学习分析：周期、层次和关键技术

学习分析是一个周期性的过程。学生产生资料，这些资料被分析，然后根据分析结果驱动一项介入动作的发生，之后这个过程重复进行。

不同形态的分析所需要人为影响的程度不同。这并不意味着我们不再需要老师，而是老师可以更有效地运用他们的时间来引导、辅导及支援每个学生。(https://www.daowen.com)

学习分析具有以下四个层次：描述性的：发生什么事？诊断性的：为何会发生？预测性的：会发生什么事？指示性的：我该怎么做？

聪明地运用学习分析的潜在价值，老师会有较多的时间来辅助及指导个别学生。老师比较能清楚了解每个学生的进展，因此他们可以决定学生的最后终点。跟随学生的学习路径，老师可以知道是否以及在哪里提供额外的支援。学生选择他们自己前往终点线的路径，他们可以停留下来做更多的练习或是寻求更多的指导。能力强的学生可以选择最短的路径以求快速进行，可以追求更多挑战。

学习分析的关键技术涉及内容分析、话语分析、社会网络分析、系统建模等技术以及统计分析与可视化、聚类、预测、关系挖掘和文本挖掘等一系列数据挖掘方法。常见的学习分析工具有很多，如支持对原始帖子进行标注或编码、交叉引用和简短评论的工具包括Nvivo、Atlasti；支持基本的基于词典的文本分析工具，如CATPAC、LIWC；专门的内容分析工具，如北京师范大学知识工程研究中心开发的智能化内容分析工具VINCA；专门的社会网络分析工具，如UCINET；用于系统建模的工具，如Coordinator系统建模工具；专门的数据挖掘工具，如SQL SERVER 2005 Analysis Service（SSAS）、Weka、SPSS等。学习分析在数字化学习时代将大有可为，它会在提供差异化、个性化教学方面扮演一个相当重要的角色。越来越多的研究开发将投入到这个领域中来，相信未来几年内将会有许多以数据及分析为特色的产品被开发出来。