摘要：在混合式學(xué)習(xí)環(huán)境下，整合正式學(xué)習(xí)和非正式學(xué)習(xí)下的行為數(shù)據(jù)進(jìn)行學(xué)習(xí)結(jié)果預(yù)警，是提高預(yù)警有效性和精準(zhǔn)性的一個重要路徑，因此，著重解決數(shù)據(jù)采集面單一和課程學(xué)習(xí)預(yù)警系統(tǒng)匱乏問題，具有重要的實(shí)踐價(jià)值。對此，國內(nèi)外對學(xué)習(xí)預(yù)警相關(guān)研究已有豐富的基礎(chǔ)。在相關(guān)文獻(xiàn)分析的基礎(chǔ)上，提出的基于學(xué)習(xí)行為數(shù)據(jù)的學(xué)習(xí)預(yù)警模型，包括學(xué)習(xí)服務(wù)模塊、數(shù)據(jù)采集模塊、教育大數(shù)據(jù)倉庫和云計(jì)算平臺、數(shù)據(jù)處理模塊、預(yù)測計(jì)算與分 析模塊、自動預(yù)警與可視化模塊?；谠撃Ｐ筒⒔Y(jié)合相關(guān)的技術(shù)標(biāo)準(zhǔn)和規(guī)范，設(shè)計(jì)了包含了數(shù)據(jù)源、數(shù)據(jù)集成、數(shù)據(jù)管理、應(yīng)用服務(wù)和信息展示的學(xué)習(xí)預(yù)警系統(tǒng)基礎(chǔ)技術(shù)框架。研究結(jié)果表明，利用UML建模來設(shè)計(jì)核心數(shù)據(jù)模型，以ASP.NET為開發(fā)平臺，采用Oracle數(shù)據(jù)庫，從數(shù)據(jù)結(jié)構(gòu)與權(quán)重、監(jiān)測與動態(tài)分析和可視化結(jié)果輸出等三部分開發(fā)的學(xué)習(xí)預(yù)警系統(tǒng)，具有高度的擴(kuò)展性和穩(wěn)定性，可滿足學(xué)習(xí)預(yù)警的常態(tài)化監(jiān)測要求。

關(guān)鍵詞：學(xué)習(xí)行為數(shù)據(jù)；學(xué)習(xí)結(jié)果；數(shù)據(jù)結(jié)構(gòu)；學(xué)習(xí)預(yù)警；可視化分析

一、研究背景

移動終端、教育APP、自帶設(shè)備等技術(shù)工具的廣泛應(yīng)用，正對傳統(tǒng)學(xué)習(xí)環(huán)境進(jìn)行著重塑和再造，整合學(xué)習(xí)終端、學(xué)習(xí)資源和學(xué)習(xí)服務(wù)的混合式學(xué)習(xí)環(huán)境，逐漸成為新常態(tài)。學(xué)習(xí)者的學(xué)習(xí)方式也由原來的正式學(xué)習(xí)（指課堂環(huán)境下的學(xué)習(xí)）轉(zhuǎn)變?yōu)檎綄W(xué)習(xí)和非正式學(xué)習(xí)（包括校園內(nèi)學(xué)習(xí)、工作場所學(xué)習(xí)和家庭學(xué)習(xí)等）的無縫對接，形成一個連續(xù)性的個人學(xué)習(xí)空間。學(xué)習(xí)者只需在當(dāng)前的學(xué)習(xí)情境下選擇合適技術(shù)支持的學(xué)習(xí)終端，即可進(jìn)行數(shù)字化學(xué)習(xí)。伴隨著學(xué)習(xí)方式的轉(zhuǎn)變，學(xué)習(xí)評價(jià)的科學(xué)性和有效性探索也在發(fā)生變化，如何基于全學(xué)習(xí)過程數(shù)據(jù)進(jìn)行形成性評價(jià)和課程學(xué)習(xí)預(yù)警，成為當(dāng)前學(xué)習(xí)評價(jià)所面臨的重要問題。

美國2016國家教育技術(shù)計(jì)劃《未來學(xué)習(xí)準(zhǔn)備：重塑技術(shù)在教育中的角色》Future Ready Learning：Reimagining the Role of Technology in Education）在“使用評價(jià)數(shù)據(jù)更好的支持學(xué)習(xí)”部分中提出，要更好地利用教育數(shù)據(jù)系統(tǒng)，來提升技術(shù)支持學(xué)習(xí)工具和資源的質(zhì)量和效果，利用數(shù)據(jù)促進(jìn)個性化學(xué)習(xí)[1]。我們可以看到，基于學(xué)習(xí)數(shù)據(jù)集進(jìn)行環(huán)境分析，改善學(xué)習(xí)服務(wù)以促進(jìn)個性化學(xué)習(xí)，是未來教育發(fā)展的一個重要取向。與此同時(shí)，致力于對學(xué)習(xí)者及其所在情境中產(chǎn)生的數(shù)據(jù)，進(jìn)行測量、搜集、分析和報(bào)告的學(xué)習(xí)分析、教育大數(shù)據(jù)和人工智能技術(shù)的快速興起，為開展形成性評價(jià)和學(xué)習(xí)預(yù)警提供了技術(shù)上的可能性。

本研究探索混合式學(xué)習(xí)環(huán)境下，如何整合正式學(xué)習(xí)和非正式學(xué)習(xí)下的行為數(shù)據(jù)進(jìn)行課程學(xué)習(xí)結(jié)果預(yù)警，并通過設(shè)計(jì)預(yù)警系統(tǒng)實(shí)現(xiàn)學(xué)習(xí)過程的動態(tài)監(jiān)控，從而為開展精準(zhǔn)教學(xué)和學(xué)習(xí)干預(yù)提供有效依據(jù)。

二、國內(nèi)外研究現(xiàn)狀分析

我們以中國知網(wǎng)、萬方數(shù)據(jù)庫、維普數(shù)據(jù)庫、超星數(shù)字圖書館、百度文庫等為檢索源，以“學(xué)習(xí)預(yù)警”、“學(xué)業(yè)預(yù)警”為關(guān)鍵詞，做文獻(xiàn)檢索，檢索時(shí)間跨度為2007-2017年。通過對文獻(xiàn)的內(nèi)容分析，得到56篇與研究主題高度相關(guān)的中文文獻(xiàn)。在外文文獻(xiàn)檢索上，我們以Elsevier Science Direct、Springer Link、WileyInter Science和Taylor MFrancis為檢索源，以Learning Analytics，Early Intervention，Learningearly Warning，Alarming System，Early Warning System for Studying為關(guān)鍵詞，檢索文獻(xiàn)的時(shí)間跨度與中文文獻(xiàn)一致。經(jīng)過梳理閱讀，剔除無效文獻(xiàn)，共得到27篇有效外文文獻(xiàn)。

我們通過文獻(xiàn)檢索可以看出，學(xué)習(xí)預(yù)警相關(guān)研究整體尚不夠充分，仍有可探索和挖掘的空間。在對國內(nèi)外有關(guān)學(xué)習(xí)與學(xué)業(yè)預(yù)警相關(guān)文獻(xiàn)進(jìn)一步梳理和分析后，發(fā)現(xiàn)目前相關(guān)研究主要集中在以下四個方面：

• （一）學(xué)習(xí)預(yù)警的分類及其跟蹤反饋的差異研究

根據(jù)預(yù)警對象的不同，我們可以將學(xué)習(xí)預(yù)警分為三種類型：

第一種是針對學(xué)生進(jìn)行的預(yù)警，系統(tǒng)為學(xué)習(xí)者提供在某一具體情境下的學(xué)習(xí)預(yù)警反饋。比較有代表性的案例有：Sean P.Goggins米用情境感知活動通知系統(tǒng)，將學(xué)習(xí)者的雙向日志數(shù)據(jù)進(jìn)行計(jì)算，綜合考量學(xué)習(xí)者課堂互動比、跟蹤測評通過率等數(shù)據(jù)，通過對學(xué)習(xí)者的同期橫向?qū)Ρ炔町悾瑸閷W(xué)習(xí)者提供反饋警示[2]。密歇根大學(xué)的Tim McKay采用E2Coach系統(tǒng)實(shí)現(xiàn)了學(xué)生與資源之間的對接，通過設(shè)定學(xué)習(xí)任務(wù)、反饋進(jìn)度以及發(fā)放獎勵等具有針對性的學(xué)習(xí)方案，激勵學(xué)習(xí)者采取增加練習(xí)量及學(xué)習(xí)時(shí)間等具體行動來提高成績[3]。

