混合學(xué)習(xí)視域下在線開放課程學(xué)習(xí)行為數(shù)據(jù)模型研究與應(yīng)用*

成亞玲　譚愛平

摘? ?要：文章基于學(xué)習(xí)者線上/線下學(xué)習(xí)全過程學(xué)習(xí)數(shù)據(jù)，構(gòu)建了混合學(xué)習(xí)視域下在線開放課程學(xué)習(xí)行為數(shù)據(jù)模型，并進(jìn)行了實證研究。研究發(fā)現(xiàn)：根據(jù)學(xué)習(xí)特征，學(xué)習(xí)者分為高沉浸型、較高沉浸型、中沉浸型和低沉浸型四類學(xué)習(xí)群體;社交網(wǎng)絡(luò)學(xué)習(xí)行為對認(rèn)知投入度、情感投入度、學(xué)業(yè)成績都產(chǎn)生積極顯著影響，而個體學(xué)習(xí)行為對認(rèn)知投入度、情感投入度無顯著相關(guān)。最后，從學(xué)業(yè)預(yù)警等方面提出了建議。

關(guān)鍵詞：在線開放課程;學(xué)習(xí)行為;數(shù)據(jù)模型;數(shù)據(jù)挖掘;聚類分析;關(guān)聯(lián)分析

中圖分類號：G434 文獻(xiàn)標(biāo)志碼：A 文章編號：1673-8454（2020）19-0037-05

一、問題提出

在“互聯(lián)網(wǎng)+”教育背景下，新一代信息技術(shù)與教育教學(xué)的深度融合，催生了課程形態(tài)與學(xué)習(xí)方式的不斷變革。當(dāng)前，在線開放課程無疑是適合學(xué)習(xí)者進(jìn)行知識技能提升的有效路徑之一。然而，在線開放課程學(xué)習(xí)過程中存在輟學(xué)率高、用戶粘度低、學(xué)習(xí)進(jìn)度拖后、學(xué)習(xí)互動不高、學(xué)習(xí)效果有待提高等困境;同時學(xué)習(xí)過程中產(chǎn)生了海量數(shù)據(jù)信息，如何從海量數(shù)據(jù)中挖掘出有價值的數(shù)據(jù)信息，如何有效地利用這些數(shù)據(jù)信息改善學(xué)習(xí)、提高學(xué)習(xí)者的學(xué)習(xí)效能，針對以上困境，本文對混合學(xué)習(xí)視域下在線開放課程學(xué)習(xí)者的學(xué)習(xí)行為數(shù)據(jù)進(jìn)行深度研究，對學(xué)習(xí)者數(shù)據(jù)建模并進(jìn)行挖掘分析，探究學(xué)習(xí)行為背后隱藏的教、學(xué)規(guī)律，以改進(jìn)教學(xué)提升質(zhì)量。

二、文獻(xiàn)綜述

近年來，在線開放課程得到了快速發(fā)展，同時也產(chǎn)生了大量的師生行為數(shù)據(jù)、教學(xué)評價數(shù)據(jù)、師生情感數(shù)據(jù)、課堂管理數(shù)據(jù)。已有研究表明：學(xué)習(xí)者的學(xué)習(xí)行為是學(xué)習(xí)效果預(yù)測的重要影響因素，對學(xué)習(xí)者提高個性化的教學(xué)干預(yù)具有重要指導(dǎo)意義。[1]

1.行為基礎(chǔ)理論研究

在線行為理論的研究主要集中于學(xué)習(xí)行為的模型構(gòu)建、評價指標(biāo)、影響因素等方面。如彭文輝等人以概念圖的形式，構(gòu)建了網(wǎng)絡(luò)學(xué)習(xí)行為系統(tǒng)的概念模型，該模型將網(wǎng)絡(luò)學(xué)習(xí)行為分為操作、認(rèn)知、協(xié)作和問題解決等四類。[2]李爽等人基于在線學(xué)習(xí)行為數(shù)據(jù)，從學(xué)習(xí)行為投入指標(biāo)維度進(jìn)行了研究。[3]SunM等人探究了學(xué)習(xí)者的網(wǎng)絡(luò)行為與群體協(xié)作、學(xué)習(xí)風(fēng)格之間的相關(guān)關(guān)系。[4]王錢永等通過UTAUT模型探究了影響MOOC學(xué)習(xí)行為各因素之間的關(guān)系。[5]

