余明華 張治 祝智庭

摘要：研究性學(xué)習(xí)是一種培養(yǎng)學(xué)生實(shí)踐能力和創(chuàng)新思維的學(xué)習(xí)模式。一方面在線學(xué)習(xí)形式普遍存在教師難以及時(shí)掌握學(xué)情導(dǎo)致指導(dǎo)困難、學(xué)生缺少指導(dǎo)和評(píng)價(jià)容易放棄探究等現(xiàn)實(shí)問題;另一方面，在線學(xué)習(xí)平臺(tái)積累了大量數(shù)據(jù)，如何發(fā)揮數(shù)據(jù)的價(jià)值服務(wù)于師生，是當(dāng)前亟需解決的問題。為了解決以上問題，采用可視化學(xué)習(xí)分析和用戶畫像技術(shù)對(duì)研究性學(xué)習(xí)學(xué)生畫像構(gòu)建展開了研究。參考已有文獻(xiàn)，結(jié)合研究性學(xué)習(xí)特點(diǎn)，提出了基于可視化學(xué)習(xí)分析的研究性學(xué)習(xí)學(xué)生畫像流程框架，包括確定畫像構(gòu)建目標(biāo)、數(shù)據(jù)采集與預(yù)處理、定量畫像和定性畫像、以及畫像輸出等步驟，明晰了畫像構(gòu)建的流程。其中，構(gòu)建目標(biāo)旨在對(duì)能力屬性、行為屬性和興趣屬性進(jìn)行呈現(xiàn)。通過基于xAPI的研究性學(xué)習(xí)行為記錄庫采集數(shù)據(jù)，采用定量畫像方法對(duì)數(shù)據(jù)進(jìn)行分析和建模，以確定畫像的顆粒度;采用定性畫像方法基于定量畫像結(jié)果通過人工刻畫實(shí)現(xiàn)學(xué)生信息標(biāo)簽化。最后，借助數(shù)據(jù)可視化技術(shù)呈現(xiàn)了面向?qū)W生的個(gè)人畫像和面向教師的群體畫像。該研究基于可視化學(xué)習(xí)分析技術(shù)，對(duì)學(xué)生畫像構(gòu)建流程、實(shí)施路徑和方法、呈現(xiàn)內(nèi)容和形式進(jìn)行了系統(tǒng)論述，旨在為開展相關(guān)研究提供參考。

關(guān)鍵詞：可視化學(xué)習(xí)分析;研究性學(xué)習(xí);學(xué)生畫像;畫像建模;數(shù)據(jù)可視化

中圖分類號(hào)：G434

文獻(xiàn)標(biāo)識(shí)碼：A

一、引言

研究性學(xué)習(xí)是一種圍繞項(xiàng)目或課題組織的學(xué)習(xí)模式[1]，旨在培養(yǎng)學(xué)生的問題解決能力、批判性思維和創(chuàng)新能力等。雖然技術(shù)支持隨時(shí)隨地開展研究性學(xué)習(xí)，但是也存在一些問題：一方面，教師評(píng)價(jià)和指導(dǎo)困難、無法即時(shí)掌握學(xué)生學(xué)情，以致難以即時(shí)指導(dǎo)學(xué)生，而學(xué)生缺乏指導(dǎo)、遇到困難容易產(chǎn)生厭學(xué)情緒放棄探究等[2];另一方面，研究性學(xué)習(xí)平臺(tái)已經(jīng)累積了大量學(xué)生的學(xué)習(xí)經(jīng)歷數(shù)據(jù)，如何發(fā)揮這些數(shù)據(jù)的價(jià)值，更好地支持和服務(wù)于師生，是大數(shù)據(jù)時(shí)代下研究性學(xué)習(xí)研究領(lǐng)域亟需解決的問題。

學(xué)習(xí)分析技術(shù)通過收集、分析和報(bào)告數(shù)據(jù)，理解和優(yōu)化學(xué)習(xí)及其產(chǎn)生的環(huán)境，能夠?yàn)榻鉀Q上述問題提供技術(shù)方案?？梢暬尸F(xiàn)是學(xué)習(xí)分析技術(shù)的重要特征[3][4]，而學(xué)生畫像作為一種可視化學(xué)習(xí)分析技術(shù)，其作用在于通過學(xué)生信息標(biāo)簽化的形式呈現(xiàn)學(xué)習(xí)分析結(jié)果，不僅能夠更直觀地理解學(xué)生，還有助于降低大量數(shù)據(jù)給師生帶來的認(rèn)知負(fù)荷[5]，支持師生更好地理解學(xué)習(xí)分析結(jié)果[6]。

目前，已有的畫像研究聚焦于依賴個(gè)人經(jīng)驗(yàn)或數(shù)據(jù)驅(qū)動(dòng)進(jìn)行數(shù)據(jù)分析，缺乏教育理論對(duì)整個(gè)構(gòu)建流程的指導(dǎo)和調(diào)控。并且，國內(nèi)較少有研究對(duì)能力畫像的構(gòu)建進(jìn)行深入探討。本研究采用可視化學(xué)習(xí)分析和畫像構(gòu)建技術(shù)，結(jié)合研究性學(xué)習(xí)理論和特點(diǎn)，構(gòu)建了研究性學(xué)習(xí)學(xué)生畫像流程框架，在此基礎(chǔ)上，對(duì)構(gòu)建學(xué)生畫像展開了具體研究，最后通過可視化技術(shù)設(shè)計(jì)并呈現(xiàn)了面向教師的學(xué)生群體畫像和面向?qū)W生的個(gè)人畫像。

