摘 要：第十二屆學(xué)習(xí)分析與知識(shí)國(guó)際會(huì)議（LAK）作為學(xué)習(xí)分析領(lǐng)域最具影響力的知識(shí)平臺(tái)，是探索該領(lǐng)域國(guó)際焦點(diǎn)與前瞻的抓手。研究采用LDA主題模型、社會(huì)網(wǎng)絡(luò)及引文回溯等語(yǔ)義挖掘方式對(duì)LAK22收錄文獻(xiàn)進(jìn)行評(píng)述與分析，發(fā)現(xiàn)學(xué)習(xí)分析在多模態(tài)學(xué)習(xí)數(shù)據(jù)挖掘、學(xué)習(xí)者精準(zhǔn)學(xué)業(yè)預(yù)測(cè)、學(xué)習(xí)動(dòng)態(tài)監(jiān)控與反饋、個(gè)性化教學(xué)干預(yù)決策、安全與道德倫理保障等方面的研究焦點(diǎn)及其在理論、應(yīng)用與技術(shù)層面的前瞻動(dòng)向。這啟示我們，未來(lái)學(xué)習(xí)分析研究應(yīng)關(guān)注涵蓋安全倫理道德的學(xué)習(xí)分析理論建設(shè)、關(guān)注各類(lèi)傳感器在多模態(tài)數(shù)據(jù)挖掘中的應(yīng)用、關(guān)注自我調(diào)節(jié)學(xué)習(xí)策略在監(jiān)控反饋中的應(yīng)用、關(guān)注情感算法在學(xué)業(yè)精準(zhǔn)預(yù)測(cè)中的技術(shù)開(kāi)發(fā)、關(guān)注符合腦認(rèn)知學(xué)的干預(yù)決策系統(tǒng)技術(shù)開(kāi)發(fā)。

關(guān)鍵詞：學(xué)習(xí)分析與知識(shí)國(guó)際會(huì)議；學(xué)習(xí)分析；多模態(tài)數(shù)據(jù)挖掘；學(xué)業(yè)預(yù)測(cè)：教學(xué)干預(yù)；教育公平與倫理

中圖分類(lèi)號(hào)：G4 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：2096-0069（2024）03-0085-08

引言

作為促進(jìn)教與學(xué)發(fā)展的關(guān)鍵技術(shù)，學(xué)習(xí)分析一直是學(xué)界關(guān)注的熱點(diǎn)議題之一。學(xué)習(xí)分析研究學(xué)會(huì)（Society for Learing Analytics Research，簡(jiǎn)稱(chēng) SoLAR）組織的學(xué)習(xí)分析與知識(shí)國(guó)際會(huì)議LAK（International Conference on Learning Analytics amp; Knowledge，簡(jiǎn)稱(chēng)LAK）作為專(zhuān)門(mén)面向?qū)W習(xí)分析研究的國(guó)際性頂級(jí)學(xué)術(shù)會(huì)議[1]，匯聚和展示了學(xué)習(xí)分析領(lǐng)域最具權(quán)威的學(xué)術(shù)觀點(diǎn)，是學(xué)習(xí)分析領(lǐng)域前沿與動(dòng)態(tài)的方向標(biāo)。第十二屆學(xué)習(xí)分析與知識(shí)國(guó)際會(huì)議（LAK22）于2022年3月21日至25日在線舉行，主題為“學(xué)習(xí)分析以促進(jìn)轉(zhuǎn)型、突破和社會(huì)革新（Learning Analytics for Transition， Disruption and Social Change）”。來(lái)自教育技術(shù)學(xué)、社會(huì)學(xué)、計(jì)算機(jī)科學(xué)、數(shù)據(jù)學(xué)科等領(lǐng)域的專(zhuān)家、學(xué)者、行政領(lǐng)導(dǎo)以及相關(guān)從業(yè)人員，共同交流和研討。LAK22共接受長(zhǎng)論文39篇、短論文23篇。對(duì)LAK22收錄的論文進(jìn)行研究分析，能夠析出當(dāng)前學(xué)習(xí)分析的研究熱點(diǎn)，有利于厘清學(xué)習(xí)分析研究的發(fā)展脈絡(luò)，展望學(xué)習(xí)分析研究的未來(lái)趨向。

一、研究過(guò)程與結(jié)果

（一）分析框架設(shè)計(jì)

本研究選定第十二屆學(xué)習(xí)分析與知識(shí)國(guó)際會(huì)議所收錄的全部62篇論文為分析對(duì)象，以Python、UCINET為研究工具，通過(guò)對(duì)論文正文、關(guān)鍵詞及參考文獻(xiàn)開(kāi)展LDA主題建模、社會(huì)網(wǎng)絡(luò)和引文回溯分析，力求析出數(shù)智賦能下的學(xué)習(xí)分析領(lǐng)域的國(guó)際焦點(diǎn)，厘清研究的前瞻動(dòng)向，以期構(gòu)建學(xué)習(xí)分析領(lǐng)域的研究熱點(diǎn)結(jié)構(gòu)和學(xué)習(xí)分析研究發(fā)展框架，并對(duì)學(xué)習(xí)分析研究的發(fā)展提出關(guān)切與展望。研究路線與分析框架如圖1（見(jiàn)下頁(yè)）所示。

（二）LDA主題模型

以LAK22收錄的62篇文章正文為樣本，利用Python，將全部文本數(shù)據(jù)轉(zhuǎn)化為小寫(xiě)英文；并對(duì)每個(gè)字符進(jìn)行英文判斷，去除非英文的數(shù)據(jù)；對(duì)處理結(jié)果進(jìn)行按照空格切分，得到切詞后數(shù)據(jù)。然后，使用Gensim構(gòu)建詞典語(yǔ)料庫(kù)，使用LDA模型對(duì)數(shù)據(jù)進(jìn)行訓(xùn)練，將文本數(shù)據(jù)劃分為3～10個(gè)主題；通過(guò)結(jié)果主題效果歸類(lèi)判斷，選擇最優(yōu)主題聚類(lèi)數(shù)為5，生成LDA結(jié)果。

