對(duì)“在線學(xué)習(xí)行為”可能應(yīng)用方向的分析建模及挖掘
在日趨精密數(shù)字技術(shù)條件下，學(xué)習(xí)模式已通過互聯(lián)網(wǎng)、社會(huì)化媒體實(shí)現(xiàn)數(shù)字化。海量的學(xué)習(xí)信息以數(shù)據(jù)的形式蘊(yùn)含著學(xué)習(xí)者的隱性行為特征。文章從數(shù)據(jù)挖掘與領(lǐng)域應(yīng)用、學(xué)習(xí)行為及行為分析、網(wǎng)絡(luò)行為分析模型三個(gè)角度對(duì)在線學(xué)習(xí)行為可能的應(yīng)用方向進(jìn)行綜述研究，探討學(xué)習(xí)者的在線學(xué)習(xí)行為的建模機(jī)制，建立了數(shù)據(jù)、機(jī)制、結(jié)果三層次模型，并從網(wǎng)絡(luò)挖掘的角度對(duì)學(xué)習(xí)數(shù)據(jù)進(jìn)行模式分類與解析。
一、引言
縱觀21世紀(jì)教育研究的發(fā)展趨勢，探究學(xué)習(xí)者的深層次思維與行動(dòng)成為教育者關(guān)注的焦點(diǎn)。學(xué)習(xí)是個(gè)體獲得行為經(jīng)驗(yàn)的過程(Dienes et al.，1995)，從教育心理學(xué)角度它可分為外顯學(xué)習(xí)(Explicit Learning)與內(nèi)隱學(xué)習(xí)(Implicit Learning)。傳統(tǒng)學(xué)習(xí)行為理論研究由于技術(shù)與工具的局限性，只探討那些能直接測量的、可觀察的行為，而對(duì)內(nèi)隱的學(xué)習(xí)行為潛能的研究，一直缺乏一手的實(shí)踐數(shù)據(jù)，且尚未形成系統(tǒng)的理論分析體系。因此如何革新傳統(tǒng)的學(xué)習(xí)行為分析模式，將內(nèi)隱分析與外顯結(jié)合是教育者們一直思索的方向。
隨著網(wǎng)絡(luò)課程與學(xué)習(xí)技術(shù)系統(tǒng)的發(fā)展，在線學(xué)習(xí)越來越多地發(fā)生在各種教育情境中，這為深入研究學(xué)習(xí)者學(xué)習(xí)心理、行為帶來了新契機(jī)?；诰W(wǎng)絡(luò)的學(xué)習(xí)能使學(xué)生憑自己的喜好進(jìn)行自主、探究性的學(xué)習(xí)，學(xué)習(xí)行為能自然地呈現(xiàn)，網(wǎng)絡(luò)也提供了記錄學(xué)習(xí)者隱性學(xué)習(xí)行為的載體。這些學(xué)習(xí)行為常常是無意識(shí)、零散的，行為之間潛在關(guān)聯(lián)結(jié)構(gòu)、底層規(guī)則不顯著，但比外顯學(xué)習(xí)行為更能體現(xiàn)學(xué)習(xí)中微妙而復(fù)雜的邏輯關(guān)系，能折射學(xué)生最真實(shí)的思維與學(xué)習(xí)情況，是教師或其它評(píng)價(jià)機(jī)制不易捕獲到的。隱藏在學(xué)習(xí)平臺(tái)記錄中的學(xué)生學(xué)習(xí)行為，猶如豐富的礦藏，如果采用適當(dāng)?shù)牟删蚍绞竭M(jìn)行挖掘，這些反映學(xué)生學(xué)習(xí)行為(包括學(xué)習(xí)者的態(tài)度、動(dòng)作、語言)的數(shù)據(jù)，能夠成為跟蹤學(xué)習(xí)、評(píng)價(jià)學(xué)習(xí)以及改進(jìn)學(xué)習(xí)的最佳數(shù)據(jù)來源。由商業(yè)領(lǐng)域孕育而生的數(shù)據(jù)分析技術(shù)——“商業(yè)智能”，目前正在教育領(lǐng)域中悄然掀起并加劇進(jìn)化，學(xué)習(xí)分析(Learning Analysis)作為一種教育數(shù)據(jù)分析技術(shù)，成為發(fā)展中不可或缺的核心力量(祝智庭等，2012；顧小清等，2012)。它通過對(duì)數(shù)據(jù)背后所隱藏的信息加以發(fā)現(xiàn)和理解并有效進(jìn)行利用(或干預(yù)、或預(yù)測)的研究，從而追求最大的教育效益(Siemens et al.，2011)。為此，最為核心的問題是構(gòu)建能滿足學(xué)習(xí)跟蹤、評(píng)價(jià)及改進(jìn)需求的行為分析模型和數(shù)據(jù)挖掘算法。
本研究在廣泛文獻(xiàn)調(diào)研的基礎(chǔ)上，從學(xué)習(xí)分析需求出發(fā)，構(gòu)建了在線學(xué)習(xí)行為分析模型，并設(shè)計(jì)了學(xué)習(xí)數(shù)據(jù)的挖掘模式，最后結(jié)合案例探討了學(xué)習(xí)分析研究的科學(xué)意義和應(yīng)用價(jià)值。
二、現(xiàn)狀分析
由于對(duì)學(xué)習(xí)者在線學(xué)習(xí)行為分析涉及多個(gè)學(xué)術(shù)領(lǐng)域與技術(shù)，如數(shù)據(jù)挖掘、計(jì)算機(jī)網(wǎng)絡(luò)、行為認(rèn)知學(xué)、人工智能、數(shù)理統(tǒng)計(jì)等，因此本研究的前期調(diào)研聚焦以下三個(gè)方面：數(shù)據(jù)挖掘與領(lǐng)域應(yīng)用、學(xué)習(xí)行為及行為分析、網(wǎng)絡(luò)行為分析模型。