二、研究綜述

（一）可視化學(xué)習(xí)分析相關(guān)研究

學(xué)習(xí)分析的概念正式出現(xiàn)于2011年，通過“測(cè)量、收集、分析和報(bào)告學(xué)生及其學(xué)習(xí)環(huán)境的數(shù)據(jù)，用以理解和優(yōu)化學(xué)習(xí)及其產(chǎn)生的環(huán)境”[7]。教育大數(shù)據(jù)為學(xué)習(xí)分析的發(fā)展提供了機(jī)會(huì)。大量可用的數(shù)據(jù)讓研究者更多地關(guān)注如何通過收集和分析學(xué)習(xí)數(shù)據(jù)以洞察學(xué)生的學(xué)習(xí)活動(dòng)[8][9]。學(xué)習(xí)分析過程一般包括數(shù)據(jù)采集、數(shù)據(jù)分析、結(jié)果可視化呈現(xiàn)和反饋應(yīng)用等[10][11]。

可視化學(xué)習(xí)分析是結(jié)合學(xué)習(xí)分析和可視化分析的一個(gè)新興交叉研究領(lǐng)域，通過強(qiáng)調(diào)計(jì)算機(jī)自動(dòng)化分析和可視化優(yōu)勢(shì)支持人類推理和決策過程，理解復(fù)雜的學(xué)習(xí)現(xiàn)象和解決復(fù)雜的學(xué)習(xí)問題[12]?？梢暬治鲞^程包括數(shù)據(jù)采集與預(yù)處理、可視化表征、建立模型與驗(yàn)證假設(shè)、獲取知識(shí)等，是一種非線性過程[13][14]。與其相比，可視化學(xué)習(xí)分析過程更強(qiáng)調(diào)發(fā)揮學(xué)習(xí)理論的指導(dǎo)和調(diào)節(jié)作用[15]，不是單純地依賴數(shù)據(jù)驅(qū)動(dòng)或人類經(jīng)驗(yàn)，其流程模型如圖1所示[16]。

在國外，可視化學(xué)習(xí)分析不僅支持理解教育現(xiàn)象[17]，也支持啟發(fā)教育決策[18]。Van Aalst[19]結(jié)合可視化分析技術(shù)開發(fā)了基于知識(shí)論壇服務(wù)器數(shù)據(jù)的形成性評(píng)估工具，為教師和學(xué)生提供關(guān)于自我評(píng)估和反思的知識(shí)構(gòu)建動(dòng)態(tài)信息。Ched20]采用可視化分析技術(shù)支持課堂話語分析，促進(jìn)教師專業(yè)學(xué)習(xí)和發(fā)展。在國內(nèi)，學(xué)習(xí)儀表盤是典型的可視化學(xué)習(xí)分析工具。張琪和武法提[21]、包昊罡等[22]對(duì)學(xué)習(xí)儀表盤的設(shè)計(jì)展開了研究。相比學(xué)習(xí)儀表盤強(qiáng)調(diào)呈現(xiàn)學(xué)生的學(xué)習(xí)行為，學(xué)生畫像以刻畫和呈現(xiàn)學(xué)生信息全貌為特點(diǎn)，近年來已逐漸成為研究的熱點(diǎn)。

（二）學(xué)生畫像相關(guān)研究

用戶畫像的概念最早由Cooper提出，是指建立在一系列真實(shí)數(shù)據(jù)之上的目標(biāo)用戶模型[23]。主要有三種構(gòu)建方法，包括定性用戶畫像方法、基于定性研究的定量用戶畫像方法和經(jīng)定量檢驗(yàn)的定性用戶畫像方法[24]。

學(xué)生畫像是用戶畫像在教育領(lǐng)域中的應(yīng)用，也是一種可視化學(xué)習(xí)分析技術(shù)。一般認(rèn)為學(xué)生畫像的概念來源于用戶畫像，但其在教育領(lǐng)域早已有相關(guān)概念，如學(xué)習(xí)者建模、電子學(xué)檔和學(xué)習(xí)儀表盤等。這類概念的共同點(diǎn)旨在反映學(xué)習(xí)者的行為特征和信息等（如表1所示）。

在理解以上概念的基礎(chǔ)上，本研究認(rèn)為學(xué)生畫像的實(shí)質(zhì)是，在分析學(xué)生學(xué)習(xí)數(shù)據(jù)的基礎(chǔ)上，從不同維度全面、細(xì)致地對(duì)學(xué)生的信息全貌進(jìn)行抽提和刻畫的學(xué)生模型，通過反映學(xué)生的知識(shí)能力水平、行為特征、興趣偏好和潛在需求等，為其提供精準(zhǔn)的個(gè)性化服務(wù)。

在國外，有研究構(gòu)建用戶畫像作為教學(xué)代理應(yīng)用于教學(xué)設(shè)計(jì)[30]。作為教學(xué)代理的用戶畫像既可以作為知識(shí)導(dǎo)師促進(jìn)學(xué)生學(xué)習(xí)，也可以在學(xué)習(xí)過程中為學(xué)生提供富有情感、類似人類的互動(dòng)[31]，還能夠?yàn)閷W(xué)生提供總結(jié)性描述。在國內(nèi)，大部分研究聚焦于學(xué)生的交互行為數(shù)據(jù)，根據(jù)行為特征對(duì)學(xué)生群體進(jìn)行劃分[32-34]，以支持個(gè)性化學(xué)習(xí)[35][36];也有研究對(duì)教師畫像構(gòu)建展開了研究，以支持精準(zhǔn)教研[37][38]。通過梳理文獻(xiàn)可知.目前大部分研究主要關(guān)注學(xué)生的學(xué)習(xí)參與度、積極性和學(xué)習(xí)動(dòng)機(jī)等特征，聚焦于淺層學(xué)生畫像構(gòu)建;較少有研究結(jié)合學(xué)習(xí)理論關(guān)注學(xué)生的能力或素養(yǎng)構(gòu)建深度學(xué)生畫像。