表1展示了每個(gè)主題中所轄的典型文本及其權(quán)重。主題1主要圍繞多模態(tài)學(xué)習(xí)數(shù)據(jù)挖掘與分析展開(kāi)，包含學(xué)習(xí)者的社會(huì)交互情況、發(fā)帖文本、基于傳感器的生理數(shù)據(jù)挖掘類(lèi)型，涵蓋了文本、語(yǔ)音分析等數(shù)據(jù)處理方式。主題2中主要用于預(yù)測(cè)學(xué)習(xí)者學(xué)業(yè)表現(xiàn)的學(xué)習(xí)者建模以及算法訓(xùn)練，足見(jiàn)精準(zhǔn)化用戶(hù)學(xué)業(yè)走向預(yù)測(cè)是當(dāng)前國(guó)際學(xué)習(xí)分析領(lǐng)域的視角之一。主題3指向?qū)W習(xí)動(dòng)態(tài)監(jiān)控與反饋，主要體現(xiàn)在學(xué)習(xí)分析儀表盤(pán)、自動(dòng)化、可視化等呈現(xiàn)方式。主題4聚焦學(xué)習(xí)分析中的個(gè)性化教學(xué)干預(yù)與數(shù)智決策，包含學(xué)業(yè)預(yù)警等介入方式，也包含智能教學(xué)系統(tǒng)等數(shù)智決策形態(tài)。主題5關(guān)注學(xué)習(xí)分析中的倫理道德與隱私安全問(wèn)題，包含用戶(hù)隱私、規(guī)則保障等關(guān)鍵詞。5個(gè)主題聚類(lèi)分別代表學(xué)習(xí)分析的5大國(guó)際焦點(diǎn)：多模態(tài)學(xué)習(xí)數(shù)據(jù)挖掘、學(xué)習(xí)者精準(zhǔn)學(xué)業(yè)預(yù)測(cè)、學(xué)習(xí)動(dòng)態(tài)監(jiān)控與反饋、個(gè)性化教學(xué)干預(yù)決策、安全與道德倫理保障。

（三）社會(huì)網(wǎng)絡(luò)分析

樣本選定大會(huì)收錄論文的62組關(guān)鍵詞，利用Ucinet 6.0與NetDraw開(kāi)展可視化關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)結(jié)構(gòu)和中心性計(jì)算研究。

1. 共現(xiàn)網(wǎng)絡(luò)分析

從LAK22高頻關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)結(jié)構(gòu)可以看出，核心關(guān)鍵詞的網(wǎng)絡(luò)結(jié)構(gòu)與本屆大會(huì)的主題“學(xué)習(xí)分析以促進(jìn)轉(zhuǎn)型、突破和社會(huì)革新”緊密相關(guān)，“學(xué)習(xí)分析”一詞處于網(wǎng)絡(luò)中心位置，為研究的核心內(nèi)容，體現(xiàn)了LAK22的辦會(huì)宗旨。環(huán)繞學(xué)習(xí)分析，呈現(xiàn)出多模態(tài)學(xué)習(xí)分析、計(jì)算機(jī)支持的協(xié)作學(xué)習(xí)、倫理、教育數(shù)據(jù)挖掘以及高等教育等主題，表示學(xué)習(xí)分析與協(xié)作學(xué)習(xí)、數(shù)據(jù)挖掘、高等教育、安全倫理等方面顯著關(guān)聯(lián)。同時(shí)，自動(dòng)反饋、機(jī)器學(xué)習(xí)、自然語(yǔ)言處理等話題也在網(wǎng)絡(luò)中占據(jù)重要地位，可見(jiàn)當(dāng)前數(shù)據(jù)科學(xué)、信息技術(shù)和智能技術(shù)在一定程度上延展了學(xué)習(xí)分析的內(nèi)涵，推動(dòng)了學(xué)習(xí)分析技術(shù)的轉(zhuǎn)型發(fā)展。另外，人工智能技術(shù)和多模態(tài)數(shù)據(jù)挖掘與分析技術(shù)作為L(zhǎng)AK22的重點(diǎn)研究視角，是新時(shí)代學(xué)習(xí)形態(tài)向數(shù)智化轉(zhuǎn)型發(fā)展的重要契機(jī)。此外，公平倫理等核心關(guān)鍵詞暗示了學(xué)習(xí)分析技術(shù)的發(fā)展與數(shù)據(jù)安全倫理問(wèn)題間的平衡關(guān)系及同步探索。

2. 中心性計(jì)算

在網(wǎng)絡(luò)節(jié)點(diǎn)中心度數(shù)值計(jì)算部分，據(jù)表2所示，學(xué)習(xí)分析、高等教育、倫理等關(guān)鍵詞在高頻關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)中有較高的度數(shù)中心性，處于較重要的地位，為學(xué)習(xí)分析領(lǐng)域的發(fā)展提供了較多的知識(shí)溢出。在線學(xué)習(xí)、討論板、多模態(tài)學(xué)習(xí)分析等關(guān)鍵詞在高頻關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)中有較大的中間中心度，這些關(guān)鍵詞更有可能在網(wǎng)絡(luò)中扮演“樞紐”與“過(guò)渡”的角色；計(jì)算機(jī)支持的協(xié)作學(xué)習(xí)、倫理、機(jī)器學(xué)習(xí)、混合式學(xué)習(xí)、自動(dòng)反饋、自然語(yǔ)言處理等，在高頻關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)中有較小的接近中心性，表示后續(xù)發(fā)展的前景開(kāi)闊，這些關(guān)鍵詞更有可能成為學(xué)習(xí)分析的發(fā)展前沿。

