摘要：智慧學習環境是未來教育的特征之一，也是教育信息化的必然走向。面對信息產業的迅猛發展，如何將豐富的技術進行整合，為教育實踐服務，是智慧學習領域亟待解決的問題。學習分析技術作為智慧學習環境的關鍵技術之一，其發展前景非常廣闊。為了使學習分析技術更好的與教學實踐相融合，本文以教學活動開展過程為主線，將數據采集分為四個階段，在每一階段提供相應的干預措施，并在全過程中貫穿一個數據監測模塊，據此構建了一個智慧學習環境下的學習分析理論模型。為學習分析技術的開發與應用提供了新的思路。

　　關鍵詞：智慧學習環境;學習分析;理論模型

　　一、引言

　　伴隨著5G技術的迅猛發展，教育信息化獲得了強大的推動力，在信息技術的支持下，教育形態已然發生了新的轉向，傳統的講授式教學不再是唯一的課程模式，問題導向，項目式學習，翻轉課堂等新的嘗試逐漸融入課堂之中。信息技術帶來的更為顯著的變化是學習環境的改變，宏觀層面上看，學習不再局限于特定的時間和地點，信息技術為我們構建了一個時時可學，處處可學的虛擬學習空間，為終身學習提供了現實支撐。

　　從微觀層面看，越來越多的先進技術開始進入課堂，教室被豐富的技術圍繞，顯示出獨特的智慧。在智慧學習環境下，學生的學習過程變得清晰透明，多方位的數據提取，完整的記錄了學生的學習軌跡，為教師進行學情分析，教學設計提供了有力的依據。隨著數據收集過程的簡化，學習分析技術應運而生，數據只是一種靜態的記錄，要產生實際的價值，還需對數據進行加工整理。學習分析被認為是教育信息化的第三波浪潮，越來越受到重視。當前學習分析的理論和技術層面都得到了廣泛深入的研究，在此基礎上，探討智慧學習環境下的學習分析理論模型是切實可行的。

　　二、智慧學習環境下學習分析的特點

　　智慧學習環境是伴隨著信息技術的發展逐步建立起來的一種新興教學形態。當前對智慧學習環境的研究主要集中在特征分析，技術研究，框架設計三個方面。美國聯邦政府教育部技術辦在2012年指出，在教育中有兩個特定的領域會用到大數據:教育數據挖掘和學習分析[1]。

　　大數據時代，教育領域積累了海量數據，眾多的學習管理系統中存儲著學習著學習者個人信息及學習過程數據，如何讓靜態的數據呈現出動態的價值，正是學習分析的研究意義所在。與傳統學習分析技術相比，智慧學習環境下的學習分析數據來源更加廣泛，并且對數據的分析處理效率更高，能及時輸出反饋，縮短了教學干預的周期。總體而言，智慧學習環境下的學習分析技術具有自動化，多元化，精準化的特征。

　　(一)自動化

　　黃榮懷在對智慧學習環境的定義中指出，“智慧學習環境能自動記錄學習過程和評測學習成果，以促進學習者的有效學習”[2]。自動收集數據并對數據進行分析處理，是智慧學習環境的顯著優勢，因為學生是一個龐大的群體，且每個學生的學習狀態都在時刻發生變化，如果僅僅依靠教師的主觀觀察，既不能做到實時更新，也做不到客觀中立。

　　在大數據時代，技術帶來的智能化，讓我們可以掌握更多的數據信息，通過對數據的分析，處理能更精準的重現學習者的學習軌跡，更容易找到脆弱環節，并提供及時的干預。智慧學習環境中的攝像頭、傳感器等數據采集工具，能夠實時獲取學生最真實，最全面的學習狀態。為有效的教學干預提供數據支持，且對數據的加工和分析都有相應的系統完成，既讓教師脫離了繁雜的工作，也避免了人為處理的隨意性。

　　(二)多元化

　　在傳統學習環境下，教師除了教學，還擔負著課堂監測，課堂管理的任務。憑借教師的經驗和敏銳性，觀察學生的學習狀態，對于一些狀態差的學生，給予及時的提醒和干預。但是，對于大班授課模式，這種監測和干預是低效的，教師精力有限，不能及時的關注到所有學生。

　　在智慧學習環境中, 建立學習者行為感知模型, 制定由學習、科研、借閱、消費、活動等行為產生的動態數據源數據采集標準, 以實現智慧學習環境中“教、學、管”等相關數據的采集[3]。讓教師可以更加專注于教學，同時智慧學習環境所關注的不僅僅是學生個體的學習行為，還有學生的學習情緒，學習態度以及課堂交互行為。實現了多模態學習數據的智能管理與分析，為有效教學和調整教學設計提供了有力支撐。

　　(三)精準化

　　智慧學習環境除了可提供豐富的學習資源，還能將資源進行合理的推送。在對多元化的學習數據進行整合分析的基礎上，根據學生的學習水平和學習狀態，提供相應的學習資源。，與學生的學習情況相匹配，提供最合適的腳手架支持。并且這種推測和匹配是在嚴格的數據分析下生成的，整個過程更加科學，合理。祝智庭等提出，智慧學習環境是以信息技術為支撐，科學分析和挖掘全面感知的學習情境信息或者學習者在學習過程中生成的學習數據，以識別學習者特性和學習情境，動態匹配最佳的學習任務和活動，引導和幫助學習者進行正確決策，促進有效學習的發生。數據分析的科學性和精準化，可以為學生提供更合理的學習支持，使整個學習過程更加高效便捷。

