學習分析工具——總有一款適合你

在線學習中，你喜歡下面哪一種學習分析工具？（多選）

A 個性化學習診斷

B 學習路徑圖規劃

C 個性化學習推薦

D 遊戲化學習項目

個性化學習診斷

現在教育領域已經不是你給什麼，我就學什麼的階段了。

正因為如此，個性化學習診斷、學習路徑規劃、個性化學習推薦這些項目才如火如荼的發展著。

學習診斷是啥呢？其實跟醫生診斷病人的病情差不多，簡單來說，就是確定學習者對知識和技能的掌握情況及薄弱環節，為後續的學習補救、幹預或個性化提供依據。

學習診斷的一般流程是：

第一步：梳理知識內容，建構知識體系；

第二步：圍繞知識點設計診斷性題目，或者結合實際需求編制診斷性測驗；

第三步：實施測驗，分析作答結果，得出診斷報告。

這跟我們在培訓前做訓前調研的流程比較類似，當然訓前調研的方式更為豐富，除了測驗之外還有問卷式調研、訪談式調研、測評式調研、工作坊式的調研。

聽說還有「飯局式調研」、「誘惑式調研」，總之各種調研應有盡有，供君選擇。

當前關於適應性學習系統的開發和商業化應用已經成為熱點。

Knewton是一家美國公司開發的在線自適應學習系統，它能夠通過在線診斷服務分析出每個學習者的優缺點，然後提供個性化的課程安排。

它可以細分每個知識點，對你進行單獨的個性化分析，讓你可以得到獨一無二的學習幫助和學習資料，相當於量身定製啊，有沒有？

自從亞利桑那州立大學開始使用由Knewton提供的個性化學習體驗課程之後，學生的退課率從13%降至6%，通過率由66%升至75%。

Knewton在08年成立的時候，第一年就獲得了250萬美元的投資，至今已經獲得了1億美元的融資，資本的眼睛是雪亮的。

另外一個個性化學習診斷系統是Dreambox Learning，它主要面向K12基礎教育提供教學教育服務。

Dreambox Learning能夠通過精心設計的診斷任務來判別學習者對不同教學知識點的掌握情況，並以此為依據進行個性化資源推送。

就比如抖音或快手，會根據你喜歡刷的節目給你推送相似的短視頻來贏得你的芳心一樣。

學習路徑規劃

了解了個性化學習診斷，再來了解學習路徑規劃，就更容易了。

現在，在線學習的課程非常豐富，琳琅滿目、應有盡有，很多人一登錄在線學習平臺，就不由自主的患了「選擇恐懼症」。

而學習路徑規劃，能夠為你推薦符合你自身能力的學習材料，讓你在學習路上循序漸進。

它能為你規劃符合你認知水平和風格的學習路徑，給你提供明晰的學習路線，避免學習迷航，提高學習效率，分分鐘治好你的「選擇恐懼症」。

像不像是一個專門為你定製的學習指南針？

剛才我們提到過的Knewton，它的學習路徑規劃就採用了知識圖譜、持續自適應、融合記憶曲線等技術來實現個性化學習，還會為每一個學習者建立終身學習檔案。

Knewton可以根據學習者在知識圖譜中已經掌握的知識和學習者的學習方式來自動生成學習路徑。

知識圖譜也是現在教育學領域研究的一個熱點方向。對了，知識圖譜是啥呢？來來來，我們來看圖說話。

如果你看過網絡綜藝《奇葩說》第五季第17期：你是否支持全人類一秒知識共享，你也許會對辯手陳銘的辯論印象深刻。他在節目中區分了信息和知識兩個概念：

信息是指外部的客觀事實。舉例：這裡有一瓶水，它現在是7°。

知識是對外部客觀規律的歸納和總結。舉例：水在零度的時候會結冰。

有了這樣的參考，我們就很容易理解，在信息的基礎上，建立實體之間的聯繫，就能形成「知識」。

知識圖譜，本質上，是一種揭示實體之間關係的語義網絡。

What？這樣說太抽象了有沒有？

咱們通俗點來說，知識圖譜就是把所有不同種類的信息連接在一起而得到的一個關係網絡，因此知識圖譜提供了從「關係」的角度去分析問題的能力。

Facebook 於 2013 年推出了 Graph Search 產品，其核心技術就是通過知識圖譜將人、地點、事情等聯繫在一起，並以直觀的方式支持精確的自然語言查詢。

