学习分析平台的国内外现状

　　2012年，国外MOOC（massive open online course）兴起，2013年中国开始引入，给教学的模式带来了极大的冲击，传统教学中，学生的学习数据都在试卷、作业等纸上，或是教师课堂上的捕获，或是数据人为地录入电脑（如成绩的统计，学分的计算等）。随着网络的普及与发展，教学开始从课堂搬到网上，数据日趋丰富。教育也逐渐趋于量化，包括学习场景与过程的数据化，教育大数据的分析与可视化，智能化与个性化等等。由此，以大数据技术为基础的学习分析平台也相应而生。以下就国内外发展的现状做相关介绍。

　　国外现状

　　通过查阅多篇文献，可以发现，国外对学习分析平台的研究较多，在“学习行为分析”概念出现之前，与之相关的技术、工具及其应用研究已经开展起来。《学习分析工具比较研究》一文中总结了多种学习分析工具，所列出学习分析工具的发起者都来自于国外，文中提及的学习分析工具都需要人为提取数据到相关的工具或平台中使用。随着技术的发展与MOOC平台广泛的使用，真正结合教学平台的学习分析平台也开始出现。

　　2014年2月，哈佛大学与麻省理工学院推出了edX Insights交互式数据可视化工具。edX Insights平台从学习者类型、学习者特征和学习者学习行为等多个角度对教育数据进行挖掘并统计分析，并于同年5月开放数据供全球研究者使用，2014年8月，平台组织者在github（社交编程及代码托管网站）上对代码进行开源，供全球的开发者使用并提交代码。这是目前全球最知名的开源学习分析平台。

　　2014年5月，Coursera发展团队中国区业务负责人伊莱在《MOOCs如何改变高等教育》一文中提出，以数据为基础的教育能有效地帮助教学，Coursera平台记录学生的所有行为，行为数据可以直接通过平台展现出来，并且该数据对不同的教育问题都有一定的研究意义。另一篇文献《Engaging with Massive Online Courses》从Coursera平台中的开课数据记录分析不同的学生在学习过程中表现出的差异，并对如何提升课程论坛活跃度作出建议。

　　文献《慕课中的学习评价--以Coursera和Udacity为例》中，也提到Udacity做好习分析平台。Udacity较早于Coursera平台建立个人电子档案，并不断完善学习者的数据搜集与智能统计分析功能，这种电子档案的形式能够呈现出学习者在该教学平台上的经验，有助于学习者理清属于自己的学习发展脉络。

　　以上可以看出，国外几大著名MOOC平台包括edX、Coursera和Udacity都很关注数据对于教育的影响，也分别根据自身的平台特点设计与开发出学习分析平台。

　　国内现状

　　在学习分析平台的研究上，国内起步较晚，利用MOOC平台的数据研究较少。受惠于国外学习分析平台的研究基础，近些年国内分析平台发展很快，《MOOC学习者行为分析研究》一文详细地介绍了国内MOOC平台“爱课程”如何对学习者进行行为研究，目前“爱课程”平台主要对学习者的选课、退课、课程参与、成绩等几个方面进行统计分析；香港教育大学也建立为期三年、名为“开发及评估学习分析平台”的项目；国内另一发展较好的MOOC平台“学堂在线”的技术负责人在2016年由教育部组织的“在线开放课程建设与应用管理培训班”上也探讨了学堂在线学习分析平台的现状，该分析平台是基于开源的edX Insight的二次开发，在原有的基础上丰富了很多分析点，增加了国内地理分析、学生观看视频行为等更多的详细信息分析，加入了作业测试分析等等。此外，《基于“学习分析”技术的学习平台开发与应用研究》和《基于大数据技术的学习分析系统架构》等论文中，也都谈到了学习分析平台的架构与应用。

　　国内学习分析平台的发展日趋完善，多个MOOC教学平台基于国内教学背景，根据自身平台所面向客户的需求，开发出适合国人的学习分析平台。

　　综上所述，国外的对学习分析平台的研究早于国内，国内的多种技术由国外引进。由于国内外的教学背景不一样，所以分析的重点和数据的意义都不同、每个平台各自的侧重点与评价也不同，导致每个分析平台的分析模型略有差异。例如，国外对证书和论坛活跃度等数据较为关注，国内对退课和学生课堂中的行为等数据较为关注。本课题主要研究国外的开源edX Insights平台的相关技术来搭建定制化的分析平台，以满足校内教师和研究者来做相关研究的需要，并为他们提供技术支撑。

　　功能设计

　　学习分析平台总体功能

　　学习分析平台是在MOOC发展火热化及普遍使用的背景下开始提出的，MOOC产生的海量数据为学习分析提供了基础。提出学习分析平台的目的是在现有的学习资源的基础上，为教师提供在线的第二课堂及观摩平台，以适应教师与学生在信息社会下的学习行为特性，帮助教师提高教学效率及效果，帮助学生查找学科弱点提高学习成绩。无论是教师还是学生，研究者还是开发者，他们对于数据都是特别感兴趣的，教师关注学生在这门课程中的学习状态，课程内容是否可以改进；学生关注自己学习的成果与反馈数据；研究者希望这些数据能给他们的研究提供一定的支持，以期有新的发现；而开发者则对数据挖掘和可视化展示等感兴趣。

　　学习分析平台与教学平台相连，获取教学平台数据，分析教学平台上学习者类型、学习者特征以及学习者学习行为，并将这些数据可视化呈现。

　　在分析平台中，使用数据分析方法，主要从学习者类型分析、学习者特征分析、学习者行为分析三个方面对教学平台的使用者进行了研究，多维度展现学习者学习的实际情况。将这些数据能够以直观的形象呈现给各个领域的研究人员，以便提高教学效率和教学效果。

　　学习者类型分析

　　学习者分为四个类别：注册学习者、一般学习者、积极学习者、获得证书者等。

　　仅注册者：仅注册课程，但没有其他学习行为。

　　一般学习者：注册课程并访问了课程课件。

　　积极学习者：注册课程并访问了大于1/2的课件章节内容。

　　获取证书者：获得课程证书的学习者。如图1所示。通过这些数据可以看出平台真正使用的用户，可以看出哪些课程是真正被学习者所接受的等等。

　　学习者特征分析

　　学习者特征包含学习者的学历、年龄、性别以及学习者所在地。研究这些学习者的基本数据可以得出各种不同的结论，如：学习平台使用者主要集中的年龄段，使用者的学历水平，学习平台受欢迎的国家或地区，选择某一门课程的男生和女生的比例等等，这些都具有重要的研究意义。

　　学习者学习行为分析

　　学习者行为分析则是教师真正关心的数据，它包含了学生在一门课程中的所有行为，登录时长、视频播放次数、学习章节数以及论坛发帖数，这些数据能直接地反映出学习者的个性以及教学内容的安排，教学管理人员可以将这些结果用于预测教学并指导和调整教学，使课程更加个性化，满足不同学习者的需求。