Analysis—分析。对教学所要达到的行为目标、任务、受众、环境、绩效目标等等进行一系列的分析。

分析具体内容如图所示

（一）归类分析法

分析方法：对言语信息最有效的分析法是确定信息的主要类别。确定分类方法后，把需要学习的知识归纳成若干方面，从而确定教学内容的范围。

表达方式：组合或组成图示(分层, 或分簇),或者列提纲

范例：一个国家的省、市名称可以按地理区域的划分来归类；人体外表各部位的名称可以由上向下，按头、颈、躯干、上肢、下肢分类；细胞的化学成分可以按元素组成和化学物组成分类，如下图所示。

细胞的化学成分 归类分析法示例（乌美娜，1994）

说明：从形式上看，该示意图与后面将讨论的层级分析图相似，但在归类分析中，各知识点之间本质上不存在难度的层级关系。

（二）层级分析法

层级分析法是用来揭示教学目标所要求掌握的从属技能的一种内容分析方法，是一个逆分析的过程。

分析方法：从已确定的教学目标开始考虑，要求学习者获得教学目标规定的能力，他们必须具备哪些次一级的从属能力？而要培养这些次一级的从属能力，又需要具备哪些再次一级的从属能力？依次类推。各层次的知识点具有不同的难度等级——越是在底层的知识点，难度等级越低（越容易）；越是在上层的，难度越大。层级分析的原则虽较简单，但具体做起来却不容易。它要求参加教学设计的学科专家、学科教师和教学设计者熟悉学科内容，了解教学对象的原有能力基础，并具备较丰富的心理学知识。

表达方式：层级依赖关系图示

范例：“整数减法”学习内容的层级分析，如图所示。教学目标规定的能力(11)的学习以(7)、(8)、(9)和(10)四项从属技能的学习为先决条件，该层级分析一直继续到最后一级的子目标（简单减法）为止。

“整数减法”学习内容的层级分析示例（乌美娜，1994）

（三）信息加工分析法

信息加工分析法是一种将教学目标要求的心理过程揭示出来的一种内容分析方法。这种心理操作过程及其所涉及的能力构成了教学内容。

分析方法：按照信息加工的步骤，写出每步要做的事情，包括内隐的心理操作过程和外显的动作技能的操作过程。

表达方式：过程图示或步骤罗列

范例1：求算术平均数的解题过程，如下图所示。

求算术平均数的计算过程信息加工分析示例（乌美娜，1994）

范例2：刻纸拓印的教学内容分析。

刻纸拓印过程为：

      （1）画稿——用单线画出稿样轮廓；

      （2）复印——将画稿分别印在图画纸上；

      （3）剪形——将所印的图样逐个剪下；

      （4）刻纹——用刻刀按印稿将结构刻出；

      （5）衬贴——将剪下的图样分别贴在底板纸上；

      （6）印刷——用滚筒等用具使底板吃足油墨，然后把印纸覆上，压印成画。

（四）解释结构模型法（ISM分析法）

解释结构模型法是用于分析和揭示复杂关系结构的有效方法。它可将系统中各要素之间的复杂、零乱关系分解成清晰的多级递阶的结构形式。当分析的各级教学目标不具有简单的分类学特征，或者其中的概念从属关系不太明确，也不属于某个操作过程或某个问题求解过程时，使用ISM分析法比较合适。

分析方法：包括以下三个操作步骤：

（1）抽取知识元素，确定教学子目标；

（2）确定各个子目标之间的直接关系，做出目标矩阵；

（3）利用目标矩阵求出教学目标形成关系图（这个步骤由于步骤明确、可操作性强，很容易转换成计算机的算法，用某种程序设计语言去实现。换句话说，ISM分析法的第三个操作步骤可以交给计算机去自动完成，从而使教学目标分析的效率得以提高）。