2.行為分析技術(shù)研究

隨著教育數(shù)據(jù)的海量增長，在線學(xué)習(xí)行為分析日益受到研究者的強(qiáng)烈關(guān)注，其主要體現(xiàn)于在線學(xué)習(xí)行為數(shù)據(jù)模型、分析技術(shù)兩個方面。在學(xué)習(xí)行為數(shù)據(jù)方面，如Ochoa Xavier等人認(rèn)為學(xué)習(xí)是多通道的活動，從多維度收集數(shù)據(jù)進(jìn)行學(xué)習(xí)分析。[6]魏順平在資格框架的指導(dǎo)下結(jié)合Moodle學(xué)習(xí)平臺數(shù)據(jù)表結(jié)構(gòu)，構(gòu)建了學(xué)習(xí)分析數(shù)據(jù)模型。[7]在學(xué)習(xí)行為分析方面主要包含各類數(shù)據(jù)挖掘算法，比如聚類分析[8]、內(nèi)容分析法[9]等。

3.行為分析應(yīng)用研究

學(xué)習(xí)分析應(yīng)用研究主要聚焦學(xué)習(xí)者特征分析、行為建模、學(xué)業(yè)分析等方面。如Andrade Alejandro通過對學(xué)生細(xì)粒度的行為數(shù)據(jù)及注釋數(shù)據(jù)的采集，映射行為數(shù)據(jù)與學(xué)習(xí)表現(xiàn)水平之間的關(guān)聯(lián)。[10]戴心來等人對課程論壇交流區(qū)的數(shù)據(jù)，通過社會網(wǎng)絡(luò)分析法和學(xué)習(xí)分析工具，將學(xué)習(xí)群體分為四種類型。[11]楊現(xiàn)民[12]、李爽[13]等人通過序列分析法的應(yīng)用對學(xué)習(xí)者行為進(jìn)行了深入研究。

綜上所述，現(xiàn)有相關(guān)研究大多聚焦于在線學(xué)習(xí)行為理論模型、學(xué)習(xí)行為分析技術(shù)及應(yīng)用領(lǐng)域。對混合學(xué)習(xí)視域下在線開放課程學(xué)習(xí)行為數(shù)據(jù)模型的研究較少。本研究將在混合學(xué)習(xí)理論指導(dǎo)下，全程全息采集學(xué)習(xí)者線下、線上的多模態(tài)行為數(shù)據(jù)，在此基礎(chǔ)上構(gòu)建學(xué)習(xí)行為數(shù)據(jù)模型并進(jìn)行實證應(yīng)用，以期為學(xué)校、教師、研究者進(jìn)行學(xué)習(xí)行為分析與應(yīng)用提供參考。

