尹睿 何淑茵

[摘 ? 要] 在“互聯(lián)網(wǎng)+教育”時(shí)代，混合學(xué)習(xí)是高等教育的主流教學(xué)形態(tài)，學(xué)習(xí)投入是衡量混合學(xué)習(xí)質(zhì)量的重要指標(biāo)。循證教學(xué)評(píng)價(jià)關(guān)注全過(guò)程教學(xué)證據(jù)的多源采集，強(qiáng)調(diào)對(duì)教學(xué)過(guò)程及其成效做出多維評(píng)估與測(cè)量，為混合學(xué)習(xí)投入評(píng)價(jià)提供新思路。文章借鑒循證教學(xué)評(píng)價(jià)的思路，結(jié)合混合學(xué)習(xí)線(xiàn)上線(xiàn)下融合的特點(diǎn)，從“學(xué)習(xí)活動(dòng)—學(xué)習(xí)投入—學(xué)習(xí)數(shù)據(jù)”的對(duì)應(yīng)關(guān)系，建立起混合學(xué)習(xí)投入評(píng)價(jià)的多源數(shù)據(jù)表征模型；從行為、認(rèn)知、情感與社交四個(gè)層面確立了混合學(xué)習(xí)投入評(píng)價(jià)的多源數(shù)據(jù)融合方法；進(jìn)而提出了基于多源數(shù)據(jù)的混合學(xué)習(xí)投入評(píng)價(jià)過(guò)程，包含數(shù)據(jù)采集、數(shù)據(jù)關(guān)聯(lián)、數(shù)據(jù)融合、解釋與決策四個(gè)階段。通過(guò)實(shí)證研究發(fā)現(xiàn)，在混合學(xué)習(xí)課程中，來(lái)自在線(xiàn)教學(xué)平臺(tái)日志、課堂教學(xué)錄像、學(xué)習(xí)表現(xiàn)與成效等多源數(shù)據(jù)能較為準(zhǔn)確測(cè)評(píng)學(xué)生混合學(xué)習(xí)投入類(lèi)型與表現(xiàn)，并對(duì)混合學(xué)習(xí)投入狀態(tài)有著良好預(yù)測(cè)。

[關(guān)鍵詞] 循證教學(xué)評(píng)價(jià)； 混合學(xué)習(xí)投入； 多源數(shù)據(jù)

[中圖分類(lèi)號(hào)] G434 ? ? ? ? ? ?[文獻(xiàn)標(biāo)志碼] A

[作者簡(jiǎn)介] 尹睿（1979—），女，廣東惠州人。副教授，博士，主要從事教學(xué)系統(tǒng)設(shè)計(jì)、課程與教學(xué)論、教師專(zhuān)業(yè)發(fā)展等研究。E-mail： littleyin79@163.com。

一、引 ? 言

“互聯(lián)網(wǎng)+教育”背景下，混合學(xué)習(xí)正在成為高校課程教學(xué)的“新常態(tài)”[1]?；旌蠈W(xué)習(xí)是通過(guò)有機(jī)統(tǒng)整在線(xiàn)學(xué)習(xí)和面授教學(xué)的優(yōu)勢(shì)，為學(xué)習(xí)者提供靈活的學(xué)習(xí)時(shí)間和空間，有效提高學(xué)習(xí)者學(xué)習(xí)效能的一種新的教學(xué)形態(tài)。加里森（Garrison，D.R.）等人指出，讓學(xué)習(xí)者有更多學(xué)習(xí)投入是混合學(xué)習(xí)的核心?；旌蠈W(xué)習(xí)在本質(zhì)上是以提高學(xué)習(xí)投入水平為重要目標(biāo)的教學(xué)重構(gòu)過(guò)程[2]。然而，目前關(guān)于混合學(xué)習(xí)投入的研究多集中在面對(duì)面與在線(xiàn)教學(xué)環(huán)境下影響因素的探查，比如，技術(shù)支持[3]、教師教學(xué)行為[4]、學(xué)習(xí)者學(xué)習(xí)經(jīng)驗(yàn)與自我效能感[5]等，有關(guān)混合學(xué)習(xí)投入評(píng)價(jià)研究相對(duì)甚少，且混合學(xué)習(xí)的跨時(shí)空特性及學(xué)習(xí)投入結(jié)構(gòu)的多維性，更是加大了這類(lèi)研究的難度。

隨著信息科技的發(fā)展，教育數(shù)據(jù)的重要性逐步顯現(xiàn)?？鐣r(shí)空、跨模態(tài)數(shù)據(jù)為評(píng)價(jià)的全過(guò)程提供證據(jù)，其匯聚與融合實(shí)現(xiàn)了對(duì)投入的客觀理解與深刻洞察。這與循證教學(xué)評(píng)價(jià)（Evidence-based Evaluation）的思想一致。循證教學(xué)評(píng)價(jià)是循證教育的分支，它是以教學(xué)評(píng)價(jià)理論、數(shù)據(jù)科學(xué)技術(shù)、教學(xué)分析方法為基礎(chǔ)，以全教學(xué)數(shù)據(jù)鏈為抓手，對(duì)教學(xué)的整個(gè)過(guò)程及其成效進(jìn)行多維評(píng)估與測(cè)量的一種方法[6]?；诖?，本研究采用多種方式和手段追蹤學(xué)習(xí)者的混合學(xué)習(xí)過(guò)程，采集和挖掘?qū)W習(xí)者在混合學(xué)習(xí)環(huán)境中多種來(lái)源的數(shù)據(jù)，將數(shù)據(jù)轉(zhuǎn)化為評(píng)價(jià)學(xué)生混合學(xué)習(xí)投入水平的證據(jù)。那么，如何從多源異構(gòu)數(shù)據(jù)中評(píng)價(jià)混合學(xué)習(xí)投入，本研究嘗試對(duì)這一問(wèn)題進(jìn)行深入分析，以期為高?；旌辖虒W(xué)質(zhì)量評(píng)價(jià)提供實(shí)踐借鑒。

二、混合學(xué)習(xí)投入評(píng)價(jià)相關(guān)研究概述

（一）混合學(xué)習(xí)投入測(cè)量的研究

測(cè)量是指通過(guò)某種合適的工具或者儀器（Instrument）確定客體（Object）在某種屬性（Attribute）上的量（Magnitude）的過(guò)程[7]。學(xué)習(xí)投入的測(cè)量方式一般包括定量自我報(bào)告法（調(diào)查問(wèn)卷或量表等）、定量觀察法（行為發(fā)生的頻率或頻率的分?jǐn)?shù)）、定性方法（訪(fǎng)談、開(kāi)放性問(wèn)題、話(huà)語(yǔ)分析或觀察等）、其他（生理傳感器等）[8]。

