基于學習分析的樣本SPOC影響因素研究

張菲菲

[摘要]本研究以融合的學習分析模型為設計向導，以校本SPOC“專業導論”為例，以問卷調查、數據挖掘等學習分析技術手段收集數據，主要運用SPSS16.0進行數據處理。分析結果顯示校本SPOC學習效果與學習目標明確程度等18個因素呈顯著相關，與學習時間段等9個因素無顯著相關，進一步分析得到預測模型并通過實踐課程進行驗證，結果顯示預測模型基本有效，并在此基礎上提出優化SPOC教學效果的措施。

[關鍵詞]學習分析；校本 ；SPOC

[Abstract] The research which takes Professional Introduction for example is based on learning analytics model for design guide. It uses questionnaire survey and data mining methods to collect data. Analysis results show that the school-based SPOC learning effect is significantly related with 18 factors such as the degree of knowing learning goals， and it is no significant correlation with nine factors such as learning time. Forecast model is established from further analysis and it is verified effective through practice course. In order to improve the effect of school-based SPOC ， some teaching methods are suggested based on the significantly correlated factors in the model.

[Key words] Learning Analytics； School-based； SPOC[基金項目]本文為2016年度浙江省教育技術研究規劃課題“基于學習分析技術的校本SPOC實踐探索”（項目編號：JB007）的研究成果。

SPOC（Small Private Online Course）是由加州大學伯克利分校的阿曼德·?？怂?（Armando Fox，2013）教授最早提出并在課程中使用的概念，是 MOOCs 浪潮掀起后在大學課堂應用過程中發展起來的一種線上線下結合的混合教學模式。?？怂拐J為將 SPOC 用于教學，可以提高教師的教學手段、學生的吞吐量、學生的掌握程度以及學生的參與度[1]。國內外很多高校如哈佛大學、加州大學伯克利分校、清華大學、浙江大學等已經開始SPOC的實驗，并且頗見成效。但是SPOC為何有效，其影響因素為哪些，此類研究尚不多見?；诖?，我們引入被喻為“教育技術發展的第三次浪潮”的學習分析技術，從學習分析的角度探討影響校本SPOC學習效果的因素。

一、學習分析技術

美國新媒體聯盟NMC地平線報告提出學習分析是利用松散耦合的數據收集工具和分析技術，分析學習者參與、學習表現和學習過程的相關數據，進而對課程和教學進行實時評價[2]。關于學習分析技術的研究國外起步較早，在學習分析技術應用模型、學習工具開發等方面都有所積累。關于學習分析應用模型，Tynya Elias提出了數據收集、信息加工和知識應用三階段和獲取、選擇、聚集、預測、使用、優化六種活動的應用模型。G.Simens則提出了學習分析應包含數據收集、分析、預測和調整四個階段。在學習工具開發上，澳大利亞 Wollongong 大學研發了學習網絡可視化評估工具 SNAAP，美國馬里蘭大學巴爾的摩分校研發了配合 BlackBoard 使用的 Check my activity 工具，這些工具從不同角度收集學生的行為數據，進而進行學習分析，實踐表明這些工具是行之有效的。在國內，學習分析也逐漸引起熱潮：顧小清等對學習分析“前世今生”、發展中的學習分析技術和學習分析應用趨勢等方面內容進行了詳細的闡述[3]；祝智庭等指出學習分析是自學習管理系統問世以來，教育技術發展的第三次浪潮[4]。在引入學習分析的基礎上有不少學者也提出了適合國內實際教學情況的應用模型：吳忭等對學習者圖示化學習過程開展序列分析[5]；武法提等分析電子學檔系統記錄的數據，從學習內容、學習活動、學習方式和學習評價四個方面構建學習者個性化模型[6]。

國內外關于學習分析的模型要素、工具和學習分析相關內容等方面的研究為本研究提供了相關基礎。本研究采用了融合的學習分析模型（認為學習分析主要包含數據收集、分析、預測、優化四個主要階段）為設計線路，以學習分析工具所涉及相關內容和文獻分析得到的在線學習相關因素為參考收集相關數據，在此基礎上通過學習分析技術建立SPOC學習效果預測模型，并在實踐中驗證其是否有效，進而調整優化教學措施，促進SPOC教學效果。

二、研究設計和結果

（一）數據收集

本研究中數據收集主要通過問卷調查和學習平臺的大數據挖掘所得。數據收集對象為寧波大學2015級“專業導論”課程的學習者?！皩I導論”課程為大一學生必修課，該課程為寧波大學校本SPOC的典型，具體結構如圖1。