從大量數(shù)據(jù)中抽取有用信息的相關(guān)研究、技術(shù)及工具，在計(jì)算機(jī)領(lǐng)域有多種提法，包括數(shù)據(jù)挖掘、知識(shí)發(fā)現(xiàn)、知識(shí)提取等(Agrawal & Shafer，1996)?？傮w而言，研究人員更多地使用數(shù)據(jù)挖掘這一術(shù)語(Kurgan & Musilek，2006)。
上世紀(jì)90年代曾興起一股研究熱潮，研究人員致力于尋找一種通用算法，以解決所有與從大量數(shù)據(jù)中搜尋有用信息相關(guān)的問題。在研究算法之外，許多特定的數(shù)據(jù)挖掘工具應(yīng)運(yùn)而生。譬如，Clementine(Khabaza & Shearer，1995)、IBM Intelligent Miner(Tkach，1998)、Weka(Witten & Frank，2005)和DB Miner(Sole，2010)等。在工具、方法論及模型得到快速發(fā)展后，數(shù)據(jù)挖掘在諸多領(lǐng)域得到了廣泛且日益成熟的應(yīng)用。國內(nèi)外電信公司將數(shù)據(jù)挖掘引入核心業(yè)務(wù)管理系統(tǒng)，應(yīng)用方向包括客戶分析及客戶關(guān)系管理(Cui，2009)；銀行使用數(shù)據(jù)挖掘技術(shù)實(shí)施反洗錢監(jiān)控(Cao & Do，2012)、客戶信用質(zhì)量評(píng)估(Huang & Wu，2011)；證券交易監(jiān)管部門使用數(shù)據(jù)挖掘技術(shù)實(shí)施欺詐交易監(jiān)測(Golmohammadi & Zaiane，2012)；醫(yī)院借助數(shù)據(jù)挖掘協(xié)助醫(yī)生更好地開具處方和提供治療參考(Wang et al.，2013)；圖書館使用數(shù)據(jù)挖掘技術(shù)完成讀者需求分析(Zhu & Zhang，2011)、讀者管理(Yu，2011)、館藏推薦(Huang et al.，2011)。
數(shù)據(jù)挖掘技術(shù)進(jìn)入教育領(lǐng)域相對(duì)較晚，研究人員的興趣主要集中在開發(fā)研究與分析教育情境下的海量數(shù)據(jù)的技術(shù)工具，如數(shù)據(jù)挖掘幫助提升高校學(xué)生的記憶力(Zhang et al.，2010)、數(shù)據(jù)挖掘在基礎(chǔ)教育課程評(píng)估中的應(yīng)用(Hung et al.，2012)，而基于e-learning的數(shù)據(jù)挖掘研究則是近年來的研究前沿。譬如，在e-learning系統(tǒng)應(yīng)用數(shù)據(jù)挖掘，協(xié)助學(xué)生完成個(gè)性化學(xué)習(xí)(Sun & Xie，2009)、改善自適應(yīng)學(xué)習(xí)的效用(Chellatamilan et al.，2011)、提升學(xué)生的學(xué)習(xí)績效(Banu & Ravanan，2012)、研究學(xué)生行為和認(rèn)知風(fēng)格(Jovanovic et al.，2012)。
(二)學(xué)習(xí)行為及行為分析
對(duì)在線學(xué)習(xí)行為分析方面，國內(nèi)的研究聚焦在數(shù)據(jù)指標(biāo)與技術(shù)手段兩個(gè)維度。在數(shù)據(jù)指標(biāo)維度，徐紅彩(2005)對(duì)在校大學(xué)生在線學(xué)習(xí)行為進(jìn)行了調(diào)查與研究；曾祥躍(2008)對(duì)遠(yuǎn)程學(xué)習(xí)者在線學(xué)習(xí)行為進(jìn)行了調(diào)查與分析；靳麗(2008)在對(duì)在線學(xué)習(xí)者交互的行為特征進(jìn)行分析的基礎(chǔ)上構(gòu)建了在線學(xué)習(xí)行為模型；楊金來(2008)提出了Who-Do-What的網(wǎng)絡(luò)行為信息模型。在技術(shù)手段維度上，楊清蓮(2005)等人結(jié)合Web日志挖掘和數(shù)據(jù)立方體技術(shù)對(duì)服務(wù)器端及客戶端日志信息進(jìn)行分析處理并加以評(píng)價(jià)；范潔(2005)釆用數(shù)據(jù)挖掘技術(shù)設(shè)計(jì)實(shí)現(xiàn)了在線學(xué)習(xí)行為評(píng)估系統(tǒng)，利用這個(gè)系統(tǒng)中的日志對(duì)學(xué)習(xí)者進(jìn)行形成性評(píng)價(jià)；李德江等(2010)設(shè)計(jì)與實(shí)現(xiàn)了分布式網(wǎng)上學(xué)習(xí)行為統(tǒng)計(jì)系統(tǒng)，介紹了如何從分散的客戶端采集數(shù)據(jù)，再發(fā)送給服務(wù)器端統(tǒng)計(jì)的方法；廖競等(2011)設(shè)計(jì)了一種基于數(shù)據(jù)流獲取的在線學(xué)習(xí)行為數(shù)據(jù)釆集與分析的方案，總結(jié)出在線學(xué)習(xí)者學(xué)習(xí)行為的規(guī)律。
