学习分析支持自我调节学习的效能分析框架研究_徐晓青.pdf

电化教育研究学习分析支持自我调节学习的效能分析框架研究徐晓青，赵蔚，姜强（东北师范大学 信息科学与技术学院，吉林 长春130117）摘要支持、促进自我调节学习发展是学习分析重要的应用领域之一，但当前学习分析重点着眼于“发送者”的服务质量，多以教师或研究者的视角为学习者的自我调节学习提供支持。相比之下，立足于学习者视角关注学习分析是否真正支持了自我调节学习的发生更具价值。为回答这一问题，研究依据建构主义理论的反馈模型，提出以学习者为核心的学习分析支持自我调节学习的效能分析初始框架；其次，采用德尔菲法确立分析效能的层次和维度（三个层次、七个维度）；最后，研究讨论了效能分析框架的分析工具，并以应用案例展示了其在实际教学中的实践价值和指导意义。结果表明，效能分析框架拓展了自我调节学习的评价范畴，更有利于帮助研究者发现学习者的内在学习机理，打破实证中的“黑箱”现象，为理性看待学习分析、促进学习分析支持自我调节学习提供依据。关键词自我调节学习；学习分析；效能分析；德尔菲法；过程挖掘；内容分析法中图分类号 G434文献标志码 A作者简介徐晓青（1995），女，山东潍坊人。博士研究生，主要从事学习分析、自我调节学习等研究。E-mail：。赵蔚为通讯作者，E-mail：。DOI:10.13811/ki.eer.2023.02.014学 习 环 境 与 资 源基金项目：全国教育科学规划课题2019年度国家社科基金教育学一般课题“学习分析支持自我调节学习的效能评价与优化机制研究”（课题编号：BCA190076）一、引言学习分析是研究者支持、优化自我调节学习（Self-Regulated Learning，SRL）的重要手段。目前，学习分析受机器学习、人工智能等技术影响，技术体系不断完善1，对自我调节学习的支持更深入全面。研究者期望用更细粒度的数据、更智能的方法支持自我调节学习。但数据驱动的设计理念使得学习分析只是为了分析，而非为了学习2。虽然，从“发送者”的视角看，学习分析提高了学习效果，但却无法解释效果提升是否由学习分析引起以及如何引起等问题。因为在“发送者”看来，学习分析是工具、方法，是理解、促进自我调节学习的途径；但对学习者来说，学习分析是信息、反馈，是引起认知、情感、行为等要素变化的支架和触发器。只有立足于学习者分析自我调节学习变化规律，才能回答学习分析是否真正支持了自我调节学习等问题。因此，我们需要从学习者视角出发，构建学习分析支持自我调节学习的效能分析框架，明确效能分析的维度，指导研究者更清晰地梳理学习分析影响自我调节学习的机理，从而准确看待学习分析给自我调节学习带来的影响。综上所述，本研究将回答以下问题：（1）如何构建学习分析支持自我调节学习的效能分析框架，有何特征？（2）学习分析支持自我调节学习的效能分析框架如何应用，有何启示？二、学习分析支持自我调节学习的效果评估现状目前，学习分析已被广泛应用于自我调节学习领域，一方面，支持研究者理解自我调节学习；另一方面，支持学习者高效地完成自我调节学习3。评估学习分析支持自我调节学习的效能聚焦于后者，然而当前研究在评估实证效果时多停留在学习效果提升是否显著的层面，较少探索因果关系，研究存在“黑箱”现象，这与目前的评估模式和分析视角分不开。1142023年第2期（总第358期）第一，以问卷、访谈、出声思维等传统方式为主的评估模式。问卷调查是自我调节学习研究中最常见的评估方法，能够较快速地分析学习者的自我调节学习状态4。相比于问卷调查，访谈法能够让学习者更准确地表述学习策略5。出声思维则能够记录学习者的真实想法，使学习活动和自我调节学习策略可见6。例如，Silva等人使用问卷调查证明学习分析促进了自我调节学习7；Granberg等人采用问卷和访谈法分析学习者的自我调节学习策略8。这类评估方式虽然能够判断自我调节学习状态，但评价过程主观性较强，且未探索因果关系，研究结论存在“黑箱”现象。