 范例：掌握不同分母分数的加减法。

（1）抽取知识元素——确定教学子目标。

（2）确定各个子目标之间的直接关系，做出目标矩阵；

如果学生对教学目标Gi进行学习之前必须先掌握教学目标Gj，则称i与Gi之间有“直接关系”，并称为Gj为Gi的直接子目标。

（一）传统的分析方法

1.起点能力的分析方法

学习者的起点能力具有动态性，它主要包括学习者掌握新知识所必须具备的旧知识。在进行学习者起点能力的分析时要注意，即使是同一班的学生，其学习的起点能力也存在差异性，所以必须要客观的进行评价。

关于学习者起点能力的分析理论有很多，较有影响力与借鉴性的主要有以下几个：

（1）“绘制概念图法”判断学习者的认知结构

此方法由美国著名学者约瑟夫·D·诺瓦克（Joseph D.Novak）于20世纪70年代，在康奈尔大学（Cornell University）提出。他所指的“概念图”是由各种概念和这些概念之间的关系构成的命题或原理所组成。由于学习者对知识的掌握不同，所以绘制的概念图也不相同。教学正是让学习者来完善概念图的过程，为了了解学习者对知识的掌握情况，教师可在学习进行前，让学生绘制该学科的概念图。并且根据该概念图来判断学习者已经掌握的知识和未掌握的知识。绘制概念图的步骤是：
        A 让学生将已经掌握的知识中的关键概念列成概念表。
        B 将这些概念进行排序，排序时从最广泛和一般的开始，排到具体和狭窄的概念。
        C 按照正三角的格式将概念进行排列。广泛和一般的概念放于顶部，具体的概念按照顺序放到底部。
        D 按照各个概念之间的关系，将成对的概念之间划线，随着学习者对知识认识的深入，线条会出现变化。
        E 找出图中不同概念的关系，并进行标注。
        F 经过一段时间的学习后，学习者可以重新绘制概念图。教师可以根据学习者绘制的概念图，判断学习者哪些知识是已经掌握的，哪些知识是需要加深的，从而帮助教师设计教学活动，确定教学起点。

下图是一个关于运动的概念图

“运动”概念图

（2）“技能先决条件”分析法

其由加涅和布里格斯等人提出。“技能先决条件”是从终点能力出发，来逐步分析达到这种终点能力所需的知识和技能。经过一层层的分析，最终得到的从属技能能够被学习者熟知。通过这样的分析可以判断出哪些技能是学习者已经掌握的，哪些技能是学习者还未掌握的。以教学目标“辨认动词和名称”为例来分析，通过层层分析，最终可以得到这个学习目标的起点是认识字母。学习者已经掌握了将句子归类，学习起点即为将句子归类。

  技能先决条件分类法

2.学习风格的分析方法

学习风格的定义有很多种。凯夫（Keefe1979）从信息加工角度界定的学习风格是其中一种较为广泛地被人们接受的界定，“学习风格由学习者特有的认知、情感和生理行为构成，它是反映学习者如何感知信息、如何与学习环境相互作用，并对之做出反应的相对稳定的学习方式”。

克里（Curry，1983）的“洋葱模型”几乎囊括了所有相关的学习风格理论，以后的理论几乎都可以归到其中的某个层上。该模型由三层组成：最外层————教学偏好；中间层————信息处理方式；里面层——认知个性风格。

在对学习者进行学习风格分析时，可以对照“洋葱模型”里外三层列出的各个因素进行分析。

（1）最外层——教学偏好

这一层是最容易观察到的，最不稳定也最容易受影响。这些影响包括学习环境、学习期望、教师期望和其他的外部特征（1983）。

处于这一层的代表理论是Dunn(1978)提出的理论。该理论主要关注影响学习的刺激因素。如下图所示：

（2）中间层——信息处理方式

克里（Curry，1983）模型的中间层主要关注个体吸收信息的时候所用的智慧方法。该层包括了许多现在广为接受的学习风格理论。下面是使用广泛的Kolb和Gregorc的学习风格理论。

