這些隱性技術分析方法大多基于費爾德-西爾弗曼的學習風格理論模型，或?qū)ζ浼右詳U充和改編?，F(xiàn)有的學習風格技術分析方法基本是單模態(tài)的數(shù)據(jù)采集，學習者學習偏好具有動態(tài)性，偏好的形成是不斷發(fā)展的，單模態(tài)數(shù)據(jù)分析缺乏準確性，很難確定識別出的學習風格是否適用于所有學習情況（Aslaksen et al., 2020）。因此，基于多模態(tài)技術的學習風格分析成為當前學習風格分析的研究重點，可彌補單模態(tài)的不足，推動學習風格分析研究與應用發(fā)展。

二、應用困境：技術支持不足與倫理隱私危機

模態(tài)是雙方傳遞和獲取交換信息的通道類型（Mitri et al., 2018），如文字、聲音、圖像等，亦是人類通過感覺器官與外部環(huán)境相互作用的方式，如視覺、聽覺、觸覺等（Lahat et al., 2015）。多模態(tài)學習風格分析通過捕獲、集成和分析不同模態(tài)的學習痕跡，確定學習者學習偏好。5G網(wǎng)絡的普及與教育新基建進程的加快，使得多模態(tài)學習風格分析從理論變?yōu)楝F(xiàn)實，但其應用仍面臨挑戰(zhàn)，最突出的是技術層面的支持不足與倫理層面的隱私危機。

（一）技術支持不足

多模態(tài)技術應用于學習風格分析的時間短，在收集、處理學習者數(shù)據(jù)和分析學習風格過程中仍存在許多問題：一是針對學習者收集的模態(tài)信息不足?，F(xiàn)階段多模態(tài)學習風格分析技術主要通過非接觸式設備，如攝像頭、錄音筆等獲取學習者數(shù)據(jù)信息，如文字、語音、圖片。人的復雜性使得學習風格的測定不能僅通過簡單的外在觀察而獲得。依據(jù)具身認知理論，學習者的感官、身體運動、心電圖、血壓、激素分泌等生物傳感數(shù)據(jù)也可用于分析和描繪學習的主動狀態(tài)和參與程度（馬云飛等，2022），而現(xiàn)有的多模態(tài)學習風格分析只關注學習者的外在學習行為，難以對內(nèi)在心理和心智加以考察。因此，接觸式生理信號的采集必不可少（王一巖等，2022），將是未來研究的重要方向。

二是學習者數(shù)據(jù)的異質(zhì)性給數(shù)據(jù)分析帶來了困難。多模態(tài)學習風格分析需收集大量不同性質(zhì)的數(shù)據(jù)，如文本、語音、圖片和視頻、生理數(shù)據(jù)等。龐大且復雜的數(shù)據(jù)產(chǎn)生了大量冗余信息，不僅給分析系統(tǒng)帶來巨大壓力，而且相關數(shù)據(jù)的異質(zhì)性給后續(xù)的融合、分析和解讀造成極大困難。一些學者嘗試解決數(shù)據(jù)的融合問題，但融合技術發(fā)展時間短，多模態(tài)學習風格分析需要的數(shù)據(jù)維度多，目前已有的研究成果仍不能完全解決學習風格分析異質(zhì)性數(shù)據(jù)的融合和解讀，靜態(tài)數(shù)據(jù)和動態(tài)數(shù)據(jù)之間存在分裂（王開心等，2022）。

三是高時間成本給學習風格持續(xù)動態(tài)觀測造成困難?；谑录膶W習過程觀認為，學習是隨時間的推移而展開的，是不斷累積變化的動態(tài)過程（Reimann, 2009）。因此，穩(wěn)定的學習風格測量不僅需要采集多維度數(shù)據(jù)，而且需要以大量數(shù)據(jù)為基礎進行長時間動態(tài)觀測，但現(xiàn)有分析模型對大量數(shù)據(jù)處理的時效性和準確性還不足以支撐多模態(tài)學習風格分析的要求，有待拓展與優(yōu)化。

（二）倫理隱私危機

倫理隱私危機同樣困擾著多模態(tài)學習風格分析的應用和發(fā)展：一是數(shù)據(jù)泄露與安全危機。學習風格分析旨在讓學習者、教學者、課程開發(fā)者、學校等能夠根據(jù)不同學習偏好提供個性化教學，多模態(tài)技術致力于使學習分析結(jié)果更客觀、全面和準確。為了達到系統(tǒng)共同合作的目標，這些與學習者息息相關的信息將被傳遞給多方利益相關者。學生的學習行為、生理數(shù)據(jù)乃至心理表現(xiàn)都會成為公開的信息（羅江華等，2022），嚴重威脅教育主體的隱私安全。