在國際上，對(duì)在線學(xué)習(xí)行為分析的研究集中在三個(gè)方面：使用工具軟件追蹤和記錄在線學(xué)習(xí)行為；關(guān)注學(xué)習(xí)者需求和在線學(xué)習(xí)環(huán)境；尋找在線學(xué)習(xí)行為和學(xué)習(xí)績效的關(guān)系。其中，有代表性的研究主要包括：李等(Lee et al.，2002)研究了不同網(wǎng)絡(luò)環(huán)境下學(xué)習(xí)者在線學(xué)習(xí)過程中與學(xué)習(xí)者個(gè)性特征相符的學(xué)習(xí)策略；楊和蔡(Yang & Tsai，2009)釆用問卷進(jìn)行信息收集，對(duì)學(xué)習(xí)者在線學(xué)習(xí)中的學(xué)習(xí)環(huán)境偏好和學(xué)習(xí)信念進(jìn)行探討；羅梅羅等(Romero et al.，2009)提出了在個(gè)性化學(xué)習(xí)系統(tǒng)中提高Web挖掘效率的高級(jí)架構(gòu)；阿爾哈特比(Alkhattabi et al.，2011)針對(duì)目前在線學(xué)習(xí)系統(tǒng)中學(xué)習(xí)質(zhì)量不佳的事實(shí)，使用Web數(shù)據(jù)挖掘技術(shù)建立學(xué)習(xí)質(zhì)量評(píng)價(jià)的模型。洛(Lo，2005)則通過學(xué)習(xí)者在線學(xué)習(xí)的路徑、瀏覽順序和習(xí)慣，確定該學(xué)習(xí)者可能具有的學(xué)習(xí)風(fēng)格和學(xué)習(xí)偏好，為學(xué)習(xí)者推薦相應(yīng)的學(xué)習(xí)資源。
(三)網(wǎng)絡(luò)行為分析模型
在國內(nèi)，對(duì)網(wǎng)絡(luò)行為進(jìn)行分析的模型主要存在幾個(gè)領(lǐng)域。在網(wǎng)絡(luò)安全領(lǐng)域，王攀等(2008)針對(duì)Web用戶行為分析面臨的無規(guī)范、智能性差等問題，提出了基于動(dòng)態(tài)行為輪廓庫(DBP)的行為分析模型；李軍等(2008)建立了新的基于流的統(tǒng)計(jì)分析模型，從網(wǎng)絡(luò)異常行為預(yù)警的角度，實(shí)時(shí)監(jiān)測和發(fā)現(xiàn)網(wǎng)絡(luò)異常，檢測和發(fā)現(xiàn)網(wǎng)絡(luò)中的可疑代碼；潘蕾等(2011)提出了通過分析用戶使用行為獲得用戶行為模式，并判定其行為傾向、發(fā)現(xiàn)異常行為的主動(dòng)模型。在商業(yè)領(lǐng)域，黃雄偉(2011)利用Web分析技術(shù)對(duì)客戶行為分析(customer behavior analytics，簡稱CBA)，通過網(wǎng)絡(luò)技術(shù)分析客戶消費(fèi)購買行為，及時(shí)調(diào)整自身營銷策略，對(duì)客戶成功實(shí)施交叉銷售和關(guān)聯(lián)銷售；肖英(2012)提出基于馬爾科夫隨機(jī)場(Markow Random Field)模型的行為意圖分析模型。在在線學(xué)習(xí)領(lǐng)域，彭文輝團(tuán)隊(duì)(2006)對(duì)網(wǎng)絡(luò)學(xué)習(xí)行為進(jìn)行了理論層面的劃分，提出了以多維度與多層次的角度進(jìn)行模型的建構(gòu)；周巖(2009)針對(duì)大學(xué)生群體進(jìn)行了網(wǎng)絡(luò)學(xué)習(xí)行為的建模與分析，并基于理性行為理論與技術(shù)接納模型(TAM)構(gòu)建出了包含九個(gè)潛在變量的因果關(guān)系模型。
在國外的網(wǎng)絡(luò)安全領(lǐng)域，孔特(Conte，2008)等基于網(wǎng)絡(luò)質(zhì)量保證，開發(fā)出可用性檢查技術(shù)(WDP——網(wǎng)頁設(shè)計(jì)視角建立可用性評(píng)估)，建立了基于Web應(yīng)用程序的可用性評(píng)估模型；蓋齊(Geczy，2008)等提出構(gòu)建行為中心的用戶配置文件模型，該模型利用網(wǎng)絡(luò)環(huán)境下用戶交互進(jìn)行行為分析；多德羅(Dodero，2011)等對(duì)如何擴(kuò)展常規(guī)Web應(yīng)用的關(guān)聯(lián)數(shù)據(jù)以及利用數(shù)據(jù)集提供特定的Web服務(wù)進(jìn)行了深入研究，得到基于模型—視圖—控制器的體系結(jié)構(gòu)。在商業(yè)領(lǐng)域，伊瓦塔和扎瓦德(Iwata & Sawada，2013)基于價(jià)格信息的購買數(shù)據(jù)得到客戶行為分析模型，研究對(duì)每件物品的均值與方差實(shí)踐估計(jì)。在在線學(xué)習(xí)領(lǐng)域，貝克(Baker，2008)等提出了用戶認(rèn)知模型，建立了關(guān)于認(rèn)知跟蹤角度的新方法，利用類似于建立上下關(guān)聯(lián)的估算概率進(jìn)行機(jī)器學(xué)習(xí)；貝克與同事(2004，2006)在關(guān)于行為模型研究中得出，如果想得到較好的學(xué)習(xí)效果，需向?qū)W習(xí)者提供開放式的學(xué)習(xí)環(huán)境，讓其自由地展現(xiàn)學(xué)習(xí)行為，在此模型基礎(chǔ)上他們提出自動(dòng)訓(xùn)練技術(shù)，對(duì)學(xué)生的練習(xí)行為進(jìn)行規(guī)則獲取，使得智能教學(xué)輔導(dǎo)系統(tǒng)中的指導(dǎo)行為可以在不同課程之間通用；麥克法德和道森(Macfayden & Dawson，2010)則對(duì)學(xué)習(xí)管理系統(tǒng)中的數(shù)據(jù)進(jìn)行追蹤與分析，得到與學(xué)習(xí)者期末成績相關(guān)聯(lián)的行為變量模型；道森(2010)團(tuán)隊(duì)對(duì)高等教育機(jī)構(gòu)如何高效利用數(shù)據(jù)捕獲機(jī)制提高學(xué)習(xí)者的學(xué)習(xí)體驗(yàn)，以及為實(shí)習(xí)者特定學(xué)習(xí)成果的完成提供信息情報(bào)進(jìn)行了研究；格雷勒和德拉克斯勒(Greller & Drachsler，2012)從受益者、目標(biāo)、數(shù)據(jù)、工具、外部限制、內(nèi)部限定六個(gè)維度提出了設(shè)計(jì)模型；埃莉莎(Elisa，2012)則從資源使用的角度提出了過程模型，其核心是計(jì)算機(jī)、理論、機(jī)構(gòu)與人員四種資源，共同推動(dòng)數(shù)據(jù)收集、信息加工、結(jié)果應(yīng)用的循環(huán)發(fā)展。
