混合式教学模式下学习分析技术应用研究
焦鑫鑫，季隽
（上海师范大学 教育技术系，上海）
摘 要： 目前，混合式教学模式逐渐在高校开展。混合式教学模式下，个性化学习越来越受到关注，要想实现个性化学习，需要教师充分了解学生学习状态，了解教学情况，加强与学生之间的深度交流，学生也需要了解自我学习状态，进行自我监控，自我调整。此模式下，以学习分析技术为依托，通过对学生大数据的深度分析可得出学习状态的可视化界面，实现个性化教学。据此，本文提出了三个学习系评测指标分析学生大数据，并在教学中加以应用。
关键词： 混合式教学；学习分析；评测指标
随着在线教育平台和教学资源的不断完善与大数据的挖掘和分析处理能力的不断提升，越来越多的学习分析技术应用于教学中。通过对8 年来中国知网关于学习分析技术的聚类分析来看，目前学习分析技术研究的主要领域是在线学习教学模式[1]。然而学习分析技术在混合式教学模式下的研究与应用微乎其微，缺少混合式教学模式下的学习分析的理论与应用研究使该教学模式所产生的大数据难以分析和利用，教师在该教学模式下难以精准了解学生状态，开展个性化辅导，学生难以直观的了解自我状态，进行个性化学习。针对这种状况，本文在接下来将提出学习进度、学习时间、活动区域三个学习分析评测指标对学生的大数据进行分析，并将这三个评测指标应用于课堂中，探讨如何应用促进教师的精准教学与学生的个性化学习。
相比之下，OM-D E-M1 II在参数上略逊G9，而且缺乏了重要的60fps 4K视频拍摄能力。不过，我们仍然认为E-M1 II是一台更加适合摄影爱好者的相机。它小巧的机身具备绝佳的便携性。奥林巴斯出色的定焦镜头群是这台相机的绝配，完全可以满足日常拍摄需求。而当你需要拍摄运动、野生动物题材时，这款相机也可以做得极为出色。考虑到大多数用户的使用习惯，我们认为E-M1 II是更好的那一台。
一 混合式教学
随着信息科技的飞速发展以及互联网技术的不断成熟，混合式教学已经成为信息化教学模式的主流[2]。为了更好的开展混合式教学，眼下应该关心的是“如何才能使得混合学习更加有效，采用什么样的方法和策略改善和促进混合环境下的学习”[3]。通过混合式教学模式课程的研究，发现其课程内容以在线课程的形式提供给学生，教师从知识讲授者的形式转变为学生个性化学习的辅导者，学生的在线学习过程变成了面对机器的学习，与教师缺少面对面交流，没有眼神、语言等交流氛围，因此教师在混合式教学模式中直观的了解学习者状态，对学生展开个性化辅导与展开精准教学是当前需求。同时学生也需要直观的观察自我学习状态及时进行自我调整，实现个性化学习。为解决以上问题，除了对教学平台的不断完善、师资力量的不断加强，不容忽视的是学生产生的大数据。2012 年，美国教育部发布了《通过教育数据挖掘和学习分析改进教与学：问题简介》，指出基于大数据的研究领域：教育数据挖掘和学习分析，从而也推动了学习分析成为近年来教育信息化领域内的热点研究问题。运用学习分析技术以一定的评测指标分析混合式教学模式下在线课程平台中学生产生的大数据，并以直观的形式展示出来供教师和学生使用，将在一定程度上满足教与学当下的部分需求。
二 学习分析评测指标构建
基于数据挖掘的评测指标构建是设计的内在基础[4]。学习分析评测指标的确定基于学习分析的服务对象。混合式教学模式下的学习分析旨在帮助教师直观的观察学习者状态，以便于对学生开展个性化的教学指导，帮助学生直观的了解自我学习状态进行自我调整，共同改善混合式教学模式下的学习与教学效果。Brown 指出，学习分析中，学习分析评测指标的选择会直接影响到预测结果的准确性和数据分析的有效性[5]。根据对文献的分析及目前开展混合式教学的高校老师的非正式访谈，得出教师和学生使用学习者学习时间、学习进度、活动区域三种指标可以作为混合式教学模式下的评测指标。
学习时间评测指标可以反映学生在线课堂的学习时间。根据对学生学习时间的分析，教师能及时了解学生的学习状况并对进展有问题的学生做出及时的干预，学生可以了解自身的学习过程，及时调整自身学习状态。牟智佳[6]等学者运用学习者行为数据的学习时间来建立个性化的在线预警模型，为后期教师开展精准教学干预提供参考依据。可汗学院的学习仪表盘系统对学习时间等数据进行分析，用来帮助学习者提高知识点掌握程度和改善学习技能。虽然两者都是将学生的学习时间做为在线学习预警的评测指标，但将将该指标应用到混合式教学模式下，教师通过和学生面对面的交流将能做出更好的干预措施，学生在跟进教师的活动安排下也能及时调整自我学习状态。
