李婷 孫春艷

摘 要：隨著教育大數(shù)據(jù)的快速發(fā)展，利用學(xué)習(xí)分析技術(shù)挖掘其潛在價值受到越來越多學(xué)者的關(guān)注。以CNKI數(shù)據(jù)庫中核心期刊為數(shù)據(jù)來源，基于內(nèi)容分析法，對107篇相關(guān)文獻進行分析，從學(xué)習(xí)分析研究領(lǐng)域高頻關(guān)鍵詞以及研究主題兩方面探究目前國內(nèi)學(xué)習(xí)分析領(lǐng)域研究現(xiàn)狀。從深化學(xué)習(xí)分析數(shù)據(jù)可視化研究、自適應(yīng)學(xué)習(xí)分析系統(tǒng)設(shè)計與應(yīng)用研究、完善基于學(xué)習(xí)分析的綜合測評模型、關(guān)注倫理道德與安全問題等方面提出未來發(fā)展趨勢。

關(guān)鍵詞：學(xué)習(xí)分析;內(nèi)容分析法;研究綜述;教育信息化;教育大數(shù)據(jù)

DOI：10. 11907/rjdk. 181945

中圖分類號：G434文獻標識碼：A文章編號：1672-7800（2019）002-0208-04

Abstract：With the rapid development of big data on education， the use of learning analytics technology to tap its potential value has attracted more and more attention of scholars. Based on the core journals in the CNKI database as the data source， the article analyzes 107 related articles based on the content analysis method， and explores the current research status in the field of domestic learning analysis from the two major aspects of high-frequency keywords in the field of learning analysis and research topics. Finally， by deepening the study of learning analysis data visualization and adaptive learning analysis system design and application research， we improve the comprehensive evaluation model based on learning analysis and pay attention to ethical and security issues and other aspects to put forward the future development trends.

Key Words：the content analysis method; learning analysis; research overview; education in formatization; big data on education

0 引言

隨著大數(shù)據(jù)時代到來，大量學(xué)習(xí)者行為數(shù)據(jù)產(chǎn)生，需要利用學(xué)習(xí)分析技術(shù)分析海量學(xué)習(xí)數(shù)據(jù)背后的意義，使得學(xué)習(xí)分析成為教育領(lǐng)域的熱點問題。

學(xué)習(xí)分析自2011年在地平線報告中被提出后，就受到了國內(nèi)學(xué)者密切關(guān)注。顧小清等[1]將學(xué)習(xí)分析定義為：運用不同分析方法和數(shù)據(jù)模型，解釋與學(xué)習(xí)者信息有關(guān)的數(shù)據(jù)，進而探究學(xué)習(xí)者的學(xué)習(xí)過程與規(guī)律; 或根據(jù)數(shù)據(jù)闡釋學(xué)習(xí)者的學(xué)習(xí)表現(xiàn)，為其提供相應(yīng)反饋從而促進更加有效的學(xué)習(xí)。學(xué)習(xí)分析通過對學(xué)習(xí)者在學(xué)習(xí)過程中產(chǎn)生的數(shù)據(jù)進行分析，并以可視化形式呈現(xiàn)分析結(jié)果，教師或管理者參照預(yù)測模型對學(xué)習(xí)者的學(xué)習(xí)行為進行預(yù)測，便于識別風(fēng)險學(xué)習(xí)者，實施干預(yù)，并可提供個性化學(xué)習(xí)資源推送以及學(xué)習(xí)路徑等個性化學(xué)習(xí)服務(wù)，是實現(xiàn)因材施教的技術(shù)支撐。本文旨在通過對國內(nèi)學(xué)習(xí)分析文獻進行內(nèi)容分析，了解目前學(xué)習(xí)分析研究現(xiàn)狀，提出未來發(fā)展趨勢。

