羅恒楊　婷婷等

摘要：開放課程是開放教育資源運動的重要組成部分，對促進社會知識傳播、推動教育全球化、實現(xiàn)教育公平有著重要意義。然而目前人們對開放課程中學習者社群及其學習行為的認識不夠客觀、全面和深入，缺乏基于實證數(shù)據(jù)的結論與發(fā)現(xiàn)。針對該研究需求，該文利用Google Analytics網(wǎng)站流量分析工具對賓夕法尼亞州立大學一門開放課程中長達六年的網(wǎng)站流量數(shù)據(jù)進行了收集與分析，通過對學習者特征、在線學習行為和技術設備使用情況的統(tǒng)計和可視化呈現(xiàn)，揭示了高校開放課程中學習者社群和學習行為總體特點和衍變趨勢。同時該文也探討了利用Google Analytics工具進行學習行為分析的利弊。該文中呈現(xiàn)的在線學習行為統(tǒng)計結論能增進人們對開放課程這種新興教學情境的了解，指導人們對在線課程網(wǎng)站和資源進行有針對性地評價與修改。

關鍵詞：開放課程；學習行為分析；網(wǎng)站流量分析；學習分析；Google Analytics

中圖分類號：G434 文獻標識碼：A

一、引言

近年來，全球教育發(fā)展的重要趨勢之一是教育資源的開放共享。利用信息與通信技術為全球?qū)W習者提供可公開獲取的免費教育資源用于非營利性的咨詢、使用和改編，是開放教育資源（Open Educational Resource，OER）運動的初衷。開放課程是OER的重要組成部分，對促進社會知識傳播、推動教育全球化、實現(xiàn)教育公平起著重要作用。以麻省理工學院（MIT）為例，自2001年該校啟動“開放課程項目”（Open Course Ware，OCW）以來，至今共有2369門課程向公眾開放，獲得了超過2億次的全球訪問。在OCW的示范作用下，越來越多的大學課程打破了校際壁壘，將課程內(nèi)容免費發(fā)布，聯(lián)網(wǎng)共享。然而，課程開放的同時也增加了在線學習的未知性和不確定性，給學習行為監(jiān)控和學習效果評估帶來了新的挑戰(zhàn)。如何全面跟蹤、分析和評價開放課程中的學習行為，為課程的改進和完善提供科學依據(jù)，是開放課程建設中亟需解決的重要問題。

網(wǎng)站流量分析（Web Analytics）為開放課程中的學習行為分析提供了一種便捷易行的技術手段。通過抓取網(wǎng)站用戶瀏覽、交互和搜索的相關數(shù)據(jù)，網(wǎng)站流量分析能夠揭示典型用戶群體及其在線行為的一些關鍵信息，如地理分布、語言使用、興趣愛好、瀏覽習慣和上網(wǎng)時長等，因此被廣泛的應用于商業(yè)機構或政府部門的網(wǎng)站建設中，為改善網(wǎng)站表現(xiàn)、實現(xiàn)組織目標提供數(shù)據(jù)支持。近年來，網(wǎng)站流量分析也被越來越多的應用在教育領域，用來動態(tài)地收集和分析在線學習過程中產(chǎn)生的種種數(shù)據(jù)。這些數(shù)據(jù)如果包含關于學習者、學習行為和學習環(huán)境的特征信息，也可看作學習分析（Learning Analytics），能為我們深入了解在線學習過程、改善在線學習體驗提供有價值的視角和觀點。

在當今市場存在的多種網(wǎng)站流量分析工具中，應用最廣的無疑是谷歌公司的Google Analytic產(chǎn)品。許多大學認識到Google Analyties的強大的數(shù)據(jù)分析功能和可視化呈現(xiàn)手段，將其作為追蹤和分析旗下網(wǎng)站資源訪問流量的首選工具，然而目前在利用Google Analytics工具對在線教育探索實踐中，明顯存在以下兩點問題：首先，針對大學開放課程的實證研究比較匱乏。我們用“Google Analytics”和“谷歌分析”為關鍵詞在中國知網(wǎng)上檢索，只發(fā)現(xiàn)了5篇相關論文發(fā)表在教育類學術期刊上，且研究對象為教育資源網(wǎng)站[22][231、校園門戶網(wǎng)站。和期刊門戶網(wǎng)站。第二，缺乏對開放課程網(wǎng)站長期的追蹤分析。現(xiàn)有研究中收集和分析的流量數(shù)據(jù)期限較短，長的一般不超過一年，短的只有幾個月。由于缺乏來自網(wǎng)站流量分析的實證支持，目前對于開放課程中學習者社群及其學習行為的認識往往停留在主觀評價階段，不夠客觀、全面和準確。