第二種是針對教師提供的預(yù)警，系統(tǒng)為教師提供學(xué)習(xí)者在某一門課程中的宏觀學(xué)習(xí)預(yù)警反饋及相關(guān)教學(xué)方案完善建議。例如，Riccardo Mazza和Vania Dimitrova米用的課程可視化系統(tǒng)，能夠跟蹤學(xué)生答題時(shí)間、答題次數(shù)、評價(jià)反饋等數(shù)據(jù)并生成圖表。該系統(tǒng)根據(jù)學(xué)習(xí)者在遠(yuǎn)程學(xué)習(xí)中的學(xué)習(xí)活動過程數(shù)據(jù)進(jìn)行直觀評估，幫助教師快速了解學(xué)習(xí)者掌握情況，并發(fā)現(xiàn)需要特別關(guān)注的學(xué)習(xí)者，教師根據(jù)預(yù)警信息，進(jìn)一步優(yōu)化教學(xué)活動設(shè)計(jì)以進(jìn)行有效干預(yù)[4]。

第三種是針對教師和學(xué)習(xí)者同時(shí)提供的雙向預(yù)警，系統(tǒng)幫助教師制定針對個別學(xué)習(xí)者的培養(yǎng)方案，以有效提高學(xué)生的學(xué)習(xí)成績。例如，普渡大學(xué)的課程信號系統(tǒng)，通過預(yù)測學(xué)生成功算法對考試分?jǐn)?shù)、排名、學(xué)習(xí)進(jìn)度等數(shù)據(jù)進(jìn)行分析計(jì)算，確定學(xué)生存在學(xué)習(xí)失敗的可能性，分別向教師和學(xué)生發(fā)送不同的預(yù)警信息。教師根據(jù)預(yù)警信息，結(jié)合學(xué)生的學(xué)業(yè)表現(xiàn)，及時(shí)給予課外談話、心理輔導(dǎo)等形式進(jìn)行干預(yù)支持[5]。

通過對學(xué)習(xí)預(yù)警的分類和學(xué)習(xí)預(yù)警的跟蹤反饋形式可以看出，學(xué)習(xí)預(yù)警系統(tǒng)往往以學(xué)生為中心，其出發(fā)點(diǎn)和落腳點(diǎn)在于輔助學(xué)習(xí)者提高績效，而其研究重點(diǎn)落在如何通過分析學(xué)習(xí)過程數(shù)據(jù)來發(fā)現(xiàn)學(xué)習(xí)存在的問題上。

• （二）學(xué)習(xí)預(yù)警的基礎(chǔ)技術(shù)與數(shù)據(jù)收集研究

近年來，物聯(lián)網(wǎng)技術(shù)、人工智能和學(xué)習(xí)分析等技術(shù)的發(fā)展，使得學(xué)習(xí)全過程數(shù)據(jù)能夠得到有效積累和深度分析，這為精準(zhǔn)預(yù)警提供了有效支持。一些研究者從技術(shù)層面對學(xué)習(xí)預(yù)警系統(tǒng)的設(shè)計(jì)進(jìn)行探索。例如，Steven Lonn研究團(tuán)隊(duì)和數(shù)據(jù)技術(shù)服務(wù)機(jī)構(gòu)合作，對學(xué)習(xí)管理系統(tǒng)和學(xué)生信息系統(tǒng)的數(shù)據(jù)進(jìn)行抽取、轉(zhuǎn)換和加載，實(shí)現(xiàn)了對學(xué)習(xí)者課程歷史信息的長期可持續(xù)性跟蹤。運(yùn)用Business Objects軟件工具來識別數(shù)據(jù)庫中的數(shù)據(jù)內(nèi)容和相關(guān)標(biāo)準(zhǔn)，根據(jù)缺課、任務(wù)未完成等情況來構(gòu)建預(yù)警報(bào)告[6]。Conde采用在線分析處理、情報(bào)檢索等數(shù)據(jù)分析方法，根據(jù)班級中社交互動的信息數(shù)據(jù)找出學(xué)生之間的潛在關(guān)系、對學(xué)生成功有影響的活動等隱含信息，運(yùn)用風(fēng)險(xiǎn)警報(bào)算法明確存在失敗風(fēng)險(xiǎn)的學(xué)生，以便為學(xué)習(xí)過程的改進(jìn)做出更精準(zhǔn)的教學(xué)決策[7]。John Baker等開發(fā)的學(xué)習(xí)管理平臺Desire2 Learn包含靈活的預(yù)測模型引擎功能，該平臺利用機(jī)器智能和統(tǒng)計(jì)技術(shù)來預(yù)先識別存在學(xué)習(xí)失敗危險(xiǎn)的學(xué)生，利用堆疊技術(shù)和多個預(yù)測模型來提高預(yù)測的準(zhǔn)確性，并通過分解技術(shù)設(shè)計(jì)個性化的干預(yù)措施，以提高干預(yù)的可實(shí)現(xiàn)性[8]。

基礎(chǔ)技術(shù)的日益成熟，使得收集的數(shù)據(jù)也日趨全面，當(dāng)前，收集的數(shù)據(jù)可以分為以下三類：（1）基礎(chǔ)數(shù)據(jù)，包括初始成績、個人信息、家庭背景、學(xué)習(xí)風(fēng)格等；（2）行為數(shù)據(jù)，包括學(xué)習(xí)時(shí)間、交互頻率、參與度等；（3）結(jié)果數(shù)據(jù)，包括測驗(yàn)成績、任務(wù)完成情況等[X5。通過對學(xué)習(xí)預(yù)警的基礎(chǔ)技術(shù)與數(shù)據(jù)收集研究分析，我們可以看出，學(xué)習(xí)預(yù)警系統(tǒng)多以網(wǎng)絡(luò)教學(xué)平臺作為學(xué)習(xí)過程數(shù)據(jù)采集的來源，其研究重點(diǎn)落在數(shù)據(jù)的有效性和學(xué)習(xí)風(fēng)險(xiǎn)的分析上。

• （三）在線學(xué)習(xí)預(yù)警模型與系統(tǒng)構(gòu)建研究

有關(guān)學(xué)習(xí)預(yù)警模型設(shè)計(jì)的文獻(xiàn)較多，例如，趙慧瓊等設(shè)計(jì)了在線學(xué)習(xí)干預(yù)模型，該模型運(yùn)用學(xué)習(xí)分析技術(shù)對學(xué)習(xí)管理系統(tǒng)存儲的數(shù)據(jù)進(jìn)行分析，利用決策樹算法進(jìn)行危機(jī)診斷，一旦發(fā)現(xiàn)學(xué)習(xí)者存在危機(jī)，則及時(shí)采取電子郵件、資源推薦、彈出窗口等方式發(fā)送預(yù)警信息，并采取個性化教學(xué)、資源推薦等干預(yù)對策，以輔助學(xué)習(xí)者的學(xué)習(xí)活動順利進(jìn)行[10]。學(xué)習(xí)預(yù)警模型為預(yù)警系統(tǒng)的實(shí)現(xiàn)提供了理論支撐，在可視化預(yù)警系統(tǒng)上，比較有代表性的是可汗學(xué)院的學(xué)習(xí)儀表盤系統(tǒng)，該系統(tǒng)將學(xué)習(xí)管理系統(tǒng)與可視化工具相結(jié)合，運(yùn)用信息跟蹤技術(shù)和鏡像技術(shù)對學(xué)習(xí)者的學(xué)習(xí)行為、習(xí)慣興趣等信息做記錄和追蹤，并對測驗(yàn)成績、學(xué)習(xí)時(shí)間和學(xué)習(xí)路徑等數(shù)據(jù)進(jìn)行分析，依據(jù)對知識點(diǎn)的掌握情況做反饋預(yù)警，幫助學(xué)習(xí)者提高知識點(diǎn)掌握程度和改善學(xué)習(xí)技能[11]。