1 分析過程

1.1 搜索詞確定

將搜索主題詞確定為“學(xué)習(xí)分析”，時間檢索設(shè)置為“2013-2017年”，為了得到較權(quán)威的文獻，以“核心期刊”為檢索條件。

1.2 文獻搜索數(shù)據(jù)庫確定

以CNKI為數(shù)據(jù)庫，如表1所示，共檢索到期刊文獻194篇。

1.3 相關(guān)度較低文獻去除

將194篇文獻導(dǎo)入EndNote軟件中，結(jié)合文獻標識關(guān)鍵詞以及對文獻摘要的詳細閱讀，刪除相關(guān)度較低文獻87篇，將剩余107篇相關(guān)文獻作為研究樣本。

1.4 關(guān)鍵詞分析

對每篇文獻標識關(guān)鍵詞進行匯總，利用EndNote軟件將109篇文獻的關(guān)鍵詞輸出，導(dǎo)入Excel中進行頻次統(tǒng)計，得到高頻關(guān)鍵詞列表（見表2）。

1.5 內(nèi)容分析

采用內(nèi)容分析法，對107篇學(xué)習(xí)分析期刊論文進行內(nèi)容分析，根據(jù)研究主題不同進行梳理，了解目前國內(nèi)學(xué)習(xí)分析領(lǐng)域研究現(xiàn)狀。

2 分析結(jié)果

2.1 高頻關(guān)鍵詞

通過對高頻關(guān)鍵詞分析，可以初步了解目前國內(nèi)學(xué)習(xí)分析領(lǐng)域的研究熱點。從表2可以看出，目前國內(nèi)學(xué)習(xí)分析領(lǐng)域主要聚焦于促進個性化學(xué)習(xí)、在線學(xué)習(xí)、可視化、教育數(shù)據(jù)挖掘、社會網(wǎng)絡(luò)分析等方面。此外，大數(shù)據(jù)、教育大數(shù)據(jù)以及MOOCs是與學(xué)習(xí)分析密切相關(guān)的研究領(lǐng)域。

2.2 內(nèi)容

結(jié)合高頻關(guān)鍵詞，對107篇相關(guān)文獻進行內(nèi)容分析后，將目前國內(nèi)學(xué)習(xí)分析領(lǐng)域的研究重點按照研究主題劃分為基于學(xué)習(xí)分析的理論研究、基于學(xué)習(xí)分析的應(yīng)用研究、基于學(xué)習(xí)分析實現(xiàn)個性化學(xué)習(xí)研究、學(xué)習(xí)分析關(guān)鍵技術(shù)、自適應(yīng)學(xué)習(xí)分析系統(tǒng)設(shè)計與應(yīng)用、基于學(xué)習(xí)分析的綜合評價參考模型研究六大類（見圖1）。

2.2.1 基于學(xué)習(xí)分析的理論研究

該類研究主要是國內(nèi)學(xué)者對目前國內(nèi)外學(xué)習(xí)分析領(lǐng)域的研究現(xiàn)狀、未來發(fā)展趨勢、在教學(xué)中運用學(xué)習(xí)分析技術(shù)的發(fā)展與出路、面臨挑戰(zhàn)等方面進行剖析，為學(xué)習(xí)分析技術(shù)的應(yīng)用提供理論指導(dǎo)。郭炯等[2]基于文獻分析法對國內(nèi)外學(xué)習(xí)分析領(lǐng)域的研究現(xiàn)狀進行分析，將研究重點劃分為理論框架、模型研究、學(xué)習(xí)分析技術(shù)基礎(chǔ)、學(xué)習(xí)分析工具、應(yīng)用研究和面臨挑戰(zhàn)六大類;鄭旭東等[3]通過文獻綜述，分析了學(xué)習(xí)分析在高等教育領(lǐng)域應(yīng)用的進展、挑戰(zhàn)以及出路。

2.2.2 基于學(xué)習(xí)分析的應(yīng)用研究

根據(jù)學(xué)習(xí)分析在應(yīng)用過程中分析對象不同進行整理，將研究對象主要劃分為學(xué)習(xí)者、教師、在線學(xué)習(xí)過程、協(xié)作學(xué)習(xí)過程。從研究對象、數(shù)據(jù)類型、數(shù)據(jù)來源以及應(yīng)用目的4個維度對目前學(xué)習(xí)分析技術(shù)應(yīng)用的特點進行整理（見表3）。