三、基于可視化學(xué)習(xí)分析的學(xué)生畫像流程框架

在參考以上文獻(xiàn)的基礎(chǔ)上，本研究基于可視化學(xué)習(xí)分析技術(shù)，采用基于定性研究的定量用戶畫像構(gòu)建方法，提出了基于可視化學(xué)習(xí)分析的研究性學(xué)習(xí)學(xué)生畫像流程框架，如圖2所示，以具體指導(dǎo)學(xué)習(xí)畫像的分析、刻畫和呈現(xiàn)。

（一）畫像構(gòu)建目標(biāo)

明確學(xué)生畫像的構(gòu)建目標(biāo)，有助于劃分其構(gòu)成要素和模型構(gòu)建，從而確定畫像的指標(biāo)輸入和輸出結(jié)果。通過文獻(xiàn)和需求調(diào)研，本研究將研究性學(xué)習(xí)學(xué)生畫像劃分為能力屬性、行為屬性和興趣屬性三個(gè)維度。

其中，能力屬性是畫像的核心部分，通過對(duì)研究性學(xué)習(xí)過程及評(píng)價(jià)內(nèi)容的解析，對(duì)學(xué)生在研究過程中運(yùn)用問題解決能力處理項(xiàng)目或課題任務(wù)的外在行為表現(xiàn)進(jìn)行表征，支持學(xué)生調(diào)整學(xué)習(xí)行為，教師開展有針對(duì)性的指導(dǎo)。行為屬性是對(duì)學(xué)生的交互行為表現(xiàn)（如學(xué)習(xí)參與度、學(xué)習(xí)動(dòng)機(jī)、學(xué)習(xí)積極性等）進(jìn)行表征，幫助學(xué)生自我監(jiān)控學(xué)情和表現(xiàn)。興趣屬性是對(duì)學(xué)生的研究興趣進(jìn)行表征，支持教師基于學(xué)生興趣提供個(gè)性化資源，助其發(fā)揮專長(zhǎng)。

（二）數(shù)據(jù)采集與預(yù)處理

數(shù)據(jù)采集是學(xué)習(xí)分析和畫像構(gòu)建的基礎(chǔ)。為了保證能力畫像構(gòu)建的質(zhì)量，本研究前期構(gòu)建了研究性學(xué)習(xí)評(píng)價(jià)指標(biāo)體系以指導(dǎo)學(xué)習(xí)數(shù)據(jù)的具體采集，采集來源于基于xAPI的研究性學(xué)習(xí)行為記錄庫。

數(shù)據(jù)的預(yù)處理也會(huì)直接影響學(xué)習(xí)分析的質(zhì)量，因此有必要先進(jìn)行數(shù)據(jù)預(yù)處理?；趚API的行為記錄庫所采集的數(shù)據(jù)初始格式為JSON格式嵌套的Statements語句，需要先將其轉(zhuǎn)換為CSV格式，以便研究人員更好地理解和分析。轉(zhuǎn)換后的數(shù)據(jù)還需進(jìn)行數(shù)據(jù)清洗，選取與評(píng)價(jià)指標(biāo)體系相關(guān)的屬性值后，清洗處理其中的缺失值、錯(cuò)誤值、冗余值和不確定性數(shù)據(jù)等。最后，對(duì)數(shù)據(jù)進(jìn)行極端值和標(biāo)準(zhǔn)化歸一處理，以保證數(shù)據(jù)量綱一致。

本研究對(duì)1550名高中生及其開展的493項(xiàng)課題的相關(guān)數(shù)據(jù)進(jìn)行了采集和預(yù)處理。預(yù)處理后的數(shù)據(jù)被分為四類，即學(xué)生的基本信息、課題數(shù)據(jù)、交互行為數(shù)據(jù)和興趣特征數(shù)據(jù)。其中課題數(shù)據(jù)是學(xué)生基于研究支架的過程性數(shù)據(jù);交互行為數(shù)據(jù)包括常規(guī)操作（登錄、登出、點(diǎn)擊訪問、瀏覽下載、保存刪除等）、協(xié)作交流（師生、生生）、查看、分享和評(píng)論資源（課題和學(xué)習(xí)資源等）、記筆記等;興趣特征數(shù)據(jù)包括搜索、點(diǎn)贊和收藏資源、以及多元智能測(cè)試結(jié)果等。

（三）圓像構(gòu)建

畫像構(gòu)建包括定量畫像和定性畫像，其中定量畫像主要考慮畫像的顆粒度;定性畫像主要實(shí)現(xiàn)標(biāo)簽化。

1.定量畫像：數(shù)據(jù)分析與建模

為了確定畫像的顆粒度，需要基于采集的數(shù)據(jù)繼續(xù)細(xì)化畫像的子維度內(nèi)容。其中，能力畫像呈現(xiàn)學(xué)生的研究能力及其表現(xiàn)，分為畫像類型、能力展示和研究進(jìn)展三個(gè)子維度;行為畫像呈現(xiàn)學(xué)生學(xué)習(xí)風(fēng)格中信息加工和信息輸入的表現(xiàn)，分為學(xué)習(xí)風(fēng)格、學(xué)習(xí)參與度、學(xué)習(xí)意志三個(gè)子維度;興趣畫像分為興趣偏好、潛在研究需求兩個(gè)子維度。

