李海峰 王 煒

（新疆師范大學(xué) 教育科學(xué)學(xué)院，新疆 烏魯木齊 830017）

人們對“人是如何學(xué)習(xí)”的追問與探索是人類打開學(xué)習(xí)者“學(xué)習(xí)黑箱”，從“學(xué)習(xí)黑箱”向“學(xué)習(xí)白箱”揭秘學(xué)習(xí)本質(zhì)的重要前提。所謂學(xué)習(xí)黑箱指未探明的學(xué)習(xí)者內(nèi)部心理加工學(xué)習(xí)機(jī)制、學(xué)習(xí)規(guī)律及內(nèi)部與外部相互作用的學(xué)習(xí)原理（李振亭，2006）。教育信息化產(chǎn)生的龐雜的、多態(tài)的學(xué)習(xí)數(shù)據(jù)使“學(xué)習(xí)黑箱”變得更加神秘，但是學(xué)習(xí)者與外界互動的大量數(shù)據(jù)也為解密學(xué)習(xí)黑箱提供了線索和機(jī)會。以人工智能、大數(shù)據(jù)和自然語言處理等為代表的數(shù)智技術(shù)，為解密學(xué)習(xí)黑箱提供了高效的解決路徑。學(xué)習(xí)分析是數(shù)智時代解密學(xué)習(xí)黑箱的重要途徑，《學(xué)習(xí)分析手冊》是解密學(xué)習(xí)黑箱的理論、技術(shù)、方法和實(shí)踐的經(jīng)典集合。

2022版《學(xué)習(xí)分析手冊》是繼2017版后由學(xué)習(xí)分析研究協(xié)會出版的第二版學(xué)習(xí)分析手冊（以下簡稱《手冊2》）。《手冊2》由23章組成，分四部分。第一部分闡述了學(xué)習(xí)分析界定的復(fù)雜性，批判了“學(xué)習(xí)分析即關(guān)于學(xué)習(xí)的分析”的錯誤解釋。第二部分探討了學(xué)習(xí)分析的方法與技術(shù)，涉及教與學(xué)預(yù)測模型、網(wǎng)絡(luò)分析、多模態(tài)學(xué)習(xí)分析和時序性學(xué)習(xí)分析。第三部分探索了學(xué)習(xí)分析的應(yīng)用領(lǐng)域，涉及自我調(diào)節(jié)、協(xié)作學(xué)習(xí)、寫作、教育會話、情感分析和職業(yè)分析等。第四部分描述了學(xué)習(xí)分析的使用和制度，諸如數(shù)據(jù)素養(yǎng)、公平和公正的數(shù)據(jù)分析、學(xué)習(xí)分析政策等。

學(xué)習(xí)分析作為探究學(xué)習(xí)本質(zhì)的新興研究領(lǐng)域，將為探索與揭示“學(xué)習(xí)黑箱”提供豐富的技術(shù)與方法。《手冊2》是數(shù)智時代探索學(xué)習(xí)分析的重要著作，系統(tǒng)闡述了學(xué)習(xí)分析揭示學(xué)習(xí)本質(zhì)的技術(shù)、方法、實(shí)踐和規(guī)范，為解密大規(guī)模、多態(tài)以及復(fù)雜的學(xué)習(xí)數(shù)據(jù)提供了理論處方、工具集、方法論和實(shí)踐方案。本文以《手冊2》的學(xué)習(xí)分析基本理論、關(guān)鍵方法和技術(shù)為基礎(chǔ)，構(gòu)建了基于學(xué)習(xí)分析研究成果的學(xué)習(xí)分析解密學(xué)習(xí)黑箱的基本模型，探討了學(xué)習(xí)分析解密學(xué)習(xí)黑箱的精準(zhǔn)度和倫理規(guī)范等核心問題，提出學(xué)習(xí)分析未來發(fā)展的可能。

一、基本框架

學(xué)習(xí)分析的研究史實(shí)質(zhì)上是解密學(xué)習(xí)者學(xué)習(xí)黑箱的發(fā)展史。為系統(tǒng)揭示學(xué)習(xí)分析解密學(xué)習(xí)黑箱的基本原理、關(guān)鍵技術(shù)和倫理規(guī)范，本研究以《手冊2》為基礎(chǔ)，結(jié)合當(dāng)前學(xué)習(xí)分析的研究成果，總結(jié)得出“學(xué)習(xí)分析黑箱模型”（見圖1）。

圖1 學(xué)習(xí)分析黑箱模型

學(xué)習(xí)分析黑箱模型刻畫了學(xué)習(xí)分析的過程和組成部分，包括基本過程、應(yīng)用領(lǐng)域、方法與技術(shù)、使用與倫理四部分?；具^程是學(xué)習(xí)分析黑箱模型的核心，其它三個部分調(diào)節(jié)、指導(dǎo)和促進(jìn)學(xué)習(xí)黑箱解密過程。四個部分相互聯(lián)系、相互作用、協(xié)同發(fā)展，共同構(gòu)成以學(xué)習(xí)黑箱解密為核心的學(xué)習(xí)分析系統(tǒng)。

（一）基本過程

學(xué)習(xí)分析的基本過程源自學(xué)習(xí)分析本質(zhì)的刻畫。第一屆國際學(xué)習(xí)分析和知識會議認(rèn)為，學(xué)習(xí)分析是對學(xué)習(xí)者及其環(huán)境的數(shù)據(jù)進(jìn)行測量、收集、分析與報告，旨在理解和優(yōu)化學(xué)習(xí)及其環(huán)境（Siemens et al.，2011）?？梢?，學(xué)習(xí)者和學(xué)習(xí)環(huán)境是學(xué)習(xí)分析的數(shù)據(jù)來源和分析對象，測量、收集、分析和報告是具體方法和階段，理解和優(yōu)化學(xué)習(xí)及其環(huán)境是根本目的。顧小清等（2012）將學(xué)習(xí)分析看作一種促進(jìn)有效學(xué)習(xí)的技術(shù)，以相關(guān)學(xué)習(xí)數(shù)據(jù)為核心，運(yùn)用數(shù)據(jù)模型和分析方法解釋數(shù)據(jù)，探究學(xué)習(xí)者的學(xué)習(xí)情境、學(xué)習(xí)過程、學(xué)習(xí)規(guī)律和學(xué)習(xí)績效，提供相應(yīng)的反饋支持。這一定義將學(xué)習(xí)情境和學(xué)習(xí)過程作為分析對象，掌握學(xué)習(xí)規(guī)律、學(xué)習(xí)績效和提供反饋、促進(jìn)學(xué)習(xí)作為學(xué)習(xí)分析的目的，學(xué)習(xí)數(shù)據(jù)是解密學(xué)習(xí)黑箱的主要依據(jù)，數(shù)據(jù)模型和分析方法是解密學(xué)習(xí)黑箱的方法和技術(shù)。

學(xué)習(xí)分析盡管定義不同，但是蘊(yùn)含著學(xué)習(xí)分析解密學(xué)習(xí)黑箱的基本過程?？梢钥闯觯越虒W(xué)設(shè)計為核心的學(xué)習(xí)環(huán)境、學(xué)習(xí)過程、學(xué)習(xí)內(nèi)容和學(xué)習(xí)者是學(xué)習(xí)分析的主要對象。學(xué)習(xí)環(huán)境、學(xué)習(xí)過程和學(xué)習(xí)者是學(xué)習(xí)分析的重要數(shù)據(jù)來源。學(xué)習(xí)內(nèi)容及其設(shè)計影響著學(xué)習(xí)環(huán)境和學(xué)習(xí)過程的數(shù)據(jù)生成和數(shù)據(jù)類型，有助于理解不同類型學(xué)習(xí)內(nèi)容對學(xué)習(xí)黑箱的影響。 測量、收集、分析和報告是解密學(xué)習(xí)黑箱的基本環(huán)節(jié)，數(shù)據(jù)模型、分析方法和分析技術(shù)是解密學(xué)習(xí)黑箱的主要方法。以學(xué)習(xí)數(shù)據(jù)為核心揭示學(xué)習(xí)規(guī)律、提升學(xué)習(xí)績效和促進(jìn)身心發(fā)展是學(xué)習(xí)分析的主要目的，學(xué)習(xí)數(shù)據(jù)是實(shí)現(xiàn)學(xué)習(xí)分析目的的關(guān)鍵切入點(diǎn)。解密學(xué)習(xí)者和學(xué)習(xí)群體構(gòu)成的學(xué)習(xí)黑箱是最終目標(biāo)，學(xué)習(xí)分析利用刺激與反應(yīng)的學(xué)習(xí)數(shù)據(jù)，理解、反饋和預(yù)測學(xué)習(xí)者黑箱及其學(xué)習(xí)行為，促進(jìn)、優(yōu)化和改進(jìn)學(xué)習(xí)環(huán)境、學(xué)習(xí)過程和學(xué)習(xí)內(nèi)容等的設(shè)計。

