王榴卉，侯　悅，楊現(xiàn)民

?

大數(shù)據(jù)支持下的網(wǎng)絡(luò)學(xué)習(xí)行為采集模型設(shè)計(jì)

王榴卉，侯悅，楊現(xiàn)民

網(wǎng)絡(luò)學(xué)習(xí)行為采集是學(xué)習(xí)分析的重要步驟，是推進(jìn)學(xué)習(xí)分析“落地”的重要抓手，對(duì)學(xué)習(xí)分析結(jié)果的有效性具有重要的意義。在網(wǎng)絡(luò)學(xué)習(xí)行為采集過程中需要“明確分析目標(biāo)、列舉采集行為，結(jié)合研究目的、分類采集行為，分析行為特征、選擇采集工具，利用采集工具、獲取目標(biāo)數(shù)據(jù)，整理采集數(shù)據(jù)、數(shù)據(jù)存儲(chǔ)入庫(kù)”等五個(gè)步驟對(duì)外顯操作和內(nèi)隱認(rèn)知兩個(gè)層面的數(shù)據(jù)進(jìn)行采集。同時(shí)，針對(duì)采集過程中可能出現(xiàn)的問題做到以數(shù)據(jù)庫(kù)作為采集基礎(chǔ)、清晰定位顯隱性行為、保持采集的針對(duì)性和規(guī)范性、合理應(yīng)用采集數(shù)據(jù)等。

大數(shù)據(jù)；網(wǎng)絡(luò)學(xué)習(xí)；行為采集；系統(tǒng)模型

隨著網(wǎng)絡(luò)技術(shù)的不斷發(fā)展與成熟，信息正在以指數(shù)級(jí)的速度迅速增長(zhǎng)。在這種爆炸式增長(zhǎng)趨勢(shì)的影響下，有市場(chǎng)研究機(jī)構(gòu)預(yù)測(cè)，到2020年整個(gè)世界的數(shù)據(jù)總量將會(huì)增長(zhǎng)44倍，達(dá)到35.2ZB。[1]海量龐雜的數(shù)據(jù)，將給人類社會(huì)各領(lǐng)域帶來革命性的影響。在這個(gè)數(shù)據(jù)量劇增的時(shí)代，大數(shù)據(jù)概念應(yīng)運(yùn)而生，并且在醫(yī)療、電子商務(wù)、通信、教育等領(lǐng)域產(chǎn)生了革命性的影響。我國(guó)教育領(lǐng)域的發(fā)展與改革面臨著前所未有的挑戰(zhàn)，以教育大數(shù)據(jù)驅(qū)動(dòng)教育向個(gè)性化、智能化方向發(fā)展已成為時(shí)代發(fā)展的必然趨勢(shì)。

網(wǎng)絡(luò)平臺(tái)中所保留的各類行為記錄作為在線教育領(lǐng)域中重要的教育數(shù)據(jù)，一直以來備受研究者的重視。在大數(shù)據(jù)理念的深入傳播下，如何構(gòu)建有效的行為數(shù)據(jù)采集模型，滿足各類學(xué)習(xí)行為數(shù)據(jù)采集的需要，已成為大數(shù)據(jù)支持下的學(xué)習(xí)行為采集過程中亟待解決的一個(gè)現(xiàn)實(shí)問題。但是現(xiàn)有的學(xué)習(xí)行為數(shù)據(jù)采集模型的研究大部分關(guān)注于學(xué)習(xí)者的實(shí)際操作行為(即顯性操作)，卻忽視了學(xué)習(xí)者的心理變化(即內(nèi)隱認(rèn)知層面的知識(shí)內(nèi)化過程)。而學(xué)習(xí)效果的好壞，除了研究可見的操作行為，不可見的知識(shí)內(nèi)化過程也是一個(gè)重要的研究方面?；诖耍疚膹脑诰€學(xué)習(xí)的顯性行為和隱性行為兩個(gè)角度構(gòu)建網(wǎng)絡(luò)學(xué)習(xí)行為采集模型，并對(duì)采集模型構(gòu)建中的關(guān)鍵問題進(jìn)行初步探討，以彌補(bǔ)當(dāng)前采集模型中只關(guān)注顯性學(xué)習(xí)行為忽視隱性學(xué)習(xí)行為作用的不足，為后續(xù)研究者提供參考。

