关键词：职称论文，职称评审，期刊投稿，教育论文发表

 

本站在期刊投稿行业10余年，200000稿件作者放心的选择，1000多家省级、国家级、核心杂志社长期合作。省级、国家级、核心杂志社长期合作。24小时服务电话：400-811-9516

 

摘要：智慧学习环境是未来教育的特征之一，也是教育信息化的必然走向。面对信息产业的迅猛发展，如何将丰富的技术进行整合，为教育实践服务，是智慧学习领域亟待解决的问题。学习分析技术作为智慧学习环境的关键技术之一，其发展前景非常广阔。为了使学习分析技术更好的与教学实践相融合，本文以教学活动开展过程为主线，将数据采集分为四个阶段，在每一阶段提供相应的干预措施，并在全过程中贯穿一个数据监测模块，据此构建了一个智慧学习环境下的学习分析理论模型。为学习分析技术的开发与应用提供了新的思路。

 

一、引言

 

　　伴随着5G技术的迅猛发展，教育信息化获得了强大的推动力，在信息技术的支持下，教育形态已然发生了新的转向，传统的讲授式教学不再是唯一的课程模式，问题导向，项目式学习，翻转课堂等新的尝试逐渐融入课堂之中。信息技术带来的更为显著的变化是学习环境的改变，宏观层面上看，学习不再局限于特定的时间和地点，信息技术为我们构建了一个时时可学，处处可学的虚拟学习空间，为终身学习提供了现实支撑。

 

　　从微观层面看，越来越多的先进技术开始进入课堂，教室被丰富的技术围绕，显示出独特的智慧。在智慧学习环境下，学生的学习过程变得清晰透明，多方位的数据提取，完整的记录了学生的学习轨迹，为教师进行学情分析，教学设计提供了有力的依据。随着数据收集过程的简化，学习分析技术应运而生，数据只是一种静态的记录，要产生实际的价值，还需对数据进行加工整理。学习分析被认为是教育信息化的第三波浪潮，越来越受到重视。当前学习分析的理论和技术层面都得到了广泛深入的研究，在此基础上，探讨智慧学习环境下的学习分析理论模型是切实可行的。

 

　　二、智慧学习环境下学习分析的特点

 

　　智慧学习环境是伴随着信息技术的发展逐步建立起来的一种新兴教学形态。当前对智慧学习环境的研究主要集中在特征分析，技术研究，框架设计三个方面。美国联邦政府教育部技术办在2012年指出，在教育中有两个特定的领域会用到大数据:教育数据挖掘和学习分析[1]。

 

　　大数据时代，教育领域积累了海量数据，众多的学习管理系统中存储着学习着学习者个人信息及学习过程数据，如何让静态的数据呈现出动态的价值，正是学习分析的研究意义所在。与传统学习分析技术相比，智慧学习环境下的学习分析数据来源更加广泛，并且对数据的分析处理效率更高，能及时输出反馈，缩短了教学干预的周期。总体而言，智慧学习环境下的学习分析技术具有自动化，多元化，精准化的特征。

 

　　(一)自动化

 

　　黄荣怀在对智慧学习环境的定义中指出，“智慧学习环境能自动记录学习过程和评测学习成果，以促进学习者的有效学习”[2]。自动收集数据并对数据进行分析处理，是智慧学习环境的显著优势，因为学生是一个庞大的群体，且每个学生的学习状态都在时刻发生变化，如果仅仅依靠教师的主观观察，既不能做到实时更新，也做不到客观中立。

 

　　在大数据时代，技术带来的智能化，让我们可以掌握更多的数据信息，通过对数据的分析，处理能更精准的重现学习者的学习轨迹，更容易找到脆弱环节，并提供及时的干预。智慧学习环境中的摄像头、传感器等数据采集工具，能够实时获取学生最真实，最全面的学习状态。为有效的教学干预提供数据支持，且对数据的加工和分析都有相应的系统完成，既让教师脱离了繁杂的工作，也避免了人为处理的随意性。

 

　　(二)多元化

 

　　在传统学习环境下，教师除了教学，还担负着课堂监测，课堂管理的任务。凭借教师的经验和敏锐性，观察学生的学习状态，对于一些状态差的学生，给予及时的提醒和干预。但是，对于大班授课模式，这种监测和干预是低效的，教师精力有限，不能及时的关注到所有学生。

 

　　在智慧学习环境中, 建立学习者行为感知模型, 制定由学习、科研、借阅、消费、活动等行为产生的动态数据源数据采集标准, 以实现智慧学习环境中“教、学、管”等相关数据的采集[3]。让教师可以更加专注于教学，同时智慧学习环境所关注的不仅仅是学生个体的学习行为，还有学生的学习情绪，学习态度以及课堂交互行为。实现了多模态学习数据的智能管理与分析，为有效教学和调整教学设计提供了有力支撑。

 

　　(三)精准化

 

　　智慧学习环境除了可提供丰富的学习资源，还能将资源进行合理的推送。在对多元化的学习数据进行整合分析的基础上，根据学生的学习水平和学习状态，提供相应的学习资源。，与学生的学习情况相匹配，提供最合适的脚手架支持。并且这种推测和匹配是在严格的数据分析下生成的，整个过程更加科学，合理。祝智庭等提出，智慧学习环境是以信息技术为支撑，科学分析和挖掘全面感知的学习情境信息或者学习者在学习过程中生成的学习数据，以识别学习者特性和学习情境，动态匹配最佳的学习任务和活动，引导和帮助学习者进行正确决策，促进有效学习的发生。数据分析的科学性和精准化，可以为学生提供更合理的学习支持，使整个学习过程更加高效便捷。

 

　　三、智慧学习环境下学习分析理论模型构建

 