二是監(jiān)測設備對學習者行為表現(xiàn)造成的影響。大量監(jiān)測設備出現(xiàn)在教室，通常會對學習過程造成干擾，學習者往往伴隨著“恐懼”，產(chǎn)生抗拒的心理（馮銳等，2020），這不利于學習風格的測評。因此，如何在日常課堂中進行常態(tài)化應用也是多模態(tài)學習分析技術需要考慮的問題。一般來說，人在面對被記錄時總是傾向于表現(xiàn)自己優(yōu)秀的一面。場所中遍布著各種接觸式和非接觸式記錄設備，學習者常常會改變自己的行為表現(xiàn)。比如，面對可能“被批評”的風險時，弱者傾向于偽裝自己（張銀普等，2016）。出于對自己隱私的保護，學習者的行為和真實情況之間常常會有偏差，數(shù)據(jù)的真實性和學習風格測定的準確性便值得懷疑。

三是過于理性的學習風格分析結(jié)果會造成教育感性價值的缺失。愛是教育之源（田友誼等，2020），精確的數(shù)據(jù)分析一方面會削弱教師的作用和地位（趙磊磊等，2022），使教師從充滿愛的“領路人”變成依附技術分析結(jié)果的“邊緣人”，學生希望得到的是充滿愛的個性化教學，而不是依賴學習風格分析結(jié)果的固定處理模式。另一方面過于精確的數(shù)據(jù)會給學習者貼上標簽，使其固化自我認知。學生是不斷發(fā)展的，是可塑造的，學習風格也不斷變化。一旦學習者將自身的不足歸結(jié)于教學資源或教學方法與自己的學習風格不匹配等客觀因素，可能會使學習者失去努力的動力，自我放棄。感性與理性的價值沖突由此導致倫理風險，破壞教育的持續(xù)發(fā)展。

三、發(fā)展圖景：多主體數(shù)據(jù)采集與新算法融合

多模態(tài)學習風格分析的技術問題和倫理危機，使得開辟立體化學習風格測量、分析和應用的新道路迫在眉睫。本研究從數(shù)據(jù)的采集、分析和應用三方面探索解決困境的策略，探討學習分析研究未來的發(fā)展圖景。

（一）多主體視角下的多模態(tài)學習風格分析

學習風格是帶有一定個性特征的持續(xù)一貫的學習行為（譚頂良，1995）。這不僅體現(xiàn)了學習風格的穩(wěn)定性，還體現(xiàn)出一定的復雜性。因此，學習風格判定應當從多主體、不同渠道收集數(shù)據(jù)，最大限度地保證結(jié)論的客觀性和準確性。針對模態(tài)信息不足的現(xiàn)狀，研究者可以通過接觸式探測設備收集學習者的生理數(shù)據(jù)，如開設特定的檢測教室，定期收集學習者的生理信息。這樣不僅可以促進其常態(tài)化，而且可以減少監(jiān)測設備對學習過程的干擾以及對學習者造成的心理壓力。

為解決現(xiàn)有多模態(tài)學習風格分析的高時間成本問題，研究者可先采納自陳量表測量結(jié)果，向?qū)W習者提出若干客觀問題，由學習者根據(jù)實際報告自己是否具有某些典型的行為表現(xiàn)，然后根據(jù)量表得分評估學習風格。同時，研究者可收集學習者的感官系統(tǒng)與學習環(huán)境交互等多重數(shù)據(jù)，進行長期的動態(tài)觀測（陸吉健等，2021），并將自陳量表的測量結(jié)果與多模態(tài)動態(tài)學習風格分析結(jié)果比對，從而作出客觀可信的學習風格診斷。

針對過于理性的數(shù)據(jù)會造成教育愛的缺失和教師角色的弱化問題，研究者可以增加教師視角的觀察記錄報告。感性與理性結(jié)合，可以增加學習風格分析依據(jù)的全面性，還可以從人的角度探查對學習風格的理解，推動理論的發(fā)展與完善。多主體視角下的多模態(tài)學習風格分析倡導將多維度設備監(jiān)測、自我報告量表測量和人的觀察記錄報告相結(jié)合，構建精準、完整的學習風格診斷體系。