學(xué)習(xí)分析采用因子分析、聚類分析和基于xAPI的畫像建模三種方法。其中，因子分析旨在劃分研究性學(xué)習(xí)的過程，以支持呈現(xiàn)學(xué)生在不同過程階段的能力表現(xiàn)及進(jìn)展。聚類分析旨在識(shí)別不同研究能力的學(xué)生群體[39]，以支持呈現(xiàn)和刻畫學(xué)生的畫像類型?；趚API的畫像建模旨在通過映射基于xAPI Statement語句的畫像行為指標(biāo)捕捉學(xué)生的學(xué)習(xí)數(shù)據(jù)，以支持動(dòng)態(tài)呈現(xiàn)學(xué)生的研究進(jìn)展、行為畫像和興趣畫像。

2.定性畫像：標(biāo)簽提取與刻畫

定性畫像的核心工作是為不同學(xué)生群體打標(biāo)簽。學(xué)生畫像的標(biāo)簽有兩個(gè)重要特征：語義化和短文本。其中，語義化方便教師和學(xué)生理解每個(gè)標(biāo)簽的描述和意義，通過標(biāo)簽快速讀出其中蘊(yùn)含的信息，使得學(xué)生畫像模型具備實(shí)際意義;而短文本能夠?yàn)闄C(jī)器提取標(biāo)準(zhǔn)化信息提供便利，支持機(jī)器做標(biāo)簽提取、聚合分析。標(biāo)簽既可以是文字，也可以是數(shù)字[40]。學(xué)生信息標(biāo)簽化主要基于定量畫像結(jié)果構(gòu)建標(biāo)簽體系，并結(jié)合數(shù)據(jù)特征分別刻畫靜態(tài)標(biāo)簽和動(dòng)態(tài)標(biāo)簽。

（四）畫像輸出

學(xué)生畫像作為一種可視化表征形式，其呈現(xiàn)需要依賴數(shù)據(jù)可視化技術(shù)。圖標(biāo)圖形能夠較好地支持文本型數(shù)據(jù)和畫像標(biāo)簽的呈現(xiàn)。幾何圖形是結(jié)構(gòu)化數(shù)據(jù)可視化領(lǐng)域的研究方向，柱狀圖、線圖、餅圖等是教育領(lǐng)域常用的數(shù)據(jù)可視化形式，用于展示多維數(shù)據(jù)屬性。因此，在畫像輸出部分，具體結(jié)合數(shù)據(jù)類型特征，選取適當(dāng)?shù)目梢暬夹g(shù)對(duì)面向?qū)W生的個(gè)體畫像和面向教師的群體畫像進(jìn)行設(shè)計(jì)和呈現(xiàn)。

四、研究性學(xué)習(xí)學(xué)生畫像的構(gòu)建與呈現(xiàn)

（一）研究性學(xué)習(xí)行為維度劃分

為了確定和劃分研究性學(xué)習(xí)的過程維度，基于課題數(shù)據(jù)開展了同質(zhì)性檢驗(yàn)和探索性因素分析。同質(zhì)性檢驗(yàn)分析結(jié)果表明，課題數(shù)據(jù)項(xiàng)的整體信度系數(shù)是0.692，接近0.7，說明信度適中;所用數(shù)據(jù)項(xiàng)的共同性和因素載荷均在標(biāo)準(zhǔn)范圍內(nèi)。

在探索性因素分析中，KMO值為0.748（大于0.6），且Bartlett球形檢驗(yàn)近似卡方值為1372.238（p<0.001）達(dá)到顯著水平，說明數(shù)據(jù)適合做因子分析。采用主成分分析法進(jìn)行探索性因子分析，使用正交方法對(duì)因素進(jìn)行旋轉(zhuǎn)。經(jīng)反復(fù)實(shí)驗(yàn)，當(dāng)設(shè)定因子數(shù)為5作因子分析，刪除“歸納觀點(diǎn)或結(jié)論r13”時(shí)，所得到的結(jié)果符合前期構(gòu)建的研究性學(xué)習(xí)評(píng)價(jià)指標(biāo)體系中的過程維度，可解釋方程累積貢獻(xiàn)率為65.774%。旋轉(zhuǎn)后的成分矩陣如表2所示。其中，由于在線行為采集的特殊性，雖然因子5只有1個(gè)觀測(cè)變量，在實(shí)踐中也可進(jìn)行分析。

根據(jù)數(shù)據(jù)項(xiàng)的屬性特征，結(jié)合研究性學(xué)習(xí)評(píng)價(jià)指標(biāo)體系，對(duì)5個(gè)因素分別進(jìn)行命名。最終確定，研究性學(xué)習(xí)過程維度包括“提出問題”“理解問題”“收集資源”“分析推理”“總結(jié)反思”五個(gè)階段。

（二）不同能力水平的學(xué)生群體識(shí)別

為了識(shí)別和劃分不同問題解決能力水平的學(xué)生類別，選用K-means聚類法對(duì)課題數(shù)據(jù)進(jìn)行聚類分析。聚類分析前，先對(duì)總體數(shù)據(jù)進(jìn)行描述。分析結(jié)果表明，數(shù)據(jù)量綱相同，分布于0-1之間，平均值約在0.009-0.607之間，標(biāo)準(zhǔn)差約在0.064-0.288之間，說明數(shù)據(jù)集分布差異合理，可進(jìn)行聚類分析。

聚類分析前，一般由分析者自行決定聚類的類別數(shù)，類別數(shù)將決定后期畫像構(gòu)建的類型數(shù)，一般以3-4個(gè)畫像最佳。本研究通過多次分析后發(fā)現(xiàn)，當(dāng)聚類數(shù)為4時(shí)，得到的學(xué)生行為特征和數(shù)目最為適宜。在嘗試不同聚類數(shù)時(shí)，為確保所有變量在各類之間均有差異性，根據(jù)對(duì)各變量類之間的比較，刪除類間無差異變量r10、r11和r12（p>0.05）。同時(shí)發(fā)現(xiàn)課題樣本中存在2個(gè)離群值。因此，刪除類間無差異變量和離群值后，最終剩余10個(gè)數(shù)據(jù)項(xiàng)、491份課題的數(shù)據(jù)樣本用于分析。最終各類聚類中心距離分布均勻，如表3所示。