比如你輸入的查詢是：「我朋友喜歡的餐廳」「住在紐約並且喜歡籃球和中國電影的朋友」等，知識圖譜會幫助用戶在龐大的社交網絡中找到與自己最具相關性的人、照片、地點和興趣等。

好了，對於知識圖譜的科普先暫告一段落。咱們繼續來說學習路徑規劃。

Knewton融合了人類記憶曲線，具有自適應機制，能夠捕捉學習者學習知識的起伏變化，然後依此判斷給學習者提供資料的時間和方式。

沒錯，它能自主決定你下一步應該學什麼。

比如你和隔壁老王同時學習一門課程，但是由於你們倆的學習風格不同、知識儲備不同，所以系統給你們規劃的學習路徑也不同。

因此當你們同時在自己的電腦上打開Knewton的時候，呈現在你們眼前的學習內容可能是完全不一樣的。

學習路徑規劃

接下來就涉及到個性化學習推薦了。

通過個性化學習推薦，能減少你查找學習資料的時間，發現你潛在的學習興趣，從而為你提供個性化的推送服務。

比如你學習一個知識點，學得口乾舌燥眼冒金星，覺得快要學瘋的時候，Knewton就會從你的學習進度或者階段測試中提取到你的情緒信息，然後特別善解人意的給你提供一些額外資料供你參考，降低你的學習難度或者提升你的學習興趣.

像不像是一個低配版的哆啦A夢呀？

美國猶他州立大學就採用了學習過濾技術來實現學習資源的精準匹配，它的個性化學習推薦系統會自動搜集學校裡面各種學習者使用學習資源的記錄。

假設，你是新一批入學的，系統通過建模發現，你和之前的某位學生Z在認知水平、學習興趣、學習風格上屬於同一種類型，它就會把Z之前的學習資源，在合適的場景下直接推送給你。

它認為，你們倆既然那麼驚人的相似，那麼適合他的學習資源應該也適合你。

喜當接盤俠的感覺有沒有？

當然也有更加科學的推薦方式，比如Degree Compass，是由美國奧斯汀皮耶州立大學開發的系統，主要功能是推薦學生選擇課程。

它可以利用你的入學數據和成績記錄，通過預測分析技術，預測出你可能在哪些課程中取得好成績，然後對課程進行排序，最後為你推薦特定的課程組合。

這套系統會綜合考慮課程與學生專業的匹配度，課程在整個大學課程系統中的重要程度、課程對學生畢業的影響程度等諸多因素。考慮相當的全面啊！

有些系統會利用學習分析技術，追蹤學習者的學習軌跡，對學習者的學業表現進行預測。

如果系統顯示學習者的學習狀態不佳，系統會發送自動提醒以督促學習者；如果結果顯示學習者已經嚴重偏離軌道，系統會通知老師來對學習者進行人工幹預。

也許你會有疑問，這個學習分析技術是依據哪些數據，對學習者的表現做出預測的呢？

舉例來說，Course Signal系統的數據來源於學習者的個人信息系統、課程管理系統、以及每個節點測驗的分數，通過一個算法來判斷學習者當前的學習表現。

它會根據學習者在這門課的當前成績、學習時長以及學習者過去的學業表現，來判斷學習者的風險級別。

Course Signal把學習者的學業表現分為三種狀態：低風險（正常）、中度風險和高度風險，在系統中能可視化顯示，分別用綠色、黃色和紅色來表示。

這不就是紅綠燈嗎？

美國普渡大學引入Course Signal之後，發現學生的成績有普遍而明顯的提高。估計是因為教師在「風險期」及時進行了幹預和幫助的原因。

總之，學習分析技術是採集與學習活動相關的學習者數據，並運用多種方法和工具全方面解讀數據的技術。

它能夠記錄、分析你的學習環境和學習軌跡，進而發現你的學習規律，預測你的學習結果，為你提供相應的學習策略，促進有效學習。

當然，學習分析技術不僅僅包括我們剛剛提到的個性化學習診斷、學習路徑規劃、個性化學習推薦，隨著大數據和個性化學習需求的發展，學習分析技術會越來越豐富和智能。

未來，學習分析技術在教育領域會有很廣泛的運用，感興趣的朋友現在就可以開始布局了。