三、混合學(xué)習(xí)視域下在線開放課程學(xué)習(xí)行為數(shù)據(jù)模型構(gòu)建

1.學(xué)習(xí)要素分析及學(xué)習(xí)行為分類

行為科學(xué)理論認(rèn)為在動機(jī)的支配下，為滿足學(xué)習(xí)需求與實現(xiàn)目標(biāo)而進(jìn)行的行為活動稱之為學(xué)習(xí)行為。[15] 有關(guān)學(xué)習(xí)行為的現(xiàn)有研究大多是指在線學(xué)習(xí)行為，如“遠(yuǎn)程學(xué)習(xí)行為”、“在線學(xué)習(xí)行為”等。本文研究的學(xué)習(xí)行為是指混合學(xué)習(xí)視域下既包含在線學(xué)習(xí)行為，也包含線下面對面的學(xué)習(xí)行為。著名的美國教育心理學(xué)家加涅（Robert Mills Gagne）從學(xué)習(xí)過程、學(xué)習(xí)結(jié)果以及學(xué)習(xí)層次等角度認(rèn)為，學(xué)習(xí)要素包含學(xué)習(xí)者、動作、記憶內(nèi)容、刺激情境（學(xué)習(xí)環(huán)境）四個方面。[14]國內(nèi)學(xué)者魏順平等人從學(xué)習(xí)行為主體、行為客體、發(fā)生場所、發(fā)生時間維度構(gòu)建了學(xué)習(xí)行為要素框架。[15]建構(gòu)主義理論認(rèn)為學(xué)習(xí)是學(xué)習(xí)者重新構(gòu)建自身知識結(jié)構(gòu)的過程;[16]行為主義理論則認(rèn)為學(xué)習(xí)是刺激與行為的聯(lián)結(jié);[17]認(rèn)知主義學(xué)習(xí)理論認(rèn)為學(xué)習(xí)不僅是刺激和反應(yīng)的聯(lián)結(jié)，更側(cè)重于學(xué)習(xí)者內(nèi)部認(rèn)知結(jié)構(gòu)的改變。[18]誠然不同理論對學(xué)習(xí)的定義有所不同，但其共同點都表述了學(xué)習(xí)是一個過程，是學(xué)習(xí)者在適當(dāng)?shù)膶W(xué)習(xí)環(huán)境和媒介下產(chǎn)生了一系列的學(xué)習(xí)行為。綜合上述觀點并結(jié)合線上學(xué)習(xí)和線下學(xué)習(xí)特點，本文提出學(xué)習(xí)要素包含學(xué)習(xí)者/學(xué)習(xí)同伴、學(xué)習(xí)目標(biāo)與內(nèi)容、學(xué)習(xí)媒介（線上學(xué)習(xí)平臺/線下智慧教室）、學(xué)習(xí)行為（線上/線下）和學(xué)習(xí)成果五個方面。

庫爾特·勒溫的行為分層理論[19]認(rèn)為學(xué)習(xí)行為與人類行為同樣具有分層特性，即學(xué)習(xí)行為是由一系列簡單行為組成的，其程度從低層次到高層次不斷加深。同時，學(xué)習(xí)行為可以分為外顯學(xué)習(xí)行為和內(nèi)顯學(xué)習(xí)行為兩大類。外顯學(xué)習(xí)行為是指能夠被網(wǎng)絡(luò)學(xué)習(xí)平臺和智慧教室物聯(lián)網(wǎng)設(shè)備記錄的行為，如登錄平臺、瀏覽資源、編輯資源、視頻點播拖放、線下課堂討論與交流等;而與學(xué)習(xí)者的學(xué)習(xí)動機(jī)、反思、學(xué)習(xí)滿意度等心理活動相關(guān)的行為則屬于內(nèi)顯學(xué)習(xí)行為。學(xué)習(xí)行為的發(fā)生受到學(xué)習(xí)者自身的信息素養(yǎng)、學(xué)習(xí)動機(jī)、已有知識基礎(chǔ)、學(xué)習(xí)風(fēng)格等內(nèi)在因素影響，同時也受到學(xué)習(xí)資源、學(xué)習(xí)模式、學(xué)習(xí)環(huán)境等外在條件的影響。

本文結(jié)合學(xué)習(xí)行為要素，學(xué)習(xí)發(fā)生的內(nèi)外影響因素，前面文獻(xiàn)綜述中已有的在線學(xué)習(xí)行為基礎(chǔ)理論研究、學(xué)習(xí)行為分析技術(shù)研究等內(nèi)涵，將在線開放課程學(xué)習(xí)行為分為社交網(wǎng)絡(luò)學(xué)習(xí)、軌跡行為等四類，如表1所示。