2.2.3 基于學(xué)習(xí)分析實現(xiàn)個性化學(xué)習(xí)研究

（1）構(gòu)建自適應(yīng)學(xué)習(xí)分析模型，提供個性化學(xué)習(xí)服務(wù)。該方面研究主要是構(gòu)建自適應(yīng)學(xué)習(xí)分析模型，對學(xué)習(xí)者學(xué)習(xí)行為數(shù)據(jù)進行分析，參照模型，對不同學(xué)習(xí)者提供個性化學(xué)習(xí)資源及合適的學(xué)習(xí)路徑，并可以幫助學(xué)習(xí)者了解知識掌握程度，及時調(diào)整學(xué)習(xí)進度，進而達到優(yōu)化學(xué)習(xí)者學(xué)習(xí)過程、提高學(xué)習(xí)質(zhì)量的目的，讓教師為學(xué)習(xí)者提供個性化指導(dǎo)與干預(yù)等。姜強等[4]從數(shù)據(jù)與環(huán)境（What）、關(guān)益者（Who）、方法（How）和目標（Why）等4個維度構(gòu)建個性化自適應(yīng)在線學(xué)習(xí)分析模型。岳俊芳等[5]從個人信息、學(xué)習(xí)風(fēng)格、學(xué)習(xí)興趣和知識模型4方面構(gòu)建遠程學(xué)習(xí)者模型，該模型可以實現(xiàn)個性化資源推送、個性化學(xué)習(xí)路徑和遠程督導(dǎo)服務(wù)。武法提等[6]以內(nèi)容個性化、學(xué)習(xí)活動個性化、學(xué)習(xí)方式個性化和學(xué)習(xí)評價個性化為分析維度構(gòu)建了基于電子書包大數(shù)據(jù)的學(xué)生個性化分析模型。

（2）構(gòu)建預(yù)測/干預(yù)模型，提供個性化干預(yù)措施。該方面研究主要是為了避免課程學(xué)習(xí)失敗，參照構(gòu)建的干預(yù)模型，通過分析及時識別出存在風(fēng)險的學(xué)習(xí)者，及時發(fā)出預(yù)警信號并針對性地實施干預(yù)措施，真正實現(xiàn)因材施教以幫助學(xué)習(xí)者提高學(xué)習(xí)效率。李彤彤等[7]構(gòu)建了以干預(yù)引擎為核心的“狀態(tài)識別—策略匹配—干預(yù)實施—成效分析”4環(huán)節(jié)循環(huán)結(jié)構(gòu)干預(yù)模型。趙慧瓊等[8]利用多元回歸分析法判定影響學(xué)生學(xué)習(xí)績效的預(yù)警因素，在此基礎(chǔ)上構(gòu)建了干預(yù)模型;金義富等[9]提出了一種基于離群數(shù)據(jù)挖掘與分析的課程、課堂、課外“三位一體”預(yù)警信息發(fā)現(xiàn)與生成模型 （Model of Learning Alert Based on Outlier Mining and Analysis，LAOMA），建立了學(xué)業(yè)預(yù)警兩類六級信號系統(tǒng)及反饋機制。

2.2.4 學(xué)習(xí)分析關(guān)鍵技術(shù)

學(xué)習(xí)分析技術(shù)完成數(shù)據(jù)的分析、處理以及呈現(xiàn)過程，是學(xué)習(xí)分析的核心存在。孟玲玲等[10]對學(xué)習(xí)分析工具進行了梳理，將其分為學(xué)習(xí)網(wǎng)絡(luò)分析工具、學(xué)習(xí)內(nèi)容分析工具、學(xué)習(xí)能力分析工具、學(xué)習(xí)行為分析工具及其它綜合分析工具。本文基于文獻閱讀，對國內(nèi)學(xué)者使用頻率較高的學(xué)習(xí)分析方法進行了梳理。

