本文首先交代了教育信息化背景，界定了学习分析的概念，比较了学习分析与教育数据挖掘的区别和联系，之后阐述了学习分析技术中的关键技术，最后分析了学习分析技术在教育管理等领域的应用展望以及所面临的挑战。
一、前言
随着教育技术的进步以及教育信息化的发展，教育中技术的应用已经在教育生活中“悄然展开”。一方面，学习技术系统，例如学习管理系统、课程管理系统等，已经获得并存储了大量的关于学生学习的数据，学生参加的各种在线学习记录了学习轨迹信息，学生在社交网络中的学习行为数据更是呈现出急剧增长的态势，所有的这些数据都在持续不断地增加，甚至超过了教育研究者和教育机构对教育信息的理解和应用能力。
另一方面，教育信息化的发展以及对教育信息的巨大投入能否有效地优化学生的学习效果以及如何利用相关的学习数据来优化学习效果，目前已经成为了困扰教育界的一大难题。教育机构如何有效挖掘和利用相关数据来促进学生学习以产生相应的经济效益;教师如何利用学习数据有效地跟踪学生的学习进度;教育研究者如何通过学习数据分析发现学生学习的规律，进行教学管理;诸如此类的问题，已经引起了研究者的关注和重视。
2011年2月，首届学习分析技术与知识国际会议(1st International Conferenceon Learning Analytics & Knowledge，LAK11)在加拿大的阿尔伯达省班芙市举行，会议以学习分析技术在技术、社会和教学等维度的整合为主题。
2012年4月第二届学习分析和知识国际会议(2nd International Conference on Learning Analytics & Knowledge，LAK12)在加拿大温哥华举行，会议探讨了学习分析技术、知识建模和表征、知识工作和分析等领域现状及发展策略。
此外，美国新媒体联盟(The New Media Consortium， NMC)与美国高等学校教育信息化协会主动学习组织(The EDUCAUSE Learning Initiative)合作的“新媒体联盟地平线报告(The New Media Consortium’s Horizon Project)”的2010年度、2011年度、2012年度和2013年度报告中，预测基于大数据的学习分析技术将在未来四到五年内成为教育技术应用领域中的主流之一，并对学习技术在教育教学管理等方面的促进作用进行了全面地分析，描绘了学习分析技术在未来广泛的应用前景。
基于以上学习分析技术产生及发展的背景，本文将对学习分析技术进行解读，阐明学习分析中的关键技术，分析其在教育教学管理领域的应用前景及可能存在的挑战。
二、学习分析及其相关概念
(一)学习分析
首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”。新媒体联盟将学习分析定义为：利用松散耦合的数据收集工具和分析技术，研究分析学习者参学习参与、学习表现和学习过程的相关数据，进而对课程、教学和评价进行实时修正。学者顾小清认为，学习分析是围绕与学习者学习信息相关的数据，运用不同的分析方法和数据模型来解释这些数据，根据解释的结果来探究学习者的学习过程和情境，发现学习规律;或者根据数据阐释学习者的学习表现，为其提供相应的反馈从而促进更加有效的学习。综上所述，可以将学习分析概括为：学习分析是综合利用各种科学理论和方法，通过对大量相关教育数据的处理和分析，运用数据分析模型或方法分析学习者学习过程中的存在的问题，评价学习者的学习行为，为学习者提供反馈，从而促进学习活动的顺利进行。
(二)学习分析与教育数据挖掘