学习者在云平台产生的数据存在一定的空值和异常值，因此需要在分析之前对异常值和空值进行处理。本研究的研究数据因不属于正态分布所以采用四分位距来识别和处理异常值，采用中位数填补空值。使用R 分析软件画出箱型图可以直观的观察数据的最大值、最小值、中位数、上四分位数和下四分位数五个指标。课程内容分为146 个小模块，本研究将对146 个模块的数据进行异常值和空值处理，异常值处理之前的箱型图如图1 所示，处理之后的箱型图如图2 所示。对数据处理完成后即可对学生大数据展开深入分析。
1. 学习时间。根据学生产生的大数据进行分析将学习时间评测指标可视化为全体学生学习时间（如图3），学习时间柱状图横坐标为学习时间，纵坐标为学习总时长。其中可以根据学生不同的ID来获取不同学生的学习时间。教师通过全体学生学习时间图对课程开展前两周的数据进行学习时间分析，发现学生学习时间偏少，教师及时采取教学措施，改善学生的在线学习状态，使得第三周的学生在线学习时间激增，充分体现了学习时间评测指标的有效性。同时学生通过个人学习时间了解自我学习状态，并进进行自我监控，自我调整也取得了相应的效果。
活动区域指标可以反映学习者在学习平台主要活动区域。亚琛工业大学的eLAT 工具采用活动区域指标对学生数据进行学习分析，显示出学生在什么学习时间段进行积极的阅读和讨论，进入深度学习状态。中央广播电视大学应用学习分析技术显示学生对体验区、课程各章节各资源页面的学习程度说明学习平台各个区域对学生学习的影响程度，针对性的提出了教学内容需要深入改进的地方。活动区域指标应用于混合式教学模式下，教师借助活动区域指标分析学生的学习重点及主要活动区域，从而改善教学内容。学生可以了解区域访问的时间与比例，了解自我学习习惯与学习内容不足之处，并加以改进。
为检验学习分析技术评测指标的有效性，本研究选用X 大学教育技术学专业的《数据库基础与应用》课程为研究对象。以该课程的80 名学生为研究群体，课程时间2018 年9-12 月份。该课程采用混合式教学模式，在线过程依托于STEM College 云课堂。以学习者在该平台产生的大数据为研究数据，借助统计分析软件R，开展学习分析技术评测指标分析，深入分析学习者的学习时间、学习进度、活动区域。
三 学习分析技术评测指标应用
（一） 研究对象和工具
如果患者的记性变差，那么诊治的时候就要考虑是不是血管性的痴呆。如果不采取措施的话，后期病人很有可能还会出现的就是认知的削弱了。越到后面，病人出现更多的其他不良反应，比如会出现幻觉，或者是精神方面出现不正常的现象。治疗颇为疑难。
（二） 数据分析
学习进度指标可以反映学习者对课程内容的学习程度及学业完成度。Hoonuit 在线学习平台[7]通过有效地跟踪学生学习进度，从而提高学生的毕业率。普渡大学的课程信号系统[8]，通过学习进度等数据进行分析计算，确定学生存在学习失败的可能性。混合式教学模式下使，根据对学习者学习进度的分析，学习者不仅可以从结果中直观的获得自己的学习内容进展，还可以根据进度合理安排自己的学习时间，教师也可以对学生进行干预，解决学生在学习内容中可能存在的问题。
图1 “两个集合上的关系”模块无异常值箱型图
图2 “两个集合上的关系”模块有异常值箱型图
总之，镁可显著影响作物对多种矿质养分的吸收和利用效率，在提高作物产量和品质方面起到重要作用。因此，在农业生产中，结合土壤、作物的不同特性，对镁肥的施用进行综合调控十分必要。从高产高效到提质增效，再到绿色优质， 作物越来越离不开镁的陪伴。
纪律执行是严明纪律的保障。习近平总书记强调，“制定纪律就是要执行的。各级党组织要敢抓敢管，使纪律真正成为带电的高压线。”纪委负有执行纪律的主体责任。纪委主体责任是重大的政治责任、直接的工作责任、全面的领导责任，是必须亲自躬耕的“责任田”。要强化监督问责，对责任落实不力的坚决追究责任，推动管党治党纪委能否落实好执纪主体责任，直接关系党的纪律建设的成效。习近平总书记指出：“纪律检查机关要加大监察力度，对有令不行、有禁不止的，不仅要严肃查处直接负责人，而且还要追究相关领导人员的责任。”
