精選學術內容，讓閱讀更有價值

學習分析技術是采集與學習活動相關的學習者數據，并運用多種方法和工具全方面解讀數據的技術，它能夠記錄、分析學習環(huán)境和學習軌跡，進而發(fā)現(xiàn)學習規(guī)律，預測學習結果，為學習者提供相應的學習策略，促進有效學習。

本研究選取Journal of Learning Analytics期刊2014年至2016年發(fā)表的112篇文章作為樣本，梳理了學習分析技術的內涵和特點，并歸類分析得出六個值得關注的研究主題，分別是學生日志數據分析、在線話語數據分析、學習評價數據分析、多模態(tài)數據分析、學習預警數據分析以及倫理隱私數據分析。研究者并從研究對象、主要研究者、研究目標以及分析方法和工具四個方面對每個主題進行了探討。

基于文獻分析的結果，本研究認為，未來學習分析技術研究的發(fā)展趨勢可以從如下五個方面來概括。

當前，學習分析技術在利用傳統(tǒng)數據分析方法的基礎上，充分借鑒了大數據時代的數據分析技術，如社會網絡分析、話語分析以及內容分析。但是隨著學習內容的豐富、學習環(huán)境的變化，學習分析變得十分復雜。

學習分析技術需要融合多種研究方法和分析技術與工具，以便解決教育中遇到的實際問題。例如，Roberto等利用LATUX(Learning Awareness Tools-User eXperience，學習意識工具-用戶體驗)可視化學生的思維過程，并建立學習者模型，促進教師深度了解學生，用數據支持教學，實現(xiàn)精準決策。Tore Hoel等為保護隱私數據，開發(fā)了學習分析設計空間模型，為隱私泄露提供最及時的解決方案。未來在學習分析技術和方法的使用上，研究機構和學校需要安排專職人員對教師進行培訓，根據不同的數據和不同的教學問題，選取合適的分析方法，準確地理解數據和學生的行為，以便針對性地為教學提供精準的服務。

學習分析技術借鑒吸收了教育數據挖掘、教育理論、工程學等多學科的相關理論，如在預測學習結果、分析學習行為的過程中，利用教育學理論，了解學生學習動機、學習方法，這樣才能更加有目的地幫助學生。

未來學習分析技術的研究者會呈現(xiàn)學科背景的多元化，教育中的學習分析可以充分借鑒腦認知科學、學習科學、社會學等其他學科的分析方法、理論與技術，針對不同的分析場景和對象提出適用的理論框架體系，通過交叉合作的形式解決教與學中的問題，形成跨學科研究的學習分析生態(tài)圈。戴維·布吉森指出處于早期發(fā)展階段的學習分析技術主要關注學習者、學習內容、學習路徑、學習行為等，學習分析容易擴展到其他領域，如人才招聘分析、畢業(yè)生就業(yè)率分析、校園資源利用分析?？鐚W科交流與合作將成為學習分析技術理論研究和實踐應用的常態(tài)。

在線學習中，教師和學生之間的交流是以文字、圖片、視頻等為媒介，缺少面對面交流，學習者容易產生疲倦感和挫敗感等消極情緒，影響學習效果。在實際教學中，如果不能很好地分析并處理學生的情感問題，將影響學習活動的開展和推進。

情感數據最能反映學習者內心活動，越來越多的研究者投入學習情感數據的研究中。通過情感識別技術可以判斷學生的情緒狀態(tài)，根據學習者在系統(tǒng)中留下的回帖、討論、作業(yè)解讀可以察覺學生的情感，了解學習狀態(tài)，提前告知學習者其在學習過程中存在的問題并幫助其及時改正。通過開發(fā)設計基于語音情感、面部情感、文本情感等的識別和分析技術，從情感的角度跟蹤、評價和改進學習路徑及習慣，將成為未來學習分析領域需要關注和研究的議題。

