技术应用 | 《2021地平线报告:教与学版》——学习分析

学习分析研究协会对LA定义为：测量、收集、分析和报告有关学习者及其背景的数据，以了解和优化学习及学习环境。

《2021地平线报告：教与学版》将学习分析技术列为促进教与学发展的关键技术，多家商业机构亦一致认为，由于数据分析需求的日益增长和政府对以数据为决策依据的大力支持，学习分析市场正快速崛起，未来几年将以较高的年复合增长率发展。

当前的学习分析技术主要是建立在数据挖掘方法的基础上，学习分析技术的主流算法的类别如图1所示，包括6个方面。这些技术可以做到分析学生的学习状态、学习能力，跟踪学生的知识掌握情况，对掉队的学生预警，为各种类别的学生推荐不同的资源和学习路径等。

图1 学习分析主流算法

1.分类与回归。分类和回归是对2种或2种以上变量间相互依赖的定量关系进行建模，包括连续变量的预测和离散变量的预测。在学习分析中常用到的算法包括线性回归、逻辑回归、决策树、随机森林、朴素贝叶斯分类器、支持向量机和人工神经网络。

2.聚类。聚类是将物理或抽象对象的集合分成由类似的对象组成的多个类的过程，在学习分析中常用到的算法有 K-means 及其各种变种、自组织映射网络。

3.潜在知识评估。潜在知识评估是追踪对知识点掌握的情况。应用比较多的算法有贝叶斯知识追踪模型，目前最新的算法有循环神经网络、双向长短时记忆网络。

4.文本、语音挖掘。它是当前人工智能的研究热点。它运用各种机器学习、深度学习的方法，挖掘文本、语音的深层次概念。主流算法有循环神经网络、双向长短时记忆网络、双向长短时记忆循环神经网络、深度全序列卷积神经网络。

5.社会网络分析。社会网络分析是对网络中各种关系进行客观的定量分析，在学习分析中常用到的算法有 PCA 主成分分析算法。

6.序列模式挖掘。序列模式挖掘是挖掘相对时间或其他模式出现频率高的模式。在学习分析中常用到的算法有 AprioriAll算法、GSP算法、FreeSpan算法、PrefixSpan算法。

一直以来，学习分析与知识国际会议（LAK）都是学习分析领域重要的研究论坛，为所有对教与学中学习分析技术研究及实践感兴趣的研究者、教育者和管理者等，提供了分享、交流和思维碰撞的平台。

LAK 2021共收录论文71篇，其中长篇论文42篇，短篇论文29篇。陈雅云等提取收录论文的关键词进行可视化分析，发现“学习者建模”“自我调节学习”“高等教育”等是此次会议的研究热点。研究大多集中在：采集学生与学习环境交互时所产生的数字痕迹，利用多种数据挖掘方法，从知识掌握、学习行为以及生理心理情况等方面建模其学习过程，评价和预测学生的学习表现，提供个性化的学习反馈及干预，以支持不同教育场景下学生的学习。

随后根据学习分析的概念定义，将收录论文的研究主题概括为五个方面：追踪学习、监督学习、评价学习、优化学习和变革学习，以呼应“学习分析对学习的贡献”这一会议主题（如图2所示）。

图2  LAK 2021 收录论文的研究主题

高校正在建立日益复杂的数据治理结构，应对更复杂的数据基础设施带来的挑战。通过制定数据战略”，高校利益相关者围绕数据目标和使命，推动“数据创新”，让用户能够理解数据，并采取基于证据的积极行动，为学校带来更多灵活、优化和基于数据的实践。各高校可利用学习分析提高教育公平和可及性,即利用学生数据明确解决成绩差距。学习分析数据还可以直接与学生保留率和学习持久性联系起来，以保持学生的参与度、注册率和毕业率。例如，泰顿合作伙伴的“学习分析战略工具包”通过提供学习分析及自我评估战略，以公平为核心原则，直接应用相关数据解决问题。

展望学习分析未来，可以发现数据有广泛的用途，高校需要继续发展其获取、分析和实现数据协议的基础设施，以保持学习分析的相关性并了解该领域的最佳实践。高校还需要与数据和学习分析供应商密切合作，以实现学校战略目标，遵守道德标准。最后，高校的利益相关者可能需要其他数据意识和分析培训，以充分挖掘学习分析的潜力。

[1]胡金蓉,邹茂扬,文武,周子龙.大数据驱动的学习分析技术研究进展[J].现代电子技术,2020,43(18):54-58.

[2]陈雅云,郭胜男,马晓玲,吴永和.数智融合时代学习分析技术的演进、贡献与展望——2021学习分析与知识国际会议(LAK)评述[J].远程教育杂志,2021,39(04):3-15.

[3]兰国帅,魏家财,张怡,郭倩,张巍方,孔雪柯,王志云.未来高等教育教学:宏观趋势、关键技术实践和未来发展场景——《2021年地平线报告(教学版)》要点与思考[J].开放教育研究,2021,27(03):15-28.

编辑：什么

审核：冰糖

特别声明：本文来源于互联网，转载仅仅是出于传播信息的需要，作者如果不希望被转载，请与我们接洽。