郎波 樊一娜

摘 要：對(duì)學(xué)生學(xué)習(xí)行為的研究能夠有效了解學(xué)生的學(xué)習(xí)和生活行為特點(diǎn)，從而在教學(xué)中更好地實(shí)現(xiàn)因材施教。本文基于校園大數(shù)據(jù)的學(xué)生行為分析，提出了學(xué)習(xí)行為標(biāo)準(zhǔn)的研究框架，重點(diǎn)在行為指標(biāo)分析和行為特征量化兩方面進(jìn)行了研究，探討了學(xué)習(xí)行為數(shù)據(jù)的標(biāo)準(zhǔn)化建設(shè)問(wèn)題，為更好地利用行為數(shù)據(jù)進(jìn)行學(xué)習(xí)成績(jī)預(yù)測(cè)和學(xué)生發(fā)展預(yù)測(cè)提供了一種思路。

關(guān)鍵詞：學(xué)習(xí)行為，行為指標(biāo)分析，行為特征量化，標(biāo)準(zhǔn)化

DOI編碼：10.3969/j.issn.1002-5944.2023.04.033

基金項(xiàng)目：本文受珠海市教育科研“十四五”規(guī)劃課題（項(xiàng)目編號(hào)：2021ZHGHKTG1183）和珠海城市職業(yè)技術(shù)學(xué)院質(zhì)量工程項(xiàng)目（項(xiàng)目編號(hào)：KCSZ20200605）資助。

Research on Standardization Management of Learning Behavior Based on Real Campus Scene

LANG Bo1 FAN Yi-na2

（1. Zhuhai City Polytechnic； 2. Zhuhai Campus of Beijing Normal University）

Abstract： The study of students learning behavior can effectively understand the characteristics of students learning and life behavior， so as to achieve better individualized teaching in teaching. Based on student behavioral analysis based on campus big data， this paper puts forward the research framework of learning behavior standard， studies the two aspects of behavior index analysis and behavior characteristics of quantifi cation， and probes into the standardization construction of the data of learning behavior， which provides a train of thought for better use of behavior data to predict studentsgrades and development.

Keywords： learning behavior， behavioral index analysis， quantifi cation of behavior characteristics， standardization

1 引 言

學(xué)生學(xué)習(xí)手段的變化和疫情對(duì)正常教學(xué)的影響，使得研究校園場(chǎng)景下學(xué)生的學(xué)習(xí)行為變得尤為重要，有效進(jìn)行自主學(xué)習(xí)的行為分析，是線上線下學(xué)習(xí)都面臨的一個(gè)重要問(wèn)題。如何為學(xué)生學(xué)習(xí)行為改善提供個(gè)性化的反饋，并建立相應(yīng)的預(yù)警機(jī)制，為學(xué)生提供個(gè)性化教育方面和輔助教師教學(xué)活動(dòng)方面提供技術(shù)依據(jù)，從而更好地在教學(xué)過(guò)程中實(shí)現(xiàn)因材施教。

