大数据背景下学习分析可视化呈现技术研究

许文+付达杰+袁芳

摘要：大数据背景下，个性化学习和自适应学习的需求对学习者泛在学习过程的监测、反馈、评价提出要求，以此为目的的学习分析技术应运而生。学习分析可视化呈现技术是学习分析应用与实践中重要的一个环节，其直接关系到服务对象的使用体验与沟通效果。该文讨论了数据可视化技术的内涵和特征，学习分析可视化的价值，梳理了学习分析可视化常用工具，探讨了学习分析可视化呈现系统架构，为相关学习分析系统构建和实践研究提供借鉴。

关键词：学习分析；大数据；可视化

随着信息技术的发展，数据处理技术的进步使学习过程中产生的大数据体现出价值，其提供了前所未有的可量化维度来支持我们观察、分析、预测学习者的学习。泛在学习背景下，个性化学习和自适应学习的需求对学习者泛在学习过程的监测、反馈、评价提出要求，以此为目的的学习分析技术应运而生，并得到教育界的广泛关注。

2011年学习分析与知识国际会议（LAK，The InternationalConferenceon Learning Analytics&Knowledge）对学习分析的定义得到广泛的认可和引用：对学习者及其所在情境中产生的数据进行测量、收集、分析、报告，以理解和优化学习者的学习及其所处的环境。由此可见，学习分析技术的大范围普及，必然需要面对千差万别的学习利益相关者，如何将学习分析抽象的结果以容易理解的可视化方式呈现出来，为学习者提供发现世界和制定决策的新方法，以最大化实现学习分析目的及推动学习进程。

本文将尝试讨论与阐释数据可视化技术的内涵和特征，并对数据可视化技术在学习中的应用进行梳理，结合学习分析报告数据呈现的特点，讨论学习分析报告用户接口的可视化呈现架构，为相关学习分析系统构建和实践研究提供借鉴。

1学习分析可视化及其价值

1.1学习分析可视化的内涵

数据可视化通俗理解是将抽象的数据用直观的图、表等方式展示，以更利于信息理解和接收。站在不同的角度，研究者有不同的认识。赵国庆等认为数据可视化是运用计算机图形学和图像处理技术，将数据转换为图像和图形在屏幕上显示出来，并进行交互处理的理论、方法和技术，其与信息可视化（In-formation Visualization）、知识可视化（Knowledge Visualization）既有交叉又有不同。Post等“在其著作DataVisualization：TheState of the Art中指出数据可视化是一个动态的概念，针对不同的对象有不同的内涵。Friendly等一则提出数据可视化是由统计图形（Statistical Grahpics）及主题图（Thematic Cartography）组成的信息呈现。Ben Fry将数据可视化分为七个步骤：获取、分析、过滤、挖掘、表述、修饰、交互，强调数据可视化过程中视觉美学和交互的重要性。

这些研究表明，可视化不存在简单的对应关系，应该根据需可视化呈现对象的特征进行具体设计。学习分析以学习利益相关者为研究对象，以学习过程中产生的教育大数据为基础，通过分析模型理解、解释这些数据记录的学习状态，评估学生的未来表现并进行干预，为学习者学习提供有效的激励和指导，促进学习者自我行为监控和提高，实现学习的个性化和自适应。在此过程中需要收集的数据是多元化的，包括：学习行为、时间、交互、情绪、兴趣、习惯等，学习分析需要可视化呈现的能够直接作用于使用对象的结果而不是过程，如：学习者目前的学习进度偏慢或是超前、学习效果偏好还是偏差、存在的学习障碍等。

1.2学习分析可视化的价值

在学习者的角度，学习分析的可视化可以让学习者直观了解学习的状态，及与其他人的对比情况，可以作为自我评估的依据，并促进学生自我反思，改进学习。Govaerts等人在ROLE

项目中通过使用可视化的折线图、柱状图显示学生学习情况取得了较好的学习促进效果-制。在教师的角度，学习分析可视化呈现可以让其直观获得有关学生的学习过程、学习状态、学习进度等信息，据此有针对性的调整教学策略和提供教育支持。在教学管理者的角度，学习分析可视化可以直观反馈整体教学进展情况、绩效情况，以据此制定和调整教学管理。学习分析的可视化是学习分析能够被广泛应用的关键性一环，是学习分析这一应用的基本特征和属性。

2学习分析可视化工具

数据可视化的相关经典工具可以借鉴过来用于实现学习分析可视化，这些工具有：Visual Eyes、Many Eyes、GooSe Trends等。Visual Eyes使用Actionscript 3.0创建，完美兼容Flash环境，支持XML脚本语言实现可交互、可视化的呈现动态变化的内容，支持“虚拟搭建”集成线上资源（如：图片、图表等）；其具有界面友好、操作简单、便于二次开发及时空交互性的特点。GooSeTrends基于搜索日志分析，可以同时比较5个关键词的统计数据并使用柱状图等进行呈现。Many Eyes是IBM视觉通讯实验室创建的在线可视化社区，支持用户上传数据集进行可视化呈现。

学习分析技术的深入研究和快速发展，产生了系列分析方法，相关分析方法基本都有相应的分析工具支持，并进行了相关应用实践。其中典型的有：由Shane Dawson、Lori Lockyer等开发的SNAPP（Social Networks Adapting Pedagogical Practice）具有强大的社会网络可视化分析能力，使用该工具可以帮助教师快速识别交互过程中的边缘者和信息关键人（图1），显示一个社区在群体中的发展程度。

LOCO-Analyst跟踪学习者学习成绩并通过图表等方式实时反馈的可视化工具；Desire2Learn及Students Success System则是文档和社交分析可视化呈现工具。可以按照服务对象将这些工具分为三类：服务于教师（LOCO-Analyst、Student Suc-cess System、SNAPP等），服务于学生（course Signal、Narcissus等）、服务于教师和学生（GLASS、SAM等）。这些分析工具可视化呈现尚没有统一的标准，难以统一到同一学习分析框架，从一定程度制约了学习分析普及应用。

3学习分析可视化系统架构

马晓玲等提出了学习分析系统的数据流分析模型（图2），依次包括了学习日志数据收集、学习数据的产生、学习数据LAS引擎处理与学习分析数据显示等部分。在此基础上，冯翔等结合SaaS和PaaS服务模型提出了学习分析系统总体架构（图31。

在统一平台模型下，需要通过独立的可视化引擎来实现学习分析结果，可视化引擎在数据流模型中处于LAS引擎与LAS显示面板之间，系统架构中可集成到“面向可视化学习分析”模块。从某种程度上该引擎在系统中应该发挥更重要的作用，如根据学习者的情绪状态动态的呈现，因为学习分析结果的使用者是学习利益相关者，而非没有情感的输入反馈系统。可视化引擎以数据驱动的方式发挥作用，需预先定于可视化呈现策略，及策略匹配方式，以更好达到实现学习分析目的。

4结束语

学习分析技术的研究和发展为我们实现个性化学习和自适应学习提供了更好的技术保障，有效地推動M00cS和在线学习效果的提高。学习分析的可视化呈现直接与最终使用者相关，其关系到使用者的体验进而影响到学习分析实际效果。如何恰当而直观的表达充分的信息，以达到预期的效果是学习分析可视化面临的最大问题。下一步将就可视化引擎的可视化呈现策略及策略匹配方式开展相关工作，并进行验证，使我们可以更好地迎接数据变革教育的时代。endprint