（二）新算法視角下的多模態(tài)學習風格分析

由于數(shù)據(jù)的復雜性和異質(zhì)性，多模態(tài)學習風格分析對算法模型提出了更高要求。一些學者提出了改進多模態(tài)數(shù)據(jù)融合和分析的新技術。在多模態(tài)信息識別方面，謝勒（Scherer，2016）提出多模態(tài)序列分類器，利用多維數(shù)據(jù)通道從數(shù)據(jù)中提取相關行為特征，以提高數(shù)據(jù)分類和識別的準確性。在多模態(tài)信息融合方面，斯特里姆斯系統(tǒng)將多模態(tài)信息按時間或時序信息對齊，以解決數(shù)據(jù)粒度差異大和時間跨度大等問題（馬志強等，2022）。王旭陽等（2022）利用時域卷積網(wǎng)絡和軟注意力機制構建復合層次融合的多模態(tài)分析模型，致力于解決三維模態(tài)的融合問題。扎德（Zadeh et al., 2017）提出張量融合網(wǎng)絡模型，以解決多維張量的融合問題.

多模態(tài)學習者數(shù)據(jù)分析的新技術也層出不窮。吳永和等（2021）提出多模態(tài)學習融合分析模型，采用“多對一”的映射關系促進理論框架和模態(tài)信息的特征融合。記憶融合模型主要處理隨時間變化模態(tài)內(nèi)部信息間的交互作用（Zadeh et al., 2018）。波西亞（Poria et al., 2015）開發(fā)了新的多模態(tài)信息抽取代理方法，促進用戶信息推理和聚合。

此外，新算法還注重保護數(shù)據(jù)安全，這包括對讀取數(shù)據(jù)的賬戶設置最大限度的安全驗證，如身份信息驗證、手機設備綁定、常用設備監(jiān)測、流動驗證碼獲取等；對需要提取數(shù)據(jù)的賬戶設置獨立密碼，加大數(shù)據(jù)安全管控，并在提取的數(shù)據(jù)文件中設置追蹤程序，盡可能地保護數(shù)據(jù)安全，保證學習者相關隱私不被泄露。多模態(tài)學習風格分析的新算法，既要保證可用性和易用性，又要兼顧有效性、準確性和安全性，軟硬件配合共同促進多模態(tài)學習風格分析技術的發(fā)展。因此，如何在多模態(tài)學習風格分析中規(guī)避上述問題，提高多模態(tài)學習風格分析的科學性、高效性、安全性，是本研究關注的重點。

四、分析路徑：個性化教學DIA框架

融合多主體數(shù)據(jù)采集和新算法，本研究提出基于多模態(tài)技術的學習風格分析“數(shù)據(jù)層—信息層—應用層”（DIA）框架（見圖1）。數(shù)據(jù)層的處理是重點，分三個階段：數(shù)據(jù)收集、數(shù)據(jù)處理和數(shù)據(jù)分析。數(shù)據(jù)收集方式包括設備采集、觀察記錄和量表檢測。設備采集不僅要使用非接觸式設備，如攝像、錄音裝置，獲取學生外在的表情和對話信息；還要使用接觸式檢測設備，如腦電波檢測儀、心率監(jiān)測儀等，獲取學生內(nèi)在的生理和心理信息。觀察記錄包括觀察學生的學習行為、學習偏好和學習表現(xiàn)，以教師為主體記錄學生的外在行為等。量表檢測包含兩種方式：學習者自陳量表測試和心理試卷測試，即以主客觀相結(jié)合的方式獲取量表檢測數(shù)據(jù)。此外，從學習平臺挖掘數(shù)據(jù)，了解學生登錄時間、使用時長、畫面呈現(xiàn)方式等學習習慣，也是重要的信息采集途徑。數(shù)據(jù)處理包括數(shù)據(jù)框洗、篩選、刪除，將生理數(shù)據(jù)、行為表現(xiàn)記錄和心理數(shù)據(jù)按照模態(tài)歸類和泛華，并將不同模態(tài)的文本、圖像、視頻等異質(zhì)性數(shù)據(jù)進行時間維度和空間維度的融合。數(shù)據(jù)分析可根據(jù)現(xiàn)有的權威模型，包括費爾德-西爾弗曼學習風格模型、弗萊明學習風格模型、格拉沙-賴克曼學習風格模型等，對張量融合模型、記憶融合模型等算法模型進行閾值設定和特征映射，促進理論和數(shù)據(jù)的歸一化，再得出學習風格分析結(jié)果。DIA框架的多維數(shù)據(jù)收集，使得學習風格分析結(jié)果的多方互證成為可能，大幅提高了結(jié)論的客觀性和準確性，能有效彌補傳統(tǒng)多模態(tài)學習風格分析的不足。