一、網(wǎng)絡(luò)數(shù)據(jù)采集研究現(xiàn)狀

1.國(guó)內(nèi)研究現(xiàn)狀

互聯(lián)網(wǎng)的普遍應(yīng)用給生活帶來便利的同時(shí)也產(chǎn)生了龐大的數(shù)據(jù)，如何采集這些數(shù)據(jù)，并從中提煉出有價(jià)值的信息成為研究的熱點(diǎn)問題。采集方法因情況而異，可以首先根據(jù)服務(wù)平臺(tái)的運(yùn)行模式設(shè)計(jì)采集分析模型，利用其中的采集原理監(jiān)控用戶行為實(shí)現(xiàn)對(duì)數(shù)據(jù)的采集。例如張計(jì)龍等人為研究圖書館電子資源的用戶信息行為，架構(gòu)ERU系統(tǒng)數(shù)據(jù)采集分析模型，利用ERU數(shù)據(jù)采集原理，捕捉網(wǎng)絡(luò)傳輸?shù)讓与娮淤Y源數(shù)據(jù)包并重新封裝建模，對(duì)用戶訪問頁(yè)面實(shí)行頁(yè)面仿真建模分析，采集用戶IP、檢索、瀏覽、下載等顯性操作行為，實(shí)現(xiàn)對(duì)圖書館電子資源的使用統(tǒng)計(jì)分析和訪問監(jiān)控。[2]也可以利用合適的采集技術(shù)匹配相關(guān)行為數(shù)據(jù)，實(shí)現(xiàn)針對(duì)性采集。譬如張玉芳等人采取網(wǎng)絡(luò)嗅探采集方法采集多用戶、多站點(diǎn)訪問環(huán)境下的用戶瀏覽行為數(shù)據(jù)，在大量用戶HTTP請(qǐng)求中抽取能夠反映用戶瀏覽行為的有效點(diǎn)擊頁(yè)面請(qǐng)求，再經(jīng)過一系列篩選過程過濾清理采集到的數(shù)據(jù)。[3]夏天利用聚焦網(wǎng)絡(luò)爬蟲技術(shù)，以論壇中的公共網(wǎng)絡(luò)輿情數(shù)據(jù)采集為例，通過限定爬蟲爬行方向，構(gòu)建用戶數(shù)據(jù)深度定向采集模型。采集到的數(shù)據(jù)包括用戶發(fā)布的話題、評(píng)論以及涉及的圖片等。[4]網(wǎng)絡(luò)學(xué)習(xí)行為數(shù)據(jù)采集在教育領(lǐng)域?qū)嵤┹^少，并且采集范圍主要集中某一方面行為。例如廖競(jìng)等人采用開源軟件netmate工具和成熟算法設(shè)計(jì)出一種靈活的網(wǎng)絡(luò)學(xué)習(xí)行為數(shù)據(jù)采集和分析系統(tǒng)，首先將獲取到的數(shù)據(jù)流與學(xué)習(xí)行為樣本庫(kù)進(jìn)行匹配，之后以指定文本形式流出，文本文檔在經(jīng)過格式處理后進(jìn)入分類器接受分類，最后可視化顯示分析結(jié)果。[5]可以看出，國(guó)內(nèi)采集模型具有集統(tǒng)計(jì)與監(jiān)控功能為一體、遷移應(yīng)用、定向深入、靈活性強(qiáng)等優(yōu)勢(shì)。但在深入挖掘用戶行為方面存在不足。例如張計(jì)龍、張玉芳等人提出的數(shù)據(jù)采集模型只能采集到用戶的站點(diǎn)信息、點(diǎn)擊請(qǐng)求等淺層次顯性瀏覽等操作行為，沒有深入用戶內(nèi)隱認(rèn)知層面。夏天提出的深度定向采集技術(shù)雖然可以深入用戶思維相關(guān)的行為中，即可以采集到用戶隱性行為，但是研究采用的爬蟲技術(shù)只適用于評(píng)論類行為，不能采集到總結(jié)反思等隱性行為。廖競(jìng)等人提出的數(shù)據(jù)采集系統(tǒng)將所有行為數(shù)據(jù)混合在一起采集多有不便。如果首先將學(xué)習(xí)行為分為外顯操作和內(nèi)隱認(rèn)知兩個(gè)層面，再根據(jù)數(shù)據(jù)類型的不同使用合適的采集工具，分析會(huì)更加全面具體。

2.國(guó)外研究現(xiàn)狀

由于互聯(lián)網(wǎng)最早起源于美國(guó)，因此國(guó)外在網(wǎng)絡(luò)數(shù)據(jù)采集方面的研究與實(shí)踐均早于國(guó)內(nèi)。近年來，網(wǎng)絡(luò)社交逐漸成為最主要的交流方式，通過采集社交應(yīng)用程序中用戶行為數(shù)據(jù)來研究用戶行為得到一批學(xué)者的廣泛關(guān)注。例如2012年，F(xiàn)ehmi Ben Abdesslem等人基于Facebook社交應(yīng)用程序，在應(yīng)用中部署程序與服務(wù)器數(shù)據(jù)庫(kù)進(jìn)行數(shù)據(jù)交換的網(wǎng)絡(luò)接口來實(shí)現(xiàn)直接監(jiān)視、采集用戶在線分享內(nèi)容，另外，文中也提到其他可以收集用戶在社交網(wǎng)站分享內(nèi)容的方法，例如通過HTTP請(qǐng)求和相應(yīng)分析自動(dòng)化腳本等方法。[6]這種采集方法主要依賴于應(yīng)用程序，缺乏遷移性，應(yīng)用程度不高。對(duì)于單一的網(wǎng)絡(luò)數(shù)據(jù)采集技術(shù)研究，Eric Rice等人提出網(wǎng)絡(luò)數(shù)據(jù)收集的混合方法，即結(jié)合自由回憶名稱發(fā)生器采集到的網(wǎng)絡(luò)信息反饋數(shù)據(jù)和半結(jié)構(gòu)式定性訪談得到的網(wǎng)絡(luò)關(guān)聯(lián)編碼數(shù)據(jù)，但是研究鮮有提到該方法涉及的技術(shù)工具。[7]網(wǎng)絡(luò)學(xué)習(xí)行為數(shù)據(jù)采集方面，Karin Anna Hummel等人基于Web在線學(xué)習(xí)平臺(tái)，提取數(shù)據(jù)庫(kù)中的訪問記錄和服務(wù)器中的日志文件，來分析學(xué)習(xí)者的學(xué)習(xí)行為，不限時(shí)間和地點(diǎn)，具有良好的可移植性和應(yīng)用性。[8]可以看出，國(guó)外的數(shù)據(jù)采集模型雖具有針對(duì)性、遷移應(yīng)用性等優(yōu)勢(shì)，但也存在不足，例如只是采集表面的文字信息、簡(jiǎn)單操作行為等，沒有深入采集用戶的隱性認(rèn)知行為等。

綜上，網(wǎng)絡(luò)學(xué)習(xí)行為種類繁多，涉及的數(shù)據(jù)也無比龐大，雖然國(guó)內(nèi)外都有學(xué)者對(duì)網(wǎng)絡(luò)學(xué)習(xí)行為數(shù)據(jù)的采集工具與技術(shù)進(jìn)行探究與實(shí)踐，但是這些研究大多只涉及對(duì)顯性學(xué)習(xí)行為數(shù)據(jù)的采集和挖掘，鮮有學(xué)者對(duì)隱性認(rèn)知層面的學(xué)習(xí)行為數(shù)據(jù)的采集方法進(jìn)行研究。而隱性學(xué)習(xí)行為更能體現(xiàn)學(xué)習(xí)者對(duì)學(xué)習(xí)內(nèi)容的掌握情況。所以本文將首先分類網(wǎng)絡(luò)學(xué)習(xí)行為，再分別介紹顯性學(xué)習(xí)行為數(shù)據(jù)和隱性學(xué)習(xí)行為數(shù)據(jù)的采集技術(shù)。

