【摘要】數(shù)據(jù)挖掘和遠(yuǎn)程教育是當(dāng)前兩大熱點(diǎn)領(lǐng)域，基于前者的學(xué)習(xí)管理系統(tǒng)是遠(yuǎn)程教育領(lǐng)域研究的熱點(diǎn)和方向。文章首先剖析了近年來高等教育面臨的形勢和發(fā)生的變革，在此基礎(chǔ)上引出了學(xué)習(xí)管理系統(tǒng)和數(shù)據(jù)挖掘的價值和必要性。隨后重點(diǎn)分析了學(xué)習(xí)管理系統(tǒng)在高校中的使用情況，揭示了在線學(xué)習(xí)模式對教育領(lǐng)域的新啟示，并介紹了數(shù)據(jù)挖掘在學(xué)習(xí)管理系統(tǒng)中的成功案例，從中可以看出學(xué)習(xí)管理系統(tǒng)的發(fā)展歷程、現(xiàn)狀和趨勢。通過調(diào)研，研究者認(rèn)為高等教育機(jī)構(gòu)更多地采用學(xué)習(xí)管理系統(tǒng)進(jìn)行在線教學(xué)的方式是未來的趨勢，同時數(shù)據(jù)挖掘技術(shù)的采用是成功的關(guān)鍵。

【關(guān)鍵詞】數(shù)據(jù)挖掘;學(xué)習(xí)管理系統(tǒng);遠(yuǎn)程教育;學(xué)術(shù)分析;在線考試;社會網(wǎng)絡(luò)分析

【中圖分類號】G420 【文獻(xiàn)標(biāo)識碼】A 【論文編號】1009—8097(2010)09—0127—07

一 引言

作為知識的創(chuàng)造者、保持者和傳播者，長期以來對知識的責(zé)任一直是高等教育機(jī)構(gòu)的首要目標(biāo)。然而，為了適應(yīng)現(xiàn)代化的知識社會，全世界的高等教育機(jī)構(gòu)需要采用新的方法來履行責(zé)任，實(shí)現(xiàn)目標(biāo)。和中國的各大高校一樣，全世界的高等教育機(jī)構(gòu)都正經(jīng)歷著飛速的發(fā)展和變化。一方面，在激烈的競爭環(huán)境下，學(xué)生們面臨的壓力越來越大，社會對高等教育也越來越重視;另一方面，在社會期待和監(jiān)督下，教育工作者需要展示出高質(zhì)量的教學(xué)成果，同時，現(xiàn)有教育資源的不足又無法滿足日益增長的學(xué)生人數(shù)及其日趨多元化的學(xué)習(xí)需求[1]。

在大學(xué)校園中，全日制大學(xué)生是非常幸福的，因為他們能和師生們直接接觸，一起參與學(xué)術(shù)沙龍，而且還能享受到教學(xué)設(shè)施的服務(wù)。然而，這種傳統(tǒng)的理想高等教育模式需要大量的教育資金和勞動力，各國政府給予高等教育的資助無法滿足不斷升級的教育資源需求。為了解決這個問題，各大高校都曾采用了不同程度的擴(kuò)招辦法來填補(bǔ)教育資金的不足，于是社會開始對高校的教育質(zhì)量感到擔(dān)憂。OECD的一份報告[2]對工業(yè)社會中高等教育環(huán)境變化進(jìn)行了廣泛而又詳細(xì)的分析。

高校教師面臨著眾多的挑戰(zhàn)，班級人數(shù)正在增加的同時，社會也對他們提出了更高要求。他們需要使用更有效的教學(xué)方式，來提高學(xué)生的學(xué)習(xí)和研究能力，并完成教學(xué)目標(biāo)。此外，越來越多的關(guān)于高等教育的教學(xué)和學(xué)習(xí)的研究[3]闡述了以學(xué)生為中心的教學(xué)方法，強(qiáng)調(diào)鼓勵學(xué)生們的合作和互動，以及促進(jìn)主動學(xué)習(xí)的重要性，還建議提供及時詳細(xì)的反饋，強(qiáng)調(diào)限時任務(wù)的需要，同時尊重不同的學(xué)習(xí)模式。另一方面，教師們在教學(xué)過程中發(fā)現(xiàn)，他們發(fā)現(xiàn)難以通過溝通交流的方式來監(jiān)督學(xué)生的學(xué)習(xí)進(jìn)展[4]。盡管更傳統(tǒng)的“灌輸式”的教學(xué)模式在一定的教育環(huán)境下有其立足之地，但對于促進(jìn)學(xué)生的學(xué)習(xí)來看，它日益被看作是一種落后途徑。與此同時，高等教育領(lǐng)域的競爭日趨激烈，教育成本不斷上升，學(xué)生和家長們對教育質(zhì)量、教育支出的透明度提出了更高要求[5]。