（二）應(yīng)用領(lǐng)域

根據(jù)數(shù)據(jù)類型和研究目的，學(xué)習(xí)分析解密學(xué)習(xí)黑箱的應(yīng)用領(lǐng)域主要包括自我調(diào)節(jié)學(xué)習(xí)、協(xié)作學(xué)習(xí)、教育會話、寫作、情感和社會認(rèn)知網(wǎng)絡(luò)。自我調(diào)節(jié)學(xué)習(xí)分析關(guān)注自我元認(rèn)知和元認(rèn)知監(jiān)控的調(diào)節(jié)能力，涉及搜尋、監(jiān)控、收集、排練和遷移五種認(rèn)知操作（Winne，2022）。協(xié)作學(xué)習(xí)分析聚焦學(xué)習(xí)者的協(xié)作學(xué)習(xí)過程，關(guān)注真實(shí)環(huán)境中如何設(shè)計和利用數(shù)據(jù)分析促進(jìn)協(xié)作（Chen & Teasley，2022）。教育會話和寫作分析是利用自然語言處理技術(shù)對語言與人工制品進(jìn)行學(xué)習(xí)分析，旨在為改進(jìn)學(xué)習(xí)提供反饋信息（Gibson & Shibani，2022）。情感學(xué)習(xí)分析將學(xué)習(xí)分析與來自情感和學(xué)習(xí)科學(xué)的教育數(shù)據(jù)挖掘相結(jié)合（D'Mello，2017），涉及成就情感、話題情感、社交情感和認(rèn)知情感（D'Mello & Jensen，2022）。社會認(rèn)知網(wǎng)絡(luò)分析可用于識別、量化和表征被編碼數(shù)據(jù)中的元素關(guān)系，測量和解釋網(wǎng)絡(luò)結(jié)構(gòu)的關(guān)系、強(qiáng)度和變化 （Shaffer et al.，2016）。

根據(jù)學(xué)習(xí)類型，學(xué)習(xí)分析解密學(xué)習(xí)黑箱的應(yīng)用領(lǐng)域涉及游戲化學(xué)習(xí)、職業(yè)學(xué)習(xí)、正式學(xué)習(xí)和非正式學(xué)習(xí)。游戲化學(xué)習(xí)是誘發(fā)學(xué)習(xí)興趣的普遍存在的文化現(xiàn)象，代理、參與、成長和社會聯(lián)結(jié)是引發(fā)游戲體驗和有意義學(xué)習(xí)的四條原則，是理解和開展游戲化學(xué)習(xí)分析的切入點(diǎn)（Reardon et al.，2022）。在以正式培訓(xùn)和非正式學(xué)習(xí)為主的職業(yè)學(xué)習(xí)中，學(xué)習(xí)分析通過職業(yè)者的網(wǎng)絡(luò)協(xié)作學(xué)習(xí)數(shù)據(jù)和點(diǎn)擊流數(shù)據(jù)，追蹤和可視化正式和非正式學(xué)習(xí)的學(xué)習(xí)過程，可用于解決情感和動機(jī)的學(xué)習(xí)問題，支持和促進(jìn)職業(yè)學(xué)習(xí)（Littlejohn，2022）。以社交媒體為代表的非正式學(xué)習(xí)發(fā)展迅速，數(shù)以億計的社交媒體使用者在網(wǎng)站和交互的支持下實(shí)現(xiàn)了個人學(xué)習(xí)和參與討論。學(xué)習(xí)者如何加入社區(qū)、參與活動、會話交互、建立社會學(xué)習(xí)網(wǎng)絡(luò)、保持社交媒體中的學(xué)習(xí)與正式學(xué)習(xí)和學(xué)習(xí)者導(dǎo)向的學(xué)習(xí)一致，是社交媒體非正式學(xué)習(xí)的主要分析內(nèi)容（Haythornthwaite，2022）。

（三）方法與技術(shù)

學(xué)習(xí)分析主要通過預(yù)測模型和解釋模型解密學(xué)習(xí)黑箱。第一，預(yù)測模型分析方法。預(yù)測性學(xué)習(xí)分析是對未來事件進(jìn)行推理的一組技術(shù)或方法，包括線性回歸、邏輯回歸、決策樹、貝葉斯網(wǎng)絡(luò)和支持向量機(jī)等（Brooks & Thompson，2017）。教與學(xué)預(yù)測模型是預(yù)測教與學(xué)的主要方法，可用于預(yù)測學(xué)業(yè)成績和學(xué)習(xí)成功的個性化因素和機(jī)制（Brooks &Thompson，2022）。從學(xué)習(xí)分析方法論意義上看，學(xué)習(xí)分析方法主要揭示和建立學(xué)習(xí)環(huán)境中可觀察的數(shù)據(jù)與學(xué)習(xí)行為、學(xué)習(xí)構(gòu)念或者研究目的之間的關(guān)系（Gray & Bergner，2022）。第二，解釋模型分析方法。學(xué)習(xí)分析方法正在從教與學(xué)的預(yù)測研究轉(zhuǎn)向利用可觀察的數(shù)據(jù)信息推論出有意義的學(xué)習(xí)分析。創(chuàng)建教育數(shù)據(jù)的可解釋性模型將成為超越教育數(shù)據(jù)預(yù)測的另一種重要學(xué)習(xí)分析方法，它旨在探索構(gòu)念之間的可解釋性因果關(guān)系，改進(jìn)學(xué)習(xí)結(jié)果或者學(xué)習(xí)理論（Liu & Koedinger，2017）。

《手冊2》為解密學(xué)習(xí)黑箱提供了全面的學(xué)習(xí)分析技術(shù)工具集，包括關(guān)系學(xué)習(xí)分析、學(xué)習(xí)過程分析、多模態(tài)學(xué)習(xí)分析和時間維度學(xué)習(xí)分析等。關(guān)系學(xué)習(xí)分析利用社會網(wǎng)絡(luò)分析和社會認(rèn)知網(wǎng)絡(luò)分析，揭示社會整體、社會資本、社會歸屬感（Poquet &Joksimovi?，2022）和 認(rèn) 知 水 平（Vandenberg et al.，2021）。學(xué)習(xí)過程分析主要利用自然語言處理技術(shù)分析和回應(yīng)人類語言，涉及學(xué)習(xí)者對各種學(xué)習(xí)任務(wù)和作業(yè)的回應(yīng)（Allen et al.，2022）。多模態(tài)學(xué)習(xí)分析指對已知學(xué)習(xí)分析項目進(jìn)行語境化的一系列技術(shù)和方法，圍繞數(shù)據(jù)收集、分析與推論、反饋與數(shù)據(jù)傳播三個維度展開，形成了多模態(tài)接入、多模態(tài)數(shù)據(jù)控制和人類推理等十二種關(guān)鍵承諾（Worsley et al.，2021）。時間維度分析以時間觀念通用框架為主要代表，在學(xué)習(xí)分析中嵌入時間因素，從時間推移和時間序列維度探析事件流和學(xué)習(xí)事件時間變化（Molenaar & Wise，2022）。

（四）使用與規(guī)范

解密學(xué)習(xí)黑箱需要科學(xué)地使用數(shù)據(jù)，制定公平的分析政策，構(gòu)建以人為本的數(shù)據(jù)反饋方法。首先，數(shù)據(jù)使用素養(yǎng)指教育工作者有效和負(fù)責(zé)任地使用數(shù)據(jù)的能力，不僅包括數(shù)據(jù)驅(qū)動決策與學(xué)習(xí)分析能力，而且涉及學(xué)習(xí)分析策略和數(shù)據(jù)素養(yǎng)應(yīng)用策略（Mandinach & Abrams，2022）。其次，制定公平、公正、無偏見的學(xué)習(xí)分析政策的關(guān)鍵是構(gòu)建學(xué)習(xí)分析的算法公平，避免學(xué)習(xí)分析算法偏差導(dǎo)致的信息繭房、偏好成癮和行為偏差（Uttamchandani & Quick，2022）。第三，構(gòu)建以人為本的數(shù)據(jù)反饋方法，支持和增強(qiáng)學(xué)習(xí)。有效的反饋不僅提供了學(xué)習(xí)相關(guān)的信息，而且提供了評價者的信息、生成或解釋評價信息。以人為本的方法對基于數(shù)據(jù)驅(qū)動反饋的有效性至關(guān)重要，促進(jìn)協(xié)作學(xué)習(xí)和持續(xù)學(xué)習(xí)是以人為本的本質(zhì)體現(xiàn)（Tsai & Martinez-Maldonado，2022）。

