学习分析技术综述.pdf

学习分析技术综述

一、学习分析技术的起源及发展

学习分析是一个新兴的、正在发展的学科，是技术促进学习研

究中增长最快的领域之一，也是当前的研究热点。美国新媒体联盟

及美国高校教育信息化协会主动学习组织合作“新媒体联盟地平

线项目(The New Media Consortium's Horizon Project)”的 2010

年度和2011年度报告中，预测基于数据的学习分析技术将在未来的

四到五年内成为主流，并对学习分析技术在教学、学习、研究和知

识生成等方面所具有的作用进行了分析 ,勾勒了其广泛的应用前景。

据 往往不够充分,信息化程度较低，而且分析结果用于干预教学的

周期过长，效果不明显。因此，学习分析技术逐渐浮现出来，并受

［1］

到越来越多的关注。

二、学习分析技术背景

在学习分析概念形成之前，相关方法、技术和工具都已经发展

起来了。学习分析从一系列研究领域汲取技术，如数据统计、商业

智能 (Business Intelligence)、网页分析(Web Analytics)、运

筹学(Operational Research)、人工智能(AI)、教育数据挖掘(EDM )、

社会网络分析、信息可视化等。数据统计历来作为一个行之有效的

第 1 页

以追踪学生的学习轨迹。运筹学通过设计优化数学模型和统计方法

使目标最优化。人工智能和数据挖掘中的机器学习技术建立在数据

挖掘和人工智能方法上，它能够检测数据中的模式。在学习分析中

的类似技术可用于智能教学系统，以更加动态的方式对学生进行分

类而不是简单地进行人口统计分类，可以通过协同过滤技术对特定

的资源建立模型。社会网络分析可以分析出隐含的人及人(如在论

坛上的互动)和外显的人及人(如朋友或者关注对象)之间的关系，

在学习分析中可用于探索网络集群、影响力网络、参及及不参及状

况。信息可视化是很多分析的重要一步(包括上面列出的 那些分析

三、国内外研究现状

2011年2月底，首届“学习分析技术及知识国际会议”在加拿

大的阿尔伯达省班芙市举行，主题之一就是学习分析技术。美国新

媒体联盟发布的2010年度和2011年度《地平线报告》均预测学习分

析技术将在未来的四到五年内成为主流。可见，学习分析技术已逐

渐成为教育中的一项新兴技术。事实上，在“学习分析技术”概念

出现之前,及之相关的技术、工具及其应用研究已经开展起来。2004

年在高等教育中出现的“智能导师系统”和“人工智能系统”掀起

了“教育数据挖掘”研究的热潮,也促使学术分析技术这一关注学

习者行为的分析技术的诞生。Romero & Ventura(2007)以及 Baker

究, Romero等人(2005)对Moodle学习平台的日志分析是这方面研究

的典范。记录在学习管理系统中的学习者行为数据,经过聚集、分

第 2 页

类、可视化以及关联规则分析等操作,生成实时的数据报告,或者利

用从行为数据中反映出的常模来生成预测模型。随着学习分析研究

及实践的不断深入,除了数据挖掘方法外,一些原本属于社会科学

领域的方法如社会网络分析法、话语分析法、内容分析法等也得到

成功应用并成为学习分析的关键技术,这些方法的典型应用之一是

［3］

师生交互行为分析。

四、

学习分析技术的内涵

学习分析技术是一个新兴的研究领域，学习分析技术是对学生

生成的海量数据的解释，以评估学生的学术进展，预测未来的表现，

并发现潜在的问题。简单地说，学习分析技术旨在应用数据分析为

教育系统的各级决策提供参考,关键内容就是应用于教育领域的大

数据分析。这一研究方法原先来自于商业领域，商家通过对消费者

其他对象。这类技术的实质，就是通过对数据的提取、归类、分析

及总结，进行统计性的预测和判断。基于学生相关数据的分析则是

以学生群体为主体，以设计出更完善的教学方法为目标，致力于为

学生提供高质量、个性化的学习体验，并评估制定的学习计划是否

能有效帮助学生加强学习, 这些分析结果对于教学双方来说都具

有重要的意义。对教育工作者和研究人员而言，学习分析在剖析学

生及在线文本、课件之间的互动中发挥着至关重要的作用。对学生

而言,通过开发用于分析学生具体数据的移动软件和在线平台, 能

够为学生提供符合他们学习需求的支持服务系统，使他们受益于学

评估、预测学习群体的学习状态和学习效果;最终目标是提供个性

化的学习支持。学习分析由五个部分组成:

第 3 页