2.混合學(xué)習(xí)視域下在線開放課程學(xué)習(xí)行為數(shù)據(jù)采集框架

混合學(xué)習(xí)視角下的學(xué)習(xí)行為既包括移動終端的線上活動，又包括應(yīng)用多種教學(xué)模式的線下活動，數(shù)據(jù)隨著教學(xué)活動的開展而不斷生成。同時，由于學(xué)習(xí)目標(biāo)、學(xué)習(xí)內(nèi)容、學(xué)習(xí)環(huán)境、學(xué)習(xí)平臺和學(xué)習(xí)模式的不同，動態(tài)生成大量的多元數(shù)據(jù)使數(shù)據(jù)的采集更加復(fù)雜。本研究在行為科學(xué)、系統(tǒng)論及學(xué)習(xí)分析理論指導(dǎo)下，結(jié)合混合學(xué)習(xí)特點，從“課前導(dǎo)學(xué)、課中研學(xué)、課后拓學(xué)”[20]等環(huán)節(jié)對學(xué)習(xí)者學(xué)習(xí)行為數(shù)據(jù)進(jìn)行全方位采集，如圖1所示。

課前導(dǎo)學(xué)階段數(shù)據(jù)采集與分析：教師基于線上學(xué)習(xí)平臺采集學(xué)習(xí)者學(xué)習(xí)軌跡數(shù)據(jù)、導(dǎo)學(xué)學(xué)習(xí)行為數(shù)據(jù)、導(dǎo)學(xué)測評數(shù)據(jù)，以及學(xué)籍成績管理系統(tǒng)數(shù)據(jù)庫等數(shù)據(jù)，應(yīng)用數(shù)據(jù)挖掘、學(xué)習(xí)分析等技術(shù)，分析學(xué)習(xí)者的共性與特性;通過分析學(xué)習(xí)者個體的知識基礎(chǔ)、學(xué)習(xí)興趣、學(xué)習(xí)風(fēng)格、學(xué)習(xí)狀態(tài)及導(dǎo)學(xué)學(xué)習(xí)情況，得到學(xué)情分析報告。根據(jù)學(xué)情分析報告，教師可以精準(zhǔn)地識別學(xué)習(xí)者的認(rèn)識水平、學(xué)習(xí)興趣，預(yù)測學(xué)習(xí)的潛在問題和風(fēng)險，并調(diào)整教學(xué)設(shè)計和策略;讓學(xué)生客觀認(rèn)識自己、調(diào)整學(xué)習(xí)策略，有效地促進(jìn)教與學(xué)。

課中研學(xué)階段數(shù)據(jù)采集與分析：通過智慧教室物聯(lián)感知、視頻錄制、圖像識別等技術(shù)采集線下課堂多模態(tài)學(xué)習(xí)行為數(shù)據(jù);通過學(xué)習(xí)平臺工具采集學(xué)習(xí)者信息的檢索、溝通協(xié)作、交互、實時測評等數(shù)據(jù)。通過對采集的數(shù)據(jù)進(jìn)行去重、去噪、轉(zhuǎn)換、缺失處理等預(yù)處理后，應(yīng)用聚類分析、關(guān)聯(lián)分析、序列分析等技術(shù)對學(xué)習(xí)行為數(shù)據(jù)進(jìn)行深入挖掘。如：應(yīng)用關(guān)聯(lián)規(guī)則技術(shù)挖掘?qū)W習(xí)者個性特征、學(xué)習(xí)行為、學(xué)習(xí)資源三者之間的內(nèi)在聯(lián)系，為學(xué)習(xí)者推薦個性化的學(xué)習(xí)資源;應(yīng)用序列分析技術(shù)挖掘出學(xué)習(xí)者在學(xué)習(xí)過程中的規(guī)律、意愿，根據(jù)其個體特性推薦合適的學(xué)習(xí)路徑，促使教學(xué)中教師更加精準(zhǔn)地教、學(xué)習(xí)者更加個性化地學(xué)。

