朱珂 楊冰

摘 要：為了解學習分析技術在歐美地區(qū)的應用現(xiàn)狀，制訂科學、有效的學習分析技術推進政策，JRC發(fā)布了《學習分析技術應用調(diào)查報告》。報告介紹了目前學習分析技術的典型工具、典型應用案例和各地區(qū)的支持政策，分析了歐洲學習分析技術的未來發(fā)展方向。在深度解讀報告的基礎上，文章依據(jù)學習分析技術軟件使用年限和影響力篩選出十個典型工具進行簡要介紹;在實踐層次、實踐領域、實踐對象等方面篩選出十個具有代表性的典型案例進行介紹;梳理學習分析技術現(xiàn)階段發(fā)展的重點問題和未來的工作重點。最后針對我國學習分析技術領域的發(fā)展現(xiàn)狀與發(fā)展訴求提出五點建議，以期為我國學習分析技術領域的研究和發(fā)展提供借鑒。

關鍵詞：學習分析技術;報告解讀;案例分析;應用現(xiàn)狀;發(fā)展趨勢

中圖分類號：G434 文獻標志碼：A 文章編號：2096-0069（2019）02-0087-06

收稿日期：2018-10-18

基金項目：河南省教育科學規(guī)劃重大招標課題“河南省教育信息化資源整合問題研究”（2017-JKGHZDZB-07），河南省教育廳2018年人文社會科學研究項目“個人學習空間支持教師專業(yè)成長的生態(tài)模型及進化機制研究”（2018-ZZJH-246）

作者簡介：朱珂（1982— ），男，河南南陽人，河南師范大學教育學院副教授，博士，碩士生導師，研究方向為信息技術與課程整合、學習科學與技術和學習分析技術等;楊冰（1992— ），女，河南三門峽人，河南師范大學教育學院教育技術學碩士研究生，研究方向為信息技術與課程整合、學習分析技術。

一、引言

學習分析技術的出現(xiàn)被認為是自學習管理系統(tǒng)出現(xiàn)后教育技術的第三次大規(guī)模發(fā)展[1]，得到了世界各國的廣泛關注。為明晰學習分析技術在全球范圍內(nèi)的研究應用現(xiàn)狀，制定科學有效的政策框架，歐盟科學知識服務聯(lián)合研究中心（Joint Research Centre，JRC）發(fā)布了《學習分析技術應用調(diào)查報告》[2]（以下簡稱《報告》），介紹了全球范圍內(nèi)學習分析技術的實踐應用和發(fā)展現(xiàn)狀。本文對《報告》中調(diào)查的應用現(xiàn)狀和實踐案例進行梳理解讀，系統(tǒng)分析數(shù)字教育先進地區(qū)學習分析技術領域的發(fā)展規(guī)劃與行動路徑，結(jié)合國內(nèi)學習分析技術的應用現(xiàn)狀與發(fā)展訴求提出建議，以期對我國學習分析技術的應用與發(fā)展有所幫助。

二、報告的研究背景

2005年，美國高校教育信息化協(xié)會主動學習組織首次公布使用學習分析技術進行教學應用的系列案例 [3]。2010年，美國新媒體聯(lián)盟的《地平線報告》將學習分析技術列為未來發(fā)展的重要主題，學習分析技術研究領域正式形成[4]。學習分析技術借鑒了統(tǒng)計學、人工智能和計算機科學等學科的理論和方法[5]，是計算機管理教學（Computer-Managed Instruction，CMI）和基于數(shù)據(jù)的決策（Data-Driven Decision Making，DDDM）的繼承和發(fā)展[6]。

JRC在對學習分析技術領域的應用現(xiàn)狀進行研究梳理后，形成以“典型工具案例庫”“典型實踐案例”為主體的實證研究成果，同時針對該領域目前的應用現(xiàn)狀和未來的工作重點進行專題研討，最終發(fā)布以“學習分析技術領域行動清單”為核心的《報告》。