学习分析与教育数据挖掘密切相关，同时，两者之间又存在着差异。教育数据挖掘是运用数据挖掘方法和技术，对相关的教育大数据进行处理和分析，从而建立数据模型，找出学习者学习效果与学习资源、教师行为、学习方式等变量的相关关系，以此来预测学习者将来的学习趋势。根据学习分析的定义可得，学习分析与教育数据挖掘之间是有交叉的，两者都是教育大数据在教育领域的应用，它们的研究数据来源是相同的。同时，教育数据挖掘中的主题与学习分析活动息息相关，都为学习者提供相应的反馈。
两者之间的差异体现在以下几个方面：教育数据挖掘强调自动发现，重点在于建构分析模型和建立发现模式。学习分析则更强调人为的干预，重点在于分析学习者的学习行为;教育数据挖掘强调关于学习的各个部分之间的联系，而学习分析强调整体性和情境性;从两者所依赖的分析工具和技术上来说，教育数据挖掘主要依靠聚类技术，将一个完整的数据集合分成不同类别的子集，再对数据进行分析。而学习分析则更依赖于社会干预，它主要运用网络分析、话语分析以及内容分析等分析方法。
三、学习分析技术中的关键技术
随着教育信息化的发展，学习分析技术正在融合其他学科领域的相关技术，以更好地实现相关学习数据的分析以及对学习过程的研究。目前，较为有效的可用于学习分析的关键技术主要包括内容分析法、话语分析法和网络分析法。
1.内容分析法
内容分析法是指对文本内容以及媒体内容进行系统且客观的量化并加以描述的一种分析方法。它实际上是一种推理的过程，从有表征意义的数据中推断出相对准确的意义。运用内容分析法不仅可以对教育数据进行定量分析，还可以进行定性分析。定量分析可得学习者的行为模式，定性分析可预测学习者未来的学习趋势，为学习者提供个性化的反馈信息。
目前，ROST CONTENT MINING是一款比较常用的学习分析使用工具，它是对用户免费开放的大型的内容分析工具平台;Visual Similarity工具通过对学习内容的分析解决学习资源的多元搜索问题，例如，可以查找图片来源，提供理解新概念的途径，查找到与当前学习内容相关的文章、视频等资源;iSpot工具对学习者学习过程中运用的文本和多媒体信息进行标注，并对标注了的数据进行分析，从而了解学习者之间的交互式如何发生的，还可以获知支持学习的资源分布情况。
2.话语分析法
话语分析法又叫做交互影响分析、语境分析，是对学习者学习过程中产生的交流过程进行分析解释的学习分析方法。分析的对象多种多样，例如，面对面直接的对话内容、通过网络进行的交流内容、在线学习小组交流的内容等。通过话语分析技术可以得知学习者学习过程中话语文本的含义，以此来探究学习者知识建构的过程，进而更加清晰地认识学习发生的过程。
目前，话语分析工具发展地较为成熟。例如，The Digital Research Tools Wiki可以对话语文本进行分析和解释;Wordle and Tag Crowd可以将文本内容进行可视化处理;Cohereis可以将网上交流的内容进行结构化处理;WMatrix可对文本内容进行定量研究分析。
3.社会网络分析法
社会网络分析法是社会学家根据图论、数学方法等研究出来的一种定量分析的方法。运用社会网络分析法，不仅可以用来探究网络学习过程中的联系、关系、角色以及网络形成的过程与特点，还可以了解人们如何在网络学习中建立并维持关系从而为自己的学习提供支持。
假设以当前的学习者个体作为研究分析的对象，运用社会网络分析法可以推断出该学习者从哪些学习伙伴那里得到了启发，该学习者在哪些知识点的理解吸收上存在困难以及哪些因素影响了学习者的学习过程等等。对于网络学习过程进行系统的社会网络分析需要使用许多相关的技术和方法。例如：可以用Mzinga工具来确定网络学习过程中学习者的参与程度;可以用Gephi工具来对信息和数据进行交互式的可视化处理;可以用SNAPP(学习网络可视化评估工具，由澳大利亚Wollongong 大学研发)来对网络学习过程中学习者与教育者或学习伙伴之间的讨论情况通过量化、分析后，以图表形式呈现出来。