(四)研究現(xiàn)狀總結(jié)
數(shù)據(jù)挖掘最近十年來在商用領(lǐng)域已經(jīng)得到較為充分的研究及成功的應(yīng)用，其工具、方法論及模型已相對(duì)成熟。它通過對(duì)客戶行為的分析提高客戶關(guān)系管理質(zhì)量、導(dǎo)引客戶做出導(dǎo)向性的行為，最終實(shí)現(xiàn)經(jīng)濟(jì)效益的提升；在教育領(lǐng)域，數(shù)據(jù)挖掘的研究和應(yīng)用相對(duì)較少，特別是在線學(xué)習(xí)行為分析方面的研究尚處于起步階段。這從表一中可得到一定程度的印證。
而已有的在線學(xué)習(xí)行為模型研究，也僅針對(duì)學(xué)生在線學(xué)習(xí)平臺(tái)的顯性行為進(jìn)行分析，學(xué)生在線學(xué)習(xí)的習(xí)慣、情感、品質(zhì)等隱性學(xué)習(xí)因子并未得到深入系統(tǒng)的研究；且尚未有成熟的用于分析在線學(xué)習(xí)者行為的模型和工具，還沒有形成較為成型的研究與應(yīng)用趨勢。
三、建模思路
由綜述可知，已有學(xué)者對(duì)在線學(xué)習(xí)模式建模，但均未體現(xiàn)對(duì)在線學(xué)習(xí)分析的過程描述。埃莉莎(Elisa，2012)的四種技術(shù)資源模型雖然談及資源循環(huán)過程，但對(duì)數(shù)據(jù)處理分析的思路與結(jié)果對(duì)象未有詮釋。因此，本研究建模的總體目標(biāo)為：以學(xué)習(xí)分析需求為導(dǎo)向，以理解和優(yōu)化學(xué)習(xí)為目標(biāo)，自底向上對(duì)在線學(xué)習(xí)行為過程進(jìn)行建模與分析；遵循問題解決流程模式，自底向上將模型分為數(shù)據(jù)、機(jī)制、結(jié)果三部分(見圖1)：數(shù)據(jù)層呈現(xiàn)學(xué)習(xí)者可能產(chǎn)生的數(shù)據(jù)源與數(shù)據(jù)庫；機(jī)制層構(gòu)建能夠輔助理解與優(yōu)化學(xué)習(xí)效果的技術(shù)與方法；結(jié)果層體現(xiàn)利益相關(guān)者與數(shù)據(jù)之間的關(guān)聯(lián)狀態(tài)，以及如何最終影響學(xué)習(xí)效果的關(guān)系流程。模型雖然呈現(xiàn)自底向上的線性效果，但實(shí)為循環(huán)過程，數(shù)據(jù)受益者(學(xué)習(xí)者)又為數(shù)據(jù)產(chǎn)生者(即數(shù)據(jù)主體)，從而使得該模型的運(yùn)行機(jī)制周而復(fù)始，數(shù)據(jù)不斷迭代更新。
(一)數(shù)據(jù)
模型的最底層由大量的學(xué)習(xí)者數(shù)據(jù)組成，來源分為學(xué)習(xí)者產(chǎn)生或發(fā)布的數(shù)據(jù)，如學(xué)習(xí)管理系統(tǒng)(LMS)、學(xué)生信息系統(tǒng)(SIS)、個(gè)人學(xué)習(xí)環(huán)境(PLE)、社會(huì)網(wǎng)絡(luò)服務(wù)(SNS))的數(shù)據(jù)，和與學(xué)習(xí)者關(guān)聯(lián)的智能數(shù)據(jù)，如課程數(shù)據(jù)、語義數(shù)據(jù)及其它可能關(guān)聯(lián)的數(shù)據(jù)。在實(shí)現(xiàn)自底向上的行為數(shù)據(jù)特征提取、分類、存儲(chǔ)與索引基礎(chǔ)上，建立具有學(xué)習(xí)效益的行為特征數(shù)據(jù)庫(如對(duì)學(xué)生的登錄行為、資源瀏覽行為、信息交互行為等特征建立相關(guān)數(shù)據(jù)庫)。如何對(duì)數(shù)據(jù)進(jìn)行收集、清理是工作重點(diǎn)，清理時(shí)數(shù)據(jù)分類分兩個(gè)維度，從存儲(chǔ)類型上分為結(jié)構(gòu)化、非結(jié)構(gòu)化與半結(jié)構(gòu)化數(shù)據(jù)，這是數(shù)據(jù)庫存儲(chǔ)的通用模式。結(jié)構(gòu)化數(shù)據(jù)使用數(shù)據(jù)庫二維邏輯表呈現(xiàn)，結(jié)構(gòu)和數(shù)據(jù)長度是預(yù)先定義好的(如學(xué)習(xí)者的個(gè)人信息)；非結(jié)構(gòu)化數(shù)據(jù)則無固定結(jié)構(gòu)與長度，允許重復(fù)字段，涵蓋所有格式的文本、圖像、音頻、視頻、超媒體、報(bào)表等(如學(xué)習(xí)管理系統(tǒng)里的文本和多媒體學(xué)習(xí)資源，社交網(wǎng)絡(luò)中的資源信息)，數(shù)據(jù)庫中的模型結(jié)構(gòu)呈樹狀和圖狀；半結(jié)構(gòu)化數(shù)據(jù)介于上述兩者之間，屬結(jié)構(gòu)變化大且與內(nèi)容共同存儲(chǔ)的形式，呈現(xiàn)一種自描述現(xiàn)象，HTML文檔即為其中的代表(學(xué)習(xí)者在個(gè)人學(xué)習(xí)環(huán)境、學(xué)習(xí)管理系統(tǒng)中的描述性數(shù)據(jù)均為此類，如電子郵件、評(píng)論)。