基于上述研究需求，我們以本文第一作者參與設計開發(fā)，第三作者主講的一門在線開放課程為例，探索了利用Google Analytics工具對開放課程中學習行為進行追蹤、分析和評價的可行性。研究結果來自近六年的課程網(wǎng)站流量數(shù)據(jù)，有助于我們深入了解開放課程中學習者、學習行為和學習環(huán)境的特征和衍變趨勢，對大學在線教育資源和課程網(wǎng)站的設計與開發(fā)也有指導意義。具體來說，本研究旨在回答以下幾個研究問題：

1.該開放課程中的學習者有哪些？他們有什么特征？

2.該開放課程中的在線學習行為有哪些模式？受哪些因素影響？

3.該開放課程中的學習設備與技術的使用有何特點？有哪些衍變趨勢？

二、Google Analytics概述

Google Analytics是美國谷歌公司提供的一種網(wǎng)站流量分析服務，通過追蹤和分析網(wǎng)站的訪問記錄為網(wǎng)站用戶及其在線瀏覽行為提供關鍵統(tǒng)計數(shù)據(jù)和多種可視化表征。其前身是一款名為Urchin on Demand的網(wǎng)站流量分析工具，該工具于2005年被谷歌公司收購，經(jīng)過重新設計開發(fā)后，于同年更名為Google Analytics，并由谷歌公司正式發(fā)布并沿用至今。Google Analytics采用了網(wǎng)頁標記（Page Tagging）的方法收集網(wǎng)站流量數(shù)據(jù)：向待分析的網(wǎng)頁中插入一行Java腳本代碼即可在每一次網(wǎng)頁訪問結束后向谷歌服務器發(fā)送該次訪問中的統(tǒng)計數(shù)據(jù)。和傳統(tǒng)的基于網(wǎng)站日志文件分析的方法相比，Google Analytics能夠進行更迅速、便捷和高效的網(wǎng)站流量分析，以及提供“用戶在線行為更加完整的畫像”。

Google Analytics收集到的網(wǎng)站流量數(shù)據(jù)可以分為四大類：受眾群體數(shù)據(jù)（Audience Data）、行為數(shù)據(jù)（behavior data）、流量獲取數(shù)據(jù)Acquisition Data）與實時數(shù)據(jù)（Real-time Data）。值得注意的是這四類數(shù)據(jù)并不是完全獨立于彼此，而是有一定的交叉與重合，一些流量數(shù)據(jù)被收錄到不同類別進行了重復報告?，F(xiàn)將每一類網(wǎng)站流量數(shù)據(jù)的定義簡介如下：

1.受眾群體數(shù)據(jù)：此類數(shù)據(jù)能提供網(wǎng)站訪問者的一些關鍵信息，包括訪問者的地理位置與主要語言、上網(wǎng)技術設備信息（如瀏覽器品牌、終端設備信息和操作系統(tǒng)等）、活躍狀態(tài)（包括7天、14天和30天的活躍狀態(tài)）以及一些用戶行為統(tǒng)計如會話數(shù)（既訪問次數(shù)）、新會話百分比（既有多少次訪問首次訪問）、平均瀏覽頁數(shù)及會話時長等。

2.行為數(shù)據(jù)：此類數(shù)據(jù)反映了訪問者瀏覽網(wǎng)站、與網(wǎng)頁進行交互的行為概況，并提供一系列在線行為統(tǒng)計指標如網(wǎng)頁總瀏覽量、唯一身份瀏覽量、跳出率（未與網(wǎng)頁進行互動的單頁會話次數(shù)百分比）、以及熱門事件（如下載、觀看視頻、外鏈及發(fā)郵件）的次數(shù)與比例。此外，訪問者與網(wǎng)頁交互的順序與瀏覽路徑還能以行為流的方式呈現(xiàn)，并能針對不同的用戶群組分類對相應的行為流進行高亮標示。