（1）教育數(shù)據(jù)挖掘技術(shù)。聚類分析、決策樹分析等數(shù)據(jù)挖掘技術(shù)可以分析與解釋學(xué)習(xí)行為數(shù)據(jù)，例如完成對學(xué)習(xí)者分類、預(yù)測學(xué)習(xí)者課程表現(xiàn)、發(fā)現(xiàn)風(fēng)險學(xué)習(xí)者、對影響學(xué)習(xí)者學(xué)習(xí)因素相關(guān)性進行分析等。孫洪濤等[11]對252門MOOCs的在線交互狀況進行了聚類分析;舒忠梅等[12]采用逐步回歸和決策樹分析等教育數(shù)據(jù)挖掘技術(shù)對大學(xué)生滿意度數(shù)據(jù)進行了分析。

（2）社會網(wǎng)絡(luò)分析法。該方法用于分析組成網(wǎng)絡(luò)的學(xué)習(xí)者之間的關(guān)系，在學(xué)習(xí)分析中多被用于分析在線學(xué)習(xí)中學(xué)習(xí)者交互現(xiàn)象，發(fā)現(xiàn)潛在規(guī)律。通過對交互數(shù)據(jù)處理，呈現(xiàn)可視化結(jié)果，社會網(wǎng)絡(luò)分析法可以幫助教師了解學(xué)習(xí)者交互情況。戴心來等[13]通過基于Moodle平臺的一門大學(xué)網(wǎng)絡(luò)課程，以學(xué)習(xí)分析工具（分析工具 SNAPP 和 UCINET）和社會網(wǎng)絡(luò)分析法對網(wǎng)絡(luò)論壇討論區(qū)中的交互數(shù)據(jù)進行分析，確定了核心參與者、積極參與者、消極參與者和邊緣者等4種學(xué)習(xí)者類型，據(jù)此進行教學(xué)干預(yù)，從而更好地促進虛擬學(xué)習(xí)社區(qū)發(fā)展。

（3）滯后序列分析法。滯后序列分析法（Lag Sequential Analysis，LSA）主要用于檢驗人們發(fā)生一種行為之后另外一種行為出現(xiàn)的概率及其是否存在統(tǒng)計意義上的顯著性。楊現(xiàn)民等[14]提出了國內(nèi)外對LSA在學(xué)習(xí)行為分析中的應(yīng)用主要集中在3個方面：通過LSA分析整個在線活動中的行為模式;利用LSA對比在線學(xué)習(xí)活動中不同階段行為模式的差異;應(yīng)用LSA探究高低成就組在學(xué)習(xí)活動中行為模式的異同。

2.2.5 自適應(yīng)學(xué)習(xí)分析系統(tǒng)設(shè)計與應(yīng)用

該方面研究主要是實現(xiàn)基于學(xué)習(xí)分析系統(tǒng)的設(shè)計與應(yīng)用，對學(xué)習(xí)者學(xué)習(xí)過程中的行為數(shù)據(jù)進行記錄、分析以及可視化，及時反饋學(xué)習(xí)效果，幫助學(xué)習(xí)者更好地了解學(xué)習(xí)情況，為其提供個性化學(xué)習(xí)服務(wù);幫助教師與管理者優(yōu)化教學(xué)決策。鄧莉瓊等[15]利用大數(shù)據(jù)學(xué)習(xí)分析技術(shù)構(gòu)建了一個計算機網(wǎng)絡(luò)自適應(yīng)學(xué)習(xí)系統(tǒng)，達到因材施教和培養(yǎng)學(xué)生自主學(xué)習(xí)能力的效果;朱珂等[16]提出了一個應(yīng)用學(xué)習(xí)分析技術(shù)的自適應(yīng)學(xué)習(xí)系統(tǒng)框架，通過對sakai學(xué)習(xí)平臺二次開發(fā)，基于學(xué)習(xí)分析技術(shù)構(gòu)建了一個包含6個組成部分的自適應(yīng)學(xué)習(xí)系統(tǒng);吳洪艷[17]構(gòu)建了能分析學(xué)習(xí)者學(xué)習(xí)行為和知識狀態(tài)，按需推送合適學(xué)習(xí)資源，并提供適時學(xué)習(xí)干預(yù)的個性化在線學(xué)習(xí)系統(tǒng)。