（四）引文回溯分析

在引文回溯分析環(huán)節(jié)，選用LAK22收錄的62篇論文中的2587條參考文獻(xiàn)為研究樣本，按其發(fā)表時(shí)間，從首屆LAK22舉辦時(shí)間2011年開(kāi)始，以每3年為1個(gè)時(shí)間切片進(jìn)行劃分，形成4個(gè)時(shí)序集合，并對(duì)每個(gè)時(shí)序集合內(nèi)的引文題目進(jìn)行詞頻分析，通過(guò)對(duì)比不同年份詞頻的變化特征，揭示學(xué)習(xí)分析領(lǐng)域研究視角的演變，以此推演學(xué)習(xí)分析研究的發(fā)展規(guī)律與前瞻動(dòng)向。對(duì)比發(fā)現(xiàn)，“學(xué)習(xí)分析”占主體，且體量趨于平穩(wěn)，表明各階段的引文都將學(xué)習(xí)分析標(biāo)記為中心議題。理論層面，“技術(shù)”“數(shù)據(jù)”標(biāo)簽的體量漸趨減小，“公平”“體系”標(biāo)簽的比重逐步提高，這表明學(xué)習(xí)分析領(lǐng)域的關(guān)注點(diǎn)正逐步從“技術(shù)本位”向“教育本真”轉(zhuǎn)變。應(yīng)用層面，“協(xié)作學(xué)習(xí)”的體量逐步增加，這表明學(xué)習(xí)分析的應(yīng)用越來(lái)越關(guān)注對(duì)學(xué)習(xí)者協(xié)作交互情況的分析，體現(xiàn)了學(xué)習(xí)分析與計(jì)算機(jī)支持協(xié)作學(xué)習(xí)兩大研究方向的漸進(jìn)與融合；且“教室”等關(guān)鍵詞弱化，“在線”“虛擬”等關(guān)鍵詞體量增加，這體現(xiàn)了學(xué)習(xí)分析的應(yīng)用正從現(xiàn)實(shí)場(chǎng)景向虛實(shí)融合學(xué)習(xí)場(chǎng)景邁進(jìn)。技術(shù)層面，“反饋”“儀表盤(pán)”等關(guān)鍵詞亦逐步弱化，“自動(dòng)化”“支持”等核心詞凸顯，這表明學(xué)習(xí)分析研究維度正從描述性、診斷性功能向支持教育數(shù)智化預(yù)測(cè)與干預(yù)升級(jí)。

二、數(shù)智賦能下學(xué)習(xí)分析領(lǐng)域的國(guó)際焦點(diǎn)

依據(jù)2022年學(xué)習(xí)分析與知識(shí)國(guó)際會(huì)議收錄文獻(xiàn)的LAK22主題模型及其文獻(xiàn)關(guān)鍵詞的共現(xiàn)情況分析，本研究構(gòu)建了數(shù)智賦能時(shí)代學(xué)習(xí)分析領(lǐng)域的研究視角結(jié)構(gòu)分布圖（如圖2所示）。其中，數(shù)據(jù)挖掘、學(xué)業(yè)預(yù)測(cè)、監(jiān)控反饋、教學(xué)干預(yù)共同構(gòu)成了學(xué)習(xí)分析的運(yùn)轉(zhuǎn)閉環(huán)，倫理安全作為重點(diǎn)研究視角滲透在學(xué)習(xí)分析的各個(gè)環(huán)節(jié)。

（一）多模態(tài)學(xué)習(xí)數(shù)據(jù)挖掘

在數(shù)智時(shí)代，多模態(tài)數(shù)據(jù)廣泛而海量存在。如何依托多模態(tài)數(shù)據(jù)間的互補(bǔ)學(xué)習(xí)來(lái)發(fā)現(xiàn)隱藏在數(shù)據(jù)背后的巨大價(jià)值，是現(xiàn)階段數(shù)據(jù)科學(xué)研究的主要議題。數(shù)據(jù)互補(bǔ)與融合分析是多模態(tài)數(shù)據(jù)挖掘與分析的重要手段之一。學(xué)習(xí)分析的數(shù)據(jù)輸入變量從學(xué)業(yè)成績(jī)、學(xué)生的教育記錄、人口統(tǒng)計(jì)數(shù)據(jù)逐漸擴(kuò)大到在線討論內(nèi)容、自我報(bào)告、在線學(xué)習(xí)行為，如登錄的頻率、訪問(wèn)內(nèi)容的持續(xù)時(shí)間和發(fā)布的評(píng)論的數(shù)量，甚至包含對(duì)語(yǔ)篇分析、腦電波、移動(dòng)點(diǎn)軌跡、面部表情、情感信息等數(shù)據(jù)的采集。例如，卡魯巴亞（Karumbaiah ）等[2]對(duì)虛擬學(xué)習(xí)環(huán)境中學(xué)生情感狀態(tài)與學(xué)業(yè)成績(jī)關(guān)系的實(shí)證研究進(jìn)行了系統(tǒng)回顧，提出自動(dòng)情感探測(cè)設(shè)備和學(xué)生情緒狀態(tài)自我報(bào)告在虛擬學(xué)習(xí)環(huán)境設(shè)計(jì)中具有重要作用。

（二）學(xué)習(xí)者精準(zhǔn)學(xué)業(yè)預(yù)測(cè)

在學(xué)習(xí)預(yù)測(cè)層面，不斷提升算法模型預(yù)測(cè)的準(zhǔn)確率是學(xué)習(xí)分析當(dāng)前的研究熱點(diǎn)之一。人工智能技術(shù)在學(xué)業(yè)預(yù)測(cè)領(lǐng)域的核心是算法，數(shù)據(jù)與算力是基礎(chǔ)。目前越來(lái)越多的學(xué)者建議運(yùn)用最少的數(shù)據(jù)量，開(kāi)發(fā)和訓(xùn)練相對(duì)先進(jìn)的算法，如集成方法、深度學(xué)習(xí)算法、使用經(jīng)驗(yàn)貝葉斯的方法、因果模型等，在體現(xiàn)出良好的預(yù)測(cè)能力同時(shí)，實(shí)現(xiàn)數(shù)據(jù)的簡(jiǎn)約性。這樣既能提升算力效率，也有益于數(shù)據(jù)安全。集成化的預(yù)測(cè)模型與績(jī)效歸因分析模型也成為關(guān)注焦點(diǎn)之一，溫克（Vinker）等[3]設(shè)計(jì)出融合學(xué)習(xí)分析、數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)等要素的信息技術(shù)智能MOOC教學(xué)系統(tǒng)，該教學(xué)系統(tǒng)表現(xiàn)出更準(zhǔn)確的學(xué)業(yè)預(yù)警性能，能夠預(yù)測(cè)學(xué)生輟學(xué)的風(fēng)險(xiǎn)，甄別出高輟學(xué)風(fēng)險(xiǎn)的學(xué)生。

