摘 要：2011年召开的第一届学习分析技术与知识国际会议将学习分析定义为“测量、收集、分析和报告有关学习者及其学习情境的数据集，以理解和优化学习及其发生情境”。[1]同时，《教育信息化十年发展规划（2011-2020年）》[2]中提出“全民教育、优质教育、个性化学习、终身学习已成为信息时代教育发展的重要特征”。智慧教育与学习分析成为教育领域研究的热点。通过对学习分析技术与智慧教育发展的相关文献梳理，文章从学习分析的一般过程起笔，重点阐述了学习分析技术在智慧学习环境干预机制中的构建、学习者特征识别与资源推送、智慧管理与服务中的应用。
关键词：学习分析过程；智慧学习环境；干预机制；智慧管理
中图分类号：G40-057 文献标志码：A 文章编号：1673-8454（2017）17-0001-04
引言
信息化时代，技术正不断地变革教育，传统的教学模式不断受到挑战与质疑，新的教育理念、教育方法正不断冲击现有的教育形式，走向智慧教育是历史的必然趋势。[3]《国家中长期教育改革和发展规划纲要（2010-2020年）》[4]中提出，要“注重因材施教，关注学生不同特点和个性差异，发展每一个学生的优势潜能”。注重个性化学习，为学习者提供智慧型资源和无缝互通的智慧学习环境是智慧教育的基本需求与关键。George Siemens教授认为：“学习分析是对学习者及学习环境的数据进行测量、收集、分析并预报的过程，其目的是为了理解和优化学习以及学习发生的情境。”[5]可知，学习分析的核心是对学习者一系列相关数据进行分析处理，将分析结果以可视化形式呈现给学习者、教师、教育管理者以及教育研究人员，围绕着结果进行评测和改进，最大化地支持学习者的个性化学习。
一、学习分析的一般过程
尽管目前国内外对学习分析的定义尚未统一，但其核心主旨是一致的：都是通过对学习者学习过程中所产生的数据进行测量、收集、分析后，进行相应的评估和预测，为利益相关者提供相应的反饋与行动指导，以提高学习效率、优化学与教的过程、服务教与学的系统为最终价值追求。综合已召开六届的学习分析与知识国际会议（LAK）对学习分析的定义、国外研究人员得出的学习分析的参考模型[6]（见图1）可以归纳出学习分析的一般过程：
确定数据来源。大数据时代，数据无处不在。学习分析应用于教育中，首要任务就是明确所分析数据的来源。在教育领域，收集和分析的数据应当是在各种教育教学活动中产生的，能够被记录且具有巨大潜在价值的教育大数据。
数据收集。从不同的教育系统和教育环境中收集数据。目前学习者相关数据在各大网络教育平台中已经有了大量的积累。研究者可以从网络远程教育、学堂在线、Moodle移动平台、网易公开课、网易云课堂和MOOC中国中获取大量的学习者相关数据；同时在我国高等教育中，许多学校已经建成了无线网络全覆盖校园，整个校园管理系统后台记录了大量的数据供研究人员收集。
数据前期处理。即数据预处理过程。我们要分析的数据应具有一定的潜在价值。为了避免无关数据对后期分析过程增加干扰和工作量，需要对收集到的数据进行筛选，剔除无关数据。
数据挖掘分析。数据分析是学习分析的核心。学习分析关键技术涉及内容分析、话语分析、社会网络分析、系统建模等技术以及统计分析与可视化、聚类、预测、关系挖掘、文本挖掘等一系列数据挖掘方法。[7]常用的数据分析工具包括北京师范大学知识工程研究中心开发的智能化内容分析工具VINCA、专门的社会网络分析工具UCINET、系统建模工具Coordinator、功能较为强大的数据挖掘工具SPSS以及当前在大数据领域应用最为广泛的R软件。
结果可视化与行动指导。将分析的结果以易于理解的可视化形式呈现给相关受众（学习者、教师、教育管理者与教育研究人员），受众根据可视化结果采取一系列的行动。行动指导包括评估、预测、建立干预机制、评价及反馈。学习者可及时进行学习自我评价；教师不仅可以及时调整教学策略，同时掌握了学生个体的学习风格、学习态度与学习偏好，便于因材施教，促进个性化发展。学习分析中的干预机制主要是提高学习者的学习绩效，规避学业失败的风险，并且有针对性地指导学习者，在跟踪学习者的学习行为之后，综合学习者能力、风格、偏好等方面的特征信息，给予个化的指导与帮助。[3]
二、学习分析技术支持下智慧教育环境构建
1.智慧教育的含义与特征