3.混合學(xué)習(xí)視域下在線開放課程學(xué)習(xí)行為數(shù)據(jù)模型構(gòu)建

本文將混合學(xué)習(xí)視域下在線開放課程學(xué)習(xí)行為分為軌跡行為、社交網(wǎng)絡(luò)學(xué)習(xí)行為、資源學(xué)習(xí)行為和評價反思行為四類。其中軌跡學(xué)習(xí)行為是指學(xué)習(xí)者在網(wǎng)絡(luò)學(xué)習(xí)平臺中的登錄、退出、網(wǎng)頁的跳轉(zhuǎn)等行為和線下課堂到課率、問題搶答等行為。社交行為是指學(xué)習(xí)者在網(wǎng)絡(luò)平臺論壇模塊、問答模塊、個人空間模塊的實時性/異步交流、討論式交流等行為，以及線下智慧課堂中師生、生生面對面的交流和溝通，如探究、協(xié)同解決問題等行為。資源學(xué)習(xí)行為是指學(xué)習(xí)者在網(wǎng)絡(luò)學(xué)習(xí)平臺的資源模塊、論壇模塊中對學(xué)習(xí)資源進(jìn)行訪問學(xué)習(xí)、編輯和發(fā)布信息等行為，同時還包含線下課堂中團(tuán)隊協(xié)作完成具體學(xué)習(xí)任務(wù)而進(jìn)行的系列資源查找、分享等活動行為。評價反思行為屬于隱性的學(xué)習(xí)行為，是指作業(yè)/習(xí)題模塊、測評模塊、項目作品展示評價等環(huán)節(jié)的學(xué)習(xí)行為。在混合學(xué)習(xí)視域下在線開放課程學(xué)習(xí)行為分類屬性基礎(chǔ)上，從軌跡、社交網(wǎng)絡(luò)學(xué)習(xí)、資源學(xué)習(xí)和評價反思四個維度進(jìn)行混合學(xué)習(xí)視域下學(xué)習(xí)行為數(shù)據(jù)模型構(gòu)建，如圖2所示。其中LB指的是學(xué)習(xí)行為，BD指的是行為維度（BD1為軌跡學(xué)習(xí)維度、BD2為社交網(wǎng)絡(luò)學(xué)習(xí)維度、BD3為資源學(xué)習(xí)維度、BD4為評價反思學(xué)習(xí)維度）。

四、學(xué)習(xí)行為數(shù)據(jù)模型實證研究

1.研究實施過程

（1）研究樣本選擇與研究案例描述

本研究以“數(shù)據(jù)結(jié)構(gòu)”課程為例，對混合學(xué)習(xí)視域下學(xué)習(xí)行為數(shù)據(jù)模型進(jìn)行實證研究。該課程于2018—2019年度第二學(xué)期開設(shè)，歷時16周。本研究選取湖南工業(yè)職業(yè)技術(shù)學(xué)院489名大一學(xué)生為研究對象，其中女生148人、男生341人。該課程學(xué)習(xí)任務(wù)分為八個學(xué)習(xí)項目，包括數(shù)據(jù)結(jié)構(gòu)概述與順序表的實現(xiàn)、鏈表的實現(xiàn)、棧的實現(xiàn)、隊列的實現(xiàn)、串的實現(xiàn)與應(yīng)用、稀疏矩陣的存儲、二叉樹的操作與應(yīng)用、查找算法應(yīng)用。該課程線上教學(xué)基于智慧職教MOOC學(xué)習(xí)平臺、線下課堂基于智慧教室開展混合式教學(xué)。

（2）研究過程與方法

本研究基于混合學(xué)習(xí)視域形成在線開放課程學(xué)習(xí)行為數(shù)據(jù)采集框架（見圖1），對《數(shù)據(jù)結(jié)構(gòu)》課程從“課前導(dǎo)學(xué)、課中研學(xué)、課后拓學(xué)”等教學(xué)環(huán)節(jié)對學(xué)習(xí)者的學(xué)習(xí)行為數(shù)據(jù)進(jìn)行全方位持續(xù)采集、存儲。通過數(shù)據(jù)清洗、數(shù)據(jù)集成、數(shù)據(jù)變換等對線上平臺采集的結(jié)構(gòu)化數(shù)據(jù)和線下平臺采集的半結(jié)構(gòu)或非結(jié)構(gòu)化數(shù)據(jù)進(jìn)行原始數(shù)據(jù)的預(yù)處理。本研究選用聚類分析、關(guān)聯(lián)分析、序列分析等數(shù)據(jù)挖掘技術(shù)對學(xué)習(xí)者的學(xué)習(xí)行為進(jìn)行深入挖掘，發(fā)現(xiàn)學(xué)習(xí)行為背后隱藏的規(guī)律，從而為學(xué)情分析、學(xué)習(xí)干預(yù)、個性化學(xué)習(xí)資源推薦等提供科學(xué)有效的教學(xué)決策支持。