 ①Kolb的学习风格理论

Kolb对学习过程周期（learning cycle）进行了独特的分析。他认为学习过程周期由四个相互联系的环节组成，即具体体验(concrete experience)、抽象概括(abstract conceptualization)、反思观察(reflective observation)、主动实验(active experimentation)。基于对学习过程周期的研究，Kolb将学习者分为不同类型，并对各自的特征进行了分析。他认为学习过程周期的四环节两两对应存在（即具体体验与抽象概括、反思观察与主动实验）。由于个体对这四个环节的偏爱程度不同，从而表现出不同的学习风格，即聚合者（convergers）、同化者(assimilators)、调节者（accomodators）、发散者（divergers）。

 ②格雷戈克（Gregorc）的学习风格理论

格雷戈克（Gregorc，1982）认为人们在组织空间和时间上是有差别的。个体有两种重要的调解能力：感知（信息获取的方式）和排序（信息排列和存储的方式）。知觉有两个性质：抽象和具体。排序有两个性质：序列和随机。与Kolb一样，这两个维度形成了四种学习风格：具体序列，具体随机，抽象序列，抽象随机。

（3）里面层——认知个性风格

Curry 模型的里边层主要是为吸收新信息而选择个性化的方法（Curry，1983）。

Felder和Silverman的学习风格模型交迭于中间层和里面层之间。它把学生分成了五种类型：感觉/直觉，视觉/语觉，归纳/演绎，冲动/反思，以及序列/整体。

另外还有Witkin(Witkin&Goodenough，1982 )的场依存/场独立理论也属于“洋葱模型”的里面层。Witkin把受环境因素影响大者称为场依存性，把不受或很少受环境因素影响者称为场独立性。前者是“外部定向者”，基本上倾向于依赖外在的参照（身外客观事物）；后者是“内部定向者”，基本上倾向于依赖内在的参照（主观感觉）。场依存性和场独立性这两种认知方式与学习有密切关系。一般来说，场依存性者对人文学科和社会学科更感兴趣；而场独立性者在数学与自然科学方面更擅长。

需要说明的是，学习风格本没有好坏之分。对于教学设计者而言，了解学习风格的主要目的在于找出不同的学习风格与教学形式组织、教学方法运用、教学媒体选择之间的关系，以便为学习者提供更适合其学习风格特点的教学。

（二）基于数据挖掘的学习者测试信息分析

学习者分析除了传统的分析得到的一些结论外,还有一些不易察觉的、对于教学和学习有指导意义的信息隐含其中,运用数据挖掘技术分析测试信息可以将这类信息提取出来,将隐含于其中的教育过程信息明晰化。

1．数据挖掘的工具

（1）工具分类

数据挖掘工具主要分为两类:通用的数据挖掘工具和特定领域的数据挖掘工具。

通用的数据挖掘工具不区分具体数据的含义,采用通用的挖掘算法,处理常见的数据类型。通用的数据挖掘工具可以做多种模式的挖掘,挖掘什么、用什么来挖掘都由用户根据自己的应用来选择。

特定领域的数据挖掘工具一般针对性较强,是为某个特定领域的问题提供解决方案,在设计算法的时候,充分考虑到数据、需求的特殊性,并作了优化,在各行业各领域中都可以开发特定的数据挖掘工具。

 （2）常用的工具

 具有代表性的数据挖掘工具有DBMiner、QUEST、SAS Enterprise Miner、SPSS Clementine等,都能够提供常规的数据挖掘过程和挖掘模式。

DBMiner是加拿大Simon Fraser大学开发的一个多任务数据挖掘系统,它的前身是DBLearn,该系统设计的目的是把关系数据库和数据开采集成在一起,以面向属性的多级概念为基础发现各种知识。

QUEST是IBM公司Almaden研究中心开发的一个多任务数据挖掘系统,目的是为新一代决策支持系统的应用开发提供高效的数据开采基本构件。

 SAS Enterprise Miner数据挖掘工具在我国的企业中得到了较广泛的运用。SAS按照“抽样→探索→转换→建模→评估”的方法进行数据挖掘,其结果可以与SAS数据仓库和OLAP集成,实现从提出数据、处理数据到得到解答的“端到端”知识发现。