1 學(xué)習(xí)管理系統(tǒng)的應(yīng)用

面對大量的教育需求，同時為了實(shí)現(xiàn)更高效的教學(xué)，解決現(xiàn)代社會的教育需求與傳統(tǒng)教育方法的矛盾，高校開始向企業(yè)學(xué)習(xí)，著手利用以信息技術(shù)為基礎(chǔ)的現(xiàn)代教育技術(shù)來打造自己的核心競爭力。

互聯(lián)網(wǎng)是當(dāng)今最重要的收集、共享和發(fā)布信息的媒介。隨著高校信息化的發(fā)展，基于網(wǎng)絡(luò)的信息技術(shù)迅速成功地應(yīng)用于高等教育領(lǐng)域。如今國內(nèi)外眾多高校提供的在線課程就是最好的例證，它為師生提供了一種有效的網(wǎng)絡(luò)教育環(huán)境。更值得一提的是，在線的學(xué)習(xí)管理系統(tǒng)(Learning Management System， LMS)在國內(nèi)外有了飛速發(fā)展和普及。

學(xué)習(xí)管理系統(tǒng)擁有支持教學(xué)的資料和工具，它集課程設(shè)計、學(xué)生管理、學(xué)習(xí)管理、主題討論、問卷投票、在線考試、教學(xué)評價等于一體，還包括會議系統(tǒng)、學(xué)生社區(qū)以及其他工具，還能用于對學(xué)習(xí)效果和學(xué)習(xí)進(jìn)度進(jìn)行評估。

2 數(shù)據(jù)挖掘技術(shù)的利用

高校逐漸普及了學(xué)習(xí)管理系統(tǒng)，然而僅僅利用這些系統(tǒng)的表面功能，無法讓教師在網(wǎng)絡(luò)教學(xué)過程中及時、徹底、準(zhǔn)確地了解學(xué)生們的學(xué)習(xí)活動及其動態(tài)進(jìn)展情況，并評估課程內(nèi)容結(jié)構(gòu)和教學(xué)效果，更無法將其潛力挖掘出來。雖然有些系統(tǒng)提供了一些基礎(chǔ)的統(tǒng)計匯總功能，比如常被訪問的頁面、最喜愛的交流方法等，但這些信息是不夠用來分析學(xué)生的學(xué)習(xí)行為和學(xué)習(xí)進(jìn)展的。

在網(wǎng)絡(luò)學(xué)習(xí)環(huán)境中，近距離師生關(guān)系的缺失是問題的關(guān)鍵所在。這種關(guān)系的缺乏導(dǎo)致教師無法直接監(jiān)督學(xué)生，學(xué)生不能以一種自然而然的方式來表達(dá)他們所面臨的問題。換句話說，教師需要獲得更多的潛在信息和知識來輔助他們進(jìn)行指導(dǎo)和決策，學(xué)生則需要得到及時指導(dǎo)。為此，借鑒商業(yè)領(lǐng)域的成功應(yīng)用，高校需要向現(xiàn)代教育技術(shù)中引入數(shù)據(jù)挖掘技術(shù)來改進(jìn)基于網(wǎng)絡(luò)的學(xué)習(xí)環(huán)境。

數(shù)據(jù)挖掘(Data Mining)[7]是從大量的、不完全的、有噪聲的、模糊的、隨機(jī)的實(shí)際應(yīng)用數(shù)據(jù)中，抽取出潛在的、有價值的知識、模型或規(guī)則的過程。同樣，它也能從教育數(shù)據(jù)的汪洋中發(fā)現(xiàn)被忽視的規(guī)律和模式，從而更好地支持和指導(dǎo)教學(xué)工作。

經(jīng)過長時間的積累，任何一個信息系統(tǒng)中都蘊(yùn)含著大量數(shù)據(jù)，學(xué)習(xí)管理系統(tǒng)也是一樣。眾多的學(xué)生和教師在使用系統(tǒng)過程中，都會產(chǎn)生兩個不斷發(fā)展和更新的數(shù)據(jù)集，其中包括師生們使用的在線課程資源，以及師生在使用這些資源的過程中所留下的“足跡”。本文正是將探索利用數(shù)據(jù)挖掘技術(shù)從這兩個數(shù)據(jù)集中抽取出潛在、有價值的知識、模型或規(guī)則，從而為在線學(xué)習(xí)環(huán)境提供支持。

二 學(xué)習(xí)管理系統(tǒng)的發(fā)展

1 LMS的廣泛使用

對于高校來說，正因為學(xué)習(xí)管理系統(tǒng)會給教學(xué)帶來諸多好處，所以目前很多高校都已購買商業(yè)軟件、使用開源系統(tǒng)，或是自主開發(fā)學(xué)習(xí)管理系統(tǒng)。

