图片来源：网络
撰文︱许沙鳗 电子科技大学外国语学院
导读
近年来，无论是以智能手机等移动设备为基础的移动语言学习，还是以连接互联网的终端来进行学习的在线学习，都引起了政府、企业、教育机构以及社会大众的关注和重视。较之传统的课堂学习，在线学习和移动学习可以突破时空限制，实现大范围的学习资源共享，师生之间、生生之间、生机之间可以进行更加便捷的互动交流，学生具有更强的自主性和选择权，更容易实现个性化学习。
在线学习 | 图片来源：网络
虽然在线学习和移动学习具有上述诸多优势，但其多年的发展并未取得理想的效果，在线学习的质量问题始终是其备受质疑的主要原因。此外，在线学习突出的优势是个性化，而当前人们对于个性化的理解与要求还有待提升。学习者可以按兴趣选择学习材料、学习平台与学习工具，仅仅是比较初级的个性化。如何对学习者的认知、行为与情感进行个性化的诊断和分析，并在此基础上推荐适合学习者当前学习需求的学习内容、活动、工具及学习路径，是更高阶的个性化，也是影响在线学习质量和发展前景的关键因素。而学习分析技术的出现为实现高阶的个性化在线学习提供了新的解决途径。
本研究基于《大学英语》课程的移动网络学习环境，使用序列模式挖掘(SPM)技术对学生使用移动端(APP)的学习行为数据进行挖掘和分析，探索学生进行自主学习的行为模式，为后续有效教学活动的设计与实施提供策略依据。本研究尝试回答以下问题：在移动英语学习中，学生的学习行为序列与成绩的关系如何?移动英语学习中，学生学习行为模式的特点是什么？不同成绩和不同自我调节水平的学生在学习行为模式上有什么区别？
外教社“课程中心”在线教学平台与移动端(APP)“WE Learn”共同构建了“移动互联网+”的移动学习平台。学生利用“课程中心”可以完成预习、复习巩固、知识点积累、语言操练、作业、测试等多种任务(赵舒静，2018)。本研究分析了“课程中心”在线平台记录的贵州某高校2019年春季学期《大学英语》课程6个教学班级学生(共297名)的网络辅助学习行为，其中男生103人(35%)，女生194人(65%)。
根据滞后序列分析的原理和一般步骤，笔者基于网络学习平台记录的学习行为数据，利用Python开发了滞后序列分析在线分析工具，具有原始序列生成、行为序列转换频率表生成、调整后的残差表计算等功能模块，实现了数据分析过程的自动处理。
《大学英语》网络辅助学习共有11个模块，分别完成听、说、读、写能力的训练;此外，教师还组织了每周一次的测试，分别是词汇、翻译、作文和综合测试4个模块，以了解学生对教学内容的掌握情况。最后，将学生完成上述15个模块的学习行为作为序列分析的行为编码对象，结果见下表。
图片来源：论文
表3数据是两种行为所形成的行为序列发生频次调整后的残差值(Z-score)。根据滞后序列分析理论，Z-score＞1．96表明该行为序列具有显著意义。最后，根据调整后的残差表，绘制具有显著意义的行为序列转换图。
图片来源：论文
图片来源：论文
学生的期末综合成绩由三部分构成:期末考试成绩(50%)、网络学习成绩(30%)和平时成绩(20%)。其中，网络学习主要从学习时长、学习完成度、学习正确率、平时测试和努力值及问答五个部分对学生进行形成性考核，通过对学生的形成性考核，促进学生良好学习行为和习惯的养成。
首先，将学生产生的行为序列总数与学生的综合成绩进行相关分析，结果显示二者没有相关性(r =0．02，p=0．731)，表明每个学生在学习期间产生的行为序列的数量对学生的综合成绩没有预测性，分析其原因可能是影响学生英语最终成绩的因素较多，学生个体行为序列的数量不是影响学生成绩的主要因素。其次，将产生的224个行为序列数量与学生的综合成绩进行相关分析，结果显示有60个序列与学生的综合成绩均呈现低度相关。其中，序列BC、FB、EB、CB、HB、DB、BF、BG、GB、BH、CM、MM与成绩的相关度较高，这些序列均与词汇(B)和翻译测试(M)有关联，表明在课程的辅助学习中，与词汇相关的学习是学生学习的主要内容。此外，在这些显著的行为序列中，与测试相关的序列(K、E、M)达到19个(31．1%)，表明测试任务产生较多的行为序列，这也验证了前人关于测试任务产生了更多的学习行为的结论。
据期末综合成绩进行平均处理，高于平均分的归为高分组，其他归为低分组，然后将高、低分组的数据导入分析系统，得到高、低分组行为转化图(图2、图3)。
图片来源：论文
由图2和图3的比较分析可知，高分组学生的行为序列(51条)比低分组学生(47条)多4条，表明高分组学生比低分组学生产生了较多的学习行为。此外，高、低分组学生在具体序列上也有较大差异。例如考察模块L(词汇测试)，在高分组中，与其相关联的模块是B、C和O模块，这些模块的内容与词汇测试关系较大，而在低分组中与其关联的是G和O模块。此外，考察模块K，高分组学生比低分组学生增加了KE这条序列，因为模块E的内容与模块K的内容有较大关联。这些序列的差异表明高分组学生的学习行为的目的性更明确。高分组形成了B-C-D和H-I-J-K两个双向学习行为序列集合，其中B-C-D的学习内容主要是词汇、课文及朗读等基础知识，H-I-J-K主要是能力拓展，涉及听、说、写等内容。低分组是一个环状的、双向的学习序列集合，没有明显的集合。这表明高分组学生在学习时根据知识内容进行了一定的专项学习和训练，具有较高的学习策略水平。
