网络英语学习者行为建模:大数据视角下的学习分析——基于20000多名学习者的数据分析.pdf
《网络英语学习者行为建模:大数据视角下的学习分析——基于20000多名学习者的数据分析.pdf》由会员分享,可在线阅读,更多相关《网络英语学习者行为建模:大数据视角下的学习分析——基于20000多名学习者的数据分析.pdf(9页珍藏版)》请在咨信网上搜索。
1、山东开放大学学报2023 年第 3 期收稿日期:2023-02-15基金项目:本文系广东省哲学社会科学“十三五”规划 2020 年度学科共建项目“基于教育数据挖掘的开放教育可视化认知模式研究”(项目编号:GD20XJY50)阶段性研究成果。作者简介:罗红卫(1966),女,博士,广东开放大学教授,研究方向:外语信息化、英语智慧学习生态、网络英语教学等。杨育均(1981),男,硕士,广东开放大学高级工程师,研究方向:教育大数据分析、在线学习系统设计与运维。傅 龙(1986),男,博士,广东开放大学实验师,研究方向:在线教学学习分析等。网络英语学习者行为建模:大数据视角下的学习分析 基于 2000
2、0 多名学习者的数据分析罗红卫,杨育均,傅 龙(广东开放大学,广东 广州 510091)摘 要:教育大数据为大规模开放教育背景下的网络英语学习行为的精细化分析提供了可能。研究从网络英语学习者的个性特征出发,发掘网络英语学习者学习偏好、学习交互、学习绩效等特点,建立由个人信息、学习方式、交互活动、学习绩效四部分组成的网络英语学习者行为模型。基于此模型,针对 24528 名网络英语学习者展开大数据分析。研究发现,经济较为发达地区的网络英语学习者平均年龄普遍降低,移动学习成为年轻一代的网络英语学习者所推崇的学习方式,且学习者更乐意接受视(音)频形式的学习内容。如何设计更具吸引力的互动话题、在线互动的
3、方式、手段以及如何加强对网络英语课程重修的学习支持仍然需要深入探讨、反思。关键词:网络英语学习;行为建模;大数据;学习分析 中图分类号:G434;H319.3 文献标识码:A 文章编号:2097-0978(2023)03-0004-09 一、引言随着云技术、人工智能等新兴技术与其他技术的空前融合,“大数据”已经得到了世界各国学术界、工业界和政府机构的高度重视。云平台数据存储技术便利了学习数据大规模存储,网络学习的大数据存储为有效地分析网络学习者学习行为提供了可能。在外语教育领域,网络英语学习人数大幅度增长。针对数量众多的网络英语学习者开展大数据视角下的学习分析,深入了解英语学习者的学习过程,探
4、究学习者的学习行为范式及其与学习结果的相互关系,运用数据阐释英语学习者的学习行为、表现、绩效,发现英语学习规律,进行英语学习评估、预测、干预,适时提供促进网络英语学习可适性建议,对于提升网络英语教学质量,加强英语教学内涵建设,具有一定的实践应用意义。二、相关研究学界针对大数据和学习分析开展了多项研究。国际上,关于大数据和学习分析的研究方向主要集中在学习分析模型、框架123456789、可视化分析工具领域101112、机器学习和大数据分析13、大数据分析技术等。穆伦纳尔(Molena-ar)对教师如何在课堂教学中使用学习分析仪表开展研究14,认为学习分析能够为教师提供实时数4据,以便实时监控学生
5、学习活动和进展情况,根据数据快速灵敏地调整干预,以达到帮助学生进步和预期学习目标。15侪(Tsai)等学者对如何将学习分析整合到实践应用中进行了研究,提出了整合学习分析的框架。16怀思(Wise)等研究教师如何使用收集的学生数据,提出了数据使用的过程模型17,主要包含意义建构和教学法回应两个关键活动。意义建构所指问题产生和数据解释,教学法回应涉及行动实施和结果检查。卡利撒(Ka-liisa)系统分析了目前较有代表性的学习分析框架,探究现有学习分析框架在学习分析过程中存在的问题和局限。18奥尔加维伯格等学者综述学习分析支持自我调节学习的相关研究,认为研究大都关注学习分析对于自我调节学习计划阶段和