2.研究結(jié)果分析

（1）學(xué)習(xí)者學(xué)習(xí)類型聚類分析

基于職教MOOC平臺采集數(shù)據(jù)以及基于智慧教室采集視頻、音頻和圖像監(jiān)控等數(shù)據(jù)，本研究將個體學(xué)習(xí)行為轉(zhuǎn)化為具體的個體學(xué)習(xí)行為類別，以此來描述學(xué)習(xí)者的軌跡行為、社交行為、資源學(xué)習(xí)行為和評價反思行為。將學(xué)習(xí)者進(jìn)行聚類分析，先建立特征數(shù)據(jù)表，用于描述聚類對象（學(xué)習(xí)者）的屬性特征并將其數(shù)據(jù)化。然后根據(jù)對象數(shù)據(jù)類型、結(jié)構(gòu)、數(shù)量選擇合適的聚類方法，在本研究中選擇K-means聚類方法，利用SPASS聚類分析軟件，選取“學(xué)習(xí)時長”、“學(xué)習(xí)互動次數(shù)”、“作業(yè)完成次數(shù)”、“學(xué)習(xí)總成績”四個變量，按照相似度進(jìn)行聚類分析。通過聚類分析將學(xué)習(xí)者分為高沉浸型等四類，如表2所示。其中，“高沉浸型”學(xué)習(xí)者具有對線上網(wǎng)絡(luò)學(xué)習(xí)平臺黏度高、參與度高、積極性高、樂于協(xié)作學(xué)習(xí)和自我調(diào)控能力強(qiáng)等特點。該類學(xué)習(xí)者的學(xué)習(xí)總成績分為兩類：一類是高成績型;另一類是低成績型。對于低成績型，雖然其參與度高也很努力，但學(xué)習(xí)效果不理想，究其原因可能是學(xué)習(xí)者自身學(xué)習(xí)策略不恰當(dāng)所致。

（2）學(xué)習(xí)行為與認(rèn)知投入度、情感投入度的相關(guān)性分析[21]

學(xué)習(xí)行為與認(rèn)知投入度、情感投入度的相關(guān)性分析如表3所示。個體學(xué)習(xí)行為與認(rèn)知投入度、情感投入度的相關(guān)系數(shù)分別為0.262、0.291，研究顯示個體學(xué)習(xí)行為與情感投入度存在較強(qiáng)正相關(guān)，而個體學(xué)習(xí)行為與認(rèn)知投入度無顯著相關(guān)。社交網(wǎng)絡(luò)學(xué)習(xí)行為與認(rèn)知投入度、情感投入度的相關(guān)系數(shù)分別為0.735、0.796，它們均在0.01水平上存在高度正相關(guān)。

（3）學(xué)習(xí)行為與學(xué)習(xí)成績等方面的相關(guān)分析

學(xué)習(xí)行為與學(xué)習(xí)成績等方面的相關(guān)分析如表4所示。研究顯示社交網(wǎng)絡(luò)學(xué)習(xí)行為與學(xué)習(xí)滿意度、課程持續(xù)使用意向存在強(qiáng)正相關(guān)性，與學(xué)習(xí)成績呈較強(qiáng)相關(guān);然而，個體學(xué)習(xí)行為與學(xué)習(xí)成績、滿意度、課程持續(xù)使用意向均無顯著相關(guān)。

