基于教育数据的学习分析工具的功能探究木 牟智佳 武法提 哺讯作者 １．江南大学教育信息化研究中心，江苏无锡２１４１２２； ２．北京师范大学教育技术学院，北京１００８７５） 摘要：设计能够支撑有效教学的学习分析工具，是学习分析研究过程中的一个重要环节，也是实现因学定教的 技术保障。文章首先分析了国内外学习分析工具的研究现状，并针对已有学习分析工具存在的问题，进行了学 习分析工具的功能需求调查与分析。随后，文章以一线教与学的需求为设计驱动，设计了面向学生端和教师端 的学习分析工具的功能原型。最后，文章以现有的教育云服务平台为技术支撑，对学习分析工具的功能进行技 术实现，以期为精准教学的开展提供工具支持。 关键词：教育数据；学习分析工具；行为数据；功能原型；可视化 【中图分类号】Ｇ４０－０５７【文献标识码】Ａ【论文编号】１００９－－８０９７（２０１７）１ｌ—．０１１３＿＿＿０７ ＫＤＯＩ］１０．３９６９／ｊ．ｉｓｓｎ．１００９．８０９７．２０１７．１１．０１７ 随着信息技术和云计算的快速发展，个人笔记本、平板电脑、智能手机日渐普及，基于教 育云的网络学习平台得到广泛的应用，形成了“一云四屏”的信息化态势，即基于教育云服务 平台，学习者可以通过台式机、笔记本、平板电脑和智能手机进行无缝学习。网络学习平台为 学习者开展数字化学习提供了技术支撑，在学习者使用的过程中会记录其大量结构化、半结构 化及非结构化的个人学习信息，进而产生大数据。而基于大数据的学习分析能够依据学习者的 学习行为分析其知识基础和认知能力，进而为其提供个性化的学习内容和资源，促进其个性化 发展Ｌｌ儿 。当前学习分析的发展正由大数据分析走向有意义数据分析，通过整合不同类型的数据 对学习者进行行为测量分析，以更精确地定位学习特征、预测学习结果，为后续的学习干预提 供准确的数据支撑Ｌ３Ｊ。本研究旨在通过调研，分析教师和学习者对学习分析工具的功能需求，设 计学习分析工具原型并进行功能实现，为实现因学定教和精准教学提供工具支持。 一国内外学习分析工具的研究现状 目前，国外针对学习分析工具的设计与应用较多。如Ｄｙｃｋｈｏｆｆ Ｊ从不同视角，对相关分 析工具的功能和分析内容进行了总结，发现已有分析工具在分析对象上涉及学习者个体、群组、 课程、内容和教师，在分析数据源上包括学习者生成数据、学习情境数据、学习档案、评价数 据、与课程相关的表现和课程元数据，在分析学习内容上包括课程学习内容、作业与考试、课 外资源、互动交流和学习预警等；Ａｌｉ等 Ｊ采用语义技术和本体论框架，设计开发了一个对学习 活动和结果进行反馈的学习分析工具，认为反馈类型包括个人课程学习信息、学生测验、学生 参与讨论和学习模块访问统计；Ｖｅｒｂｅｒｔ等【６】设计了一个学习分析仪表盘，它以一种可视化方式 呈现学习者的学习过程和活动，以帮助学习者改善学习效果、产生积极有效的学习行为。 在学习分析工具的比较研究方面，孟玲玲等Ｌ７Ｊ对当前学习分析领域中可用的学习分析工具进 行了综述，并根据各学习工具所侧重的分析对象和类型进行了分类，为后续学习分析工具的设 计与开发提供了有益的参照；穆肃等【８］对英国的学习与绩效技术中心于２０１２年发布的前１００种 学习工具类型分布、排名变化和新入选工具进行了分析，发现这些工具不仅注重支持社会性学 １ １ ３ ｌ Ｉ 习和群体学习，也注重网络中个人学习过程的知识管理和社会性知识共享。 