Hoonuit在線學(xué)習(xí)平臺致力于指導(dǎo)教師盡早識別處于學(xué)習(xí)失敗危險(xiǎn)中的學(xué)生，并整合有影響力的干預(yù)工作流程，有效地跟蹤學(xué)生的進(jìn)度，從而提高學(xué)生的畢業(yè)率[12]，Hoonuit配合使用干預(yù)反應(yīng)模型（RTI）和多層次支持系統(tǒng)（MTSS），該系統(tǒng)支持教師參與決策過程，提供了一個可以根據(jù)每個學(xué)生的需求定制的直觀的預(yù)警解決方案。此外，Hoonuit通過與微軟合作，使得教育部門和其他教育機(jī)構(gòu)可以在云平臺上運(yùn)行Hoonuit的數(shù)據(jù)程序，保障了動態(tài)數(shù)據(jù)的及時(shí)連接、轉(zhuǎn)換、清理和驗(yàn)證。通過Microsoft Azure（人工智能學(xué)習(xí)托管平臺）可以及時(shí)發(fā)布早期預(yù)警信息，預(yù)警系統(tǒng)可以通過向教師通報(bào)學(xué)生的風(fēng)險(xiǎn)嚴(yán)重程度以及引起風(fēng)險(xiǎn)的原因，從而起到篩選或診斷的作用。

• （四）學(xué)分制環(huán)境下學(xué)業(yè)預(yù)警機(jī)制的實(shí)踐探索與分類標(biāo)準(zhǔn)研究

除了對學(xué)習(xí)預(yù)警探索外，還有研究者對學(xué)生在校學(xué)業(yè)情況進(jìn)行預(yù)警分析。例如，袁安府等通過德爾菲法確定學(xué)業(yè)預(yù)警的指標(biāo)要素，并結(jié)合理論、專家意見等方面指導(dǎo)，構(gòu)建了大學(xué)生學(xué)業(yè)預(yù)警評價(jià)指標(biāo)體系，確立了學(xué)業(yè)預(yù)警幫扶機(jī)制。該機(jī)制由建立學(xué)業(yè)預(yù)警幫扶領(lǐng)導(dǎo)機(jī)制、學(xué)業(yè)預(yù)警學(xué)生的幫扶、建立幫扶人員的激勵機(jī)制三方面組成，實(shí)踐數(shù)據(jù)表明，使用了學(xué)業(yè)預(yù)警的學(xué)生輟學(xué)率明顯降低[13]。

學(xué)業(yè)預(yù)警機(jī)制在我國目前還處于探索階段，各高校在標(biāo)準(zhǔn)制定上也都存在著一定的差異。其中比較有代表性的是M大學(xué)的學(xué)業(yè)預(yù)警機(jī)制，采用信號分級的方法，在學(xué)籍管理信息系統(tǒng)下成立個人資料庫，目的是完成系統(tǒng)與學(xué)生基本信息的實(shí)時(shí)反饋與交互，對學(xué)生未通過學(xué)分進(jìn)行統(tǒng)計(jì)疊加，在規(guī)定時(shí)間內(nèi)學(xué)分不足者將受到退學(xué)警告，而二次出現(xiàn)退學(xué)警告者或者學(xué)分嚴(yán)重不足者會被勒令退學(xué)[14]。該預(yù)警機(jī)制強(qiáng)化了家長和輔導(dǎo)員在學(xué)生學(xué)業(yè)完成過程中的監(jiān)督作用，有效増加了學(xué)生成功畢業(yè)率。

目前，國內(nèi)外研究者從不同視角對學(xué)習(xí)與學(xué)業(yè)預(yù)警進(jìn)行了初步探索，并且開始關(guān)注預(yù)警系統(tǒng)的實(shí)時(shí)性、連貫性和全面性，分析處理數(shù)據(jù)的多樣化，應(yīng)用領(lǐng)域的多元化，這方面也有較為成熟的學(xué)業(yè)預(yù)警系統(tǒng)，但成熟的學(xué)習(xí)預(yù)警系統(tǒng)尚不多見。已有研究將視角主要集中在學(xué)習(xí)預(yù)警模型設(shè)計(jì)、預(yù)警系統(tǒng)設(shè)計(jì)與干預(yù)服務(wù)、學(xué)業(yè)預(yù)警機(jī)制設(shè)計(jì)與實(shí)現(xiàn)等。

盡管學(xué)習(xí)預(yù)警研究在模型設(shè)計(jì)、反饋警示、學(xué)業(yè)分析等方面已取得初步成果，但在教育大數(shù)據(jù)、人工智能和學(xué)習(xí)分析背景下，對數(shù)據(jù)采集的粒度、技術(shù)實(shí)現(xiàn)機(jī)制、預(yù)警狀態(tài)識別等方面還存在不足，具體包括：（1）數(shù)據(jù)采集面較為單一，傳統(tǒng)課堂學(xué)習(xí)數(shù)據(jù)與在線學(xué)習(xí)數(shù)據(jù)割裂。后期仍需要整合學(xué)習(xí)者的全學(xué)習(xí)過程數(shù)據(jù)并進(jìn)行分析，以提高學(xué)習(xí)預(yù)警的準(zhǔn)確度；

缺乏能夠從課程學(xué)習(xí)過程層面進(jìn)行預(yù)警的系統(tǒng)：已有研究多從理論層面設(shè)計(jì)學(xué)習(xí)預(yù)警模型以及學(xué)業(yè)預(yù)警系統(tǒng)，而在學(xué)習(xí)過程中進(jìn)行預(yù)警設(shè)計(jì)與技術(shù)實(shí)現(xiàn)上的研究則相對薄弱。

針對上述問題，本研究將在數(shù)據(jù)整合、預(yù)警系統(tǒng)技術(shù)實(shí)現(xiàn)、可視化輸出等方面進(jìn)行突破，通過整合預(yù)警數(shù)據(jù)采集、動態(tài)分析和可視化輸出等模塊形成一套預(yù)警服務(wù)模式。

三、學(xué)習(xí)預(yù)警模型設(shè)計(jì)與數(shù)據(jù)源分析

• （一）數(shù)據(jù)集驅(qū)動的學(xué)習(xí)預(yù)警模型設(shè)計(jì)

要使學(xué)習(xí)預(yù)警能夠有效精準(zhǔn)的預(yù)測學(xué)生的學(xué)習(xí)結(jié)果，需要對學(xué)習(xí)者的全學(xué)習(xí)過程數(shù)據(jù)進(jìn)行采集和分析。學(xué)生學(xué)習(xí)方式的多樣化和學(xué)習(xí)場景的分割性，決定了學(xué)習(xí)預(yù)警要體現(xiàn)在不同學(xué)習(xí)環(huán)境下的多樣化學(xué)習(xí)行為數(shù)據(jù)進(jìn)行整合與評估，以形成一條以學(xué)習(xí)者為中心的學(xué)習(xí)數(shù)據(jù)鏈。在結(jié)果輸出方面，利用可視化分析技術(shù)給學(xué)習(xí)者和教師提供反饋或評價(jià)環(huán)，不僅可以讓教師了解學(xué)習(xí)過程中的資源使用狀況、學(xué)習(xí)參與狀況、學(xué)習(xí)活躍度等，而且可以通過預(yù)測分析對結(jié)果狀態(tài)進(jìn)行評估和分類，識別出學(xué)困生。

之前，我們對學(xué)習(xí)預(yù)測的設(shè)計(jì)取向進(jìn)行了全面分析，包括以混合式學(xué)習(xí)為情境取向、整合教學(xué)設(shè)計(jì)與學(xué)習(xí)分析的理論取向、基于學(xué)習(xí)狀態(tài)和行為表現(xiàn)的數(shù)據(jù)取向、以機(jī)器學(xué)習(xí)為分析主導(dǎo)的方法取向、面向個性化學(xué)習(xí)結(jié)果反饋的結(jié)果取向[15]。