二、網(wǎng)絡(luò)學(xué)習(xí)行為數(shù)據(jù)的分類

大數(shù)據(jù)時(shí)代的來臨給教育帶來的變革遠(yuǎn)遠(yuǎn)超乎了人們的想象。網(wǎng)絡(luò)學(xué)習(xí)資源、網(wǎng)絡(luò)學(xué)習(xí)行為、網(wǎng)絡(luò)學(xué)習(xí)主體等要素的變化都在向著可記錄、可分析的方向發(fā)展。[9]網(wǎng)絡(luò)學(xué)習(xí)行為是一個(gè)多維度、多層次的結(jié)構(gòu)體系。[10]在進(jìn)行網(wǎng)絡(luò)學(xué)習(xí)的過程中，學(xué)習(xí)者的學(xué)習(xí)行為形式多樣，根據(jù)學(xué)習(xí)的有無意義，可分為有意義學(xué)習(xí)行為和無意義學(xué)習(xí)行為；根據(jù)學(xué)習(xí)的深淺層次，可以分為深度學(xué)習(xí)行為和淺層學(xué)習(xí)行為等。為了實(shí)現(xiàn)對(duì)網(wǎng)絡(luò)學(xué)習(xí)行為的描述，彭文輝提出了學(xué)習(xí)行為的分類模型——OCCP模型，并給出了基于OCCP的行為形式化描述，又結(jié)合網(wǎng)絡(luò)學(xué)習(xí)的特殊情景要素給出了一個(gè)S-F-T的網(wǎng)絡(luò)學(xué)習(xí)行為的三維描述模型。[11]但是OCCP模型僅僅是對(duì)網(wǎng)絡(luò)學(xué)習(xí)行為進(jìn)行了層次的劃分，并沒有根據(jù)網(wǎng)絡(luò)學(xué)習(xí)的特點(diǎn)進(jìn)行具體化、實(shí)例化。而S-F-T模型主要偏向網(wǎng)絡(luò)學(xué)習(xí)行為的外顯行為，認(rèn)為只有外顯行為才能在網(wǎng)絡(luò)學(xué)習(xí)行為記錄中得以觀察，外顯行為就反映了個(gè)體學(xué)習(xí)心理。本研究認(rèn)為，顯性操作行為反映的是學(xué)習(xí)者的日常學(xué)習(xí)狀況(如是否登錄平臺(tái)進(jìn)行學(xué)習(xí)、學(xué)習(xí)時(shí)長(zhǎng)等)，由此來分析、判斷學(xué)習(xí)者的學(xué)習(xí)情況過于片面。而隱性學(xué)習(xí)行為數(shù)據(jù)是通過分析學(xué)習(xí)者提交的相關(guān)文本內(nèi)容，能更全面、更客觀地反映學(xué)習(xí)者對(duì)學(xué)習(xí)內(nèi)容的理解情況。因此，本研究在調(diào)研了十幾個(gè)具有代表性的網(wǎng)絡(luò)學(xué)習(xí)系統(tǒng)的基礎(chǔ)上將網(wǎng)絡(luò)學(xué)習(xí)行為分為外顯操作層面和內(nèi)隱認(rèn)知層面。

1.外顯操作層面

外顯操作行為主要指學(xué)習(xí)者在學(xué)習(xí)平臺(tái)發(fā)生的登錄、瀏覽、查詢等簡(jiǎn)單的點(diǎn)擊性操作。學(xué)習(xí)者的外顯操作是其進(jìn)行學(xué)習(xí)時(shí)的外部直接表現(xiàn)，比如登錄的時(shí)長(zhǎng)和頻率、討論的次數(shù)等，這些簡(jiǎn)單的操作可以直接反映學(xué)習(xí)者在何時(shí)何地發(fā)生了哪些學(xué)習(xí)行為，進(jìn)而可以客觀地判斷學(xué)習(xí)者的學(xué)習(xí)情況，為深層次挖掘?qū)W習(xí)者的學(xué)習(xí)成效奠定基礎(chǔ)，根據(jù)各學(xué)習(xí)平臺(tái)學(xué)習(xí)者的操作行為將外顯操作行為分為：登錄操作、查詢操作、媒體操作、交互操作、記錄操作和共享操作(見表1)。

表1　外顯操作層面的網(wǎng)絡(luò)學(xué)習(xí)行為分類

2.內(nèi)隱認(rèn)知層面

內(nèi)隱認(rèn)知行為主要指學(xué)習(xí)者在進(jìn)行一系列顯性操作行為后，汲取平臺(tái)上提供的學(xué)習(xí)課程或資源，在頭腦中加工并加入自己的理解，轉(zhuǎn)化為自己所擁有的知識(shí)，即信息加工、知識(shí)內(nèi)化的過程，在平臺(tái)中發(fā)表自己的看法，發(fā)布學(xué)習(xí)成果，對(duì)學(xué)習(xí)進(jìn)行總結(jié)反思等。如協(xié)作學(xué)習(xí)、提問答疑、提交作業(yè)等都是學(xué)習(xí)者將學(xué)習(xí)知識(shí)內(nèi)化后的反應(yīng)。該層面主要以學(xué)習(xí)者發(fā)布的文本信息為研究?jī)?nèi)容，通過挖掘文本信息的內(nèi)涵來了解學(xué)習(xí)者學(xué)習(xí)的最終效果。經(jīng)過對(duì)十幾個(gè)具有代表性的網(wǎng)絡(luò)學(xué)習(xí)平臺(tái)進(jìn)行系統(tǒng)的調(diào)研后，從討論、提問答疑、協(xié)作學(xué)習(xí)、學(xué)習(xí)總結(jié)與反思、學(xué)習(xí)檢測(cè)等五個(gè)方面進(jìn)行深入研究(見表2)。

表2　內(nèi)隱認(rèn)知層面的網(wǎng)絡(luò)學(xué)習(xí)行為分類

三、網(wǎng)絡(luò)學(xué)習(xí)行為采集模型的設(shè)計(jì)