基于上述分析，本研究认为已有的学习分析工具存在以下问题：①学习分析工具重行为数 据结果分析、轻学习活动过程和结果分析。已有的学习分析主要是对行为数据结果（如学习时 长、学习次数、论坛中发帖数量、考试结果等）进行分析，这些都是行为数据结果导向，而非 学习活动行为导向。因此，研究者应基于基础数据，形成面向不同学习活动中心和活动内容的 有意义学习分析指标。②缺少有效的个性化分析模型来指导学习分析工具的功能设计。目前， 研究者设计学习分析工具的功能时主要通过搜集和分析学习者的基本学习数据信息，缺少有针 对性的教育理论和分析模型作为理论指导［９Ⅱ 】。因此，在设计学习分析工具之前，研究者需要 构建学习分析模型来指导其功能设计。 二学习分析工具的功能需求调查与分析 在调研之前，本研究结合文献内容分析和访谈分析，构建了包含学习体征分析、学习内容 分析、学习行为分析和学习结果分析等四个过程、以数字化学习环境为支撑的个性化学习分析 模型［１１］，为学习分析工具的设计和学习行为的分析提供了理论依据。在工具平台支撑上，以设 计开发的教育云服务平台为基础一一该平台包括学习日历、课件点播、测评考试、答疑、在线 阅读、资源下载等课程学习功能，能够支持学生的课堂和课后自主学习，为中小学教育场景提 供“云＋端”模式的教学支持服务ｌｌ 。此外，本研究还采用问卷调查法，于２０１５年对东部、中 部和西部区域中部分中小学校的学生进行了网络问卷调研，回收问卷３０９份，其中有效问卷２７４ 份，有效率８８．７％。通过问卷调研了解学习者对学习分析工具中一些功能的认可度和需求，可 为后面学习分析工具的功能设计提供现实需求支持。 １问卷调研 问卷内容包括基本信息、功能分析、综合调查等三个部分。其中，基本信息部分包括性别、 省份、学校、年级等信息，共４个题项；功能分析部分包括感知有用和易用、学习过程分析、 可视化分析、学习评价和预测等四类指标，共２２个题项；综合调查部分包括未涉及的功能需求 和个性化学习分析信息填写，共２个题项。本研究通过网络方式开展调查，回收问卷３０９份； 删除题项填答不全、所有选项填答一致等无效问卷之后，共获得有效问卷２７４份，有效率８８．７％。 在问卷信度分析上，Ｃｒｏｎｂａｃｈ’ＳＡｌｐｈａ值为０．９０５，Ｇｕｔｔｍａｎ Ｓｐｌｉｔ—Ｈａｌｆ系数为０．８０１，说明整 份问卷的内在和外在均具有较高的可靠性；在问卷效度分析上，本研究主要进行了建构效度的 分析，问卷因素解释总变方差的分析结果显示：四个因素转轴前的特征值分别为７．５１４、１．８４９、 １．４５３、１．２３３，转轴后的特征值分别为４．７５１、３．１４３、２．２９１、１．８６４，累计解释总方差量为５７．３７８％， 己达到５０％以上的标准，表明保留四类指标是适切的。上述分析表明，问卷题项能够有效地反 映各分析指标。 ２调查问卷的描述性统计分析 为了了解学习者对不同分析指标的态度倾向，本研究对问卷中的四类指标进行了描述性统 计，结果如表１所示。