基于上述設(shè)計(jì)取向，我們進(jìn)一步以個性化學(xué)習(xí)分析理論、交互理論、計(jì)算思維、可視化技術(shù)為指導(dǎo)，提取問題建模與系統(tǒng)設(shè)計(jì)、個性化學(xué)習(xí)活動過程分析、不同交互層級數(shù)據(jù)采集、學(xué)習(xí)狀態(tài)可視化輸出等思想，最終設(shè)計(jì)了以學(xué)習(xí)者為主體中心、以學(xué)習(xí)數(shù)據(jù)鏈為分析對象、以個性化學(xué)習(xí)預(yù)警為服務(wù)目標(biāo)的學(xué)習(xí)預(yù)警模型，如圖1所示。

該模型包括學(xué)習(xí)服務(wù)模塊、信息采集模塊、教育大數(shù)據(jù)倉庫和云計(jì)算平臺、數(shù)據(jù)處理模塊、預(yù)測計(jì)算與分析模塊、自動預(yù)警與可視化模塊：

—學(xué)習(xí)服務(wù)模塊是為學(xué)習(xí)者提供包含智慧教室和教育云服務(wù)平臺的混合式學(xué)習(xí)場景，并對課堂學(xué)習(xí)環(huán)境下的面對面互動結(jié)果、學(xué)習(xí)筆記記錄狀態(tài)、學(xué)習(xí)注意力狀態(tài)，以及網(wǎng)絡(luò)環(huán)境下的學(xué)習(xí)任務(wù)完成結(jié)果、學(xué)習(xí)互動參與結(jié)果和學(xué)習(xí)測驗(yàn)結(jié)果進(jìn)行追蹤和記錄。

——信息采集模塊是從鍵擊層、交互層、行為層等方面對數(shù)據(jù)進(jìn)行采集，并通過教育大數(shù)據(jù)倉庫實(shí)現(xiàn)對信息數(shù)據(jù)的再分類，形成以學(xué)習(xí)者為中心的數(shù)據(jù)鏈。

——教育大數(shù)據(jù)倉庫是依據(jù)個人檔案信息和個體不同學(xué)習(xí)表現(xiàn)建立的主題數(shù)據(jù)庫，提供滿足具體學(xué)習(xí)行為信息提取的數(shù)據(jù)分析環(huán)境，并將各數(shù)據(jù)庫進(jìn)行關(guān)聯(lián)，實(shí)現(xiàn)后面分析需求的響應(yīng)與反饋。該部分將對以個人檔案信息數(shù)據(jù)為代表的關(guān)系型數(shù)據(jù)庫和以學(xué)習(xí)過程和學(xué)習(xí)結(jié)果數(shù)據(jù)為代表的非關(guān)系型數(shù)據(jù)庫進(jìn)行分類處理，分別發(fā)揮傳統(tǒng)數(shù)據(jù)庫工具在結(jié)構(gòu)化數(shù)據(jù)處理的優(yōu)勢，以及Hadoop在大規(guī)模非結(jié)構(gòu)化數(shù)據(jù)的預(yù)處理優(yōu)勢，最后將兩者處理后的數(shù)據(jù)存儲至結(jié)構(gòu)化數(shù)據(jù)庫中。

——云存儲池和云計(jì)算平臺則是通過集群應(yīng)用、網(wǎng)絡(luò)技術(shù)和分布式文件系統(tǒng)等功能，將不同教育數(shù)據(jù)庫通過軟件集合起來進(jìn)行協(xié)同工作，以提供數(shù)據(jù)存儲和業(yè)務(wù)訪問功能。

——數(shù)據(jù)處理模塊是基于分布式處理系統(tǒng)采用批處理和流計(jì)算，對數(shù)據(jù)進(jìn)行抽取、清洗、轉(zhuǎn)換和集成加載[16]。預(yù)測計(jì)算與分析模塊是采用層次分析法計(jì)算數(shù)據(jù)模塊權(quán)重，并應(yīng)用BP神經(jīng)網(wǎng)絡(luò)和關(guān)聯(lián)規(guī)則，預(yù)測分析各數(shù)據(jù)模塊關(guān)系與學(xué)習(xí)結(jié)果表現(xiàn)。

——自動預(yù)警與可視化模塊是基于分析結(jié)果對預(yù)警結(jié)果狀態(tài)、學(xué)習(xí)報(bào)表分析、預(yù)警過程分析進(jìn)行輸出，其中預(yù)警結(jié)果狀態(tài)是基于預(yù)警計(jì)算數(shù)值采用可視化儀表盤方式進(jìn)行標(biāo)識。

• （二）學(xué)習(xí)預(yù)警數(shù)據(jù)源分析

1.個人檔案信息數(shù)據(jù)

該部分?jǐn)?shù)據(jù)主要包括學(xué)生入學(xué)初始成績、必修課程通過率、選修課程通過率、補(bǔ)考及重修因素、學(xué)位課程平均績點(diǎn)等。其中，必修課和選修課課程通過率是對以往所修課程數(shù)進(jìn)行統(tǒng)計(jì)，并進(jìn)行數(shù)據(jù)折合轉(zhuǎn)換得到的。補(bǔ)考及重修因素包含掛科、刷新績點(diǎn)、因個人情況未進(jìn)行考試等因素。學(xué)位課程平均績點(diǎn)是依據(jù)學(xué)生具體成績分?jǐn)?shù)轉(zhuǎn)換計(jì)算為績點(diǎn)值。

個人檔案信息數(shù)據(jù)反映學(xué)習(xí)者的整體學(xué)習(xí)水平和學(xué)習(xí)成績的動態(tài)變化過程，基于該類數(shù)據(jù)既可以把握成績變化趨勢為成績預(yù)測提供支持，又可以掌握學(xué)情了解學(xué)習(xí)者的學(xué)習(xí)表現(xiàn)風(fēng)險(xiǎn)區(qū)間，使預(yù)警結(jié)果能夠符合學(xué)習(xí)者常態(tài)化學(xué)習(xí)狀態(tài)[17]。

2.課堂學(xué)習(xí)行為數(shù)據(jù)

該部分?jǐn)?shù)據(jù)包括出勤頻率、師生互動頻率比、生生互動時(shí)長比、學(xué)習(xí)筆記記錄頻次比、課堂注意力時(shí)間比、教師形成性評估次數(shù)與課堂注意力時(shí)間比、注意的分配和轉(zhuǎn)移等。其中，師生互動頻率比是指教師提出問題后，學(xué)生個人參與互動數(shù)與互動總數(shù)的比值。生生互動時(shí)長比是指學(xué)生個人參加互動時(shí)間和互動總時(shí)間的比值。學(xué)習(xí)筆記記錄頻次比，是個人記錄次數(shù)占班級總記錄次數(shù)的比值。課堂注意力時(shí)間比是個人集中注意聽講時(shí)間占課堂總時(shí)間的比值。教師形成性評估次數(shù)與課堂注意力時(shí)間比是教師點(diǎn)評學(xué)生時(shí)學(xué)生注意力時(shí)間和教師未點(diǎn)評時(shí)學(xué)生注意力時(shí)間的比值。注意的分配是指通過跟蹤頭部姿勢、面部表情、眼動等人類生理信號，來識別學(xué)習(xí)者實(shí)時(shí)的注意力水平，獲取學(xué)生注意力高度集中的時(shí)間段分布信息。注意轉(zhuǎn)移是指學(xué)生注意力轉(zhuǎn)移的因素。

課堂學(xué)習(xí)行為數(shù)據(jù)的搜集，是指通過智能錄播技術(shù)對學(xué)習(xí)者的行動表現(xiàn)進(jìn)行的有效追蹤和實(shí)時(shí)記錄。在學(xué)習(xí)注意力表現(xiàn)上，應(yīng)用國外研究者M(jìn)irkoRaca等設(shè)計(jì)開發(fā)的課堂注意力評價(jià)系統(tǒng)，通過學(xué)習(xí)者頭部和肢體的移動位置、移動方向以及寫作活動分析其注意力狀態(tài)[18]。

3.網(wǎng)絡(luò)學(xué)習(xí)行為數(shù)據(jù)

