摘 要：綜述教育數(shù)據(jù)挖掘和學(xué)習(xí)分析在高等教育中的應(yīng)用，探討計(jì)算機(jī)支持的學(xué)習(xí)分析、計(jì)算機(jī)支持的預(yù)測(cè)分析、計(jì)算機(jī)支持的行為分析、計(jì)算機(jī)支持的可視化分析的各種學(xué)習(xí)問(wèn)題以及所使用的數(shù)據(jù)挖掘技術(shù)，提出應(yīng)用教育數(shù)據(jù)挖掘和學(xué)習(xí)分析幫助高等院校做出更好決策的方案.

　　關(guān)鍵詞：教育數(shù)據(jù)挖掘;機(jī)器學(xué)習(xí);高等教育;學(xué)習(xí)分析

　　教育數(shù)據(jù)挖掘(Educational data mining，EDM)和學(xué)習(xí)分析(learning analytics，LA)可以連續(xù)收集、處理、報(bào)告和處理數(shù)字?jǐn)?shù)據(jù)，改善教育過(guò)程，重塑現(xiàn)有的教學(xué)模式，為教師和學(xué)生的交互提供新的解決方案和更多個(gè)性化、適應(yīng)性和互動(dòng)性的教育環(huán)境，提高學(xué)習(xí)成果，優(yōu)化機(jī)構(gòu)管理水平，對(duì)教師和學(xué)生做綜合評(píng)價(jià).教育數(shù)據(jù)挖掘主要解決兩個(gè)問(wèn)題：人們?nèi)绾问褂肊DM和LA解決教育方面的實(shí)際挑戰(zhàn)，哪種數(shù)據(jù)挖掘技術(shù)最適合這些問(wèn)題.本文從技術(shù)角度闡述EDM和LA在高等教育中的最新進(jìn)展，目的是為機(jī)器學(xué)習(xí)領(lǐng)域從事基于數(shù)據(jù)挖掘的同行提供參考.

　　1 教育數(shù)據(jù)挖掘分類

　　EDM和LA分為四個(gè)方面：計(jì)算機(jī)支持的學(xué)習(xí)分析(computer-supported learning analytics，CSLA)、計(jì)算機(jī)支持的預(yù)測(cè)分析(computer-supported predictive analytics，CSPA)、計(jì)算機(jī)支持的行為分析(computer-supported behavioral analytics，CSBA)和計(jì)算機(jī)支持的可視化分析(computer-supported visualization analytics，CSVA).CSLA的研究主要集中在使用數(shù)據(jù)統(tǒng)計(jì)分析的方法，在課程環(huán)境中分析學(xué)生的信息搜索和協(xié)作學(xué)習(xí)行為.CSPA的研究集中在使用預(yù)測(cè)函數(shù)或連續(xù)變量改善學(xué)生的學(xué)習(xí)和表現(xiàn)以及評(píng)估學(xué)習(xí)材料的適當(dāng)性.CSBA的研究主要關(guān)注發(fā)現(xiàn)學(xué)生行為和知識(shí)模型.CSVA的研究集中在可視化探索數(shù)據(jù)(使用交互式圖表)方法上，從而突出顯示有用的信息并產(chǎn)生準(zhǔn)確的數(shù)據(jù)決策.

　　協(xié)同學(xué)習(xí) EDM和LA通常用于處理與教學(xué)策略有關(guān)的問(wèn)題，這些策略可以支持和增強(qiáng)合作學(xué)生之間協(xié)作過(guò)程，是衡量協(xié)作有效性的主要指標(biāo)，其中學(xué)習(xí)平臺(tái)中用戶活動(dòng)日志被用作推斷學(xué)習(xí)者活動(dòng)的主要工具，以適應(yīng)特定人群行為和偏好.[1]C.VieiraP[2]研究了EDM對(duì)計(jì)算機(jī)支持協(xié)作學(xué)習(xí)在會(huì)議期間學(xué)生參與的影響，對(duì)學(xué)生參與元素做了可視化，并幫助他們?cè)贑SCL中更好地進(jìn)行協(xié)作.Cerezo[3]使用慕課數(shù)據(jù)研究學(xué)生與LMS互動(dòng)模式，以幫助教師更好地了解學(xué)生的各種學(xué)習(xí)特征，從而幫助他們識(shí)別有學(xué)習(xí)困難的學(xué)生.