目前，文獻(xiàn)中記載的關(guān)于自主學(xué)習(xí)的效能分析都是基于學(xué)習(xí)者本身的主動(dòng)行為和情感波動(dòng)[1]。朱建東教授利用神經(jīng)模糊方法來(lái)分析學(xué)生在學(xué)習(xí)過(guò)程中生成的學(xué)習(xí)日志，從而診斷出學(xué)生進(jìn)行自主學(xué)習(xí)的最佳路徑[2]；把遺傳算法與學(xué)習(xí)需求聯(lián)系起來(lái)，在特定情境特征的前提下，進(jìn)行有效的學(xué)習(xí)資源推薦[3]；此外，學(xué)習(xí)者生物特征的應(yīng)用也引入到了學(xué)習(xí)行為追蹤中，利用這些特征構(gòu)造學(xué)習(xí)肖像，從而發(fā)現(xiàn)最佳的自主學(xué)習(xí)路徑。從目前的研究狀況來(lái)看，大部分研究都基于學(xué)生的學(xué)習(xí)成績(jī)分析預(yù)測(cè)，但是學(xué)生的學(xué)習(xí)成績(jī)與其平時(shí)的學(xué)習(xí)行為和習(xí)慣有很大的關(guān)系，尤其是學(xué)習(xí)積極性、學(xué)習(xí)心理狀態(tài)對(duì)學(xué)習(xí)成績(jī)的提高有著較大的影響，而針對(duì)如何構(gòu)建有意義的學(xué)習(xí)行為特征的關(guān)注還不多，另外，該領(lǐng)域的研究也存在以下問(wèn)題，例如：研究數(shù)據(jù)較為單一，不能發(fā)揮數(shù)據(jù)多樣性和規(guī)模性的優(yōu)勢(shì)，尤其是認(rèn)知、情緒等情感數(shù)據(jù)的關(guān)注度不夠；數(shù)據(jù)樣本大多重視數(shù)量，忽略了質(zhì)量，學(xué)生的學(xué)習(xí)行為量化方法比較單一，通常用得較多的是統(tǒng)計(jì)頻次或者信息熵的方法，難以完美解釋學(xué)生學(xué)習(xí)行為的多樣性；直接從數(shù)據(jù)統(tǒng)計(jì)的結(jié)果簡(jiǎn)單歸納學(xué)習(xí)規(guī)律，忽視了教師、教學(xué)管理者、學(xué)生的能動(dòng)性。

2 學(xué)習(xí)行為標(biāo)準(zhǔn)化的框架研究

2.1 行為指標(biāo)分析

學(xué)習(xí)行為的標(biāo)準(zhǔn)化分類可以分為靜態(tài)和動(dòng)態(tài)指標(biāo)，其中靜態(tài)指標(biāo)是學(xué)生在學(xué)習(xí)過(guò)程中保持穩(wěn)定，不隨學(xué)習(xí)過(guò)程隨意變化的數(shù)據(jù)，而動(dòng)態(tài)指標(biāo)是指學(xué)生在學(xué)習(xí)過(guò)程中容易變化的因素，例如：學(xué)習(xí)偏好、學(xué)習(xí)習(xí)慣、認(rèn)知特點(diǎn)等，這些指標(biāo)伴隨整個(gè)學(xué)習(xí)過(guò)程，宏觀上保持穩(wěn)定，但是也可能隨著學(xué)習(xí)時(shí)長(zhǎng)的變化而發(fā)生變化。通常我們衡量學(xué)生的學(xué)習(xí)行為都是指在學(xué)生線上或線下的學(xué)習(xí)過(guò)程中產(chǎn)生的行為數(shù)據(jù)。這些數(shù)據(jù)的共同特點(diǎn)是由學(xué)生的學(xué)習(xí)交互行為產(chǎn)生的，根據(jù)交互的對(duì)象和方式不同，可以把行為指標(biāo)分為以下五類，分別是學(xué)生與學(xué)生、學(xué)生與教師、學(xué)生與課程、學(xué)生與環(huán)境、學(xué)生與家庭之間的交互。根據(jù)以上指標(biāo)可以確定學(xué)生在學(xué)習(xí)過(guò)程中所需獲取的數(shù)據(jù)來(lái)源。其中，學(xué)生與學(xué)生的交互主要表現(xiàn)為學(xué)生情緒、社交網(wǎng)絡(luò)情況、網(wǎng)絡(luò)流量使用情況等。學(xué)生與教師的交互體現(xiàn)在學(xué)生是否積極參加老師布置的教學(xué)任務(wù)，在作業(yè)提交時(shí)間上學(xué)生是否拖延，在回答問(wèn)題上是否積極。而老師表現(xiàn)為是否及時(shí)關(guān)注學(xué)生的提問(wèn)、是否能為學(xué)生的問(wèn)題提供有效的解決方式、是否能及時(shí)批改學(xué)生的作業(yè)等；學(xué)生與課程的交互行為表現(xiàn)為學(xué)生能夠選擇自己需要的課程，以及課程內(nèi)容的展現(xiàn)方式；學(xué)生與環(huán)境的交互表現(xiàn)為目前的數(shù)字化手段是否容易被學(xué)習(xí)者接受，通過(guò)現(xiàn)有的方式進(jìn)行學(xué)習(xí)能否讓學(xué)習(xí)者順利接受；學(xué)生與家庭的交互表現(xiàn)為學(xué)生與家庭的關(guān)系是否和諧，父母對(duì)學(xué)生學(xué)習(xí)行為習(xí)慣的養(yǎng)成等。