表１显示，在总和与均值上，学习评价和预测是较多学习者需要的分析 功能；可视化分析在整体上也表现出较大的需求量；感知有用和易用虽然均值较低，但在当前 教育平台和软件盛行的背景下，该功能已作为学习工具的基本特性而存在，以保证学习者获得 较好的学习体验。在偏度分析上，感知有用和易用、学习评价和预测这两个指标的绝对值较 高，说明学习者普遍认同其分析内容。在峰度分析上，感知有用和易用的指标值较高，说明学 ｌ１４ Ｖ ｝．２７ Ｎｏ．¨２０１７ 习者的需求态度意向较为集中稳定，而学习评价和预测、可视化分析的指标值也反映出学习右 对这两方面有集中需求。 表１ 问卷分析指标的描述性统计 分析指标 总和 均值 标准误 标准差 方差 偏度 峰度 ｌ感知有用和易用 １０１６．４０ ３ ７ｌ０ 学习过程分析 可视化分析 ．０３８ ．０４１ ．０４５ ．６２１ ．６７６ ．７３９ ３８６ ．．９５８ ２．０２６ ．４５７ ．５４６ ｌ０１８．５７ １０６３．７５ ３．７１７ ３ ８８２ 一．５３６ ．９４２ 一．６９９ １ １２５ 学习评价和预测 １０６６．６０ ３．８９３ ．７６３ ．７６３ ．５８２ 一．８０ｌ １ ３４０ ３学习分析工具的功能需求总结 （１）面向学习者的功能需求总结 通过前文对学习者相关学习分析工具功能的态度意向分析，本研宄得出以下结论：①在感 知有用和易用上，要提供与学习结果分析相关的功能，并确保工具界面简洁、清晰；②学习哲 对学习过程分析功能和可视化分析功能的需求较为一致；③进行学．．＝＝．Ｊ分析工具的可视化设计时， 应及时呈现学习者当前的学习进度（即学习目标的完成度），同时提供多种方式的分析结果（如 基于时间的分析结果、基于学习目标的分析结果、基于问题的分析结果等）；④学习者对学爿评 价和预测功能表现出较大的需求：⑤进行学习评价和预测功能的设汁时，既要对学习者已学的 内容进行动态评价，又要对学习结果进行预测。 （２）面向教师的功能需求分析 为了了解教师对学习分析工具的功能需求，本研究对ＬＩＪ东省青岛第－２中学电子书包实验学 科的９名教师进行了访谈，访谈结果显示，教师所需的学习分析功能１｛三要包括以下方面：①学 习者在学习活动中的活跃度，如学习者在讨论答疑、合作学习中的活跃度情况分析；②学习结 果统计可视化，即主要对考试结果、练习题进行统计分析，并通过图表形式对分析结果进行可 视化输出；③学习任务完成度监控，即主耍对学习者课前自主学习时需要观看的微视频、提出 的知识疑问、浏览的学习资源等进行完成度监控，以了解学习者的学习：Ｉ犬态；④学习活动过程 评价，即主要对学习者参与的学习活动进行得分转换，形成自动评价得分，从而实现对学习者 的综合评定。由此可见，教师主要想了解学习者在课前学习任务和课中学习活动中的参与嗖、 完成度以及评价得分，形成对学习过程的动态监控，并以可视化形式埘学习分析结果进行输ｆ¨。 三学习分析工具的功能原型设计 根据前文对学习分析工具的功能需求调查与分析，结合现有的教育云服务平台功能，本研 究将学习分析工具的功能分为教师端和学牛端，并采用Ｍｏｃｋｕｐｓ工具设计各部分功能原型。