1.學(xué)習(xí)行為采集模型的構(gòu)建

國(guó)內(nèi)在學(xué)習(xí)行為采集模型研究領(lǐng)域方面，彭文輝等人構(gòu)建了網(wǎng)絡(luò)學(xué)習(xí)行為系統(tǒng)的概念模型；[12]胡運(yùn)安團(tuán)隊(duì)以網(wǎng)絡(luò)教學(xué)管理系統(tǒng)為背景，基于SCORM規(guī)范，提出了網(wǎng)絡(luò)教學(xué)管理平臺(tái)上的學(xué)習(xí)者模型及其學(xué)習(xí)行為采集分析、質(zhì)量評(píng)估方案；[13]周巖借鑒理性行為理論(TRA)與技術(shù)接納模型(TAM)構(gòu)建了具有9個(gè)潛在變量的因果關(guān)系模型——“大學(xué)生網(wǎng)絡(luò)學(xué)習(xí)行為模型”，并采用結(jié)構(gòu)方程模型對(duì)理論模型與研究假設(shè)進(jìn)行實(shí)證分析。[14]由于顯性學(xué)習(xí)行為易于采集并且部分行為也能反映學(xué)習(xí)者的隱性學(xué)習(xí)情況，大多數(shù)學(xué)者以采集學(xué)習(xí)者的顯性學(xué)習(xí)行為為主，對(duì)隱性學(xué)習(xí)行為的研究則一帶而過，導(dǎo)致已有的學(xué)習(xí)行為模型研究大多針對(duì)于顯性學(xué)習(xí)行為(即外顯操作層面)進(jìn)行采集，卻忽視了對(duì)隱性學(xué)習(xí)行為的采集(即相關(guān)文本內(nèi)容的提取)。在國(guó)外研究領(lǐng)域中，對(duì)學(xué)習(xí)行為分類和采集模型的研究甚少，多數(shù)為學(xué)習(xí)分析方面的研究，如：弗蘭德斯為了對(duì)教師的課堂教學(xué)行為進(jìn)行分析，提出“弗蘭德斯互動(dòng)分析系統(tǒng)(Flanders Interaction Analysis Categories，F(xiàn)IAC)”，將教師在課堂上的行為進(jìn)行分類、編碼、分析。[15]為了使學(xué)習(xí)行為數(shù)據(jù)采集得更全面，本文基于對(duì)網(wǎng)絡(luò)學(xué)習(xí)行為數(shù)據(jù)的分類，從外顯操作層面和內(nèi)隱認(rèn)知層面建立網(wǎng)絡(luò)學(xué)習(xí)行為采集模型(見圖1)。

圖1　網(wǎng)絡(luò)學(xué)習(xí)行為采集模型

網(wǎng)絡(luò)學(xué)習(xí)行為數(shù)據(jù)來源十分廣泛，該模型將學(xué)習(xí)行為分為顯性行為數(shù)據(jù)和隱性行為數(shù)據(jù)并利用不同的方法進(jìn)行采集，采用Google Analytics、Mixpanel、編程等方法獲得學(xué)習(xí)者的IP地址、瀏覽次數(shù)、瀏覽時(shí)間等顯性操作數(shù)據(jù)；采用檔案袋評(píng)價(jià)、文本挖掘等技術(shù)獲得相關(guān)的文本信息，最后將數(shù)據(jù)進(jìn)行整合后分別存儲(chǔ)到隱性行為數(shù)據(jù)庫(kù)和顯性行為數(shù)據(jù)庫(kù)中便于后續(xù)的數(shù)據(jù)分析，數(shù)據(jù)分析后的結(jié)果為顯隱性行為數(shù)據(jù)提供反饋。

2.學(xué)習(xí)行為數(shù)據(jù)的采集過程

學(xué)習(xí)行為數(shù)據(jù)的采集是進(jìn)行學(xué)習(xí)行為數(shù)據(jù)分析的前提，也是整個(gè)采集方案的基礎(chǔ)。[16]基于上述的網(wǎng)絡(luò)學(xué)習(xí)行為采集模型將學(xué)習(xí)行為數(shù)據(jù)的采集分為：明確分析目標(biāo)、列舉采集行為，結(jié)合研究目的、分類采集行為，分析行為特征、找準(zhǔn)采集工具，利用采集工具、獲取目標(biāo)數(shù)據(jù)，整理采集數(shù)據(jù)、數(shù)據(jù)存儲(chǔ)入庫(kù)等五個(gè)步驟(見圖2)。這五個(gè)步驟之間緊密結(jié)合，層層遞進(jìn)，通過它們對(duì)數(shù)據(jù)進(jìn)行篩選整合得到預(yù)定目標(biāo)的學(xué)習(xí)行為數(shù)據(jù)便于后續(xù)的學(xué)習(xí)行為數(shù)據(jù)分析。

圖2　學(xué)習(xí)行為數(shù)據(jù)采集過程

(1)明確分析目標(biāo)，列舉采集行為

在大數(shù)據(jù)時(shí)代，網(wǎng)絡(luò)學(xué)習(xí)行為數(shù)據(jù)數(shù)量眾多并且雜亂無章地分布在各個(gè)數(shù)據(jù)庫(kù)中。面對(duì)如此龐大的數(shù)據(jù)，首先要明確研究目的。例如，分析學(xué)生學(xué)習(xí)風(fēng)格需要采集“學(xué)習(xí)者登錄平臺(tái)操作、解題步驟、學(xué)習(xí)方式(視頻、音頻、圖像)”等行為；分析學(xué)生對(duì)學(xué)習(xí)內(nèi)容的掌握情況需要采集“提交作業(yè)、參加測(cè)驗(yàn)”等行為，并且在研究目的的基礎(chǔ)上將涉及的所有行為列舉、細(xì)化，如“提交作業(yè)的時(shí)間、次數(shù)、作業(yè)內(nèi)容”等。

(2)結(jié)合研究目的，分類采集行為

在列舉的行為中始終圍繞研究目的將行為進(jìn)行分類，分類的主要依據(jù)，見表1、表2，把操作層面的行為劃分在顯性行為類，認(rèn)知層面的行為劃分在隱性行為類。如“檢索次數(shù)、學(xué)習(xí)頻率”等能直接觀察測(cè)量的行為為顯性行為；“作業(yè)中表達(dá)的觀點(diǎn)、見解”等不能直接量化只能通過分析文本的語(yǔ)法結(jié)構(gòu)、表達(dá)方式、關(guān)鍵字等達(dá)到研究目的的行為為隱性行為。

(3)分析行為特征，找準(zhǔn)采集工具

由于采集的行為眾多，不同的采集工具的適用范圍也各不相同，使用最恰當(dāng)?shù)墓ぞ哌M(jìn)行采集不僅能減少工作量還能提高采集效率。如，利用Web日志挖掘技術(shù)采集學(xué)習(xí)者的注冊(cè)信息和作業(yè)內(nèi)容；利用檔案袋評(píng)價(jià)技術(shù)跟蹤、監(jiān)控學(xué)習(xí)者的學(xué)習(xí)情況。當(dāng)一種采集工具無法滿足采集需求時(shí)可以使用多種工具來采集同一種行為數(shù)據(jù)，盡可能地使采集數(shù)據(jù)全面、客觀。

(4)利用采集工具，獲取目標(biāo)數(shù)據(jù)