三、學習分析技術領域典型工具分析

為分析學習分析工具軟件在類型、功能作用及使用規(guī)模等方面的情況，以“典型工具案例庫”中所列工具為基礎，篩選出現(xiàn)階段學習分析技術領域典型的軟件工具共計28個。所選工具涉及義務教育（13個）、高等教育（8個）、職業(yè)教育（2個）及非正式教育（5個）等不同應用場景。

將這28個軟件工具從軟件類型和使用功能兩個方面進行量的數(shù)據(jù)統(tǒng)計（一個軟件涉及多種類型時重復計量統(tǒng)計）。從圖1中可以看出，課程輔助軟件和分析評價軟件所占比例最高，由此可知，目前市場對此類軟件的需求較高，且相應技術發(fā)展較為成熟;課程管理平臺軟件、自適應學習軟件及學習預警軟件在學習分析工具中占較大比例;教育管理決策軟件最少，僅為9%。教育管理決策軟件所占比例較少，其原因主要是決策系統(tǒng)中教育問題具有復雜性，如何有效處理海量繁雜的多來源數(shù)據(jù)是目前教育決策支持需要解決的難題，基于數(shù)據(jù)的教育決策的研究亟待完善。從圖2中可以看出，目前市場對具有統(tǒng)計分析作用及可視化作用的工具需求較高，同時技術應用也較為成熟，統(tǒng)計分析與可視化功能的軟件最多。預警功能占14%，自適應、預測分析及建模三種功能分別為13%、11%和10%。這四類功能的軟件在總的比例中也比較高，是學習分析技術領域的主流功能。對于推薦功能的軟件，在計算推送資源時，系統(tǒng)如何搜集來源更加豐富、覆蓋更加全面的學習數(shù)據(jù)，同時如何有效處理這些海量的繁雜信息、推送精準適用的學習資源是目前學習分析技術研究領域的研究重點。

為了進一步深入了解，從上述28個典型工具軟件中篩選出10個應用年限超過3年、應用規(guī)模較大的進行介紹，如表1所示。通過此表可以看到現(xiàn)有學習分析技術工具在不同地區(qū)、不同層次的教育應用中所發(fā)揮的作用。

四、學習分析技術十大典型實踐案例

《報告》中“典型實踐案例”部分收集、描述了學習分析技術的十大典型實踐案例，如圖3所示。

（一）第三方成功推廣學習分析技術案例——知識網(wǎng)基金會

知識網(wǎng)基金會（Kennisnet Foundation）是由荷蘭教育部資助的用于支持和鼓勵中小學有效利用信息通信技術的公共教育組織[17]。2011年，其開始為教育部門和各類組織提供學習分析技術、可視化工具和個性化學習等相關服務[18]，并與荷蘭教育科研網(wǎng)合作，為荷蘭制定學習分析技術領域的標準和發(fā)展框架[19]。

（二）數(shù)據(jù)管理與隱私保護相關政策制定——英國開放大學

隨著收集學生數(shù)據(jù)的范圍和數(shù)量不斷劇增，數(shù)據(jù)的管理與隱私保護問題日益凸顯，學習分析技術領域中數(shù)據(jù)道德倫理方面暴露的問題亟待解決，英國開放大學與開放大學學生社團合作制定采集數(shù)據(jù)的八項原則，與英國聯(lián)合信息系統(tǒng)委員會（Joint Information Systems Committee，JISC）合作發(fā)布《學習分析技術實踐規(guī)范》[20]，在此基礎上逐漸形成體系完整的隱私保護倫理政策。

（三）數(shù)據(jù)密集型戰(zhàn)略——悉尼科技大學

2011年，澳大利亞悉尼科技大學制定了創(chuàng)建數(shù)據(jù)密集型大學的目標，針對大容量、多樣化、全方位的學生數(shù)據(jù)，進行合理有效的收集、存儲、管理、使用，并開發(fā)搭建合理分析利用教育大數(shù)據(jù)的軟件工具與平臺系統(tǒng)[21] 。2014年，學校開設互聯(lián)智慧中心，專注前沿學習分析技術工具的研究，以及為學生開設適應數(shù)據(jù)密集型時代的課程[22]。