據(jù)美國Campus Computing Project的2008年調(diào)查[8]發(fā)現(xiàn)，超過70%的美國高等教育機(jī)構(gòu)使用了校園范圍內(nèi)的LMS。2007年數(shù)據(jù)顯示，超過39萬名美國學(xué)生(高于20%的美國高校學(xué)生)在2007秋季學(xué)期就注冊了至少一個在線課程[9]。更重要的是，更多的教師利用LMS來對傳統(tǒng)課程進(jìn)行支持，形成了混合的課程教學(xué)方式。例如，超過4500名學(xué)生在2008年注冊了不列顛哥倫比亞大學(xué)提供的109門在線課程。數(shù)據(jù)顯示LMS已經(jīng)在許多高校中獲得了廣泛應(yīng)用。同樣在2008年，超過22.5萬名學(xué)生注冊登錄了由超過3800位教師教授的3169個不同LMS支持的課程。

2 商業(yè)與開源LMS的角逐

據(jù)美國Campus Computing Project的2009年調(diào)查[10]發(fā)現(xiàn):從2000年到2009年，在美國的5類大學(xué)中，使用學(xué)習(xí)管理系統(tǒng)的課程數(shù)呈逐年上升趨勢，并且平均普及率從2000年的15%上升到了2009年的55%左右。其中，商業(yè)的學(xué)習(xí)管理系統(tǒng)目前占據(jù)絕大部分的高校市場，世界上最著名的Blackboard和WebCT公司已于2005年10月合并，成為全球最大的LMS提供商。隨著全世界對于開源(Open Source)這一概念逐漸產(chǎn)生共鳴，開源的學(xué)習(xí)管理系統(tǒng)也如雨后春筍般出現(xiàn)，其中較有名的主要有Moodle、Claroline、Sakai、OLAT等。同時，還有一些高校針對自身情況，選擇自主開發(fā)學(xué)習(xí)管理系統(tǒng)。美國EDUCAUSE公司的一項調(diào)查[11]結(jié)果顯示，目前正在使用課程管理系統(tǒng)的美國高校中，約有12%的院校所使用的軟件屬于自主開發(fā)或是與其他院校合作開發(fā)，其中“具有博士授予權(quán)的大學(xué)”比例最高達(dá)到14.9%。

值得一提的是，Campus Computing Project的2008年調(diào)查[8]顯示，商業(yè)化的代表Blackboard在高校中的占有率已從2007年的66.3%下降到2008年的56.8%，以Moodle、Saiki等開源學(xué)習(xí)管理系統(tǒng)為校園標(biāo)準(zhǔn)的高校則從2006年的7.2%上升到2007年10.3%。此外，在2008年的調(diào)查中，在被問及在未來5年內(nèi)(即在2013年之前)，是否會將原有體系遷移到開源的系統(tǒng)上時，約四分之一(24.4%)的被調(diào)查者表示他們會遷移到開源的學(xué)習(xí)管理系統(tǒng)上，約六分之一(15.3%)表示會遷移到開源的內(nèi)容管理系統(tǒng)上，還有一小部分表示會遷移到開源的ePortfolio管理系統(tǒng)(12.9%)和ERP系統(tǒng)(少于5%)上。

3 在線考試模塊的嵌入

大部分學(xué)習(xí)管理系統(tǒng)都配備了在線考試(Web-based Examination)模塊，在線考試、測驗在學(xué)生使用學(xué)習(xí)管理系統(tǒng)的過程中起著十分重要的作用。比如，BlackBoard和Moodle等學(xué)習(xí)管理系統(tǒng)中的在線考試模塊都具備了生成試題庫、隨機(jī)組卷、各種題型的選擇、考試限時、考試評分等基本功能，同時還有許多考試系統(tǒng)在自適應(yīng)考試、主觀題評分等技術(shù)上有了新的進(jìn)展。

通過在線考試模塊的數(shù)據(jù)，學(xué)習(xí)管理系統(tǒng)才能獲得學(xué)生學(xué)習(xí)情況的總結(jié)性結(jié)果，為其他教學(xué)分析提供學(xué)習(xí)效果指標(biāo)。Campbell等[12]對學(xué)生的在線考試成績和在線活動數(shù)據(jù)進(jìn)行了回歸分析，并且發(fā)現(xiàn)美國學(xué)生的學(xué)術(shù)能力評估考試(SAT)分?jǐn)?shù)能夠溫和地預(yù)測學(xué)生未來的成功，而且如果加入了學(xué)習(xí)管理系統(tǒng)登錄次數(shù)這一變量，則該模型的預(yù)測能力將會翻三倍。他們還通過數(shù)據(jù)表明，學(xué)生以中等偏低的在線考試分?jǐn)?shù)進(jìn)入一個課程，能夠通過努力(用LMS登錄次數(shù)表示)取得成功(用期末在線考試的成績表示)。