6、行为表现阶段的支持,而忽略对于自我调节学习的反思。19雅尼斯迪米特里亚迪斯认为联结学习设计与学习分析是教师技术创新教学的突破口。一方面,学习分析受到学习设计理论引导,但是同时优化学习设计,为此提供基于数据驱动的方法指导。20Renz 等学者针对教育技术(EdTech)公司以及驱动和阻碍当前基于数据的教与学的影响因素展开研究。研究认为学习分析在三个层面上融入了 EdTech 公司当前的商业模式:基础学习分析、学习分析和算法(或者人为的建议)以及学习分析和基于人工智能(AI)的自适应教学。21帕索斯语(Passos)等学者基于机器学习开展研究,包括数据驱动的大数据方法,探讨大数据分析应用程序可能面
7、临的挑战。22有学者提出了一种查询数据路由树(query-data rountine,简称 qd 树)的新框架来优化大数据集查询运行方法,基于深度强化学习技术的构造算法。23在我国,关于大数据背景下学习分析的研究主要集中于综述和相关应用分析,如基于大数据的学习分析研究前沿、热点、挑战2425、大数据分析的学习者建模2627、大数据时代背景下学习分析创新教学研究282930、大数据分析技术313233、大数据技术在教育中的应用模式与实践案例。343536祝智庭认为学习分析学是教育技术发展的第三次浪潮,它的核心是通过收集、汇总、分析和呈现学习者及其相关的数据,以改善教学和干预学习过程,提高教学和学
8、习成效。37顾小清等开展大数据时代的教育决策研究,探索大数据时代发挥数据的力量与模拟优势的途径。38郑志宏等的研究发现教育大数据的技术研究热点是“学习分析”“数据挖掘”等技术。39王良周等学者在大数据和云计算技术驱动下形成的学习分析框架、应用领域和关键技术进行国内外比较研究,分析大数据创新给学习分析带来的机遇和挑战。40郭炯等从理论框架、模型研究、学习分析工具、学习分析技术基础、应用研究、面临的挑战等六大方面展开基于大数据的学习分析研究综述。41白雪梅开展学习分析与学习设计联结领域相关研究,深入分析联结学习分析与学习设计的可行性。42李振等认为我国教育大数据研究形态以模型构建为主,需要加强跨学
9、科探索性研究和大数据的常态化应用以及实证研究。43岳俊芳等研究远程学习者模型构建,认为此模型是学习大数据分析和个性化教学的核心。44杨波等开展数据科学与大数据技术课程体系的复杂网络分析的应用研究。45胡航等研究认为可以从数据采集自动化、整合预测模型、深化教育应用、统一机理、增强决策智慧化等 5 个主要方面实施和改进基于多模态数据的深度学习分析与评价。46杰勒米诺克斯等研究数据驱动的智能教育可能对教学产生的消极影响,提出“学习报告卡”项目和“关键数据与教育”课程两种数据素养教育的实证性研究案例。47杨现民等从建立教育大数据分析服务平台的总体技术架构和数据分析架构模型探究数据分析难题的解决方案。4
10、8程学旗等对大数据分析处理面临的新架构、新模式、新范式和安全可信需求开展研究,提出构建新一代大数据分析处理系统栈。49孙晨霞等对大数据技术从研究热点、研究前沿以及演进路径进行量化和聚类分析,认为大数据技术前沿的三个研究方向为大数据开发与挖掘技术、大数据分析与管理技术、大数据运维与云计算技术。50苗子清等研究大数据处理方法,构建机器学习高斯图模型,提升风险监测水平和调控能力。51陆根书等认为在高等教育领域,大数据应用需要考虑认识论、方法论、审美、技术、法律和伦理以及政治和经济方面的挑战。52然而,通过建立网络英语学习者行为模型,运用大数据视角,收集数量如此众多网络英语学习者的数据,开展英语学习分