為了確保學(xué)習(xí)分析解密學(xué)習(xí)黑箱的規(guī)范性，學(xué)習(xí)分析需要確保學(xué)生隱私，有效和負(fù)責(zé)任地使用學(xué)習(xí)分析。首先，保護(hù)學(xué)生隱私是學(xué)習(xí)分析解密學(xué)習(xí)黑箱的基本底線。學(xué)習(xí)分析需要確保數(shù)據(jù)安全、隱私安全和人身安全，制定功能自主選擇、功能公開透明和數(shù)據(jù)收集可供選擇的學(xué)習(xí)分析制度與法律。學(xué)習(xí)者應(yīng)獲得學(xué)習(xí)分析內(nèi)容的知情權(quán)、功能選擇權(quán)和參與退出權(quán)，影響學(xué)習(xí)者身心健康的分析工具、方法或理論應(yīng)被禁止（Zeide，2017）。其次，有效和負(fù)責(zé)任地使用學(xué)習(xí)分析是確保解密學(xué)習(xí)黑箱科學(xué)性、規(guī)范性和持續(xù)性的保障。盡管近年來學(xué)習(xí)分析持續(xù)推進(jìn)，但是依然缺乏系統(tǒng)性、大規(guī)模實(shí)施。為了促進(jìn)學(xué)習(xí)分析的采用和可持續(xù)發(fā)展，教育機(jī)構(gòu)需要將學(xué)習(xí)分析活動與他們的目標(biāo)保持一致，制定一系列指導(dǎo)方針和原則，確保學(xué)習(xí)分析有效和負(fù)責(zé)任地使用（Scheffel et al.，2022）。

二、核心問題

學(xué)習(xí)分析黑箱模型由解密學(xué)習(xí)黑箱的基本過程、應(yīng)用領(lǐng)域、方法與技術(shù)、使用與倫理四部分組成。學(xué)習(xí)分析解密學(xué)習(xí)黑箱研究已取得較大進(jìn)步，但是學(xué)習(xí)分析的精準(zhǔn)度和應(yīng)用規(guī)范依然面臨諸多問題?！妒謨?》圍繞這些問題展開了深度討論，旨在提升學(xué)習(xí)分析解密學(xué)習(xí)黑箱的效果、質(zhì)量、準(zhǔn)確性和倫理規(guī)范。

（一）如何提升學(xué)習(xí)分析的精準(zhǔn)度

如何提升學(xué)習(xí)分析的精準(zhǔn)度及其預(yù)測能力是學(xué)習(xí)分析研究的核心問題之一，主要涉及預(yù)測學(xué)習(xí)模型、網(wǎng)絡(luò)分析、自然語言處理和多模態(tài)學(xué)習(xí)分析。

1. 預(yù)測模型如何有效地應(yīng)用于教與學(xué)過程

預(yù)測模型能否有效地應(yīng)用到教與學(xué)過程涉及兩個關(guān)鍵內(nèi)容：區(qū)分與選擇解釋模型和預(yù)測模型、預(yù)測模型工作流程的關(guān)鍵環(huán)節(jié)（Brooks & Thompson，2022）。

1）區(qū)分和選擇解釋模型和預(yù)測模型。解釋模型和預(yù)測模型是學(xué)習(xí)分析的兩種主要分析方法，如何根據(jù)它們的特征進(jìn)行適切的學(xué)習(xí)分析和教學(xué)系統(tǒng)設(shè)計至關(guān)重要。解釋模型一般用于檢驗因果假設(shè)，運(yùn)用所有變量的證據(jù)對已知結(jié)果進(jìn)行解釋，是典型的事后檢驗和反思活動。相比之下，預(yù)測模型以已知數(shù)據(jù)為基礎(chǔ)，預(yù)測觀察數(shù)據(jù)的價值或分類，對未來作出聲明或判斷。兩種模型的選擇都需要根據(jù)研究目的或研究問題確定，以便確定學(xué)習(xí)分析系統(tǒng)的功能，是刻畫學(xué)生學(xué)術(shù)成就，還是提供學(xué)習(xí)干預(yù)方法。

2）預(yù)測模型工作流程的關(guān)鍵關(guān)節(jié)。如何確保預(yù)測模型工作流程的科學(xué)性和準(zhǔn)確性是學(xué)習(xí)分析精準(zhǔn)預(yù)測的關(guān)鍵。預(yù)測模型工作流程包括問題識別、數(shù)據(jù)收集、分類與回歸、特征解析與特征選擇、預(yù)測模型的建構(gòu)方法和模型評價。問題識別是預(yù)測模型工作流程的關(guān)鍵環(huán)節(jié)，關(guān)注預(yù)測模型如何精確地描述指定學(xué)習(xí)者在沒有教學(xué)干預(yù)下的學(xué)習(xí)結(jié)果；數(shù)據(jù)的稀疏性和噪音會干擾預(yù)測模型的精準(zhǔn)構(gòu)建，可能導(dǎo)致預(yù)測結(jié)果與倫理實(shí)踐、公平實(shí)踐相互矛盾，甚至使學(xué)習(xí)建議存在風(fēng)險。基于學(xué)習(xí)者全面數(shù)據(jù)的預(yù)測模型是提升模型預(yù)測精準(zhǔn)性和提出正確建議的關(guān)鍵，增加關(guān)鍵數(shù)據(jù)的收集方式有助于解決這一問題。

數(shù)據(jù)收集的全面性和數(shù)據(jù)類型決定了預(yù)測模型的預(yù)測準(zhǔn)確程度。學(xué)習(xí)狀態(tài)數(shù)據(jù)和學(xué)習(xí)事件數(shù)據(jù)決定了預(yù)測模型的準(zhǔn)確性及后續(xù)教學(xué)干預(yù)的適切性。特別是如何將龐大的、復(fù)雜的事件數(shù)據(jù)轉(zhuǎn)化為機(jī)器學(xué)習(xí)能夠識別的有意義特征，是數(shù)據(jù)收集和轉(zhuǎn)化的關(guān)鍵。事件驅(qū)動的數(shù)據(jù)不一定適合生成預(yù)測模型，因為數(shù)據(jù)獲取的質(zhì)量和廣度更多地取決于在線學(xué)習(xí)模式。大規(guī)模在線開放課程很少收集學(xué)習(xí)者的社會經(jīng)濟(jì)地位信息，這使預(yù)測結(jié)果難以準(zhǔn)確反映學(xué)習(xí)者的輟學(xué)原因，最終導(dǎo)致學(xué)習(xí)干預(yù)的設(shè)計偏見和干預(yù)效果欠佳。為提升預(yù)測模型的精準(zhǔn)度，數(shù)據(jù)的分類與回歸、特征選擇等需要根據(jù)預(yù)測目的和問題加以篩選。

預(yù)測模型建構(gòu)的方法選擇與模型評價是確保預(yù)測精準(zhǔn)的最終保障。線性回歸、邏輯回歸、決策樹、樸素貝葉斯分類器、支持向量機(jī)和神經(jīng)網(wǎng)絡(luò)是預(yù)測模型構(gòu)建的主要方法，但是構(gòu)建精準(zhǔn)的學(xué)習(xí)預(yù)測模型不僅需要充分考慮不同算法的功能特征，而且需要根據(jù)預(yù)測的數(shù)據(jù)類型、預(yù)測目的和研究問題等進(jìn)行選擇與組合。預(yù)測模型構(gòu)建需要利用學(xué)習(xí)者數(shù)據(jù)，以實(shí)現(xiàn)對未來學(xué)習(xí)行為的精準(zhǔn)預(yù)測。簡單地將數(shù)據(jù)分為訓(xùn)練和測試兩部分進(jìn)行模型構(gòu)建，可能導(dǎo)致模型的預(yù)測準(zhǔn)確性不高。解決這一問題的最佳方法是使用交叉數(shù)據(jù)集驗證，使每個數(shù)據(jù)點(diǎn)均能用于模型驗證。

2. 如何實(shí)現(xiàn)學(xué)習(xí)分析中網(wǎng)絡(luò)分析的協(xié)調(diào)發(fā)展

根據(jù)社會性學(xué)習(xí)活動有助于提高學(xué)習(xí)質(zhì)量和學(xué)生體驗這一假設(shè)，學(xué)習(xí)分析研究利用網(wǎng)絡(luò)分析理解人與人和人與物之間的關(guān)系，主要關(guān)注節(jié)點(diǎn)特征、節(jié)點(diǎn)位置和節(jié)點(diǎn)結(jié)果之間的關(guān)系本質(zhì)、網(wǎng)絡(luò)關(guān)系成因、節(jié)點(diǎn)對網(wǎng)絡(luò)信息的影響、網(wǎng)絡(luò)結(jié)構(gòu)影響網(wǎng)絡(luò)屬性的內(nèi)在機(jī)制等。然而，網(wǎng)絡(luò)分析提供的洞見較為有限，原因是網(wǎng)絡(luò)分析與學(xué)習(xí)分析的交叉增加了分析決策的復(fù)雜性，導(dǎo)致難以綜合表達(dá)脫節(jié)的實(shí)驗結(jié)果。網(wǎng)絡(luò)分析的直覺性一定程度上導(dǎo)致了網(wǎng)絡(luò)分析的幼稚應(yīng)用。由于任何關(guān)系都可以被看作網(wǎng)絡(luò)關(guān)系，因此人們常用網(wǎng)絡(luò)分析工具提供描述它們的評價指標(biāo)。當(dāng)網(wǎng)絡(luò)分析的度量指標(biāo)被用于解釋學(xué)習(xí)的指標(biāo)、結(jié)構(gòu)或過程時，這些網(wǎng)絡(luò)分析的幼稚應(yīng)用問題就會出現(xiàn)（Poquet & Joksimovi?，2022）。