由于學(xué)習(xí)投入是一個(gè)多結(jié)構(gòu)的概念，各投入維度的測(cè)量方式不盡相同。在行為投入上，研究者多采集在線(xiàn)學(xué)習(xí)平臺(tái)的日志記錄數(shù)據(jù)[9]、視頻監(jiān)控/拍攝學(xué)習(xí)過(guò)程數(shù)據(jù)[10]、自我報(bào)告數(shù)據(jù)等，用統(tǒng)計(jì)分析、內(nèi)容分析等方法，再輔以滯后序列分析、關(guān)聯(lián)規(guī)則、相關(guān)分析等數(shù)據(jù)挖掘方法得到行為投入值。在認(rèn)知投入上，研究者通過(guò)內(nèi)容分析法對(duì)學(xué)習(xí)者的課程作業(yè)、討論文本等進(jìn)行分析，判斷學(xué)習(xí)者的認(rèn)知層次[11]。在情感投入上，研究者以自我報(bào)告的方法測(cè)量學(xué)習(xí)者對(duì)混合學(xué)習(xí)的態(tài)度、情感體驗(yàn)以及團(tuán)隊(duì)認(rèn)同感。在社交投入上，研究者基本通過(guò)社會(huì)網(wǎng)絡(luò)分析法探究學(xué)生個(gè)體在群體中的位置和親密度[12]。

隨著人工智能技術(shù)、傳感技術(shù)與影像技術(shù)的發(fā)展，融合多源數(shù)據(jù)測(cè)評(píng)學(xué)習(xí)投入已成為發(fā)展趨勢(shì)。如，張琪等運(yùn)用學(xué)習(xí)者瞬時(shí)行為數(shù)據(jù)、內(nèi)容交互數(shù)據(jù)、情境交互數(shù)據(jù)等表征學(xué)習(xí)投入[13]。當(dāng)前，有研究揭示學(xué)習(xí)投入應(yīng)關(guān)注數(shù)據(jù)取樣的縱向密集性，強(qiáng)調(diào)數(shù)據(jù)應(yīng)通過(guò)經(jīng)驗(yàn)取樣法密集縱向收集多個(gè)時(shí)間點(diǎn)的數(shù)據(jù)，以減少橫斷面（Cross-sectional）數(shù)據(jù)滯后效應(yīng)帶來(lái)結(jié)論偏差 [14]。如，吳軍其等基于學(xué)習(xí)過(guò)程的角度，運(yùn)用視頻、音頻、日志、生理和自我報(bào)告等數(shù)據(jù)測(cè)量智慧課堂協(xié)作學(xué)習(xí)投入[15]。上述學(xué)者對(duì)學(xué)習(xí)投入的測(cè)量方式，為混合學(xué)習(xí)投入測(cè)量提供了思路。但是，運(yùn)用多源數(shù)據(jù)融合對(duì)混合學(xué)習(xí)投入進(jìn)行測(cè)量的案例和實(shí)踐研究較少。

（二）混合學(xué)習(xí)投入評(píng)價(jià)模型的研究

學(xué)習(xí)評(píng)價(jià)是依據(jù)明確的目標(biāo)，按照一定標(biāo)準(zhǔn)采用科學(xué)方法，測(cè)量對(duì)象的功能、品質(zhì)和屬性，并對(duì)評(píng)價(jià)對(duì)象做出的價(jià)值性判斷。隨著多源數(shù)據(jù)的采集與綜合分析的作用凸顯，不少研究者聚焦數(shù)據(jù)角度提出學(xué)習(xí)評(píng)價(jià)的過(guò)程模型。例如，黃濤等人提出了“數(shù)據(jù)驅(qū)動(dòng)的精準(zhǔn)化學(xué)習(xí)評(píng)價(jià)”，包括多場(chǎng)景數(shù)據(jù)采集、多空間數(shù)據(jù)融合、精準(zhǔn)分析模型構(gòu)建和分析結(jié)果可視化四個(gè)部分 [16]。毛剛等人提出融合教育大數(shù)據(jù)的教學(xué)評(píng)價(jià)框架，包括目標(biāo)列表化、智能技術(shù)聯(lián)結(jié)學(xué)習(xí)進(jìn)程、根據(jù)成功標(biāo)準(zhǔn)建立證據(jù)類(lèi)型、確定獲取證據(jù)的方法、建立模型解釋證據(jù)、可視化反饋和行動(dòng)七個(gè)環(huán)節(jié)[17]。張家華等人提出了多模態(tài)學(xué)習(xí)分析技術(shù)支持的學(xué)習(xí)評(píng)價(jià)流程，包括確立目標(biāo)、獲取數(shù)據(jù)、建立模型、提供反饋四個(gè)動(dòng)態(tài)循環(huán)的環(huán)節(jié)[18]。

然而，綜觀已有學(xué)習(xí)評(píng)價(jià)的研究，專(zhuān)門(mén)針對(duì)混合學(xué)習(xí)投入評(píng)價(jià)的研究相對(duì)較少。只有少數(shù)研究將學(xué)習(xí)投入納入混合學(xué)習(xí)學(xué)業(yè)評(píng)價(jià)模型中。如，王慧君等人將學(xué)習(xí)投入作為混合學(xué)習(xí)學(xué)業(yè)評(píng)價(jià)的證據(jù)之一，提出基于證據(jù)的高校混合學(xué)習(xí)課程學(xué)業(yè)評(píng)價(jià)模型，包括識(shí)別證據(jù)、創(chuàng)設(shè)證據(jù)、采集證據(jù)、鑒定證據(jù)、分析證據(jù)、解釋證據(jù)和使用證據(jù)七大步驟[19]。

三、混合學(xué)習(xí)投入評(píng)價(jià)的多源數(shù)據(jù)表征

混合學(xué)習(xí)是一個(gè)復(fù)雜的過(guò)程，學(xué)習(xí)者在線(xiàn)上線(xiàn)下融合的學(xué)習(xí)過(guò)程中的行為、認(rèn)知、情感、社交等方面的表現(xiàn)會(huì)隨著學(xué)習(xí)情境不斷發(fā)生變化。因此，對(duì)線(xiàn)上線(xiàn)下融合的學(xué)習(xí)情境中的數(shù)據(jù)進(jìn)行全樣本分析，有助于解釋學(xué)習(xí)者的學(xué)習(xí)投入狀態(tài)與特征。然而，線(xiàn)上線(xiàn)下數(shù)據(jù)并非簡(jiǎn)單的疊加，需要基于教學(xué)活動(dòng)序列特征進(jìn)行關(guān)聯(lián)重組，形成具有教學(xué)意義的數(shù)據(jù)閉環(huán)?；诖?，本研究采用“學(xué)習(xí)活動(dòng)—學(xué)習(xí)投入—學(xué)習(xí)數(shù)據(jù)”的三層結(jié)構(gòu)表征模型（如圖1所示），建立起多源數(shù)據(jù)與混合學(xué)習(xí)投入評(píng)價(jià)的關(guān)系映射，即不同類(lèi)型的學(xué)習(xí)活動(dòng)反映不同的混合學(xué)習(xí)投入，并由不同采集技術(shù)獲得的不同類(lèi)型的數(shù)據(jù)加以表征。