3.流量獲取數(shù)據(jù)：此類數(shù)據(jù)聚焦用戶訪問目標網(wǎng)站的渠道。渠道來源共分四大類，分別是有機搜索、網(wǎng)址鍵入、外部鏈接與社交網(wǎng)絡。對應的數(shù)據(jù)信息包括常用搜索引擎、搜索關鍵詞、外鏈網(wǎng)頁和社交媒體平臺及其使用情況。受眾群體和在線行為相關數(shù)據(jù)可以按照流量獲取渠道進行分類展示與比較。

4.實時數(shù)據(jù)：實時數(shù)據(jù)展示訪問者瀏覽網(wǎng)站的實時情況，相關數(shù)據(jù)將會持續(xù)動態(tài)地更新。它標示當前目標網(wǎng)站上的活躍用戶及其地理分布情況，同時顯示過去30分鐘內(nèi)的活躍網(wǎng)頁、熱門事件與媒介來源。

Google Analytics同時提供了多種工具對網(wǎng)站流量進行可視化的呈現(xiàn)，以幫助用戶更好地理解和解讀收集到的海量數(shù)據(jù)。這些可視化工具包括：（1）線型圖：用來展現(xiàn)特定流量數(shù)據(jù)在時間序列上的變化情況；（2）效果圖：用條形長度比例呈現(xiàn)不同組別數(shù)據(jù)的差異；（3）百分比圖：用圓形中扇區(qū)面積展示不同組別數(shù)據(jù)所占整體的百分比大?。唬?）地理分布圖：在世界地圖上以不同的維度如城市、國家、次大陸等展示地理位置信息；（5）行為流：呈現(xiàn)網(wǎng)站訪問者瀏覽網(wǎng)站頁面的順序與路徑；（6）比較圖：將某一組別的數(shù)據(jù)統(tǒng)計與總體均值進行比較；（7）動態(tài)圖：在時間序列上通過自定義橫坐標值、縱坐標值、顏色表征和大小一次性呈現(xiàn)網(wǎng)站流量統(tǒng)計的四個維度指標的動態(tài)變化；（8）字詞云：通過字體大小反映搜索關鍵詞和外鏈網(wǎng)站名稱出現(xiàn)的頻率高低，字體越大表明詞頻越高；（9）頁面分析圖：通過瀏覽器拓展程序插件，將特定流量數(shù)據(jù)如點擊率在網(wǎng)頁上以百分比標注和熱區(qū)圖形式直觀顯示出來。

綜上所述，Google Analytics為分析網(wǎng)站訪問者在線瀏覽行為提供了一個更為便捷和直觀的手段，能夠靈活地追蹤和可視化地呈現(xiàn)不同類別的網(wǎng)站流量數(shù)據(jù)，包括訪問者的地理位置和語言、重要瀏覽統(tǒng)計指標、關鍵事件分類、瀏覽交互路徑以及技術設備使用情況。另外，Google Analytics還能夠通過自定義數(shù)據(jù)統(tǒng)計表格和分析報告模板，幫助用戶尋找網(wǎng)站訪問者在線行為的模式特征與變化趨勢。值得注意的是，Google Analytics禁止收集任何個人可識別信息（Personal Identifiable Information，PII），包括姓名、學號、電子郵箱等，同時也默認不會追蹤電子設備的可識別信息如設備唯一識別碼（UDID）或國際移動裝備辨識碼（IMEI）。盡管設備的完整IP地址將會被Google Analytics收集以識別網(wǎng)站訪問者的地理位置，訪問者可以申請開啟IP屏蔽來提升自身訪問的匿名性。

三、研究方法

（一）開放課程個案簡介

本研究選取賓夕法尼亞州立大學地理系開設的一門在線研究生課程作為研究對象，這門在線課程名為Earth501一地球科學中的爭議話題，本文的第一作者曾參與該課程的開發(fā)與評估，第三作者是課程的主講教師?；趦牲c考慮將其作為本研究的分析對象：第一，該課程體現(xiàn)了較好的在線開放性，課程中100%的學習活動都是線上完成；第二，該課程具有分布較為廣泛的全球訪問量。這個3學分的課程通過介紹地球科學領域的爭議話題如海嘯和地震的預警機制、恐龍滅絕假說以及全球氣溫變暖現(xiàn)象，講解地球科學的主要理論學說和研究范式，同時引導學生對爭議觀點進行分析、評價和理論完善。該課程是地球科學教育在線碩士專業(yè)的入門必修課之一。作為賓夕法尼亞州立大學開放教育資源運動的一部分，該課程于2011年9月在Drupal開源內(nèi)容管理平臺上對全球在線學習者免費開放，并使用Google Analytics對課程網(wǎng)站的訪問情況追蹤分析，迄今已經(jīng)積累了約6年的網(wǎng)站流量數(shù)據(jù)。無論是該校的注冊學生還是普通訪問者都能夠免費獲取該課程的全部教學內(nèi)容和鏈接資源，并參與完成課程中的在線練習與測驗。唯一不同的是，只有注冊學生才能在賓夕法尼亞州立大學的學習管理平臺（Angel或Canvas）上提交作業(yè)，獲得教師的評分與反饋，并最終獲得大學的學分。