其 中，学生端主要对学习者的学习活动参与和结果进行分析反馈，帮助学习者了解个人的学习情 况；教师端则主要对班级的学习结果进行分析，帮助教师了解学习着在活动参与、瓦动交 流和测评等方面的情况，了解学习群体差异和学习成绩变化，从而为教学策略的调整和学习活 动的设计提供数据支持。 １基于学生端的学习分析功能设计 （１）课件点播模块 课件点播模块主要从学习时长、进度、Ｈ标掌握、目标得分等疗胙汀，对交互式电子教材、 １ １气 微视频、数字课程和网络视频等不同类型的数字课件进行统计，如图ｌ所示。在计分转换方 面，将学习时长、进度、目标掌握、目标得分在课前按权重进行设定，根据学习者的实际参与 情况进行统计，并折合权重计算后作为学习模块得分。 ．ｆ￣ ，６ｏ．９２ －聱薯蠹曼曼舅醚鲻鞲曩毯 慧骨蠢■特翻，矗■十一壤露分Ｉ｝■曩■计 ■毫・ １．０ 曩肌１■噼点翻Ｎ１名■ｌ盼。托ｒ－铷ｌ；疆 嚣 砖 跫 ■啊啊■—聃瓣需 ■■●鳓嘲啊群强■■■■■■一 辫 瓣 霸■■■■■啊■蕊《ｌ蓐譬曜舜则 —ｑ■磷鞲 ■啊圈墨啊 ■■ 事霉时长 谴矗 ，’■ｌ，Ｏ 邑掌冉謇十矗：２ ’ 懈 １ｏｏ ５ ２ Ｓ ２ 鼙替－＇噼瞄特 ●十鼍重盎计２恃 ■桴ｔ一 日捧曩分 ■■十蠹，５ 目标膏分：２ｏ １ ’ ＇∞ １００ 袖 ２ｏ ５ｏ ２ｏ 一十ｍｗｌ￣－ｉＯ￣ ． 重量蛆 ㈧谭件１名｝ ；樗分：２ｏ 蔼 骤疆粥 礴 —暖麓 ■■嘲 ■●粥 ■豳——■鼎鄂蹿 ——霸错黼鼯瓢霹嘲勰 ＊ Ｉ嘲：■ｊ 冉掌马■ｔ・■■・■●ｌ■・■●■叠●叠覆■ 算蠢采・ 事 时＊ 遵鏖 骨■ｌ１Ｏ 已 一謇十羹；２ ＇ １ １舶 １００ 皇 ２ ５ ●静－● 聃 一十毫一点诗２甘 簟螺霉薯 ■棒■静 薯棒十ｔ：Ｓ ｎ尊■劈：２ｏ １ １００ １００ 舶 ２０ ∞ ２０ 一十曩锥诗＇Ｏ野 重量匿量 （ 谭件节点诸捧得分：１ｏ ７５ ＠慷件节点２名符得分： ｏ ⑨谭件２名称弭分：２０ ７５ 图ｌ基于学生端的课件点播模块分析 （２）测评与考试模块 测评与考试模块主要对学习者参加练习与考试的名称、考试次数、得分等进行统计，以帮 、ｌＪ，Ｉ、，ｌ、－一、 助学习者了解考试情况和知识的薄弱点，并将错误题目加入错题本，方便以后的复习和巩固。 ●一鲥Ｉ÷量 弹●●对时出、．●制．．蚕榭ｔ． 互动交流模块主要对学习者在交流论坛中的提问数、回答数、回复数、精选问题数和精选 ｜ｈ分曩啦碱 ：（３）互动交流模块 、覆舒．簧不 ：謦再爵■ 问题数等进行统计，并将统计结果按权重比例进行计分，以帮助学习者了解得分和参与情况。 几上■ （４）资源下载模块 对★丑 一手●录 资源下载模块主要对不同类型的资源按操作方式、时间、浏览数、下载数、重要程度和热 门度进行统计，以帮助学习者了解当前的热门学习资源，并筛选出需要的学习资源。 ２基于教师端的学习分析仪表盘设计 （１）学习平台使用分析 学习平台使用分析主要对学习者登录平台的次数和使用时间、学习模块的访问和热门资源 的下载进行统计。