基于上述步驟進(jìn)行的數(shù)據(jù)采集，當(dāng)選取的采集工具不能滿足研究數(shù)據(jù)的要求時(shí)要及時(shí)調(diào)整采集方案。如，學(xué)習(xí)者的評(píng)論內(nèi)容十分有價(jià)值，但采集者沒有進(jìn)入學(xué)習(xí)平臺(tái)數(shù)據(jù)庫(kù)的權(quán)利，此時(shí)就要靈活調(diào)整采集策略，可以用逐條拷貝評(píng)論的方法來獲取評(píng)論內(nèi)容。由于采集到的數(shù)據(jù)過于冗雜，部分?jǐn)?shù)據(jù)可能重復(fù)，因此在這一過程中需要對(duì)數(shù)據(jù)進(jìn)行簡(jiǎn)單的篩選，最終獲得目標(biāo)數(shù)據(jù)。

(5)整理采集數(shù)據(jù)，數(shù)據(jù)存儲(chǔ)入庫(kù)

將顯性學(xué)習(xí)行為數(shù)據(jù)和隱性學(xué)習(xí)行為數(shù)據(jù)運(yùn)用不同的方法進(jìn)行存儲(chǔ)。若是先采集后存儲(chǔ)可以采用RAM/DRAM組成RAM陣列，這種存儲(chǔ)方法存儲(chǔ)容量大且速度快，若為長(zhǎng)時(shí)間高速采集可以將PC機(jī)作為存儲(chǔ)庫(kù)。[17]

3.學(xué)習(xí)行為數(shù)據(jù)的采集技術(shù)

采集較全面的數(shù)據(jù)需要采集技術(shù)的支持，結(jié)合網(wǎng)絡(luò)學(xué)習(xí)行為的采集模型和采集過程，筆者介紹幾種網(wǎng)絡(luò)學(xué)習(xí)行為采集技術(shù)，幫助研究者獲得有效的數(shù)據(jù)。運(yùn)用表格的形式將顯性行為數(shù)據(jù)采集工具和隱性學(xué)習(xí)行為數(shù)據(jù)采集工具直觀的呈現(xiàn)(見表3)。

表3　網(wǎng)絡(luò)學(xué)習(xí)行為采集技術(shù)/工具

(1)Google Analytics

Google Analytics(Google分析)是Google的一款免費(fèi)的網(wǎng)站分析服務(wù)，用于跟蹤學(xué)習(xí)者的訪問頻率、頁(yè)面停留時(shí)間、運(yùn)動(dòng)軌跡、參與度等。只要在網(wǎng)頁(yè)上加一段代碼就能夠顯示豐富的圖表式報(bào)告，直觀地顯示學(xué)習(xí)者學(xué)習(xí)的全過程。

(2)Mixpanel

Mixpanel是一家數(shù)據(jù)跟蹤和分析公司，允許管理者跟蹤各種學(xué)習(xí)者行為，并自動(dòng)捕獲和記錄學(xué)習(xí)者的行為數(shù)據(jù)。管理者在學(xué)習(xí)平臺(tái)網(wǎng)站中插入幾行代碼，學(xué)習(xí)者就可以訪問Mixpanel的各種即時(shí)分析數(shù)據(jù)。該平臺(tái)可以實(shí)時(shí)跟蹤用戶的評(píng)論數(shù)、訂閱者數(shù)、like 次數(shù)、分享次數(shù)、頁(yè)面瀏覽數(shù)量等。

(3)JavaScript

JavaScript是一種直譯式腳本語(yǔ)言，是一種動(dòng)態(tài)類型、弱類型、基于原型的語(yǔ)言，內(nèi)置支持類型，也是一種采用事件驅(qū)動(dòng)的腳本語(yǔ)言，它不需要經(jīng)過Web服務(wù)器就可以對(duì)用戶的輸入做出響應(yīng)，在訪問學(xué)習(xí)平臺(tái)的某個(gè)網(wǎng)頁(yè)時(shí)，鼠標(biāo)在網(wǎng)頁(yè)中進(jìn)行點(diǎn)擊、上移、下移、窗口移動(dòng)等操作時(shí)，JavaScript都可以對(duì)這些事件給出相應(yīng)的響應(yīng)。Java抓取網(wǎng)頁(yè)數(shù)據(jù)時(shí)可以簡(jiǎn)述為三個(gè)過程，一是抓取原網(wǎng)頁(yè)的數(shù)據(jù)；二是解析數(shù)據(jù)；三是抓取網(wǎng)頁(yè)JavaScript返回的數(shù)據(jù)。通過JavaScript可以檢測(cè)訪客的瀏覽器信息。

(4)百度統(tǒng)計(jì)工具

百度統(tǒng)計(jì)是百度推出的一款免費(fèi)的專業(yè)網(wǎng)站流量分析工具，能夠反映學(xué)習(xí)者是如何找到學(xué)習(xí)平臺(tái)并瀏覽學(xué)習(xí)網(wǎng)站，在網(wǎng)站上做了些什么，可以幫助研究者改善學(xué)習(xí)者在學(xué)習(xí)平臺(tái)上的使用體驗(yàn)，不斷提高學(xué)習(xí)者的學(xué)習(xí)效率。主要可以用來分析學(xué)習(xí)平臺(tái)頁(yè)面和訪客。

(5)Web客戶端采集技術(shù)

客戶端是用戶用來訪問Web站點(diǎn)所用的瀏覽器，可以精確全面地采集用戶數(shù)據(jù)，并且可以避免采集過程中對(duì)用戶的識(shí)別不準(zhǔn)確的問題。主要有客戶端腳本、客戶端Agent、第三方軟件等方法。

客戶端腳本：是指使用腳本語(yǔ)言(JavaScript、VBScript)編寫能夠被瀏覽器解析的程序，通過對(duì)客戶端時(shí)間的監(jiān)控，可有選擇收集用戶行為信息。

客戶端Agent：如基于Java的applet可讓瀏覽器直接采集用戶的數(shù)據(jù)，通過HTML代碼中嵌入標(biāo)記，當(dāng)用戶在瀏覽含有該標(biāo)記的網(wǎng)頁(yè)時(shí)可有選擇性地將程序下載到本地運(yùn)行。

第三方軟件：在學(xué)習(xí)者的計(jì)算機(jī)上安裝專用瀏覽器或視頻監(jiān)控器記錄學(xué)習(xí)者的學(xué)習(xí)行為。

(6)Web日志挖掘技術(shù)