（四）開源架構(gòu)軟件——艾派瑞基金會的學習分析技術計劃

成立于2012年的艾派瑞基金會（Apereo Foundation）致力于以開源方式推動學習分析技術在教育領域的發(fā)展。2014年，Apereo基金會制訂了一個促進學習分析軟件加速開發(fā)的學習分析技術計劃：在10～15年內(nèi)成功搭建針對開源式學習分析系統(tǒng)的基準框架，為學習者提供縱向數(shù)據(jù)的服務[23]。其中開發(fā)的學生成功計劃（Student Success Plan，SSP）工具[24]，旨在提高學生的保留率、學習成績、畢業(yè)率和學習效率，其源代碼對公眾免費開放，因其有效性和開放源代碼的特性已在教育領域廣泛應用。

（五）學習分析技術商業(yè)化模式——藍雀機構(gòu)

成立于2013年的藍雀（Blue Canary）機構(gòu)，其商業(yè)模式是通過數(shù)據(jù)預測分析為客戶大學提供在未來一周內(nèi)可能輟學的學生名單，幫助學校識別處于風險中的學生，然后由客戶針對預測結(jié)果采取干預措施以保留這些學生。2015年，因藍雀在預測方面的成就被黑板（Blackboard）收購，為Blackboard預測分析部分提供技術支持[25]。

（六）預測、預警、可視化的成功應用——普渡大學課程信號燈系統(tǒng)

美國普渡大學的課程信號燈系統(tǒng)通過數(shù)據(jù)分析預測在課程完成過程中存在風險的學生。系統(tǒng)的可視化功能利用信號燈的顏色來直觀顯示學習者目前的學習狀態(tài)。這一系統(tǒng)的應用，使每一位學習者都能對自己的表現(xiàn)了然于胸，并且可以為教師預警那些在課程完成過程中存在風險的學生[26]。

（七）自適應、個性化的學習分析技術——密歇根大學

密歇根大學在課程教學中應用學習分析技術為學生提供自適應、個性化的學習支持。2012年，密歇根大學在物理課程中實施自適應教育項目E2Coach。課前通過調(diào)查收集所有學生包括在物理和數(shù)學方面的學術成就、學習課程的動機、課程成就期望、對物理學的態(tài)度以及對課程完成的信心等相關信息，為每一名進入課程的學生刻畫學生肖像。學生肖像隨著時間和課程成就的變化而不斷豐富，能實時描繪學生的學習進度，并結(jié)合最終成就預期實施干預[27]。

（八）國家層面戰(zhàn)略支持——挪威

學習分析技術在挪威受到國家戰(zhàn)略層面的重視與支持，各教育部門大力推進學習分析技術的發(fā)展。2014年年初，挪威最大的教科書編著出版公司吉倫達爾（Gyldendal）與扭頓（Knewton）合作為小學生設計擁有配套學習分析技術工具輔助的教材[28][29]。同時，國家大力支持信息化基礎設施建設，2017年挪威國家教育研究網(wǎng)絡推出教育數(shù)據(jù)共享服務平臺，解決教育領域數(shù)據(jù)共享問題，推進學習分析技術領域的發(fā)展[30]。

（九）社會網(wǎng)絡分析工具——臥龍崗大學

教學實踐型社會網(wǎng)絡工具（Social Networks Adapting Pedagogical Practice，SNAPP）是由澳大利亞臥龍崗大學開發(fā)的社會網(wǎng)絡分析工具[31][32]。SNAPP本質(zhì)上是一種診斷工具，在商業(yè)社交網(wǎng)絡和開源學習管理系統(tǒng)中進行實時社交網(wǎng)絡分析和可視化交互模式診斷，幫助教學人員識別學生行為模式，依據(jù)學習活動設計目標適時進行教學干預，為教師對網(wǎng)絡學習進行評估及針對個別學生采取干預措施提供有力依據(jù)。