五、結(jié)論與啟示

本研究采集學(xué)習(xí)者學(xué)習(xí)全過程數(shù)據(jù)，并進(jìn)行了學(xué)習(xí)行為數(shù)據(jù)建模分析。重點對學(xué)習(xí)者的學(xué)習(xí)類型聚類，社交網(wǎng)絡(luò)學(xué)習(xí)行為與認(rèn)知投入度、情感投入度、學(xué)習(xí)效果之間的相關(guān)性進(jìn)行了分析。學(xué)習(xí)者學(xué)習(xí)類型聚類分析研究結(jié)果表明：混合學(xué)習(xí)視域下在線開放課程學(xué)習(xí)者聚類分別為高沉浸型、較高沉浸型、中沉浸型和低沉浸型四大類。社交網(wǎng)絡(luò)學(xué)習(xí)行為與認(rèn)知投入度、情感投入度的相關(guān)性分析研究結(jié)果表明：認(rèn)知投入度、情感投入度與社交網(wǎng)絡(luò)學(xué)習(xí)行為產(chǎn)生顯著影響，這一研究結(jié)論與學(xué)習(xí)投入理論中認(rèn)知投入因素、情感投入因素和社交網(wǎng)絡(luò)學(xué)習(xí)（網(wǎng)絡(luò)學(xué)習(xí)）行為之間的關(guān)系相吻合。[22]社交網(wǎng)絡(luò)學(xué)習(xí)行為與學(xué)習(xí)成績、學(xué)習(xí)效果的相關(guān)性分析研究結(jié)果表明：社交網(wǎng)絡(luò)學(xué)習(xí)行為能有效提高學(xué)習(xí)滿意度和課程持續(xù)使用意向，呈現(xiàn)強(qiáng)相關(guān)性;同時，社交網(wǎng)絡(luò)學(xué)習(xí)行為與學(xué)業(yè)成績呈現(xiàn)較強(qiáng)的正相關(guān)性。

綜合上述研究結(jié)論，課題組從學(xué)業(yè)預(yù)警、調(diào)整教學(xué)策略、推送適應(yīng)性服務(wù)等方面提出幾點建議：

（1）針對不同學(xué)習(xí)者類型進(jìn)行相應(yīng)的學(xué)業(yè)預(yù)警和干預(yù)。如，教學(xué)者根據(jù)學(xué)習(xí)者前期、中期學(xué)習(xí)行為數(shù)據(jù)及時進(jìn)行學(xué)習(xí)效果預(yù)測，并基于預(yù)測結(jié)果動態(tài)調(diào)整教學(xué)策略和教學(xué)內(nèi)容，從而有效進(jìn)行精準(zhǔn)干預(yù)：對低沉浸型學(xué)習(xí)者及時給予恰當(dāng)?shù)母深A(yù)使其向高沉浸型、較高沉浸型學(xué)習(xí)群體轉(zhuǎn)變;同時，根據(jù)學(xué)習(xí)行為預(yù)測其學(xué)習(xí)效果，及時給予相應(yīng)的學(xué)業(yè)預(yù)警和干預(yù)，以提高其學(xué)習(xí)效果。

（2）針對不同學(xué)習(xí)者類型調(diào)整制定教學(xué)策略，實現(xiàn)因材施教。聚類分析結(jié)果有助于教學(xué)者根據(jù)學(xué)情進(jìn)行科學(xué)的教學(xué)決策。如，對低沉浸型學(xué)習(xí)者，教師可以深究學(xué)業(yè)困難原因調(diào)整指導(dǎo)學(xué)習(xí)策略并重點對其進(jìn)行監(jiān)督，提高其學(xué)習(xí)興趣與參與度，督促學(xué)習(xí)進(jìn)度;同時，教師還可以通過提高注意力、同伴激勵等多種途徑提高學(xué)習(xí)者的學(xué)習(xí)動機(jī)，提供學(xué)習(xí)者感興趣的資源，最終使其向高沉浸型學(xué)習(xí)群體轉(zhuǎn)移。

（3）針對不同學(xué)習(xí)者類型推送適切的個性化服務(wù)，包括適切的學(xué)習(xí)資源、適切的學(xué)習(xí)路徑、不同的評價等。如，對高沉浸型學(xué)習(xí)者可以推送一些拓展性資源;針對低沉浸型學(xué)習(xí)者，及時預(yù)警并推送難度較低且感興趣的資源和適宜的學(xué)習(xí)路徑，同時設(shè)置獎勵性的闖關(guān)項目來激發(fā)其學(xué)習(xí)動機(jī)，從而達(dá)到提高學(xué)習(xí)效果的目的。

研究還存在不足，如本研究樣本數(shù)據(jù)僅僅來源于一門課程數(shù)據(jù)，研究結(jié)論的信度有待進(jìn)一步驗證。

參考文獻(xiàn)：

[1]張紅艷，梁玉珍.遠(yuǎn)程學(xué)習(xí)者在線學(xué)習(xí)行為的實證研究[J].遠(yuǎn)程教育雜志，2013（6）：42-48.