當(dāng)用網(wǎng)絡(luò)分析度量學(xué)習(xí)的結(jié)構(gòu)、過程和指標(biāo)時，網(wǎng)絡(luò)分析就不再是一種分析工具，而是有獨(dú)立理論假設(shè)的方法論。假設(shè)中包含網(wǎng)絡(luò)代表何物的基本理解，但是這些假設(shè)往往隱藏在研究選擇中。對研究假設(shè)關(guān)注不足將導(dǎo)致網(wǎng)絡(luò)分析的幼稚選擇，但是研究者經(jīng)常沒有反思與之相關(guān)的方法論就選擇了網(wǎng)絡(luò)分析，最終導(dǎo)致運(yùn)用“和設(shè)計不兼容的、潛在的、選擇性主張”解釋假設(shè)時可能存在較大風(fēng)險（Yanchar & Williams，2006）。網(wǎng)絡(luò)分析方法論不清楚將導(dǎo)致難以得出與測量標(biāo)準(zhǔn)有關(guān)的任何有價值結(jié)論，這種問題被看作學(xué)習(xí)分析中網(wǎng)絡(luò)分析方法的不協(xié)調(diào)。網(wǎng)絡(luò)分析結(jié)果的不協(xié)調(diào)源自網(wǎng)絡(luò)建構(gòu)、分析選擇和解釋之間的不一致。

如何實(shí)現(xiàn)學(xué)習(xí)分析中網(wǎng)絡(luò)分析的協(xié)調(diào)發(fā)展，關(guān)鍵在于區(qū)分網(wǎng)絡(luò)分析的兩種不同應(yīng)用視角，其一是將網(wǎng)絡(luò)分析用作一種降低高維數(shù)據(jù)的方法，其二是利用網(wǎng)絡(luò)分析方法論理解學(xué)習(xí)環(huán)境中的社交交流和人際活動。當(dāng)網(wǎng)絡(luò)分析用作降低高維數(shù)據(jù)的方法時，網(wǎng)絡(luò)分析能夠概括出關(guān)系數(shù)據(jù)，但是沒有指向測量標(biāo)準(zhǔn)的特殊理論意義。網(wǎng)絡(luò)分析可以量化關(guān)系模式，識別基于興趣導(dǎo)向的觀察數(shù)據(jù)的關(guān)系簇群。在學(xué)習(xí)分析中，關(guān)系節(jié)點(diǎn)可能是人、字符、學(xué)習(xí)資源、通過點(diǎn)擊流數(shù)據(jù)捕獲的學(xué)習(xí)行為類型、課程主題等。當(dāng)將網(wǎng)絡(luò)分析作為一種方法論時，網(wǎng)絡(luò)結(jié)構(gòu)、度量標(biāo)準(zhǔn)、模型構(gòu)建方法及度量標(biāo)準(zhǔn)解釋將會處于相互矛盾的風(fēng)險中。

作為方法論的網(wǎng)絡(luò)分析存在三方面的風(fēng)險。首先，網(wǎng)絡(luò)代表與另一個人的回應(yīng)關(guān)系，或者僅代表學(xué)生之間的社會網(wǎng)絡(luò)重疊程度。研究者運(yùn)用社會網(wǎng)絡(luò)分析理論解釋學(xué)生交流的社會網(wǎng)絡(luò)時，需要防止網(wǎng)絡(luò)結(jié)構(gòu)的解釋與實(shí)踐之間相互矛盾。其次，中心度的測量標(biāo)準(zhǔn)是基于距離構(gòu)建的，計算方案考慮的是整體網(wǎng)絡(luò)結(jié)構(gòu)。在事件驅(qū)動的關(guān)系語境中，交互關(guān)系的缺乏并不意味著訪問限制。在網(wǎng)絡(luò)與獨(dú)特位置的通訊環(huán)境中，距離不能完全等同其在社會網(wǎng)絡(luò)中的對應(yīng)部分或解釋。第三，學(xué)習(xí)分析很大程度上缺乏有效驗證的空模型，導(dǎo)致難以解釋網(wǎng)絡(luò)形成的原因和狀態(tài)。雖然研究者利用統(tǒng)計模型和原則去觀察、分析和評估網(wǎng)絡(luò)分析模型，但是缺乏評估模型反映數(shù)據(jù)好壞的理據(jù)。

3. 如何運(yùn)用自然語言處理精準(zhǔn)揭示語言的本質(zhì)內(nèi)容

自然語言處理是一種依賴計算機(jī)技術(shù)自動化分析人類語言的技術(shù)或方法?；谧匀徽Z言處理的學(xué)習(xí)分析主要包括語言數(shù)據(jù)的知識圖譜分析和學(xué)習(xí)過程的關(guān)鍵信息挖掘。

1）語言數(shù)據(jù)的知識圖譜分析

語言數(shù)據(jù)涉及描述、詞法、句法、連貫度和語義內(nèi)容等維度。自然語言處理必須捕獲語言的多維數(shù)據(jù)，以創(chuàng)建清晰的語言真實(shí)圖景（Allen et al.，2022），實(shí)現(xiàn)對學(xué)習(xí)行為與狀態(tài)的精準(zhǔn)分析，提供精準(zhǔn)的學(xué)習(xí)反饋與指導(dǎo)。

——描述性分析。它指利用自然語言處理技術(shù)計算與文本相關(guān)的描述性統(tǒng)計特征，如字符數(shù)量、句子數(shù)量、段落數(shù)量和詞頻等。如何根據(jù)語言的描述性特征推論或揭示學(xué)習(xí)特征將是語言描述性分析的關(guān)鍵，如任務(wù)的完成度、學(xué)習(xí)者的參與度和相關(guān)概念學(xué)習(xí)等。研究者可以采用主題分析（thematic analysis）、描述性統(tǒng)計分析和統(tǒng)計檢驗等方法，構(gòu)建語言數(shù)據(jù)的初步知識圖譜。

——詞法分析。文本詞法屬性與詞語特征相關(guān)，涉及已知語言的詞語頻率和詞語表達(dá)的抽象程度。詞法指標(biāo)主要用于計算已知文本的可讀性，可檢測消息、帖子和反思隨筆等文本類型。詞法指標(biāo)的數(shù)據(jù)信息可以為教育者、智能導(dǎo)師和智慧學(xué)伴等提供語言難易程度的信息，分析者據(jù)此可為學(xué)習(xí)群體、協(xié)作討論和學(xué)習(xí)過程等提供精準(zhǔn)的會話交流、信息反饋和學(xué)習(xí)支持。

——句法分析。句法指標(biāo)提供了給定文本的句子結(jié)構(gòu)信息，句法結(jié)構(gòu)的復(fù)雜程度是語言句法分析的關(guān)鍵指標(biāo)，決定著文章質(zhì)量或文本可讀性，是豐富語言洞察力和學(xué)習(xí)任務(wù)自適應(yīng)的重要基礎(chǔ)。如何精準(zhǔn)地獲知語言句法結(jié)構(gòu)的復(fù)雜程度決定著語言句法分析的精準(zhǔn)性。自然語言處理需要精準(zhǔn)分析句子平均長度、單元的平均長度、動詞前面的詞語數(shù)量等語法復(fù)雜性指標(biāo)。

——連貫性分析。連貫性測量提供了文本思想之間連接的相關(guān)信息。能否對其精準(zhǔn)測量決定著學(xué)習(xí)者語言表達(dá)、邏輯推理和內(nèi)容理解的解析程度。因果推理是評價語言連貫性的重要參考指標(biāo)，學(xué)習(xí)分析通過分析文本、會話、帖子和文章等因果邏輯表達(dá)，可以精準(zhǔn)地評估學(xué)習(xí)者語言的連貫性。智能學(xué)習(xí)分析系統(tǒng)或教師根據(jù)學(xué)習(xí)者的因果語言表達(dá)及其連貫程度，推斷學(xué)習(xí)者對學(xué)習(xí)內(nèi)容的理解程度，提供相應(yīng)的形成性學(xué)習(xí)反饋。

——語義內(nèi)容分析。語義指語言蘊(yùn)含的表達(dá)者言說意義，它通過語言符號傳達(dá)言說者的某種意圖、解釋或情感。語義分析對學(xué)習(xí)分析至關(guān)重要，決定學(xué)習(xí)分析能否精準(zhǔn)揭示學(xué)習(xí)者的內(nèi)容理解程度、情緒與情感變化、互動交流深度等。自然語言處理技術(shù)能夠提供文本的重點(diǎn)內(nèi)容、情感與情緒信息及同伴互動內(nèi)容的語義重疊，這對教師精準(zhǔn)地掌握學(xué)習(xí)者理解給定內(nèi)容的程度至關(guān)重要。

