基于大数据理念的教师在线学习行为分析与研究*

曾 海 郑燕芬 黄月盈

（广州市广播电视大学，广东 广州 510091）

一、引言

随着实时数据、非结构化数据、机器数据的爆发式增长以及社会化趋势所产生的大量碎片化信息, 大数据时代已经到来, 大数据以体量大、速度快、多样性、价值密度低等特征快速渗透到各行各业, 成为推动行业变革的重要因素。在教育领域，也同样蕴藏着具有广泛应用价值的海量数据[1]。2012 年，美国联邦教育部发布了题为《通过教育数据挖掘和学习分析增进教与学》的研究报告，提出通过对学习者的知识、行为和经历等大数据的分析，建立学习者档案，为个性化教育提供参考[2]。2015 年，国务院颁布的《促进大数据发展行动纲要》明确指出，“探索发挥大数据对变革教育方式、促进教育公平、提升教育质量的支撑作用”[3]。2018 年，《教育信息化2.0 行动计划》提出持续推动信息技术与教育深度融合，构建 “用数据说话、用数据管理、用数据决策、用数据创新” 的管理机制，以形成现代化的教育管理与监测体系，实现教育教学管理精准化和决策科学化[4]。

本研究的数据来源于真实可靠的教师网络在线学习平台——广州市中小学教师继续教育网（以下简称 “继教网”）。研究过程中笔者将提取广州市16 万中小学教师登录平台学习的数据情况，通过对比分析数据样本，利用大数据技术的分析思路，为继教网平台上的每位学员精确有效地制定个性化学习服务。同时，为平台实现按需施教提供数据基础，也增加了网络在线学习类应用平台的附加价值，提高在线学习平台的用户黏性，增加平台的收益，并探索平台业务和技术发展的进一步方向。

二、概念界定

（一）在线学习行为

国家开发大学（中央广播电视大学）现代远程教育研究所魏顺平博士认为: 一般而言，在线学习通常是指网络上进行学习与教学的活动[5]。华南师范大学现代远程教育研究所崔萌认为学习行为分为登录、浏览和点击等操作性学习行为和具有学习活动属性的学习行为。具有学习活动属性的学习行为指有教学理论支持、系统化的学习行为[6]。学者吕海燕认为学习者在线学习行为分析主要是基于网络教学平台对师生学习过程的记录数据，针对行为主体（教师、学生）的行为方式（登录、浏览资源、在线交流等）、行为客体（各类资源、网络课程模块等）的被使用情况以及行为发生时间进行统计、可视化和各类挖掘，并结合师生的特征数据对影响在线学习行为的因素进行挖掘[7]。

（二）教育大数据

华东师范大学祝智庭认为教育大数据是教育技术一种新范式，可以被分为教育数据挖掘与学习分析技术能力[8]。江苏师范大学杨现民认为，所谓教育大数据, 是指整个教育活动过程中所产生的和根据教育需要采集到的一切用于教育发展并可创造巨大潜在价值的数据集合[9]。东北师范大学徐鹏认为，广义的教育大数据泛指所有来源于日常教育活动中人类的行为数据，它具有层级性、时序性和情境性的特征；而狭义的教育大数据是指学习者行为数据，它主要来源于学生管理系统、在线学习平台和课程管理平台等。本文中的教育大数据更多的是指狭义的教育大数据，即在线学习平台的学习者行为数据[10]，本文的研究主要是利用技术分析 “继教网” 上参训老师的培训情况（含教师继续教育的学习情况、教师专业化发展的隐性需求以及其他个性化需求），为教师继续教育工作提供数据支撑、优化教师专业发展，也为教师个性化学习的开展提供参考。

三、研究设计

（一）研究样本

本次研究提取的样本主要是广州市中小学教师继续教育网16 万专任教师在广州市中小学教师继续教育全员培训2001 期的学习行为数据，以及参考2020 年广州市教师专业素质能力调研工作的数据。2001 期培训中，全市参训总人次为953,069，参与学习率平均为96.79%。教师专业素质能力调研数据则通过继教网上筛选出符合问卷发放需求的163,488 人，有效回收问卷41211 份。

（二）研究问题

本研究主要是涉及以下几个问题：（1）教师在线学习轨迹。（2）教师在线学习过程中使用课程资源的情况。（3）教师在线学习完成情况。（4）用大数据理念提出开展教师专业发展的建议。

四、数据分析

集中式学习环境的数据是学习分析的主要来源，尤其是学习平台记录的学习行为数据呈现出了最真实的思维与学习情况[11]。本研究依托继教网数据库的数据，借助第三方公司的大数据分析工具来完成，在 “广州市中小学教师继续教育网” 原有课后反馈问卷系统的基础上配置了项目专用管理平台进行问卷发放和数据采集，基于样本数据从多重视角把样本数据进行分类、聚类、关联后提出相应的对策[12]。