[2]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].中國電化教育，2013（9）：39-46.

[3]李爽，王增賢，喻忱等.在線學(xué)習(xí)行為投入分析框架與測量指標(biāo)研究——基于LMS數(shù)據(jù)的學(xué)習(xí)分析[J].開放教育研究，2016（2）：77-88.

[4] Sun M，Luo J T，Qian D M，et al.Making sense of online learning behavior： A research on learning styles and collaborative learning data[J].2014（23）：25-31.

[5]王錢永，毛海波.基于UTAUT模型的MOOC學(xué)習(xí)行為因素分析[J].電化教育研究，2016（6）：43-48.

[6]Ochoa X，Worsley M，Weibel N，et al.Multimodal learning analytics data challenges[C].Proceedings of the Sixth International Conference on Learning Analytics & Knowledge，ACM，2016：498-499.

[7]魏順平.學(xué)習(xí)分析數(shù)據(jù)模型及數(shù)據(jù)處理方法研究[J].中國電化教育，2016（2）：8-16.

[8]Hartigan J A，Wong M A.Algorithm AS 136：A K-Means Clustering Algorithm[J].Applied Statistics，1979，28（1）：100-108.

[9]Pedro M O，Baker R，Bowers A，et al.Predicting college enrollment from student interaction with an intelligentring system in middle school[C].Education Data Mining 2013，2013.

[10]Andrade A.Understanding student learning trajectories using multimodal learning analytics within an embodied-interaction learning environment[C].Proceedings of the Seventh International learning Analytics & Knowledge Conference ACM，2017：70-79.

[11]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（12）：59-64.

[12]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.

[13]李爽，鐘瑤，喻忱等.基于行為序列分析對在線學(xué)習(xí)參與模式的探索[J].中國電化教育，2017（3）：88-95.

[14]楊金來，洪偉林，張翼翔.網(wǎng)絡(luò)學(xué)習(xí)行為的實時監(jiān)控研究與實踐[J].開放教育研究，2008（4）.

[15]魏順平，韓艷輝，王麗娜.基于學(xué)習(xí)過程數(shù)據(jù)挖掘與分析的在線教學(xué)反思研究[J].現(xiàn)代教育技術(shù)，2015（6）：89-95.

[16]王竹立.新建構(gòu)主義：網(wǎng)絡(luò)時代的學(xué)習(xí)理論[[J].遠(yuǎn)程教育雜志，2011（2）：11-18.

[17]劉丹丹.基于在線學(xué)習(xí)平臺的學(xué)習(xí)行為數(shù)據(jù)模型研究[D].武漢：華中師范大學(xué)，2017.

[18]潘麗佳.MOOC設(shè)計、學(xué)習(xí)者參與度和學(xué)習(xí)績效的關(guān)系研究[D].杭州：浙江大學(xué)，2015.

[19]（德）庫爾特·勒溫著;高覺敷譯.拓?fù)湫睦韺W(xué)原理[M].北京：商務(wù)印書館，2003.12.

[20]成亞玲，譚愛平.基于慕課的混合學(xué)習(xí)教學(xué)設(shè)計探討[J].成人教育，2018（7）：35-39.

[21]馬志強(qiáng)，蘇珊，張彤彤.基于學(xué)習(xí)投入理論的網(wǎng)絡(luò)學(xué)習(xí)行為模型研究——以“網(wǎng)絡(luò)教學(xué)平臺設(shè)計與開發(fā)”課程為例[J].現(xiàn)代教育技術(shù)，2017（1）：74-80.

[22]Schaufeli W B，Martinez I M，Pinto A M，et al.Burnout and engagement in university students： A cross-nationalstudy[J].Journal of Cross-Cultural Psychology，2002（5）：464-481.

（編輯：王天鵬）