2.2.6 基于學(xué)習(xí)分析的綜合評價參考模型研究

目前國內(nèi)學(xué)者基于學(xué)習(xí)分析從教師、課程、學(xué)生以及機構(gòu)等不同角度對在線教育進行評價，構(gòu)建相應(yīng)評價參考模型。

（1）教師綜合評價參考模型。評價教師提供的學(xué)習(xí)支持服務(wù)效果，幫助教師提升自己的教學(xué)質(zhì)量。陳耀華等[18]基于學(xué)習(xí)分析構(gòu)建了教師綜合評價參考理論模型（T-SERI 模型），包括促進度、投入度、聯(lián)通度、認可度和調(diào)控度5個方面（見圖2）。

（2）學(xué)習(xí)者綜合評價參考模型。學(xué)習(xí)者評價可以使學(xué)習(xí)者學(xué)習(xí)過程不斷完善，通過利用學(xué)習(xí)分析技術(shù)處理與分析學(xué)習(xí)者數(shù)據(jù)，建立評價模型，可以提供評價標準，為學(xué)習(xí)者預(yù)測與干預(yù)提供支撐。鄭勤華等[19]構(gòu)建了以投入度、完成度、調(diào)控度、聯(lián)通度和主動性為核心的五維度學(xué)習(xí)者綜合評價參考理論模型（見圖3）。

（3）課程綜合評價參考模型。課程作為在線學(xué)習(xí)的載體，對其進行評價是對在線教育評價的組成部分之一。課程評價模型的構(gòu)建為利用學(xué)習(xí)分析技術(shù)完成對課程評價提供了理論指導(dǎo)，有利于完善課程建設(shè)與實施。孫洪濤等[20]構(gòu)建了課程評價模型（C-SERI 模型），從媒體技術(shù)、學(xué)習(xí)資源、學(xué)習(xí)活動、學(xué)習(xí)支持和聯(lián)通度5個維度對在線學(xué)習(xí)課程進行評價（見圖4）。

（4）機構(gòu)在線教學(xué)過程評價指標體系。該評價指標體系的建立，為在線教育機構(gòu)教學(xué)質(zhì)量評價提供了依據(jù)，為提升在線教學(xué)質(zhì)量評價提供參考。魏順平等[21]以遠程教育機構(gòu)在線教學(xué)過程為評價對象，構(gòu)建了“基于數(shù)據(jù)驅(qū)動的教育機構(gòu)在線教學(xué)過程評價指標體系”。該體系可以精確呈現(xiàn)機構(gòu)之間的差距，并對于改進大規(guī)模在線教育機構(gòu)工作效率、提升教學(xué)質(zhì)量有重要意義。

3 學(xué)習(xí)分析研究領(lǐng)域發(fā)展趨勢

3.1 學(xué)習(xí)分析數(shù)據(jù)可視化研究

學(xué)習(xí)行為數(shù)據(jù)可視化是學(xué)習(xí)分析過程中的重要環(huán)節(jié)，是提供反饋的基礎(chǔ)，其在為學(xué)習(xí)者提供個別化指導(dǎo)方面起著重要作用。通過對抽象數(shù)據(jù)的分析，將數(shù)據(jù)背后的意義以直觀形式呈現(xiàn)給學(xué)習(xí)者及教師，讓學(xué)習(xí)者及時了解自己對課程的掌握程度、易錯點、學(xué)習(xí)進度等學(xué)習(xí)情況，讓教師實時監(jiān)控學(xué)習(xí)者的學(xué)習(xí)過程，及時發(fā)現(xiàn)風(fēng)險學(xué)生，實施干預(yù)。因此，為不同對象提供個性化可視化結(jié)果仍然需要國內(nèi)學(xué)者持續(xù)關(guān)注。