最終聚類中心數(shù)據(jù)能夠用于描述各個(gè)類別的特征。為了更好地理解不同行為特征的群體并對(duì)其進(jìn)行準(zhǔn)確描述，本研究根據(jù)最終聚類中心數(shù)據(jù)中各行為變量在各個(gè)類別中的平均值與整體平均值相對(duì)比，得到4類能力特征的學(xué)生聚類，如圖3所示。

由上頁圖3可見，聚類1和聚類4在各步驟的行為表現(xiàn)普遍都高于聚類2和聚類3，其中聚類1在r4、r6表現(xiàn)較好，聚類4在r5和r14表現(xiàn)較好，聚類3在各步驟的行為表現(xiàn)最弱，基本都低于總體平均水平，聚類2總體水平與平均值持平，但是在r4、r5、r6的行為表現(xiàn)低于平均值，而在r14超過了其他類別的所有學(xué)生，說明聚類2的學(xué)生對(duì)理解問題方面存在困難，但是總結(jié)呈現(xiàn)的能力較強(qiáng)。

結(jié)合不同聚類學(xué)生在不同過程維度上的表現(xiàn)，參考PISA等級(jí)命名及其相關(guān)描述[41]，將聚類1、2、3、4初步命名為“善于推理和決策的問題解決者” “基本的問題解決者” “解決問題的新手”“善于反思和表達(dá)的問題解決者”。

（三）學(xué)生畫像標(biāo)簽體系建立

本研究采用以數(shù)據(jù)分析結(jié)果為主、人工手段為輔的方法對(duì)研究性學(xué)習(xí)學(xué)生畫像進(jìn)行標(biāo)簽化，構(gòu)建相應(yīng)的畫像標(biāo)簽體系，如表4所示。

1.能力屬性標(biāo)簽

基于聚類分析結(jié)果，對(duì)四類學(xué)生群體的畫像類型和能力展示進(jìn)行標(biāo)簽刻畫。

“解決問題的新手”總體表現(xiàn)是所有學(xué)生中最差的，各步驟行為表現(xiàn)都低于平均水平。因此，將該群體命名為“新手學(xué)生”，其標(biāo)簽包括“問題解決新手”“解決簡(jiǎn)單問題”“基本完成任務(wù)”“推理能力弱”。

“基本的問題解決者”總體表現(xiàn)水平略高于新手學(xué)生，但是在理解問題和收集資料階段的行為表現(xiàn)最差，在提出問題和分析探究階段表現(xiàn)一般，但是在總結(jié)反思階段是所有學(xué)生群體中表現(xiàn)最好的。因此，將該群體命名為“基本類學(xué)習(xí)者”，其標(biāo)簽包括“基本的問題解決者”“方案制定困難”“收集資料困難”“樂于表達(dá)和反思”。

“善于推理和決策的問題解決者”總體表現(xiàn)比前兩類更好，超出平均水平，且各階段的行為表現(xiàn)都高于平均水平，尤其在理解問題階段的行為表現(xiàn)是所有學(xué)生中最好的。因此，將該群體命名為“能手類學(xué)習(xí)者”，其標(biāo)簽包括“解決問題能手” “善于提問”“善于分析”“資源整合能力強(qiáng)”。

“善于反思和表達(dá)的問題解決者”的總體表現(xiàn)是所有學(xué)生中最好的，各階段的行為表現(xiàn)均衡，尤其在理解問題和總結(jié)反思階段的行為表現(xiàn)在所有學(xué)生中最為優(yōu)秀，推斷該群體學(xué)生在制定計(jì)劃方面表現(xiàn)突出，能夠嚴(yán)格遵照方案執(zhí)行任務(wù);并且以總結(jié)反思階段的行為表現(xiàn)推斷其在歸納和反思方面也表現(xiàn)突出。因此，將該群體命名為“高手類學(xué)習(xí)者”，其標(biāo)簽包括“解決問題的高手”“善于規(guī)劃”“善于推理”“善于反思”。

2.行為屬性標(biāo)簽

行為屬性畫像包括學(xué)習(xí)風(fēng)格、學(xué)習(xí)參與度、學(xué)習(xí)意志三個(gè)子維度。其中，學(xué)習(xí)風(fēng)格標(biāo)簽參考Felder-Silverman的學(xué)習(xí)風(fēng)格模型[42]，根據(jù)學(xué)生在信息輸入和信息加工兩方面的行為表現(xiàn)進(jìn)行刻畫。信息輸入以查看和訪問資源的行為數(shù)據(jù)為判斷依據(jù)，信息加工以分享和評(píng)論資源、協(xié)作交流的行為數(shù)據(jù)為指標(biāo)。因此，該類標(biāo)簽包括“視覺型”“言語型”“沉思型”“活躍型”。

學(xué)習(xí)參與度標(biāo)簽根據(jù)學(xué)生使用系統(tǒng)各功能模塊的頻次進(jìn)行判斷，該類標(biāo)簽包括“積極參與在線學(xué)習(xí)”和“未積極參與在線學(xué)習(xí)”。