（一）教师在线学习的学习轨迹

1. 教师在线学习的时间分布

该项统计广州市专任教师在继教网平台上的学习时间段的时间分布。通常会把一天的时间划分为四个学习时间段：0-6（时）、6-12（时）、12-18（时）、18-24（时）。通过数据统计可以看出，教师登录平台学习的时间主要集中在早上6 时到12 时和下午12 时到18 时（即白天时间），而晚上比白天的学习时间明显要短。大多数教师会选择白天边工作边学习，而晚上则更多地把时间投入个人生活。根据马尔科姆· 诺尔斯提出的成人学习理论[13]，成人学习者在已有经历的基础上，会结合自己的实际情况自主安排学习任务，这就导致了成人学习时间呈碎片化。而将一周的时间分为周末和工作日来进行统计，周末的平均视频点播流量是8.43TB/天，工作日的平均视频点播流量是16.57TB/ 天，工作日的视频点播流量是周末的近两倍，这与在职成人教师利用节假日进行学习的特点相悖。究其原因，更多的是因为教师在继续教育过程中的 “应付任务式” 或 “挂机式” 的学习行为而导致的。

图1 广州市中小学教师继续教育学习时间分布

2. 教师在线学习的时长和登录次数

通过第三方工具对继教网平台网站访问量进行统计，统计时间为2001 期学习期，即2020年5月11日至7月11日，网络访问总量为672.5 万，具体访问量的变化情况见下图：

图2 2001 期继教网网站访问量变化情况

通过对教师的学习行为数据的记录可以收集到每位教师在线学习的时长与登录次数。结合数据统计，教师在线学习总时长为175,171,036 分钟，人均学习时长为1082 分钟，整体呈现以下特点：刚开始的两周教师学习积极性较高，尔后逐渐下降并趋于平稳，结课前还有小涨幅。虽然在教学有效性的研究中，学习时间只能代表教师在线学习投入的量[14]，而不能准确或有效反映学习投入的质量，不过教师每一次的在线持续时间和总在线的学习时间对学习结果还是会有一定的影响。总登录次数为161.5 万次，人均登录次数为10 次，每次学习时长为人均108.2 分钟，已有研究表明，在线学习的登录次数与学习结果呈显著正相关，登录次数的不足，说明教师在线学习的积极性和主动性有待加强。

（二）教师在学习过程中使用课程资源情况

2001 期继教网共计上线1549 门课程，包括师德师风、心理健康、教师信息化能力提升工程、数字化教材等不同的类别。对在库课程选课人数的分析发现，近1000 门课程的选课人数为0—50 人，课程数量相对充裕，选课分布相对均衡，集中选课在500 人以上的一般为上级部门作出要求的课程。出现这种选课分布情况，一方面是这些课程通常涉及社会热点或者是上级教育部门统筹安排的通识课程。例如师德师风、数字化教材培训课程等。另一方面，教师群体作为成年人，其学习行为通常具备一定的学习经验，明确自己的学习需求，相对而言自我定位更明确，学习动机更强烈。

图3 不同选课人数的课程数量分布

图4 在认真学习完本门课程后，您认为课程的总体质量如何？

另外，针对课程资源质量的调研结果表明，97% 的教师认为课程质量较好。教师在课后反馈对课程质量提升提出的相关建议有：教师建议学习时间即视频时长10—20 分钟为宜，尽量增加实践类、技能类课程，部分较旧课程宜作下线处理等。

（三）教师在线学习的完成情况

2001 期全员培训中，参与学习总人次为953069，参与学习率平均为96.79%。完成并通过课程学习人次916,836，课程平均通过率为96.20%，参与率与通过率无明显差异。课程通过率是教师培训效果最直接的体现，通过率的提高一定程度上反映出教师学习认真。统计数据表明，整体培训还是有一定成效的。

另外，有学习进度但未完成课程学习的情况占比3.8%，这部分人群可视为学习 “未通过” 但属于 “有可能” 通过的学习群体。

五、优化、改进教师专业发展工作的建议

（一）加强过程监测与教学交互，教师继续教育去任务化

前文的数据显示，大多数教师选择白天学习（早上6 时到12 时和下午12 时到18 时），利用工作日学习的时间几乎是周末时间的两倍。笔者认为根据成人的学习特点，同时利用大数据对教师在线学习行为的记录与分析，有助于加强教师在线学习行为的过程监测，并及时施加干预。一方面，数据上可以看出教师人均学习时长达到1082 分钟。但是实际上有些教师只是打开学习页面并保持挂机状态。所以，技术部门可以设置每15 分钟的防挂机客观题弹窗功能。这样既考察了教师的学习成果，又防止了教师学习过程中的应付行为。同时，技术后台适当施加干预以加强与教师的在线互动。针对教师在线学习的轨迹以及成人学习的特点，在后台管理配备辅导老师、安排在线答疑、技术支持等相关教学支持服务，并根据教师集中学习的时间进行合理调整。另一方面，针对前文关于2001 期继教网网站访问量变化情况所提出的 “教师在刚开始的两周学习积极性较高，尔后逐渐下降并趋于平稳，结课前还有小涨幅” 的情况，笔者认为应该从根源上进一步考虑如何维持整个学习过程的学习动力而不是通过简单的物理外力干预行为。因此，笔者建议通过研修社区、辅导教师群、公众号等各种渠道加强与教师的情感关怀与联系，从思想上改变教师对于继续教育的任务式观念，让教师们从思想上、行为上逐步转变。将来大数据各项工具在足够成熟的条件下，教师还可以主动根据平台的学习行为数据，形成一个常态化、自发组织、自发学习的学习共同体。这样也有助于保证教师继续学习的目标高效化，保障教师学习过程的持续化。