該部分?jǐn)?shù)據(jù)包括平臺登錄時(shí)間點(diǎn)、頻次和持續(xù)時(shí)間、學(xué)習(xí)次序、學(xué)習(xí)任務(wù)完成進(jìn)度及積極性、學(xué)習(xí)互動參與程度、學(xué)習(xí)練習(xí)測驗(yàn)結(jié)果。其中，學(xué)習(xí)次序是指學(xué)習(xí)者根據(jù)自身學(xué)習(xí)習(xí)慣來決定學(xué)習(xí)次序，通過跟蹤在線學(xué)習(xí)者的瀏覽路線來研究學(xué)習(xí)者的學(xué)習(xí)行為，并對學(xué)習(xí)者行為進(jìn)行有效跟蹤、采集、分析和評估，從而歸納出學(xué)習(xí)行為與學(xué)習(xí)者在學(xué)習(xí)過程中的持久性以及所獲得的成績之間的關(guān)系。

學(xué)習(xí)任務(wù)完成進(jìn)度是根據(jù)學(xué)習(xí)者觀看課程微視頻、學(xué)習(xí)材料情況、是否參與測評進(jìn)行記錄分析來判定的?；趯W(xué)習(xí)者的人機(jī)交互點(diǎn)擊流數(shù)據(jù)，識別出學(xué)習(xí)任務(wù)跳轉(zhuǎn)及完成狀態(tài)，只有完整觀看視頻、瀏覽學(xué)習(xí)材料、參與測評，才被確定為完成學(xué)習(xí)任務(wù)。任務(wù)完成積極性是指學(xué)生從任務(wù)發(fā)布到完成任務(wù)所間隔的時(shí)間，與全班學(xué)生完成任務(wù)的總時(shí)間的比值。學(xué)習(xí)互動參與程度是基于學(xué)習(xí)者瀏覽主題帖數(shù)、發(fā)帖數(shù)、回復(fù)數(shù)進(jìn)行綜合分析，各分類數(shù)與學(xué)習(xí)者集體參與總數(shù)的比值為參與程度。練習(xí)測驗(yàn)結(jié)果是對課后多個測驗(yàn)結(jié)果進(jìn)行統(tǒng)計(jì)，將各項(xiàng)測驗(yàn)成績值轉(zhuǎn)換成百分比后進(jìn)行累計(jì)。

四、學(xué)習(xí)預(yù)警系統(tǒng)的基礎(chǔ)技術(shù)框架

在前期分析的基礎(chǔ)上，依據(jù)上述提出的預(yù)警模型與數(shù)據(jù)來源，結(jié)合相關(guān)的技術(shù)標(biāo)準(zhǔn)和規(guī)范，我們設(shè)計(jì)了學(xué)習(xí)預(yù)警系統(tǒng)的基礎(chǔ)技術(shù)框架，如圖2所示。該框架包括五個部分內(nèi)容：

• （一）數(shù)據(jù)源

數(shù)據(jù)源涵蓋了學(xué)生個人基礎(chǔ)檔案數(shù)據(jù)、課程信息數(shù)據(jù)、課堂表現(xiàn)數(shù)據(jù)、在線課程學(xué)習(xí)表現(xiàn)數(shù)據(jù)、學(xué)習(xí)測評數(shù)據(jù)等模塊信息，收集的數(shù)據(jù)均為混合式學(xué)習(xí)環(huán)境下影響或顯示學(xué)習(xí)者學(xué)習(xí)狀態(tài)的重要信息。從來源對象上看，主要匯聚學(xué)習(xí)者、課程和班級三類教育數(shù)據(jù)，這些數(shù)據(jù)是反映學(xué)習(xí)者學(xué)習(xí)水平及其在群體中學(xué)習(xí)表現(xiàn)的關(guān)鍵數(shù)據(jù)，可以幫助學(xué)習(xí)者更好地掌控學(xué)習(xí)狀態(tài)。數(shù)據(jù)源所涵蓋數(shù)據(jù)的質(zhì)量和數(shù)量直接決定了預(yù)測學(xué)習(xí)結(jié)果和預(yù)警學(xué)習(xí)危機(jī)的成效，源數(shù)據(jù)的合理性與準(zhǔn)確性保證了教育大數(shù)據(jù)倉庫的有效性，為數(shù)據(jù)集成提供基礎(chǔ)支持，這是預(yù)警系統(tǒng)開發(fā)的前提和基礎(chǔ)。

• （二）數(shù)據(jù)集成

數(shù)據(jù)集成包括數(shù)據(jù)的定義、數(shù)據(jù)采集、數(shù)據(jù)抽取、數(shù)據(jù)轉(zhuǎn)換與清洗、數(shù)據(jù)加載。數(shù)據(jù)集成用于解決課程學(xué)習(xí)進(jìn)程中存在的數(shù)據(jù)間的互通問題，其目的是將分散的、異構(gòu)的教與學(xué)過程數(shù)據(jù)，轉(zhuǎn)換成聯(lián)系的、統(tǒng)一的能夠?qū)W(xué)習(xí)結(jié)果產(chǎn)生正反饋的數(shù)據(jù)，從而保證數(shù)據(jù)的一致性，以解決在線數(shù)據(jù)和課堂數(shù)據(jù)間的沖突等問題。其中數(shù)據(jù)清洗與轉(zhuǎn)換是數(shù)據(jù)集成的關(guān)鍵點(diǎn)，數(shù)據(jù)清洗的任務(wù)是過濾不完整、錯誤和重復(fù)等不符合要求的數(shù)據(jù)，以確保預(yù)測學(xué)習(xí)結(jié)果的信度#]；數(shù)據(jù)轉(zhuǎn)換的任務(wù)主要是進(jìn)行不一致數(shù)據(jù)的轉(zhuǎn)換、數(shù)據(jù)粒度的轉(zhuǎn)換和一些規(guī)則的計(jì)算，以確保形成以學(xué)習(xí)者為中心的數(shù)據(jù)鏈，方便數(shù)據(jù)的挖掘分析，為進(jìn)一步的數(shù)據(jù)管理提供保障，并最終實(shí)現(xiàn)學(xué)習(xí)預(yù)警。例如，課堂表現(xiàn)數(shù)據(jù)的集成，這類數(shù)據(jù)與學(xué)習(xí)注意力密切相關(guān)，采集的手段首先采用圖像増強(qiáng)技術(shù)，對于課堂實(shí)時(shí)采集圖像進(jìn)行預(yù)處理，對課堂場景進(jìn)行分析，提取感興趣區(qū)域，對學(xué)生采集圖像的顏色特征進(jìn)行計(jì)算，確定學(xué)習(xí)者面部位置，獲取眼部位置并對其眼動情況進(jìn)行分析。將這些數(shù)據(jù)集成并量化，從而得到學(xué)習(xí)者的注意力狀態(tài)，有助于對學(xué)習(xí)進(jìn)程給予適當(dāng)干預(yù)或建議。

• （三）數(shù)據(jù)管理

數(shù)據(jù)管理既包括線上和線下學(xué)習(xí)表現(xiàn)數(shù)據(jù)的分類與數(shù)據(jù)關(guān)聯(lián)，也包括數(shù)據(jù)索引、查詢、流處理與批處理的整合、數(shù)據(jù)分析與計(jì)算。數(shù)據(jù)管理的功能定位是對集成數(shù)據(jù)的管理，是形成有效精準(zhǔn)預(yù)警信息的重要保障，也是保護(hù)隱私數(shù)據(jù)、確保數(shù)據(jù)安全的關(guān)鍵點(diǎn)。其目的在于保障高質(zhì)量的學(xué)習(xí)結(jié)果預(yù)測，協(xié)調(diào)集成數(shù)據(jù)實(shí)現(xiàn)各種應(yīng)用之間的可共享性，最后實(shí)現(xiàn)學(xué)習(xí)者與學(xué)習(xí)結(jié)果、預(yù)警信息的良好對接。在系統(tǒng)建設(shè)上，通過分布式文件系統(tǒng)、分布式數(shù)據(jù)庫和并行計(jì)算模型進(jìn)行架構(gòu)實(shí)現(xiàn)。采用Hadoop分布式文件系統(tǒng)，對以學(xué)習(xí)者為中心的不同行為數(shù)據(jù)節(jié)點(diǎn)進(jìn)行鏈接，為上層數(shù)據(jù)挖掘提供非結(jié)構(gòu)化存儲服務(wù)。采用MapReduce分布式并行計(jì)算模型對不同學(xué)習(xí)表現(xiàn)數(shù)據(jù)進(jìn)行拆分，在不同計(jì)算節(jié)點(diǎn)上執(zhí)行，最后整合計(jì)算結(jié)果。