學(xué)習(xí)意志綜合學(xué)生在查看資源、查看研究方法、參與討論和課題研究四個(gè)方面的頻次和時(shí)長(zhǎng)進(jìn)行判斷。采用四分位法，當(dāng)學(xué)生四個(gè)方面的總體表現(xiàn)是所有學(xué)生前25%，認(rèn)為該生的學(xué)習(xí)意志力強(qiáng)，后25%的學(xué)生認(rèn)為其意志力弱，其他學(xué)生認(rèn)為意志力一般。因此，該類標(biāo)簽包括“學(xué)習(xí)意志力強(qiáng)”“學(xué)習(xí)意志力一般”“學(xué)習(xí)意志力弱”。

3.興趣屬性標(biāo)簽

興趣屬性畫像包括興趣偏好和潛在需求兩個(gè)子維度。其中，興趣偏好維度基于學(xué)生多元智能測(cè)試結(jié)果、所選的興趣標(biāo)簽、以及研究課題所屬領(lǐng)域、課題名稱等文本型數(shù)據(jù)，采用文本挖掘，呈現(xiàn)詞頻最高的三個(gè)關(guān)鍵詞。該類標(biāo)簽根據(jù)文本挖掘結(jié)果直接輸出。

潛在需求維度基于學(xué)生搜索資源和課題的關(guān)鍵詞、以及所瀏覽的資源和課題的名稱，采用文本挖掘，呈現(xiàn)詞頻最高的三個(gè)關(guān)鍵詞。該類標(biāo)簽也根據(jù)文本挖掘結(jié)果直接輸出。

其中，能力屬性的標(biāo)簽結(jié)合數(shù)據(jù)分析結(jié)果進(jìn)行人工刻畫后，系統(tǒng)對(duì)學(xué)生的學(xué)習(xí)數(shù)據(jù)進(jìn)行聚類識(shí)別后自動(dòng)匹配;行為屬性和興趣屬性的標(biāo)簽結(jié)合畫像模型中不同指標(biāo)的行為水平進(jìn)行人工刻畫，系統(tǒng)基于表單實(shí)時(shí)捕捉分析后映射標(biāo)簽庫形成。

（四）畫像輸出

結(jié)合標(biāo)簽體系的內(nèi)容和畫像精準(zhǔn)應(yīng)用的需求，主要對(duì)面向?qū)W生的個(gè)人畫像和面向教師的群體畫像進(jìn)行輸出呈現(xiàn)。

1.面向?qū)W生的個(gè)人畫像

面向?qū)W生的個(gè)人畫像有助于學(xué)生個(gè)人進(jìn)行自我監(jiān)測(cè)、提高自我效能感、及時(shí)調(diào)整個(gè)人學(xué)習(xí)行為，以提高學(xué)習(xí)效率和學(xué)習(xí)效果。學(xué)生能力畫像是研究性學(xué)習(xí)學(xué)生畫像最重要的部分，如圖4所示。圖上半部分展示了學(xué)生所屬的畫像類型及其能力屬性標(biāo)簽，學(xué)生可以查看自己的畫像類型及標(biāo)簽以了解自己的行為表現(xiàn)。 “能力展示”部分是對(duì)學(xué)生個(gè)體研究能力的展示，基于已完成課題數(shù)據(jù)呈現(xiàn)其在不同研究階段中任務(wù)完成的水平。該部分不僅呈現(xiàn)本人的個(gè)人表現(xiàn)，還呈現(xiàn)全校、全市學(xué)生在不同階段的平均表現(xiàn)，支持學(xué)生直觀了解和對(duì)比，從而調(diào)整自身學(xué)習(xí)行為，以提高探究能力。

“研究進(jìn)展”部分是對(duì)學(xué)生當(dāng)前在課題研究進(jìn)展情況的展示。如圖5所示，橫向柱狀代表學(xué)生在不同階段的行為表現(xiàn)，其中右側(cè)柱狀說明該生在該階段行為表現(xiàn)超過同期課題平均水平，反之左側(cè)柱狀則說明低于平均水平。這樣呈現(xiàn)旨在讓學(xué)生更直觀地了解研究進(jìn)度以調(diào)整學(xué)習(xí)節(jié)奏，而教師可以針對(duì)學(xué)生薄弱階段進(jìn)行有針對(duì)性的干預(yù)和指導(dǎo)。

2.面向教師的群體畫像

教師是學(xué)生畫像重要的利益相關(guān)者之一，能夠根據(jù)學(xué)生畫像對(duì)學(xué)生學(xué)情進(jìn)行客觀實(shí)時(shí)的監(jiān)控，及時(shí)調(diào)整教學(xué)策略;發(fā)現(xiàn)有困難的學(xué)生，及時(shí)進(jìn)行有針對(duì)性的指導(dǎo)和干預(yù);根據(jù)學(xué)生的興趣屬性推送個(gè)性化資源。因此，面向教師的學(xué)生群體畫像包括學(xué)生畫像統(tǒng)計(jì)、學(xué)生研究進(jìn)展和學(xué)生個(gè)人畫像，如下頁圖6所示。

由下頁圖6可見， “學(xué)生畫像統(tǒng)計(jì)”部分呈現(xiàn)了教師正在指導(dǎo)的學(xué)生不同畫像類型人數(shù)。 “學(xué)生研究進(jìn)度”部分根據(jù)所有學(xué)生的研究進(jìn)展情況，將學(xué)生劃分為“正常”和“危險(xiǎn)”兩個(gè)群體，其中，“正常”學(xué)生研究進(jìn)展與同期學(xué)生群體相比無落后情況， “危險(xiǎn)”學(xué)生研究進(jìn)展則落后于其他同期學(xué)生。教師重點(diǎn)關(guān)注“危險(xiǎn)”學(xué)生，點(diǎn)擊“危險(xiǎn)”學(xué)生的進(jìn)度條，可以進(jìn)一步查看相應(yīng)的學(xué)生列表及其個(gè)人畫像，從而進(jìn)行有針對(duì)性的指導(dǎo)。