4 監(jiān)控學(xué)習(xí)進(jìn)展的挑戰(zhàn)

有了先進(jìn)的學(xué)習(xí)管理系統(tǒng)，高校仍然面臨著許多問題。在網(wǎng)絡(luò)教育環(huán)境下，教師如何有效地跟蹤學(xué)生的學(xué)習(xí)進(jìn)展情況，以及如何對新執(zhí)行的教學(xué)策略的影響進(jìn)行有意義的評估已經(jīng)成為一項挑戰(zhàn)。和全世界一樣，中國的教師常常會給學(xué)生布置作業(yè)，并通過這種傳統(tǒng)的總結(jié)性方法來評估學(xué)生的學(xué)習(xí)情況。這種方法為教師和學(xué)生提供了必要的反饋，但這通常需要課程進(jìn)展到一定階段時才能獲得反饋信息。因此，這種方法起不到太大作用，教師能采取的指導(dǎo)措施也很有限。此外，總結(jié)性評估方式只能在較低程度上對學(xué)生的學(xué)習(xí)方式、學(xué)習(xí)氛圍的發(fā)展、學(xué)生之間的接觸、溝通、交流和合作的實(shí)際程度給予最低的洞察力[13]。更令人焦慮的是，隨著班級人數(shù)的上升，缺勤、被孤立或者無法充分參與到合作完成的課程作業(yè)中來的學(xué)生將會逐漸被忽視，而且教師們往往只關(guān)注得到那些積極參與的學(xué)生。

教師在網(wǎng)絡(luò)教育環(huán)境中急需新的方法來快速識別高危學(xué)生，并且設(shè)計學(xué)習(xí)策略來指導(dǎo)他們的學(xué)習(xí)?；诔醪降恼{(diào)研發(fā)現(xiàn)，Wang等[14]認(rèn)為可以從BlackBoard和Desire 2 Learn等學(xué)習(xí)管理系統(tǒng)中找到學(xué)生在線活動的數(shù)據(jù)與學(xué)習(xí)期末成績之間的映射關(guān)系。延續(xù)前人的觀點(diǎn)，Campbell等[6][16]建議，該高校和教師能從LMS數(shù)據(jù)中挖掘出有益的知識和模式，以便開發(fā)“預(yù)警”報告工具，反映高危學(xué)生情況，并且讓教師及時形成指導(dǎo)策略。

5 社會網(wǎng)絡(luò)的注重

近年來，教育工作者已經(jīng)越來越認(rèn)識到遵循社會構(gòu)建(Socio-Constructivist)的原則來進(jìn)行學(xué)習(xí)設(shè)計的教育收益所在。社會構(gòu)建的教育方法強(qiáng)調(diào)以學(xué)生為中心來進(jìn)行教學(xué)設(shè)計，加強(qiáng)對學(xué)習(xí)的社會本質(zhì)的認(rèn)識，要求學(xué)生主動地和同學(xué)、學(xué)習(xí)資料和教師進(jìn)行交互[17]。開發(fā)和支持學(xué)習(xí)社區(qū)來促進(jìn)學(xué)生的學(xué)習(xí)已經(jīng)成為教師的共同目標(biāo)。為了進(jìn)一步支持社區(qū)中心的做法，眾多學(xué)者描述了信息和通信技術(shù)能力，以促進(jìn)學(xué)生之間的通訊和接觸，從而促進(jìn)社會網(wǎng)絡(luò)和社會意識(Sense of Community)的發(fā)展[18]。

與此同時，新的方法正不斷涌現(xiàn)，它使教師按照學(xué)生社區(qū)、互動和參與等指標(biāo)來評估設(shè)計的教學(xué)活動的學(xué)習(xí)影響。Dawson等[19][20][21]指出，LMS跟蹤變量表明學(xué)生通信交流行為是社會意識的重要指標(biāo)。然而，到目前為止，很少有研究表明如何將學(xué)生在線交流行為和社會意識映射到學(xué)生最終的學(xué)業(yè)成功上。

6 跟蹤變量的數(shù)據(jù)積累和數(shù)據(jù)挖掘的可行性

LMS捕捉和儲存了大量、復(fù)雜的學(xué)生活動和交互的數(shù)據(jù)，使數(shù)據(jù)挖掘成為可能。學(xué)生跟蹤變量包括了學(xué)生訪問LMS的上線時間和連接持續(xù)時間、LMS工具的使用情況、信息的閱讀和發(fā)布情況、內(nèi)容頁面訪問等數(shù)據(jù)的測量。這些數(shù)據(jù)能被實(shí)時捕獲到，而且可以在課程進(jìn)展的任何階段開采。LMS對這些數(shù)據(jù)的收集不是侵入式的，也不需要教師的干預(yù)。重要的是，盡管這些數(shù)據(jù)通過其他方式難以理解，但可以代表學(xué)習(xí)行為的某些方面:學(xué)習(xí)模式以及學(xué)生接觸、溝通、參與網(wǎng)絡(luò)學(xué)習(xí)的程度和方式[21]。