3.2 自適應(yīng)學(xué)習(xí)分析系統(tǒng)設(shè)計與應(yīng)用研究

就學(xué)習(xí)者而言，自適應(yīng)學(xué)習(xí)分析系統(tǒng)在對其產(chǎn)生的行為數(shù)據(jù)進行分析后，可以提供個性化學(xué)習(xí)資源，讓學(xué)習(xí)者自定步調(diào)進行課程學(xué)習(xí);就教師與管理者而言，可以更精準了解學(xué)習(xí)者的學(xué)習(xí)情況，及時提供預(yù)警信號，提供干預(yù)措施，完善教學(xué)設(shè)計與教育決策。但是，目前國內(nèi)對該系統(tǒng)的技術(shù)與理論方面研究較少，還處于初步階段，因此仍需要國內(nèi)廣大學(xué)者不斷完善。

3.3 基于學(xué)習(xí)分析的綜合測評模型

目前國內(nèi)基于學(xué)習(xí)分析從教師、學(xué)習(xí)者、機構(gòu)以及課程層面構(gòu)建了綜合測評模型，并進行了實際應(yīng)用，但是技術(shù)不斷發(fā)展，方法不斷更新，新發(fā)展要求對評價框架作出新調(diào)整。因此，要根據(jù)實際情況不斷調(diào)整評價框架。鄭勤華等[19]構(gòu)建的學(xué)習(xí)者綜合評價參考模型并不適合所有課程，且沒有考慮實踐技能等方面的習(xí)得。在今后研究中，要加強模型的適應(yīng)性與穩(wěn)定性。

3.4 倫理道德與安全問題

要進行學(xué)習(xí)分析，就需要獲取分析者數(shù)據(jù)，因此倫理道德是一個不可避免的問題。國內(nèi)有學(xué)者也關(guān)注到該問題，顧小清等[22]指出了學(xué)習(xí)分析技術(shù)存在明顯的倫理問題，有可能因收集分析學(xué)習(xí)者數(shù)據(jù)而侵犯個人隱私。但是，目前國內(nèi)與學(xué)習(xí)分析相關(guān)的法律法規(guī)尚未完善。因此，在今后的學(xué)習(xí)分析研究中，需關(guān)注倫理道德與安全問題。

4 結(jié)語

大數(shù)據(jù)時代下，利用學(xué)習(xí)分析手段對教育數(shù)據(jù)進行可視化，對提高教師的教學(xué)效果、優(yōu)化學(xué)生學(xué)習(xí)過程等意義重大。但是，其在發(fā)展過程中也面臨數(shù)據(jù)安全與倫理道德問題，需加強模型適應(yīng)性，完善學(xué)習(xí)分析工具設(shè)計等，需要廣大學(xué)者深入研究。

參考文獻：

[1] 胡藝齡，顧小清，羅九同，等. 教育效益的追問：從學(xué)習(xí)分析技術(shù)的視角[J]. 現(xiàn)代遠程教育研究，2014（6）：41-48.

[2] 郭炯，鄭曉俊. 基于大數(shù)據(jù)的學(xué)習(xí)分析研究綜述[J]. 中國電化教育，2017（1）：121-130.

[3] 鄭旭東，楊九民. 學(xué)習(xí)分析在高等教育領(lǐng)域內(nèi)的創(chuàng)新應(yīng)用：進展、挑戰(zhàn)與出路[J]. 中國電化教育，2016（2）：2-7.

[4] 姜強，趙蔚，王朋嬌，等. 基于大數(shù)據(jù)的個性化自適應(yīng)在線學(xué)習(xí)分析模型及實現(xiàn)[J]. 中國電化教育，2015 （1）：85-92.

[5] 岳俊芳，陳逸. 基于大數(shù)據(jù)分析的遠程學(xué)習(xí)者建模與個性化學(xué)習(xí)應(yīng)用[J]. 中國遠程教育，2017（7）：34-39.