在物联网、云计算、大数据、移动通信等新一代信息技术的推动下，世界上多个国家和地区已将智慧教育作为其未来教育发展的重大战略，从数字教育转向智慧教育已是全球教育发展的必然趋势。[8]祝智庭教授分析了信息时代智慧教育的基本内涵：通过构建智慧学习环境（Smart Learning Environments），运用智慧教学法（Smart Pedagogy），促进学习者进行智慧学习（Smart Learning），从而提升成才期望，即培养具有高智能（High-Intelligence）和创造力（Productivity）的人，利用适当的技术智慧地参与各种实践活动并不断地创造制品和价值，实现对学习环境、生活环境和工作环境灵巧机敏的适应、塑造和选择。[9]杨现民等认为智慧教育是依托物联网、云计算、无线通信等新一代信息技术所打造的物联化、智能化、感知化、泛在化的教育信息生态系统，是数字教育的高级发展阶段，旨在提升现有数字教育系统的智慧化水平，实现信息技术与教育主流业务的深度融合（智慧教学、智慧管理、智慧评价、智慧科研和智慧服务），促进教育利益相关者（学生、教师、家长、管理者、社会公众等）的智慧养成与可持续发展。[8]笔者认为智慧教育可以从两个层面理解：从技术层面来看，智慧教育是人工智能技术与教育教学的高度融合；从人才培养角度来看，智慧教育旨在培养出具有创新意识与创新能力，具有深度思考能力以及具备深度学习能力的智能型人才。智慧教育是教育信息化的新阶段，是信息技术支持下的教育新形态，它涵盖了智慧学习环境、智慧管理、智慧资源等，是对传统教育的一次颠覆性变革。[10]综合以上观点，笔者总结了智慧教育的以下基本特征。
学与教环境的智能化。教育作为社会的上层建筑，与一个国家的经济基础息息相关。进入21世纪以来，随着我国经济飞速发展与综合国力的提升，国家对教育的投资比重逐年递增；尤其是从2000年开始建设教育信息化工程以来，取得了一系列的成就，“三通两平台”的建设投资，正是教育教学环境得以改善的具体体现。目前，我国已经基本完成了“校校通”、“班班通”以及“网络学习空间人人通”的三通目标。全国多所高校基本实现了无线网络全覆盖，着力打造智慧校园。
学与教资源的智能化。即通过对学习者的日常学习行为的分析，确定其学习风格、知识结构和学习能力的高低，从而通过云技术、移动互联网技术实现学习资源的自动推送，满足学习者的个性化学习需求，能够做到因材施教，满足不同学习者的学习需要。
教育系统管理智能化。庞大的教育系统如果没有一个标准化的管理，教书育人的工作就无法正常进行，整个国家的教育就会面临着瘫痪。在传统教育中，学校管理工作基本是依靠大量的人力去完成，而智慧教育背景下，学校的管理工作可以极大地减少人力投入，借助学习分析等新兴技术手段就可以使整个学校的管理工作进行得有条不紊。
人才培养智慧化。从人才培养层面来看，智慧教育旨在培养具有创造性思维和能够自主学习并具有独立解决问题能力的智慧型人才。目前我国教育仍是以教师主讲、学生被动接受知识为主的教育模式，所培养的学生出现了“不良反应”，无法满足社会需求，缺少创造力和解决问题的能力。智慧教育正是要打破传统教育这一禁锢，解放学生的思想，以个性化学习为关注点，培养具有创造性思维、创造能力及对复杂问题解决能力的智慧型人才。
2.学习分析在智慧教育环境中的应用
依据上文总结的学习分析的一般过程，对比智慧教育的基本特征，笔者认为学习分析在智慧教育发展过程中，主要对智慧学习环境中干预机制的構建、学习者特征识别与智慧资源推送以及智慧管理服务提供关键技术支撑。
（1）基于学习分析的智慧学习环境干预机制构建
智慧学习环境更注重学习者个性化的学习，注重学习情境的灵活性与感知性，强调学习过程的跟踪以及行为数据的分析，强调学习方式的多元化。[3]而要使学习者个性、自主、有效地学习，学习分析中的干预机制必不可少。[3]通过检索干预机制、智慧学习环境等主题词，发现国内对智慧学习环境中干预机制的探讨研究相当匮乏，仅有唐丽、王运武等人发表了名为《智慧学习环境下基于学习分析的干预机制研究》[3]的文章，较为全面地阐述和解释了干预机制的重要性及在智慧学习环境中建立干预机制的必要性，并提出了基于学习分析的干预流程。学习分析技术在干预机制构建中的作用主要体现在打破了传统学习环境中教师或者家长的人工干预，为自动化干预的实现提供了现实可能性。基于学习分析技术的自动化干预机制超越了传统人工干预的内容范围，涉及面更加全面，提供的干预更具有针对性，能够充分满足智慧教育环境下学习者的个性化学习需求。同时，基于学习分析的干预可以针对个体提供自动化的帮助，在一定程度上促进了教育公平。[3]与传统的人工干预相比较，学习分析支持下的自动化干预机制具有明显的优势和特点。