总之，学习是与学习环境、学习内容、学习同伴和施教教师之间的复杂的交互过程。要对学习过程进行研究和管理必须要选择恰当的切入点以及适当的分析工具和方法，从不同的角度去解释学习过程，优化教育教学管理。
四、学习分析的应用展望
学习分析最终的目标是服务于教育教学管理。按照层级划分，学习分析主要有三大利益相关者，分别是学习者、教学者和教育管理者。学习分析的直接对象为学习者，学习数据的分析结果直接影响到学习者的学习活动;教学者可利用对学习者学习分析的结果对学习者学习行为进行一定程度的计划和干预;最上层的教育管理者根据学习者和教学者的数据做出相应的判断以及决策。以学习分析的利益相关者为线索，目前学习分析的应用主要体现在以下几个方面：
1.学习者：学习自我管理(评估、诊断与导向)
学习分析可作为学习者自我评估的工具，帮助学习者了解学习过程中的优势与不足，使学习者更加充分地认识自己，更好的规划自己的学习行为，实现学习者的自主发展。由于学习分析能从系统的角度获取并分析学习者的学习数据，因此，学习分析可以用来诊断学习者的学习需求。
在自我评估和学习需求诊断的基础上，学习分析还为学习者提供了一个与学习内容、学习同伴、学习环境和教师互动的平台，促进了自我导向学习的产生与发展。通过学习分析，学习者可以分析自己学习过程产生的数据，通过学习内容以及学习时间的可视化来了解并把握学习的进度。
目前，有许多学校已经利用学习分析技术为学习者提供相应的服务。例如，美国马里兰大学在课程管理系统中利用学习分析设计了一个名为“检查我的活动”的学习情况反馈工具，帮助学生评估自己的学习过程，学生可以通过使用这个工具了解到自己选修的课程情况，作业的得分情况等。
2.教学者：优化教学、个性化学习设计
这里的教学者包括教师以及教育研究者。教师可利用学习分析技术获取有关学生的学习绩效、学习环境、学习过程等数据信息，为教师改进教学提供科学依据。从学生的学习系统中，教师可以了解到学生登录系统的时间，学习某门课程所花的时间，课程的进展情况，在课后问答的交互情况等。
通过对获取数据的分析，教师便可判断学生的学习习惯、学习风格以及学习进展等，从而制定适合学生实际情况的教学方案，进一步优化教学。对教育研究者而言，利用学习分析技术深入分析学习者学习数据可以发现学习者个体的学习偏好以及学习路径、学习模式，在此基础上对学习者的学习进行个性化的设计。
3.教育管理者：科学决策
教育管理者往往是教育决策者。学习分析在很大程度上为教育管理者提供决策依据。对学校管理部门来说，通过对学生学习活动的跟踪和分析会影响学校对学习空间、学习资源的分配;对课程完成情况，学生学习绩效的分析会对学校课程改革产生一定的影响。政府和教育机构在某种程度上根据学习分析的结果调整政策或策略，使自身受益。
五、存在的问题与挑战
当前，教育技术领域对学习分析技术寄予了厚望，教育研究者期望通过学习者学习行为数据分析对教育领域做出贡献。但是，我们在享受学习分析技术带来的成果的同时必须清醒的认识到学习分析技术尚未成熟，还存在很多缺陷，面临诸多挑战。例如，准确性问题。学习过程的复杂以及学习行为的特殊性决定了学习者的内部心理活动和思维的过程等无法通过外显的行为表现为行为数据。
这就直接导致学习分析技术无法获得学习过程完整的系统的行为数据，也就意味着学习分析技术分析的结果很有可能无法完全正确的反映学习者学习的全貌。再如，隐私性问题或称伦理问题。学习分析技术的这一问题是显而易见的，学习者学习行为数据的采集难免会用到摄像机、监控视频等设备，也会后台调取学习行为数据。这很可能造成对学习者个人的隐私的侵犯。还有责任分担问题，数据版权问题等都会随着学习分析技术的发展而出现。
总之，在大数据的时代背景下，学习分析技术在教育教学管理领域有着巨大的应用价值和发展前景，但同时我们也要应对其面临的诸多问题与挑战。学习分析技术要得到广泛地普遍地应用还有很长的探索之路要走。
作者：吴国卿 来源：速读·上旬 2016年2期