（一）混合學(xué)習(xí)活動(dòng)層

從歷時(shí)態(tài)角度看，混合學(xué)習(xí)活動(dòng)大致可分為四種類(lèi)型：自主學(xué)習(xí)型、自由交流型、小組協(xié)作型、自我反思型。自主學(xué)習(xí)型，即學(xué)習(xí)者圍繞學(xué)習(xí)目標(biāo)與任務(wù)，借助在線(xiàn)課程平臺(tái)、網(wǎng)絡(luò)學(xué)習(xí)空間、認(rèn)知工具等進(jìn)行自主建構(gòu)的活動(dòng)。自由交流型，即學(xué)習(xí)者與教師或其他學(xué)習(xí)者個(gè)體之間通過(guò)面對(duì)面或者利用討論區(qū)、QQ、騰訊會(huì)議、移動(dòng)學(xué)習(xí)工具等進(jìn)行個(gè)別化交互的活動(dòng)。小組協(xié)作型，即學(xué)習(xí)者以小組形式圍繞問(wèn)題、主題或項(xiàng)目進(jìn)行協(xié)商論證、生成制品的活動(dòng)。自我反思型，即學(xué)習(xí)者對(duì)自身的學(xué)習(xí)過(guò)程、方法、收獲與不足等做出檢視與調(diào)節(jié)。不同類(lèi)型活動(dòng)有著不同操作流程，見(jiàn)表1。

（二）混合學(xué)習(xí)投入層

弗雷德里克斯（Fredricks，J.A.）等人將學(xué)習(xí)投入分為三個(gè)既獨(dú)立又相互關(guān)聯(lián)的維度：行為投入（Behavioral Engagement）、認(rèn)知投入（Cognitive Engagement）和情感投入（Emotional Engagement）[20] 。由于混合學(xué)習(xí)強(qiáng)調(diào)通過(guò)師生之間的社會(huì)性交互促進(jìn)面授教學(xué)與在線(xiàn)學(xué)習(xí)的優(yōu)勢(shì)整合，重視學(xué)習(xí)者建立學(xué)習(xí)共同體來(lái)深度建構(gòu)知識(shí)，所以，師生之間、生生之間的線(xiàn)上與線(xiàn)下融合互動(dòng)是混合學(xué)習(xí)的重要組成部分。可見(jiàn)，除了行為投入、認(rèn)知投入與情感投入外，社交投入也是混合學(xué)習(xí)投入的關(guān)鍵維度。

行為投入是指學(xué)習(xí)者在學(xué)習(xí)活動(dòng)中的主動(dòng)參與或物理卷入，其水平主要表現(xiàn)為：（1）完成度，即學(xué)習(xí)者按時(shí)按質(zhì)完成課堂和在線(xiàn)學(xué)習(xí)任務(wù)的堅(jiān)持程度與付出時(shí)間；（2）積極性，即學(xué)習(xí)者對(duì)課堂以及在線(xiàn)學(xué)習(xí)任務(wù)的響應(yīng)時(shí)間與努力程度。

認(rèn)知投入指學(xué)習(xí)者在面授教學(xué)和在線(xiàn)學(xué)習(xí)環(huán)境中完成學(xué)習(xí)任務(wù)的智力努力程度。其投入水平主要表現(xiàn)為：（1）認(rèn)知深度，即學(xué)習(xí)者對(duì)學(xué)習(xí)任務(wù)的加工處理程度。朱（Zhu，E.）依據(jù)布盧姆的認(rèn)知目標(biāo)分類(lèi)，從認(rèn)知過(guò)程由淺到深的角度，提出了認(rèn)知投入分析七個(gè)層次，包括無(wú)效、回應(yīng)（Responding）、信息（Information）、解釋?zhuān)‥xplanatory）、分析（Analytical）、綜合（Synthesizing）和評(píng)價(jià)（Evalulative）[21]。（2）認(rèn)知廣度，即學(xué)習(xí)者在完成學(xué)習(xí)任務(wù)中采用學(xué)習(xí)策略將新知識(shí)與已掌握知識(shí)、線(xiàn)上知識(shí)與面授知識(shí)建立聯(lián)系的緊密程度。

情感投入關(guān)注學(xué)習(xí)者對(duì)自我學(xué)習(xí)效能感、對(duì)環(huán)境的歸屬感以及對(duì)學(xué)術(shù)活動(dòng)的情感體驗(yàn)[22]。其水平主要表現(xiàn)為：（1）自我效能感，即學(xué)習(xí)者對(duì)完成混合學(xué)習(xí)任務(wù)勝任力的自我判斷。（2）歸屬感，指學(xué)習(xí)者對(duì)自己在班級(jí)或者線(xiàn)上社群中的身份認(rèn)同、人際情感依戀、主人翁意識(shí)等。（3）情緒狀態(tài)，是學(xué)習(xí)者對(duì)混合學(xué)習(xí)的情緒反應(yīng)，如熱情、愉悅、享受的積極情緒或者厭煩、焦慮、無(wú)聊的消極情緒。

社交投入是學(xué)習(xí)者為促進(jìn)信息動(dòng)態(tài)流動(dòng)，有意識(shí)地與他人進(jìn)行意義協(xié)商與協(xié)同創(chuàng)造所付出的努力。其水平主要表現(xiàn)為（1）交互深度，即學(xué)習(xí)者對(duì)他人提出問(wèn)題、發(fā)表言論做出回應(yīng)的貢獻(xiàn)度。本研究借鑒古納沃德納（Gunawardena，C.N.）提出的社會(huì)交互分析五層次，分別為P1代表與他人分享、比較信息；P2代表發(fā)現(xiàn)與探索與他人觀點(diǎn)、概念或聲明等方面的不同；P3代表與他人進(jìn)行意義協(xié)商，共同構(gòu)建知識(shí)；P4代表檢驗(yàn)和修改他人提供的意見(jiàn)；P5代表一致性陳述/應(yīng)用新知識(shí)結(jié)構(gòu)的意義[23]。（2）交互廣度，即學(xué)習(xí)者主動(dòng)與教師或者學(xué)習(xí)伙伴建立和維持聯(lián)系的程度，包括在課堂上與同伴進(jìn)行面對(duì)面討論的次數(shù)、對(duì)教師提問(wèn)的回答次數(shù)、在線(xiàn)上回復(fù)或點(diǎn)贊帖子的次數(shù)、主動(dòng)向?qū)W習(xí)伙伴分享經(jīng)驗(yàn)的次數(shù)等。

（三）混合學(xué)習(xí)數(shù)據(jù)層

循證教學(xué)評(píng)價(jià)注重對(duì)教學(xué)證據(jù)的多源采集，教學(xué)證據(jù)是對(duì)教與學(xué)過(guò)程和結(jié)果信息的集合。通過(guò)融合多個(gè)來(lái)源的證據(jù)，共同表征某一類(lèi)學(xué)習(xí)指標(biāo)，以客觀準(zhǔn)確地評(píng)估學(xué)習(xí)者的學(xué)習(xí)狀態(tài)?；旌蠈W(xué)習(xí)的行為投入、認(rèn)知投入、情感投入和社交投入可以通過(guò)教學(xué)平臺(tái)日志數(shù)據(jù)、課堂錄像數(shù)據(jù)、學(xué)生表現(xiàn)與成效數(shù)據(jù)等作為教學(xué)證據(jù)。利用教學(xué)平臺(tái)日志數(shù)據(jù)，可以記錄學(xué)習(xí)者在線(xiàn)學(xué)習(xí)活動(dòng)印記。例如，學(xué)習(xí)時(shí)長(zhǎng)、學(xué)習(xí)頻率、作業(yè)提交時(shí)間等可用于表征行為投入；過(guò)程作業(yè)、反思日志等可用于表征認(rèn)知投入；發(fā)帖內(nèi)容、發(fā)帖次數(shù)等可用于表征社交投入。利用課堂錄像數(shù)據(jù)，可以捕捉學(xué)習(xí)者的課堂學(xué)習(xí)活動(dòng)表現(xiàn)。例如，舉手次數(shù)可以表征行為投入；回答問(wèn)題的言語(yǔ)內(nèi)容可以表征認(rèn)知投入。利用學(xué)生表現(xiàn)與成效數(shù)據(jù)，可以提取學(xué)習(xí)者的學(xué)習(xí)狀態(tài)與結(jié)果。例如，情感自我報(bào)告可以表征情感投入。