综上所述，高分组学生表现出了较高的积极性和主动性以及明确的目的性和策略性，而低分组学生表现出被动的学习。
此外，笔者根据Gordonetal和Milleretal的问卷并结合实际情况编制了自我调节问卷。问卷采用李克特量表形式，共18个题项。问卷通过“问卷星”发布，以班级为单位进行集中填写，最终297人完成了问卷。将学生的自我调节水平得分进行平均，高于平均分的归为自我调节高分组，其他归为低分组。将高、低分组的序列数据导入分析系统，得到高、低分组行为转化图(图4、图5)。
图片来源：论文
总体上，自我调节高分组(51条)和低分组(52条)有相近的序列数，但具体转换行为序列差异较大，如高分组的B、C、D模块形成的是单向序列BC、CD，而低分组形成的是双向序列BC、CB、CD、DC。这一发现与我们的理解不相符，理论上应该是自我调节水平高的人更应该采用回溯学习。分析原因可能是具有高自我调节水平的学生对B、C、D模块中的内容和知识比较有把握，不需要频繁进行回溯。自我调节高分组的序列分布主要集中在词汇(B)、课文(C)、写作(I)和与测试任务相关的模块(K、L、O)，而低分组的行为序列总体分布相对于高分组而言比较分散和平均。这表明自我调节高分组学生的学习目标比较明确，针对性强。在主模块的相关序列中，自我调节高分组学生的转换序列得分Z-score均高于低分组学生。例如，在重复学习序列中，高分组学生的得分均高于低分组学生(表4)；在模块A至模块K的顺序行为序列中，自我调节高分组学生的得分也高于低分组学生(表5)。这表明自我调节高分组学生的学习参与度较高，并能够采用合适的方法和策略进行学习，也愿意投入更多的时间进行学习。
图片来源：论文
MALL为语言学习提供了新的教学框架，而丰富的学习数据和数据挖掘技术为更好地理解学生的学习行为提供了可靠的数据支持和有效的方法工具。为了探索移动语言学习环境中学习行为的模式和特点，本研究在《大学英语》课程中开展了移动技术辅助学习的教学实践，利用滞后序列分析方法对学生的学习行为进行了分析。研究发现：(1)学生的学习行为序列与学生的期末成绩呈低度相关性，跟词汇相关的行为序列与期末成绩的相关度较高；(2)学生的学习路径基本是按照词汇→课文→朗读→阅读理解→写作→测试的传统学习模式顺序开展学习;词汇、课文、写作和测试是网络学习的主要内容模块；测试任务产生了较多的学习行为序列；(3)成绩和自我调节水平的高、低分组学生在学习行为上均存在差异，总体反映了高分组学生比低分组学生的学习具有更强的目的性、主动性和策略性。
基于上述发现，笔者认为，基于移动技术辅助的英语教学可以从以下几个方面进行实践：(1)利用技术手段辅助词汇学习，快速提升学生的词汇量。但仅依靠课堂教学提升词汇量是不现实的，因此，教师需要引导学生在掌握现有课程词汇的基础上，选择优质课外资源进行词汇的补充学习。例如，使用词汇学习类APP(如百词斩、扇贝单词等)，在系统设计和有效执行后能帮助学生在词汇数量上的突破；(2)精心设计测试任务，引导学生有效开展学习。在网络学习中，学生的学习不在教师的控制范围内，教师需要通过教学设计引导学生开展学习；(3)引导学生采用有效的学习策略开展学习，提高学习效率。教师在教学中要有意识地通过策略训练培养学生采用合适的学习策略，提升学生的学习能力和学习效率。例如，进行元认知策略（如计划、监控）、认知策略（如记笔记、推理、总结）和社会情感策略（如合作、自我调节）等方面的训练和引导；(4)应用行为模式分析结果的可视化输出，为教师和学生提供学习反馈，促进学生进行自我调节的学习。教师可以将良好的学习行为模式作为学习策略反馈给其他学生，促进学生调整自己的学习行为，实现自我调节的学习，充分体现技术对教学的支持服务。移动英语学习是信息化外语教学的重要发展方向，需要进行更多的研究丰富对学习效果的理解。基于大数据和学习分析技术的学习行为模式分析为教师理解学生的学习行为和学习过程提供了新的视角和方法。后续研究将继续利用学习分析技术针对学生在听、说、读、写、译等专项技能方面开展学习行为与教学其他影响因素的整合研究。
参考文献：
[1] 李绿山,赵蔚 & 刘红霞.(2020).基于滞后序列分析的移动英语学习行为研究.外语电化教学(05),94-100+14.
[2] 杨现民,王怀波 & 李冀红.(2016).滞后序列分析法在学习行为分析中的应用.中国电化教育(02),17-23+32.
责任编辑：刘彦池 李晨
你可能会感兴趣 ·