　　智慧学习环境提供了丰富的技术支持，学习分析是对这些技术的合理整合与应用。学习分析技术在教育实践中的应用已经相对成熟，所应用到的具体方法主要有社会网络分析法，机器学习算法，会话分析法以及内容分析法，各种研究方法各有利弊，要根据具体的研究内容，目标来选择合适的方法，优化教学[5]。

 

　　在技术相对成熟的境况下，理论模型的探究尤为重要。为了使学习分析更好的与课堂实践相结合，本文将教学过程分为课前测试，课中干预，课后调整与实时答疑四个阶段;相应的数据类型为原始数据，动态数据，整合数据，监测数据。并将每一阶段的分析内容进行细化，据此构建了智慧学习环境下学习分析理论模型。

 

　　(一)原始数据

 

　　在开展教学活动之前，首先要进行学情分析，了解学生的知识基础，才能更好的进行教学设计。课前测试是学情分析的一部分，主要是对学生的基础知识，薄弱知识以及拓展知识的掌握程度进行分析，大致描绘出学生的知识水平。可以采用随机测试，在线问卷等方式快速收集数据，并通过系统的自动分析功能，为每个学生生成可视化成绩表，使学生的知识分布状态一目了然。在测试完成后，学生可以针对答卷提出疑问，在实时答疑模块中，会及时给出答题思路，并将这些疑问一一记录在学生的学习档案中，为个性化资源推送提供依据。

 

　　(二)动态数据

 

　　在教学开展过程中，通过智能工具收集学生的学习数据，包括学生的学习情绪，学习参与度，互动次数，以及专注程度。这些数据是动态的，变化的，因为学生的学习状态也在一直变化中，全方位的收集动态数据，是为了更精准的分析学生的学习情况，并提供及时的干预，提高课堂教学有效性。课中干预的方式包括知识点的强化，学习方法的纠正以及学习氛围的调动。学生是完整的个体，有独立的思维和能动性，教学设计只是教师对课堂的初步设想，而课堂中的突发状况是未知的，学生的学习反馈也是难以预料的，因此，关注动态数据才能更好的掌控课堂，提供更有效的教学干预。

 

　　(三)整合数据

 

　　在教学活动结束后，教师还有一项重要的任务，教学反思。传统的教学反思，主要是通过写教学笔记进行回顾性反思，包括课堂观察，教学随笔，教学日志等文字性材料，用文本的形式予以记录和表达,是促进教学反思水平提高的积极有效的手段[6]。但是，文字形式的反思，教师大多关注的是自己的教学设计，教学策略，很难再现学生的真实反应，无法以量化的形式进行教学调整。在智慧学习环境下，由于在课前，课中都有完整的数据集，将原始数据与动态数据进行整合，就可以较为全面的刻画出学习者的学习状态图，学生的学习反馈与学习效果，既是对当堂课程的有效评价也是对下面课程的有效指引。因此，在课后反思阶段，要将多方数据进行整合处理，得出相关结论，从而为教学设计，教学风格，教学模式的调整提供数据支持，使教学反思不再停留在理论和思想层面。

 

　　(四)监测数据

 

　　教学过程是完整不可分割的。课前，课中，课后是相互关联的阶段，在收集动态数据的时候，并不是只关注动态数据，也要将课前的原始数据进行结合，作为对比或补充数据。监测数据贯穿整个教学过程，并提供实时答疑的功能。当学生在课中学习到课前答错的知识点时，监测数据模块，会将两部分数据进行对比，观察学生的知识水平变化情况，并提醒教师进行适时的干预。当学生在某一知识点上频繁出错时，教师要关注学生的学习方法是否正确，如果不正确，要提供正确的引导。监测数据主要处理的是各个阶段有所关联或重复的内容，这部分内容也正是影响学习成效的关键部分。

 

　　教育论文投稿刊物：《中国电化教育》杂志忠实地记录着我国教育技术事业的发展历史，内容涉及教育信息化政策、教育技术理论与应用研究、网络远程教育、学校教育信息化实践、学科建设、学习资源、技术与产品、国内外教育技术动态等方面。

 

　　四、总结与展望

 

　　智慧学习环境是教育信息化的必然产物，也是数字学习环境的高端形态。学习分析是实现智能化教学的关键，利用丰富的技术打开学习者的认知黑箱，以量化的数据展现学习者的学习轨迹，毫无疑问，在教育信息化时代学习分析有广阔的发展前景。进入信息化2.0时代，更多的新兴技术涌现出来，如何将技术进行整合应用，最大化的发挥技术的价值，正是建构理论模型的意义所在。

 

　　本文从技术视角转向教学过程，将课前，课中，课后的数据采集与学习分析任务相结合提出学习分析理论模型，希望能够实现技术与实践的进一步结合。然而，本文只是停留在理论模型的探索上，没有进一步将其应用于实践中，对于实践中可能遇到的一些问题，没有做出设想及解决方案。但不可否认的是，在可以预见的将来,学习分析一定能获得更多认可和支持,有更广阔的应用空间。

 

　　参考文献

 

　　郭炯,郑晓俊.基于大数据的学习分析研究综述[J].中国电化教育,2017,(01):121-130.

 

　　黄荣怀, 杨俊锋, 胡永斌. 从数字学习环境到智慧学习环境——学习环境的变革与趋势[J]. 开放教育研究, 2012(01): 75–84.

 

　　黄庆双.智慧学习环境下基于多模态数据的学习预警系统设计与分析[J].软件,2019,40(11):52-56.

 

　　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,2012,33(12):5-13.

 

　　作者：侯志燕

 

本文章来源于网络，版权属于原作者，如需删除请联系本站站长。