2.2 行為特征量化

2.2.1 學(xué)習(xí)刻苦程度的量化

學(xué)習(xí)刻苦程度是衡量一個(gè)學(xué)生良好學(xué)習(xí)行為的重要指標(biāo)之一，但是該指標(biāo)同時(shí)也是一個(gè)抽象概念，無(wú)法用客觀的概念來(lái)直接表述，所以，如何將學(xué)習(xí)課程程度進(jìn)行標(biāo)準(zhǔn)化的量化就顯得尤為重要，本文采用學(xué)生在學(xué)習(xí)過(guò)程中所產(chǎn)生的“數(shù)字行為”來(lái)進(jìn)行判斷。其量化過(guò)程如圖1所示。

學(xué)習(xí)刻苦程度的時(shí)序數(shù)據(jù)可以直接統(tǒng)計(jì)學(xué)習(xí)行為的發(fā)生頻次，通過(guò)次數(shù)的累積來(lái)界定學(xué)生學(xué)習(xí)的刻苦程度，這也是統(tǒng)計(jì)學(xué)生學(xué)習(xí)行為較為常見(jiàn)的統(tǒng)計(jì)方式。特點(diǎn)是簡(jiǎn)單直接，容易操作。在圖1列出的數(shù)據(jù)中，學(xué)生利用網(wǎng)絡(luò)是否訪問(wèn)學(xué)習(xí)資源可以通過(guò)網(wǎng)絡(luò)連接某些網(wǎng)站的頻次來(lái)進(jìn)行確定，學(xué)生在教學(xué)平臺(tái)的時(shí)序數(shù)據(jù)可以直接反映學(xué)生的學(xué)習(xí)狀態(tài)，利用學(xué)習(xí)資料和自習(xí)室的時(shí)序數(shù)據(jù)都是能夠進(jìn)行量化的數(shù)據(jù)。另外，利用自習(xí)室的時(shí)序數(shù)據(jù)量化出兩個(gè)學(xué)習(xí)指標(biāo)，分別是“進(jìn)出自習(xí)室的次數(shù)”和“自習(xí)室的使用時(shí)間”。由于自習(xí)室的特殊性，學(xué)生和自習(xí)室的關(guān)聯(lián)能夠反映學(xué)生學(xué)習(xí)的刻苦程度。

