一、 引言
5G技术、人工智能、大数据、区块链、虚拟现实/增强现实(VR/AR）等新一代技术在教育领域广泛应用，以智慧教育引领着教学信息化的创新发展,带动教育教学的创新发展。国家也在2018年4月《教育信息化2.0行动计划》的发布,以及2019年2月《中国教育现代化2035》的推出，提出了信息技术与教育教学深度融合创新发展的新理念，应教育信息化2.0发展变革的趋势,智慧教学将倡导和追求学为中心、能力为先、教学创新和个性化学习的新理念[1]。
智慧教育需要大数据分析，云计算等技术对教学过程进行智能化管理，在教师、学生、管理者层面进行可视化数据分析，挖掘学习者的兴趣、学习习惯、学习能力，为教师改革教学模式、为学生提供改善学习状况、为教育管理者决策提供数据支持，用以辅助教师“因材施教”、个性化教学、全过程评价的需求。而我智慧教育体系作出巨大贡献的这些数据分析方法、技术和工具的集合诞生了一个名词——学习分析。学习分析通过采集学生过程性数据，经过学习分析技术的分析得到可视化结果，以此来了解学生的学习情况，帮助教师解决教学过程中的问题，提升教学效果。
本研究通过对混合式教学模式中的课前、课中、课后的过程，对每个教学过程进行阶段性的实时分析，同时在课堂结束后，进行全课程的分析。考虑到教学者的学习分析能力，利用简单数据分析工具实时分析，利用专业工具进行课后总体分析。
二、 构建学习分析框架模型
1、学习分析涵义
Martin与Sherin认为学习分析是一个新的学习科学方法集，通过开发工具与技术实现对学习过程与学习结果数据的抓取、存储，基于大量数据发现模式，以生成性和可利用的形式呈现这些数据，并将数据与智能化工具整合以实现学习环境的个性化与优化[2] 。从教学过程中产生的学习数据，通过数据分析技术和特定的工具，实现对学习过程的预测，干预、个性化和自适应。
2、构建基于学习分析的混合式教学模式
目前研究者讨论的两类学习分析模型，一种是过程性模，一种是框架性模型，Khailil与Ebner提出的学习分析的生命周期模型（Learning Analyitcs Lifte Cycle)，该模型包括四个主要部分，学习环境、大数据、分析，行动。本文结合上述模型，提出了基于数据分析技术的学习分析框架，如图1所示。此研究框架是以数据分析技术为主要技术手段，通过对课前，课中，课后的教学过程的数据分析，通过特定的数据分析技术和工具对整个学习过程的数据进行抓取、存储、发现学习者的学习规律，并以可视化的形式来呈现数据反映出来的规律和模式，用以优化学习环境。
图1 基于学习分析的混合式教学模式
1) 实施教学
初始条件下，学生按照教师最初的教学设计开展混合式教学，在教学过程中，分别在课前、课中、课后设计课件，讨论，作业，测验等教学活动。
2) 数据采集
数据集包含教学过程中产生的交互数据、学习轨迹、个人数据等。
3) 学习分析技术
学习分析方法主要借鉴了商务智能、网站分析、学业分析、教育数据挖掘、统计与数学方法、文本分析与语义分析、可视化技术、社会网络分析、定性分析等关键数据分析技术。
4) 优化学习环境
本文将对教学过程采取统计分析，社会网络分析，可视化技术和工具来对学习过程进行分析，从而在学习行动上，通过预测，干预，推荐等方法优化学习环境，达到为学生提供个性化、自适应的学习策略，提高教学质量和满意度。
基于学习分析的混合式教学模式是一个循环迭代的过程，一个学习分析的周期，开始于教学活动，结束于优化学习环境，他们是循环不断的过程。
三、 学习分析在混合式教学中各阶段的应用
1. 从spoc平台中采集数据
以学生的在线学习行为产生的数据为对象，用统计分析，可视化技术、相关性分型等学习分析的方法和技术作为手段来帮助教育者实时掌握学习者的学习状态。从智慧职教云平台可以获取的数据有课件学习（学习进度、评价、问答、笔记、纠错），课堂活动（考勤、参与数、课堂表现、测验平均分），作业（项目一，项目二......）,考试（考试1，考试2，考试3......）, 成绩（课件学习、课堂活动、作业、考试、学习时长、分数、结课状态）。
2. 课前学习习惯分析
课前学习主要包含课件学习，作业，考试，讨论，测验，投票，问卷调查等学习活动，通常学生参与最多的活动是课件的学习，课前预习主要以ppt、视频学习为主。根据学生观看课件的时间长短、学习时段特征，阅读通知，做测验，做问卷等的时间，分析学生的作息时间规律，教师根据学生学习习惯，在学生学习状态最好的时段，布置相关的课前预习任务，会使课前预习效果最好。
3. 课中学习行为分析
1）热词分析：
课中学习主要是教师通过混合式教学模式开展教学，课堂教学中，教师会讲解课件，发起讨论，发起头脑风暴等课堂互动。通过对互动数据如讨论数据作出分析，用热词分析方法，教师可以很容易了解到当前学生最关注的知识点，难点。如教师提出一个关于本节知识重点，难点的问题，通过spoc平台对学生答案的收集。问题的中心点就会展示在热词分析软件上，此时教师就学生的提出的热点问题做好再次讲解的工作，以提高学生的理解率。
2）社交关系分析