Web日志挖掘技術(shù)是把Internet、WWW和數(shù)據(jù)挖掘結(jié)合起來的一種新興技術(shù)，該技術(shù)主要運(yùn)用于采集學(xué)習(xí)者的顯性操作層面的學(xué)習(xí)數(shù)據(jù)。當(dāng)學(xué)習(xí)者訪問網(wǎng)絡(luò)學(xué)習(xí)平臺(tái)或登錄平臺(tái)進(jìn)行學(xué)習(xí)時(shí)，站點(diǎn)服務(wù)器和學(xué)習(xí)者的主機(jī)都會(huì)記錄學(xué)習(xí)者的學(xué)習(xí)行為信息。服務(wù)器主要記錄所有學(xué)習(xí)者訪問站點(diǎn)的信息，這些信息是記錄在Web日志中，而客戶端主要記錄的是本臺(tái)計(jì)算機(jī)的使用者訪問學(xué)習(xí)平臺(tái)的信息。

Web日志挖掘技術(shù)主要是在海量的日志中迅速找到學(xué)習(xí)者的訪問信息，如學(xué)習(xí)者頻繁訪問的路徑、頻繁訪問的網(wǎng)頁(yè)。該技術(shù)的主要數(shù)據(jù)來源是Web服務(wù)器日志、Web站點(diǎn)的拓?fù)浣Y(jié)構(gòu)和站點(diǎn)文件、學(xué)習(xí)者的注冊(cè)信息、學(xué)習(xí)者的訪問信息、cookies以及與網(wǎng)站服務(wù)相關(guān)的數(shù)據(jù)庫(kù)中的數(shù)據(jù)(見圖3)。

圖3　Web日志挖掘過程

(7)檔案袋評(píng)價(jià)技術(shù)

美國(guó)西北評(píng)價(jià)聯(lián)合會(huì)(Northwest Evalnation Association)認(rèn)為：檔案袋是對(duì)學(xué)生作業(yè)的一種有目的的搜集，這些作品要能夠展示學(xué)生在一個(gè)或多個(gè)領(lǐng)域中付出的努力，取得的進(jìn)步或成就。[18]其中包括學(xué)生作品或?qū)ψ髌焚|(zhì)量進(jìn)行評(píng)價(jià)的文件夾，是用來描述學(xué)生成長(zhǎng)，捕捉學(xué)生成長(zhǎng)和進(jìn)步軌跡的記錄，是對(duì)學(xué)生的學(xué)習(xí)情況進(jìn)行跟蹤和監(jiān)控的重要工具。

電子檔案袋評(píng)價(jià)首先需要教師設(shè)計(jì)并建立每位學(xué)生的電子學(xué)習(xí)檔案，教師布置任務(wù)后學(xué)生可以在檔案袋中上傳學(xué)習(xí)成果(如實(shí)驗(yàn)報(bào)告、學(xué)習(xí)計(jì)劃等)，及時(shí)反映學(xué)習(xí)狀況，最后教師根據(jù)教學(xué)目標(biāo)和學(xué)生的實(shí)際學(xué)習(xí)情況來評(píng)價(jià)學(xué)習(xí)效果。采集每位學(xué)生的電子檔案中的內(nèi)容也作為研究的數(shù)據(jù)之一。

(8)文本挖掘技術(shù)

文本挖掘技術(shù)主要用于采集隱性認(rèn)知層面的學(xué)習(xí)數(shù)據(jù)，文本挖掘技術(shù)從散布在學(xué)習(xí)平臺(tái)文本文件中抽取有效、有用、有價(jià)值的知識(shí)，可以反映一個(gè)學(xué)生的學(xué)習(xí)狀況，文本挖掘技術(shù)結(jié)合文字處理技術(shù)分析蘊(yùn)藏在學(xué)習(xí)平臺(tái)中非結(jié)構(gòu)化的文本源，如學(xué)生電子學(xué)檔、電子表格、郵件、論壇討論、問題查詢等，從其中抽取或標(biāo)記關(guān)鍵字概念和文字間的關(guān)系，按照相應(yīng)的內(nèi)容進(jìn)行分類，獲取有利于學(xué)習(xí)分析的有效數(shù)據(jù)(見圖4)。

圖4　文本挖掘過程

(9)WEKA

WEKA是一款免費(fèi)的、非商業(yè)化的、基于Java環(huán)境下開源的機(jī)器學(xué)習(xí)(machine learning)以及數(shù)據(jù)挖掘(data minining)軟件。WEKA作為一個(gè)公開的數(shù)據(jù)挖掘工作平臺(tái)，集合了大量能承擔(dān)數(shù)據(jù)挖掘任務(wù)的機(jī)器學(xué)習(xí)算法，包括對(duì)數(shù)據(jù)進(jìn)行預(yù)處理、分類、回歸、聚類分析。

(10)SPSS

SPSS是用于分析運(yùn)算、數(shù)據(jù)挖掘、預(yù)測(cè)分析和決策支持任務(wù)的軟件。采用類似Excel表格的方式輸入管理數(shù)據(jù)，數(shù)據(jù)接口較為通用，能方便地從其他數(shù)據(jù)庫(kù)中讀入數(shù)據(jù)。輸出結(jié)果十分美觀，存儲(chǔ)時(shí)則是利用專用的SPO格式，可以轉(zhuǎn)存為HTML格式和文本格式。具有操作簡(jiǎn)便、編程方便、功能強(qiáng)大、數(shù)據(jù)接口多樣、模塊組合便捷、針對(duì)性強(qiáng)等特點(diǎn)。

(11)網(wǎng)絡(luò)爬蟲軟件

網(wǎng)絡(luò)爬蟲是一種按照一定的規(guī)則，自動(dòng)抓取網(wǎng)絡(luò)學(xué)習(xí)平臺(tái)信息的程序或腳本，分為傳統(tǒng)爬蟲和聚焦爬蟲。傳統(tǒng)爬蟲是通過源碼解析來獲得想要的內(nèi)容；聚焦爬蟲是根據(jù)一定的網(wǎng)頁(yè)分析算法，過濾與主題無關(guān)的鏈接，保留有用的鏈接放入抓取的隊(duì)列中。所有爬蟲取得的信息將會(huì)被儲(chǔ)存，進(jìn)行一定的分析、過濾，并建立索引以便之后的查詢和檢索，還能為爬蟲取得過程給出反饋和指導(dǎo)。

四、網(wǎng)絡(luò)學(xué)習(xí)行為采集的實(shí)施建議

1.以數(shù)據(jù)庫(kù)作為采集基礎(chǔ)