Campbell等[22]指出對從各種信息系統(tǒng)中獲取的數(shù)據(jù)進(jìn)行分析的方法可以用到高校教學(xué)的決策過程中來。然而，到目前為止研究人員只能通過緩慢的人工方式獲取、分析、可視化、解釋這些數(shù)據(jù)，并且當(dāng)前的LMS提供非常有限的數(shù)據(jù)報告功能[23]。而且，對于哪些獲取的跟蹤變量有教學(xué)意義，哪些可用的數(shù)據(jù)能夠象征學(xué)生參與有目的教學(xué)活動，并且有助于他們提高在課程中的學(xué)習(xí)和收獲，目前的研究還很少，而且沒有任何可以提供給教師的指南。數(shù)據(jù)挖掘長期以來一直在商業(yè)領(lǐng)域成功地應(yīng)用，到目前為止在學(xué)術(shù)領(lǐng)域還沒體現(xiàn)出較大的興趣[15]。

7 學(xué)術(shù)分析的出現(xiàn)

通過數(shù)據(jù)挖掘技術(shù)在教育技術(shù)領(lǐng)域的努力探索，學(xué)術(shù)分析(Academic Analytics)[24]這個概念出現(xiàn)了，它涉及教育數(shù)據(jù)庫中大量數(shù)據(jù)的提取和各種統(tǒng)計技術(shù)的應(yīng)用，以確定模式及相關(guān)性。學(xué)術(shù)分析帶來了對數(shù)據(jù)獲取選擇和組織、儲存和匯報等過程。更重要的是，這個分析方法能用統(tǒng)計技術(shù)和預(yù)測模型來整理合并數(shù)據(jù)，為高校面臨的挑戰(zhàn)提供報告和輔助決策。Campbell等[6][24]認(rèn)為對LMS的數(shù)據(jù)進(jìn)行學(xué)術(shù)分析應(yīng)用，能夠識別高危的學(xué)生，評估課程的效果，還能對學(xué)生的成功提供全新的見解。

目前，各高校的LMS已經(jīng)儲存了海量的多樣性數(shù)據(jù)。因此，高校可以充分利用學(xué)術(shù)分析從中挖掘出潛在的有價值的知識，以識別一系列與學(xué)術(shù)相關(guān)的關(guān)鍵活動，為從戰(zhàn)略決策到教學(xué)實(shí)踐的實(shí)施提供參考。這個挑戰(zhàn)對于高校來說，不再僅僅是產(chǎn)生和獲取數(shù)據(jù)，還要能輕松、準(zhǔn)確地解釋數(shù)據(jù)，并將發(fā)現(xiàn)的知識、模式或規(guī)律付諸實(shí)踐。

盡管在這些系統(tǒng)中記錄和獲取的數(shù)據(jù)量非常龐大，但目前只出現(xiàn)了很少的研究人員探索了如何讓學(xué)術(shù)分析適合教學(xué)實(shí)踐的設(shè)計、交付和評價[15]。同樣，只有為數(shù)不多的幾個例子顯示了學(xué)術(shù)分析在高校的成功應(yīng)用，從而提高了教學(xué)和學(xué)習(xí)質(zhì)量。

三 數(shù)據(jù)挖掘的應(yīng)用

數(shù)據(jù)挖掘在學(xué)習(xí)管理系統(tǒng)中的應(yīng)用方法和步驟和數(shù)據(jù)挖掘在其他領(lǐng)域的應(yīng)用類似，如圖1所示，所不同的是主要是針對的數(shù)據(jù)源不同。

沿襲前人的研究成果，一些高校實(shí)踐了數(shù)據(jù)挖掘的方法，對學(xué)生在線學(xué)習(xí)、交流、討論所產(chǎn)生的數(shù)據(jù)結(jié)合在考試數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘，發(fā)現(xiàn)了潛在的規(guī)律和模式，在教學(xué)中幫助教師及早地預(yù)測出學(xué)習(xí)情況不佳的學(xué)生，從而實(shí)施及時的教學(xué)支持和指導(dǎo)。

1 初步探索

從學(xué)習(xí)管理系統(tǒng)中獲得數(shù)據(jù)源后，可以對數(shù)據(jù)進(jìn)行初步探索。初步探索有助于用戶更好地了解數(shù)據(jù)的性質(zhì)，從而為隨后的數(shù)據(jù)預(yù)處理以及挖掘分析奠定基礎(chǔ)。