從可變性來看，可分為靜態(tài)數(shù)據(jù)與動(dòng)態(tài)數(shù)據(jù)。學(xué)生信息系統(tǒng)里的大部分學(xué)習(xí)者個(gè)人信息基本保持穩(wěn)定，不會(huì)因時(shí)間變化而改變其屬性，屬靜態(tài)數(shù)據(jù)(如姓名、性別等)。在線學(xué)習(xí)行為由結(jié)構(gòu)性與層次性的活動(dòng)組成，具有時(shí)間特性，產(chǎn)生的數(shù)據(jù)常直接反映事務(wù)過程，所以基本上為動(dòng)態(tài)數(shù)據(jù)(如在線時(shí)間、訪問量等)。在后期進(jìn)行分析時(shí)，與行為特征關(guān)聯(lián)的因素既包含了靜態(tài)變量，又要采用大量的動(dòng)態(tài)特征變量組。在構(gòu)建研究模型中，對(duì)定義的在線學(xué)習(xí)行為因素進(jìn)行篩選及分類，建立有效的特征子集，適當(dāng)增加學(xué)習(xí)特征因素提取的層數(shù)，提高分析精度，并重點(diǎn)分析和測量行為認(rèn)知因素的有用性、資源環(huán)境認(rèn)同度等，在線學(xué)習(xí)行為類型具有多樣性，在進(jìn)行這些行為時(shí)學(xué)習(xí)者展現(xiàn)處理問題能力又具有復(fù)雜性分層，因此需要?jiǎng)討B(tài)調(diào)整模型中的各參數(shù)，實(shí)現(xiàn)性能的不斷優(yōu)化。
(二)機(jī)制
模型的第二層是分析機(jī)制模塊，關(guān)注行為特征數(shù)據(jù)庫中各因素間的關(guān)聯(lián)與內(nèi)涵的探究。此時(shí)待分析的數(shù)據(jù)已經(jīng)過清理、標(biāo)準(zhǔn)化轉(zhuǎn)換、整合、離散化、規(guī)約化的預(yù)處理，可按照應(yīng)用目的設(shè)計(jì)相應(yīng)分析機(jī)制，同時(shí)兼顧時(shí)間線將分析結(jié)果提供即時(shí)反饋和預(yù)測。
1)即時(shí)反饋。用以描述和解釋以當(dāng)前時(shí)間點(diǎn)為終點(diǎn)的過程情況，包含對(duì)學(xué)習(xí)資源使用的反饋、對(duì)學(xué)習(xí)者學(xué)習(xí)狀態(tài)評(píng)價(jià)的反饋。在學(xué)習(xí)資源的反饋機(jī)制中可加入自適應(yīng)引擎進(jìn)行資源的智能化調(diào)整，以期更好地配合學(xué)習(xí)者的學(xué)習(xí)需求。學(xué)習(xí)者狀態(tài)評(píng)價(jià)反饋涉及聚類分析、時(shí)間序列分析、規(guī)則推理、知識(shí)獲取等技術(shù)的整合，實(shí)現(xiàn)客觀、全面反映學(xué)習(xí)者學(xué)習(xí)記錄的數(shù)據(jù)，以及同層次的比較數(shù)據(jù)，可為學(xué)習(xí)者當(dāng)前的狀態(tài)進(jìn)行解釋，提供診斷，便于及時(shí)進(jìn)行學(xué)習(xí)改進(jìn)。
2)學(xué)習(xí)適應(yīng)度。在學(xué)習(xí)者使用系統(tǒng)的過程中是否與學(xué)習(xí)環(huán)境相融合，以及在學(xué)習(xí)過程中的學(xué)習(xí)狀態(tài)是否良好，可利用系統(tǒng)自適應(yīng)模塊進(jìn)行分析。
3)學(xué)習(xí)診斷與反饋。為了便于學(xué)習(xí)者及時(shí)了解自身學(xué)習(xí)效果，教育者及時(shí)進(jìn)行教學(xué)干預(yù)，平臺(tái)應(yīng)用應(yīng)包含即時(shí)性學(xué)習(xí)診斷與階段性學(xué)習(xí)診斷。
預(yù)測用以對(duì)學(xué)習(xí)者將來可能出現(xiàn)的狀態(tài)進(jìn)行預(yù)先推斷。預(yù)測技術(shù)融合了可視化技術(shù)、回歸分析、人工智能、機(jī)器學(xué)習(xí)及人工神經(jīng)網(wǎng)絡(luò)，在建立因素與任務(wù)相關(guān)性映射的基礎(chǔ)上，發(fā)掘?qū)W生的學(xué)習(xí)動(dòng)機(jī)、歸因和自我效能感，從認(rèn)知、效果、矢量關(guān)聯(lián)的角度進(jìn)行應(yīng)用；在應(yīng)用過程中，對(duì)學(xué)習(xí)者的學(xué)習(xí)風(fēng)格及偏好、學(xué)習(xí)計(jì)劃、學(xué)習(xí)需要等諸多狀態(tài)進(jìn)行預(yù)測。
4)學(xué)習(xí)風(fēng)格及偏好判斷與反饋。對(duì)于學(xué)習(xí)主體，由于長期下意識(shí)行為而形成的學(xué)習(xí)習(xí)慣，可通過對(duì)學(xué)習(xí)者在使用在線學(xué)習(xí)平臺(tái)產(chǎn)生的訪問路徑、對(duì)象、頻率等數(shù)據(jù)的采集和分析，預(yù)測出每位學(xué)習(xí)者的個(gè)人風(fēng)格及偏好，有利于后續(xù)學(xué)習(xí)計(jì)劃的制定，以及系統(tǒng)資源的推送。