（二）加强对课程资源的系统规划，形成常态化的更新机制

虽然选课人数稳定，课程数量相对充裕，教师选课的分布情况合理。但是，教师选课人数在500 人以上的课程资源大多数为上级部门指定学习的课程。从现实情况看，不可否认有不少教师只是因为上级部门布置的学习任务或者是为了顺利拿到继续教育学时而报名选课的。

而针对这种填鸭式培训的局面，笔者认为可以利用大数据理念对科学决策的支持作用，从加强对课程资源的系统规划方面着手，结合每期对教师继续教育课程需求的调研，根据每期选课数据的统计与分析，精准地推送适合教师的学习资源。教师根据个性化的需求，选择合适自己的课程，这样教师专业化的发展会更加合理，课程资源使用的效果更好。

另外，根据课程资源质量的调研结果，笔者建议每期淘汰大概5%—10% 的老旧课程，也可以根据教师的继续教育情况, 利用平台大数据分析得到教师学习的真实需求更新一些前沿课程，有的放矢，以激发教师学习的积极性和主动性。

（三）强化为教师服务的意识，提供全方位优质服务

教师在线学习完成情况存在着有学习进度但未完成课程学习可以视为有潜质完成学习的群体。针对这个群体，笔者建议通过外力施加干预，例如设置专门的辅导教师或者在平台进一步提供个性化课程辅导，设置一些温馨提示该群体努力坚持完成整个学习，尽可能将 “有可能” 通过的学习者都转变为 “通过者”。技术归根结底就是要为人服务。因此，从教师在线学习的轨迹情况考虑，从用户的角度出发，借助大数据提供全方位的优质服务，可以尝试如下操作：1. 为保障线上学习的顺利进行，每天24 小时安排值班教师在线答疑，及时解答教师在线学习过程中遇到的问题；2. 优先考虑选用广州市远程培训教师发展中心专家库里往期绩效较好的辅导教师，然后根据任教学科、职称、教学经验、科研成果等综合因素为专业课程配置辅导教师，为教师在线学习提供互动指导。3. 一旦选课、提交作业等处于高峰期，教师在线时间有可能延长，此时更需要配备专门的平台技术服务教师，排除问题，保障平台稳定运行，支持教师继续教育的顺利完成。

（四）深化大数据运用，丰富完善在线学习的数据库

目前，虽然笔者已经在后台掌握教师在线学习的基本数据情况，但是从前文的数据分析可以看出后台基础数据的运用受限，导致数据的分析依然停留在表面。如果要构建大数据支持下的因材施教以及根据教师的教学规律匹配个性化学习的高级学习模式，那么需要升级平台技术，才能深化大数据的运用。实际上，可以尝试如下操作：1. 通过进一步构建登录平台学习时长数据库、平台学习资源数据库、浏览器数据库、信息交换数据库以及考核数据库来精准提高大数据分析下的在线学习模式。2. 可以加强各类资源的整理和加工，整合优质资源的个性化匹配，例如可以借鉴云平台的建造模式，将 “广州市中小学教师继续教育网” 升级改造为 “广州市中小学教师继续教育云” 等。

（五）发挥大数据与在线学习的叠加优势，开创精准扶智新局面与智慧师训新途径

在教师继续教育实践中，除了上文提到的几点建议外，还可以利用大数据挖掘技术构建教师专业发展与成长的大数据模型，建立教师专业化成长档案；也可以运用大数据分析技术掌握参训教师培训需求，提供精准化、个性化培训，优化教师专业化发展路径。借力大数据的技术，通过远程培训来解决地域之间不均衡的教育局面，深化精准扶智工作。例如，可以通过大数据的理念，利用行为分析技术后实现“专递智慧课堂”、“名师智慧课堂”、“名校网络课堂”，为偏远地区的教师提供精准帮扶工作。

另外，将已有的技术与功能更充分利用，探索更适应现代教师培训的智慧师训[15]。例如线上答疑常规问题的智能回复、教师学习的常态化指引、课程的智能化推送等等。从选课、观看视频、回答问题、完成作业全过程大数据化，以实现自动、高效、客观和常态化的学习分析，有助于教育决策者发现并及时解决问题，推进管理精准化和决策科学化。这样也更有利于学习者及时感知自己的学习行为、学习状态与学习效果，进行自主的调整。

六、结语

综上所述，基于大数据理念下的教师专业发展，对教师在线学习行为数据进行提取和有效地分析，能改进目前在线继续教育的大众化盲点，优化符合教师个性化发展需求的学习模式。当然，基于大数据理念下的教师培训，更多的是希望通过教师网络培训提高教师学习的自组织、自适应、自探索和自激励的学习能力，这就是我们所提倡的智慧师训。