SPSS Clementine 12.0是一个开放式数据挖掘工具,它支持整个数据挖掘流程从数据获取、转化、建模、评估到最终部署的全部过程。SPSS的可视化数据挖掘使得“思路”分析成为可能,即将集中精力在要解决的问题本身,而不是局限于完成一些技术性工作(比如编写代码)。

 2．分析的过程

运用数据挖掘中的关联规则挖掘技术,对试题进行相关性分析,找出学习者答错的试题间的关联性,为学习者改进学习情况提供参考。在分析时为使每道试题相互区分并有结构化的编号,首先对试题进行格式化处理;之后,通过在Excel中对数据进行预处理、运用SPSS进行试题的关联规则挖掘,获取试题的相关性信息;最后,通过得到的试题相关性信息来为学习者更好的达到教学目标提供帮助。

（1）挖掘数据的格式化处理

试题数据格式化处理的目的是统一格式标示试题,便于检索和查找,使试题在相关性分析中能够具有唯一区分标识,故试题编号应具有唯一性,是一个精确概念。

（2）数据预处理

数据预处理包括数据清洗、数据集成、数据转换和数据消减。

数据清洗的过程通常包括:填补遗漏的数据值、平滑有噪声数据、识别或除去异常值,以及解决不一致问题。

数据集成是将来自多个数据源的数据合并到一起。

数据转换主要是对数据进行规格化操作。数据转换包含以下处理内容:①平滑处理,帮助除去数据中的噪声;②合计处理,对数据进行总结或合计操作;③数据泛化处理,所谓泛化处理就是用更抽象的概念来取代低层次的数据对象;④规格化,即将有关属性数据按比例投射到特定小范围之中,以消除数值型属性因大小不一而造成挖掘结果的偏差;⑤属性构造,根据已有属性集构造新的属性,以帮助数据挖掘过程

数据消减的目的就是缩小所挖掘数据的规模,但却不会影响最终的挖掘结果。现有的数据消减包括:①数据聚合;②消减维度,如通过相关分析消除多余属性;③数据压缩,如利用编码方法;④数据块消减,如利用聚类或参数模型替代原有数据。

3．分析的方法

数据挖掘在测试信息分析中常用的算法有粗糙集、神经网络、关联规则算法、聚类算法、决策树算法,通过各种算法对试卷、试题与学习者信息进行分析,得到教育相关的信息辅助决策。本文通过对试题进行关联规则分析、对学习者的聚类分析和S-P表分析以达到测试数据分析并获取决策与分析信息的目的,在分析过程中用到的方法主要有关联规则分析、聚类分析和S一P表分析法。以下分别介绍关联规则挖掘、聚类分析和S-P表分析的基本概念。

（1）关联规则法

关联规则挖掘是数据挖掘中重要的分支之一,着重研究大量数据中项集之间有趣的关联或相关关系。通过关联规则挖掘能够发现数据集中项集之间的关联性或相互联系,寻找在同一个事件中出现的不同项目的相关性。关联规则挖掘的结果是一系列有意义的规则,它揭示了数据中蕴含的关联特征。

关联规则挖掘常用的算法有APriori算法、FP-growth算法和Carma算法等。APriori算法是经典的关联规则算法;FP-growth对不同长度的规则具有很好的适应性,同时在效率上较之APriori算法有很大的提高;Carma允许多个结果的规则并且比较灵活、高效。

（2）聚类分析法

聚类分析是指将物理或抽象对象的集合分组成为由类似的对象组成的多个类的分析过程,是一种重要的人类行为。聚类分析算法中常用的有神经网络聚类分析、K均值聚类分析和二阶聚类分析等。

（3）S-P表分析法

 学习者-试题特性分析(Student-Problem Chart,以下简称S-P表)是利用学习者的问题得分表进行教学情况分析的一种信息处理方法,使用这种方法既可评价学习者个体的学习状况,又能对班级整体的学习倾向及整个问题的妥当程度做出衡量。 

