学生学习行为分析：内涵考察和方法探究

李沿知

[摘 要] 作为当代教学论研究的新视域，学生学习行为研究越来越受到关注。通过对学生学习行为分析的内涵考察，对学生学习行为分析方法的基本范式进行探讨，并尝试以数据挖掘和学习分析为视角，探讨大数据背景下学生学习行为分析方法的范式转换，以绘制学习者学习路径图，优化学习者学习路径。

[关 键 词] 学习行为分析方法；大数据；范式转换

[中图分类号] G645 [文献标志码] A [文章编号] 2096-0603（2018）28-0198-01

一、学生学习行为分析的内涵考察

（一）学生学习行为研究：教学论研究的新视域

学生学习行为与教师导教行为、师生互动行为共同构成教学行为。长期以来，受“重教轻学”传统思想的影响，对教学行为研究的关注较多，学生学习行为研究较少。王庆超等对CSSCI期刊中以“教学行为”为主题的949篇文献进行了分析，发现以“教学行为”“教师”等为主题的文献多达400余篇，以“学习方式”“学习过程”为主题的文献仅有31篇。

但是，当前随着有效教学研究和教学设计逐渐从关注导教行为到关注学习行为，学习行为研究越来越受到关注。学生学习行为研究有着重要的理论价值和实践意义，不仅有利于丰富教学论研究理论成果，还有利于建立“学习中心课堂”，促进学生学习方式的转变和学习效益的提升。

（二）学生学习行为分析的内涵界定

学生学习行为分析是指研究者运用行为理论、学习理论等理论依据，对学生学习行为的要素与各个要素之间的关系进行分析，同时对学习行为的实现单位与各个实现单位之间的内部转化关系进行分析，以揭示学生学习行为与学习效果之间的关系。也就是说，采取质性和量化的方法描述、解释、评价和分析学生的学习行为，以探索学生学习行为改进的基本路径。

二、学生学习行为分析方法的基本范式

（一）经验/思辨范式

与教育研究方法的发展之路类似，学生学习分析方法主要采用经验总结和理论思辨的范式。其不足之处是随意性较强，同时对学生学习行为的分析也存在零散、肤浅等问题。

（二）叙事/描述范式

叙事/描述范式指用故事的方式叙述、描述有意义的学习行为。课堂志研究是一种典型的叙事/描述范式。该范式通过对学生微观学习行为进行深描，具有生态性、直观性、情境性等特点，不足之处是研究周期较长，且对研究者专业能力要求较高。

（三）话语/解释范式

话语/解释范式是通过对课堂话语的分析与阐释，揭示话语背后的意义，如“弗兰德斯互动分析系统”。该范式的特点是通过量化分析课堂教学中师生的语言互动行为，对课堂教学进行诊断和改进。其不足之处是分析对象不全面，分析结果具有片面性。

（四）观察/评论范式

观察/评论范式指用科学研究的方法描述或揭示学生学习行为，其典型研究是课堂观察法。该模式的弊端是观察者对学生学习行为所做出的评价很可能是个人的、本土的、零散的。

总之，由于方法、技术和经验的限制，学生学习行为的过程数据很难被全程、全面采集、记录和分析，较多依赖于分析者的经验进行主观判断或根据样本数据进行局部分析，对学生学习行为的分析很难实现全面性、系统性、客观性和科学性。

三、大数据背景下学生学习分析方法的范式转换

（一）大数据时代的特征及带来的学习变革

“数据”是对客观世界测量或检测结果的记录。1997年，美国NASA研究人员首次提出了“大数据”的概念。“大数据”是指人类有前所未有的能力使用海量的数据，具有海量性、多样性、快速性和价值性四大特征。《大数据时代》作者舍恩伯格等认为，“大数据”为学习带来了三大改变：我们能够收集对过去而言，既不现实也不可能集聚起来的反馈数据；我们可以实现迎合学生个体需求的，而不是为一组类似的学生定制的个性化学习；我们可以通过概率预测优化学习内容、学习时间和学习方式。

（二）大数据背景下学生学习行为分析方法的范式转换

库恩认为，科学发展的模式为：前范式科学—常规科学—革命科学—新常规科学，表征每一个阶段的核心就是“范式”，不同的科学范式之间是不可通约的，范式转换是一种格式塔转换，一个由某一特别事件引发的过程。

笔者认为，基于大数据的学生学习行为分析方法也必将在分析对象、分析层析和分析类型上发生转变。例如，数据挖掘和学习分析技术作为大数据在教育领域的典型应用，为精准分析和优化學生学习行为提供了新思路。基于大数据的学生学习行为分析方法是一种全新的模型方法，是数据驱动的经验模型方法，这将会促进学生学习行为分析方法范式的转换。

（三）大数据背景下的学生学习行为分析变革

1.从“局部分析”到“整体关照”。在全方位学情的大数据分析的支撑下，所有学生的学习行为数据被完整地采集和记录，通过对个人成绩及学习环节的优缺点进行纵向记录和横向对比，使每一个学生的知识“短板”可以得到精确反映，有的放矢，扬长补短。

2.从“笼统评价”到“个体深描”。除直接反映学生学业水平的差异，学生学习记录的“背景数据”和“评价数据”具有更重要的价值，它记录着每个学生独特的学习路径，间接地反映学生诸多非智力因素的差异，这些都可以为教师的教育决策提供依据。

3.从“统一要求”到“定制学习”。大数据也有利于让教学走向精准，促进学生定制个性化学习的实现。例如，通过构建基于“网络式”知识结构的“知识树”，在智能识别数据之间、数据与知识结构之间关联教学规律，以可视化方式，动态呈现给老师和学生，满足学生个性化学习的需要。

参考文献：

[1]王庆超，孙芙蓉，袁娇，等.我国教师教学行为研究热点及演进：基于949篇CSSCI期刊论文知识图谱分析[J].教育评论，2016（11）：104.

[2][英]维克托·迈尔-舍恩伯格，[英]肯尼思·库克耶.与大数据同行：学习和教育的未来[M].赵中建，张燕南，译.上海：华东师范大学出版社，2015：104.

[3][美]托马斯·库恩.科学革命的结构[M].金吾伦，胡新和，译.北京：北京大学出版社，2004.