（三）學(xué)習(xí)動(dòng)態(tài)監(jiān)控與反饋

現(xiàn)有研究已證實(shí)形成性協(xié)作反饋在促進(jìn)協(xié)同和提升學(xué)業(yè)成效方面具有積極效用，學(xué)習(xí)分析儀表盤(pán)作為監(jiān)控與反饋工具，其動(dòng)態(tài)化、可視性化與無(wú)痕化的特性設(shè)計(jì)是該方向的研究焦點(diǎn)。基于問(wèn)題驅(qū)動(dòng)的學(xué)習(xí)分析儀表盤(pán)，可將學(xué)習(xí)者的學(xué)習(xí)行為與知識(shí)軌跡可視化，以更加直觀地展示更為豐富的信息，幫助學(xué)生理解復(fù)雜的信息，增強(qiáng)其學(xué)習(xí)動(dòng)機(jī)，提高其對(duì)復(fù)雜概念的認(rèn)知，使其更充分地了解自身學(xué)習(xí)的變化情況。無(wú)痕化反饋則主張將反饋機(jī)制嵌入課程內(nèi)容所在的智慧學(xué)習(xí)環(huán)境。例如，超級(jí)學(xué)習(xí)分析儀表盤(pán)將學(xué)業(yè)進(jìn)程反饋內(nèi)嵌于學(xué)業(yè)內(nèi)容，在支持學(xué)習(xí)者交互的同時(shí)，弱化了學(xué)習(xí)分析干預(yù)對(duì)學(xué)生注意力的影響。

（四）個(gè)性化教學(xué)干預(yù)決策

當(dāng)前，智能教學(xué)系統(tǒng)與自適應(yīng)學(xué)習(xí)系統(tǒng)逐漸成為學(xué)習(xí)分析應(yīng)用的主流。智能系統(tǒng)依據(jù)用戶(hù)情況，自動(dòng)向?qū)W習(xí)者發(fā)送注意力提醒，推薦學(xué)習(xí)資源，甚至提供學(xué)法指導(dǎo)。塞赫里什（Swiecki）等[4]通過(guò)網(wǎng)絡(luò)分析和統(tǒng)計(jì)測(cè)試方法，發(fā)現(xiàn)了學(xué)習(xí)共同體的認(rèn)知發(fā)展與其言語(yǔ)行為之間的重要關(guān)聯(lián)，并對(duì)比了兩種不同的教學(xué)干預(yù)措施對(duì)這些關(guān)聯(lián)的影響；張旭東等[5]設(shè)計(jì)了一種多級(jí)跟蹤聚類(lèi)分析方案，用于在在線學(xué)習(xí)環(huán)境中跟蹤數(shù)據(jù)并可視化學(xué)生的自我調(diào)節(jié)學(xué)習(xí)策略，這些反饋可以促使教師重新思考課程結(jié)構(gòu)的設(shè)計(jì)，并實(shí)施干預(yù)措施。學(xué)習(xí)分析中的教學(xué)干預(yù)與決策逐漸從人工半自動(dòng)化向智能全自動(dòng)化轉(zhuǎn)變，然而，智能學(xué)習(xí)系統(tǒng)在應(yīng)用中也暴露出一些問(wèn)題，如用戶(hù)的依從性較差、算法評(píng)判標(biāo)準(zhǔn)不公平、對(duì)學(xué)生獨(dú)立思考機(jī)會(huì)的削減等。相比之下，自適應(yīng)學(xué)習(xí)平臺(tái)的開(kāi)發(fā)被證實(shí)更符合人腦認(rèn)知的特點(diǎn)，基于學(xué)習(xí)資源設(shè)計(jì)的半推薦系統(tǒng)僅給出可能的問(wèn)題解決方案，為學(xué)習(xí)者留下自我反思的空間，從而促進(jìn)學(xué)習(xí)者的深入思考。

（五）安全與道德倫理保障

伴隨科技的發(fā)展，數(shù)據(jù)在帶來(lái)便利的同時(shí)，也帶來(lái)不確定的倫理風(fēng)險(xiǎn)，包括人工智能是否安全，大數(shù)據(jù)安全和隱私保護(hù)如何來(lái)保障，教育是否公平、包容等。防范用戶(hù)隱私泄露等倫理道德問(wèn)題是當(dāng)前學(xué)習(xí)分析和數(shù)據(jù)科學(xué)研究領(lǐng)域的重要議題之一，斯利巴（Slibar）等[6]對(duì)2010年至2021年期間發(fā)表的93篇論文進(jìn)行了定性分析，探討了學(xué)習(xí)分析應(yīng)用與倫理隱私保護(hù)之間的關(guān)系，明確了在學(xué)習(xí)分析實(shí)施過(guò)程中與道德隱私相關(guān)的問(wèn)題及其處置指導(dǎo)方針。數(shù)據(jù)的收集與使用要有標(biāo)準(zhǔn)、界限和授權(quán)，數(shù)據(jù)存儲(chǔ)應(yīng)給予保護(hù)。

三、數(shù)智賦能下學(xué)習(xí)分析領(lǐng)域的前瞻動(dòng)向

基于關(guān)鍵詞接近中心性計(jì)算與引文回溯的分析結(jié)果，在回溯學(xué)習(xí)分析研究趨勢(shì)的基礎(chǔ)上，從理論、應(yīng)用與技術(shù)層面歸納數(shù)智賦能下學(xué)習(xí)分析領(lǐng)域的前瞻動(dòng)向。

