摘要：学习分析是一门集搜索、存储、统计、整合、应用、干预、反馈等功能于一身的信息化教学行为与技术。在国外高等教育领域的应用中，Course Signals、Student Success System、Connect4success 学习分析系统因其具有预测风险学生、进行及时干预、存储大量数据、可视化呈现等优点而被美国、加拿大、澳大利亚等国家采用。文章对以上三个典型的学习分析系统进行深入反思，在肯定其价值的基础上，指出学习分析系统存在的问题，以期为学习分析在我国的研究和实践应用提供借鉴，从而推动我国高等教育内涵式发展。

关键词：学习分析；高等教育；实践应用

学习分析能够借助信息化手段对高校学生学习情况的原始数据进行系统剖析，并以高度图表化的形式把结果反馈给师生。学习分析便于学生弥补学习缺陷，促进学业进步；便于教师了解学生的学习进度，优化教学方案；便于高校进行高等教育资源的优化配置，促进学校管理机制改革。在学习分析领域，国外学者针对学习分析在高等教育领域内的应用开展了大量研究，涉及计算机科学、教育学、心理学、管理学、控制学等，研究成果非常丰富，值得国内学者的学习与借鉴。

一 学习分析在国外高等教育领域的应用概述

学习分析是“分析学”的重要组成部分。下面拟从学习分析的缘起、算法、数据源和应用层次四个维度进行阐述。

1 学习分析的缘起

目前，学术界对高等教育领域数据分析的范围界定已基本达成共识。如祝智庭等认为，分析学的具体应用包括学习分析和教育数据挖掘两大类；而国外学者普遍认为，分析学应涵盖学习分析、教育数据挖掘和社会学习分析三大类。为便于研究，本研究采用国外的分类方式。

①学习分析。搜集和分析高校学生与各类学习系统在交互过程中产生的原始数据，并将分析结果反馈给师生，并自动产生干预措施，这一系列过程称为学习分析。

②教育数据挖掘。教育数据挖掘是一种通过依托学生与计算机网络进行交互融合产生的各种原始数据，采用特定算法对数据进行自动分析，以寻求学习活动和学习结果之间的相关性，并对学生的学习情况进行自动预测的方法或技术。

③社会学习分析。社会学习分析主要通过分析学生使用社交媒体的具体情况，为需要帮助的学生提供及时的干预和有效的反馈。

2 学习分析的算法分类

高等教育领域内的分析方法是指以系统观点为基础，以具体算法为核心，进而对分析过程进行详尽描述的策略机制，它对算法提出了严格要求。国外相关文献研究成果表明，学习分析的算法具有多样化特点，其优缺点也比较明显，如表1 所示。

3 数据源的类型

教育信息化的大力推进和深度发展，为国外教育领域积累了丰富的数据资源。数据是信息的载体，数据的质量决定了分析的价值，即有价值的输入信息可以产生更有价值的输出信息。在国外高等教育领域的数据分析研究中，数据源种类繁多，数据源具体可以概括为三种类型：

①学生基本信息。个人成绩记录、考勤记录等是分析过程中的重要数据源。工作原理是在搜集和分析学生个人基本信息的前提下，对未来趋势进行预测，进而提出适当的应对措施。

②目前学习进度数据。课程的出勤率、学习成绩等学生学习进程数据，可为学生的当前学业状态提供近期概览。

③社交媒体数据。一方面，社交媒体数据通过分析学生的社交网络状况，让学校或教师识别出需要干预的“孤立”学生，进而改善他们的学习网络和教育状况；另一方面，通过分析社交媒体上发布的信息，挖掘学生和学业成功相关的人本因素，对潜在干预进行深入研究。

4 学习分析的应用层次

在国外高等教育领域数据的应用中，学习分析具体划分为以下四个层次：在学生学习层，学习分析有助于理解学生的个体需求，帮助学生完成学业；在教师和院系层，学习分析技术有助于改进教师干预手段，完成资源的有效配置；在学校层，使用学习分析技术可以建立困境学生预警系统，减少教师工作的负载量，最终减少学校对学生个体的投资成本；在国家层，学习分析技术可增加高等教育群体的比例，进而提高人们的生活质量，促进社会经济的发展。