（三）网络环境下的学习者分析

对学习者的分析一般包括学习者一般特征的分析，学习者学习情况的分析以及学习者学习风格的分析三部分，每一部分又分为若干小项的内容。为了方便系统设计，将其分为静态特征和动态特征两部分的内容。静态特征主要是指在学习过程中一般不随学习者学习的进行发生很大变化的特征。静态特征主要包括学习者的基本信息，学习者的学习风格等。学习者动态特征主要是指在学习过程中随时会发生改变的特征，其受学习环境的影响很大，收集的数据需要随时更新。主要包括学习者起点能力，学习历史，学习者的知识结构，学习者的认知情况以及绩效信息等。需要注意的是：静态特征和动态特征是相对的，这里指的是相对而言的静态与动态。

学习者分析模型

首先，学习者通过学习平台的学习产生数据，然后构成的数据集进行数据挖掘产生结果集，经过对结果集的分析形成学习者分析结果库反馈给用户层。

 1.学习者静态特征分析

网络学习环境下，学习者和教师存在空间上的距离，教师很难了解学习者的特性，学习者没有教师的指点也会走入学习的误区，学习者静态特征分析是为了让教师和学习者了解其基本情况而设计。对学习者静态特征的分析可以是智力，认知个性信息，学习风格，学习动机等，也可以是其他的方面。并且为了方便进行测试，教师或者管理员可以在系统中添加测试题目，由学生进行作答，此外学生也可以通过描述的方式来表述自己的学习状态。

2.学习者动态特征分析

网络学习中，由于网络信息量的巨大，超级链接的方便，很容易让学习者脱离原来的学习系统，加上没有了同伴的鼓励作用，也使得学习者容易对网络学习产生厌倦的情绪。所以要对学习者的学习状态进行及时的评价。学习者分析系统中的学习者动态特征分析主要集中在对学习者学习起点，学习历史，绩效信息，交互信息，认知情况的分析，也包括对学习者心理模型，媒体喜好模型，知识模型，交互类型，认知水平模型的分析。将学习者在学习系统中的学习状况导出数据，并导入本系统中，可以得出对学习者学习数据的分析。

所罗门学习风格量表 http://www.360doc.com/content/10/0903/10/3102656_50834536.shtml

kolb学习风格量表 成人学习风格测试(KOLB学习风格)_成人学习风格测试_【测试说明】.docx

 自我效能感综合量表 http://blog.sina.com.cn/s/blog_4ea69e410100w6dd.html
 

（一）方法

分析学习需要的基本方法可以分为内部参照分析和外部参照分析，两者的主要差别在于作为期望值的目标参照系的不同。

1.内部参照分析法

内部参照分析法是由学习者所在的组织机构内部以已经确定的教学目标（或工作要求）对学习者的期望与学习者学习（工作）现状作比较，找出两者之间存在的差距，从而鉴别学习需要的一种分析方法。如果目标的制定充分反映了机构内、外环境对它的要求，充分考虑了学生自身发展的要求和特点，那么内部参照需要分析法是有效的，否则它不能揭示真正的需要，这是内部参照需要分析法中应注意的问题。以下的数据收集方法：

（1）按照形成的指标体系来设计测验题、问卷或观察表，然后通过分析试卷和问卷以及观察记录直接从学习者处获取信息。

（2）根据指标体系，分析学习者近期的测试成绩，产品合格记录等相关的现成料。

（3）召开教师等有关人员的座谈会或对他们作问卷调查，按形成的指标体系询问学习者目前的状况。

各种方法均具特色，在实际进行时可结合使用。关于学习者现状的信息也应以学习者的行为术语描述出来。

2.外部参照分析法

外部参照分析法是根据机构外社会（或职业）的要求来确定对学习者的期望值，以此为标准来衡量学习者学习的现状，找出差距，从而确定学习需要的一种分析方法。这种方法揭示的是学习者目前的状况与社会实际要求存在的差距，特点是把目前和未来发展的需要（超前性，需科学预测）为准则和根本价值尺度揭示教育、教学中存在的问题，从而制定教育、教学的目标。因此，外部参照法是对机构内部目标合理性进行论证的有效方法。收集信息主要有以下途径：