（二）數(shù)據(jù)來源與分析

應用Google Analytics，本研究追蹤了該課程網(wǎng)站在2011年9月1日至2017年4月15日間的訪問情況，并根據(jù)之前提出的針對開放課程學習行為的三個研究問題，收集和分析了相關網(wǎng)站流量數(shù)據(jù)。這些數(shù)據(jù)可以大致分為三類：學習者、學習行為和技術使用。

下表中列出了每一類數(shù)據(jù)所包涵的核心構念、定義、測量指標和可視化呈現(xiàn)手段。

四、研究發(fā)現(xiàn)

（一）開放課程中的學習者特征

如下頁圖1所示，截至2017年4月15日共有148629人次在線訪問了Earth501課程，學習者的地理位置分布廣泛，相對較集中的區(qū)域包括美國的東西兩岸、歐洲中北部、亞洲的印度和東南亞地區(qū)、以及澳洲的東南部；其中學習者來源最多的五個國家分別是美國（48 40%）、英國（11.14%）、澳大利亞（5.72%）、菲律賓（5.32%）和印度（4.98%）。這些國家與地區(qū)大部分以英語為母語或官方語言，因此英語不出意外地成為了課程學習者的主要使用語言，占比高達92.01%（美式、英式、澳洲和其他英語類型累計相加后的百分比）。除英語外，西班牙語（0.63%）、捷克語（0.60%）和簡體中文（0.50%）三種語言的使用人數(shù)相對較多，不過占比都沒有超過學習者總數(shù)的1%（如圖1所示）。因為課程網(wǎng)站并未開啟Google Analytics的廣告功能，我們不能獲得基于用戶賬戶信息及瀏覽偏好所生成的網(wǎng)站受眾特征報告，因此該課程學習者的其他特征如年齡、性別與興趣愛好無法在Google Analytics的分析報告中獲得。

（二）開放課程中的學習行為分析

如圖2所示，Earth501課程的學習者在2011年9月1日至2017年4月15日間一共瀏覽了課程網(wǎng)頁223558次，如果不計人學習者在一次訪問（會話）中對單個頁面的重復加載，則共有194338個頁面在不同的訪問次數(shù)中被加載。網(wǎng)頁瀏覽量在美國大學假期尤其是寒假（12月下旬至1月初）有顯著的下降趨勢，但往往在春季、秋季學期中段（如3月份和10月份）達到頂峰，學習行為呈現(xiàn)了明顯的周期性。盡管學習者在課程網(wǎng)頁的平均停留時間有3分27秒，但高達83.31%的跳出率表明超過八成的網(wǎng)站訪問在瀏覽了一個頁面之后就匆匆結束了。一個可能的解釋是少數(shù)的學習者貢獻了大部分的學習時間，而大多數(shù)的學習者在課程網(wǎng)站上的學習缺乏深度，淺嘗則止。為了驗證該假說，我們以2016年秋季學期（2016年8月15日至12月26日）作為一個學習周期進行分析，調(diào)取了Google Analytics中的活躍用戶報告。結果表明盡管該學期課程網(wǎng)站的來訪用戶數(shù)量為10590位，但活躍的用戶卻占比極少，其中30天內(nèi)、14天內(nèi)、7天內(nèi)和每天的活躍用戶數(shù)量和占比分別是2272（21.45%1、980（9.25%）、376（3.55%）和61（0.58%）。

為了探索不同國家學習者的學習行為差異，我們比較了來訪次數(shù)最多的十個國家的在線學習數(shù)據(jù)。其中來自美國學習者的學習投入程度最高，平均會話時長為2分36秒（全球均值為1分48秒），單次瀏覽的網(wǎng)頁數(shù)為3.12個（全球均值為1.78個），并且跳出率也是最低的，僅為69.53%，低于83.31%的平均值。相比較而言，來自馬來西亞的學習者的投入程度是排名前十國家最低，平均會話時長為51秒，訪問網(wǎng)頁數(shù)為1.28個，并有高達90.04%的跳出率。來自中國大陸的訪問共有395次，排名第34位，不過中國大陸的學習者平均每次訪問時間為2分03秒，單次瀏覽頁數(shù)為1.97個，跳出率為78.62%，均高于全球平均值，展示了較好的學習投入度。

