摘 要：网络学习者的资源应用行为分析是学习分析领域的研究重点。本研究通过文献分析，系统梳理了国内外学者关于资源应用行为分析的研究成果，提出了“收集-分析-应用”于一体的资源应用行为分析框架，将分析过程具体区别为描述型、诊断型和预测型三种类型，并采用“python”语言及“django”框架设计和开发了基于该框架的资源应用行为分析系统，同时利用edX和案例网络教育学院的真实数据对系统可用性进行了验证。本研究对于探索网络学习者资源应用行为特征，实现更为有效和精准的远程学习指导都有着重要意义。
关键词：网络学习者;资源应用行为;行为分析系统;系统设计
中图分类号：G420 文献标志码：A 文章
一、引言
随着信息技术的不断发展，教育信息化的水平也在不断提高。越来越多的人开始使用网络进行学习，这些新技术的应用也带了教育数据的爆发式增长，探究数据的奥秘无疑将成为未来教育领域的研究热点之一。学习分析、教育数据挖掘、教育大数据等方法的提出都是对这一数字时代的呼应。网络学习行为是发生于e-Learning环境中的、与学习相关的各种行为，其行为主体是学习者，行为客体则主要为数字化学习资源[1]。根据穆尔的学习行为交互分类理论，学习过程中有三种交互类型：学习者与学习内容的交互、学习者与教师的交互、学习者与学习者的交互网络学习交互行为。本研究所关注的资源应用行为，其研究的主要对象就是关注学习者与学习资源的交互，相对于网络学习行为而言，资源应用行为更直接和具体，因而数据更容易被记录和分析。
毫无疑问，数据分析方法和分析技术在在线教育领域的应用已经越来越多，其研究成果层出不穷，处于快速发展之中。比如社会网络分析工具“SNAPP”能够从学习管理系统中获取数据，通过可视化的方法显示学生之间互动情况;同时，已有内容分析工具能够利用视觉分析技术，获得学习者学习过程信息。本研究关注于网络学习者资源应用行为分析系统的设计与实现，一方面旨在弥补现有学习平台分析功能的匮乏，已有的众多在线学习平台大多不具有深层次意义上的分析功能，或者甚至就没有相应功能，其分析过程和方法的标准化也根本无从谈起;另一方面则是力图使得面向学习者的行为分析可以更为便捷。
二、研究目标和方法
本研究的目的在于设计开发网络学习者资源应用行为分析系统。基于已有研究，本文通过文献分析对国内外学者关于资源应用行为分析模型以及主要分析方法进行梳理，在此基础之上提出了资源应用行为分析框架，将分析过程分为描述型、诊断型和预测型，模型从宏观角度对资源应用分析系统的开发提供了建设性的意见;基于此框架，研究设计和开发了资源应用行为分析工具，此工具实现接收教师或教学工作者上传的资源应用行为数据，并通过系统内部的分析过程反馈分析结果，最终实现描述型、诊断型和预测型三方面核心功能。本研究的技术路线经历了理论建构、技术实现、应用验证三个阶段，相应地综合应用了文献分析、技术开发等研究方法。
理论建构阶段。主要研究了行为科学与行为主义学习理论、学习分析技术、学习者分类模型，并在此基础之上，依据网络学习者与学习资源交互的环境特点，提出了网络学习者资源应用行为分析模型并建立了三个维度的分析方法。
技术实现阶段。主要研究可视化技术，数据分析方法，机器学习算法用来分析网络学习者资源应用行为数据，以期评估学习过程，诊断学习情况，预测未来表现等。
应用验证阶段。主要是在资源应用行为分析模型的基础之上，通过使用Web开发技术以及数据分析方法、机器学习算法开发和实现网络学习者资源应用行为分析工具，工具能够接收上传的学习相关数据，通过选择不同的分析方法获取分析结果。最后使用工具分析案例网院成人教育的数据和部分MOOC开源数据来验证工具的可用性。
三、相关研究
国外对于资源应用行为的研究更多偏向于应用实践方面。自2012年学习分析技术提出以来，越来越多的学者开始关注并研究学习者在网络学习中的学习行为。美国普渡大学通过建立预测模型和使用相关可视化技术，对学习者的学习情况进行实时跟踪，当学习者可能出现学业不通过等危险情况时，可视化信号就会将此信息传递给教师和学生，以便改善学习者的学习效果[2]。A Anderson、D Huttenlocher等人通过对Coursera平台上的课程数据分析得出课程参与度与学生绩效的关系，優秀学习者的学习习惯以及激励机制对学生参与度的影响[3]。麻省理工学院的PJ Guo、J Kim、R Rubin分析了edX上690万条视频观看记录，统计分析后得出结论：少于六分钟的视频最吸引人[4]。本研究调研了现阶段关于资源应用行为的国内研究，时间范围从2004年到2016年，共搜索出1130篇文献。纵观目前国内的研究成果，发现大体可以分为以下几个方向：
（1）关于网络学习行为的理论研究，其中包括天津外国语大学杨丽娜等关于行为动机的研究，文中从心理因素、技术因素和资源因素三个方面建立了行为发生的前因模型，并对提出的因素进行了验证[5];华中师范大学彭文辉在对学习行为内涵深入研究的基础上，提出了一个学习行为的OCCP分类模项，以及网络学习行为的“S-F-T”三维分类模型，这两种模型是抽象和形式化描述学习行为序列的基础[6]。辽宁师范大学李玉斌等学者以计划行为理论为指导，构建起具有9个潜在变量的网络学习行为模型（USEBM）[7]。
（2）关于网络学习行为分析系统的研究，其中包括陕西师范大学王丽娜以对网络学习行为系统分析为基础，结合网络学习行为评价的目的和指标，设计了网络学习行为的评价模型[8];华中师范大学黄克斌等通过分析常见的网络学习行为量化参数，设计了一个智能化的网络学习行为分析系统[9];中南大学吴玲艳运用Web Services和Web日志挖掘等技术，设计并初步实现了包含行为采集、行为统计分析、学习评价三个模块的网络学习行为分析评价系统[10]。