四、混合學(xué)習(xí)投入評(píng)價(jià)的多源數(shù)據(jù)融合

循證教學(xué)評(píng)價(jià)強(qiáng)調(diào)利用多源數(shù)據(jù)互補(bǔ)、互證、互融的特點(diǎn)解釋教學(xué)全過(guò)程。由于學(xué)習(xí)投入結(jié)構(gòu)的多維性和混合學(xué)習(xí)活動(dòng)組織的靈活性，不同活動(dòng)中不同維度的量綱以及所占權(quán)重存在差異，需要首先通過(guò)標(biāo)準(zhǔn)化方法對(duì)量化后的數(shù)據(jù)進(jìn)行處理，以消除量綱的影響，保證分析結(jié)果在數(shù)據(jù)比較上的一致性問(wèn)題；然后借助客觀賦權(quán)法實(shí)現(xiàn)權(quán)重的自動(dòng)賦值，以反映數(shù)據(jù)本身的特性，減少主觀因素的影響；最后通過(guò)線(xiàn)性加權(quán)法實(shí)現(xiàn)二級(jí)維度的融合。

（一）行為投入的數(shù)據(jù)融合

如前述，行為投入水平由完成度與積極性加以表示。完成度Fn可分解為“是否有學(xué)習(xí)行為f1n”和“學(xué)習(xí)行為的發(fā)生時(shí)長(zhǎng)f2n”兩個(gè)指標(biāo)。f1n可通過(guò)兩種方式確定：對(duì)于有明顯學(xué)習(xí)結(jié)果輸出的（如在平臺(tái)上回答問(wèn)題）直接記為有效，輸出1；對(duì)于無(wú)明顯學(xué)習(xí)結(jié)果輸出的（如視頻觀看等），則通過(guò)行為完成時(shí)間tne與行為開(kāi)始時(shí)間tns做差并與理論完成時(shí)間δn對(duì)比可得，即 ?。f2n表示為行為完成時(shí)間tne與行為開(kāi)始時(shí)間tns的差。

積極性An可分解為“及時(shí)學(xué)習(xí)水平a1n”“主動(dòng)提問(wèn)次數(shù)a2n”“主動(dòng)回答次數(shù)a3n”“拓展資源訪(fǎng)問(wèn)次數(shù)a4n”和“測(cè)驗(yàn)次數(shù)a5n”五個(gè)指標(biāo)。其中，a1n可以通過(guò)學(xué)習(xí)者行為完成時(shí)間tne與任務(wù)發(fā)布時(shí)間tnp做差并設(shè)置閾值φ所得[24]，即φ。

（二）認(rèn)知投入的數(shù)據(jù)融合

如前述，認(rèn)知投入水平由認(rèn)知深度與認(rèn)識(shí)廣度加以表示。認(rèn)知深度Dn由“認(rèn)知深度層次d1n”指標(biāo)表示，采用朱（Zhu，E.）提出的認(rèn)知投入分析框架，將學(xué)習(xí)者發(fā)表的內(nèi)容按照語(yǔ)義單元切割后編碼為無(wú)效、回應(yīng)、信息、解釋、分析、綜合和評(píng)價(jià)，分別賦值0、1、2、3、4、5、6，取最大值作為d1n的值。認(rèn)知廣度Rn由“領(lǐng)域關(guān)鍵詞數(shù)量r1n”指標(biāo)表示，關(guān)鍵詞由學(xué)科專(zhuān)業(yè)名詞和主題相關(guān)術(shù)語(yǔ)共同確定。

（三）情感投入的數(shù)據(jù)融合

如前述，情感投入水平由自我效能感、歸屬感與情緒狀態(tài)加以表示。自我效能感En、歸屬感Cn通過(guò)自我報(bào)告的方式獲得，可由“自我效能感平均得分e1n”和“歸屬感平均得分c1n”指標(biāo)表示。而情緒狀態(tài)Mn可由“情緒狀態(tài)平均得分m1n”和“積極與消極情緒次數(shù)m2n”兩個(gè)指標(biāo)表示。m1n數(shù)據(jù)來(lái)源于自我報(bào)告，可以表示為積極情緒（記為+1）與消極情緒（記為-1）的加權(quán)值。m2n數(shù)據(jù)來(lái)源于傳感器或視頻攝錄，可以表示為出現(xiàn)的積極情緒（記為+1）次數(shù)與消極情緒（記為-1）次數(shù)總和。

（四）社交投入的數(shù)據(jù)融合

如前述，社交投入水平由交互深度與交互廣度加以表示。交互深度Qn由“交互內(nèi)容層次q1n”指標(biāo)表示，采用古納沃德納（Gunawardena，C.N.）的社會(huì)交互分析五層次結(jié)構(gòu)，將具有交互性質(zhì)的帖子或發(fā)言轉(zhuǎn)換為結(jié)構(gòu)化數(shù)據(jù)，即按照知識(shí)建構(gòu)程度將內(nèi)容編碼為1、2、3、4、5，取最大值作為q1n的值。交互廣度Bn由“與人交互次數(shù)b1n”指標(biāo)表示。

五、基于多源數(shù)據(jù)的混合學(xué)習(xí)投入評(píng)價(jià)流程

循證教學(xué)評(píng)價(jià)呈現(xiàn)出“數(shù)據(jù)驅(qū)動(dòng)”的特點(diǎn)，形成數(shù)據(jù)采集、特征選擇、數(shù)據(jù)關(guān)聯(lián)、數(shù)據(jù)融合、態(tài)勢(shì)估計(jì)、反饋決策的評(píng)價(jià)流程。該流程以多源數(shù)據(jù)采集為出發(fā)點(diǎn)，通過(guò)數(shù)據(jù)充足、數(shù)據(jù)歸并、數(shù)據(jù)建模對(duì)教學(xué)評(píng)測(cè)的各項(xiàng)數(shù)據(jù)進(jìn)行系統(tǒng)化分析，進(jìn)而形成多維教學(xué)評(píng)測(cè)結(jié)果，為教師提供有效反饋與精準(zhǔn)決策[6]?；诖?，本研究提出了基于多源數(shù)據(jù)的混合學(xué)習(xí)投入評(píng)價(jià)流程（如圖2所示）。