其中，在登陆次数上，主要对不同时间段学习者登陆平台的次数进行统计， 以了解学习者日常参与平台学习的情况；在使用时间上，主要对不同时间段学习者的在线学习 时间进行统计，并设定固定时间无操作自动退出功能，以了解学习者的在线学习时间投入度； 在学习模块访问上，主要对不同学习模块的总访问时间按百分比进行统计，以了解学习者相关 各模块的学习情况；在热门资源下载上，主要对不同类型学习资源的下载量进行分析，以了解 学习者关注的资源类型和主题。 ｌ１６ ≥－ ｌ （２）学习活动分析 Ｖｏ１．２７Ｎｏ．１１ ２０ｌ７ 学习活动分析主要对学习者参与学习活动和学习模块的活跃度进行分析。根据学习者的往 线学习时间，本研究将学习活动活跃度分为非常活跃、活跃和不活跃三种类型，以了解学习苔 整体参与学习活动的情况。而对学习模块活跃度的分析十要是指对不同模块的学习时间进行统 计，了解模块学习时间的变化趋势，从而进一步了解学习者的活动参与取向。 （３）学习交流分析 学习交流分析主要对学习者住论坛中的互动情况进行统计。对每日互动交流的分析是指对 学习者的提问数、回答数、回复数、精选问题数和推荐回答数进行统计，以了解学习者整体参 与互动交流的情况。此外，通过统计，互动交流排行榜 会 示每日在提问数、回答数和同复 数位居前三名的学习者，可以帮助教师快速获得参与度较高的学习耆信息。 （４）学习成绩分析 学习成绩分析主要对学习者个人和群体的成绩水平进行分析。在学习成绩分布上，梭分数 段对班级学习成绩分布进行分类，以了解学习者的成绩分布；在学习模块得分上，对不旧学 模块的平均分、最高分和最低分进行统计，以了解学习者存不同学习模块的差异程度；存学 成绩变化上，对学习者参与不同类型的测评成绩变化进行分析，以了解每个学习者的学习表现 趋势：在学习成绩排名上，按成绩高低进行排名，以了解每个学习瞢往班级中所处的成绩层级。 四学习分析工具的功能实现 １基于学生端的电子档案袋分析功能的实现 学生端主要通过电子档案袋对学习者的学习过程行为与得分情况进行统汁反馈，如图２所 示。图２展示的是一名学习者在高一语文课程的学习过程中 电子教材学习、微视频学 、作 业与考试方面的得分。其中，知识学习部分包括课件内容的学爿时长、权重和得分，考试洲评 部分则包括是否参加考试、考试次数和得分。 古董黄 ＿．Ｊ曩幛 嘲Ｉ 蔫～．ｊ 电子靠 ■麓；々 — ９ｊｆ峰 礴对 二＝ 霞■．． ｔｌ南 ． ●离母． 得舒壶§十薅峙臻听言咄。｝ 目嘲ｉ№ 羊习ｅ什∈ｌ１空ｌ ｎ毂晦暗ｅ 时”ｏ ・璃一语文靛ｌｌ 井 撙时． ・ ・ 橙■．． ■撵诂． 同年辩拳 ’磷～瘩 埔臻女辑盐与疃 垮好 痒打 一’ 橙●． ●窟 目 ■瞄 碗秘 酋皇 皇试７】 ｔ荐●加觏ｔ 置 镯 蹦，船 图２学习者的生学习过程行为与得分 １ ｌ ７ ２基于教师端的学习情况分析功能的实现 （１）以知识学习为中心的学习过程数据 学习过程数据包括数字课件学习数据和学习资源下载记录数据两类。其中，数字课件学习 数据包括电子教材和微视频的学习时长、学习次数、目标完成数、通过目标数；学习资源下载 记录数据则包括资源下载数、收藏数、操作时间和方式，点击某一学习资源，便可以查看学习 者关此学习资源的下载记录。将数字课件学习数据和资源下载记录数据相结合，可以初步判断 学习者对知识学习的掌握情况。 （２）以测评考试为中心的评价过程数据 评价过程数据包括学习者的测评记录、题目正确率、选项分布统计、成绩统计和分数段分 布。通过单题中的选项分布统计，教师可以查看学习者在选项分布上的统计比例，同时查看选 项分布中的学习者姓名。单题统计功能可以帮助教师了解每道题目的测评人数和正确率，特别 是在理科测评题目中，每道题的选项代表不同思维方式的计算结果，故单题统计功能还有利于 教师了解学习者可能采用的计算方式，从而帮助在该知识点上存在迷思的学习者疏通分析思路。 （３）以异步交流为中心的互动过程数据 互动过程数据包括学习者在论坛中的提问数、回答数、回复数、精选问题和推荐回答数， 并按权重比例转化成学习得分。 （４）以学习者为中心的学习活动数据 学习活动数据对学习者在各个学科中的整个学习活动过程进行记录和评价，可查看每个学 习者的学习档案，包括微视频学习、互动交流、测评考试等学习记录，并将模块学习情况转化 成模块得分，最后得出学习总分。学习活动数据与学生端的电子档案袋统计数据保持一致。 （５）以学习模块为中心的学习结果数据 学习结果数据以模块为单位，对学习者在课件点播、测评考试、互动答疑中的学习数据进 行统计，并转换成模块得分，便于了解学习者在各学习模块中的得分和参与情况。 五结语 学习分析通过对学习者产生的学习活动数据进行收集、分析并生成报告，可进一步优化学 习过程、改善学习成效；学习分析工具则作为学习分析理论在实践中的应用体现，为数据的搜 集和可视化输出提供了重要的技术支持。本研究通过调研，分析了一线师生对学习分析工具的 功能需求，设计出满足学生端和教师端需要的学情分析功能，并结合现有的教育云服务平台进 行技术实现。后续研究将依托整合学习分析工具的云平台，在翻转课堂理念的指导下，探索课 前学情分析、课上精准教学的新型教学模式，以打造能够开展差异化教学的高效课堂。 参考文献 ［１］Ｄａｎｉｅｌ Ｂ．Ｂｉｇ ｄａｔａ ａｎｄ ａｎａｌｙｔｉｃｓ ｉｎ ｈｉｇｈｅｒ ｅｄｕｃａｔｉｏｎ：Ｏｐｐｏｒｔｕｎｉｔｉｅｓ ａｎｄ ｃｈａｌｌｅｎｇｅｓ［Ｊ］．Ｂｒｉｔｉｓｈ Ｊｏｕｒｎａｌ ｏｆ Ｅｄｕｃａｔｉｏｎａｌ Ｔｅｃｈｎｏｌｏｇｙ，２０ １ ５，（５）：９０４－９２０． ［２］Ｄａｗｓｏｎ Ｓ，Ｍｉｒｒｉａｈｉ Ｎ，Ｇａ￣ｅｖｉ６ Ｄ．Ｉｍｐｏｒｔａｎｃｅ ｏｆ ｔｈｅｏｒｙ ｉｎ ｌｅａｒｎｉｎｇ ａｎａｌｙｔｉｃｓ ｉｎ ｆｏｒｍａｌ ａｎｄ ｗｏｒｋｐｌａｃｅ ｓｅｔｔｉｎｇｓ［Ｊ］ Ｊｏｕｒｎａｌ ｏｆ Ｌｅａｒｎｉｎｇ Ａｎａｌｙｔｉｃｓ，２０ ｌ ５，（２）：１—４． １ｌ８ ｌ［）Ｉ ｌ ［３］Ｍｅｒｃｅｒｏｎ Ａ，Ｂｌｉｋｓｔｅｉｎ Ｐ，Ｓｉｅｍｅｎｓ Ｇ Ｌｅａｒｎｉｎｇ ａｎａｌｙｔｉｃｓ：Ｆｒｏｍ ｂｉｇ ｄａｔａ ｔｏ ｍｅａｎｉｎｇｆｕｌ ａｔｄａ［Ｊ］．Ｊｏｕｒｎａｌ ｏｆ Ｌｅａｒｎｉｎｇ Ａｎａｌｙｔｉｃｓ，２０ １ ５，（３）：４－８． 【４］Ｄｙｅｋｈｏｆｆ Ａ Ｌ，Ｌｕｋａｒｏｖ Ｖ Ｍｕｓｌｉｍ Ａ，ｅｔ ａ１．Ｓｕｐｐｏｒｔｉｎｇ ａｃｔｉｏｎ ｒｅｓｅａｒｃｈ ｗｉｔｈ ｌｅａｒｎｉｎｇ ａｎａｌｙｔｉｃｓ［Ａ］．