（一）理論層面：注重?cái)?shù)據(jù)安全以及倫理道德等教育公平視角

防范人工智能算法歧視、保障人人享有公平的信息化教育機(jī)會(huì)以及隱私保護(hù)和數(shù)據(jù)安全，成為本屆學(xué)習(xí)分析與知識(shí)國(guó)際會(huì)議重點(diǎn)關(guān)注的熱點(diǎn)主題之一。教育公平是學(xué)習(xí)分析理論模型開(kāi)發(fā)時(shí)需要考量的重要維度，包括剔除可能存在不公風(fēng)險(xiǎn)的數(shù)據(jù)類(lèi)目收集與分析，使機(jī)器學(xué)習(xí)算法更好地服務(wù)于高等教育。例如，李成璐等[7]探索出一種創(chuàng)新性學(xué)伴推薦者算法，通過(guò)在現(xiàn)有的網(wǎng)絡(luò)嵌入模型基礎(chǔ)上提出公平網(wǎng)絡(luò)嵌入，為在線學(xué)習(xí)者提供公平和準(zhǔn)確的信息，確保學(xué)伴推薦引擎不會(huì)出現(xiàn)性別、族裔等歧視，以支持在線學(xué)習(xí)者網(wǎng)絡(luò)的知識(shí)探究。研究結(jié)果還表明，在學(xué)習(xí)分析中構(gòu)建公平感知模型對(duì)于解決數(shù)據(jù)中的潛在偏差和創(chuàng)建值得信賴(lài)的學(xué)習(xí)分析系統(tǒng)至關(guān)重要。

（二）應(yīng)用層面：注重?cái)?shù)據(jù)挖掘與監(jiān)控反饋對(duì)協(xié)作學(xué)習(xí)的促進(jìn)

如何提升用戶(hù)的交互協(xié)作水平以支持學(xué)習(xí)者的社會(huì)知識(shí)建構(gòu)，是學(xué)習(xí)分析領(lǐng)域的主要研究議題之一。協(xié)作學(xué)習(xí)研究主題主要關(guān)注學(xué)習(xí)分析技術(shù)為計(jì)算機(jī)支持的協(xié)作學(xué)習(xí)提供的環(huán)境支持，聚焦在學(xué)生小組交互中學(xué)習(xí)分析技術(shù)的協(xié)作數(shù)據(jù)采集與反饋。在分布式的協(xié)作學(xué)習(xí)情境中，自動(dòng)文本分析和語(yǔ)篇分析對(duì)在線協(xié)作討論文本的研究，可用于小組協(xié)同探討的交流專(zhuān)注于主題一致性和語(yǔ)義多樣性的研究；采用聚類(lèi)分析技術(shù)，則可發(fā)現(xiàn)在線討論中學(xué)習(xí)者所扮演的新興角色和腳本角色在社會(huì)和認(rèn)知維度的相似性和差異性；認(rèn)知網(wǎng)絡(luò)分析能協(xié)助可視化協(xié)作過(guò)程中社會(huì)知識(shí)的發(fā)展軌跡，為計(jì)算機(jī)支持的協(xié)作學(xué)習(xí)的教學(xué)實(shí)踐和技術(shù)發(fā)展提供參考。

在集中式的協(xié)作場(chǎng)景中，挖掘?qū)W習(xí)者協(xié)作學(xué)習(xí)過(guò)程中的言語(yǔ)對(duì)話、面部行為、空間和音頻等數(shù)據(jù)，通過(guò)定位提取和語(yǔ)音檢測(cè)，捕捉用戶(hù)的非語(yǔ)言事件，構(gòu)建多模態(tài)學(xué)習(xí)分析數(shù)據(jù)模型，包括語(yǔ)言模態(tài)中的語(yǔ)義信息和發(fā)言人信息、音頻模態(tài)中的發(fā)言人音調(diào)變化以及視頻模態(tài)中的發(fā)言人面部肌肉運(yùn)動(dòng)、行動(dòng)軌跡、身體朝向等數(shù)據(jù)，分析判斷學(xué)習(xí)者的學(xué)習(xí)意圖和表現(xiàn)，進(jìn)而為計(jì)算機(jī)支持的協(xié)作學(xué)習(xí)提供實(shí)時(shí)的自適應(yīng)支持。例如，埃爾坎（Elkan）等[8]基于語(yǔ)義分析的協(xié)作同伴反饋理論，將同伴反饋?zhàn)鳛樘嵘閰f(xié)作活動(dòng)的支架，并證實(shí)其能夠有效提升學(xué)習(xí)者互動(dòng)水平。

（三）技術(shù)層面：注重人工智能與個(gè)性化學(xué)習(xí)系統(tǒng)的設(shè)計(jì)開(kāi)發(fā)

人工智能與學(xué)習(xí)分析應(yīng)用融合研究是最多產(chǎn)的話題之一。人工智能技術(shù)加成主要體現(xiàn)在智慧算法推薦和個(gè)性化的學(xué)習(xí)支持，注重對(duì)人的非認(rèn)知能力的培養(yǎng)，如批判性思維、問(wèn)題解決能力、自我效能感、元認(rèn)知等高階能力。自然語(yǔ)言處理與自適應(yīng)反饋?zhàn)鳛槿斯ぶ悄茉谧鳂I(yè)自動(dòng)評(píng)估與分析方面的重要技術(shù)支持，是本屆大會(huì)的重要關(guān)注點(diǎn)之一。費(fèi)雷拉·梅洛（Ferreira Mello）等[9]探討了一種文本自動(dòng)校正工具在作文課堂上的有效性，結(jié)果發(fā)現(xiàn)獲得糾正性反饋是提高學(xué)習(xí)者語(yǔ)言技能的方法之一；但通過(guò)對(duì)比教師的作文批改，發(fā)現(xiàn)該工具的準(zhǔn)確性有待提高。這說(shuō)明技術(shù)固然提高了教學(xué)效率，但人類(lèi)的教學(xué)活動(dòng)并不能為機(jī)器所完全取代。