2）學(xué)習(xí)過程的關(guān)鍵信息挖掘

基于自然語言處理的學(xué)習(xí)行為預(yù)測模型不僅需要說明語言的多維性質(zhì)，而且需要解釋學(xué)習(xí)者所處的學(xué)習(xí)階段?；谧匀徽Z言處理的學(xué)習(xí)過程數(shù)據(jù)挖掘尤為重要，分輸入、處理和輸出三階段。

——輸入階段。學(xué)生經(jīng)常被要求處理教育語境的各種信息，如需閱讀的文本、完成任務(wù)的提示、需探究的問題、師生互動的言語信息等。語言信息的內(nèi)隱性決定了學(xué)習(xí)者需具備特殊領(lǐng)域的專業(yè)知識才能理解文本、進(jìn)行邏輯推理和互動交流，這就需要考慮如何利用自然語言處理為學(xué)習(xí)者提供學(xué)習(xí)支持，為教師選擇教學(xué)策略提供建議。閱讀者的個性特征與文本特征的交互使得學(xué)習(xí)結(jié)果預(yù)測變得復(fù)雜。學(xué)習(xí)分析利用自然語言處理技術(shù)解析句法復(fù)雜性、詞匯復(fù)雜性、語言連貫性等，精確探析學(xué)生需處理的語言特征，提升學(xué)習(xí)資源智能推送的精準(zhǔn)性和學(xué)習(xí)效果。

——處理階段。研究人員可以通過學(xué)習(xí)者利用教育技術(shù)輸入的自然語言特征對學(xué)習(xí)過程進(jìn)行建模，如閱讀期間輸入的思想觀點(diǎn)、完成的復(fù)雜任務(wù)和人工制品及學(xué)習(xí)行為數(shù)據(jù)等。自然語言處理能夠自動處理大規(guī)模的在線學(xué)習(xí)數(shù)據(jù)，根據(jù)語言的連貫性、文本的表征和語言的邏輯等，推斷學(xué)習(xí)者的深度理解程度、心理表征的連貫性和學(xué)習(xí)投入程度。諸多研究者基于自然語言處理技術(shù)開發(fā)了面向?qū)W習(xí)過程的語言處理系統(tǒng)，如閱讀策略評價工具、自動教學(xué)機(jī)和智慧學(xué)伴等。

——輸出階段。語言信息輸出形式主要包括簡短回答、留言板信息和隨筆短文等。研究者以學(xué)習(xí)者的語言信息為基礎(chǔ)，利用自然語言處理技術(shù)構(gòu)建學(xué)習(xí)結(jié)果和學(xué)習(xí)行為的預(yù)測模型。該模型應(yīng)用領(lǐng)域涉及寫作分析、同伴反饋和學(xué)習(xí)策略開發(fā)等。例如，研究者運(yùn)用自言語言處理技術(shù)分析寫作，開發(fā)文章自動評分系統(tǒng)，構(gòu)建專家型智慧評分者，智能化提供寫作反饋的學(xué)習(xí)分析模型；自然語言處理還可以為學(xué)習(xí)者提供信息組織與結(jié)構(gòu)的高水平反饋支持。學(xué)習(xí)者如何呈現(xiàn)文本中的話題及其關(guān)聯(lián)建模，將有助于學(xué)生加工未成熟的觀點(diǎn)，降低冗余度和提高語言的連貫度。

4. 如何實(shí)現(xiàn)精準(zhǔn)的多模態(tài)學(xué)習(xí)分析

1）如何破解學(xué)習(xí)分析的“街燈效應(yīng)”困境

多模態(tài)學(xué)習(xí)分析的興起和發(fā)展緣于對傳統(tǒng)單一數(shù)據(jù)分析方式的批判，根植于多模態(tài)交互分析方法論框架（Norris，2004），旨在解決因簡化學(xué)習(xí)過程和缺乏語境信息導(dǎo)致的學(xué)習(xí)數(shù)據(jù)理解片面等問題，如只關(guān)注在線學(xué)習(xí)者與數(shù)字技術(shù)的交互數(shù)據(jù)、面對面互動交流的數(shù)據(jù)缺失、人工制品的分析殘缺等。傳統(tǒng)學(xué)習(xí)分析傾向于根據(jù)數(shù)據(jù)的可獲得性選擇分析數(shù)據(jù)，這導(dǎo)致分析結(jié)果常出現(xiàn)精準(zhǔn)性偏差、與現(xiàn)實(shí)矛盾和研究建議不周延等問題，這種現(xiàn)象被稱為“街燈效應(yīng)”，具體指研究人員傾向于在看起來不錯的地方尋找答案，而不是在答案可能隱藏的地方進(jìn)行全面探究（Kaplan，1998）。

為避免此現(xiàn)象，學(xué)習(xí)分析需要基于理論或經(jīng)驗確定分析對象和數(shù)據(jù)來源。從理論指導(dǎo)的學(xué)習(xí)分析看，學(xué)習(xí)分析需要根據(jù)理論的相關(guān)指標(biāo)進(jìn)行數(shù)據(jù)的捕獲和篩選，揭示基于該理論的學(xué)習(xí)行為特征、學(xué)習(xí)規(guī)律并提出相關(guān)建議。譬如，如果運(yùn)用群體感知理論分析在線學(xué)習(xí)社區(qū)，那么研究者必須獲取認(rèn)知感知、行為感知和社會感知的全部相關(guān)數(shù)據(jù)，否則將導(dǎo)致群體感知分析難以精準(zhǔn)地解釋在線學(xué)習(xí)社區(qū)的學(xué)習(xí)行為或?qū)W習(xí)規(guī)律。從基于經(jīng)驗的學(xué)習(xí)分析看，學(xué)習(xí)分析需利用不同環(huán)境的學(xué)習(xí)行為標(biāo)記數(shù)據(jù)闡明所期望的學(xué)習(xí)構(gòu)念，鑒別何種水平的學(xué)習(xí)數(shù)據(jù)能夠用作這些行為的證據(jù)。

2）如何確保學(xué)習(xí)分析過程的精準(zhǔn)性

映射和執(zhí)行是多模態(tài)學(xué)習(xí)分析的兩個基本過程（Ochoa，2022），提高學(xué)習(xí)分析的精準(zhǔn)性需要精心設(shè)計這兩個過程。映射是建立學(xué)習(xí)構(gòu)念與多模態(tài)數(shù)據(jù)痕跡之間對應(yīng)關(guān)系的過程。學(xué)習(xí)構(gòu)念是與學(xué)生的行為、態(tài)度、學(xué)習(xí)過程和體驗相關(guān)的概念或思想，學(xué)習(xí)構(gòu)念的選擇、構(gòu)建與分析的精準(zhǔn)性是學(xué)習(xí)分析精準(zhǔn)性的前提。研究者需根據(jù)研究問題、理論和興趣體驗等，構(gòu)建科學(xué)的學(xué)習(xí)構(gòu)念及其明細(xì)指標(biāo)，確保后續(xù)數(shù)據(jù)收集的科學(xué)性、全面性和系統(tǒng)性。執(zhí)行是建立多模態(tài)數(shù)據(jù)與學(xué)習(xí)構(gòu)念對應(yīng)關(guān)系的過程。根據(jù)學(xué)習(xí)構(gòu)念獲取全面、科學(xué)和系統(tǒng)的多模態(tài)數(shù)據(jù)，是多模態(tài)學(xué)習(xí)分析精準(zhǔn)性的重要保障。研究者必須利用所有的數(shù)據(jù)檢索、數(shù)據(jù)挖掘和數(shù)據(jù)處理工具，獲得足以支持與驗證學(xué)習(xí)構(gòu)念及其指標(biāo)的數(shù)據(jù)。

為確保數(shù)據(jù)的科學(xué)性、準(zhǔn)確性和全面性，研究者首先需要利用設(shè)備捕捉全部數(shù)據(jù)。數(shù)據(jù)記錄設(shè)備的選擇決定著數(shù)據(jù)獲得的準(zhǔn)確性，學(xué)習(xí)分析應(yīng)根據(jù)研究需求和學(xué)習(xí)構(gòu)念選擇適切的數(shù)據(jù)記錄設(shè)備。其次，面對獲得的多種形態(tài)學(xué)習(xí)數(shù)據(jù)，研究者需要利用適切的算法和技術(shù)，從中解析與學(xué)習(xí)構(gòu)念對應(yīng)的學(xué)習(xí)數(shù)據(jù)。算法和技術(shù)是數(shù)據(jù)解析精準(zhǔn)性的關(guān)鍵，研究者需要不斷優(yōu)化和選擇最佳方案以實(shí)現(xiàn)最終目的。第三，多模態(tài)學(xué)習(xí)分析評估的最大挑戰(zhàn)是行為標(biāo)記檢測的不確定性逐漸增加，導(dǎo)致學(xué)習(xí)構(gòu)念評估存在不確定性。這一問題的最佳解決方法是通過人工編碼和一致性檢驗構(gòu)建多模態(tài)數(shù)據(jù)分析模型，確保學(xué)習(xí)構(gòu)念評估的準(zhǔn)確性。