圖2也展示了學習者獲取開放課程網(wǎng)站的常見途徑：來自谷歌搜索的有機訪問是最常見的網(wǎng)站獲取途徑，有80.55%的來訪流量來源于谷歌搜索界面的跳轉(zhuǎn)。除此之外，在瀏覽器鍵入URL地址的直接訪問方式是第二常見的獲取途徑，有8.73%的來訪流量來源于此。排名第三和第四的獲取途徑分別是來自賓州州立大學學習管理平臺（cms.psu.edu）的推介訪問（流量占比1.68%）和來自微軟必應搜索的有機訪問（1.47%）。值得注意的是，來自學習管理平臺的學習者跳出率僅為12.29%，單次瀏覽頁數(shù)為4.61個，平均會話時長為15分06秒，顯示了遠高于其他學習者的學習投入度。一個可能的解釋是這些訪問全部來源于該課程的注冊學生，因為只有注冊學生才有權限登錄該校的學習管理平臺；而注冊學生因為要通過課程考核獲得學分，因而對課程學習更加重視，在線學習的時間也相對更多。

Google Analytics同時還提供了“行為流”和“頁面分析”兩種可視化工具呈現(xiàn)學習者與課程頁面內(nèi)容交互的概況。行為流按照訪問頻次列出學習者訪問的起始頁面以及之后數(shù)次互動的高頻頁面，能從宏觀上展示學習者瀏覽網(wǎng)站的順序，確定熱門的網(wǎng)站人口和頁面內(nèi)容；同時可以按照國家和地區(qū)的不同對訪問流量進行分類展示，高亮顯示不同國家地區(qū)學習者的瀏覽路徑。如圖3所示，大部分來自美國的訪問并不是始于課程的主頁頁面，而是直接來自具體的課程頁面：最熱門的起始頁面是第二課中的“海嘯成因”單元，其次為第五課中“水的比熱容”單元。同時我們注意到，起始頁面之后的首次互動頁面往往是起始頁面所在課程單元的其他頁面，而第二次互動大多又返回到起始頁面，直到第三次互動學習者才開始瀏覽其他課程單元。學習者流失最嚴重的情況發(fā)生在首次互動時，流失率高達94%（17萬次訪問中16萬次用戶離開），而之后三次互動時的流失率則大大降低，分別為28%，39%和26%。這一發(fā)現(xiàn)和課程網(wǎng)站高達83.33%的跳出率一致，表明大多數(shù)學習者在訪問課程網(wǎng)站時并沒有與頁面內(nèi)容進行互動即離開了，而嘗試打開至少一個頁面的學習者則更有可能對課程內(nèi)容進行更深入的探索。

與行為流不同，頁面分析能對單個課程頁面上的學習行為進行更直觀、更細致地呈現(xiàn)。如圖3所示，當選擇“點擊量”作為關鍵指標時，頁面分析能夠按照點擊頻次的多少對Earth501課程主頁的內(nèi)容進行顏色編碼，標注出熱門和冷門的鏈接內(nèi)容，同時能夠用氣泡的方式呈現(xiàn)相關統(tǒng)計數(shù)據(jù)如點擊率等。通過頁面分析結果，我們發(fā)現(xiàn)課程主頁右側(cè)的課程單元列表獲得了比上方導航條更多的點擊率，而較熱門的課程單元為第二、三、四次課，都獲得了14%的點擊率，而第一次課與最后一次課出人意料地獲得了較低的點擊（分別是7.7%和2.9%）。另一個有趣的發(fā)現(xiàn)是導航條上除主頁按鈕外的其他鏈接都獲得了較低的點擊率，其中課程導學和課程單元僅獲得了1.1%和3.7%的點擊，而課程大綱、CANVAS學習管理平臺、外部資源等鏈接則更是鮮有問津，獲得了不到1%的點擊率。