Ｄａｗｓｏｎ Ｓ， Ｈａｙｔｈｏｒｎｔｈｗａｉｔｅ Ｃ，Ｓｈｕｍ Ｓ．ｅｔ ａ１．Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ ｔｈｉｒｄ ｉｎｔｅｒｎａｔｉｏｎａｌ ｃｏｎｆｅｒｅｎｃｅ ｏｎ ｌｅａｒｎｉｎｇ ａｎａｌｙｔｉｃｓ ａｎｄ ｋｎｏｗｌｅｄｇｅ［Ｃ】．Ｎｅｗ Ｙｏｒｋ：Ａｓｓｏｃｉａｔｉｏｎ ｆｏｒ Ｃｏｍｐｕｔｉｎｇ Ｍａｃｈｉｎｅｒｙ，２０１３：２２０・２２９． ［５］Ａｌｉ Ｌ，Ｈａｔａｌａ Ｍ，Ｇａ￣ｅｖｉ６ Ｄ，ｅｔ ａ１．Ａ ｑｕａｌｉｔａｔｉｖｅ ｅｖａｌｕａｔｉｏｎ ｏｆ ｅｖｏｌｕｔｉｏｎ ｏｆ ａ ｌｅａｒｎｉｎｇ ａｎａｌｙｔｉｃｓ ｔｏｏｌ［Ｊ］．Ｃｏｍｐｕｔｅｒｓ＆ Ｅｄｕｃａｔｉｏｎ，２０ １ ２，（１）：４７０－４８９． ［６］Ｖｅｒｂｅｒｔ Ｄｕｖａｌ Ｅ，Ｋｌｒｅｋｘ Ｊ，ｅｔ ａ１．Ｌｅａｒｎｉｎｇ ａｎａｌｙｔｉｃｓ ｄａｓｈｂｏａｒｄ ａｐｐｌｉｃａｔｉｏｎｓ［Ｊ］．Ａｍｅｒｉｃａｎ Ｂｅｈａｖｉｏｒａｌ Ｓｃｉｅｎｔｉｓｔ， ２０１３，（１０）：１５００—１５０９． ［７】孟玲玲，顾小清，李泽．学习分析工具比较研究［Ｊ］．开放教育研究，２０１４，（４）：６６．７５． ［８】穆肃，郭鑫．学习工具发展的“风向标”——基于对２０１２年ＴＯＰ１Ｏ０学习工具变化趋势分析［Ｊ］．现代远程教育研 究，２０１４，（１）：４２—４８． 【９］Ｇａ￣ｅｖｉ６ Ｄ，Ｄａｗｓｏｎ Ｓ，Ｓｉｅｍｅｎｓ Ｇ Ｌｅｔ’Ｓ ｎｏｔ ｆｏｒｇｅｔ：Ｌｅａｒｎｉｎｇ ａｎａｌｙｔｉｃｓ ａｒｅ ａｂｏｕｔ ｌｅａｍｉｎｇ［Ｊ］．ＴｅｃｈＴｒｅｎｄｓ，２０１５，（１）：６４－７１． ［１０］Ｍａｒｔｉｎｅｚ—Ｍａｌｄｏｎａｄｏ Ｒ，Ｐａｒｄｏ Ａ，Ｍｉｒｒｉａｈｉ Ｎ，ｅｔ ａ１．ＬＡＴＵＸ：Ａｎ ｉｔｅｒａｔｉｖｅ ｗｏｒｋｆｌｏｗ ｏｒｆ ｄｅｓｉｇｎｉｎｇ，ｖａｌｉａｔｄｉｎｇ ａｎｄ ｄｅｐｌｏｙｉｎｇ ｌｅａｒｎｉｎｇ ａｎａｌｙｔｉｃｓ ｖｉｓｕａｌｉｓａｔｉｏｎｓ［Ｊ］．Ｊｏｕｒｎａｌ ｏｆＬｅａｒｎｉｎｇ Ａｎａｌｙｔｉｃｓ，２０１５，（３）：９・３９． ［１１】武法提，牟智佳．电子书包中基于大数据的学生个性化分析模型构建与实现路径［Ｊ］．中国电化教育，２０１４，（３）：６３—６９． ［１２］Ｗｕ Ｆ Ｍｏｕ Ｚ Ｊ．Ｔｈｅ ｄｅｓｉｇｎ ａｎｄ ｄｅｖｅｌｏｐｍｅｎｔ ｏｆ ｅｌｅｃｔｒｏｎｉｃ ｓｃｈｏｏｌｂａｇ ｓｙｓｔｅｍ ｂａｓｅｄ ｏｎ ｅｄｕｃａｔｉｏｎａｌ ｃｌｏｕｄ ｓｅｒｖｉｃｅ ｐｌａｔｆｏｒｍ［Ａ］．ＣｈｅｎＧＫｕｍａｒＶＫｉｎｓｈｕｋ，ｅｔａ１．Ｅｍｅｒｇｉｎｇｉｓｓｕｅｓｉｎ ｓｍａｒｔｌｅａｒｎｉｎｇ［Ｃ］．Ｂｅｒｌｎ：ＳｐｒｉｉｎｇｅｒＨｅｉｄｅｌｂｅｒｇ，２０１５：３１３—３ｌ９． Ｒｅｓｅａｒｃｈ ｏｎ ｔｈｅ Ｆｕｎｃｔｉｏｎ ｏｆ Ｌｅａｒｎｉｎｇ Ａｎａｌｙｔｉｃｓ Ｔｏｏｌｓ ｂａｓｅｄ ｏｎ Ｅｄｕｃａｔｉｏｎａｌ Ｄａｔａ ＭＯＵ Ｚｈｉ￣ｉａ ＷＵ Ｆａ．ｔｉ Ｉ 。 ｐ。