在澳大利亞的昆士蘭大學(xué)，Dawson等[21]從BlackBoard學(xué)習(xí)管理系統(tǒng)中抽取的數(shù)據(jù)揭示了在這門課程中工具類型的使用情況。在他們的研究中，占主導(dǎo)地位的工具是論壇，它占據(jù)了網(wǎng)絡(luò)環(huán)境中所有交互的80%;另外，學(xué)生和教師第二個最常用的工具是內(nèi)容頁面的瀏覽，如圖2所示。在課程剛開始的幾個星期里，公告和作業(yè)等其他LMS工具也在被使用，但是使用程度比較論壇的討論和內(nèi)容頁面的瀏覽低很多。對LMS數(shù)據(jù)的初步探索可以匯總為一個重要結(jié)果，在整個網(wǎng)絡(luò)課程學(xué)習(xí)過程中，為教師提供給了有關(guān)LMS的使用情況。例如，根據(jù)匯總互動記錄的數(shù)量，論壇討論在本研究中被確定為主要工具，而諸如在線測驗評估、維客、博客等工具則被學(xué)生很少利用。但是，這并不是說這些工具還沒有被納入個人學(xué)習(xí)和教學(xué)實(shí)踐中，而是很多學(xué)生可能使用了其他外部平臺來代替。

在西班牙的坎塔布里亞大學(xué)，Zorrilla等[25]對WebCT學(xué)習(xí)管理系統(tǒng)進(jìn)行聯(lián)機(jī)分析處理(On-Line Analytical Processing， OLAP)，以便了解學(xué)習(xí)管理系統(tǒng)的使用情況、課程結(jié)構(gòu)設(shè)計得怎樣，如以及學(xué)生在線學(xué)習(xí)行為如何隨著時間變化。圖3顯示了學(xué)生使用學(xué)習(xí)管理系統(tǒng)的訪問次數(shù)、訪問平均時間和網(wǎng)頁瀏覽頁數(shù)。其中，左圖顯示了某學(xué)期所有課程的情況，右圖則選擇了精心設(shè)計的課程的情況。

從圖3(a)中可以發(fā)現(xiàn)，在一門課程初期，學(xué)生們傾向于探索許多不同的系統(tǒng)功能(每次訪問更多的頁面)。然而，隨著時間的推移，他們會越來越集中于某種功能。

從圖3(b)中可以觀察到，本學(xué)期學(xué)生的平均在線時間是很低的，不到15分鐘，介于20到30分鐘之間。這表明大部分課程設(shè)計成了內(nèi)容庫(例如，教師設(shè)計了鏈接到了PDF文件的許多網(wǎng)頁)。因此，學(xué)生只需要連接到系統(tǒng)下載這些文件;另一方面，可能表明學(xué)生不經(jīng)常使用協(xié)同的互動工具(如聊天室)，因為它們需要長時間的在線時間。

2 分類

美國的密歇根州立大學(xué)使用了LON-CAPA學(xué)習(xí)管理系統(tǒng)中的跟蹤數(shù)據(jù)對學(xué)生進(jìn)行了分類，并對學(xué)生最終的在線考試成績進(jìn)行預(yù)測[26]。該項目用遺傳算法和其它算法來實(shí)現(xiàn)分類，對LON-CAPA中的歷史數(shù)據(jù)訓(xùn)練出分類模型，來對某課程的新學(xué)生的在線學(xué)習(xí)情況的測試數(shù)據(jù)進(jìn)行分類，其中遺傳算法表現(xiàn)出了最好的分類效果，如圖4所示。

3 預(yù)測

加拿大英屬哥倫比亞大學(xué)的Macfadyen等[28]在BlackBoard學(xué)習(xí)管理系統(tǒng)中用散點(diǎn)圖展示了一些LMS跟蹤變量和最終在線考試成績呈現(xiàn)正相關(guān)的趨勢。散點(diǎn)圖是一個用來很好地識別調(diào)查的變量之間潛在的相關(guān)趨勢的初始方法。圖5為一個代表性的散點(diǎn)圖，顯示了挑選出的LMS跟蹤變量和最終在線考試成績之間的相關(guān)趨勢。前人研究[22][27]表明，LMS跟蹤變量和學(xué)習(xí)成績之間存在著顯著的相關(guān)性。

為了進(jìn)一步考察課程中選定的變量作為學(xué)生成績指標(biāo)的重要性，Macfadyen對每個變量和最終在線考試成績之間做了一個簡單的相關(guān)分析[28]。Macfadyen對22個變量進(jìn)行了考察，其中的13個標(biāo)量表現(xiàn)出了和最終學(xué)生成績之間的正向的和統(tǒng)計上顯著的相關(guān)性(P<0.05)。在LMS變量的重要子集中，其中的7個顯示出了中等偏大的影響大小，并且變量解釋了學(xué)生最終成績的差異的9%至27%;其余6個變量具有中等偏小的影響力，并且變量解釋了學(xué)生最終成績的差異的5%至9%。正如先前Morris等所強(qiáng)調(diào)的[27]，積極參與交流和討論的學(xué)生比交互少的學(xué)生更容易成功地完成課程學(xué)習(xí)。