（一）數(shù)據(jù)采集階段

在數(shù)據(jù)采集階段，結(jié)合混合學(xué)習(xí)的線(xiàn)上線(xiàn)下融合特點(diǎn)，主要采集教學(xué)平臺(tái)日志、課堂教學(xué)錄像、學(xué)生表現(xiàn)與成效等數(shù)據(jù)。為了保證評(píng)價(jià)的全面性與精確性，需要采集全體數(shù)據(jù)，而不是抽樣數(shù)據(jù)。因此，教師在設(shè)計(jì)與組織混合學(xué)習(xí)活動(dòng)時(shí)，應(yīng)建立起全流程采集數(shù)據(jù)的意識(shí)，在線(xiàn)上與線(xiàn)下學(xué)習(xí)活動(dòng)中留存學(xué)習(xí)投入證據(jù)，使學(xué)習(xí)投入證據(jù)數(shù)字化，為后續(xù)學(xué)習(xí)投入的多維評(píng)價(jià)提供數(shù)據(jù)支撐。

（二）數(shù)據(jù)關(guān)聯(lián)階段

在數(shù)據(jù)關(guān)聯(lián)階段，首先，對(duì)存在噪聲的原始數(shù)據(jù)進(jìn)行清洗，排除缺失值、異常值、重復(fù)數(shù)據(jù)等對(duì)評(píng)價(jià)的影響；其次，通過(guò)數(shù)據(jù)標(biāo)注、統(tǒng)計(jì)處理和標(biāo)準(zhǔn)化等方式將非結(jié)構(gòu)化數(shù)據(jù)轉(zhuǎn)為結(jié)構(gòu)化數(shù)據(jù)、實(shí)現(xiàn)數(shù)據(jù)的初步聚合、解決量綱不一的問(wèn)題；再次，將初步處理后的數(shù)據(jù)以學(xué)習(xí)活動(dòng)組織時(shí)間段為單位進(jìn)行對(duì)齊，使數(shù)據(jù)具備情境化、軌跡化與序列化；最后，按照混合學(xué)習(xí)行為投入、認(rèn)知投入、情感投入與社交投入的特征實(shí)現(xiàn)數(shù)據(jù)與投入的多對(duì)一表征或一對(duì)多表征，形成混合學(xué)習(xí)投入證據(jù)集。

（三）數(shù)據(jù)融合階段

在數(shù)據(jù)融合階段，將多種線(xiàn)上數(shù)據(jù)與線(xiàn)下數(shù)據(jù)在空間、時(shí)間上的冗余與互補(bǔ)的信息聯(lián)合、相關(guān)和組合，以形成對(duì)混合學(xué)習(xí)投入一致性解釋與描述。通常而言，有數(shù)據(jù)層融合、特征層融合和決策層融合。數(shù)據(jù)層融合是針對(duì)某個(gè)混合學(xué)習(xí)活動(dòng)的不同來(lái)源數(shù)據(jù)，采用基于自適應(yīng)加權(quán)、基于相關(guān)函數(shù)的方法等實(shí)現(xiàn)數(shù)據(jù)融合。特征層融合是聚焦混合學(xué)習(xí)活動(dòng)序列中不同來(lái)源數(shù)據(jù)，對(duì)其特征進(jìn)行提取并采用機(jī)器學(xué)習(xí)算法實(shí)現(xiàn)數(shù)據(jù)融合。決策層融合是從混合學(xué)習(xí)的全場(chǎng)域全流程角度對(duì)不同來(lái)源數(shù)據(jù)進(jìn)行一系列處理（包括預(yù)處理、特征提取、識(shí)別或判決等）后，先形成多個(gè)數(shù)據(jù)模型，再對(duì)模型進(jìn)行組合完成數(shù)據(jù)融合。

（四）解釋與決策階段

在解釋與決策階段，針對(duì)數(shù)據(jù)融合階段做出的數(shù)據(jù)關(guān)聯(lián)，給予客觀解釋與態(tài)勢(shì)預(yù)測(cè)，進(jìn)而做出教學(xué)決策。在解釋數(shù)據(jù)前，需要對(duì)前期數(shù)據(jù)的采集、處理與分析過(guò)程進(jìn)行審視和分析，避免因失誤對(duì)后續(xù)評(píng)價(jià)結(jié)果帶來(lái)偏差。審視時(shí)需要考慮：是否將現(xiàn)有的數(shù)據(jù)采集途徑很好地融合到學(xué)習(xí)活動(dòng)中、采集數(shù)據(jù)時(shí)呈現(xiàn)的數(shù)據(jù)格式等是否存在問(wèn)題、是否已經(jīng)利用了已有的全部數(shù)據(jù)、是否將證據(jù)集中的所有數(shù)據(jù)納入評(píng)價(jià)中。在教學(xué)決策前，需要分析數(shù)據(jù)結(jié)果的原因，以便準(zhǔn)確提出促進(jìn)學(xué)習(xí)投入水平的策略。

六、基于多源數(shù)據(jù)的混合學(xué)習(xí)投入評(píng)價(jià)實(shí)踐

本研究選取H大學(xué)的“技術(shù)促進(jìn)學(xué)習(xí)的前沿創(chuàng)新”混合學(xué)習(xí)課程進(jìn)行實(shí)踐，按照基于多源數(shù)據(jù)的混合學(xué)習(xí)投入評(píng)價(jià)流程，參照混合學(xué)習(xí)投入評(píng)價(jià)的多源數(shù)據(jù)表征進(jìn)行數(shù)據(jù)采集、關(guān)聯(lián)、融合與決策。該課程的混合學(xué)習(xí)流程包括四個(gè)教學(xué)環(huán)節(jié)：提供支架、知識(shí)建構(gòu)；深度交互、強(qiáng)化理解；實(shí)踐體驗(yàn)、知識(shí)應(yīng)用；評(píng)價(jià)反饋、總結(jié)提升。自主學(xué)習(xí)型、自由交流型、小組協(xié)作型、自我反思型等線(xiàn)上線(xiàn)下學(xué)習(xí)活動(dòng)貫穿在四個(gè)教學(xué)環(huán)節(jié)中。

（一）數(shù)據(jù)采集

本研究利用中國(guó)大學(xué)SPOC平臺(tái)、慕課堂采集學(xué)生在教學(xué)平臺(tái)參與線(xiàn)上活動(dòng)的日志數(shù)據(jù)；利用攝像機(jī)采集學(xué)生在課堂參與線(xiàn)下活動(dòng)的錄像數(shù)據(jù)；利用騰訊文檔、接龍管家小程序、問(wèn)卷星等方式采集學(xué)生的線(xiàn)上線(xiàn)下的學(xué)習(xí)表現(xiàn)與成效數(shù)據(jù)，包括情感投入調(diào)查問(wèn)卷、設(shè)計(jì)作品、思維導(dǎo)圖等人工制品。其中，情感投入調(diào)查問(wèn)卷主要參考李維的自我效能感量表[25]、張盈霄的歸屬感量表[26]和韓彥鳳的情緒狀態(tài)量表[27]?；顒?dòng)與數(shù)據(jù)對(duì)應(yīng)關(guān)系如圖3所示。

（二）數(shù)據(jù)關(guān)聯(lián)