（十）預測分析助力教育公平——佐治亞州立大學

調(diào)查發(fā)現(xiàn)，部分擁有很高的平均績點或臨近畢業(yè)的學生也會因為付不起學校的費用而中途退學。基于此，佐治亞州立大學（Georgia State University，GSU）用預測分析的方式削弱因經(jīng)濟原因產(chǎn)生的同齡人之間的成就差距。GSU還利用過去10年的250萬名學生的數(shù)據(jù)庫創(chuàng)建咨詢系統(tǒng)，該系統(tǒng)在預測分析后向?qū)W生提供最可能取得成功的課程路徑。研究調(diào)查顯示，在此系統(tǒng)的幫助下GSU畢業(yè)率從2003年的32%上升到2017年的74%[33]。

五、學習分析技術領域發(fā)展趨勢和對我國的啟示

（一）學習分析技術發(fā)展應用前瞻

基于JRC長期的研究結(jié)果可知，目前的學習分析技術應用正處于一個快速發(fā)展的階段，但是總體上使用學習分析技術來改善和創(chuàng)新學習和教學的工作仍處于起步階段，工作較為分散，缺少統(tǒng)一的統(tǒng)籌安排，未來將會優(yōu)化頂層規(guī)劃，制定各級各層的宏觀發(fā)展戰(zhàn)略。在技術工具應用方面，大部分的學習分析技術工作主要集中在供應方面，針對需求方面的工作有所欠缺，未來將會依據(jù)學校管理人員、教師和學生的需求，開發(fā)解決教育實際問題的軟件工具;在教育改善干預方面，可視化的學習分析數(shù)據(jù)缺少具體的教學活動建議，在具體的教學情境中缺乏可操作性，未來將會提供更多智能化方案與操作性支持服務;同時，未來學習分析技術領域?qū)雨P注創(chuàng)新教學過程和學習活動，幫助教育工作者與機構(gòu)充分融入數(shù)字時代。隨著教育信息化2.0時代的來臨，學習分析技術將會更加深入地挖掘分析教育大數(shù)據(jù)，用技術手段支持改善教育教學。

（二）對我國學習分析技術領域的戰(zhàn)略啟示

1.優(yōu)化頂層設計，制定宏觀發(fā)展戰(zhàn)略

教育戰(zhàn)略規(guī)劃是對教育發(fā)展的全局性、長遠性和戰(zhàn)略性的謀劃，與《報告》中制定一個與歐洲優(yōu)先領域相一致的學習分析技術發(fā)展路線圖一樣，我國也需要站在國家戰(zhàn)略高度對以學習分析技術為代表的關鍵技術制定發(fā)展戰(zhàn)略，制定相應的建設目標和具體量化標準。

2.統(tǒng)一標準，促進跨平臺分析融合創(chuàng)新

目前眾多在線學習平臺和學習管理系統(tǒng)積累了海量的結(jié)構(gòu)化、半結(jié)構(gòu)化、非結(jié)構(gòu)化的教育數(shù)據(jù)，但因系統(tǒng)不同、平臺各異，容易形成數(shù)據(jù)孤島。如何建立統(tǒng)一的數(shù)據(jù)格式標準和技術規(guī)范，使得各平臺和系統(tǒng)間能夠交流、聯(lián)通和整合，進而為數(shù)據(jù)的獲取、篩選、挖掘、分析、呈現(xiàn)提供規(guī)范流程和框架體系成為急需解決的問題。

3.加快數(shù)據(jù)管理設計，逐步完善標準體系

在學習分析技術快速發(fā)展的同時，一系列有關教育數(shù)據(jù)安全和學生隱私保護的問題亟待解決。英國開放大學、美國佐治亞州立大學等機構(gòu)已經(jīng)著手制定教育數(shù)據(jù)集使用的管理框架，我國部分學者對此也進行了系列探討，但是完善的數(shù)據(jù)保護框架尚未建立[34]，工信部印發(fā)的《大數(shù)據(jù)產(chǎn)業(yè)發(fā)展規(guī)劃（2016—2020年）》中明確指出，目前我國需要加強大數(shù)據(jù)標準化頂層設計，逐步完善標準體系[35]。隨著學習分析技術應用的日益普遍，這一需求變得更加迫切。