4 論壇網(wǎng)絡(luò)分析

Macfadyen[28]從論壇討論數(shù)據(jù)中探索性地提取和分析，以一種簡單的可解釋的圖來代表社會網(wǎng)絡(luò)能給給教育工作者帶來價值。網(wǎng)絡(luò)的可視化提供了更容易識別學(xué)生的方法，教師能確認(rèn)在學(xué)習(xí)網(wǎng)絡(luò)中處于外圍的或缺席狀態(tài)的學(xué)生，如圖6所示。社會關(guān)系網(wǎng)絡(luò)圖中的每個節(jié)點(diǎn)代表在本課程中參與論壇討論一個學(xué)生或教師，節(jié)點(diǎn)的大小代表“中心性”——由每個用戶所完成的直接連接的數(shù)量。雖然學(xué)生的名字沒有在網(wǎng)絡(luò)中顯示，但是這個社會關(guān)系網(wǎng)絡(luò)圖清楚地表明群體內(nèi)接觸的總體程度，以及每個學(xué)生的接觸程度。

此外，這種分析和網(wǎng)絡(luò)可視化的模式提供給了當(dāng)今教師一個機(jī)會，利用這個機(jī)會他們可以調(diào)整適應(yīng)教學(xué)方法，以滿足學(xué)生群體的不斷變化的學(xué)習(xí)動態(tài)。例如，圖6還說明了在這個學(xué)習(xí)網(wǎng)絡(luò)中教師的中心位置。如果理想的教學(xué)結(jié)果是產(chǎn)生以學(xué)生自己為主導(dǎo)的學(xué)習(xí)社區(qū)，這些信息將建議教師可能需要在戰(zhàn)略上調(diào)整他們的活動或指導(dǎo)，來創(chuàng)造更多的學(xué)生與學(xué)生的交流關(guān)系(雖然理想的學(xué)生之間通過其他方式來完成互動也是可行的)。網(wǎng)絡(luò)可視化的產(chǎn)生因此為教師提供了關(guān)于他們在形成的學(xué)習(xí)網(wǎng)絡(luò)中的位置，讓他們評估自己在網(wǎng)絡(luò)行為中的活動的影響，以及學(xué)習(xí)網(wǎng)絡(luò)是否朝著他們預(yù)期的教學(xué)成果的方向發(fā)展。

四 結(jié)論

從本文的調(diào)研結(jié)果不難看出，伴隨全球教育領(lǐng)域的不斷變革，學(xué)習(xí)管理系統(tǒng)也開始在全球高等教育機(jī)構(gòu)的環(huán)境中飛速發(fā)展，在發(fā)展過程中遇到了挑戰(zhàn)的同時，也為數(shù)據(jù)挖掘的應(yīng)用開辟了另一片新天地，甚至出現(xiàn)利用“學(xué)術(shù)分析”這一新概念來預(yù)示數(shù)據(jù)挖掘?qū)⒃诮逃夹g(shù)領(lǐng)域的成功應(yīng)用。本文調(diào)研了數(shù)據(jù)挖掘在學(xué)習(xí)管理系統(tǒng)中的成功應(yīng)用案例，并強(qiáng)調(diào)學(xué)生在線學(xué)習(xí)的行為模式與學(xué)生參與情況對在線考試的最終考核成績之間的映射具有代表性。通過對學(xué)生在線學(xué)習(xí)情況的歷史數(shù)據(jù)進(jìn)行挖掘和可視化，預(yù)測其未來概況，為“高危”的學(xué)生建立早期預(yù)警“指示器”，及時為教師提供早期指導(dǎo)學(xué)生的機(jī)會。教師通過及時地再指導(dǎo)，實(shí)時調(diào)整在線教學(xué)資源，就能促進(jìn)學(xué)生良好在線學(xué)習(xí)行為的形成，進(jìn)而取得好成績。

顯然，高等教育機(jī)構(gòu)將會更多地采用在線教學(xué)方式，這是未來發(fā)展趨勢，并且數(shù)據(jù)挖掘技術(shù)將會起重要作用。因此，高校要讓教師擁有更多的機(jī)會來監(jiān)督學(xué)生在線學(xué)習(xí)時對課程內(nèi)容資料的利用、對課程活動的參與以及同學(xué)之間的互動情況。對相關(guān)數(shù)據(jù)的分析是與學(xué)生參與的學(xué)習(xí)活動評估直接相關(guān)的，有關(guān)學(xué)生如何以及何時參與活動，什么活動能促進(jìn)學(xué)生參與等問題，都可以通過監(jiān)督和分析學(xué)生的在線行為來解答。盡管對一些研究結(jié)果的還需要更科學(xué)的解釋，但這些分析結(jié)果對傳統(tǒng)教育來說提供了新的見解。

參考文獻(xiàn)

[1]Twigg， Carol A. The changing definition of learning[J]. Educom Review， 1994， 29(4): 23-25.

