学习分析：实现差异化及个性化教学的基础

在首届“学习分析和知识国际会议”上，与会者一致认为：学习分析技术是测量、收集、分析和报告有关学生及其学习环境的数据，用以理解和优化学习及其产生的环境的技术。《2012NMC地平线报告（高教版）》也给出了近似的定义，即学习分析技术是对学生生成的海量数据的解释和分析，以评估学生的学术进展，预测未来的表现，并发现潜在的问题。学习分析技术分析的对象是学生及其学习环境，目的是评估学生、发现潜在问题、理解和优化学习，基础是海量数据。(https://www.daowen.com)

学习分析和教育数据挖掘密切相关，应用的分析方法也较为相似。目前，学习分析领域常用的分析方法包括网络分析法、话语分析法和内容分析法。近年来，越来越多的研究者开始应用滞后序列分析法，以识别各种在线学习行为模式。

学习分析的目的在于优化学生的学习进程，它是成就适应性教学平台的根本基础。有了适应性教学平台，学生就如同拥有了一辆由自己掌控驾驶的车子，而不是只拥有校车上的一个座位。这让学生可以控制他们自己的理想学习路径。学习分析是适应性教学平台的引擎，在引擎盖下，经由分析及计算来洞悉学生的表现。学生与数字化学习材料的互动是学习分析引擎的燃料，除此之外，其他资料（如来自社群媒体的资料）也可以被加进来，使引擎效能最佳化。在汽车仪表板上，学生可以看到各式各样的资讯。例如，目前的学习速度有多快，以及一些警告灯号来显示有些地方可能出了问题。使用适应性教学平台，学生可以选择是否接受来自平台的建议。这样学生能够控制自己的学习进度，也才能找出自己正确的步调。使用适应性教学平台，学生及老师可以洞悉学生的进展，并决定是否应该偏离原来的建议路径，例如给予更多的练习，系统可以立即重新计算及规划出适当的新路径。各种指标及变量都可被测量，但目前仅局限于考试及作业分数等简单的数据。未来，越来越多的各种类型的数字化学习都可以被测量，让分析可以进一步扩展及精炼。