学习分析技术综述.docx

学****分析技术综述
一、学****分析技术的起源与发展
学****分析是一个新兴的、正在发展的学科,是技术促进学****研究中增长最快的领域之一,也是当前的研究热点。美国新媒体联盟与美国高校教育信息化协会主动学****组织合作“新媒体联盟地平线项目(The New Media Consortium's Horizon Project)”的 2010 年度和2011年度报告中,预测基于数据的学****分析技术将在未来的四到五年内成为主流,并对学****分析技术在教学、学****研究和知识生成等方面所具有的作用进行了分析,勾勒了其广泛的应用前景。近年来,在教育技术领域,学****分析逐渐成为了迅速发展的新热点之一。我们可以看出,各种学****技术系统中己经获取并储存了大量的学****者学****行为数据,而且这些学****行为的数据还在迅速增加,这就急迫需要一种新的技术对这些数据进行分析, 为改进学****实践、增强学****效果提供依据。尽管在传统教学过程中也能够评估学生的成绩、分析教学过程,从而提高教学的质量,但是所采集的数据往往不够充分,信息化程度较低,而且分析结果用于干预教学的周期过长,效果不明显。因此,学****分析技术逐渐浮现出来,并受到越来越多的关注。[1]
二、学****分析技术背景
在学****分析概念形成之前,相关方法、技术和工具都已经发展起来了。学****分析从一系列研究领域汲取技术,如数据统计、商业智能(Business Intelligence)、网页分析(Web Analytics)、运筹学(Operational Research)、人工智能(AI)、教育数据挖掘(EDM )、社会网络分析、信息可视化等。数据统计历来作为一个行之有效的手段用来解决假设检验问题。商业智能以数据仓库、联机分析处理、数据挖掘等技术为基础,从不同的数据源中提取数据,将之转换成有用的信息,它与学****分析有相似之处,但它历来被定位于通过可能的数据访问和绩效指标总结使生产更高效。网页分析工具,如Google analytics通过网页访问量,与互联网网站、品牌等的关联做出报告,这些技术可以用来分析学生的学****资源(课程,材料等)以追踪学生的学****轨迹。运筹学通过设计优化数学模型和统计方法使目标最优化。人工智能和数据挖掘中的机器学****技术建立在数据挖掘和人工智能方法上,它能够检测数据中的模式。在学****分析中的类似技术可用于智能教学系统,以更加动态的方式对学生进行分类而不是简单地进行人口统计分类,可以通过协同过滤技术对特定的资源建立模型。社会网络分析可以分析出隐含的人与人(如在论坛上的互动)和外显的人与人(如朋友或者关注对象)之间的关系,在学****分析中可用于探索网络集群、影响力网络、参与及不参与状况。信息可视化是很多分析的重要一步(包括上面列出的那些分析方法),它可以用来对所提供的数据进行意义建构,John Tukey1977年在他的《探索性数据分析》一书中给我们介绍了如何更好地利用信息可视化,Turkey强调使用可视化的价值在于帮助在形成正式的假设之前做检验。以上这些学****分析技术都可以对大量数据进行分析和处理,形成分析报告为教育提供帮助。[2]
三、国内外研究现状
2011年2月底,首届“学****分析技术与知识国际会议”在加拿大的阿尔伯达省班芙市举行,主题之一就是学****分析技术。美国新媒体联盟发布的2010年度和2011年度《地平线报告》均预测学****分析技术将在未来