四、研究啟示

本研究基于當(dāng)前學(xué)習(xí)分析領(lǐng)域的5個(gè)國(guó)際焦點(diǎn)與學(xué)習(xí)分析在理論、應(yīng)用與技術(shù)層面的前瞻趨向，構(gòu)建學(xué)習(xí)分析研究的發(fā)展趨向框架，發(fā)現(xiàn)學(xué)習(xí)分析領(lǐng)域的發(fā)展呈現(xiàn)出學(xué)習(xí)數(shù)據(jù)挖掘多模態(tài)化、學(xué)習(xí)者學(xué)習(xí)表現(xiàn)預(yù)測(cè)精準(zhǔn)化、監(jiān)控反饋動(dòng)態(tài)可視及無(wú)痕化、教育決策與干預(yù)智慧化、數(shù)據(jù)安全與倫理道德法治化的特點(diǎn)。

這啟示我們?cè)谖磥?lái)的學(xué)習(xí)分析研究應(yīng)重點(diǎn)關(guān)注以下幾方面：在理論層面，關(guān)注涵蓋安全倫理道德的學(xué)習(xí)分析理論建設(shè)；在應(yīng)用層面，關(guān)注各類(lèi)傳感器在多模態(tài)數(shù)據(jù)挖掘中的應(yīng)用，關(guān)注自我調(diào)節(jié)學(xué)習(xí)策略在監(jiān)控反饋中的應(yīng)用；在技術(shù)層面，關(guān)注情感算法在學(xué)業(yè)精準(zhǔn)預(yù)測(cè)中的技術(shù)開(kāi)發(fā)、關(guān)注符合腦認(rèn)知學(xué)的干預(yù)決策系統(tǒng)技術(shù)開(kāi)發(fā)。

（一）關(guān)注涵蓋安全倫理道德的學(xué)習(xí)分析理論建設(shè)

未來(lái)學(xué)習(xí)分析系統(tǒng)在兼顧高度智能化與隱私高度安全化的同時(shí)，應(yīng)進(jìn)一步完善相關(guān)法律政策，提升教育系統(tǒng)網(wǎng)絡(luò)安全保障能力，加強(qiáng)對(duì)學(xué)習(xí)分析系統(tǒng)開(kāi)發(fā)與運(yùn)營(yíng)方的監(jiān)控，提高面向用戶(hù)的透明度，包含數(shù)據(jù)的采集范圍、目的等，提高學(xué)習(xí)者對(duì)自我隱私的保護(hù)意識(shí)，提升用戶(hù)對(duì)學(xué)習(xí)分析技術(shù)的信賴(lài)度，保障學(xué)習(xí)分析活動(dòng)參與者的知情權(quán)、選擇權(quán)和隱私權(quán)。此外，還需要防范人工智能的算法偏見(jiàn)與歧視，進(jìn)一步彌合數(shù)字鴻溝，加快信息無(wú)障礙建設(shè)，確保每一個(gè)家庭的子女享有公平的信息化教育機(jī)會(huì)。

（二）關(guān)注各類(lèi)傳感器在多模態(tài)數(shù)據(jù)挖掘中的應(yīng)用

針對(duì)學(xué)習(xí)數(shù)據(jù)挖掘向情感多模態(tài)發(fā)展的趨勢(shì)，應(yīng)開(kāi)展基于各類(lèi)感知設(shè)備和技術(shù)的多模態(tài)數(shù)據(jù)融合算法研究。學(xué)習(xí)日志、運(yùn)動(dòng)數(shù)據(jù)、網(wǎng)絡(luò)學(xué)習(xí)中鼠標(biāo)點(diǎn)擊流已作為數(shù)據(jù)來(lái)源開(kāi)始被專(zhuān)家學(xué)者運(yùn)用[10]。有些學(xué)者提出利用多通道傳感器設(shè)備，追蹤學(xué)習(xí)者的情緒靈活性、情緒適應(yīng)性和情緒拐點(diǎn)等情感數(shù)據(jù)，保障學(xué)習(xí)者在學(xué)習(xí)過(guò)程中的情緒監(jiān)控與調(diào)節(jié)。無(wú)感傳感器的應(yīng)用與情緒傳感器技術(shù)的進(jìn)步，可以使得多模態(tài)學(xué)習(xí)數(shù)據(jù)挖掘從表情、行為、眼動(dòng)、手指、生理、語(yǔ)音向?qū)W習(xí)者的注意過(guò)程、情緒過(guò)程、行為過(guò)程和認(rèn)知過(guò)程延展，從而實(shí)現(xiàn)從生理數(shù)據(jù)到心理數(shù)據(jù)的升維。有些學(xué)者提出實(shí)時(shí)合并學(xué)習(xí)階段數(shù)據(jù)學(xué)習(xí)路徑圖，及時(shí)介入，以支持學(xué)生自我調(diào)節(jié)學(xué)習(xí)，滿足學(xué)習(xí)復(fù)雜性的要求。

在多模態(tài)數(shù)據(jù)融合算法方面，由于傳感器的種類(lèi)越來(lái)越多、精度越來(lái)越高，再加上有多種多樣的特征提取方式，因此，充分利用廣泛存在的海量多模態(tài)數(shù)據(jù)，攻克多模態(tài)學(xué)習(xí)數(shù)據(jù)的模態(tài)不完整性、學(xué)習(xí)發(fā)生的時(shí)效性等難題成為一項(xiàng)緊迫性任務(wù)。通過(guò)多模態(tài)數(shù)據(jù)融合與互補(bǔ)分析，挖掘?qū)W習(xí)數(shù)據(jù)中隱藏的價(jià)值，是設(shè)計(jì)數(shù)據(jù)融合分析方法面臨的嚴(yán)峻挑戰(zhàn)。