“ ‘“ｇ ” 。ｒ１ ｛１．Ｒｅｓｅａｒｃｈ Ｃｅｎｔｅｒｆｏｒ Ｅｄｕｃａｔｉｏｎａｌ Ｉｎｆｏｒｍａｔｉｚａｔｉｏｎ．Ｊｉａｎｇｎａｎ Ｕｎｉｖｅｒｓｉｔｙ，Ｗｕｘｉ．Ｊｉａｎｇｓｕ．Ｃｈｉｎａ．２１４１２２； ２．ＳｃｈｏｏｌｏｆＥｄｕｃａｔｉｏｎａｌ Ｔｅｃｈｎｏｌｏｇｙ，ＢｅｉｊｉｎｇＮｏｒｍａｌ Ｕｎｉｖｅｒｓｉｔｙ，Ｂｅｉｊｉｎｇ，Ｃｈｉｎａ，１００８７５） Ａｂｓｔｒａｃｔ：Ｄｅｓｉｇｎｉｎｇ ａ ｌｅａｒｎｉｎｇ ａｎａｌｙｔｉｃｓ ｔｏｏｌ ｔｈａｔ ｃａｎ ｓｕｐｐｏｒｔ ｅｆｆｅｃｔｉｖｅ ｔｅａｃｈｉｎｇ ｉｓ ａｎ ｉｍｐｏｒｔａｎｔ ｌｉｎｋ ｉｎ ｔｈｅ ｒｅｓｅａｒｃｈ ｐｒｏｃｅｓｓ ｏｆ ｌｅａｒｎｉｎｇ ａｎａｌｙｔｉｃｓ ａｎｄ ｔｈｅ ｔｅｃｈｎｉｃａｌ ｓｕｐｐｏｒｔ ｆｏｒ ｔｈｅ ｒｅａｌｉｚａｔｉｏｎ ｏｆ ｉｎｓｔｒｕｃｔｉｏｎ ｂａｓｅｄ ｏｎ ｌｅａｒｎｉｎｇ．Ｆｉｒｓｔｌｙ，ｔｈｉｓ ｐａｐｅｒ ａｎａｌｙｚｅｄ ｔｈｅ ｒｅｓｅａｒｃｈ ｓｔａｔｕｓ ｏｆ ｌｅａｒｎ ａｎａｌｙｔｉｃｓ ｔｏｏｌｓ ａｔ ｈｏｍｅ ａｎｄ ａｂｒｏａｄ ａｎｄ ｉｎｖｅｓｔｉｇａｔｅｄ ｔｈｅ ｆｕｎｃｔｉｏｎａｌ ｒｅｑｕｉｒｅｍｅｎｔｓ ｏｆ ｔｈｅ ｌｅａｒｎｉｎｇ ａｎａｌｙｔｉｃｓ ｔｏｏｌ ｂａｓｅｄ ｏｎ ｔｈｅ ｐｒｏｂｌｅｍｓ ｅｘｉｓｔｉｎｇ ｉｎ ｔｈｅ ｐｒｅｓｅｎｔ ｌｅａｒｎｉｎｇ ａｎａｌｙｔｉｃｓ ｔｏｏｌｓ．Ｔｈｅｎ， ｔｈｉｓ ｐａｐｅｒ ｄｅｓｉｇｎｅｄ ｔｈｅ ｆｕｎｃｔｉｏｎ ｐｒｏｔｏｔｙｐｅ ｏｆ ｔｈｅ ｌｅａｒｎｉｎｇ ａｎａｌｙｔｉｃｓ ｔｏｏｌ ｆｏｒ ｔｈｅ ｐｏｒｔｓ ｏｆ ｌｅａｒｎｅｒｓ ａｎｄ ｉｎｓｔｒｕｃｔｏｒｓ，ｄｒｉｖｅｎ ｂｙ ｔｈｅ ｆｒｏｎｔ－ｌｉｎｅ ｉｎｓｔｒｕｃｔｏｒｓ ａｎｄ ｌｅａｒｎｅｓ ｎｅｅｄｓ．Ｆｉｎａｌｌｙ，ｔｈｅ ｌｅａｒｎｉｎｇ ａｎａｌｙｔｉｃｓ ｔｏｏｌ ｗａｓ ｒｅａｌｉｚｅｄ ｔｈｒｏｕｇｈ ｔｈｅ ｓｕｐｐｏｒｔ ｆｒｏｍ ｅｘｉｓｔｉｎｇ ｅｄｕｃａｔｉｏｎａｌ ｃｌｏｕｄ ｓｅｒｖｉｃｅ ｐｌａｔｆｏｒｍ，ｗｈｉｃｈ ｃｏｕｌｄ ｐｒｏｖｉｄｅ ｔｏｏｌ ｓｕｐｐｏｒｔ ｏｒ ｆｐｒｅｃｉｓｉｏｎ ｉｎｓｔｒｕｃｔｉｏｎ． Ｋｅｙｗｏｒｄｓ：ｅｄｕｃａｔｉｏｎａｌ ｄａｔａ；ｌｅａｒｎｉｎｇ ａｎａｌｙｓｉｓ ｔｏｏｌ；ｂｅｈａｖｉｏｒ ｄａｔａ；ｆｕｎｃｔｉｏｎａｌ ｐｒｏｔｏｔｙｐｅ；ｖｉｓｕａｌｉｚａｔｉｏｎ ・基金项目：本文为江苏高校哲学社会科学研究基金项目“基于教育大数据和学习分析的精确教学模式与应用成 效研究”（项目编号：２０１ ７ＳＪＢ０８０９）、全国教育科学“十二五”规划教育部重点课题“基于教育大数据的学习分 析工具设计与应用研究”（项目编号：ＤＣＡＩ４０２３０）的阶段性研究成果。 作者简介：牟智佳，讲师，博士，研究方向为数字化学习技术与学习分析，邮箱为ａｍｂｉｔｉｏｎｙｔ￣１６３．ｃｏｉｎ。 收稿日期：２０１７年２月１ ９日 编辑：小米 １ １９