數(shù)據(jù)庫(kù)是網(wǎng)絡(luò)學(xué)習(xí)行為數(shù)據(jù)的存儲(chǔ)場(chǎng)所，同樣，本研究也將數(shù)據(jù)庫(kù)作為網(wǎng)絡(luò)學(xué)習(xí)行為數(shù)據(jù)采集模型的起始點(diǎn)。對(duì)網(wǎng)絡(luò)學(xué)習(xí)行為數(shù)據(jù)采集需要提前做好規(guī)劃設(shè)計(jì)，首先就要根據(jù)研究范圍選擇合適的數(shù)據(jù)庫(kù)。這里考慮的研究范圍主要有兩個(gè)：一是針對(duì)應(yīng)用特定平臺(tái)的一定學(xué)習(xí)者的網(wǎng)絡(luò)學(xué)習(xí)行為的研究，比如教師或?qū)W校利用某一平臺(tái)進(jìn)行教學(xué)，對(duì)運(yùn)用該平臺(tái)學(xué)習(xí)的本班或本校學(xué)生的網(wǎng)絡(luò)學(xué)習(xí)行為進(jìn)行分析研究，這種情況只需深入該平臺(tái)后臺(tái)調(diào)用數(shù)據(jù)庫(kù)，根據(jù)學(xué)生用戶名選擇數(shù)據(jù)并導(dǎo)出。二是研究廣泛學(xué)習(xí)者的普遍學(xué)習(xí)行為，需要選擇具有代表性的多個(gè)學(xué)習(xí)平臺(tái)，針對(duì)各個(gè)平臺(tái)的數(shù)據(jù)存儲(chǔ)方式選擇合適的采集工具對(duì)數(shù)據(jù)庫(kù)中的數(shù)據(jù)進(jìn)行采集。

2.對(duì)顯性行為、隱性行為清晰定位

在網(wǎng)絡(luò)學(xué)習(xí)行為采集研究中，顯性學(xué)習(xí)行為數(shù)據(jù)是指能用相關(guān)采集技術(shù)采集到的學(xué)習(xí)者的操作行為，包括學(xué)習(xí)者的IP地址、登錄次數(shù)、登錄時(shí)間等固定、客觀的數(shù)據(jù)。通過分析該數(shù)據(jù)可以大概了解學(xué)習(xí)者的學(xué)習(xí)情況，即是否有效利用網(wǎng)絡(luò)學(xué)習(xí)平臺(tái)進(jìn)行學(xué)習(xí)以及參與學(xué)習(xí)活動(dòng)等。隱性學(xué)習(xí)行為是相對(duì)于外顯操作行為而言，不能直接通過采集數(shù)據(jù)反映的，是學(xué)習(xí)者知識(shí)內(nèi)化后的體現(xiàn)。其主要通過深入挖掘?qū)W習(xí)者在學(xué)習(xí)平臺(tái)上發(fā)布的文本信息，如表達(dá)觀點(diǎn)、發(fā)表評(píng)論等，分析文本內(nèi)容體現(xiàn)的學(xué)習(xí)者的學(xué)習(xí)情況。內(nèi)隱認(rèn)知是大腦思維的產(chǎn)物，外顯操作是在思維驅(qū)使下產(chǎn)生的，二者既有聯(lián)系又有區(qū)別。研究者要根據(jù)研究目標(biāo)確定需要采集行為的類別歸屬，即顯性或是隱性，并且對(duì)不同類別的行為采用相應(yīng)的采集技術(shù)和分析方法。

3.采集應(yīng)保持針對(duì)性和規(guī)范性

由于各類采集技術(shù)特點(diǎn)不同，適用范圍不同，行為數(shù)據(jù)也有各有特征，所以一種采集技術(shù)不能采集到所有數(shù)據(jù)。顯性學(xué)習(xí)行為和隱性學(xué)習(xí)行為分別體現(xiàn)學(xué)習(xí)者的外顯操作和內(nèi)隱認(rèn)知情況，采用合適的技術(shù)分開采集不僅可以加快效率，也可以降低出錯(cuò)率，使采集過程具有針對(duì)性。采集模型規(guī)定了行為數(shù)據(jù)分類和相關(guān)采集方法，具有一定的嚴(yán)密性。在采集過程中，無論采集范圍大小，都要依據(jù)采集模型，按照流程順序依次進(jìn)行，切不可隨意顛倒和更改，要保證采集過程嚴(yán)格的規(guī)范性。

4.合理應(yīng)用采集數(shù)據(jù)

數(shù)據(jù)采集成功后，要及時(shí)對(duì)數(shù)據(jù)進(jìn)行整理、分析和存儲(chǔ)。采集到的數(shù)據(jù)并非全部有效，因此要對(duì)其進(jìn)行數(shù)據(jù)篩選。比如：在采集隱性學(xué)習(xí)行為時(shí)，利用在線平臺(tái)導(dǎo)出數(shù)據(jù)庫(kù)中所有的評(píng)論信息到Excel表格中，其中包括評(píng)論信息的編號(hào)、代碼、評(píng)論時(shí)間、內(nèi)容等，其中只需要評(píng)論的內(nèi)容，因此就要?jiǎng)h除其他無關(guān)數(shù)據(jù)。數(shù)據(jù)分析階段選用分析方法尤為重要?？梢越Y(jié)合編碼框架對(duì)學(xué)習(xí)行為進(jìn)行編碼，再將數(shù)據(jù)導(dǎo)入學(xué)習(xí)分析軟件GSEQ中生成殘差表進(jìn)行分析。編碼框架的獲得有三種：一是引用已有編碼框架，如Gunawardena的知識(shí)建構(gòu)模型，布魯姆的認(rèn)知層次模型等，引用時(shí)要注意研究主題與框架研究主題是否吻合；二是結(jié)合研究目的改編現(xiàn)有框架，根據(jù)自身需要作相應(yīng)調(diào)整；三是自編編碼框架，當(dāng)沒有適合自己研究主題的編碼框架時(shí)需要自主設(shè)計(jì)編寫，但要經(jīng)過效度檢驗(yàn)才能實(shí)際應(yīng)用。數(shù)據(jù)存儲(chǔ)是數(shù)據(jù)采集過程中的一個(gè)重要部分。由于顯性學(xué)習(xí)行為數(shù)據(jù)和隱性學(xué)習(xí)行為數(shù)據(jù)采集方法不同，代表意義不同，筆者建議分開存儲(chǔ)。另外也可以利用學(xué)習(xí)分析系統(tǒng)的多個(gè)子系統(tǒng)來存放不同類型的數(shù)據(jù)，如學(xué)生信息系統(tǒng)(SIS)、學(xué)習(xí)管理系統(tǒng)(LMS)和課程管理系統(tǒng)(CMS)等。系統(tǒng)采集到信息并將數(shù)據(jù)分類后，以一定格式存儲(chǔ)到相應(yīng)子系統(tǒng)中，例如學(xué)習(xí)者基本信息存儲(chǔ)到SIS中，學(xué)習(xí)者測(cè)驗(yàn)情況存儲(chǔ)到LMS中，日常表現(xiàn)情況存放到CMS中。[19]數(shù)據(jù)存儲(chǔ)方式可以采用脫機(jī)存儲(chǔ)，脫機(jī)存儲(chǔ)是在讀寫數(shù)據(jù)時(shí)需要人為地將存儲(chǔ)介質(zhì)放入存儲(chǔ)系統(tǒng)的一種存儲(chǔ)方式，用于永久或長(zhǎng)期保存數(shù)據(jù)，且不需要介質(zhì)當(dāng)前在線或連接到存儲(chǔ)系統(tǒng)上，常用介質(zhì)有磁帶和移動(dòng)硬盤。另外建議數(shù)據(jù)建立備份，防止丟失。