（三）關(guān)注自我調(diào)節(jié)學(xué)習(xí)策略在監(jiān)控反饋中的應(yīng)用

弱干擾的動(dòng)態(tài)可視化的監(jiān)控與反饋，通過(guò)對(duì)學(xué)習(xí)者的學(xué)習(xí)起點(diǎn)分析、學(xué)習(xí)目標(biāo)設(shè)置、學(xué)習(xí)過(guò)程監(jiān)控及學(xué)習(xí)結(jié)果反饋4個(gè)方面的支持，更好地增強(qiáng)學(xué)習(xí)者對(duì)自身的認(rèn)知評(píng)估、學(xué)習(xí)進(jìn)度把控，能夠提升其批判性思維與元認(rèn)知能力，促進(jìn)其自我調(diào)節(jié)學(xué)習(xí)。作為在學(xué)習(xí)分析中監(jiān)控與反饋的表征工具，學(xué)習(xí)分析儀表盤(pán)的設(shè)計(jì)亦需包括自我學(xué)習(xí)評(píng)價(jià)、學(xué)習(xí)目標(biāo)設(shè)置、學(xué)習(xí)過(guò)程監(jiān)控及學(xué)習(xí)結(jié)果反饋4個(gè)循環(huán)環(huán)節(jié)。在自我學(xué)習(xí)評(píng)價(jià)環(huán)節(jié)，學(xué)習(xí)分析儀表盤(pán)要能夠根據(jù)用戶(hù)先前的表現(xiàn)和結(jié)果，展示學(xué)習(xí)者在某一項(xiàng)學(xué)習(xí)任務(wù)上的現(xiàn)有能力與水平，幫助學(xué)習(xí)者判斷自己的學(xué)習(xí)效能；在學(xué)習(xí)目標(biāo)設(shè)置環(huán)節(jié)，學(xué)習(xí)分析儀表盤(pán)需輔助學(xué)習(xí)者分析學(xué)習(xí)任務(wù)，設(shè)置學(xué)習(xí)目標(biāo)，基于學(xué)習(xí)目標(biāo)與能力起點(diǎn)設(shè)計(jì)學(xué)習(xí)規(guī)劃與策略；在學(xué)習(xí)過(guò)程監(jiān)控環(huán)節(jié)，學(xué)習(xí)分析儀表盤(pán)需動(dòng)態(tài)反饋學(xué)習(xí)者的任務(wù)完成進(jìn)度、學(xué)習(xí)策略執(zhí)行情況、學(xué)伴協(xié)作交互密度、情感狀態(tài)等信息，使學(xué)習(xí)者可以在學(xué)習(xí)的進(jìn)程中及時(shí)糾偏；在學(xué)習(xí)結(jié)果反饋環(huán)節(jié)，通過(guò)學(xué)習(xí)分析儀表盤(pán)的反饋，學(xué)習(xí)者對(duì)自己使用的每種學(xué)習(xí)策略的結(jié)果進(jìn)行監(jiān)控、反思與修正，以確定所選策略的有效性。

（四）關(guān)注情感算法在學(xué)業(yè)精準(zhǔn)預(yù)測(cè)中的技術(shù)開(kāi)發(fā)

智慧教育場(chǎng)域、智能移動(dòng)終端和各種穿戴設(shè)備中內(nèi)嵌感知技術(shù)的廣泛應(yīng)用，為近年來(lái)情感計(jì)算技術(shù)的蓬勃發(fā)展奠定了數(shù)據(jù)基礎(chǔ)。基于情感計(jì)算技術(shù)，學(xué)習(xí)分析系統(tǒng)可以通過(guò)學(xué)習(xí)者的面部表情來(lái)識(shí)別和判斷其學(xué)習(xí)狀態(tài)，預(yù)測(cè)學(xué)習(xí)者的學(xué)業(yè)表現(xiàn)。情感計(jì)算將智能感知傳感器識(shí)別到的學(xué)習(xí)者行為數(shù)據(jù)標(biāo)記為各類(lèi)情感標(biāo)簽，如發(fā)言語(yǔ)速較快、聲音洪亮可能對(duì)應(yīng)緊張、自信等情緒狀態(tài)。在標(biāo)記足夠多的情感標(biāo)簽后，情感計(jì)算可利用深度學(xué)習(xí)技術(shù)，如卷積神經(jīng)網(wǎng)絡(luò)、遞歸神經(jīng)網(wǎng)絡(luò)算法、區(qū)域候選優(yōu)化算法等，通過(guò)模型訓(xùn)練與數(shù)據(jù)積累，逐步形成學(xué)習(xí)者情感狀態(tài)的識(shí)別模型，最后基于趨勢(shì)預(yù)測(cè)算法實(shí)現(xiàn)學(xué)習(xí)分析中學(xué)習(xí)者學(xué)習(xí)表現(xiàn)預(yù)測(cè)的精準(zhǔn)化?；谇楦杏?jì)算的精準(zhǔn)化學(xué)習(xí)預(yù)測(cè)，可以使時(shí)空分離的師生在云端了解彼此的心理感受，提高師生交互的質(zhì)量，改善在線學(xué)習(xí)環(huán)境中因?yàn)槿狈鹘y(tǒng)課堂的氛圍而導(dǎo)致的學(xué)生厭學(xué)情緒。

（五）關(guān)注符合腦認(rèn)知學(xué)的干預(yù)決策系統(tǒng)技術(shù)開(kāi)發(fā)

學(xué)習(xí)分析需融合人腦科學(xué)與認(rèn)知科學(xué)的最新研究成果，納入促進(jìn)學(xué)習(xí)者非認(rèn)知能力發(fā)展的控件，開(kāi)發(fā)出智能學(xué)習(xí)環(huán)境中基于腦認(rèn)知原理的高級(jí)學(xué)習(xí)模型，通過(guò)幫助學(xué)生準(zhǔn)備個(gè)性化的目標(biāo)課程、自動(dòng)推薦知識(shí)關(guān)聯(lián)的學(xué)習(xí)資源與自動(dòng)學(xué)伴配對(duì)，使學(xué)習(xí)分析技術(shù)促進(jìn)學(xué)習(xí)模式的革新。學(xué)習(xí)分析技術(shù)應(yīng)不斷迭代升級(jí)，開(kāi)發(fā)出基于人腦與認(rèn)知科學(xué)的個(gè)性化學(xué)習(xí)系統(tǒng)，實(shí)現(xiàn)向支持智慧教育的方向邁進(jìn)。