11、析的实证研究,并不多见。三、研究方法和数据分析(一)研究方法和研究样本1.网络英语学习者行为模型网络英语学习者行为模型,是开展网络英语学习者行为大数据学习分析的基础根据。建立网5山东开放大学学报网络英语学习者行为建模:大数据视角下的学习分析络英语学习者行为模型,依据行为模型,对英语学习行为大数据进行分类、整理与呈现,有助于网络英语学习分析研究,提高学习分析效率。在这里对本研究的学习分析概念做一个说明。本研究的英语学习分析是指围绕与英语学习者学习信息相关的数据,运用网络英语学习者特征模型来解释这些数据53,根据解释的结果来探究英语学习者的学习过程和情景,发现学习规律,从而促进更加有效的英语学习。
12、54目前国际上较为有影响的学习者特征模型有铅板模型(Stereotype Model)、覆盖模型(Overlay Model)、贝叶斯模型(Bayesian Models)、微分模型(Differential Model)等。5556铅板模型注重简单描述学习者知识状态;覆盖模型认为专家知识完全覆盖学习者知识,通过将学习者的行为同专家相比较建立模型;贝叶斯模型聚焦编码知识之间的因果关系,通过学习数据分析推导学习者的知识掌握程度。微分模型是在覆盖模型基础上改进形成。针对学习者行为模型,我国许多学者开展了相关研究,但是还没有形成相对成熟的理论体系。根据教育部教育信息化技术标准研究委员会,网络学习者模
13、型标准 CELTS-11 将学习者信息分为八类:个人信息、学业信息、管理信息、关系信息、安全信息、偏好信息、绩效信息和作品集信息。57基于国内外学习者特征模型和网络学习者模型标准的研究成果,本研究从与网络英语教学紧密联系的学习者个性特征出发,着眼于大数据分析,发掘网络英语学习者学习偏好、学习交互、学习绩效等特点,建立了由个人信息、学习方式、交互活动、学习绩效四个部分组成的网络英语学习者行为模型(如图 1)。其中,个人信息所指网络英语学习者画像,主要包含年龄、地域、职业、专业、学历等内容,是用户属性;学习方式,也称之为学习风格,是学习倾向和学习策略的总和,如对内容资源呈现方式接受的偏好、学习时间
14、的选择、学习媒体的偏好等。交互活动是自主学习中重要的一个环节,包括知识讨论、信息交流等内容。学习绩效涉及学习结果、绩效等信息,包含课程目标、作业得分、考试成绩以及课程重修等内容。根据所建立的网络英语学习者行为模型,本研究对 20000 多人次的样本所在开放大学 moodle平台学习行为数据进行收集、汇总、归纳,分析和评估网络英语学习者的学习行为和学习结果。图 1 网络英语学习者行为模型 2.研究样本研究样本来自一所开放大学的网络英语学习者,分别为非英语专业本科“大学英语”网络课程大学英语 B2020 春季学期的 6294 人、2019 秋季、2020 春季学期的 14,006 人以及非英语专业
15、专科“大学英语”网络课程大学英语 1大学英语22019 春季、2020 春季学期 100,522 人。(二)数据分析网络学习平台记录了大量反映学习者学习过程的行为数据。通过数据分析技术,在这些过程数据中提取有效的信息。通过对学习者参与课程的时间、学习内容浏览、视频观看、参与教学互动情况等分析,有助于教师对在线教学过程进行针对性的干预和支持,优化在线课程的教学设计,丰富在线教学的实施手段。1.个人信息 网络英语学习者画像开放大学的学习者绝大多数一边工作一边学习,其年龄、地域、职业、专业等构成丰富。通过大数据对参与课程学习者进行用户画像,了解教学对象的基本面貌是设计网络教学活动,开展网络协作学习以
