学习分析的研究现状与未来展望

学习分析的研究现状与未来展望

育公平，从而发挥其社会影响力，体现其社会价值。另一方面，安全与伦理道德的挑战越发明显。详细的数据收集是否会给学习者的心理带来不安？社会的功利性是否会侵犯学习分析数据所涉及的个人隐私和档案，使得个人利益受到侵害？数据的公开和滥用是否会让学习过程的一点小错误被无限放大，并因为数据的跟踪和长久保存而成为他们人生发展抹不掉的黑色印记，以至对其发展产生影响？这些都成为人们担忧和反思的问题。本届会议上迪瑞科斯勒等学者已开始关注伦理框架建设的研究，并将引发更加广泛的讨论。 （二）未来路径 本次会议的召开为学习分析的创新、推广起到了重要作用，引发了更深入的研究和探讨，也带来了许多启示和思考。学习分析还面临着很大的困难和挑战，未来发展依赖于多方面的协同与共进。 1. 学习分析的发展依赖技术进步 学习分析是以数据为基础、以技术为核心的新兴研究领域。它的发展离不开数据挖掘技术、情感计算技术、心理测量技术和人工智能技术等的革新与发展。每次相关技术的发展与进步，都能扫除学习分析进程中的一些障碍，使学习分析的技术、工具和方法更加有效，学习者的数据收集更加完备，对学习者的分析更加全面和客观，数据驱动的学习和评估更加切实，从而改善信息化环境下的教与学，解决教育实践中的关键问题，为教育提供精准服务，让个性化教学成为现实。 同时，我们要辩证看待大数据等新技术带来

16 / 19

学习分析的研究现状与未来展望

的双面效应，正如维克托·迈尔-舍恩伯格（Viktor Mayer-Sch?nberger，2014）所说，与大数据同行具有一定的风险，因为我们对潜在后果和概率性结果的预测有加大教育不平等的可能。如何破解大数据等新技术的迷失和困境，是影响未来学习分析发展的重要问题。 2. 学习分析的发展依赖多学科协同 学习分析依赖教育学、心理学、社会学、数学、经济学、脑科学、计算机科学等学科的融合与互通。本次会议多强调通过学科协同增强学习分析的应用和影响，主旨发言人米斯·李维也提到将心理测量方法应用到学习分析中，利用学科协同消除发展的阻碍。学科之间的协同不仅是共享学科成果，更是深层次的互通与支持，它们互为前提、互为因果，相互促进和共同发展。虽然学科之间的协同必然会经历质疑、冲突、协商、互通、汇聚、共享、融合等过程，且这一过程也许并不一帆风顺，但是唯有多学科的协同才能为学习分析提供创新视角和动力、创新技术与工具、创新应用与实践；唯有协同才能实现学科之间的有机联系，发挥整体性优势进而产生“1+1>2”的效果。学科的多元和交叉是学习分析的趋势，也将成为学习分析研究的常态。 总之，本次会议的召开为构建多学科的合作与交流、促进技术的融合与创新、共同迎接学习分析的机遇和挑战提供了良好的平台。目前，针对学习分析模型、学习系统和工具应用的研究依然是学者普遍关注的问题；学习分析结果的可视化呈现、

17 / 19

学习分析的研究现状与未来展望

学习者生理数据的收集与分析逐渐成为研究热点；数据安全与伦理道德虽然已经引起重视，但还未形成统一的标准和规范；学习分析所带来的双面效应还没有形成普遍的共识，如何避免学习分析产生的不良影响值得深入研究。因而，学习分析的发展进程还存在许多问题与阻碍，其未来发展需要依赖大数据等技术的进步以及多学科的交叉与协同，才能更好地指导其实践创新应用，从容面对诸多困难和挑战。 基金项目：国家科技支撑计划项目“现代科技馆体系展品展示关键技术研究及创新平台构建应用示范”

（2015BAK33B00）。作者简介：李香勇，华中师范大学教育信息技术学院在读博士研究生，桂林航天工业学院传媒与艺术设计系讲师，研究方向：学习分析、信息化教育；左明章，教授，博士生导师，华中师范大学教育信息技术学院副院长，研究方向：学习分析、信息化教育；王志锋，博士，华中师范大学教育信息技术学院讲师，研究方向：人工智能、数据挖掘与机器学习。 转载自：《开放教育研究》第23卷第1期 2017年2月排版、插图来自公众号：MOOC（微信号：openonline） 慕编组成员：大叶子

产权及免责声明本文系“MOOC”公号转载、编辑的文章，编辑后增加的插图均来自于互联网，对文中观点保持中立，对所包含内容的准确性、可靠性或者完整性不提供任何明示或暗示的保证，不对文章观点负责，仅作分享之用，文章版

18 / 19

学习分析的研究现状与未来展望

权及插图属于原作者。如果分享内容侵犯您的版权或者非授权发布，请及时与我们联系，我们会及时内审核处理。

19 / 19