[1]呂佳寧,魏芳.大數(shù)據(jù)下網(wǎng)絡(luò)視頻類用戶行為分析[J].新聞愛好者,2014(7):38-40.

[2]張計(jì)龍,殷沈琴,陳鐵.基于ERU的圖書館用戶信息行為數(shù)據(jù)采集方法研究——以復(fù)旦大學(xué)圖書館為例[J].圖書館雜志,2014(12):10-16.

[3]張玉芳,張艷華,熊忠陽(yáng).一種高效的用戶瀏覽行為采集方法[J].計(jì)算機(jī)工程與應(yīng)用,2013(3):126-129.

[4]夏天.Web數(shù)據(jù)的深度定向采集[J].山東大學(xué)學(xué)報(bào)(理學(xué)版),2011 (5):34-38.

[5]廖競(jìng),張暉.一種靈活的網(wǎng)絡(luò)學(xué)習(xí)行為數(shù)據(jù)采集與分析系統(tǒng)[J].信息與電腦(理論版),2011(1):85-86.

[6]Abdesslem F B,Parris I,Henderson T.Reliable Online Social Network Data Collection[M]∥Ding-Zhu Du,My T.Thai.Computational Social Networks.London:Springer-Verlag London,2012:183-210.

[7]Rice E,Holloway I W,Barman-Adhikari A,et al.A Mixed Methods Approach to Network Data Collection[J].Field Methods,2014,26(3):252-268.

[8]Hummel K A,Hlavacs H.Anytime,Anywhere Learning Behavior Using a Web-Based Platform for a University Lecture[C].L'Aquila,Italy:Proceedings of the SSGRR 2003 Winter Conference,2003.

[9]陳然,楊成.大學(xué)生綠色網(wǎng)絡(luò)學(xué)習(xí)環(huán)境的構(gòu)建研究[J].江蘇開放大學(xué)學(xué)報(bào),2014(3):27-32.

[10]孫利.基于CELTS和Web Services的學(xué)習(xí)行為采集分析模型設(shè)計(jì)與實(shí)現(xiàn)[D].天津：天津師范大學(xué),2006.

[11]彭文輝.網(wǎng)絡(luò)學(xué)習(xí)行為分析及建模[D].武漢：華中師范大學(xué),2012.

[12]彭文輝,楊宗凱,劉清堂.網(wǎng)絡(luò)學(xué)習(xí)行為系統(tǒng)概念模型構(gòu)建研究[J].中國(guó)電化教育,2013(9):39-46.

[13]胡運(yùn)安,呂智慧,吳杰,等.基于SCORM的學(xué)習(xí)行為采集模型的設(shè)計(jì)與實(shí)現(xiàn)[J].計(jì)算機(jī)工程與應(yīng)用,2004(33):106-108，151.

[14]周巖.基于TRA和TAM的大學(xué)生網(wǎng)絡(luò)學(xué)習(xí)行為模型構(gòu)建[J].中國(guó)電化教育,2009(11):58-62.

[15]Aspy D N,Roebuck F N,Black B.The Relationship of Teacher-Offered Conditions of Respect to Behaviors Described by Flanders' Interaction Analysis[J].The Journal of Negro Education,1972,41(4):370-376.

[16]廖競(jìng),張暉.一種靈活的網(wǎng)絡(luò)學(xué)習(xí)行為數(shù)據(jù)采集與分析系統(tǒng)[J].信息與電腦(理論版),2011(1):85-86.

[17]龐曉暉,胡修林,張?zhí)N玉.高速數(shù)據(jù)采集及存儲(chǔ)技術(shù)研究[J].華中理工大學(xué)學(xué)報(bào),1999 (3):69-71.

[18]肖志明.電子檔案袋在遠(yuǎn)程教育中的應(yīng)用研究[J].廣西教育，2012(27)：78-79.

[19]趙磊,朱泓.網(wǎng)絡(luò)開放課程之學(xué)習(xí)分析模式探微[J].江蘇開放大學(xué)學(xué)報(bào),2014(4):38-43.

責(zé)任編輯張軍濤

The Collection Model Design of Big Data-Supported Online Learning Behavior

WANG Liu-hui,HOU Yue,YANG Xian-min/

Jiangsu Normal University

Online learning behavior collection,a main step of learning analysis,is important to the implementation of learning analysis,and is significant to the efficiency of the learning analysis results.There are five steps of collecting online learning behaviors on levels of externally explicit operation and implicit cognition.They are determining the target of analysis and listing the collection behaviors,classifying the collection behaviors according to research objectives,analyzing behavior features and selecting collection tools,getting the target data by using the collection tools,systemizing and storing the collected data.Meanwhile,for the possible problems in the process of collection,it is necessary to keep the database as basis for collection,clearly position explicit and implicit behaviors,maintain the target and normalization and rationally apply the collected data into practice.

big data; online learning; behavior collection; system model

2016-04-08DOI:10.13425/j.cnki.jjou.2016.04.009

王榴卉，江蘇師范大學(xué)智慧教育學(xué)院(18361350283@163.com)；侯悅，江蘇師范大學(xué)智慧教育學(xué)院(843980339@qq.com)；楊現(xiàn)民，江蘇師范大學(xué)智慧教育學(xué)院副教授，教育學(xué)博士，主要從事智慧教育、移動(dòng)與泛在學(xué)習(xí)研究(yangxianmin8888@163.com)

國(guó)家級(jí)大學(xué)生實(shí)踐創(chuàng)新訓(xùn)練計(jì)劃項(xiàng)目“大數(shù)據(jù)支持的學(xué)習(xí)行為記錄與發(fā)展性評(píng)價(jià)運(yùn)用研究”(201410320029)