　　三、智慧學習環境下學習分析理論模型構建

　　智慧學習環境提供了豐富的技術支持，學習分析是對這些技術的合理整合與應用。學習分析技術在教育實踐中的應用已經相對成熟，所應用到的具體方法主要有社會網絡分析法，機器學習算法，會話分析法以及內容分析法，各種研究方法各有利弊，要根據具體的研究內容，目標來選擇合適的方法，優化教學[5]。

　　在技術相對成熟的境況下，理論模型的探究尤為重要。為了使學習分析更好的與課堂實踐相結合，本文將教學過程分為課前測試，課中干預，課后調整與實時答疑四個階段;相應的數據類型為原始數據，動態數據，整合數據，監測數據。并將每一階段的分析內容進行細化，據此構建了智慧學習環境下學習分析理論模型。

　　(一)原始數據

　　在開展教學活動之前，首先要進行學情分析，了解學生的知識基礎，才能更好的進行教學設計。課前測試是學情分析的一部分，主要是對學生的基礎知識，薄弱知識以及拓展知識的掌握程度進行分析，大致描繪出學生的知識水平。可以采用隨機測試，在線問卷等方式快速收集數據，并通過系統的自動分析功能，為每個學生生成可視化成績表，使學生的知識分布狀態一目了然。在測試完成后，學生可以針對答卷提出疑問，在實時答疑模塊中，會及時給出答題思路，并將這些疑問一一記錄在學生的學習檔案中，為個性化資源推送提供依據。

　　(二)動態數據

　　在教學開展過程中，通過智能工具收集學生的學習數據，包括學生的學習情緒，學習參與度，互動次數，以及專注程度。這些數據是動態的，變化的，因為學生的學習狀態也在一直變化中，全方位的收集動態數據，是為了更精準的分析學生的學習情況，并提供及時的干預，提高課堂教學有效性。課中干預的方式包括知識點的強化，學習方法的糾正以及學習氛圍的調動。學生是完整的個體，有獨立的思維和能動性，教學設計只是教師對課堂的初步設想，而課堂中的突發狀況是未知的，學生的學習反饋也是難以預料的，因此，關注動態數據才能更好的掌控課堂，提供更有效的教學干預。

　　(三)整合數據

　　在教學活動結束后，教師還有一項重要的任務，教學反思。傳統的教學反思，主要是通過寫教學筆記進行回顧性反思，包括課堂觀察，教學隨筆，教學日志等文字性材料，用文本的形式予以記錄和表達,是促進教學反思水平提高的積極有效的手段[6]。但是，文字形式的反思，教師大多關注的是自己的教學設計，教學策略，很難再現學生的真實反應，無法以量化的形式進行教學調整。在智慧學習環境下，由于在課前，課中都有完整的數據集，將原始數據與動態數據進行整合，就可以較為全面的刻畫出學習者的學習狀態圖，學生的學習反饋與學習效果，既是對當堂課程的有效評價也是對下面課程的有效指引。因此，在課后反思階段，要將多方數據進行整合處理，得出相關結論，從而為教學設計，教學風格，教學模式的調整提供數據支持，使教學反思不再停留在理論和思想層面。

　　(四)監測數據

　　教學過程是完整不可分割的。課前，課中，課后是相互關聯的階段，在收集動態數據的時候，并不是只關注動態數據，也要將課前的原始數據進行結合，作為對比或補充數據。監測數據貫穿整個教學過程，并提供實時答疑的功能。當學生在課中學習到課前答錯的知識點時，監測數據模塊，會將兩部分數據進行對比，觀察學生的知識水平變化情況，并提醒教師進行適時的干預。當學生在某一知識點上頻繁出錯時，教師要關注學生的學習方法是否正確，如果不正確，要提供正確的引導。監測數據主要處理的是各個階段有所關聯或重復的內容，這部分內容也正是影響學習成效的關鍵部分。

　　教育論文投稿刊物：《中國電化教育》雜志忠實地記錄著我國教育技術事業的發展歷史，內容涉及教育信息化政策、教育技術理論與應用研究、網絡遠程教育、學校教育信息化實踐、學科建設、學習資源、技術與產品、國內外教育技術動態等方面。

　　四、總結與展望

　　智慧學習環境是教育信息化的必然產物，也是數字學習環境的高端形態。學習分析是實現智能化教學的關鍵，利用豐富的技術打開學習者的認知黑箱，以量化的數據展現學習者的學習軌跡，毫無疑問，在教育信息化時代學習分析有廣闊的發展前景。進入信息化2.0時代，更多的新興技術涌現出來，如何將技術進行整合應用，最大化的發揮技術的價值，正是建構理論模型的意義所在。

　　本文從技術視角轉向教學過程，將課前，課中，課后的數據采集與學習分析任務相結合提出學習分析理論模型，希望能夠實現技術與實踐的進一步結合。然而，本文只是停留在理論模型的探索上，沒有進一步將其應用于實踐中，對于實踐中可能遇到的一些問題，沒有做出設想及解決方案。但不可否認的是，在可以預見的將來,學習分析一定能獲得更多認可和支持,有更廣闊的應用空間。

　　參考文獻

　　郭炯,鄭曉俊.基于大數據的學習分析研究綜述[J].中國電化教育,2017,(01):121-130.

　　黃榮懷, 楊俊鋒, 胡永斌. 從數字學習環境到智慧學習環境——學習環境的變革與趨勢[J]. 開放教育研究, 2012(01): 75–84.

　　黃慶雙.智慧學習環境下基于多模態數據的學習預警系統設計與分析[J].軟件,2019,40(11):52-56.

　　祝智庭,賀斌.智慧教育:教育信息化的新境界[J].電化教育研究,2012,33(12):5-13.

　　作者：侯志燕