第二，传统方式与日志挖掘相结合的评估模式。随着人工智能、数据挖掘技术的发展，研究者开始将聚类分析、过程挖掘等技术应用于评价自我调节学习中9。相比于传统方式，基于日志数据的分析方法能够更为客观地分析学习者状态。例如，Chen等人采用聚类和滞后序列分析法评估不同在线学习者的自我调节学习特征序列10；Kim等人运用聚类归纳学习者类型，并通过分析日志数据中学习者的在线时间、学习规律以解释SRL属性11。这类研究将主观评估和客观分析相结合，提高了分析结果的准确性和可信度。然而，这类评估方法虽然更准确地展示了自我调节学习特征和行为，但在评估时仍以研究者的视角为主，并未从学习者视角判断自我调节学习的变化是否是由学习分析引起的，“黑箱”现象仍未被解决。综上所述，当前评估学习分析支持自我调节学习效能的方式并未从学习者的视角出发。评估视角的差异使得实证研究中难以解释因果关系，难以消除“黑箱”现象。因此，以学习者为核心，构建学习分析支持自我调节学习的效能分析框架十分必要。三、效能分析框架的初步构建（一）构建效能分析框架的理论依据构建效能分析框架，首先要厘清学习分析和自我调节学习的关系。在前文中，我们已经指出“学习分析支持自我调节学习”是指面向学习者的支持，将“学习分析”考虑在内，评估学习分析提供的支持对学习者自我调节学习的影响。在此前提下，我们要明确学习分析支持能够给学习者的自我调节学习带来什么。在教学中，学习分析支持在学习者看来是一种学习反馈12。分析学习者面对学习反馈的内在变化能够帮助我们理解学习者接收学习分析支持后的变化规律，是构建效能分析框架的基础。何克抗认为，基于建构主义理论的反馈模型更能体现反馈促进学习者积极参与、自我建构的过程13。建构主义学习理论认为，反馈是促进自我调节的信息，能够指导我们从学习者的学习内化过程看待反馈扮演的角色帮助学习者实现自我监控14。不少学者基于建构主义提出了不同的反馈模型，见表1。表1基于建构主义理论的反馈模型对比由此可知，各模型具有明显共性，均强调学习者在接受反馈后的内在反应。换言之，反馈起作用需要引起学习者关注，使其依据反馈作出自我评价，并主动地调整学习策略、学习目标等，以实现循环调节学习。本研究依据上述理论模型，总结出学习者面对反馈的几种处理方式。（1）忽视反馈：反馈未引起学习者感知；（2）拒绝反馈：学习者感知到反馈但拒绝理解、使用；（3）接受反馈：反馈信息引起学习者动机或情绪变化，其认知水平能够理解反馈；（4）依据反馈监控：学习者主动关注反馈，并据此自我监控学习过程；（5）依据反馈调整：学习者感知到反馈与自身认知状态的差异，并及时做出调整，缩小差距。在这一过程中，学习者会调动自身动机、情感、认知、元认知等要素帮助自身调整任务目标、学习策略，并最终达成预期目标。上述过程解释了学习者面对反馈的内在变化过程，同时也帮助我们理解了学习分析如何支持学习者自我调节学习。学习分析将学习状态、过程或结果反馈给学习者，以期引起学习者情绪变化、激发学习动机，使学习者监控、调整学习目标和策略，逐步形成稳定的自我调节学习意识和能力。综上所述，本研究基于建构主义理论的反馈模型厘清了学习分析支持自我调节学习过程中学习者的内在变化规律：首先，学习者关注到学习分析；其次，在学习分析支持下习得自我调节学习意识或策略并加以保持；最后，逐渐形成可迁移的自我调节学习能反馈模型名称成功使用反馈的学习过程反馈循环模型15以学习者为核心：明确自身初始状态检索和提取学习策略对反馈做出回应依据反馈和自身期望评估回应调整自身认知状态和学习策略意愿与能力驱动模型16接收与理解信息、重视反馈（重视信息重视信使与自我判断对比使反馈有意义）、能力驱动（激发动机采用适应性的学习策略）学习者反馈素养模型17感知反馈、认知统合、评价判断、采取行动、情感管理、动机调控反馈行动模型18（欣赏反馈作出判断管理情感）采取行动115电化教育研究力。据此，我们能够初步构建学习分析支持自我调节学习的效能分析框架。（二）效能分析的初始框架依据上文，学习者在接收学习分析支持后状态变化如下：首先，经历关注、激活阶段。