2.2.2 行為規(guī)律性的量化

學(xué)習(xí)行為是否規(guī)律也是衡量行為是否標(biāo)準(zhǔn)化的重要依據(jù)之一。它代表了在學(xué)習(xí)過(guò)程中學(xué)習(xí)者的自我約束能力，這種能力的強(qiáng)弱，最終的反饋是學(xué)習(xí)成績(jī)和學(xué)習(xí)效果的變化。對(duì)于行為的規(guī)律化主要從兩個(gè)方面來(lái)進(jìn)行分析，從線性和非線性的角度來(lái)對(duì)學(xué)習(xí)行為變化和學(xué)習(xí)行為復(fù)雜度進(jìn)行量化。本文從一個(gè)學(xué)期（教學(xué)18周）為時(shí)間段，來(lái)分析學(xué)生學(xué)習(xí)行為和學(xué)習(xí)成績(jī)之間的關(guān)系。在整個(gè)學(xué)期中，學(xué)習(xí)的任務(wù)的側(cè)重點(diǎn)和內(nèi)容以及強(qiáng)度都有所不同，我們將整個(gè)學(xué)期劃分成不同的時(shí)間段，按時(shí)間段為單位來(lái)對(duì)學(xué)習(xí)行為規(guī)律的量化問(wèn)題進(jìn)行分析。主要采用的方法是：對(duì)于學(xué)生的行為變化，以第九周為中心點(diǎn)，將整個(gè)學(xué)期劃分為兩個(gè)階段，利用線性回歸的方法進(jìn)行擬合，通過(guò)斜率的變化反應(yīng)學(xué)習(xí)行為的變化，從而達(dá)到量化的目的。對(duì)于學(xué)生行為復(fù)雜度的量化，將整個(gè)學(xué)期劃分為多個(gè)時(shí)間段，利用同樣的方式對(duì)每個(gè)時(shí)間段進(jìn)行擬合，并統(tǒng)計(jì)學(xué)習(xí)行為的發(fā)生頻次，多個(gè)時(shí)間段的劃分能夠?qū)W(xué)習(xí)行為的狀態(tài)進(jìn)行平均，學(xué)生的學(xué)習(xí)行為受到自身和外界的影響，并不總是保持在一個(gè)穩(wěn)定的狀態(tài)。對(duì)于學(xué)生學(xué)習(xí)行為復(fù)雜度的標(biāo)準(zhǔn)化量化可以采用熵的方式，但是傳統(tǒng)的信息熵在衡量學(xué)習(xí)行為復(fù)雜度方面存在缺陷，它并沒(méi)有聚焦于元素之間的關(guān)系，即學(xué)習(xí)行為是一個(gè)時(shí)序數(shù)據(jù)，學(xué)習(xí)行為的變化是基于前后數(shù)據(jù)的變化從而產(chǎn)生波動(dòng)的，所以，利用近似熵來(lái)解決該問(wèn)題，它是以每個(gè)時(shí)間段的平均相似率來(lái)衡量結(jié)構(gòu)復(fù)雜度，通過(guò)將每個(gè)學(xué)生的行為數(shù)據(jù)轉(zhuǎn)化為離散變量來(lái)實(shí)現(xiàn)。

3 結(jié) 語(yǔ)

學(xué)習(xí)行為的標(biāo)準(zhǔn)化研究是目前利用人工智能技術(shù)進(jìn)行學(xué)習(xí)行為分析的一個(gè)熱點(diǎn)問(wèn)題，在學(xué)習(xí)行為數(shù)據(jù)的量化方面，大部分研究?jī)H適用簡(jiǎn)單的線性統(tǒng)計(jì)方法，雖然利用信息熵取得了一定的成效，但是信息熵本身也具有一定的局限性。要做好學(xué)習(xí)行為的標(biāo)準(zhǔn)化工作，還需要從以下幾個(gè)方面進(jìn)行突破，例如：更進(jìn)一步的超大規(guī)模數(shù)據(jù)研究，使得數(shù)據(jù)來(lái)源更加多元化、全面化，能夠更好地全面反映學(xué)生的學(xué)習(xí)行為規(guī)律。此外，未來(lái)可以將標(biāo)準(zhǔn)化研究遷移至更多樣化的數(shù)據(jù)樣本中進(jìn)行優(yōu)化和量化，使得研究的普適性更強(qiáng)，利用人工智能技術(shù)進(jìn)行學(xué)習(xí)行為的評(píng)價(jià)變得更為嚴(yán)謹(jǐn)。

參考文獻(xiàn)

[1]姜強(qiáng)，趙蔚，等.大數(shù)據(jù)背景下的精準(zhǔn)個(gè)性化學(xué)習(xí)路徑挖掘研究——基于AprioriAll的群體行為分析[J].電化教育研究，2018，39（2）：45-52.

[2]史波.終身學(xué)習(xí)視角下職業(yè)教育標(biāo)準(zhǔn)化研究[J].中國(guó)標(biāo)準(zhǔn)化，2022（2）：188-190.

[3]薛晶晶，李毅偉，韓忠海.基于SPOC+QQ+慕課堂的標(biāo)準(zhǔn)化高等數(shù)學(xué)混合式教學(xué)模式研究[J].中國(guó)標(biāo)準(zhǔn)化，2022（18）：180-183.

作者簡(jiǎn)介

郎波，碩士研究生，教授，研究方向?yàn)槿斯ぶ悄堋?/p>

樊一娜，碩士研究生，講師，研究方向?yàn)槲锢韺?shí)驗(yàn)、物理教育。

（責(zé)任編輯：高鵬）