（1）对毕业生跟踪访谈、问卷调查，听取他们对社会需求的感受，以及工作后对学校教育或培训教学的意见和建议从中不仅获得关于社会期望的信息，也获得学习者现状的信息。

（2）分析毕业生所在单位对毕业生的工作记录，了解他们对职工的要求和对毕业生的评价，获得工作需要和对教学的改进信息。

（3）设计问卷发放到与所学专业相关的工作岗位，得到社会对人才能力素质的要求信息。

（4）现场调研，深入到工作第一线，获得对人才能力素质要求的第一手信息。

（5）专家访谈，了解专家对社会目前及未来发展对人才需求的信息。

3.内外结合分析法

相对来说，内部参照分析法容易操作，省时省力，但却无法保证机构目标的检测，而外部参照分析方法，操作上比较难，要耗费大量的精力和时间，但却使系统与社会需求直接发生联系，丛而保证系统目标的合理性，在实际运行时，可采取内外结合的方法。见下图 。也就是根据外部社会要求调整修改已有的教学目标，并以修改后目标提出的期望值与学习者现状相比较找出差距。

内外结合学习需要确定方法

（二）技术

1.学习分析技术的过程

Siemens 结合自己的实践，将学习分析的过程总结为如图所
 

从这个过程可以看出，学习分析技术的数据来源有两类：一类是学生数据，即学生在学习过程中由移动终端、社会性软件和学习管理系统所记录的数据；另一类是智能化数据，即可以通过语义分析以及连接技术来处理的源自课程+学期考试和其他来源的数据，这类数据与学习者的学习过程间接相关。这两部分数据被收集起来并等待进行某种分析.在以某种形式对学习者数据、档案信息和课外数据进行分析的基础上，就能够更有针对性地施加某种学习干预。

2.学习分析关键技术与主要工具

学习分析关键技术涉及内容分析、话语分析、社会网络分析、系统建模等技术以及统计分析与可视化、聚类、预测、关系挖掘、文本挖掘等一系列数据挖掘方法。另外，根据分析对象的不同，概括了五类典型的数据分析方法：

（1）从教与学的过程分析

（2）从教学资源的角度分析

（3）从学习者间网络的分析

（4）从学习者的特征分析

（5）从学习者行为与情感分析，并给予每个视角一个技术支撑。

常见的学习分析工具有很多，如支持对原始帖子进行标注或编码、交叉引用和简短评论的工具包括 Nvivo、Atlasti；支持基本的基于词典的文本分析的工具，如 CATPAC、LIWC；专门的内容分析工具，如北京师范大学知识工程研究中心开发的智能化内容分析工具 VINCA；专门的社会网络分析工具，如UCINET；用于系统建模的工具，如Coordinator 系统建模工具；专门的数据挖掘工具，如 SQL SERVER 2005 Analysis Service（SSAS）、Weka、SPSS 等等。

对于学习分析技术的未来发展前景，学习分析领域专家 Siemens 认为其中有两点很重要

（1）现实世界的数据收集

（2）移动学习，移动学习提供大量的学生运动、信息搜索行为、社会交往、环境（位置）因素等数据。

3.国外经典案例

（1）美国北亚利桑那大学研发的 GPS，主要用于评估该校全日制学生的课堂学习绩效

（2）澳大利亚伍伦贡大学开发的 SNAPP 应用软件，从学习管理系统和论坛中收集学习者的数据和行为数据，并可将分析结构可视化

（3）印度甘霖大学为农村学生提供一个多语言平台

（4）哈佛大学马祖尔团队研发的学习促进平台，提供课堂一对一教学，并提供实时反馈

（5）美国圣莫妮卡学院利用玻璃课堂，通过分析学习环境产生的数据提高学生和教师的表现

（6）美国斯坦福大学多莫态学习分析，可以通过学生手势、语音和其他表达方式来评估以项目为基础的活动。

（一）环境分类

 常见的学校课堂学习环境包括多媒体综合教室环境、语言实验室环境、多媒体计算机网络教室环境，以及传统课堂学习环境和多媒体综合教室环境教学有机融合形成的带有电子交互白板的互动教学课堂环境、基于课堂的移动学习环境、智慧教室等。如下图所示