（二）如何構(gòu)建高質(zhì)量學(xué)習(xí)分析應(yīng)用的相關(guān)規(guī)范

學(xué)習(xí)分析應(yīng)用的最大挑戰(zhàn)是如何將其有效、科學(xué)、規(guī)范地應(yīng)用于教學(xué)，這涉及學(xué)習(xí)分析倫理規(guī)范、學(xué)習(xí)分析素養(yǎng)和學(xué)習(xí)分析政策三個維度。

1. 如何確保學(xué)習(xí)分析應(yīng)用的倫理規(guī)范

1）學(xué)習(xí)分析應(yīng)用的制度規(guī)范

學(xué)習(xí)分析倫理規(guī)范指將倫理道德融入學(xué)習(xí)分析整個過程，為研究者、教師和相關(guān)機(jī)構(gòu)提供倫理指導(dǎo)。確保學(xué)習(xí)分析倫理規(guī)范的有效實(shí)施需要從三個方面考慮：1）從學(xué)習(xí)分析管理規(guī)范質(zhì)量看，構(gòu)建學(xué)習(xí)分析計劃與實(shí)施的利益相關(guān)者共同體制度對學(xué)習(xí)分析倫理規(guī)范至關(guān)重要。在學(xué)習(xí)分析計劃與實(shí)施過程中，關(guān)鍵利益相關(guān)者的參與缺乏導(dǎo)致學(xué)習(xí)分析計劃與實(shí)施的不平等參與，會導(dǎo)致教育機(jī)構(gòu)抵制。2）從學(xué)習(xí)者全面培養(yǎng)視角看，學(xué)習(xí)分析需要制定全面育人的學(xué)習(xí)分析框架和評價指標(biāo)，消解利用片面數(shù)據(jù)評價學(xué)習(xí)者能力與素養(yǎng)的偏見。學(xué)習(xí)分析的數(shù)據(jù)常被簡單收集和可視化，很少關(guān)注教學(xué)法知識和教學(xué)理論，導(dǎo)致學(xué)習(xí)分析難以滿足相關(guān)利益者的需求和設(shè)計標(biāo)準(zhǔn)。3）資源需求不僅體現(xiàn)在資金支持方面，而且應(yīng)當(dāng)考慮技術(shù)和人力資源對學(xué)習(xí)分析設(shè)計和決策的支持（Scheffel，et al.，2022）。相關(guān)機(jī)構(gòu)需要根據(jù)學(xué)習(xí)分析的需要，制定促進(jìn)學(xué)習(xí)分析健康發(fā)展的資源支持長效機(jī)制。

2）學(xué)習(xí)分析應(yīng)用的算法倫理

學(xué)習(xí)分析應(yīng)用的算法倫理主要聚焦在算法數(shù)據(jù)基礎(chǔ)倫理、算法運(yùn)行機(jī)制倫理和算法評價主體倫理等方面（Uttamchandani & Quick，2022）。從算法的數(shù)據(jù)基礎(chǔ)倫理看，無論是傳統(tǒng)的單維度學(xué)習(xí)分析，還是多模態(tài)學(xué)習(xí)分析，捕獲的學(xué)習(xí)數(shù)據(jù)都難以全面反映學(xué)習(xí)者的學(xué)習(xí)行為、心理活動、基本能力和核心素養(yǎng)等?；谶@些數(shù)據(jù)及其分析結(jié)果的學(xué)習(xí)評價存在片面性，甚至?xí)?dǎo)致評價倫理問題。譬如，當(dāng)學(xué)習(xí)分析不能將學(xué)習(xí)者的社會與情感能力數(shù)據(jù)納入學(xué)習(xí)分析時，會導(dǎo)致對學(xué)習(xí)者學(xué)習(xí)投入判斷的失誤，造成學(xué)習(xí)反饋、資源推送和學(xué)習(xí)策略支持等出現(xiàn)錯誤。

從算法的運(yùn)行機(jī)制倫理看，基于個性化學(xué)習(xí)的學(xué)習(xí)分析將為后續(xù)個性化學(xué)習(xí)資源推送提供重要依據(jù)。如果無法全面獲取學(xué)習(xí)者的個性化學(xué)習(xí)特征、學(xué)習(xí)能力、核心素養(yǎng)等數(shù)據(jù)，那么基于這些數(shù)據(jù)的個性化學(xué)習(xí)分析和算法將會出現(xiàn)嚴(yán)重的算法偏見，可能導(dǎo)致后續(xù)的學(xué)習(xí)分析反饋、學(xué)習(xí)資源推送和學(xué)習(xí)指導(dǎo)等嚴(yán)重偏離學(xué)習(xí)者學(xué)習(xí)實(shí)際。在人工智能技術(shù)的加持下，這些學(xué)習(xí)分析算法偏見會持續(xù)對學(xué)習(xí)者學(xué)習(xí)帶來消極影響，可能導(dǎo)致學(xué)習(xí)者的學(xué)習(xí)、性格、興趣、能力等出現(xiàn)發(fā)展偏差。

從算法的評價主體倫理看，運(yùn)用學(xué)習(xí)分析技術(shù)和智能機(jī)器對學(xué)習(xí)者進(jìn)行學(xué)習(xí)分析與評價，不能確定是否符合人類的評價倫理規(guī)范。所謂人類的評價倫理指人類的評價應(yīng)當(dāng)是人與人之間的評價，而不是利用機(jī)器對人實(shí)施評價。人與人之間是人類生物共同體，人的評價應(yīng)該是人類群體的自我評價，算法驅(qū)動的學(xué)習(xí)分析技術(shù)或智能體不能對人類群體進(jìn)行全面評價。算法驅(qū)動的評價倫理要求體現(xiàn)人的評價需要人來評價，而不能由人造算法驅(qū)動的機(jī)器對人評價。機(jī)器對人進(jìn)行學(xué)習(xí)分析和評價，不僅不符合人類共同體的基本生物與社會屬性，而且基于缺失數(shù)據(jù)的學(xué)習(xí)分析算法可能導(dǎo)致學(xué)習(xí)分析評價的偏差或倫理風(fēng)險。

2. 如何提升學(xué)習(xí)分析者的學(xué)習(xí)分析數(shù)據(jù)素養(yǎng)

學(xué)習(xí)分析是一個數(shù)據(jù)驅(qū)動決策生成的復(fù)雜過程，數(shù)據(jù)素養(yǎng)是學(xué)習(xí)分析和教育實(shí)踐的基礎(chǔ)。不管是傳統(tǒng)教育方法，還是學(xué)習(xí)分析和教育數(shù)據(jù)挖掘等教育方法，數(shù)據(jù)應(yīng)用已成為教育實(shí)踐的重要組成部分（Mandinach & Abrams，2022）。數(shù)據(jù)素養(yǎng)指教師通過收集、分析和解釋關(guān)于評價、學(xué)校氛圍、行為和圖片等數(shù)據(jù)，將信息轉(zhuǎn)變?yōu)檫m切的教學(xué)知識和實(shí)踐能力，幫助確定教學(xué)的基本步驟或教學(xué)事件。數(shù)據(jù)素養(yǎng)融合了數(shù)據(jù)理解與標(biāo)準(zhǔn)、學(xué)科知識與實(shí)踐、課程知識、教學(xué)內(nèi)容知識等（Macfadyen，2017）。

學(xué)習(xí)分析者的數(shù)據(jù)素養(yǎng)是學(xué)習(xí)分析能否成功的關(guān)鍵，決定著能否利用軟件工具、機(jī)器學(xué)習(xí)和算法等，捕獲、處理、索引、存儲、分析和可視化數(shù)據(jù)，以及如何進(jìn)行可行性教學(xué)行為的決策、設(shè)計和實(shí)施。譬如，教育中的數(shù)據(jù)分析模型通過收集與獲取數(shù)據(jù)、組織與存儲數(shù)據(jù)、清洗和準(zhǔn)備數(shù)據(jù)、合并相關(guān)數(shù)據(jù)源、分析與識別模式和結(jié)果、創(chuàng)造數(shù)據(jù)表征與交流信息可視化這些環(huán)節(jié)（Agasisti & Bowers，2017），深度揭示了學(xué)習(xí)分析在不同環(huán)節(jié)中教師應(yīng)具備的數(shù)據(jù)素養(yǎng)。從學(xué)習(xí)分析的過程與關(guān)鍵環(huán)節(jié)看，學(xué)習(xí)分析能否成功，不僅需要具有自然語言處理、社會網(wǎng)絡(luò)分析和情感分析等技術(shù)與方法，還需要教師或?qū)W習(xí)分析者具備相應(yīng)的數(shù)據(jù)素養(yǎng)才能夠開展高質(zhì)量的學(xué)習(xí)分析。