五、總結(jié)與展望

基于可視化學(xué)習(xí)分析技術(shù)和畫像構(gòu)建方法，結(jié)合研究性學(xué)習(xí)特點(diǎn)，本研究對(duì)1550名高中生基于xAPI的研究性學(xué)習(xí)經(jīng)歷數(shù)據(jù)進(jìn)行了分析建模及畫像輸出。由畫像輸出結(jié)果可知，學(xué)生畫像能夠客觀、直觀、及時(shí)地反映學(xué)生在研究性學(xué)習(xí)中的能力表現(xiàn)、行為特征和興趣偏好等，而這些信息往往隱藏在數(shù)據(jù)中無法被學(xué)生和教師直接發(fā)現(xiàn)。

不同于其他學(xué)習(xí)模式，研究性學(xué)習(xí)強(qiáng)調(diào)學(xué)生實(shí)踐能力和創(chuàng)新精神的培養(yǎng)，如何分析并呈現(xiàn)研究性學(xué)習(xí)數(shù)據(jù)以支持學(xué)生能力在不同過程階段的行為表現(xiàn)，支持學(xué)生進(jìn)行自我診斷和評(píng)價(jià)、教師進(jìn)行有針對(duì)性地指導(dǎo)，是研究性學(xué)習(xí)可視化分析的重點(diǎn)。本文的創(chuàng)新點(diǎn)在于，基于可視化學(xué)習(xí)分析技術(shù)，結(jié)合研究性學(xué)習(xí)理論及特點(diǎn)，通過采集和分析基于xAPI的研究性學(xué)習(xí)數(shù)據(jù)，劃分了研究性學(xué)習(xí)過程維度，識(shí)別了不同能力特征的學(xué)生群體，以此為基礎(chǔ)輸出的學(xué)生畫像能夠精準(zhǔn)地呈現(xiàn)學(xué)生的能力特征及其在不同過程維度上的行為表現(xiàn)，以支持學(xué)生有針對(duì)性地調(diào)整行為，教師能夠提供精準(zhǔn)化的干預(yù)和指導(dǎo)。

在后續(xù)研究中，將主要關(guān)注兩個(gè)方面：（1）進(jìn)一步完善畫像的精準(zhǔn)度。由于不同學(xué)校開展研究性學(xué)習(xí)的周期不同，造成學(xué)生在行為特征數(shù)據(jù)方面存在不同程度的缺失，這直接影響到行為分析結(jié)果及畫像呈現(xiàn)的精準(zhǔn)度。因此，一方面調(diào)整行為數(shù)據(jù)的采集和處理，另一方面設(shè)計(jì)提升有效行為指標(biāo)操作的激勵(lì)機(jī)制。（2）基于學(xué)生畫像標(biāo)簽實(shí)現(xiàn)個(gè)性化資源精準(zhǔn)推薦。一方面繼續(xù)優(yōu)化畫像構(gòu)建技術(shù)，另一方面通過深度學(xué)習(xí)等人工智能模型基于學(xué)生能力特征及畫像標(biāo)簽等，實(shí)現(xiàn)個(gè)性化學(xué)習(xí)精準(zhǔn)服務(wù)。

參考文獻(xiàn)：

[1] Thomas J W.A review of research on project-hased learning [R].SanRafaeI.Califomia：Autodesk Foundation.2000.

[2]張治，劉小龍等.研究型課程自適應(yīng)學(xué)習(xí)系統(tǒng)：理念、策略與實(shí)踐[J]中國電化教育，20187（4）：119-130.

[3]吳永和，陳丹等.學(xué)習(xí)分析：教育信息化的新浪潮[J].遠(yuǎn)程教育雜志，20137（4）：11-19.

[4]牟智佳，武法提等.國外學(xué)習(xí)分析領(lǐng)域的研究現(xiàn)狀與趨勢(shì)分析[J].電化教育研究，20167（4）：18-25.

[5][13] Keim D A.Mansmann F.et aI.Visual analytics：Scope and challenges [A].Simoff S.Bohlen M H.et aI.Visual data mining：theory，techniques and tools for visual analytics [C].Berlin，Heidelberg：Springer，2008.

[6l[12][16]胡立如，陳高偉.可視化學(xué)習(xí)分析：審視可視化技術(shù)的作用和價(jià)值[J].開放教育研究，2020.（ 2）：63-74.

[7] LAK.Shaping the future of the field [EB/OL].https：//lak20.solaresearch.org/2020-05-10.

[8] Ferguson R.Learning analytics：drivers，developments andchallenges [J].lnternational Journal of Technology EnhancedLearning，2012，4（5/6）：304-3 17.

[9] Siemens C，Long P.Penetrating the fog：Analytics in learning andeducation [J].EDUCAUSE review.2011，46（5）：30-32+34+36+3 8+40.

[10] Siemens G.Learning analytics：rrhe emergence of a discipline [J].American Behavioral Scientist.2013.57（10）： 13 80- 1400.

[11] Chatti M A，Dyckhoff A L.et aI.A reference model for learninganalytics [Jl.lnternational Journal of 'rechnology EnhancedLearning，2012，4（5-6）：3 18-331.

[14] Keim D A，Mansmann F，et aI.Visual analytics [A].ln L.LIU&M.T.ZSU（Eds.）.Enc.yrlopedia of Database Systems [C].Boston，MA：Springer US，2009.

[15] Wise A F，ShafferD W.Why theory matters more than ever in the ageof big data [J].Journal of Learning Analytics，2015，2（2）：5-13.