首先，進(jìn)行數(shù)據(jù)預(yù)處理。針對(duì)缺失值，一方面，對(duì)參與活動(dòng)次數(shù)少于總活動(dòng)次數(shù)40%的樣本進(jìn)行處理，在分析數(shù)據(jù)時(shí)將其暫時(shí)剔除，最終剩余66個(gè)樣本。另一方面對(duì)樣本中仍存在的缺失值賦予0值或以序列均值插補(bǔ)的方式處理。針對(duì)異常值，即未參與到學(xué)習(xí)活動(dòng)中但是卻填寫(xiě)了情感投入調(diào)查問(wèn)卷的樣本，以序列均值插補(bǔ)的方式處理。其次，進(jìn)行數(shù)據(jù)轉(zhuǎn)換。針對(duì)非結(jié)構(gòu)化數(shù)據(jù)，在Nvivo中按照認(rèn)知投入分析框架對(duì)文本數(shù)據(jù)進(jìn)行編碼、用Python自然語(yǔ)言處理庫(kù)統(tǒng)計(jì)文本數(shù)據(jù)中的關(guān)鍵詞數(shù)量；將時(shí)間格式數(shù)據(jù)等不滿(mǎn)足分析要求的數(shù)據(jù)按照公式進(jìn)行轉(zhuǎn)換；將所有數(shù)據(jù)轉(zhuǎn)化為無(wú)量綱的純數(shù)值。本研究以Min-Max標(biāo)準(zhǔn)化方法對(duì)數(shù)據(jù)進(jìn)行處理，即X=，然后進(jìn)行數(shù)據(jù)對(duì)齊與保存。數(shù)據(jù)對(duì)齊與特征關(guān)聯(lián)是保證數(shù)據(jù)價(jià)值挖掘的重要步驟。本研究按照“環(huán)節(jié)—活動(dòng)—投入”的邏輯將數(shù)據(jù)進(jìn)行對(duì)齊與保存（如圖4所示），形成混合學(xué)習(xí)投入證據(jù)集。

（三）數(shù)據(jù)融合

混合學(xué)習(xí)環(huán)境的靈活性特征使得不同情境下采集的數(shù)據(jù)類(lèi)型及提取的特征存在較大差異，而這些特征所反映的投入概念與內(nèi)涵卻是不變的。因此，在進(jìn)一步分析數(shù)據(jù)前，應(yīng)對(duì)證據(jù)集中的數(shù)據(jù)做特征融合，得到不同活動(dòng)的不同維度的混合學(xué)習(xí)投入水平。首先，確定每個(gè)特征的權(quán)重系數(shù)。教育環(huán)境下的特征并非固定的，會(huì)跟隨情境變動(dòng)。因此，采用客觀賦權(quán)法方式對(duì)其進(jìn)行融合。其中，變異系數(shù)法是該類(lèi)方法中能夠反映指標(biāo)數(shù)據(jù)的變化信息的一種方法，表示為標(biāo)準(zhǔn)差和均值的商。指標(biāo)權(quán)重系數(shù)表示為w=，其中σj為該指標(biāo)的變異系數(shù)，變異系數(shù)越大指標(biāo)權(quán)重越大，變異系數(shù)越小指標(biāo)權(quán)重越小。然后采用線(xiàn)性加權(quán)法得到不同維度的投入值。其次，采用K-Means算法對(duì)樣本進(jìn)行聚類(lèi)分析，得到不同樣本的分類(lèi)標(biāo)簽。通過(guò)遍歷簇?cái)?shù)并計(jì)算輪廓系數(shù)的值，確定樣本的最佳分類(lèi)簇?cái)?shù)k為3，此時(shí)的輪廓系數(shù)值為0.32。

（四）解釋與決策

1. 混合學(xué)習(xí)投入總體情況

通過(guò)對(duì)學(xué)生混合學(xué)習(xí)投入進(jìn)行描述性統(tǒng)計(jì)分析發(fā)現(xiàn)（見(jiàn)表2），學(xué)生各投入維度的平均值按照從大到小排列為：行為投入>情感投入>認(rèn)知投入＞社交投入，說(shuō)明混合行為投入處于較高水平，混合認(rèn)知投入和混合情感投入處于中等偏下水平，混合社交投入處于較低水平。其中，在行為投入上，完成度明顯高于積極性；在情感投入上，自我效能感高于歸屬感與情緒狀態(tài)；在認(rèn)知投入上，認(rèn)知深度略高于認(rèn)知廣度；在社交投入上，交互深度與交互廣度十分接近。

2. 學(xué)生混合學(xué)習(xí)投入類(lèi)型與表現(xiàn)

從聚類(lèi)分析結(jié)果來(lái)看，參考施密特（Schmidt，J.A）等人對(duì)大學(xué)生學(xué)習(xí)投入類(lèi)型的劃分[28]，根據(jù)圖5呈現(xiàn)的不同維度特征關(guān)系圖，參與本次混合學(xué)習(xí)課程的學(xué)習(xí)者大致可以分為三種類(lèi)型：低投入型學(xué)習(xí)者、愉悅但中等投入型學(xué)習(xí)者和勉強(qiáng)但理性投入型學(xué)習(xí)者，這三類(lèi)學(xué)習(xí)者分別占比為24%、32%和44%。低投入型學(xué)習(xí)者四個(gè)維度均處于較低水平，這類(lèi)學(xué)生往往不夠重視課程，學(xué)習(xí)任務(wù)完成較為敷衍，甚至忘記完成學(xué)習(xí)任務(wù)，在教學(xué)時(shí)應(yīng)通過(guò)小組互助的方式調(diào)動(dòng)其積極性；愉悅但中等投入型學(xué)習(xí)者的情感水平較高，其他維度投入處于中等水平，這類(lèi)學(xué)生容易在情感投入的情況下，基于已有的知識(shí)經(jīng)驗(yàn)付出較少努力來(lái)應(yīng)付課程，在教學(xué)時(shí)應(yīng)通過(guò)明確學(xué)習(xí)任務(wù)與其自身成就的相關(guān)性等方式，調(diào)動(dòng)其對(duì)學(xué)習(xí)任務(wù)價(jià)值的認(rèn)同感；勉強(qiáng)但理性投入型學(xué)習(xí)者的情感投入水平較低，但其他維度投入?yún)s處于較高水平，這類(lèi)學(xué)生往往受到“績(jī)點(diǎn)”的外部動(dòng)機(jī)驅(qū)使而不得不高質(zhì)量完成學(xué)習(xí)任務(wù)，在教學(xué)時(shí)應(yīng)考慮增加教學(xué)趣味性以改善教學(xué)氛圍。