5)學(xué)習(xí)計(jì)劃制定。在了解學(xué)習(xí)者的風(fēng)格及偏好基礎(chǔ)上，分析出可能適宜學(xué)習(xí)者的學(xué)習(xí)計(jì)劃，提供各類學(xué)習(xí)方案，便于學(xué)習(xí)者定制個(gè)性化學(xué)習(xí)。
6)學(xué)習(xí)需要。學(xué)習(xí)需要可以理解為學(xué)習(xí)者的學(xué)習(xí)動(dòng)機(jī)，是學(xué)習(xí)者追求成功的一種心理傾向，包含內(nèi)容興趣和過程興趣兩部分。前者指學(xué)習(xí)者對(duì)學(xué)習(xí)目標(biāo)及主題感興趣；后者則反映學(xué)習(xí)者對(duì)學(xué)習(xí)策略的可預(yù)期，二者共同決定學(xué)習(xí)者對(duì)后續(xù)學(xué)習(xí)的參與程度。利用在線數(shù)據(jù)可預(yù)測學(xué)生的學(xué)習(xí)需要，通過系統(tǒng)智能化推薦相關(guān)知識(shí)點(diǎn)幫助其學(xué)習(xí)，或反饋給教師尋求幫助。
(三)結(jié)果
模型的第三層即為分析結(jié)果的可視化呈現(xiàn)，最終對(duì)象包括學(xué)習(xí)者、教師、家長、管理層與開發(fā)人員。學(xué)習(xí)者作為數(shù)據(jù)的提供者又是數(shù)據(jù)的最大受益者，是整個(gè)模型的關(guān)鍵；可視化的分析結(jié)果呈現(xiàn)給教師、家長或課程領(lǐng)導(dǎo)者，便于他們通過干預(yù)機(jī)制對(duì)學(xué)習(xí)者的學(xué)習(xí)狀態(tài)進(jìn)行指導(dǎo)。對(duì)家長而言，分析結(jié)果提供了深入了解孩子學(xué)習(xí)狀況的渠道，可以具體關(guān)注孩子學(xué)習(xí)過程的各個(gè)細(xì)節(jié)，彌補(bǔ)教師無法兼顧每位學(xué)生的缺點(diǎn)；對(duì)教師而言，分析結(jié)果便于教師動(dòng)態(tài)、全面地掌握整體的學(xué)習(xí)情況(如什么時(shí)候?qū)W生準(zhǔn)備好進(jìn)入下一階段學(xué)習(xí)，哪些學(xué)生需要給予特別關(guān)注)，對(duì)其有更清晰的認(rèn)識(shí)從而開展適宜的教學(xué)活動(dòng)及教學(xué)干預(yù)；對(duì)課程領(lǐng)導(dǎo)者而言，可以得到關(guān)于某門課程甚至學(xué)校的總體教學(xué)診斷情況，便于其對(duì)課程方案、教學(xué)方案及其它相關(guān)教育決策的制定；對(duì)學(xué)習(xí)者本身而言，他(她)可以清晰地知曉自己當(dāng)前的學(xué)習(xí)狀態(tài)與未來可能的學(xué)習(xí)結(jié)果，從而提前采取措施，修正學(xué)習(xí)行為和計(jì)劃。
資源分析結(jié)果可呈現(xiàn)給課程開發(fā)者、課程設(shè)計(jì)者，也可呈現(xiàn)給學(xué)習(xí)者。開發(fā)人員通過分析結(jié)果可以進(jìn)一步改進(jìn)系統(tǒng)設(shè)計(jì)以及資源結(jié)構(gòu)調(diào)整，有助于在線課程的合理設(shè)計(jì)、在線學(xué)習(xí)平臺(tái)的開發(fā)及教育資源的有效利用。學(xué)習(xí)者則獲得適應(yīng)性更高的學(xué)習(xí)資源，提高學(xué)習(xí)效率。在資源效果分析研究過程中，算法分析遵循以下流程：通過網(wǎng)站分析工具linktag標(biāo)識(shí)，準(zhǔn)確標(biāo)識(shí)細(xì)分流量渠道，標(biāo)識(shí)流量源；定制學(xué)習(xí)KPI(Key Performance Indicator，簡稱KPI)，監(jiān)測學(xué)生瀏覽資源路徑，改進(jìn)用戶訪問體驗(yàn)，提升轉(zhuǎn)化率；分析端到端的ROI：從流量源-學(xué)習(xí)效益回報(bào)分析；確定優(yōu)化方向，確定改進(jìn)哪些資源或功能能有效提高學(xué)生的學(xué)習(xí)效率。
借鑒商業(yè)領(lǐng)域的網(wǎng)絡(luò)分析思路，將學(xué)習(xí)數(shù)據(jù)的挖掘工作分為三類(見圖2)，圖中虛線部分表示是關(guān)聯(lián)性不明確，待進(jìn)一步分析的數(shù)據(jù)：
1)Web內(nèi)容挖掘：教育領(lǐng)域的Web內(nèi)容挖掘體現(xiàn)在對(duì)網(wǎng)絡(luò)文檔中的內(nèi)容及其描述進(jìn)行有效信息的提取，包括內(nèi)容的檢索、過濾、去雜、異構(gòu)集成、聚類、OLAP等過程。從學(xué)習(xí)行為分析的角度，主要進(jìn)行文本語義分析及多媒體挖掘兩類。文本語義分析賦予網(wǎng)絡(luò)文本以計(jì)算機(jī)可理解的語義邏輯，其中元結(jié)構(gòu)本體的定義是關(guān)鍵，它是人類對(duì)特定領(lǐng)域信息的通用解析，呈現(xiàn)對(duì)知識(shí)的結(jié)構(gòu)化與形式化的陳述。利用Web語義技術(shù)從原本無結(jié)構(gòu)的網(wǎng)絡(luò)文本HTML或XML中抽取出特征向量，建立可以表述和替代原始文本的抽象模型，使計(jì)算機(jī)能更好地實(shí)現(xiàn)自動(dòng)化知識(shí)抽取、查詢和搜索。隨著多媒體技術(shù)的廣泛使用，諸如圖像和視頻課程資源的興起，多媒體挖掘也在在線學(xué)習(xí)行為分析中充當(dāng)一定角色，它與文本挖掘的區(qū)別在于提取的特征向量不再是文本內(nèi)容信息，而是與圖像或視頻相關(guān)聯(lián)的類型值、文件URL、關(guān)鍵值、顏色灰度值等信息，對(duì)這些特征向量建立Web倉庫，重點(diǎn)進(jìn)行關(guān)聯(lián)發(fā)現(xiàn)，采用本體映射、結(jié)合規(guī)則發(fā)現(xiàn)，建立多維分析模式。