4.創(chuàng)新跨領域協(xié)同推進機制

學習分析技術是一個以數(shù)據(jù)為基礎、以技術為核心的新興研究領域。該領域發(fā)展離不開數(shù)據(jù)挖掘技術、情感計算技術、心理測量技術及人工智能技術等的革新與發(fā)展。技術的進步需要校企合作的模式，企業(yè)提供技術支持，學校在教學中應用技術，兩者協(xié)力促進技術發(fā)展。經(jīng)過充分發(fā)展，形成基礎完善、技術保障、應用繁榮的學習分析技術產(chǎn)業(yè)體系，最終改善教學過程，提高教育質(zhì)量[36]。

5.對接人工智能2.0，打造智能教育體系

隨著人工智能2.0時代的到來，人工智能領域內(nèi)語音識別、視覺識別、情感識別、跨媒體協(xié)同處理、深度學習等技術不斷成熟。對接人工智能技術的學習分析技術可以在教學評估、學習預警、自適應學習及資源和個性化學習路徑推薦等領域，提升教育效果和效率，提高教育質(zhì)量。對接人工智能2.0的學習分析技術，是未來智慧教育發(fā)展的必然趨勢，是推動教育模式、教育體系變革的助推器。

參考文獻

[1]BROWN M.Learning Analytics：The Coming Third Wave[EB/OL].（2011-04）[2018-10-17].https：//www.educause.edu/ir/library/pdf/ELIB1101.pdf.

[2]FERGUSON R，BRASHER A，CLOW D，et al.Research Evidence on the Use of Learning Analytics：Implications for Education Policy[EB/OL].（2016-02）[2018-10-17].http：//libeprints.open.ac.uk/48173/1/Analytics%20research%20evidence.pdf.

[3][5]祝智庭，沈德梅.學習分析學：智慧教育的科學力量[J].電化教育研究，2013，（5）：5-12，19.

[4]毛剛，劉清堂.融入學習分析的網(wǎng)絡學習評價模型與應用研究[J].遠程教育雜志，2016，（6）：20-27.

[6]顧小清，張進良，蔡慧英.學習分析：正在浮現(xiàn)中的數(shù)據(jù)技術[J].遠程教育雜志，2012，（1）：18-25.

[7]ASSISTments.Making Math Homework More Effective：The 7th Grade Maine ASSISTments Efficacy Studeny[EB/OL].（2018-10-17）[2018-10-17].http：//www.assistmentsmaine.org/about.php.

[8]Bingel.Bingel[EB/OL].（2018-10-17）[2018-10-17].http：//www.bingelsite.be.

[9]Wikipedia.Cognitive Tutor[EB/OL].（2018-08-29）[2018-10-17].https：//en.wikipedia.org/wiki/Cognitive_tutor.

[10][29]Itslearning.Itslearning for Advanced Reporition[EB/OL].（2017-01-29）[2018-10-17].http：//www.itslearning.net/reporting-analytics.

[11]Schoolzilla.What Is Schoolzilla？[EB/OL].（2016-01-20）[2018-10-17].https：//schoolzilla.com/infographic-2015-year-in-review.

[12]Knewton.Introducing Alta Knewton’s Fully Integrated Adaptive Learning Courseware[EB/OL].（2018-10-17）[2018-10-17].http：//www.knewton.com.

[13][23][24]Apereo.Apereo[EB/OL].（2018-10-17）[2018-10-17].https：//www.apereo.org.

[14]Khanacademy.A Personalized Learning Resource for All Ages[EB/OL].（2018-10-17）[2018-10-17].https：//www.khanacademy.org.

[15]Digital Assess.Technology that Frees You up to Focus on Education[EB/OL].（2018-10-17）[2018-10-17].http：//digitalassess.com.

[16]DENLEY T.Degree Compass Course Recommendation System [EB/OL].（2013-06-27）[2018-10-17].https：//library.educause.edu/resources/2013/6/degree-compass-course-recommendation-system.