学习分析蕴含的信息引起学习者注意，并且促使他们将学习分析与自身学习关联起来，起到唤醒情感、激发动机的目的。其次，学习者会经历自我调节学习的主体阶段。学习分析支持能够帮助学习者保持高效的学习状态，促进他们调用策略、监控调整、评价反思，逐渐习得自我调节学习能力。最后，学习者在学习分析支持下取得更好的学习效果，并保持和迁移习得的自我调节学习技能。由此，本研究提出效能分析初始框架如下：（1）感知效能（S），旨在评估学习分析是否引起学习者注意、激发他们的学习动机。这是学习者接受学习分析支持后的第一个阶段，分为关注（S1）和激活（S2）两个维度。关注的内涵包括忽略（S11）和注意（S12），激活的内涵包括情感唤醒（S21）、动机激励（S22）和专注（S23）。（2）执行效能（R），旨在评估学习者感知学习分析后，其自我调节学习策略和技能的执行情况。因此，这一部分与自我调节学习过程高度统一，共分为三个维度：策略调用（R1）、监控调整（R2）和评价反思（R3）。策略调用的内涵包括策略意识（R11）和策略执行（R12），监控调整的内涵包括自我监控（R21）和自我调整（R22），评价反思的内涵包括自我评价（R31）和自我反思（R32）。（3）成效与持久效能（E），旨在判断学习分析对学习者影响的效果及持久性，即学习分析是否让学习者形成了稳定的、可迁移的自我调节学习能力，提高了学习者的学习效果。因此，我们将该部分分为学习成效（E1）和持久度（E2）两个维度。学习成效的内涵包括学习满意度（E11）和目标达成度（E12），持久度的内涵包括保持（E21）和迁移（E22）。四、效能分析框架修正与检验（一）基于德尔菲法的效能分析框架检验1.专家选择与权威程度判断本研究选择了学习分析与自我调节学习领域的10名专家，涵盖教授7人，副教授1人，讲师2人。我们调查了10名专家的权威程度，得到平均权威系数为0.850.7，说明经德尔菲法获得的结果可靠。2.第一轮专家咨询结果分析本研究第一轮发放专家咨询表10份，回收10份（均有效），专家积极系数100%。处理征询结果，筛选初始框架的维度主要依据两方面：专家协调系数和各题项结果统计。专家协调系数指全部专家对征询题项评价的协调程度，其结果在01之间，越接近1表示专家间的协调程度越好19。而各题项的统计主要依据三个指标：算数平均数、满分频率和变异系数20。本研究依据上述指标统计分析第一轮专家咨询结果。首先，计算得到10位专家的协调系数为0.224（sig=0.005），表明10位专家的整体协调性较好。研究计算了各题项的三个指标，结果表明，感知效能中的“忽略（S11）”题项算数均数、满分频率和变异系数均不符合要求，故删去。此外，专家建议在感知效能关注维度中添加“反复查看”。另外，有专家建议明确成效与持久效能中持久与迁移的关系，添加学习迁移维度。基于第一轮专家征询的建议，本研究将初始框架中的“忽略（S11）”删去，“注意”由“S12”改为“S11”，并且添加“反复查看”指标编号为“S12”。此外，依据专家建议和反馈模型，学习者的学习迁移是理想的教学结果，可分为情境迁移和能力迁移21。在本研究中，情境迁移代表学习者在学习分析支持下能够在不同情境任务中保持自我调节学习，能力迁移代表学习者已经形成了较为稳定的自我调节学习能力，在脱离学习分析支持后仍能保持自我调节学习。因此，本研究将初始框架中的“成效与持久（E）”改为“成效（E）”，将“持久度（E2）”改为“学习迁移（E2）”，对应的二级指标改为“情境迁移（E21）”和“能力迁移（E22）”。3.第二轮专家咨询结果分析经第一轮专家修正，本研究向10位专家发放第二轮专家征询表，回收9份（均有效），专家积极率90%。本轮Kendalls W协调系数为0.274（sig=0.002），相比第一轮有较大提升，且各题项指标均符合要求，不需要进行第三轮专家咨询（见表2）。由此，本研究得到了学习分析支持自我调节学习的效能分