2)Web結(jié)構(gòu)挖掘：指從在線學(xué)習(xí)平臺(tái)后臺(tái)獲取各文檔頁面之間的組織結(jié)構(gòu)關(guān)系，并從網(wǎng)狀鏈接的復(fù)雜多維關(guān)系中推導(dǎo)出有效知識(shí)的過程。應(yīng)用于學(xué)習(xí)中的Web結(jié)構(gòu)挖掘目前還沒有引起人們較多的興趣，但在整個(gè)Web信息空間中，頁面超鏈接之間隱含的有用知識(shí)也是不可忽視的，比如結(jié)合最權(quán)威頁面機(jī)制，在對(duì)學(xué)習(xí)頁面進(jìn)行分類和聚類后，進(jìn)而找到最精華的學(xué)習(xí)資源，或根據(jù)學(xué)習(xí)者的訪問結(jié)構(gòu)為其推薦最合適的頁面，構(gòu)造輔助于教學(xué)的學(xué)習(xí)資源推薦功能。
3)Web使用記錄挖掘：通過挖掘后臺(tái)服務(wù)器中保存的訪問日志，可以獲取學(xué)習(xí)者使用學(xué)習(xí)平臺(tái)產(chǎn)生的各種訪問及交互信息，從中抽取出有用的數(shù)據(jù)，形成目標(biāo)模式；分析得到用戶的使用習(xí)慣、行為偏好、學(xué)習(xí)進(jìn)度，有助于系統(tǒng)結(jié)構(gòu)的調(diào)整與改善，并可以對(duì)學(xué)習(xí)者形成個(gè)性化的學(xué)習(xí)服務(wù)。這一挖掘分析在當(dāng)前應(yīng)用最廣泛。已有研究成果表明，諸如“參加論壇中的討論次數(shù)、線上練習(xí)測試次數(shù)、郵件發(fā)送次數(shù)”等數(shù)據(jù)均與學(xué)習(xí)者最終表現(xiàn)關(guān)聯(lián)。使用記錄的挖掘結(jié)合人工智能、信息論以及機(jī)器學(xué)習(xí)等領(lǐng)域的成熟技術(shù)，在數(shù)據(jù)處理時(shí)重點(diǎn)是如何進(jìn)行有效數(shù)據(jù)甄別及事物識(shí)別，結(jié)合不同的技術(shù)分析訪問模式，諸如預(yù)測技術(shù)，即通過數(shù)據(jù)集合中的某一部分(預(yù)測變量)去推斷另一部分的可能表現(xiàn)(被預(yù)測變量)；聚類技術(shù)，即將一個(gè)整體數(shù)據(jù)集分成多個(gè)類別，每一類中都包含具有相似性能的一簇?cái)?shù)據(jù)；關(guān)系挖掘技術(shù)(Relationship mining)，即在一個(gè)數(shù)據(jù)集里發(fā)現(xiàn)變量之間的關(guān)聯(lián)，并將其編碼待用；時(shí)序模式挖掘(Sequential pattern mining)，即捕捉一系列發(fā)生的事件之間的關(guān)聯(lián)；路徑分析，即尋找用戶頻繁訪問的路徑模式?；谏鲜黾夹g(shù)建模分析完成后，可以利用可視化技術(shù)和工具對(duì)結(jié)果進(jìn)行呈現(xiàn)。
上述挖掘模式將在線學(xué)習(xí)行為可能產(chǎn)生的數(shù)據(jù)進(jìn)行歸類。隨著應(yīng)用目的變化，各種模式的研究和發(fā)展都在不斷深化，如何將三種模式有效結(jié)合進(jìn)而達(dá)到最優(yōu)的分析結(jié)果是我們當(dāng)前正在探究的課題，由于結(jié)構(gòu)關(guān)系分析中需要涉及行為理論的表達(dá)與理解，從而影響任務(wù)相關(guān)性映射，因此如何進(jìn)行自底向上的特征提取與關(guān)聯(lián)分析，其中有許多機(jī)理有待進(jìn)一步研究。
電子課本作為兼具數(shù)字閱讀與數(shù)字學(xué)習(xí)雙重特性(顧小清等，2012)的電子學(xué)習(xí)新形式，開始逐步應(yīng)用于學(xué)前與中小學(xué)課堂教學(xué)中。本案例的設(shè)計(jì)擬依托電子課本對(duì)K12學(xué)生的知識(shí)點(diǎn)掌握情況進(jìn)行數(shù)據(jù)挖掘與分析，最終實(shí)現(xiàn)對(duì)學(xué)習(xí)者的知識(shí)點(diǎn)掌握情況診斷與反饋。其前提是電子課本已對(duì)知識(shí)點(diǎn)進(jìn)行了細(xì)粒度的資源結(jié)構(gòu)化呈現(xiàn)，構(gòu)建了可重用知識(shí)點(diǎn)的教學(xué)設(shè)計(jì)，提供了相關(guān)的練習(xí)資源(每道練習(xí)題配有答案提示，以輔助其完成答題)，基于上述情境可以產(chǎn)生分析需要的各項(xiàng)細(xì)粒度學(xué)習(xí)數(shù)據(jù)(Fine-grained learning data)。遵循在線學(xué)習(xí)行為分析模型(見圖1)的三層次結(jié)構(gòu)，分析過程如下：
(一)數(shù)據(jù)