[6] 武法提，牟智佳. 基于學(xué)習(xí)者個性行為分析的學(xué)習(xí)結(jié)果預(yù)測框架設(shè)計研究[J]. 中國電化教育，2016（1）：41-48.

[7] 李彤彤，黃洛穎，鄒蕊，等. 基于教育大數(shù)據(jù)的學(xué)習(xí)干預(yù)模型構(gòu)建[J]. 中國電化教育，2016（6）：16-20.

[8] 趙慧瓊，姜強，趙蔚，等. 基于大數(shù)據(jù)學(xué)習(xí)分析的在線學(xué)習(xí)績效預(yù)警因素及干預(yù)對策的實證研究[J]. 電化教育研究，2017，38（1）：62-69.

[9] 金義富，吳濤，張子石，等. 大數(shù)據(jù)環(huán)境下學(xué)業(yè)預(yù)警系統(tǒng)設(shè)計與分析[J]. 中國電化教育，2016（2）：69-73.

[10] 孟玲玲，顧小清，李澤. 學(xué)習(xí)分析工具比較研究[J]. 開放教育研究，2014，20（4）：66-75.

[11] 孫洪濤，李秋劼，鄭勤華. MOOCs交互模式聚類研究[J]. 中國遠程教育，2016（3）：33-38+44.

[12] 舒忠梅，徐曉東. 學(xué)習(xí)分析視域下的大學(xué)生滿意度教育數(shù)據(jù)挖掘及分析[J]. 電化教育研究，2014，35（5）：39-44.

[13] 戴心來，王麗紅，崔春陽，等. 基于學(xué)習(xí)分析的虛擬學(xué)習(xí)社區(qū)社會性交互研究[J]. 電化教育研究，2015，36（12）：59-64.

[14] 楊現(xiàn)民，王懷波，李冀紅. 滯后序列分析法在學(xué)習(xí)行為分析中的應(yīng)用[J]. 中國電化教育，2016（2）：17-23+32.

[15] 鄧莉瓊，肖秋根，李中寧，等. 基于大數(shù)據(jù)分析的計算機網(wǎng)絡(luò)課程自適應(yīng)學(xué)習(xí)系統(tǒng)構(gòu)建[J]. 計算機工程與科學(xué)，2016（S1）：276-280.

[16] 朱珂，劉清堂. 基于“學(xué)習(xí)分析”技術(shù)的學(xué)習(xí)平臺開發(fā)與應(yīng)用研究[J]. 中國電化教育，2013（9）：127-132.

[17] 吳洪艷. 智慧學(xué)習(xí)視角下個性化在線學(xué)習(xí)系統(tǒng)設(shè)計與應(yīng)用[J]. 中國電化教育，2015（6）：127-131.

[18] 陳耀華，鄭勤華，孫洪濤，等. 基于學(xué)習(xí)分析的在線學(xué)習(xí)測評建模與應(yīng)用——教師綜合評價參考模型研究[J].? 電化教育研究，2016，37（10）：35-41.

[19] 鄭勤華，陳耀華，孫洪濤，等. 基于學(xué)習(xí)分析的在線學(xué)習(xí)測評建模與應(yīng)用——學(xué)習(xí)者綜合評價參考模型研究[J]. 電化教育研究，2016，37（9）：33-40.

[20] 孫洪濤，鄭勤華，陳耀華，等. 基于學(xué)習(xí)分析的在線學(xué)習(xí)測評建模與應(yīng)用——課程綜合評價參考模型研究[J]. 電化教育研究，2016，37（11）：25-31.

[21] 魏順平，程罡. 數(shù)據(jù)驅(qū)動的教育機構(gòu)在線教學(xué)過程評價指標體系構(gòu)建與應(yīng)用[J]. 開放教育研究，2017，23（3）：113-120.

[22] 顧小清，張進良，蔡慧英. 學(xué)習(xí)分析：正在浮現(xiàn)中的數(shù)據(jù)技術(shù)[J]. 遠程教育雜志，2012，30（1）：18-25.

（責(zé)任編輯：何 麗）