由于目前沒有可參考的成熟的調查量表，本研究主要參考國內外學習分析工具涉及的相關內容和當前在線學習方面影響因素的研究，主要涉及以下幾個大塊（作為一級指標）：學習者背景特征、學習行為特征、資源特征、社交支持、技術支持、過程性學習成績等。問卷調查主要針對主觀性的問題進行展開，如學習目標明確程度、討論形式偏好、學習內容感興趣程度、平臺操作復雜程度、SPOC學習方式的優缺點等。在問卷調查大量展開前，本研究對30名學生進行了預測以分析調查問卷的信度和效度，結果顯示，信度為0.702，各潛變量的AVE最小值為0.53，均符合問卷調查的建議值要求。對于SPOC實踐中相關的客觀性因素主要從學習平臺中挖掘所得，如性別、所屬大類、學習路徑、有效討論帖數、學習時間長度、過程性學習成績（作業或在線小測驗）、綜評成績等，在研究中，我們把綜評成績作為衡量學習效果的量化指標。數據挖掘后，均通過結構化處理。問卷調查和數據挖掘通過學習平臺所得。本次調查共發放1500份，收回980條，有效數據966條，有效回收率64.4%。endprint

（二）數據分析及結果呈現

本研究中主要采用SPSS16.0對收集后的數據進行結構整理和分析，主要通過兩個步驟進行處理，第一階段對各變量與學習效果做簡單二元變量相關分析，根據分析結果中P值大小篩選出與學生課程學習效果呈顯著相關的變量，P<0.05，則表示該變量與學習效果呈顯著相關，反之則剔除，具體數據見表1。

數據分析結果顯示，學習效果與學習目標明確程度、學習者討論參與積極性、小組活動參與積極性、教師及同伴反饋、資源豐富程度、資源更新頻率、學習內容能否引起興趣、視頻時間長短、視頻質量、學習任務量、資源設計多樣化、界面操作復雜度、技術支持響應時間、學習進度可控及智能化、作業得分、在線測驗得分等因素呈極其顯著相關，與討論形式偏好、設備問題呈顯著相關，與性別、專業背景、課程呈現方式偏好、學習時間段、學習時間長度、網頁點擊頻率、瀏覽行為（模塊學習路徑）、解答他人問題積極性、網絡流暢性等因素無顯著相關。

上述結果與國內外有些研究結論類似，如“學習中設備問題、平臺操作太復雜等問題會影響學習效果”，這與清華大學“SPOC教學效果受平臺技術故障的影響也非常顯著，哪怕是短暫的平臺故障也會直接影響學生的學習效果”[7]的SPOC試點結果一致；視頻質量目前從調查來看是處于中等水平（視頻質量平均值為3.77±

0.801，5點計分，分值越高，視頻質量認可度越高），說明教師的數字媒體素養有待提高，這與浙江大學關于后MOOC時期高校教學模式研究中“教師迫切需要發展信息化教學能力，提升數字媒體素養”[8]一致；關于學習中時間進度可控、可重復學習等智能化技術可以促進學習效果的提高，這與加州大學伯克利分校的SPOC推廣實驗結果相似“課程講座視頻的信息含量豐富、密集，學生可以暫停、回顧任何一個知識點，是一種非常高效的信息傳遞方式”[9]；教師、同伴的及時反饋也是能夠積極促進學習效果的，這與邁克涅斯等人評論中學生們反饋“我覺得有指導會更有幫助”[10]一致。

為了進一步了解各相關因素對綜評成績的權重影響大小，在簡單相關分析基礎上進行第二階段的逐步回歸分析，具體分析結果如表2。用標準化回歸方程表達預測學習效果為：Y=0.359X1+0.194X2+0.157X3-0.157X4-0.086X5+0.081X6+0.076X7-0.067X8。其中，Y表示綜評成績，X為表中各因素變量（X1：學習內容能否引起興趣；X2：教師同伴反饋關注；X3：在線測驗；X4：技術支持響應時間；X5：設備問題；X6：討論參與積極性；X7：學習進度可控及智能化；X8：界面操作復雜度）。