學(xué)習(xí)分析數(shù)據(jù)素養(yǎng)包含數(shù)據(jù)技術(shù)、數(shù)據(jù)理論和數(shù)據(jù)價值三方面。數(shù)據(jù)技術(shù)素養(yǎng)指學(xué)習(xí)分析者需具備的學(xué)習(xí)分析知識，如分析技術(shù)的功能特征、使用技能和分析價值等。數(shù)據(jù)技術(shù)素養(yǎng)代表學(xué)習(xí)分析者的技術(shù)能力，決定著學(xué)習(xí)分析者能否恰當(dāng)?shù)厥褂脤W(xué)習(xí)分析技術(shù)。數(shù)據(jù)理論素養(yǎng)指學(xué)習(xí)分析者具有的數(shù)據(jù)分析原理、數(shù)據(jù)分析倫理、教與學(xué)原理等知識，是學(xué)習(xí)分析的理論指導(dǎo)。數(shù)據(jù)價值指學(xué)習(xí)分析者需具備的數(shù)據(jù)價值觀，主要體現(xiàn)在學(xué)習(xí)分析者對數(shù)據(jù)本體、數(shù)據(jù)價值產(chǎn)生方式和數(shù)據(jù)價值挖掘的基本信念。數(shù)據(jù)價值素養(yǎng)決定著學(xué)習(xí)分析能否深刻反映研究問題、研究目的和研究內(nèi)容。

3. 如何制定適切的學(xué)習(xí)分析政策

人本主義關(guān)照是制定學(xué)習(xí)分析政策的出發(fā)點(diǎn)。以學(xué)習(xí)者為本、關(guān)照學(xué)習(xí)者身心發(fā)展、促進(jìn)學(xué)習(xí)分析公平與公正，是學(xué)習(xí)分析政策制定的根本目標(biāo)。確保學(xué)習(xí)分析政策的適切性是學(xué)習(xí)分析政策制定的關(guān)鍵，需要從學(xué)習(xí)分析的過程加以深度探討。

1）構(gòu)建公平且符合倫理道德規(guī)范的學(xué)習(xí)分析政策。算法規(guī)則、復(fù)雜計算和機(jī)器學(xué)習(xí)不一定是有幫助、公平、符合倫理道德或提高生活質(zhì)量的。它們不是中性的，可能會起相反的效果，甚至?xí)?dǎo)致更高效地運(yùn)行系統(tǒng)性偏見（Uttamchandani &Quick，2022）。批判地使用學(xué)習(xí)分析是實(shí)現(xiàn)學(xué)習(xí)分析公平的重要保障，能更大程度避免算法偏見導(dǎo)致的學(xué)習(xí)分析偏見和教學(xué)干預(yù)失誤。實(shí)現(xiàn)公平、符合倫理道德及增值提效的學(xué)習(xí)分析，需制定倫理道德規(guī)范、制度和法律，對學(xué)習(xí)分析系統(tǒng)、算法規(guī)則和學(xué)習(xí)資源等實(shí)施準(zhǔn)入審查、學(xué)習(xí)過程的定期倫理檢查和系統(tǒng)的持續(xù)改進(jìn)與優(yōu)化。道德與隱私強(qiáng)調(diào)學(xué)習(xí)分析的數(shù)據(jù)使用需遵循倫理道德規(guī)范和個人隱私，這就需要制定相應(yīng)的法律準(zhǔn)則和框架。

2）以人為本是學(xué)習(xí)分析理論、方法和實(shí)踐的根基。學(xué)習(xí)分析需要制定以人為本的學(xué)習(xí)分析規(guī)范和政策，以確保學(xué)習(xí)分析設(shè)計與實(shí)施以人為本。以人為本是實(shí)現(xiàn)有效數(shù)據(jù)反饋的關(guān)鍵，將“反饋”設(shè)計為對話過程可以促進(jìn)學(xué)習(xí)者在反饋過程中的積極性和主動性（Tsai & Martinez-Maldonado，2022）。學(xué)習(xí)分析的根本目的是通過數(shù)據(jù)反饋支持和促進(jìn)學(xué)習(xí)。學(xué)習(xí)分析需要教師和學(xué)習(xí)者積極參與，設(shè)計與評價使能技術(shù)。學(xué)習(xí)分析需要具有識別和促進(jìn)學(xué)習(xí)者內(nèi)部和外部對話的功能，如信息提示、內(nèi)部會話、學(xué)生決策支持、提供基于證據(jù)的反饋、持續(xù)性和綜合性會話等。實(shí)現(xiàn)以人為本的學(xué)習(xí)分析，需要從算法、學(xué)習(xí)資源、學(xué)習(xí)活動和學(xué)習(xí)評價等方面制定學(xué)習(xí)分析指導(dǎo)規(guī)范，構(gòu)建面向?qū)W習(xí)主體性的學(xué)習(xí)分析規(guī)范。

3）學(xué)習(xí)分析的質(zhì)量保障政策主要涉及利益相關(guān)者的參與制度、技術(shù)保障制度、多模態(tài)刻畫規(guī)范。利益相關(guān)者的全體參與、全程參與和全面參與能防止學(xué)習(xí)分析數(shù)據(jù)獲取不全、分析目的分散和學(xué)習(xí)評價偏見等問題。參與制度需要從參與人特征、參與時間和參與決策等維度構(gòu)建，以全面反映利益相關(guān)者的關(guān)切。技術(shù)保障制度是獲得高質(zhì)量學(xué)習(xí)分析的基礎(chǔ)，決定著學(xué)習(xí)分析的精準(zhǔn)性及其學(xué)習(xí)反饋的適切性。高質(zhì)量學(xué)習(xí)分析需利用先進(jìn)的技術(shù)捕獲和分析學(xué)習(xí)數(shù)據(jù)，從而提供精準(zhǔn)的學(xué)習(xí)分析和反饋支持。多模態(tài)刻畫規(guī)范需要制定和完善學(xué)習(xí)分析評價指標(biāo)體系，確保從學(xué)習(xí)情感、學(xué)習(xí)動機(jī)、個性特征、人工制品等維度全面評價學(xué)習(xí)者，從而實(shí)現(xiàn)學(xué)習(xí)評估的客觀性、高質(zhì)量和系統(tǒng)性。

三、反思與展望

（一）學(xué)習(xí)分析反思

1. 學(xué)習(xí)分析的本質(zhì)

對學(xué)習(xí)分析定義學(xué)界認(rèn)識盡管不同，但核心要素有四個，即學(xué)習(xí)分析作為一個需要解決的問題，是一個機(jī)會，作為調(diào)查和研究的領(lǐng)域，由研究人員和從業(yè)者共同開展研究（Lang et al.，2022）。

不同于數(shù)據(jù)挖掘和大數(shù)據(jù)分析，學(xué)習(xí)分析旨在通過數(shù)據(jù)分析優(yōu)化教與學(xué)過程，聚焦教與學(xué)的數(shù)據(jù)驅(qū)動決策研究。數(shù)據(jù)挖掘和學(xué)習(xí)分析都是數(shù)據(jù)驅(qū)動方法，但是數(shù)據(jù)挖掘關(guān)注的是教育環(huán)境中獨(dú)特數(shù)據(jù)類型的探索方法創(chuàng)新，探究如何抽取有價值的信息實(shí)現(xiàn)學(xué)習(xí)或干預(yù)過程的自動化，以更好地理解學(xué)生及其學(xué)習(xí)發(fā)生的環(huán)境（Du et al.，2019）。大數(shù)據(jù)分析與學(xué)習(xí)分析、數(shù)據(jù)挖掘的最大區(qū)別是數(shù)據(jù)量大、類型多、速度快、真實(shí)性和價值性，是面向“互聯(lián)網(wǎng)+”時代海量數(shù)據(jù)分析的一種新興數(shù)據(jù)分析方法。數(shù)據(jù)挖掘和大數(shù)據(jù)分析是學(xué)習(xí)分析得以實(shí)現(xiàn)的重要基礎(chǔ)，為大規(guī)模線上和線下混合學(xué)習(xí)分析提供了技術(shù)和方法。

2. 學(xué)習(xí)分析的核心問題

從如何提升學(xué)習(xí)分析的精準(zhǔn)度看，研究者主要圍繞預(yù)測模型、網(wǎng)絡(luò)分析、自然語言處理和多模態(tài)學(xué)習(xí)分析四個維度，系統(tǒng)揭示數(shù)智時代的學(xué)習(xí)分析的主要理論、技術(shù)、方法或方法論、實(shí)踐，刻畫了數(shù)智時代學(xué)習(xí)分析的關(guān)鍵技術(shù)，描述了學(xué)習(xí)分析的主要應(yīng)用場景。圍繞學(xué)習(xí)分析精準(zhǔn)度提升的四個研究維度，研究者深度探討的核心問題主要聚焦于理論、技術(shù)和方法三個方面。不管是預(yù)測模型、網(wǎng)絡(luò)分析，還是自然語言處理、多模態(tài)學(xué)習(xí)分析，如何協(xié)調(diào)不同理論、技術(shù)和方法之間的關(guān)系，是學(xué)習(xí)分析精準(zhǔn)度研究的核心內(nèi)容。