针对性和准确性明显提高。学习分析通过强大的数据挖掘技术与数据分析，对学习者的学习行为数据进行全面的追踪分析，并对具有相似学习习惯的学习者进行归类，确定不同学习者的学习风格、学习态度、知识结构、认知特点以及对不同学习资源和授课方式的偏好程度，根据最终的结果，自动地对学生的学习方式、学习过程加以干预，这种干预具有很强的针对性，对每个学习者提供个性化干预。与此同时，对某一类具有相似特征的学习者进行群体干预。
自动化干预机制具有及时性。学习分析支持下的自动化干预是及时的。传统教育中，这种教师或家长的干预都来自于考试后，通过测评考试，教师或家长根据学生的卷面作答情况来推测学习者在哪方面有较大的问题。这种干预往往是滞后的，学习者收到这种干预后再开始调整学习方式，就显得有些为时已晚。而基于学习分析的自动化干预机制则避免了滞后性，及时地提供干预，尽可能早地改变学习者的不良学习方式，提升学习效果。
（2）基于学习分析的学习者特征识别与智慧资源推送
学习者特征识别。智慧教育面向所有的学习者（传统的与在线的）。每个学习者的学习态度、学习习惯、认知结构、知识储备和学习能力以及学习观都具有一定的差异。智慧教育的一个重要目标就是能够因材施教，满足不同学习者的学习需求，实现个性化学习。对于在线学习来说，可以通过移动互联网技术的支持，记录学生的在线学习活动。譬如学生的发言次数、跟帖次数、课堂提问次数、参与问题讨论次数等，还可以记录学生查阅资料等学习活动。在整个过程中，通过对在线学习者行为的追踪，将捕获的数据与相应的谈话内容进行话语分析和文本内容挖掘，根据所得结果，自动确定不同在线学习者的学习风格等因素，不断提升在线教育质量。同样对于在校学习，通过校园所提供的无缝互通网络，学生通过移动设备随时可以浏览学习内容，查看教师布置的作业，参与自己感兴趣的问题讨论，这些行为都将被后台记录，成为研究者所需要的宝贵数据；通过话语分析法对课堂上师生之间、生生之间的交谈内容及其表现进行深入分析，以及利用社会网络分析法来获知学习者与他人之间的关联关系。
智慧资源推送。智慧教育中所涉及的学习资源不再仅仅局限于课本内容，更多的来自于文献、各种学习网站、电子教材、微课视频等。资源数量庞大，但是如何能够及时地更新教与学资源，使其满足不同学习者的要求，这需要依据学习分析技术对学与教资源的使用数据进行挖掘与聚类，对各种资源做出及时的调整，并将合适的学习资源推送至每个学习者，确保及时满足学习者个性化学习需求。而对于稍微年长一些的教师来说，利用所推送的智慧教学资源，可以方便其快速适应信息技术与课堂教学整合趋势，同时也解决了由于自身信息技术能力的限制而导致的资源匮乏状况。学习分析满足了智慧资源推送的基本技术支撑，是将资源实现智慧化推送的关键。
（3）基于学习分析的智慧管理与服务
教育管理系统中无时无刻不在产生海量数据，有数据产生的地方就必涉及数据分析与挖掘，学习分析技术必然有用武之地。近年来，国内外已经有部分高校通过对教育教学管理系统中的海量数据的挖掘与分析，来辅助教育教学管理。陕西师范大学与华东师范大学通过预警系统跟踪学生的餐饮消费数据，发现低于警戒值就发出短信慰问，确定学生是否有经济困难需要帮助，关注学生的生活情况，并及时为其提供相应的资助，避免了学生因为生活苦难而出现辍学等现象，这种服务管理体现了“以人为本”的教育理念。浙江大学通过对资产的归纳、整理，最终形成权威、全面的资产数据，并基于资产数据提供数据查询和分析服务。[11]清华大学对学生成长类的数据进行分析，比如针对进校时成绩很优秀的一批学生，追踪其在大学四年的各种数据，观察其成长路径，或者对毕业时表现很优秀的学生进行追溯。[11]持续跟踪、采集学生成长过程中的各种数据，进行全面、系统的统计分析和数据挖掘，为学生提供更加科学、全面的发展评价报告。[11]基于学习分析的智慧管理与服务，不仅能够实时掌握学习者的生活状况与成长发展，还体现在以下方面。
教育舆情监测与剖析。教育研究者和教育决策者应该时刻关注基础教育与高等教育中一线教师对教育现状与未来发展的看法与建议。目前，借助互联网所提供的便利条件，各个学校的教师之间常常在微信群、QQ群、微博等社交平台相互讨论有关教育的发展问题。通过学习分析技术对这些讨论内容、观点、意见等进行统计分析，利用聚类技术，将具有相似性质的观点或建议归为一类，教育决策者可以随时掌握教育舆情的发展动向。与此同时，通过话语分析与内容分析手段，可以深层次地剖析教育舆情出现的原因，挖掘出背后隐藏的深层次问题，便于教育研究者与教育决策者对教育发展进行顶层设计。