主要獲取學(xué)習(xí)者在電子課本中產(chǎn)生、發(fā)布的數(shù)據(jù)，以及部分關(guān)聯(lián)的智能數(shù)據(jù)。數(shù)據(jù)挖掘模式采用Web內(nèi)容挖掘與Web記錄挖掘相結(jié)合的形式體現(xiàn)任務(wù)的關(guān)聯(lián)性。Web內(nèi)容挖掘獲取的數(shù)據(jù)包括：學(xué)習(xí)者發(fā)布的關(guān)于知識(shí)點(diǎn)的評(píng)論文本、回答練習(xí)題的描述性答案、練習(xí)的錯(cuò)誤率、錯(cuò)誤的內(nèi)容。Web記錄挖掘獲取的數(shù)據(jù)包括：學(xué)習(xí)者練習(xí)的次數(shù)、每道練習(xí)題的提示次數(shù)和質(zhì)量(即請(qǐng)求的深度)、錯(cuò)誤答案的重復(fù)次數(shù)、回答每道題的反應(yīng)時(shí)間。根據(jù)已有文獻(xiàn)研究結(jié)果，學(xué)習(xí)者登錄次數(shù)、頁面停留時(shí)間及資源點(diǎn)擊次數(shù)等常規(guī)性數(shù)據(jù)與學(xué)習(xí)行為無直接關(guān)聯(lián)，故研究設(shè)計(jì)不考慮此類數(shù)據(jù)。
(二)機(jī)制
由于具有內(nèi)容挖掘與記錄挖掘兩種模式，數(shù)據(jù)歸一化前處理機(jī)制各有不同。內(nèi)容挖掘采用文本內(nèi)容分析與知識(shí)獲取技術(shù)對(duì)半結(jié)構(gòu)化數(shù)據(jù)進(jìn)行知識(shí)發(fā)現(xiàn)。記錄挖掘則在對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化轉(zhuǎn)換、整合處理后采用規(guī)則推理、時(shí)間序列分析對(duì)各因素變量進(jìn)行關(guān)聯(lián)映射。歸一化處理后，對(duì)整體數(shù)據(jù)進(jìn)行聚類與回歸分析，形成與最終結(jié)果正(負(fù))相關(guān)的各因素權(quán)重，匯合形成掌握情況的相關(guān)報(bào)告。再結(jié)合人工智能與機(jī)器學(xué)習(xí)技術(shù)，實(shí)現(xiàn)個(gè)性化應(yīng)用。
(三)結(jié)果
本案例的設(shè)計(jì)最終希望實(shí)現(xiàn)對(duì)學(xué)習(xí)者的知識(shí)點(diǎn)掌握情況反饋?；跀?shù)據(jù)的收集與機(jī)制分析后可呈現(xiàn)兩個(gè)角度的結(jié)果反饋：1)對(duì)學(xué)習(xí)者，分析結(jié)果直接呈現(xiàn)學(xué)習(xí)者的知識(shí)掌握水平報(bào)告及該過程的學(xué)習(xí)狀態(tài)，實(shí)現(xiàn)對(duì)學(xué)習(xí)者的水平診斷，判斷其是否可以進(jìn)入下一階段學(xué)習(xí)。如果達(dá)到標(biāo)準(zhǔn)則進(jìn)行下一學(xué)習(xí)主題的推薦，如沒有則建議鞏固當(dāng)前知識(shí)，加強(qiáng)練習(xí)；2)對(duì)教師，分析結(jié)果不僅反映每位學(xué)習(xí)者最終的知識(shí)掌握程度，并呈現(xiàn)具體的學(xué)習(xí)過程信息，如了解區(qū)分哪些學(xué)生沒有嘗試練習(xí)所以沒能掌握知識(shí)，哪些是嘗試了但仍然困惑的。這些信息能幫助教師針對(duì)不同類別采取不同教學(xué)策略；或是針對(duì)知識(shí)點(diǎn)的練習(xí)中大量學(xué)生尋求提示，并且重復(fù)練習(xí)的錯(cuò)誤率較高，這些信息提示教師某知識(shí)點(diǎn)較難，學(xué)生普遍未能掌握，需要重復(fù)講解。
六、結(jié)語
移動(dòng)互聯(lián)技術(shù)的飛速發(fā)展使得教育工作者和信息技術(shù)人員都堅(jiān)信：在不遠(yuǎn)的未來，教育領(lǐng)域會(huì)掀起一波革命浪潮，線上教育將成為不可替代的學(xué)習(xí)模式。學(xué)習(xí)評(píng)價(jià)作為學(xué)習(xí)系統(tǒng)的反饋調(diào)節(jié)機(jī)制，在學(xué)習(xí)與教學(xué)過程中起重要作用，在基于測量、描述、判斷和建構(gòu)四種模式的基礎(chǔ)上，如何利用網(wǎng)絡(luò)行為數(shù)據(jù)輔助動(dòng)態(tài)生成學(xué)習(xí)效果，是對(duì)在線教育最客觀的分析。在線學(xué)習(xí)行為分析以其特殊的行為反饋機(jī)制，綜合了自底向上的信息處理加工和自頂向下的行為關(guān)聯(lián)分析的雙向處理模式，成為在線教育蓬勃發(fā)展的伴隨產(chǎn)物，是世界教育技術(shù)研究前沿所在，也對(duì)充分調(diào)動(dòng)學(xué)習(xí)者的積極性，發(fā)掘?qū)W習(xí)者潛能，合理利用學(xué)習(xí)資源具有重大價(jià)值。
CDA數(shù)據(jù)分析師考試相關(guān)入口一覽（建議收藏）：
? 想報(bào)名CDA認(rèn)證考試，點(diǎn)擊>>>
“CDA報(bào)名”
了解CDA考試詳情；
? 想學(xué)習(xí)CDA考試教材，點(diǎn)擊>>> “CDA教材” 了解CDA考試詳情；
? 想加入CDA考試題庫，點(diǎn)擊>>> “CDA題庫” 了解CDA考試詳情；
? 想了解CDA考試含金量，點(diǎn)擊>>> “CDA含金量” 了解CDA考試詳情；
京公網(wǎng)安備 11010802034615號(hào)
經(jīng)營許可證編號(hào)：京B2-20210330