從如何構(gòu)建高質(zhì)量學(xué)習(xí)分析規(guī)范看，倫理規(guī)范、數(shù)據(jù)素養(yǎng)和分析政策形成了學(xué)習(xí)分析規(guī)范的主要研究主題。倫理規(guī)范涉及制度規(guī)范和算法倫理，前者主要討論研究者、教師和相關(guān)機(jī)構(gòu)等“人”在學(xué)習(xí)分析過程中的倫理規(guī)范，后者是“機(jī)器”在學(xué)習(xí)分析過程中應(yīng)遵循的算法數(shù)據(jù)基礎(chǔ)倫理、算法運(yùn)行機(jī)制倫理和算法評價主體倫理。學(xué)習(xí)分析者的數(shù)據(jù)素養(yǎng)決定著他們能否利用軟件工具、機(jī)器學(xué)習(xí)和算法等，捕獲、處理、索引、存儲、分析和可視化數(shù)據(jù)，以及如何進(jìn)行可行性教學(xué)行為的決策、設(shè)計和實(shí)施。學(xué)習(xí)分析政策應(yīng)以學(xué)習(xí)者為本、關(guān)照學(xué)習(xí)者身心發(fā)展、促進(jìn)學(xué)習(xí)分析公平與公正為根本目標(biāo)，確保政策的適切性是政策制定的關(guān)鍵。

（二）學(xué)習(xí)分析研究展望

1. 構(gòu)建基于人工智能的學(xué)習(xí)分析技術(shù)

新冠肺炎疫情導(dǎo)致大規(guī)模在線學(xué)習(xí)需求驟增，學(xué)習(xí)分析需要充分利用人工智能技術(shù)，為教師的教學(xué)評價和學(xué)生學(xué)習(xí)提供智能化、個性化、即時性和系統(tǒng)性學(xué)習(xí)分析支持。地平線報告（教與學(xué)版）明確指出，“基于人工智能的學(xué)習(xí)分析”已成為當(dāng)前及后續(xù)一段時間促進(jìn)教與學(xué)質(zhì)量的重要技術(shù)（王萍等，2022）?；谌斯ぶ悄艿膶W(xué)習(xí)分析指利用人工智能技術(shù)，組織、分析與理解師生教與學(xué)數(shù)據(jù)，幫助教師選擇學(xué)習(xí)策略、組織活動、探析教學(xué)干預(yù)、提供學(xué)習(xí)支持、監(jiān)控學(xué)習(xí)活動，支持學(xué)習(xí)者自主學(xué)習(xí)、自我評價、個性化學(xué)習(xí)、會話交流和自我調(diào)節(jié)學(xué)習(xí)。美國和澳大利亞多所學(xué)校正在利用自然語言處理、資源推薦器、學(xué)習(xí)保持分析儀表盤等技術(shù)，探究學(xué)業(yè)差距干預(yù)、學(xué)習(xí)風(fēng)險識別與反饋、學(xué)術(shù)支持、學(xué)習(xí)成就預(yù)測、學(xué)習(xí)活動監(jiān)控與分析。

2. 探索多模態(tài)學(xué)習(xí)分析時代的方法與技術(shù)

多模態(tài)學(xué)習(xí)分析主導(dǎo)的“多模態(tài)學(xué)習(xí)分析新時代”已經(jīng)到來（Worsley et al.，2021）。多模態(tài)學(xué)習(xí)分析不僅是獲取、分析和理解學(xué)習(xí)行為、狀態(tài)、能力和素養(yǎng)的一系列技術(shù)和方法，而且是一種分析學(xué)習(xí)的方法論或教育哲學(xué)觀。多模態(tài)學(xué)習(xí)分析的目的在于探討如何全面刻畫學(xué)習(xí)行為、分析學(xué)習(xí)影響因素及構(gòu)建學(xué)習(xí)分析生態(tài)系統(tǒng)，避免數(shù)據(jù)缺失、分析工具局限和研究視角狹隘等導(dǎo)致的教育不公平。未來的學(xué)習(xí)分析是面向?qū)W習(xí)者的全方位分析。社會化數(shù)字參與生態(tài)學(xué)是未來學(xué)習(xí)分析的重要取向，它利用各種數(shù)據(jù)捕獲、處理、分析和決策工具，構(gòu)建數(shù)字化社會參與的生態(tài)學(xué)習(xí)分析框架和智能學(xué)習(xí)支持系統(tǒng)。從多模態(tài)學(xué)習(xí)分析主題與技術(shù)的微觀視角看，情緒與情感、腦電波、核磁共振等學(xué)習(xí)分析主題和技術(shù)是未來發(fā)展的重要趨勢。

3. 探索學(xué)習(xí)分析的獨(dú)特方法論

學(xué)習(xí)分析是基于理論或經(jīng)驗的數(shù)據(jù)收集、分析和推論過程。理論是學(xué)習(xí)分析的基礎(chǔ)，決定了學(xué)習(xí)分析的科學(xué)性、系統(tǒng)性和方向性。然而，目前學(xué)習(xí)分析研究主要關(guān)注技術(shù)及其如何服務(wù)于學(xué)習(xí)分析，鮮有涉及學(xué)習(xí)分析基本理論或方法論的相關(guān)研究。學(xué)習(xí)分析理論或方法論的研究缺失可能導(dǎo)致學(xué)習(xí)分析研究始終處于散碎的、工具性的和具體的研究層次，難以上升為一種具有普遍指導(dǎo)的、系統(tǒng)的和深度的研究方法論或研究領(lǐng)域。學(xué)習(xí)分析主要通過收集、分析和報告數(shù)據(jù)改進(jìn)學(xué)習(xí)績效，缺乏理論指導(dǎo)的學(xué)習(xí)分析可能導(dǎo)致學(xué)習(xí)分析過程的科學(xué)性不足。在行為主義、認(rèn)知主義、建構(gòu)主義和聯(lián)通主義等構(gòu)成的多種學(xué)習(xí)理論體系中，如何構(gòu)建學(xué)習(xí)分析的理論框架及其方法論是未來學(xué)習(xí)分析研究的重要任務(wù)。

4. 創(chuàng)設(shè)公平與公正的學(xué)習(xí)分析機(jī)制

如何確保學(xué)習(xí)分析的公平、無偏見和公正是未來學(xué)習(xí)分析研究的重要主題。影響學(xué)習(xí)分析公平和公正的主要因素是學(xué)習(xí)分析算法的不完善和數(shù)據(jù)的不全面。未來學(xué)習(xí)分析研究需采取多種措施促進(jìn)學(xué)習(xí)分析公平。這涉及研究視角、算法設(shè)計和政策制定等。首先，需要采取批判性視角探究學(xué)習(xí)分析；其次，算法設(shè)計應(yīng)當(dāng)力求公平、有限偏差、服務(wù)學(xué)習(xí)；第三，如何構(gòu)建及構(gòu)建何種制度或政策，是確保這一目的實(shí)現(xiàn)的重要保障和未來研究重點(diǎn)。探索與構(gòu)建完善的理論體系是確保學(xué)習(xí)分析公平的重要基礎(chǔ)。多模態(tài)學(xué)習(xí)分析是建立在映射和執(zhí)行基礎(chǔ)上的，如果學(xué)習(xí)構(gòu)念設(shè)計存在缺陷和指標(biāo)殘缺，那么收集的多模態(tài)數(shù)據(jù)將無法精準(zhǔn)地揭示、預(yù)測和支持學(xué)習(xí)行為。

5. 建立符合倫理道德的學(xué)習(xí)分析制度

以人工智能、大數(shù)據(jù)分析和自適應(yīng)學(xué)習(xí)等技術(shù)為基礎(chǔ)的學(xué)習(xí)分析為教與學(xué)提供了支持，但也導(dǎo)致學(xué)習(xí)分析出現(xiàn)諸多倫理問題。人工智能驅(qū)動的學(xué)習(xí)分析實(shí)質(zhì)上是通過“類人”的植入揭示學(xué)習(xí)本質(zhì)，但這常常會導(dǎo)致類人的倫理問題、人工智能教育場問題、新的人與人行為準(zhǔn)則的調(diào)整問題（張立國等，2021）。基于殘缺學(xué)習(xí)數(shù)據(jù)的學(xué)習(xí)分析與學(xué)習(xí)支持，會導(dǎo)致學(xué)習(xí)分析缺乏精準(zhǔn)性和適切性，還會使學(xué)習(xí)者長期處于狹隘的“信息繭房”中，不能得到全面發(fā)展，甚至?xí)霈F(xiàn)顯著的認(rèn)知偏見（徐英瑾，2021）。因此，建立符合倫理道德規(guī)范的學(xué)習(xí)分析制度在一定程度上可消解學(xué)習(xí)分析技術(shù)帶來的負(fù)面影響，這是后續(xù)學(xué)習(xí)分析倫理道德制度需探討的主題。