郑旭东等指出，学习分析在高等教育领域主要应用于三个基本范畴：从学习视角看，如何利用学习分析促进学生学业成功；从教学视角看，如何利用学习分析提升教师教学效能；从管理视角看，如何利用学习分析优化配置教育教学资源。本研究认为，该思路虽然存在某种偏差，但基本能概括出学习分析在高等教育领域应用的具体层次。

二 学习分析在发达国家高等教育领域的应用案例

在全球多元文化交融的时代发展趋势下，学习分析在发达国家高等教育领域内的应用案例对我国具有较强的参考价值。因此，本研究通过对国外文献进行综合梳理，选取美国、加拿大、澳大利亚三个国家的典型案例进行了分析。

1 学习分析在美国的实践应用——以Course Signals 为例

Course Signals 是一款由美国普渡大学于2007 年引入的学习分析工具，其主要作用是通过分析学生在学习过程中产生的各种数据信息，自动建立“风险学生”识别—预警模型，并施以有效干预。全面了解Course Signals，可从以下三种不同视角进行解读：

从系统流程的视角来看，涉及：①风险等级预测变量。该系统包括学生表现、学生努力、学习历史记录、学生个性特点四个基础变量。其中，学生表现主要用迄今为止该学生获得的积分点进行百分比测量；学生努力与学习管理系统进行连接，最后提取交互行为即可；学习历史记录包括学习准备、高中平均成绩、标准化考试分数；学生个性特点则指与学生生活背景相关的信息。②红黄绿三色信号提示。Course Signals 包括三种等级的预警信号：红灯代表高风险（学生的学习失败率高），黄灯代表中等风险（学生在课程学习中存在一定问题），绿灯代表低风险（学生的学习成功率很高）。该系统依据特定算法（Schönhage–Strassen Algorithm，SSA）计算出学生的风险等级，并以交通信号灯样式呈现给师生。当师生操作该系统时，风险等级会随数据资源的变化及时更新。③干预管理方式。当系统发出风险信号时，教师可以采取多种干预措施。

从实际干预的具体应用视角来看，国外相关研究表明，教师和学生可以通过多种方式建立联系。其中，最为普及的方式是邮件沟通，属于线上交互模式，即以电子邮件互发的形式进行交流；而较少采用的方式是文本推送，主要通过学习管理系统给学生发送文本消息。

从实证数据分析的视角来看，学生使用Course Signals 系统以后，高达89%的学生认为Course Signals 系统是有用的：辍学率降低了10%～20%，D 等级成绩学生的人数减少了10%，A 和B等级成绩学生的人数增加了10%。

2 学习分析在加拿大的实践应用——以Student Success System（S3）为例

Student Success System（S3）由加拿大教育科技公司“渴望学习”（Desire 2 Learn）研制开发，是一款在掌握学生之前的学习数据的基础上，通过预测学生目前的课程学习分数，辅助学生进行课程优化选择，并以高度图表化的形式进行数据可视化分析的系统模型。该系统具有完整的学习分析引擎，并建立了适应不同课程和不同院校的学习情境变化预测模型，还包括丰富多样的个性化干预措施，通过系统可视化界面传递数量庞杂的学生个人信息，进一步克服了三色预测信号的单一性。S3 系统设计了多种功能：

①学生个人数据清单。教师登录系统之后可以看到学生集体头像列表，每个学生与一个风险指标相联系：绿色表示无风险，黄色表示可能风险，红色表示有风险；学生学习成绩提高或下降的轨迹由向上和向下的箭头表明。

②系统界面。S3 系统包含档案界面、课程界面、注释界面、推荐界面等，为学生提供了学习进度查看权限，当系统界面呈现出具有风险和潜在风险的学生资料时，教师可以将呈现的资料作为设计干预措施的基础数据和推荐依据。

③数据可视化。分析系统的数据可视化是S3 系统的关键性特征，指系统内部产生的信息通过应用程序以某种方式在用户界面呈现。在数据呈现方面，系统通过动态的交互图表来达到信息的呈现；在教师使用方面，教师可以通过分类策略查看特定学生的个人信息，也可以使用附加功能（如应用程序中提供的某时段内某学生的某项课程的表现图），为这些学生选择有用的学习资料；在课程推荐方面，输出信息可以先发送至学术教师，然后通过电子邮件等途径发送至学生；在学校应用方面，仅涉及有效的资源分配，并没有对学校领导做进一步详细研究。