　　社會(huì)網(wǎng)絡(luò)分析 使用EDM和LA可以根據(jù)個(gè)人的學(xué)習(xí)活動(dòng)以及他們?cè)谖幕蜕缃画h(huán)境中共同建立的關(guān)系進(jìn)行社交網(wǎng)絡(luò)分析，包括發(fā)現(xiàn)學(xué)術(shù)合作、評(píng)估社交關(guān)系、推薦學(xué)習(xí)課程等.Duval[4]通過(guò)收集用戶行為的數(shù)據(jù)提供有關(guān)學(xué)習(xí)資源和活動(dòng)的建議.

　　自學(xué)行為 EDM和LA通過(guò)調(diào)查學(xué)生對(duì)學(xué)習(xí)資源和自我評(píng)估練習(xí)的使用情況及其對(duì)他們的表現(xiàn)影響，為在線自我學(xué)習(xí)環(huán)境提供了一個(gè)有效解決方案.[5]R.L.Rodrigues[6]根據(jù)學(xué)生解決問(wèn)題的進(jìn)度來(lái)檢查學(xué)習(xí)系統(tǒng)中的自我調(diào)節(jié)學(xué)習(xí)行為.A.Littlejohn[7]運(yùn)用EDM來(lái)預(yù)測(cè)學(xué)習(xí)者如何根據(jù)目標(biāo)設(shè)定和監(jiān)控活動(dòng)的證據(jù)將其智力能力轉(zhuǎn)化為學(xué)術(shù)技能.

　　1.1 計(jì)算機(jī)支持的預(yù)測(cè)分析(CSPA)

　　數(shù)據(jù)挖掘通過(guò)評(píng)估學(xué)習(xí)材料、學(xué)生之間參與的相互作用來(lái)增強(qiáng)當(dāng)前的教學(xué)經(jīng)驗(yàn)，降低學(xué)生的輟學(xué)率和留級(jí)率.[8]S. RizviB[9]認(rèn)為，在學(xué)習(xí)環(huán)境中使用數(shù)據(jù)挖掘技術(shù)可以發(fā)現(xiàn)大量數(shù)據(jù)中隱藏的知識(shí)和模式，并預(yù)測(cè)結(jié)果或行為.A.A.Saa[10]認(rèn)為，可以使用EDM和LA發(fā)現(xiàn)知識(shí)，幫助教師識(shí)別早期輟學(xué)的學(xué)生，并確定需要特別關(guān)注的人.

　　學(xué)習(xí)資料評(píng)估 數(shù)據(jù)挖掘?yàn)榉治龊脱芯繉W(xué)習(xí)管理系統(tǒng)數(shù)據(jù)提供了足夠的方式，以提高高等教育的質(zhì)量.T.Devasia[11]認(rèn)為，數(shù)據(jù)挖掘可用于研究影響學(xué)生表現(xiàn)的主要屬性，給學(xué)習(xí)者不同的教學(xué)支持.支持性反饋可以幫助教師了解學(xué)生對(duì)授課的反應(yīng)，從而評(píng)估課程的有效性，幫助課程設(shè)計(jì)者、教師和機(jī)構(gòu)進(jìn)行決策.

　　評(píng)估和監(jiān)督學(xué)生的學(xué)習(xí) 學(xué)生的學(xué)習(xí)評(píng)估和監(jiān)控實(shí)踐是高等教育的重要方面.學(xué)習(xí)效率考核包括評(píng)估和評(píng)估過(guò)程，這些過(guò)程可以幫助學(xué)生、教師、管理人員和高等教育機(jī)構(gòu)的決策者做出決策.當(dāng)代教育可以使用各種數(shù)據(jù)挖掘技術(shù)監(jiān)測(cè)學(xué)生的表現(xiàn)，提供各種調(diào)查分析方法，發(fā)現(xiàn)教育系統(tǒng)中隱藏的信息，以便生成評(píng)分.W.Yaacob[12-13]認(rèn)為，數(shù)據(jù)挖掘可用于識(shí)別學(xué)生行為和他們學(xué)習(xí)的方式，發(fā)現(xiàn)不良行為并進(jìn)行學(xué)業(yè)分析，預(yù)測(cè)學(xué)生的成績(jī).S.Bharara[14]使用EDM和LA分析學(xué)生的學(xué)習(xí)行為，并警告處于危險(xiǎn)狀態(tài)的學(xué)生以免他們中斷學(xué)業(yè).Salas[15]通過(guò)分析學(xué)生的行為創(chuàng)建聚類，支持科學(xué)技能的學(xué)習(xí)，以增強(qiáng)學(xué)生的科學(xué)能力，并利用從學(xué)生互動(dòng)中收集的信息為學(xué)生提供必要的幫助，以提高他們的元認(rèn)知能力.

　　推薦閱讀：可以發(fā)表學(xué)前教育論文的省級(jí)期刊