數(shù)智技術(shù)的跨領(lǐng)域深度融合與發(fā)展，正在催化學(xué)習(xí)變革、驅(qū)動(dòng)社會(huì)轉(zhuǎn)型。數(shù)智技術(shù)的賦能將持續(xù)推進(jìn)學(xué)習(xí)分析在理論、應(yīng)用與技術(shù)層面的發(fā)展與創(chuàng)新，使學(xué)習(xí)分析技術(shù)參與教育數(shù)字化轉(zhuǎn)型，實(shí)現(xiàn)信息社會(huì)學(xué)習(xí)形態(tài)的新突破，促進(jìn)教育變革與社會(huì)革新。

參考文獻(xiàn)

[1] 陳雅云，郭勝男，馬曉玲，等.數(shù)智融合時(shí)代學(xué)習(xí)分析技術(shù)的演進(jìn)、貢獻(xiàn)與展望：2021學(xué)習(xí)分析與知識(shí)國(guó)際會(huì)議（LAK）評(píng)述[J].遠(yuǎn)程教育雜志，2021，39（4）：3-15.

[2] KARUMBAIAH S， BAKER R， TAO Y， et al. How does students’ affect in virtual learning relate to their outcomes？ A systematic review challenging the positive-negative dichotomy[C]//LAK22： 12th International Learning Analytics and Knowledge Conference，2022： 24-33.

[3] VINKER E， RUBINSTEIN A. Mining code submissions to elucidate disengagement in a Computer Science MOOC[C]//LAK22： 12th International Learning Analytics and Knowledge Conference，2022： 142-151.

[4] IQBAL S， SWIECKI Z， JOKSIMOVIC S， et al. Uncovering associations between cognitive presence and speech acts： A network-based approach[C]//LAK22： 12th International Learning Analytics and Knowledge Conference，2022： 315-325.

[5] ZHANG T， TAUB M， CHEN Z. A multi-level trace clustering analysis scheme for measuring students’self-regulated learning behavior in a mastery-based online learning environment[C]//LAK22： 12th International Learning Analytics and Knowledge Conference，2022： 197-207.

[6] SLIBAR B， GUSIC MUNDJAR J， RAKO S， et al. Co-occurrence patterns of issues and guidelines related to ethics and privacy of learning analytics in higher education：literature review[C]//LAK22： 12th International Learning Analytics and Knowledge Conference，2022： 577-582.

[7] LI C， XING W， LEITE W L. Do gender and race matter？ Supporting help-seeking with fair peer recommenders in an online algebra learning platform[C]//LAK22： 12th International Learning Analytics and Knowledge Conference，2022： 432-437.

[8] ER E， VILLA-TORRANO C， DIMITRIADIS Y， et al. Theory-based learning analytics to explore student engagement patterns in a peer review activity[C]//LAK21： 11th International Learning Analytics and Knowledge Conference，2021： 196-206.

[9] FERREIRA M R， FIORENTINO G， OLIVEIRA H， et al. Towards automated content analysis of rhetorical structure of written essays using sequential content-independent features in portuguese[C]//LAK22： 12th International Learning Analytics and Knowledge Conference，2022： 404-414.

[10] 陳羽潔，張義兵.國(guó)際學(xué)習(xí)分析研究新趨勢(shì)[J].數(shù)字教育，2018，4（4）：11-16.

（責(zé)任編輯 李強(qiáng)）

International Focus and Prospect on Learning Analytics Empowered by Digital Intelligence

Wang Wei1， Zhao Shuai2

（1. Institute of Educational Digitization， Guangdong University of Education， Guangzhou， Guangdong， China 510303;

2. College of Elementary Education， Ludong University， Yantai， Shandong， China 264000）

Abstract： As the most influential knowledge platform in the field of learning analytics， the LAK22 is a catch-all for exploring the international focus and foresight in the field. Using semantic mining methods such as LDA， SDA and citation backtracking to analyze the literature included in LAK22， it is found that learning analytics research focuses on multimodal learning data mining， learner’s accurate academic prediction， learning dynamics monitoring and feedback， personalized instructional intervention decision-making， safety and moral and ethical safeguards， and its prospects in theory， application and technology. Based on this， many suggestions are proposed， such as paying attention to the theoretical construction of learning analytics covering safety and ethics， the application of various types of sensors in multimodal data mining， the application of self-regulated learning strategies in monitoring and feedback， the technological development of affective algorithms in accurate academic prediction， and the technological development of intervention and decision-making systems in line with brain cognition， so as to provide reference to the development of the field of learning analytics in China.

Key words： "LAK; Learning analytics; Multimodal data mining; Academic prediction： instructional interventions; Educational equity and ethics

收稿日期：2023-03-05

基金項(xiàng)目：國(guó)家社科基金“十四五”規(guī)劃2022年度教育學(xué)一般課題“數(shù)據(jù)驅(qū)動(dòng)下教師智能教育素養(yǎng)提升路徑與機(jī)制研究”（BCA220207）；2024年度廣東省哲學(xué)社會(huì)科學(xué)規(guī)劃一般項(xiàng)目“教育數(shù)字化轉(zhuǎn)型下人工智能賦能基礎(chǔ)教育的研究”（GD24CJY13）；2023年度廣東省新師范建設(shè)助推基礎(chǔ)教育高質(zhì)量發(fā)展研究與實(shí)踐項(xiàng)目“人工智能背景下教師隊(duì)伍建設(shè)研究與實(shí)踐”；廣東省社科聯(lián)研究基地“粵港澳大灣區(qū)教育數(shù)字化發(fā)展研究中心”資助

作者簡(jiǎn)介：王煒（1968 — ），男，遼寧錦州人，博士，院長(zhǎng)、教授、博士生導(dǎo)師，研究方向?yàn)橛?jì)算機(jī)支持的協(xié)作學(xué)習(xí)、大數(shù)據(jù)與學(xué)習(xí)分析；趙帥（1991— ），男，黑龍江佳木斯人，博士，講師，研究方向?yàn)橛?jì)算機(jī)支持的協(xié)作學(xué)習(xí)、學(xué)習(xí)分析。