3 学习分析在澳大利亚的实践应用——以Connect4success 为例

在澳大利亚，学习分析的应用研究表现出“ 重系统功能、轻系统测评”的特点。Connect4success（C4S）是澳大利亚埃迪斯科文大学采用的一款学习分析系统，它可以自动识别和预测问题学生，并对其提供相应的帮助和支持。C4S 系统主要包括以下两个关键部分：

①自动标注问题学生。为充分掌握学生的学习信息，防范学生辍学情况的出现，埃迪斯科文大学利用丰富的原始数据进行系统分析和整理，自动识别出最需要帮助的学生。

②建立干预管控团队。埃迪斯科文大学建立了一个沟通管理机制，为需要帮助的学生提供支持，团队成员能与学生保持紧密联系、时刻关注学生需求。

4 学习分析在国外高等教育领域内应用的实践总结

①对以上三个典型案例的分析表明，在教育事业与新兴科技结合紧密的时代，学习分析在高等教育领域内的应用已成热点，学习分析系统具有众多优点,不仅能促进学习分析系统的发展，还能增强学生的学习热情，提高教师的教学效果，对整个教育系统的改进具有重要作用。

②学习分析系统并非十全十美，国内学者应用辩证的眼光看待它们——在看到Course Signals、Student Success System、Connect4success 等系统给国外优质大学带来益处的同时，也应同时看到它们存在着数据交互繁杂、后续分析不足等缺陷，应立足实际、合理借鉴、认真反思。

三 学习分析在国外高等教育领域内应用中存在的问题与反思

通过对国外教育数据分析的相关研究脉络进行梳理，本研究认为学习分析在未来高等教育领域内有着广阔的应用前景，但是研究者需对其中的诸多问题进行深入反思，不可盲目崇拜。

1 学习分析系统难以在不同学科之间移植

由于大学的不同学科在本质上有很大的差异，因而很难有一个通用系统可以在不同学科之间进行切换。现有研究中的分析系统过于专门化，只能应用于特殊课程或学科，并不具有可移植性和通用性。因此，开发一个能应用于所有学科的通用系统是一个亟待解决的问题。

2 学习分析系统信息输出范围较窄

相关研究认为，有些学习分析系统仅仅专注于教师干预应用，信息输出的流通渠道太少。在实际应用中，学习分析系统需要设计针对学生、教师、学校管理者等不同角色的功能模块，扩大信息流通范围。因此，学习分析系统的渠道灵活性如何实现，也是未来的一个研究方向。

3 学习分析系统的作用难以最大发挥

研究表明，由于数据可视化因素，教师常常很难利用分析系统输出结果信息，因而使分析系统的作用受到很大局限。学习分析起源于信息系统和商业智能领域，部分学者认为其在教学法、教学理论、教学实践和教育成效最大化方面缺乏必要的应用。

4 数据源比较单一

现有学习分析系统只能使用人力资源信息数据，或使用特定课程系统的使用情况数据等。因此，学习分析系统应扩大数据源，通过从人力资源信息数据库、学习系统中使用情况数据和分数信息、从招生注册系统中系统使用情况数据和分数信息等进行数据输入。

四 结束语

相较于国外学习分析系统的应用现状，目前我国还处在“学习分析”理论体系构建的准备阶段。从大数据系统分析的视角来看，国内多数高校（如复旦大学、浙江大学等）已经建成了日常业务运行系统，通过基本的数据处理为院校管理决策提供服务，但并未涉及具有“促进学生学习、优化教学体制”等功能的学习分析系统，学习分析系统在国内高等教育领域内的建构任重而道远。在学习分析的研究过程中，国内学者应当深入国家高等教育的实践，采取合理的研究方法，做好各项调查研究，尤其是对学生的学习要做详细而全面的调查——只有这样，我们才能设计出真正适合学生并促进学生发展的学习分析系统，从而推动我国高等教育的内涵式发展。