（三）學習者的技術使用情況

獲知學習者的技術使用情況有助于我們理解在線學習環(huán)境的特點和衍變趨勢，探究軟硬件因素與學習行為之間的關系，指導開放課程網(wǎng)站的設計與開發(fā)。Google Analytics能夠收集多種技術使用指標包括設備品牌、屏幕分辨率和色度、網(wǎng)絡服務運營商，flash與Java支持等，不過與在線學習行為關系最密切的指標是設備、瀏覽器和操作系統(tǒng)類別。在過去的6年中，盡管移動技術發(fā)展十分迅速，但電腦仍然是訪問課程網(wǎng)站的最常見設備，約有82%的訪問來自電腦端，而來自手機端和平板端的訪問僅占13%和5%。電腦和平板上的平均訪問時長（1分58秒和1分41秒）也要明顯高于手機端（52秒）。使用最多的四種瀏覽器分別是Chrome（47.24%），Safari（19.1 1%），IE（14.68%）和Firefox（12.40%），但不同瀏覽器使用者的學習行為并沒有明顯差別。操作系統(tǒng)又可以分為電腦端操作系統(tǒng)和移動端操作系統(tǒng)。電腦端操作系統(tǒng)中微軟的地位不可撼動，約有60%的訪問來自Windows系統(tǒng)，相比之下，來自蘋果的Macintosh系統(tǒng)的訪問只有約18%。而在移動端，蘋果的iOS系統(tǒng)與安卓系統(tǒng)則平分秋色，.占比分別為9.57%和7.10%。有趣的是，在電腦端Macintosh用戶的學習投入各項指標（如跳轉(zhuǎn)率，單次瀏覽頁數(shù)，平均會話時長等）要略優(yōu)于Windows用戶，而在移動端的情況則恰好相反，iOS用戶的學習投入指標普遍略低于安卓用戶。

為了探究開放課程中學習者技術使用的衍變趨勢，我們進一步比較了網(wǎng)站流量數(shù)據(jù)中第一年（2011年9月1日-2012年9月1日）和最后一年（2016年4月15日2017年4月15日）有關移動設備、瀏覽器和操作系統(tǒng)的使用情況。如下頁圖4所示，盡管電腦仍是最常用的學習終端設備，但發(fā)生在移動端上的學習正變得越來越普遍；與五年前相比，課程中來自手機端的訪問比例從3.22%提升至21.2%，來自平板的訪問比例從1.17%提升至4.73%。相應的，使用Windows操作系統(tǒng)的學習者較五年前有了大幅的下降（從78.9%降至51.2%），而使用移動端iOS和安卓系統(tǒng)的用戶則有了大幅提升，平分了約25%的訪問流量。使用蘋果筆記本電腦Macintosh系統(tǒng)的用戶沒有太大變化。同時，我們注意到學習者使用瀏覽器的偏好也發(fā)生了較大改變；與五年前相比，Chrome瀏覽器贏得了更多用戶的青睞，比例由28.7%增加到59.6%，而使用IE和Firefox瀏覽器的用戶比例則從34.8%和22.1%銳減至現(xiàn)在5.5%和6.3%。使用蘋果Safari的用戶比例從11.8%上升到19.8%，顯示了蘋果用戶逐年增加的趨勢。

五、研究結論與啟示

總結上述來自Google Analytics的研究分析結果，我們可以得出以下幾點關于開放課程中學習行為的結論與啟示。

（一）開放課程的學習者分布廣泛，但學習總體上缺乏深度

經(jīng)合組織在2007年教育研究與創(chuàng)新中心的報告中指出，開放教育運動能進一步消除正式教育與非正式教育的界限，推進教育在全球范圍內(nèi)的傳播與分享。本文的研究發(fā)現(xiàn)支持該觀點，所選開放課程中的學習者分布呈現(xiàn)出了明顯的全球化趨勢，同時課程學習人數(shù)遠超課程注冊人數(shù)，使開放課程中的學習具有了較強的非正式學習特征。然而課程網(wǎng)站較高的跳出率、較少的單次瀏覽頁數(shù)、較短的平均訪問時間和較少的活躍用戶比例等指標表明開放學習行為總體上較為零散，缺乏系統(tǒng)性和深度。按照馬紅亮（2012）提出的基于Google Analytics的評價標準，該課程的開放性效果并不理想。Google Analytics提供的行為流和頁面分析工具能夠幫助我們找到訪問頻率和瀏覽時長較差的頁面內(nèi)容，從而進行有針對性的診斷和修改。

