|
自从“学习分析”这一理念被提出后，在教育界里就引起了很大反响。美国新媒体联盟与美国高校教育信息化协会合作的“地平线项目”在2010年的年度报告中，就预测学习分析技术将在未来的四到五年内成为主流。在首届“学习分析和知识国际会议”上，将学习分析定义为：测量、收集、分析、报告学习者及其学习情境的相关数据，以促进对学习过程的理解，并对学习及其发生的环境进行优化。《地平线报告》在2012年的报告中，将学习分析定义为：通过收集来自学生的大量数据进行分析，从而对其学术表现进行评价和预测，并发现潜在的问题。通过以上有关定义可以看出，学习分析是利用学习分析技术，对学习者学习活动的有关数据进行分析和建模，对学习者的学习结果进行评估，发现学习者学习中潜在的问题，并对学习者行为进行预测。 1．学习分析的类型 类型之一是教育数据的挖掘。“这是世界是一个大的数据问题”，教育本身所积累的数据更是无比巨大。教育数据的挖掘，就是针对每一个和学生的学习有关的因素，通过数据来分析该因素对学生学习行为的影响，找到最适合学生学习的数据特征。比如说现在各地流行的“微视频”制作，其中一个因素就是视频的长度，对不同年级的学生来说，几分钟的视频更适合学生学习，就是需要积累数据，并挖掘数据背后的价值的。 类型之二是学术分析。这种分析针对的不是学生具体的学习过程，或者学习本身，但却与学生的学习质量有密切关系的因素，通过对这些因素的数据分析，找到提升学习品质的方法和途径。比如说学校的能耗、组织的效率、学校发展的战略和对策等等，都是学术分析所关注的。 类型之三是学习分析。这是介于教育数据挖掘和学术分析之间的、关注一个较小的系统和整体的分析。换一个视角看，教育数据的挖掘，更关注一件件具体的事情；学习分析，是对学生个体学习行为的分析和判断，适用于教师和学生；而学术分析则是对一所学校、一个地区甚至是一个国家整体教育政策、教育行为的分析和研究，适用于教育行政管理部门。 2．分析的五大领域 基于信息技术的学习分析，包括如下如大领域： 1）预测。预测一个学生能否成功地学好某节课，或者某个模块。预测学生在学习过程中会出现的问题，并依据这些预测做出有针对性的补救方案。在过去，教师也有预测，但这种预测大多都是根据经验来而来的，缺乏实证性的数据支撑。 2）集群。对学习的分析，不仅能够关注一个学生的学习特征、学习品质，对学生的学习状况做出较为准确的判断，更可以对一个班级、一个学习小组的学习状况进行整体的分析，增加洞见。在班级授课制的背景下，这样的分析是很有意义的。 3）关系挖掘。一个学生的学习，受到各方面因素的互相影响和制约，如学习内容的难度、自己的阅读能力、和教师之间的关系、学习环境的影响、座位、同学之间的关系……。信息技术可以帮助我们同时采集学生学习活动中的各种数据，通过找寻各类数据内在的关联，发现数据之间的内在联系，帮助我们找到其中的关系，为改进学习提供新的路径。 4）帮助人们判断的数据净化。信息技术可以采集学生活动中大量的数据，在分析某一问题时，有些数据是有价值的，另外一些数据则没有多大意义。通过数据的净化，可以帮助学生和教师了解发生了什么，这些现象意味着什么。 5）模型发现。如果能够发现数据背后的基本模型，就相当于发现了教育的规律，其价值不容置疑。 3．运用学习分析需要关注的问题 第一，学习分析是一种工具，它围绕学生的学习活动而展开，旨在帮助我们提高学习的质量。在很长一段时间里，我们没有这样的工具，教师教的如何、学生学得如何，都只能进行模糊的评价。在今天的数字环境下，通过学习分析，可不断丰富我们对学习过程的认识和了解，让因材施教成为可能。 第二，学习分析不可能有一刀切的模式。期望制作一个统一的平台，然后在全国各地来推广学习分析的技术是不现实的。不同的地区，不同的学校，学生的差异很大，学习分析也需要因地制宜。 第三，学习分析可以帮助我们重构教学流程。一位专家对几门学科的学生学习状况进行分析，他发现，学生在进入学科学习之前，有很多知识是掌握的，不需要教师在专门花时间去讲授。比如说： 知识领域 个人知识图表 护理 82% 计算机科学 65% 环境美化 36% 如果82%的护理知识，学生在其他课程或者生活实践中都已经知道，有65%的计算机知识学生是非常熟悉的，那么开这些课程的时候，无论是内容的选择，还是教学流程的设计，就需要重新来考虑，不能按部就班。 第四，新的数字技术，为学习分析插上了腾飞的翅膀。比如说生物测量设备，如眼球识别、面部设别、脑电图识别，等等，可以帮助我们了解学生何时有困惑、是否了解某一知识点。可以评价学生的学习效果，以及学习的专注程度。我们能收集的数据越多，就越有能力作出预测。 |
|
|