16、及实施个性化教学的必要基础。课程学习者的年龄分布。以非英语专业本科大学英语 B课程 2020 年春季学期为例,参与该课程的学习者共 6294 人。通过大数据分析,这些学习者涉及到了各个年龄段,其中最小学习者年龄 17 岁,最大的学习者年龄 59 岁。除了十八岁以下学生年龄分布较为不均衡之外,其他阶段的学生分布均符合正态分布要求(见图 2)。六千余名学习者的平均年龄为 27.71 岁,中位数为 27 岁。3%的学习对象不满 18 岁。33.8%的学习者分布在 1825 岁的年龄段之间,23.6%的学习者分布在 2630 岁之间,30.5%的学习者分布在 3140 岁之间。年龄超过 41 岁的学习
17、者占据了所有参与者的 9.9%,年龄超过 51 岁的学习者仅占所有学习者中的 0.7%。6山东开放大学学报2023 年第 3 期图 2 网络英语学习者年龄的正态分布 Q-Q 图 课程学习者的地区分布。通过大数据分析,参与非英语专业本科大学英语 B课程的学习者绝大部分分部于广东省。珠三角经济发达地区学生人数占比超过 70%,粤东地区的学习者人数普遍较少。网络英语学习者参与课程的上网设备分析。对 6294 名学习者所用过参与课程的上网设备进行分析,显示学习者最常用的上网设备为个人手机,所占比例接近 86.92%;使用电脑上网的学习者达到 60.35%;使用平板电脑进行学习的比率仅占12.58%;还
18、有极少数(0.83%)的学习者使用其它设备(见图 3)。2.学习方式 学习时间和内容浏览方式从参与网络课程学习的时间、课程文本内容和视频浏览两个方面的大数据展开对网络英语学习者学习方式的分析。(1)参与网络课程学习的时间学习者参与课程的时间分布(见图 4)。与全日制高校有所不同,开放大学的网络课程滚动开出,网络学习者自主学习,在学期规定时间内完成图 3 网络英语学习者网上学习常用设备情况课程学习和课程考核。通过对学习者参与课程的时间数据进行收集、整理,找出其中规律,能够有效实施针对性的网络英语个性化教学。以 2022 年春季学期非英语专业本科大学英语 B课程学习者为例,先以按学期维度(即月份)
19、的参与课程情况分析。数据显示,在 2022 年春季的 3 月7 月整个学习周期中,学习者登录平台完成形考测试的时间集中于 4 月到 6 月三个月份,其中 6 月份是完成课程学习的高峰期。而五一长假期间及前后是整个学习周期中除学期初和学期末外的一个低谷期。图 4 学习者参与课程的月日分布7山东开放大学学报网络英语学习者行为建模:大数据视角下的学习分析 从单日维度(即时间段)分析学习者参与课程的情况数据显示(见图 5),在单日 0:0024:00 的周期中,学习者参与课程的时间集中于9:0024:00,学习高峰处于 9:0011:00 和 14:0017:00 两个时间段,但晚上 18:0024:
20、00 时间段也有较高活跃度。图 5 学习者参与课程的时间段分布 (2)课程文本内容和视频浏览数据分析为考察学习者学习英语课程的文本内容和视频情况,本研究选择非英语专业本科大学英语B、非英语专业专科大学英语 1大学英语 2三门课程共 4 个学期的网络学习数据(见图 6)。从非英语专业本科来看,2019 秋的学习者浏览视频的数量较高于浏览文本的数量,2020 春的学习者浏览视频的数量更是远远高于浏览文本的数量,差异更为明显。纵向分析可以看出,虽然 2019秋的选课人数多于 2020 春,然而,2020 春浏览文本、视频的人数都明显高于 2019 秋的数量,而且具有不断发展的趋势。总之,数据表明,随