為了進(jìn)一步了解不同類(lèi)型學(xué)習(xí)者看待問(wèn)題時(shí)的認(rèn)知深度是否存在差異，本研究采用認(rèn)知網(wǎng)絡(luò)分析法進(jìn)行探究。結(jié)果表明：（1）不同類(lèi)型學(xué)習(xí)者認(rèn)知網(wǎng)絡(luò)質(zhì)心處于Y軸左、中、右三個(gè)位置，有顯著差異性，說(shuō)明三類(lèi)學(xué)習(xí)者的認(rèn)知深度差別較大；（2）從圖6的疊減圖可知，低投入型學(xué)習(xí)者相比愉悅但中等投入型學(xué)習(xí)者，回答問(wèn)題時(shí)更容易采用簡(jiǎn)單回應(yīng)或提供信息的方式，愉悅但中等投入型學(xué)習(xí)者相比勉強(qiáng)但理性投入型學(xué)習(xí)者同樣如此，而勉強(qiáng)但理性投入型學(xué)習(xí)者在回答問(wèn)題時(shí)更傾向于采用綜合多角度觀點(diǎn)和批判性評(píng)價(jià)的方式。由此，在教學(xué)時(shí)可以考慮采用階梯式問(wèn)題，再輔以進(jìn)階式支架，幫助學(xué)生建立起線(xiàn)上線(xiàn)下知識(shí)聯(lián)結(jié)、已有知識(shí)與新知識(shí)聯(lián)結(jié)，引導(dǎo)學(xué)生對(duì)問(wèn)題的思考逐步深入。

此外，本研究還利用社會(huì)網(wǎng)絡(luò)分析法探究了班級(jí)整體的社會(huì)網(wǎng)絡(luò)分布，以及不同類(lèi)型學(xué)習(xí)者的社會(huì)關(guān)系情況。結(jié)果表明：（1）網(wǎng)絡(luò)密度為0.125，學(xué)生之間均有次數(shù)不等的交互，但交互緊密程度一般；（2）對(duì)子群及其內(nèi)部成員之間的關(guān)系特點(diǎn)進(jìn)行分析，共得到27個(gè)小團(tuán)體，團(tuán)體成員3個(gè)以上僅占26%，說(shuō)明學(xué)生間只有極小部分形成了牢固的共同體關(guān)系。究其原因，一方面是由于本研究實(shí)踐的課程是一門(mén)全校性公選課，學(xué)生均來(lái)自不同學(xué)院，其學(xué)習(xí)背景、經(jīng)歷以及熟悉程度等存在較大差異，從而導(dǎo)致相互之間合作粘性不夠；另一方面是因?yàn)閷W(xué)生對(duì)混合學(xué)習(xí)活動(dòng)接觸不多，對(duì)合作互動(dòng)的技能把握相對(duì)欠缺。（3）由圖7的可視化網(wǎng)絡(luò)圖可知，低投入型學(xué)習(xí)者主要分布在網(wǎng)絡(luò)外圍，幾乎不參與到互動(dòng)中，而其余兩種類(lèi)型學(xué)習(xí)者則主要分布在網(wǎng)絡(luò)核心區(qū)域，從連線(xiàn)深度可以看出這兩類(lèi)學(xué)員間的交互頻次較多。

通過(guò)分析每個(gè)維度的投入水平與班級(jí)投入水平的差異，再聚焦到學(xué)習(xí)活動(dòng)中查悉原因，并給出建設(shè)性指導(dǎo)建議，進(jìn)而呈現(xiàn)學(xué)生混合學(xué)習(xí)投入報(bào)告。

3. 學(xué)生混合學(xué)習(xí)投入預(yù)測(cè)

本研究采用基于Bagging方法的隨機(jī)森林模型進(jìn)行建模，將行為投入、認(rèn)知投入、情感投入和社交投入作為隨機(jī)森林模型的輸入，聚類(lèi)結(jié)果作為輸出，并將樣本數(shù)據(jù)分為訓(xùn)練集和測(cè)試集兩個(gè)部分。在模型訓(xùn)練階段，將訓(xùn)練集數(shù)據(jù)輸入到隨機(jī)森林模型中，以十折交叉驗(yàn)證和網(wǎng)格搜索方法（Grid-search）確定模型參數(shù)n_estimate和max_feature的最優(yōu)值，結(jié)果分別為21和“sqrt”。在模型測(cè)試階段，將測(cè)試集數(shù)據(jù)輸入到訓(xùn)練好的模型中，得到模型的平均準(zhǔn)確率接近95%。其中，模型各預(yù)測(cè)指標(biāo)的重要性值分別為：行為投入0.328，認(rèn)知投入0.266，情感投入0.265，社交投入0.141。這說(shuō)明行為投入、認(rèn)知投入和情感投入對(duì)學(xué)生混合學(xué)習(xí)投入的預(yù)測(cè)作用更顯著。但由于課程中交流互動(dòng)類(lèi)活動(dòng)所占比例較低，使得社交投入數(shù)據(jù)量低于其他三種投入，在一定程度上影響其重要性值。

七、結(jié) ? 語(yǔ)

基于證據(jù)的循證教學(xué)評(píng)價(jià)，為解決混合學(xué)習(xí)投入評(píng)價(jià)提供新思路與新方法。本研究從“學(xué)習(xí)活動(dòng)—學(xué)習(xí)投入—學(xué)習(xí)數(shù)據(jù)”三層結(jié)構(gòu)出發(fā)，構(gòu)建起混合學(xué)習(xí)投入評(píng)價(jià)的多源數(shù)據(jù)表征模型，基于連續(xù)性多源數(shù)據(jù)采集、關(guān)聯(lián)、融合、解釋與決策，對(duì)混合學(xué)習(xí)投入評(píng)價(jià)進(jìn)行實(shí)踐探索，較好地反映學(xué)生在線(xiàn)上線(xiàn)下融合環(huán)境中開(kāi)展混合學(xué)習(xí)的行為投入、認(rèn)知投入、情感投入和社交投入狀態(tài)，并對(duì)學(xué)生混合學(xué)習(xí)投入類(lèi)型做出判斷與預(yù)測(cè)，突破了傳統(tǒng)混合學(xué)習(xí)投入評(píng)價(jià)的“片段式”和“單一數(shù)據(jù)源”的局限，為教師有效設(shè)計(jì)、組織混合學(xué)習(xí)活動(dòng)提供科學(xué)依據(jù)。隨著生物傳感技術(shù)、智能采集技術(shù)的發(fā)展，以及數(shù)據(jù)融合方法的涌現(xiàn)，為后續(xù)表征混合學(xué)習(xí)投入狀態(tài)的多模態(tài)數(shù)據(jù)采集與計(jì)算提供了強(qiáng)有力的技術(shù)支撐。由于混合學(xué)習(xí)具有很強(qiáng)靈活性，下一步研究將獲取模態(tài)更多樣、時(shí)序更豐富的代表性數(shù)據(jù)，在更大的樣本范圍內(nèi)開(kāi)展實(shí)踐檢驗(yàn)，以提升混合學(xué)習(xí)投入評(píng)價(jià)的多源數(shù)據(jù)表征模型的通用性，豐富多源數(shù)據(jù)與混合學(xué)習(xí)投入評(píng)價(jià)的映射關(guān)系，進(jìn)而為全面、科學(xué)、準(zhǔn)確地評(píng)價(jià)學(xué)生混合學(xué)習(xí)投入提供可行依據(jù)。

[參考文獻(xiàn)]

[1] 馮曉英，孫雨薇，曹潔婷.“互聯(lián)網(wǎng)+”時(shí)代的混合式學(xué)習(xí)：學(xué)習(xí)理論與教法學(xué)基礎(chǔ)[J].中國(guó)遠(yuǎn)程教育，2019（2）：7-16，92.

[2] GARRISON D R， VAUGHAN N D. Blended learning in higher education：framework，principles，and guidelines[M]. San Francisco： Jossey-Bass，2007.