目前學習分析的數據來源較為單一，主要是網絡學習平臺和系統(tǒng)的數據，如預測學生的課程結果主要以學生多次的考試成績和表現(xiàn)數據為依據。對單一數據的分析無法實現(xiàn)對學生全方位的了解和監(jiān)控，未來研究需注重基于多模態(tài)數據的分析，如眼動數據、腦電圖、皮膚電反應、心電圖、社交網絡數據、認知活動數據等，便于更立體、更精準地呈現(xiàn)學習者的信息。

如利用可穿戴感知設備，教師可以在不影響學習者的情況下研究學習過程和學習軌跡，使研究結果更加客觀和翔實。通過對多模態(tài)數據的常態(tài)化分析，可以提升學習分析研究的整體水平，也讓學生在教師的監(jiān)測、評價中更加透明，增加教師對學生的深度認知，提升教學服務的科學性。Xavier Ochoa等設計了基于多模態(tài)學習分析的學習脈沖實驗，首先邀請被試者佩戴腕帶收集生理數據，包括心率值與步數，其次是收集學習活動的數據，如參與者在學習平臺的數據、手機應用程序的數據，最后是收集學習環(huán)境數據，即由研究者跟蹤與學習有關的室內環(huán)境數據，如測量光照強度、濕度和溫度，結合這些天氣信息，判斷環(huán)境對學習結果的影響。

目前學習分析樣本大多是來自高等教育階段，大學生參與的在線學習為學習分析提供了豐富的數據。但是隨著我國“三通兩平臺”以及各種網絡學習空間的不斷發(fā)展，在基礎教育階段開展學習分析的可能性也隨之增加。

在傳統(tǒng)的課堂中，對教學行為的記錄主要是以人工為主，而在智能錄播系統(tǒng)的支持下，學校可以實現(xiàn)自動并實時采集課堂教學數據，教師可以通過系統(tǒng)反饋調整講課時間，增加與學生的互動時間；更進一步地，學校可以利用物聯(lián)感知技術采集設備狀態(tài)數據和學生體質數據，利用點陣數碼筆技術采集各種作業(yè)、練習、考試等數據，利用在線學習與管理平臺技術則能使各種在線學習與管理數據的采集更加方便。Camilo Vieira等利用工程設計的思維，收集了48名中學生設計復雜學習活動的過程數據，記錄他們的學習表現(xiàn)，并在后測實驗后對比學生之前的學習行為，識別、描述和評價他們在整個實驗過程中的學習策略和學習表現(xiàn)，同時加強學生的自我認知。未來學習分析將能充分挖掘基礎教育數據的潛在價值，提升教與學的智能化水平，讓學習變得更加輕松。

學習分析技術可以有效助力教師和學生對數據的深度理解和應用，給學習帶來了巨大的變化，為教育創(chuàng)新提供了全新的發(fā)展視角。學習分析具有周期性，在“學生→數據→分析→干預→學生”的循環(huán)中，存在部分不確定因素，這給數據分析帶來了挑戰(zhàn)，如在專業(yè)人才配置、數據標準化、數據歸屬權等方面還存在短板。

但是在“數據驅動決策，分析變革教育”的時代，未來學習分析技術還有更大的發(fā)展?jié)摿?，如：利用人工智能技術，感知學習活動，即時分析并反饋，讓學習體驗更順暢、更人性化，提高學習分析的智能水平；吸引跨學科、跨領域的優(yōu)秀數據分析師進入教育領域，為學習分析隊伍注入新鮮血液，提升數據服務水平。

就國內研究學習分析技術發(fā)展現(xiàn)狀而言，研究者需要借鑒學習分析的最新研究方法，針對國家教育特色，擴展研究領域。在心理測量方面，可以通過了解學生的能力、個性、動機和學習策略四個方面的特征，監(jiān)測學生參與學習活動的差異，精準預測學生的專業(yè)表現(xiàn)；在學習分析工具開發(fā)方面，研究者需要根據學習分析內容和分析目的的不同，開發(fā)適應多種使用環(huán)境、支持可視化呈現(xiàn)、支持多種數據格式的分析工具，教師、管理者以及教育研究者需要具備分析的素養(yǎng)和能力，能夠有效運用合適的工具，實現(xiàn)數據價值的高效應用。