教育机构布局与教育经费调整。全面采集全国或区域范围内教育机构的分布数据、学生入学退学转学数据、教育经费投入数据等，依据科学的评估模型，调整下一阶段的教育机构布局、教育经费投入及分配等政策。[11]教育管理者需要实时掌握各个省份、地区的教育机构分布情况和教育经费的具体使用情况。通过汇集各地方教育机构与经费使用的相关数据，对其进行统计分析后，可以看到具体的使用情况，根据得出的结果，及时对存在问题的区域做出相应的调整策略。
促进教育公平。各个省份地区的经济发展存在着巨大的差异，我国教育公平问题由来已久。目前沿海地区教育信息化发展已经逐渐步入正轨，而经济相对落后的东北、西北地区，虽然国家正在全面建设“三通两平台”，推进信息化教育，但是仍然存在着资源分配不均衡，缺少优质教学资源、学习资源以及基础设施建设不完善等问题。因此，通过对相对落后地区网络教育资源及网络平台使用次数的记录分析，可以确定该地区师资力量和教师的信息化水平，进而采取相应行动解决师资问题；同时加强对优质教育资源与学习资源的引进工作，例如，将优质的公开课视频及时添加到网络教育资源服务平台之中，便于其进行学习。基于学习分析的智慧管理与服务模式，在一定程度上可以促进我国教育公平发展。
除此之外，智慧管理与服务还包括智能调节、智能诊断。智能调节主要是针对教室、实验室、图书馆、会议室等物理场所的环境，依据教师与学生的实际学习需求，能够动态地调节声、广、电、温度、湿度等环境指标，为师生打造一个高度智慧化的教与学环境，最大程度满足师生需求。智能诊断主要基于智能控制数据和结果，辅助管理者快速、准确诊断问题，及时、有效解决教育业务开展过程中、教育装备使用过程中存在的问题。[11]基于学习分析支持的智慧管理与服务系统，减少了人力资源的大量投入，节省了人力成本，并且提高了管理与服务效率，极大地节省了时间资源，能够在短时间内掌握较为全面的教育教学系统的运作情况，为科学决策提供了依据。
三、总结与展望
可以推断，未来学习分析的内容将不断得以丰富，技术更加完备，为智慧教育发展提供更全面的支撑。笔者认为两者之间是相互促进、相辅相成的。智慧教育在学习分析以及其他技术，如云计算、物联网、眼动技术和可穿戴技术等的共同推动下，必将走向成熟。
参考文献：
[1]顾小清，张进良，蔡慧英.学习分析：正在浮现中的数据技术[J].远程教育杂志，2012（1）：18-25.
[2]教育部.教育信息化十年发展规划（2011-2020年）[Z]. http：//old.moe.gov.cn//publicfiles/business/htmlfiles/moe/s3342/201203/xxgk_133322.html.
[3]唐麗，王运武，陈琳.智慧学习环境下基于学习分析的干预机制研究[J].电化教育研究，2016（2）：62-67.
[4]国家中长期教育改革和发展规划纲要工作小组办公室.国家中长期教育改革和发展规划纲要（2010-2020年）[Z]. http：//old.moe.gov.cn//publicfiles/business/htmlfiles/moe/info_list/201407/xxgk_171904.html.
[5]C. Siemens. What is Learning Analytics[EB/OL].[2015-10-10].http：//www.eelearnspace.org/blog/2010/08/25/what-are-learning-analytics/2011-11-20.
[6]MOHAMED AMINE CHATTI，ANNA LEA BYCKHOFF，ULRIK SCHROEDER，HENDRIK THüS. A reference model for learning analytics[J].Int. J. of Technology Enhanced Learning ，2012（5/6）.
[7]魏顺平.学习分析技术：挖掘大数据时代下教育数据的价值[J].现代教育技术，2013（2）：5-11.
[8]杨现民.信息时代智慧教育的内涵与特征[J].中国电化教育，2014（1）：29-34.
[9]祝智庭，贺斌.智慧教育：教育信息化的新境界[J].电化教育研究，2012（12）：5-13.
[10]黄荣怀.智慧教育的三重境界：从环境、模式到体制[J].现代远程教育研究，2014（6）：3-11.
[11]杨现民，余胜泉.智慧教育体系架构与关键支撑技术[J].中国电化教育，2015（1）：77-130
（编辑：王天鹏）