社交关系分析可以表示为课中，教师发起一个讨论，学生们进行主题的回复，学生之间相互讨论的情况。通过讨论数据，利用Unicet软件，生成一个社交网络关系分析图（如图2），该图可以表示学生与教师的互动热度，学生与学生之间的互动热度。根据邻接点的连接线，可以很清楚的分析出群体中的边缘人物，很少参与互动，没有讨论行为没有得到关注，而核心人物则和班级同学互动频繁。此分析结果可在后续小组活动中，选择中心人物为组长，带动其他学生参与小组讨论和作业，能有效高活动参与力度。对于边缘学生，教师应给与较多的关注，在讨论中，课堂问答中多提问边缘学生，给与更多有针对性的反馈以及实施个性化的关注策略。
图2 社交网络关系图
(3）测试分析
根据随堂测验成绩，评估学生对知识点的掌握情况。学生的在线测试成绩及格比例与高频错题的关系图，让老师看到学生对本节课知识点的掌握情况，对易错难懂的知识点进行再次讲解，若是小部分，则可单独辅导。此分析能够为老师在课堂上及时掌握学生学情状态，并立即做好策略调整，以提高课堂效率。
4. 课后评价分析
课程结束后，学生对课堂、教师、学生自己作出评价，同时发布关于本次课的问卷调查。根据评价及问卷数据，我们利用热词分析工具，了解学生对课堂、教师以及自己的满意度，学生的反馈意见及建议，及时获得学生的反馈意见。
5. 聚类分析
教师进行了混合式教学模式上课后，除了在课前、课中、课后作出的及时性的分析，还需要对学生及其学习行为做更进一步的分析。经过一段时间的学习，平台中产生较多学习行为数据，此时利用人工智能机器学习中的聚类算法，用来找出学习行为表现的属性集合，将资源访问行为、在线讨论行为、作业行为等有相似特征的学习者归为一组，挖掘出相似类型学习者类型，从而发现群体学习规律，针对不同类型的学生给出有针对性的学习策略，提高学习积极性[3]。聚类分析中，主要采用K-means聚类算法，它的工作原理是，以随机的K个对象为初始中心，将每个对象分配给与之距离最近的子聚类中心，并更新聚类中心，循环执行至终止条件[4]。此算法可以根据学生根据聚类中心点的特征和不同类别的差异，用课件学习时长、学习完成度、课堂互动、测验、作业进行聚类分析。将学生划分为敷衍了事型、完成即可型、勤奋低效型、自觉高效型学生。教师可根据不同类型的学生，有针对性的进行个性化的作业布置，比如自觉高效型布置拓展题目，敷衍了事型进行个别谈话，及时了解学生的心理动向，看是否能通过外在努力提高学生对课程的积极性等。每种类型的学生，教师都可以针对性的实施个性化的教学策略，以提高学生学习的积极性，最终帮助学生顺利通过课程的学习。
6. 学习行为与成绩的相关分析
学生的成绩和很多因素有关。比如学生作息习惯，性格，爱好与学科之间相关。衡量事物之间或者变量之间线性相关程度的强弱，并用适当的统计指标表示出来，这个过程就是相关分析。在混合式教学模式中，学生的最终成绩跟课件学习、课堂活动、作业、考试、学习时长都相关。相关性分析采用spss数据分析工具，Pearson 相关系数来做分析。Pearson相关系数是最早由统计学家卡尔·皮尔逊（Karl Pearson）提出的指标，是研究变量之间线性相关程度的量，用字母r表示，r 取值在-1 和 1之间。|r|>0.95，存在显著性相关；|r|>0.8，高度相关；0.5<|r|<0.8，中度相关；0.3<| r|<0.5，低度相关；|r|<0.3，关系极弱，认为不相关[5]。 利用该相关系数，将我们预处理好的数据导入spss工具中，生成分析结果，找出与成绩高度相关，中度相关，低度相关以及不相关的学习行为。《服务器技术》这门课程在混合式教学模式中，最终成绩与作业、学习完成度、考试成绩高度相关；与课堂活动中度相关，与学习时长无关。
四、 总结
智慧教育背景下，充分利用学习分析的技术和工具，为混合式教学模式下的教学活动呈现可视化、可利用的数据依据，使得教师在教学过程中能够及时有效的调整教学策略，为学生提供个性化的教学环境，学生得到积极有效的指导与反馈，整个教学过程都变得更加的高效。学习分析，不仅能实时的为教育者提供数据报告，促进发丝和策略调整，还能对学生学习过程以及学习成绩作出预测。随着技术的发展，学习分析将变得更加容易，不需要依赖过多的数据分析专业知识，智慧教育系统将实时呈现可视化，智能化的教学过程，帮助师生更好的开展教学活动。
参考文献：
[1]张秀梅,田甜,田萌萌,高丽芝,张学波.近十年我国智慧教学研究的演变与趋势[J].中国远程教育,2020(09):62-69.
[2]郭炯,郑晓俊. 基于大数据的学习分析研究综述[J]. 中国电化教育, 2017, (1): 121-130.
[3]韩利. 基于学习分析技术的学习改进方案探究[D].中央民族大学,2020.DOI:10.27667/d.cnki.gzymu.2020.000308.
[4]吴兴燕,曹立勇,王立平.学习分析及其数据处理技术研究[J].科技视界,2020(12):61-63.DOI:10.19694/j.cnki.issn2095-2457.2020.12.024.
[5]张芬芬. 混合式教学模式下学生学习行为分析模型构建与应用研究[D].湖北师范大学,2021.DOI:10.27796/d.cnki.ghbsf.2021.000128.