（二）不同學習者群體在開放課程中的學習行為有較大差異

Google Analytics在展現(xiàn)學習行為概況的同時也能提供一些細節(jié)信息，這些細節(jié)表明開放課程中的學習行為因人而異，不能一概而論。例如，我們發(fā)現(xiàn)來自美國本土，尤其是來自大學學習管理平臺用戶的學習投入程度要明顯高于其他訪問者。同時，約有1/5的學習者能夠在學期中持續(xù)每月訪問課程網(wǎng)站，其中有一小部分能夠做到天天堅持，與課程網(wǎng)站的高跳出率形成了鮮明對比。這一現(xiàn)象與大規(guī)模網(wǎng)絡公開課（MOOC）的研究發(fā)現(xiàn)一致，開放在線課程中活躍的學生只占極少數(shù)（5%-10%）。研究表明，學生的年齡、語言、學習目標、學位需求等都將顯著影響其在開放在線學習中的投入程度，然而在不借助課程問卷和網(wǎng)站受眾特征報告的情況下，Google Analytics只能對學習者的語言和學位需求情況做出推斷，但無法獲得其他特征信息從而對開放課程中的活躍學生社群進行更全面的畫像。

（三）發(fā)生在移動端的學習行為顯著增加，移動學習呈現(xiàn)出碎片化特點

根據(jù)2017年新媒體聯(lián)盟《地平線報告》高教版的分析和預測，手機和平板等移動設備的普及正悄然改變著人們學習的方式與環(huán)境，移動學習技術將在未來1-2年內(nèi)得到更為廣泛的應用。本研究的發(fā)現(xiàn)支持該觀點：開放課程中移動設備和操作系統(tǒng)的使用數(shù)據(jù)都表明過去一年內(nèi)約有25%的學習行為發(fā)生在移動端，這一比例較五年前有了大幅提升。然而，移動端學習的投入度總體上低于電腦端學習，單次學習內(nèi)容較少，學習時長較短，呈現(xiàn)出碎片化學習的特點。盡管碎片化學習有便捷、靈活和及時等優(yōu)勢，但隨之而來的注意障礙、記憶障礙和思維障礙等認知問題亦不可忽視。如何開發(fā)適用于移動端訪問的課程網(wǎng)站，既充分發(fā)揮移動技術的優(yōu)勢又能有效避免碎片化學習的弊端，是亟待解決的教學設計問題。

最后，本研究也揭示了使用Google Analytics進行在線學習行為分析的優(yōu)勢與局限。學習分析領域著名學者喬治·西蒙斯曾指出，學習分析的研究應該聚焦在兩個關鍵問題上：數(shù)據(jù)從哪來以及數(shù)據(jù)怎么用。Google Analytics能夠在一定程度上回答這兩個問題，為分析在線學習行為提供了一種簡易可行的技術手段?？偟膩碚f，Google Analytics能高效地從宏觀層面展現(xiàn)學習過程的概況，并能夠針對不同的學習者群體（如不同國家、語言、來源的學習者）對行為數(shù)據(jù)進行分類展示和排序比較。其關鍵統(tǒng)計指標如會話數(shù)、用戶數(shù)、唯一身份瀏覽量、單次瀏覽頁數(shù)、平均會話時長和跳出率等對學習分析的測量指標研究和模型構建有一定的指導意義。除了報告網(wǎng)站流量數(shù)據(jù)之外，Google Analytics還提供了多種實用的可視化工具，幫助用戶理解數(shù)據(jù)的模式特征和發(fā)展趨勢，從而更好地解讀數(shù)據(jù)背后的意義。然而在微觀層面上，用Google Analytics分析學習行為存在一定的局限性。其最大的問題是無法將收集到的網(wǎng)站流量數(shù)據(jù)和學習者個體對應起來，無法區(qū)分同一學習者在不同時間和不同終端上對課程網(wǎng)站的訪問情況，無法為學習者生成個性化的學習分析報告。因為要保障采集數(shù)據(jù)的匿名性，GoogleAnalytics也不是收集學習者特征信息的最佳選擇。盡管它能很好地采集地理位置、語言和技術設備等相關信息，但對學習者的性別、年齡、學歷背景、學生身份等重要信息無法直接獲取。綜上所述，我們認為Coogle Analytics為宏觀分析開放課程中學習行為提供了一種高效便捷的技術手段，但其自身的局限性使其無法對個體學習行為進行追蹤、評價和預測，因此無法替代專業(yè)的學習管理與學習分析平臺。