[2]OECD. Education at a Glance 2008: OECD Indicators[EB/OL].Paris:Directorate for Education， Organisation for Economic Co-operation and Development.

[3]Chickering， Arthur W， Gamson， Z. Seven principles for good practice in undergraduate education[J]. AAHE Bulletin， 1987， 39(7): 3–7.

[4]Smith B.， MacGregor J， Matthews R， Gabelnick F. Learning communities: Reforming undergraduate education[M]. San Francisco: Jossey-Bass， 2004.

[5]Mavondo F， Zaman M， Abubakar B. Student satisfaction with tertiary institution and recommending it to prospective students[A]. Proceedings of the Conference of ANZMAC， Gold Coast， 2000.

[6]Campbell J， Oblinger D. Academic analytics[EB/OL]. Washington，DC:EDUCAUSE Center for Applied Research.

[7]Han J， Kamber M. Data Mining: Concepts and Techniques[M]. 2nd ed. Morgan Kaufmann， 2006.

[8]Campus Computing. The 2008 Campus computing survey[EB/OL]. Encino， CA: The campus computing project.

[9]Allen I， Seaman J. Staying the course[EB/OL]. Online education in the United States， 2008. Newburyport， MA: The Sloan Consortium.

[10]Campus Computing. The 2009 Campus computing survey[EB/OL].Encino，CA:The campus computing project.

[11]Hawkins L， Rudy J， Nicolich R， Core Data Service survey: Fiscal Year 2004 Summary Report[EB/OL].

[12]Campbell J， Finnegan C， Collins B. Academic analytics: Using the CMS as an early warning system[A].WebCT impact conference，2006.

[13]Coates H. The value of student engagement for higher education quality[J]. Quality in Higher Education， 2005， 11(1): 25–36.

[14]Wang A， Newlin M. Predictors of performance in the virtual classroom: Identifying and helping at-risk cyber-students[J].The Journal of Higher Education. Academic Matters， 2002， 29(10): 21–25.

[15]Goldstein P， Katz R. Academic analytics: The uses of management information and technology in higher education[EB/OL]. Washington， DC: EDUCAUSE Center for Applied Research.

[16]Yanosky R， Harris M， Zastrocky M. Top technology priorities for higher-education e-learning[EB/OL]. Stamford， CT: Gartner Research Group.

[17]Laufgraben L， Shapiro N. Sustaining and improving learning communities[M]. San Francisco: Jossey-Bass， 2004.

[18]Brook C， Oliver R. Online learning communities: Investigating a design framework[J]. Australian Journal of Educational Technology， 2003， 19(2): 139–160.

[19]Dawson S， Burnett B， O’Donohue M. Learning communities: An untapped sustainable competitive advantage for higher education[J]. The International Journal of Educational Management， 2006， 20(2): 127–139.

[20]Dawson S. A study of the relationship between student communication interaction and sense of community[J]. The Internet and Higher Education， 2006，(9): 153–162.

[21]Dawson S，McWilliam E，Tan J.Teaching Smarter:How mining ICT data can inform and improve learning and teaching practice[A].ASCILITE 2008，Melbourne.Australia， 2008.

[22]Campbell J. Utilizing student data within the course management system to determine undergraduate student academic success: An exploratory study[D]. Indiana: Purdue University， 2007.

[23]Mazza R， Dimitrova V. CourseVis: A graphical student monitoring tool for supporting instructors in web-based distance courses[J]. International Journal of Human Computer Studies， 2007， 65: 125–139.

[24]Campbell J， DeBlois P， Oblinger D. Academic analytics: A New Tool for a New Era[J]. EDUCAUSE Review， 2007， 42(4): 42–57.

[25]Zorrilla ME， Menasalvas E， Marin D， Mora E， Segovia J. Web usage mining project for improving web-based learning sites[J]. Computer Aided Systems Theory - EUROCAST 2005， 3643: 205-210.

[26]Minaei-Bidgoli B， Punch W. Using Genetic Algorithms for Data Mining Optimization in an Educational Web-based System[A]. GECCO 2003 Genetic and Evolutionary Computation Conference， 2003， 7: 2252-2263.

[27]Morris L， Finnegan C， Wu S. Tracking student behavior， persistence and achievement in online courses[J]. The Internet and Higher Education， 2005， 8: 221–231.

[28]Macfadyen L， Dawson S. Mining LMS data to develop an “early warning system” for educators: A proof of concept[J]. Computers Education. 2010， 54(2): 588-599.