（二）不同环境对教学支持 

 1.多媒体综合教室环境教学特点

（1）播放多种教学媒体
（2）开展新型模式的教学实验与研究
（3）扩大教学规模，观摩示范教学

2.语言实验室环境支持的教学

语言实验室对学生进行开放，给学生创造一个自主学习的良好环境，不但可以使他们在外语听、说等方面的能力得到提高，而且能培养他们自主学习的能力和良好习惯。


3.多媒体计算机网络教室环境支持的学习

（1）在学习活动的安排上，以学生的自主——合作——探究活动为主
（2）在教师的作用发挥上，突出引导与参与的功能
（3）在学习内容的组织上，以单元学习和综合学习为主

4.电子交互白板的互动教学课堂环境教学功能

（1）师生双向互动、在交互式电子白板的课堂环境中，学生能主动 参与到学习过程中。
（2）利用交互式电子白板可以巧妙构思，创新课堂教学活动。
（3）在交互式电子白板的工作界面中，不仅可以调用内置的多种教育资源素材，而且还可以调用计算机和网络中的各种教育资源（包括多媒体课件和各种类型的素材等），也可以根据课堂教学的需要自行绘制
（4）互式电子白板还有一个重要的功能是，能够将课堂教学过程中即时产生的过程性教育资源进行 现场采集、加工和运用。这个功能的充分运用，可以不断形成和积累一些课堂教学过程中生成的鲜活教育资源。

5.移动学习环境特点

（1）移动性，学习者可以通过移动终端在任何地点接入网络，或将学习资源卜载到移动终端进行学习，不再受传统教学固定场所和有线网络固定接入点的限制

（2）实时交互性，将支持网络通信技术的学习终端连接到网络，实现数字化学习信息、资源和服务等数据的双向交流

（3）普及性，随着移动终端(手机、MP3等)和通讯网络的普及，即使在偏远山区的人也可以成为移动学习中的学习者和教育者一，促进了全民学习的发展。

（4）网络性，移动学习是基于移动设备的网络教育，是一种通过移动终端接入移动网络实现的网络教学

（5）便捷性，当移动学习者使用的设备是有显示功能的便携设备时，就可以进行不受时间和空间限制的随时随地的学习。

6.智慧教室特点

（1）内容呈现(Showing)

 “内容呈现”主要表征智慧教室的教学信息呈现能力，不仅要求呈现的内容可以清晰可见，而且要求呈现内容的方式适合学习者的认知特点，有助于增强学习者对学习材料的理解和加工。

（2）环境管理(Manageable )

“环境管理”主要表征智慧教室的布局多样性和管理便利性。

（3）资源获取(Accessible)

“资源获取”主要表征智慧教室中资源获取能力和设备接人的便利程度，涉及资源选择、内容分发和访问速度三个方面。陈时见等(2003 )指出丰富的网络学习资源有利于学生自主学习、交互式合作学习、个性化学习、教育社会化的实现。

（4）及时互动(Real-time Interactive )

“及时互动”主要表征智慧教室支持教学互动及人机互动的能力，涉及便利操作、流畅互动和互动跟踪三个方面。

（5）情境感知(Testing )

“情境感知”主要表征智慧教室对物理环境和学习行为的感知能力。

分析阶段的学习反思

 分析阶段策略与方法测试题

大数据视角分析学习变革_美国_通_省略_习分析促进教与学_报告解读及启示_徐鹏.pdf

学习分析技术的发展和挑战_第四届学习分析与知识国际会议评析_吴永和.pdf

生态学视角下的泛在学习环境设计_杨现民.caj