（三）預測模型有效性驗證

為了驗證上述預測模型的可行性和有效性，本研究選擇一門SPOC實踐課程《德語國家概況》進行試驗。該課程共35名學生，一學期共34學時，每4周一次線下討論課。

預測研究設計方案主要步驟為：（1）課程進行到一半時，設置一個期中測試，其成績作為實際學習效果的量化指標；（2）通過學習平臺問卷系統和后臺程序收集回歸方程相關因素的數據，將收集的數據進行結構化處理后代入到預測模型中，得到預測的學習效果；（3）將該成績與實際學習效果進行獨立樣本t檢驗驗證預測學習效果與實際學習效果是否有顯著差異；（4）如有顯著差異，則說明預測模型的有效性有待改正；（5）如無顯著性差異則說明預測模型具有一定的有效性，根據回歸方程中的相關因素，對教學實踐做相應的優化調整。期中預測學習效果與實際學習效果的獨立樣本t檢驗數據為F=0.426，p=0.516，df=68。數據顯示，預測學習效果與實際學習效果無顯著性差異（如表3）。

（四）調整及優化

為了提高SPOC課程的學習效果，針對預測模型中的相關因素，教務管理部門要有針對性地進行教學干預。

（1）提高教學內容的實用性和趣味性，

加快更新頻率，增加資源豐富程度，不斷吸取新的教學方式方法。

（2）通過培訓、討論等形式提高教師授課的業務水平和錄制視頻的技巧，以定期培訓（如ppt培訓、視頻制作等）、技術指導、教師觀摩和討論等形式積極幫助教師提高信息素養。

（3）在師生互動方面，對學生提問及時給予反饋，或通過引導性手段促發進一步的思考。討論環節通過精心設置話題，將討論深度和趣味性相結合的方式提高學生討論積極性。對于討論積極性不高的同學，通過結對、小組督促等形式提高積極性。

（4）對成績不太理想的學生，通過關注、談話等形式，使其明確課程學習目標，合理安排學習進度，對于作業、疑問及時給予反饋，必要時給予特殊輔導。

（5）在技術設備支持層面，優化學校教學設備條件，優化支撐校本SPOC的學習平臺和穩定性。在平臺技術支撐上，通過問題導航等設置讓同學明確下一步操作，以及碰到何種問題應如何解決的步驟，同時通過建qq群等形式積極幫助學生解決問題。

四、研究局限性

在上述研究中，雖然預測模型能在實踐

課程中較好地解釋實際的教學效果，但在教

學實踐中也存在著一定的局限性，該研究的主要局限性概括如下：

（1）“專業導論課”作為一門基礎課程，通過該課程得出的預測模型雖然在實踐課程中得到了驗證，但是否對所有課程都行之有效則有待驗證。

（2）在調查設計中，由于目前尚未有成熟量表可供參考，所設計的調查因素可能有所欠缺，尚需在實踐中進一步完善優化。

（3）目前調整優化手段主要是通過“補短板”的形式，優化措施針對成績不太理想的學生，針對成績中上或者有特長的學生則需要進行個性化的設計，有待下一步的深入研究。

參考文獻

[1]羅九同，孫夢，顧小清.混合學習視角下 MOOC的創新研究：SPOC案例分析[J].現代教育技術，2014（7）：18-25.

[2] 曹帥，王以寧等.學習分析技術的研究現狀與未來趨勢-基于2011-2015年LAK會議論文的分析[J].中國電化教育，2016（5）：78-84.

[3] 顧小清，張進良，蔡慧英.學習分析：正在浮現中的數據技術[J].遠程教育雜志，2012（1）：18-25.

[4] 祝智庭，沈德梅.學習分析學：智慧教育的科學力量[J].電化教育研究，2013（5）：5-12.

[5] 吳忭，顧小清. 圖示化學習工具促進知能發展的學習行為模式分析[J].開放教育研究，2014（10）：59-66.

[6] 武法提，牟智佳。電子書包中基于大數據的學生個性化分析模型構建與實現路徑.中國電化教育，2014（3）：63-69.

[7]康葉欽.在線教育的“后MOOC時代”—SPOC解析[J].清華大學教育研究，2014（2）：85-93.

[8]李紅美，陸國棟，張劍平.后MOOC時期高等學校教學新模式探索.高等工程教育研究，2014（6）： 58-67.

[9]徐葳，賈永政，Fox， A..從MOOC到SPOC--基于加州大學伯克利分校和清華大學MOOC實踐的學術對話[J].現代遠程教育研究，2014（4）：13-22.

[10] 約翰·巴格利.反思 MOOC 熱潮[J].開放教育研究.2014（2）：9-17.endprint