• （四）應(yīng)用服務(wù)

在整合數(shù)據(jù)源、數(shù)據(jù)集成和數(shù)據(jù)管理的基礎(chǔ)上，形成了教育大數(shù)據(jù)倉庫。教育大數(shù)據(jù)倉庫是一個面向教育教學(xué)的、集成的、隨時(shí)間變化的、相對穩(wěn)定的大數(shù)據(jù)集合，用于支持學(xué)習(xí)預(yù)測、教育管理決策等功能。教育大數(shù)據(jù)，倉庫常用的創(chuàng)建方法步驟包括：（1）將各個教育信息系統(tǒng)的業(yè)務(wù)數(shù)據(jù)庫中的共享數(shù)據(jù)和非共享數(shù)據(jù)，通過數(shù)據(jù)抽取轉(zhuǎn)換加載軟件（Extract Transform Load，ETL）工具抽取、清洗、轉(zhuǎn)換到操作型數(shù)據(jù)存儲（Operational Data Store，ODS）數(shù)據(jù)緩沖區(qū)；（2）將ODS數(shù)據(jù)緩沖區(qū)的共享數(shù)據(jù)，通過ETL工具抽取、清洗、轉(zhuǎn)換到ODS的共享數(shù)據(jù)區(qū)中；（3）將ODS數(shù)據(jù)緩沖區(qū)的非共享數(shù)據(jù)抽取到數(shù)據(jù)倉庫中；（4）將ODS共享數(shù)據(jù)區(qū)的共享數(shù)據(jù)抽取到數(shù)據(jù)倉庫中。

在教育大數(shù)據(jù)倉庫的基礎(chǔ)上構(gòu)建應(yīng)用服務(wù)層，應(yīng)用服務(wù)層分為服務(wù)層和應(yīng)用層，服務(wù)層提供基礎(chǔ)教學(xué)資源，為應(yīng)用層提供學(xué)習(xí)分析基礎(chǔ)；應(yīng)用層為學(xué)習(xí)者提供針對學(xué)習(xí)內(nèi)容理解內(nèi)化程度的判斷與檢測，是對服務(wù)層的評價(jià)與反饋，是服務(wù)層在學(xué)習(xí)進(jìn)程和知識應(yīng)用層面上的推進(jìn)。服務(wù)層直接為師生提供包括模型服務(wù)、監(jiān)控與預(yù)警服務(wù)、信息展示、移動服務(wù)、數(shù)據(jù)審核與發(fā)布服務(wù)、視頻服務(wù)、實(shí)時(shí)信息服務(wù)等在內(nèi)的具體功能服務(wù)。該層以教育大數(shù)據(jù)倉庫和教育云平臺為依托，實(shí)現(xiàn)師生之間的信息交互，幫助師生完成教學(xué)活動；應(yīng)用層是包括考勤管理、作業(yè)管理、測試管理、課堂表現(xiàn)、互動管理、任務(wù)管理和線上學(xué)習(xí)管理在內(nèi)的與測評系統(tǒng)相關(guān)的具體模塊。測評活動貫穿于整個學(xué)習(xí)進(jìn)程當(dāng)中，起到診斷性評價(jià)的作用，而測評結(jié)果則作為學(xué)習(xí)結(jié)果和預(yù)警信息的依據(jù)，可以快速發(fā)現(xiàn)學(xué)習(xí)者在學(xué)習(xí)過程中存在的問題和不足，以便對學(xué)習(xí)者的學(xué)習(xí)狀況形成直觀了解。

（五）信息展示

信息展示層是學(xué)習(xí)預(yù)警系統(tǒng)的最高層，包括報(bào)表設(shè)計(jì)、可視化數(shù)據(jù)展示、圖形監(jiān)控和報(bào)警、移動終端的擴(kuò)展和決策分析。預(yù)警系統(tǒng)綜合考慮學(xué)習(xí)者的學(xué)習(xí)過程、學(xué)習(xí)結(jié)果、內(nèi)容形式、表現(xiàn)方法等要素，利用可視化的技術(shù)手段，將階段性學(xué)習(xí)結(jié)果輸出為儀表盤等形式，對有效的學(xué)習(xí)結(jié)果預(yù)測和精準(zhǔn)的學(xué)習(xí)預(yù)警分析進(jìn)行更直觀的反饋，從而幫助學(xué)習(xí)者更好地理解分析結(jié)果，支持決策行為。

五、學(xué)習(xí)預(yù)警系統(tǒng)的技術(shù)實(shí)現(xiàn)

學(xué)習(xí)預(yù)警系統(tǒng)要提供統(tǒng)一的對象工廠模型以及多種教學(xué)業(yè)務(wù)模式，應(yīng)用支持向量機(jī)和機(jī)器學(xué)習(xí)方法進(jìn)行數(shù)據(jù)分析[20]。在技術(shù)路線上，利用UML建模來設(shè)計(jì)核心數(shù)據(jù)模型，以ASP.NET為開發(fā)平臺，采用Oracle數(shù)據(jù)庫，基于Microsoft.Net后臺開發(fā)及JQuery前臺開發(fā)等開發(fā)預(yù)警系統(tǒng)。該系統(tǒng)具有高度的擴(kuò)展性和可維護(hù)性，可動態(tài)管理教育大數(shù)據(jù)倉庫內(nèi)部數(shù)據(jù)分析環(huán)境，定期進(jìn)行數(shù)據(jù)更新，使教育大數(shù)據(jù)倉庫正常運(yùn)行，并能夠根據(jù)學(xué)習(xí)過程數(shù)據(jù)快速地進(jìn)行動態(tài)分析，解決軟件需求不確定性和軟件開發(fā)實(shí)施速度之間的矛盾，滿足學(xué)習(xí)預(yù)警的常態(tài)化監(jiān)測需求。

• （一）預(yù)警系統(tǒng)的數(shù)據(jù)結(jié)構(gòu)及權(quán)重

學(xué)習(xí)預(yù)警的主要數(shù)據(jù)結(jié)構(gòu)包括：教師表、課程表、選課表、考勤表、個人檔案信息表、學(xué)習(xí)資料表、課堂學(xué)習(xí)行為數(shù)據(jù)表、網(wǎng)絡(luò)學(xué)習(xí)行為數(shù)據(jù)表、測評任務(wù)表、操作日志表等，其屬性和結(jié)構(gòu)關(guān)系如圖3所示。

在這些數(shù)據(jù)結(jié)構(gòu)中，由課程表可以計(jì)算個人檔案信息表的必修課與選修課數(shù)量，以及通過數(shù)量和績點(diǎn)；由選課表計(jì)算出課程成績和課程是否通過"由操作日志表和學(xué)習(xí)資料表獲得網(wǎng)絡(luò)學(xué)習(xí)行為中的發(fā)帖數(shù)量、回復(fù)數(shù)、瀏覽帖數(shù)量、完成進(jìn)度、互動參與度等信息"由網(wǎng)絡(luò)學(xué)習(xí)行為數(shù)據(jù)表、測評任務(wù)表和課堂學(xué)習(xí)行為數(shù)據(jù)表，計(jì)算出測評預(yù)警結(jié)果、課堂學(xué)習(xí)行為預(yù)警結(jié)果、網(wǎng)絡(luò)學(xué)習(xí)行為預(yù)警結(jié)果。通過分析數(shù)據(jù)結(jié)構(gòu)，可以解決數(shù)據(jù)關(guān)聯(lián)、數(shù)據(jù)通信以及交互規(guī)范等基礎(chǔ)性問題。