21、着时间的推移,人均浏览视频数高于人均浏览文本数。可以看出,相对于网页、PPT 等文本,网络英语学习者更乐意接受视频形式的学习内容。图 6 非英语专业本科“大学英语”网络课程文本和视频学习分析 从非英语专业专科来看,大学英语 1大学英语 2为同一批学习者,由于课程成绩总评未达到要求,减少一定数量的选课学生。从数据分析来看(见图 7),2019 秋、2020 春的学习者浏览视频的数量远远高于浏览文本的数量。纵向分析可以看出,2020 春浏览文本、视频的数量都较高于的2019 秋的学习者。然而,2019 秋、2020 春的学习者浏览视频、文本,都具有不断向前发展的趋势。总之,数据表明,随着时间的推移
22、,人均浏览视频数高于人均浏览文本数。同样,相对于网页、PPT等文本,非英语专业专科网络英语学习者接受视频形式的学习内容的热情更高。图 7 非英语专业专科“大学英语”网络课程文本和视频学习分析 3.交互活动 学习者参与教学互动分析实时与非实时网络研讨是网络教学一个重要的交互环节。本研究选择 2019 秋、2020 春非英语专业本科大学英语 B、非英语专业专科大学英语 1大学英语 2网络学习者发帖和回帖情况作为样本进行数据收集,分析网络英语学习者开展网络课程学习的互动情况(见图 8、9)。8山东开放大学学报2023 年第 3 期图 8 非英语专业本科大学英语学习者发帖对比情况图 9 非英语专业本科
23、大学英语学习者发帖对比情况 从数据分析可以看出,2020 春非英语专业本科大学英语 B学习者人数略低于2010 秋选课人数,但是发帖数量高于 2019 秋学习者,人均 11.1条帖子数,2019 秋人均 8.7 条。然而,2019 秋、2020春的发帖差异不显著。同样,非英语专业专科大学英语 1大学英语 2学习者,2020 春较之 2019秋,发帖数量更多,人均 11.3 条帖子数,2019 秋人均 7.2 条。2019 秋、2020 春的发帖差异较为显著。总的说来,发帖数量在一定程度上表示交互的活跃程度,发帖数量的增加说明学习者参与讨论的积极性增强,但是从数据分析来看,交互活动仍然具有提升的
24、空间,需要我们教师选择更具吸引力的互动话题和在线互动的手段。4.学习绩效 学习结果和课程重修从学习结果和课程重修情况两个方面的大数据展开对网络英语学习者学习绩效的分析。(1)学习结果的数据分析借助数据分析技术,对学习者的成绩相关数据进行分析及处理,从而掌握学习者成绩的变化规律,有利于教师进一步改革教学模式和优化课程内容,对于课程设计和教学过程中的不足与缺陷及时弥补,逐步提高教学质量。学习者成绩基本数据分析。以课程大学英语 B为例,统计分析 2019 年秋季和 2020 年春季两个学期的学习者成绩基本数据(见图 10)。可以看出,在选课人数规模近似的情况下,两个学期的及格率都接近 70%,202
25、0 年春季略高。但是从平均分来看,2019 年秋季平均分为 57.6,而 2020 年春季平均分为 67 分,平均分整整提高 10 分之多。2020 春缺考人数比 2019 秋减少一倍多。2019 秋统计成绩 0 分的 1380 人,占比 17.9%,而 2020 年春季成绩 0 分的 508 人,占比 8%。相比 2019 年秋季,2020 年春季弃学弃考的人数大幅减少。总的说来,从数据结果来看,从及格率、平均分、取得满分的人数、缺考人数方面,2020 春有明显的进步。图 10 非英语专业本科大学英语成绩基本数据分析另外,从学习者成绩区间段分布数据的分析来看,以课程大学英语 B2019 年秋
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 网络 英语 学习者 行为 建模 数据 视角 学习 分析 基于 20000
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。