图3 总体学生学习时间
2.学习进度。通过对学生大数据的分析并没有将学习进度指标百分比化，而是给出师生更容易观察的146 个模块学生学习总时长（图4），同时也可以单个学生学习的各个模块学习时长（学习模块的顺序由下至上按照教学的先后顺序排列）。由于学习模块较多，这里只列出一定数量的模块。教师通过该图可以清晰了解学生在哪一模块的学习程度如何以及总体学习进展到达了哪一个模块。教师根据个人学习进度和总体相比及时发现问题学生并给予帮助，解决学生学习过程中遇到的问题。学生通过对学习进度指标，合理安排学习时间与学习进度，实现了个性化学习。
图4 各个模块学生学习总时长
3.学习区域。学习区域评测指标包括对146 个小模块的分析（图5）和对学生在线学习中视频、练习、文件、讨论的分析（图6）。教师通过对学习模块访问热度的分析，了解学生的学习重点、学习方式对，以及针对教学模块对学生的影响程度进行教学资源改进。同时通过对学习类型访问热度的分析鼓励学生多参与问题讨论，加强师生、生生之间的交流，促进学习。
图5 学习模块访问热度
图 6 学习类型访问热度
四 结语
混合式教学模式下，运用学习分析评价指标在一定程度上帮助教师了解学生在线学习状态，实现了教师对学生个性化辅导，潜在的增强了师生之间的交流与信任，改变学生对该模式下教师不作为的看法；对于学生来说，通过对自己学习的量化，提高了学生的学习主动性和积极性，增强了学生的自主学习能力；从整体来看，学习分析技术的应用将加快混合式教学的成长，提升混合式教学质量，使混合式教学更好更快的发展。本研究只是提出3 个评测指标并加以应用，但是对于混合式教学下的教学需求来说只是冰山一角。接下来的研究工作将是如何提出更多针对性的评测指标，但如何将这些指标更好地使用于混合是教学模式中将是研究的重中之重。
参考文献
[1] 王川芳.基于知识图谱的学习分析可视化研究[J].信息技术与信息化,2019(04)：105-107.
[2] 孟彦莉.基于混合式教学的大学英语写作自我效能感培养研究[J].电化教育研究,2011(5)：96-101.
[3] 詹泽慧,李晓华.混合学习：定义、策略、现状与发展趋势 ——与美国印第安纳大学柯蒂斯.邦克教授的对话[J].中国电化教育,2009(12)：04.
[4] 学习仪表盘信息设计研究——基于眼动数据的整合分析[J].开放教育研究,2017,23(6)：94-103.
[5] Brown M .Learning Analytics：Moving from Concept to Practice[J].Educause Learning Initiative,2012：1-5.
[6] 邵敏敏,乔延华,张权.高职院校“混合式”教学模式学习绩效评价体系的构建[J].教育现代化,2018,5(46)：344-345.
[7] Hoonuit 学习预警与干预平台[EB/OL].[2018-03-27].https ：//www.hoonuit.com/early-warning-intervention Arnold K E,Pistilli M D.Course Signals at Purdue：using Learning Analytics to Increase Student Success[C]//Dawson S ,HaythornthwaiteC,Shum S,Gasevic D,Ferguson R.Proceedings of the 2nd International Conference on Learning Analytics and Knowledge.New York ,ACM,2012：267-270.
本文引用格式： 焦鑫鑫,季隽.混合式教学模式下学习分析技术应用研究[J].教育现代化,2019,6(76)：150-152.
作者简介： 焦鑫鑫（1994-），男，汉族，山东人，上海师范大学，在读研究生，研究方向：网络设计与开发方向。
DOI： 10.16541/j.cnki.2095-8420.2019.76.073
标签：混合式教学论文; 学习分析论文; 评测指标论文; 上海师范大学教育技术系论文;