圖1 基于多模態(tài)技術的DIA學習風格分析框架

第二層是信息層，即將第一層的數(shù)據(jù)評估結(jié)果形成可視化分析報告，并傳遞到學習系統(tǒng)各個要素，幫助監(jiān)控和管理教學過程，促進教學資源的合理分配，為各方利益相關者提供個性化教學建議和教學服務。這包括促使第三方利益相關者，如學校、機構和平臺提供有效的學習材料和科學的學習計劃；為教師提供學習活動、教學方法和媒體的選擇等設計方案，使教師能利用智能技術為不同學習風格學生提供教學（Donnelly & Mcsweeney，2008），有效地規(guī)劃和設計學習材料；為不同風格學習者提供內(nèi)容和方法的指導和推薦，使學習者能夠選擇可以識別的學習材料類型，循序漸進地學習（Holmes &Gardner，2006）。在此層級中，學習系統(tǒng)各要素之間的信息是互通的，可以根據(jù)變化或需求隨時調(diào)整，服務于整個教學過程，促進個性化學習。

最后是應用層，多方利益相關者根據(jù)學習風格分析結(jié)果提供個性化教學服務，完成個性化教學的應用與實施。DIA分析框架的數(shù)據(jù)和結(jié)論也可反饋給研究者，加強學習風格分析的理論建設，開拓新的研究道路，推動領域研究的完善與發(fā)展。從教育者角度來說，學校要教育今天的學生，就必須適應學生的學習方式、興趣和生活經(jīng)歷。學習風格分析結(jié)果可以為教師提供更多的學生個性化特征，將直接影響教學設計和教學內(nèi)容（Felder, 2005）。當教師教學風格與學生學習風格相匹配時，學生學習效果會更好（Schmid et al., 2009）。教師可以減少教學挫折，幫助學生取得更好的成績（Ariffin et al.,2010）。從受教育者角度來說，學生意識到自己的學習風格，就會選擇更適合的學習對象，使得學習更容易、學習進度加快（Phung et al., 2018）。學術成功取決于學生的學習風格和信息呈現(xiàn)方式（Rothwell, 2008），了解學生學習風格對于確定合適的教學方法、提供匹配的教學內(nèi)容、把握適當?shù)慕虒W進度和以動態(tài)方式將學生分成不同小組都是至關重要的（Fatt & James, 2000）。

教師和研究者大多對基于學習風格開展個性化學習持積極態(tài)度。調(diào)查表明，相當比例的中小學教師和高校教師贊同教學應與學生特定學習風格相一致（Marta et al., 2016）。2013 年到 2015 年發(fā)表的近90%研究文獻，支持教師教學要考慮學習風格。許多報告稱，學習風格理論作為教材原則，應成為教師教育課程的一部分（Newton & Mahallad，2017）。盡管教學與學習風格匹配的概念仍在傳播，但也存在爭議。教師面對時間和資源的雙重挑戰(zhàn)，難以利用課堂時間識別學習風格，靈活調(diào)整教學過程。學習風格的確定也可能會對學習者動機產(chǎn)生負面影響，學習者可能將學業(yè)失敗歸咎于不匹配的教學資源和教學方法（Weiner, 1972）。多模態(tài)技術的出現(xiàn)為學習風格的分析和應用提供了機遇，分析學習者學習風格既要注重定量數(shù)據(jù)的采集，也要注重定性數(shù)據(jù)的分析，既要注重考量過程性數(shù)據(jù)的考量，也要注重結(jié)果性數(shù)據(jù)的判斷，多主體、多方法、多維度地判斷、分析和應用學習風格。綜上所述，本研究從學習風格分析的研究演進出發(fā)，剖析基于多模態(tài)技術的學習風格分析的困境，提出分析路徑和發(fā)展圖景，完善學習風格分析的理論研究，為學習風格各異的學習者與教師提供個性化教學與支持服務。