[3] G？譈N？譈？覶 S， KUZU A. Factors influencing student engagement and the role of technology in student engagement in higher education：campus-class-technology theory[J]. Turkish online journal of qualitative inquiry，2014（5）：86-113.

[4] 馬婧.混合教學(xué)環(huán)境下大學(xué)生學(xué)習(xí)投入影響機(jī)制研究[J].中國(guó)遠(yuǎn)程教育，2020（2）：57-67.

[5] 馬婧，周倩.混合式環(huán)境下大學(xué)生學(xué)習(xí)性投入維度構(gòu)成及其實(shí)證研究[J].教育發(fā)展研究，2019（7）：54-65.

[6] 牟智佳，劉珊珊，陳明選. 循證教學(xué)評(píng)價(jià)：數(shù)智化時(shí)代下高校教師教學(xué)評(píng)價(jià)的新取向[J].中國(guó)電化教育，2021（9）：104-111.

[7] 楊向東.教育測(cè)量在教育評(píng)價(jià)中的角色[J].全球教育展望，2007（11）：15-25.

[8] HENRIE C R， HALVERSON L R， GRAHAM C R. Measuring student engagement in technology-mediated learning：a review[J]. Computers & education，2015，90（9）：36-53.

[9] POON L K M， KONG S C， YAU T S H. et al. Learning analytics for monitoring students participation online：visualizing navigational patterns on learning management system[C].proceedings of 10th International Conference on Blended Learning， Hong Kong， June27-29，2017 Springer Cham，2017.

[10] 鐘薇.混合學(xué)習(xí)環(huán)境下面向參與度的學(xué)習(xí)行為分析研究[D].上海：華東師范大學(xué)，2017.

[11] 周媛，韓彥鳳. 混合學(xué)習(xí)活動(dòng)中學(xué)習(xí)者學(xué)習(xí)投入的研究[J].電化教育研究，2018（10）：99-105.

[12] LEE J， BONK C J. Social network analysis of peer relationships and online interactions in a blended class using blogs[J]. The internet and higher education，2016，28（1）：35-44.

[13] 張琪，王紅梅.學(xué)習(xí)投入的多模態(tài)數(shù)據(jù)表征：支撐理論、研究框架與關(guān)鍵技術(shù)[J]. 電化教育研究，2019（11）：21-28.

[14] 馬志強(qiáng)，岳蕓竹.面向即時(shí)數(shù)據(jù)采集與分析的學(xué)習(xí)投入縱向研究——基于經(jīng)驗(yàn)取樣法與交叉滯后分析的綜合應(yīng)用[J].電化教育研究，2020（4）：71-77.

[15] 吳軍其，吳飛燕，張萌萌，戴新菊，張影.多模態(tài)視域下智慧課堂協(xié)作學(xué)習(xí)投入度分析模型構(gòu)建及應(yīng)用[J].電化教育研究，2022（7）：73-80，88.

[16] 黃濤，趙媛，耿晶，等.數(shù)據(jù)驅(qū)動(dòng)的精準(zhǔn)化學(xué)習(xí)評(píng)價(jià)機(jī)制與方法[J].現(xiàn)代遠(yuǎn)程教育研究，2021（1）：3-12.

[17] 毛剛，周躍良，何文濤.教育大數(shù)據(jù)背景下教學(xué)評(píng)價(jià)理論發(fā)展的路向[J].電化教育研究，2020（10）：22-28.

[18] 張家華，胡惠芝，黃昌勤.多模態(tài)學(xué)習(xí)分析技術(shù)支持的學(xué)習(xí)評(píng)價(jià)研究[J].現(xiàn)代教育技術(shù)，2022（9）：38-45.

[19] 王慧君，張念.基于“證據(jù)”的高校混合學(xué)習(xí)課程學(xué)業(yè)評(píng)價(jià)模型構(gòu)建[J].電化教育研究，2020（5）：89-95.

[20] FREDRICKS J， BLUMENFELD P， PARIS A. School engagement：potential of the concept， state of the evidence[J]. Review of educational research， 2004（1）： 59-109.

[21] ZHU E. Interaction and cognitive engagement： an analysis of four asynchronous online discussions[J]. Instructional science， 2006， 34（6）： 451-480.

[22] 李新，李艷燕，包昊罡，程露. 學(xué)習(xí)投入測(cè)評(píng)新發(fā)展：從單維分析到多模態(tài)融合[J].電化教育研究，2021（10）：100-107.

[23] GUNAWARDENA C N， LOWE C A， ANDERSON T. Analysis of a global online debate and the development of an interaction analysis model for examining social construction of knowledge in computer conference[J]. Journal of educational computing research，1997，17（4）：397-431.

[24] 張曉峰，李明喜，俞建慧，吳剛.面向?qū)W習(xí)云空間的認(rèn)知投入量化研究[J].中國(guó)遠(yuǎn)程教育，2020（5）：18-28.

[25] 李維，白穎穎.初二學(xué)生感知的教師支持如何影響學(xué)業(yè)成績(jī)？——基于學(xué)業(yè)自我效能感與學(xué)習(xí)投入的多重中介效應(yīng)分析[J].教育與經(jīng)濟(jì)，2018（6）：86-92.

[26] 張盈霄，孫旭寧，謝家樹(shù)，李紅育，鄒莎. 學(xué)校歸屬感量表的中文修訂[J].中國(guó)臨床心理學(xué)雜志，2021（12）：1188-1192.

[27] 韓彥鳳.混合式學(xué)習(xí)活動(dòng)中學(xué)習(xí)投入的差異性研究[D].蘭州：西北師范大學(xué)，2018.

[28] SCHMIDT J A， ROSENBERG J M， BEVMER P N. A person-in-context approach to student engagement in science：examining learning activities and choice[J]. Journal of research in science teaching，2018，55（1）：19-43.

A Study on Evaluation of Blended Learning Engagement from the Perspective of Evidence-based Teaching Evaluation

YING Rui， ?HE Shuyin

（School of Information Technology in Education， South China Normal University，

Guangzhou Guangdong 510631）

[Abstract] In the era of "Internet + Education"， blended learning has become the primary teaching approach in higher education， with learning engagement emerging as a crucial metric for assessing the quality of blended learning. Evidence-based teaching evaluation emphasizes the collection of teaching evidence from multiple sources throughout the entire teaching process， and focuses on the multidimensional evaluation and measurement of the teaching process and its effectiveness， providing new ideas for the evaluation of blended learning engagement. This study proposes a multi-source data representation model based on the correspondence of "learning activity， learning engagement， and learning data"， combined with the characteristics of online and offline integration in blended learning. Furthermore， a multi-source data fusion method for evaluating blended learning engagement is established from behavioral， cognitive， affective and social levels. This study also proposes an evaluation process of blended learning engagement based on multi-source data， which includes data collection， data combination， data fusion， explanation and decision making. The empirical study finds that in the blended learning course， the multi-source data from online teaching platform logs， classroom videos， and learning performance and effectiveness can accurately measure the type and performance of students' blended learning engagement， and have good predictions on the blended learning engagement status.

[Keywords] Evidence-based Teaching Evaluation; Blended Learning Engagement; Multi-source Data