[17][18][19]Kennisnet.The Netherlands Country Report on ICT in Education[R].Brussels：European Schoolnet，2011.

[20]JISC.Code of Practice for Learning Analytics[EB/OL].（2015-06-04）[2018-10-17].https：//www.jisc.ac.uk/guides/code-of-practice-for-learning-analytics.

[21][22]SIEMENS G S，DAWSON，G LYNCH.Improving the Quality of Productivity of the Higher Education Sector：Policy and Strategy for Systems-Level Deployment of Learning Analytics[EB/OL].（2013-12）[2018-10-17].http：//www.researchgate.net/file.PostFileLoader.html？id=5876881f48954c17c729b527&assetKey=AS%3A449426784296961%40148416310309.

[25]芥末堆.一年內(nèi)完成了5筆收購，讓我們回顧下LMS巨頭Blackboard的“買買買”之路[EB/OL].（2015-12-06）[2018-10-17].https：//www.jiemodui.com/N/33039.html.

[26]ARNOLD KIMBERLEY E，Pistilli Matthew.Course Signals at Purdue：Using Learning Analytics to Increase Student Success[R].Canada：Vancouver，2012.

[27]Educause.University of Michigan Physics Department：E2Coa-ch[EB/OL].（2014-07-21）[2018-10-17].https：//library.educa-use.edu/resources/2014/7/university-of-michigan-physics-department-e2coach.

[28]Gyldendal.Multi Smart?ving[EB/OL].（2018-10-17）[2018-10-17].http：//www.smartoving.no/.

[30]UNINETT.Dataporten[EB/OL].（2018-10-17）[2018-10-17].https：//www.uninett.no/tjenester/dataporten.

[31]ETDoer.Social Networks Adapting Pedagogical Practice[EB/OL].（2013-10-13）[2018-10-17].http：//blog.sina.com.cn/s/blog_8f6da3210101dj1d.html.

[32]DAWSON S."Seeing"Networks：Visualizing and Evaluating Student Learning Networks[EB/OL].（2011-01）[2018-10-17].https：//research.u-ow.edu.au/content/groups/public/@web/@learnnet/documents/doc/uow115678.pdf.

[33]KURZWEIL M.Building a Pathway to Student Success at Georgia State University[EB/OL].（2015-04-23）[2018-10-17].http：//www.sr.ithaka.org/publications/building-a-pathway-to-student-success-at-georgia-state-university/.

[34]吳晨光，劉斌.國外學習分析項目研究現(xiàn)狀及對國內(nèi)學習分析發(fā)展的啟示[J].數(shù)字教育，2017，（3）：41-45.

[35]工業(yè)和信息化部.工業(yè)和信息化部關于印發(fā)《大數(shù)據(jù)產(chǎn)業(yè)發(fā)展規(guī)劃（2016—2020年）》的通知[EB/OL].（2017-01-17）[2018-10-17].http：//www.miit.gov.cn/n1146295/n1652858/n1652930/n3757016/c5464999/content.html.

[36]朱珂，劉清堂.基于“學習分析”技術的學習平臺開發(fā)與應用研究[J].中國電化教育，2013，（9）：127-132.

（責任編輯 杜丹丹）

Abstract： To understand the state of the implementation of learning analytics technology in Europe and America and make a scientific and effective policy for learning analytics，JRC published Research Evidence on the Use of Learning Analytics Technology.The report introduces the typical tools，the typical application cases and policies about learning analytics，and analyzes the future development direction of European learning analysis technology.Based on the in-depth interpretation of the report，the paper gives a brief introduction of the 10 typical tools that are selected in terms of years of use and influence.In combination with practice level，practice field and practical object，10 representative typical cases are selected for introduction.And the paper conducts the key issues and future priorities of the development.Finally，based on the current situation and development demands of learning analytics in China，the paper proposes five suggestions for the development of learning analytics in China.

Key words： learning analytics technology;report interpretation;case study;application status; development trend