學(xué)習(xí)預(yù)警結(jié)果是基于數(shù)據(jù)模塊計(jì)算得出的，而在模塊權(quán)重方面，我們可采用層次分析法，對以往存在學(xué)習(xí)風(fēng)險(xiǎn)的學(xué)生，在不同數(shù)據(jù)模塊的表現(xiàn)情況進(jìn)行統(tǒng)計(jì)分析。具體過程包括：（1）構(gòu)造判斷矩陣，請?jiān)u判專家按照九分位的比例標(biāo)度，對上述同一層次的數(shù)據(jù)模塊指標(biāo)的相對重要性進(jìn)行評判；（2）計(jì)算權(quán)重，依據(jù)層次分析計(jì)算公式，將上述十階判斷矩陣的各行向量進(jìn)行幾何平均、歸一，得到各個數(shù)據(jù)模塊的權(quán)重向量；（3）一致性的檢驗(yàn)，為了評估預(yù)警系統(tǒng)的性能，判斷其是否能給出精準(zhǔn)的預(yù)警信息，需要檢驗(yàn)判斷矩陣是否具有較好的一致性。我們先根據(jù)指標(biāo)公式計(jì)算得出一致性指標(biāo)，之后與十階判斷矩陣的平均隨機(jī)一致性指標(biāo)值進(jìn)行相除，從而得出判斷矩陣的一致性比率。

• （二）預(yù)警過程的監(jiān)測與動態(tài)分析

預(yù)警過程包括預(yù)警狀態(tài)監(jiān)測與動態(tài)分析，其中監(jiān)測點(diǎn)包括課程測評分?jǐn)?shù)、排名、課堂表現(xiàn)、線上任務(wù)完成與互動情況等；狀態(tài)監(jiān)測數(shù)據(jù)包括考勤記錄、測評成績、課堂表現(xiàn)等。動態(tài)分析指采集各個子系統(tǒng)的監(jiān)測數(shù)據(jù)，將數(shù)據(jù)整合到教育大數(shù)據(jù)倉庫中，并按照使用者的需求，通過教育大數(shù)據(jù)倉庫高效地對數(shù)據(jù)進(jìn)行全面動態(tài)分析，發(fā)現(xiàn)數(shù)據(jù)中的潛在信息，及時(shí)對學(xué)習(xí)結(jié)果做出精準(zhǔn)預(yù)測，最終以數(shù)字、圖表、儀表盤等可視化形式呈現(xiàn)出來，從而為教師和教育管理者提供學(xué)習(xí)預(yù)警動態(tài)分析。我們以預(yù)警過程的測評模塊（該模塊包括考勤和平時(shí)測驗(yàn)）進(jìn)行具體說明，其動態(tài)分析過程如圖4所示。測評成績在預(yù)警系統(tǒng)中經(jīng)過換算滿分為10分，圖左邊是測評數(shù)據(jù)的記錄，分?jǐn)?shù)小于6顯示為紅色，圖右邊是曲線圖，從圖中可以看出李文在每個時(shí)間段的分?jǐn)?shù)都很低，處于報(bào)警狀態(tài)。

• （三）預(yù)警結(jié)果的可視化輸出

1.數(shù)據(jù)可視化技術(shù)概述

數(shù)據(jù)可視化旨在借助于圖形化手段，清晰有效地傳達(dá)與溝通信息。為了有效地傳達(dá)思想概念，圖形形式與功能需要齊頭并進(jìn)，通過直觀地傳達(dá)關(guān)鍵維度與特征，實(shí)現(xiàn)對稀疏而又復(fù)雜的數(shù)據(jù)集的深入洞察。在本文中，數(shù)據(jù)可視化的對象主要包括：學(xué)習(xí)者在學(xué)習(xí)測評過程產(chǎn)生的有效數(shù)據(jù)、學(xué)習(xí)者學(xué)習(xí)過程中產(chǎn)生的交互行為數(shù)據(jù)、學(xué)習(xí)預(yù)警結(jié)果的信息展示。

2.插件式開發(fā)及highchart插件在預(yù)警系統(tǒng)中的應(yīng)用

插件式開發(fā)是一種程序設(shè)計(jì)技術(shù)，是一種面向組件的軟件開發(fā)方法。在插件結(jié)構(gòu)的應(yīng)用系統(tǒng)中，程序并不是單一的執(zhí)行文件，而是由主程序和若干外部模塊組成。這些模塊是按照一定的規(guī)則編寫，可以通過配置文件靈活地加人到系統(tǒng)中，也可以在程序運(yùn)行時(shí)動態(tài)地加人到系統(tǒng)中。Highcharts是一個用JavaScript編寫的圖表插件庫，可在預(yù)警系統(tǒng)中實(shí)現(xiàn)結(jié)果的可視化輸出。它能夠支持外部數(shù)據(jù)加載和數(shù)據(jù)動態(tài)性，支持多種數(shù)據(jù)形式。Highcharts結(jié)合Jquery等javascript框架提供的Ajax（—種創(chuàng)建交互式網(wǎng)頁應(yīng)用的網(wǎng)頁開發(fā)技術(shù)）接口，可以實(shí)時(shí)地從考勤管理、作業(yè)管理、任務(wù)管理、互動管理、課堂表現(xiàn)和線上學(xué)習(xí)等模塊取得數(shù)據(jù)，集成到中心服務(wù)器中并刷新圖表，提供良好的用戶體驗(yàn)。

各個模塊的數(shù)據(jù)源包括測評數(shù)據(jù)源、課堂表現(xiàn)數(shù)據(jù)源、課程信息數(shù)據(jù)源、互動表現(xiàn)數(shù)據(jù)源等。當(dāng)前，學(xué)校的教育信息化系統(tǒng)和在線教育管理系統(tǒng)，都已存在著多個業(yè)務(wù)系統(tǒng)，如教務(wù)管理系統(tǒng)、學(xué)生管理系統(tǒng)、畢業(yè)管理系統(tǒng)等。雖然各個系統(tǒng)都有查詢、分析、報(bào)表等功能，但要集中地對數(shù)據(jù)進(jìn)行管理和分析，操作并不方便。從管理者視角看，在進(jìn)行學(xué)習(xí)預(yù)警時(shí)，需要從多個維度對學(xué)習(xí)者本身進(jìn)行分析，這就要求教育大數(shù)據(jù)倉庫關(guān)聯(lián)多個相關(guān)數(shù)據(jù)庫，并從多個維度來組織數(shù)據(jù)、顯示數(shù)據(jù)。這不僅是簡單地看到各個業(yè)務(wù)系統(tǒng)的數(shù)據(jù)，而是需要對這些數(shù)據(jù)進(jìn)行綜合的匯總、分析、監(jiān)測。本研究中的預(yù)警系統(tǒng)數(shù)據(jù)，分別來自學(xué)生管理系統(tǒng)、成績管理系統(tǒng)、測試系統(tǒng)等。

因此，我們需要將不同業(yè)務(wù)系統(tǒng)的數(shù)據(jù)進(jìn)行統(tǒng)一的采集、整理和管理，利用教育大數(shù)據(jù)倉庫，為管理者提供有效的數(shù)據(jù)處理，從而能夠進(jìn)行集中的數(shù)據(jù)整合與分析，具體技術(shù)路線如圖5所示。

ETL是將各個子系統(tǒng)的數(shù)據(jù)經(jīng)過抽取、清洗轉(zhuǎn)換之后加載到數(shù)據(jù)倉庫的過程，目的是將分散、零亂、標(biāo)準(zhǔn)不統(tǒng)一的數(shù)據(jù)整合到一起，為預(yù)警決策提供分析依據(jù)。ODS（Operational Data Store）是操作型數(shù)據(jù)存儲，0DS具備數(shù)據(jù)倉庫的部分特征和OLTP系統(tǒng)的部分特征，它是“集成的、當(dāng)前或接近當(dāng)前的、不斷變化的”數(shù)據(jù)，一般不保留數(shù)據(jù)的變動軌跡，是數(shù)據(jù)倉庫體系結(jié)構(gòu)中的一個可選部分；ODS層適合于數(shù)據(jù)整合度較低、時(shí)效性要求較高、適合基于源系統(tǒng)數(shù)據(jù)結(jié)構(gòu)加工的應(yīng)用；主要進(jìn)行短期的、細(xì)節(jié)的、反映業(yè)務(wù)原貌的數(shù)據(jù)存儲，直接提供基于源系統(tǒng)結(jié)構(gòu)的簡單原貌訪問，同時(shí)，為商務(wù)智能環(huán)境中適合的業(yè)務(wù)需求提供支持。其原則是面向全局，數(shù)據(jù)整合；模型設(shè)計(jì)，靈活擴(kuò)展，并提供規(guī)范和共享。服務(wù)層利用ODS支持的預(yù)警中心數(shù)據(jù)庫，再利用Ajax技術(shù)從數(shù)據(jù)庫中讀取數(shù)據(jù)，最后配置Highchart/插件，實(shí)現(xiàn)預(yù)警信息決策支持和可視化展示。