[17] Vieira C7Parsons P，ef al.Visual learning analytics of educational data：Asystematic literature review and research agenda [J].Computers&Education.2018.122：119-135.

[18][20] Chen G.Visual learning analytics to support classroom discourseanalysis for teacher professional learning and development [A].MercerN，Wegerif R，et al.The Routledge International Handbook of Researchon Dialogic Education [C].London：Routledge，2019.

[19] Van Aalst J.Chan C.et aI.The knowledge connections analyzer [Al.VanAalst，et al.The future of learning：Proceedings of the lOth internationalconference of the leaming sciences [C].Sydney，Australia：ISLS，2012.

[21]張琪，武法提.學(xué)習(xí)儀表盤個(gè)性化設(shè)計(jì)研究[J]電化教育研究，2018.39（2）：39-44+52.

[22]包昊罡，邢爽等.在線協(xié)作學(xué)習(xí)中面向教師的可視化學(xué)習(xí)分析工具設(shè)計(jì)與應(yīng)用研究[J].中國遠(yuǎn)程教育（綜合版），2019，（6）：13-21.

[23][28] Cooper A.The inmates are running the asylum：Why high-tech products drive us crazy and how to restore the sanity [M].Indianapolis：Sams.2004.

[24] Mulder S，Yaar Z.The user is always right [M].New York：PearsonEducation.2007.

[25]祝智庭.現(xiàn)代教育技術(shù)——走近教育信息化[M].北京：高等教育出版社，2001.

[26]馬志強(qiáng)，蘇珊.學(xué)習(xí)分析視域下的學(xué)習(xí)者模型研究脈絡(luò)與進(jìn)展[J]現(xiàn)代遠(yuǎn)距離教育，20167（4）：44-50.

[27]姜強(qiáng)，趙蔚等.基于大數(shù)據(jù)的學(xué)習(xí)分析儀表盤研究[J].中國電化教育，2017，（1）：112-120.

[29][35]陳海建，戴永輝等.開放式教學(xué)下的學(xué)生畫像及個(gè)性化教學(xué)探 討[J]開放教育研究，2017，23（3）：105-112.

[30] Baumann，B_User-Centered Design Through Leamer Personas [EB/OL]. https：//trainingindustry.com/articles/content-development/user-centered-design-through-learner-personas/.2020-01-29.

[31] Ryu，J..Baylor.A.L.The psychometric structure of pedagogicalagent persona [J].Technology Instruction Cognition andLearning，2005，2（4）：291-3 15.

[32] Dinh D P，Harada F，et aI.Directing All Leamers to Course Coal withEnforcement of Discipline Utilizing Persona Motivation[J].IEICETRANSACTIONS on Information and Systems.2013，96（6）：1332-1343.

[33]王改花，傅鋼善.數(shù)據(jù)挖掘視角下網(wǎng)絡(luò)學(xué)習(xí)者行為特征聚類分析[J].現(xiàn)代遠(yuǎn)程教育研究，2018，（4）：106-112.

[34] Khalil M，Ebner M.Clustering patterns of engagement in MassiveOpen Online Courses（MOOCs）：the use of learning analytics toreveal student categories [J].Journal of Computing in HigherEducation.2017.29（1）：114-132.

[36]肖君，喬惠等.大數(shù)據(jù)環(huán)境下在線學(xué)習(xí)者畫像的構(gòu)建[J]開放教育研究，2019，（4）：111-120.

[37]胡小勇，林梓柔.精準(zhǔn)教研視域下的教師畫像研究[J].電化教育研究，2019，（7）：84-91.

[38]黃建國，唐燁偉等.基于xAPI的在線學(xué)習(xí)環(huán)境中精準(zhǔn)師訓(xùn)畫像構(gòu)建[J].中國電化教育，2020，（4）：102-108.

[39] Cabedo R，Tovar E.et aI.A Benchmarking Study of Clustenng TechniquesApplied toa Set of Characteristics of MOOC Paticipants [A].ASEE's 123rdAnnual Conference&Exposition [C].New Orleans，LA：ASEE.2016.

[40]李映坤.大數(shù)據(jù)背景下用戶畫像的統(tǒng)計(jì)方法實(shí)踐研究[D].北京：首都經(jīng)濟(jì)貿(mào)易大學(xué)，2016.

[41]陸秋，徐斌艷.問題解決能力的等級(jí)水平及其評(píng)價(jià)-PISA2003的亮點(diǎn)[J]現(xiàn)代教學(xué)，2007，（4）：51-53.

[42]姜強(qiáng)，趙蔚等.基于網(wǎng)絡(luò)學(xué)習(xí)行為模式挖掘的用戶學(xué)習(xí)風(fēng)格模型建構(gòu)研究[J].電化教育研究，2012，（11）：57-63.

作者簡(jiǎn)介：

余明華：博士，師資博士后，研究方向?yàn)閷W(xué)習(xí)分析與教育數(shù)據(jù)挖掘、人工智能教育應(yīng)用（minghuayu117@163.com）o

張治：正高級(jí)教師，博士，上海市特級(jí)教師，館長(zhǎng)，基礎(chǔ)教育資源中心主任，研究方向?yàn)榻逃芾?、教育信息化、研究性學(xué)習(xí)（87476088@qq.com）。

祝智庭：終身教授，博士生導(dǎo)師，研究方向?yàn)榻逃畔⒒到y(tǒng)架構(gòu)與技術(shù)標(biāo)準(zhǔn)、信息化促進(jìn)教學(xué)變革與創(chuàng)新、技術(shù)使能的智慧教育、面向信息化的教師能力發(fā)展、技術(shù)文化（ztzhu@dec.ecnu。edu.cn）。