3.可視化儀表盤輸出預(yù)警結(jié)果

可視化儀表盤輸出采用的軟件設(shè)計(jì)模式是MVC（Model View Controller），即“模型-視圖-控制器”的縮寫。MVC是用一種業(yè)務(wù)邏輯、數(shù)據(jù)與界面顯示分離的方法來組織代碼，將眾多的業(yè)務(wù)邏輯聚集到一個部件中，需要在改進(jìn)和個性化定制界面及用戶交互的同時(shí)，不用重新編寫業(yè)務(wù)邏輯，從而減少編碼的時(shí)間?？梢暬瘜?shí)現(xiàn)將預(yù)警數(shù)據(jù)和圖形分離展示，具體顯示什么樣的圖形用業(yè)務(wù)邏輯來控制，以提高運(yùn)行效率。本例是利用MVC模式，在采集好預(yù)警數(shù)據(jù)中計(jì)算預(yù)警結(jié)果，并用可視化儀表盤的形式顯示出來。

當(dāng)教師登錄學(xué)習(xí)預(yù)警系統(tǒng)時(shí)，我們可以通過儀表盤查看學(xué)生的課程學(xué)習(xí)狀態(tài)。每個數(shù)據(jù)模塊都有相應(yīng)的儀表盤，具體成績由系統(tǒng)計(jì)算得出。當(dāng)教師點(diǎn)擊儀表板上的成績時(shí)，儀表盤將會顯示學(xué)習(xí)者在該模塊的學(xué)習(xí)歷史記錄。課程學(xué)習(xí)的預(yù)警結(jié)果，將根據(jù)各個數(shù)據(jù)模塊指標(biāo)的權(quán)重進(jìn)行計(jì)算得出，并進(jìn)行可視化輸出。我們以60分為基準(zhǔn)點(diǎn)，60分以下表示預(yù)警，60-70是輕度預(yù)警，70分以上表示在安全區(qū)域，沒有預(yù)警。

為檢驗(yàn)系統(tǒng)的可行性和有效性，我們以某高校專業(yè)核心課程《數(shù)據(jù)庫原理與技術(shù)》為試驗(yàn)對象，以學(xué)生檔案數(shù)據(jù)、課堂學(xué)習(xí)表現(xiàn)數(shù)據(jù)、網(wǎng)絡(luò)學(xué)習(xí)平臺數(shù)據(jù)等為數(shù)據(jù)源，并將樣本數(shù)據(jù)劃分為訓(xùn)練樣本和檢驗(yàn)樣本，應(yīng)用該預(yù)警系統(tǒng)進(jìn)行實(shí)際分析、系統(tǒng)預(yù)警總評結(jié)果，如圖6所示，我們可以看出李文在紅色預(yù)警區(qū)?；谝陨戏治鼋Y(jié)果，結(jié)合學(xué)生的實(shí)際學(xué)習(xí)成效，我們通過預(yù)警發(fā)現(xiàn)，學(xué)習(xí)者在課程學(xué)習(xí)表現(xiàn)上存在學(xué)習(xí)風(fēng)險(xiǎn)，這說明系統(tǒng)分析有較高的效度。

通過該預(yù)警系統(tǒng)，我們可以快速識別出在課程學(xué)習(xí)結(jié)果表現(xiàn)方面存在風(fēng)險(xiǎn)的學(xué)生，而且能夠?qū)W(xué)習(xí)過程中的低效學(xué)習(xí)表現(xiàn)指標(biāo)進(jìn)行分析，找出學(xué)習(xí)過程中的薄弱點(diǎn)，為后期教師開展精準(zhǔn)教學(xué)干預(yù)提供參考依據(jù)。此外，結(jié)合教育大數(shù)據(jù)實(shí)時(shí)更新的技術(shù)特征，系統(tǒng)對學(xué)生的數(shù)據(jù)進(jìn)行過程監(jiān)控和更新，根據(jù)學(xué)生一段時(shí)間學(xué)習(xí)任務(wù)和學(xué)習(xí)評價(jià)結(jié)果的改善情況，對其預(yù)警狀態(tài)進(jìn)行更改，可以形成對學(xué)習(xí)表現(xiàn)的常態(tài)化和階段性監(jiān)測。

盡管預(yù)警系統(tǒng)在一定程度上能夠識別出課程學(xué)習(xí)風(fēng)險(xiǎn)的學(xué)習(xí)者，但在數(shù)據(jù)量和分析算法上還存在一些局限，具體包括：（1）數(shù)據(jù)樣本量影響預(yù)測精度；建立有效的神經(jīng)網(wǎng)絡(luò)需要較大規(guī)模樣本，從而訓(xùn)練出較高效度模型；當(dāng)前的分析數(shù)據(jù)主要以小樣本為主，數(shù)據(jù)量有待進(jìn)一步擴(kuò)充；（2）預(yù)警指標(biāo)權(quán)重設(shè)計(jì)需進(jìn)一步優(yōu)化；當(dāng)前的指標(biāo)設(shè)計(jì)主要基于已有數(shù)據(jù)和模塊分析得出，在模型擬合度上還存在偏差，需要進(jìn)一步擴(kuò)充訓(xùn)練樣本量，通過數(shù)據(jù)模擬出最優(yōu)權(quán)重；

預(yù)測分析算法的局部最優(yōu)問題，影響系統(tǒng)整體精度；后期仍需要對不同預(yù)測分析法進(jìn)行比較分析，使模型的求解過程從局部最優(yōu)收斂到全局最優(yōu)。我們將進(jìn)一步優(yōu)化預(yù)警算法和參數(shù)設(shè)置，以提高系統(tǒng)運(yùn)行的可靠性與穩(wěn)健性。

六、結(jié)語

學(xué)習(xí)預(yù)警作為學(xué)習(xí)分析過程中的重要環(huán)節(jié)，為學(xué)習(xí)干預(yù)提供了科學(xué)依據(jù)，而自適應(yīng)技術(shù)、人工智能和數(shù)據(jù)科學(xué)的發(fā)展，使得學(xué)習(xí)預(yù)警更加智能化和精準(zhǔn)化。當(dāng)前學(xué)習(xí)方式的多樣化和學(xué)習(xí)數(shù)據(jù)的分布化，決定了要對不同學(xué)習(xí)環(huán)境下的數(shù)據(jù)進(jìn)行整合分析。

本研究對學(xué)習(xí)預(yù)警系統(tǒng)的理論模型和基礎(chǔ)技術(shù)框架進(jìn)行了設(shè)計(jì)，并通過Oracle數(shù)據(jù)庫、ASP.NET語言、Microsoft.Net等進(jìn)行技術(shù)實(shí)現(xiàn)，提出了混合學(xué)習(xí)環(huán)境下面向課程的學(xué)習(xí)預(yù)警系統(tǒng)。后期，我們將進(jìn)一步在教學(xué)實(shí)踐中進(jìn)行應(yīng)用，探索不同學(xué)科下的課程預(yù)警效果，并對預(yù)警的精準(zhǔn)性和用戶體驗(yàn)進(jìn)行迭代優(yōu)化，以提高該系統(tǒng)的運(yùn)行效度和魯棒性。

本文轉(zhuǎn)自微信公眾號“MOOC”，作者牟智佳。文章為作者獨(dú)立觀點(diǎn)，不代表芥末堆立場。