摘要：近年来，教育领域伴随着大数据时代的来临积累了海量数据，如何利用这些数据挖掘出有价值的信息、知识并为教学决策和学习优化提供服务引起了学术界的广泛关注。学习分析技术应用而生，学习分析工具也如雨后春笋般出现，并成为了研究热点。本文从多个角度对学习分析工具进行了划分，并从专门程度、使用环境、数据支持格式、可视化、是否开源、工具自身成熟度、使用难易度，使用成本等维度进行详细比较，主要讨论 应用广泛的学习分析工具的特点，旨在为研究学习分析的教育实践者提供参考。

关键字：学习分析；工具；比较；研究，

      大数据的发展催生了学习分析。学习分析技术是“测量、收集、分析和报告有关学习机器学习环境的数据，用以理解和优化学习及产生的环境的技术”(Knewton,2011)。随着教育信息化的发展和在线学习方式的普及，学习分析已经成为了教育领域的研究热点。美国新媒体联盟(New Media Consortium,NMC)发布《地平线报告(高等教育版)》，并将学习分析列为促进学习的关键技术。以“学习分析”为主题的“学习分析技术与知识国际会议”迄今也已召开了六次，对学习分析技术的发展起了推动性的重要作用。

       学习分析工具目前已有很多，且仍在快速发展中。例如，WEAK、KNIME、SASS是数据统计工具， Nvivo 、CATPAC、Atlast是支持文本标注或评论的工具，Tableau、D3.js是可视化分析工具等。同时，不同的研究者根据自己的理解和实践基础，给出了不同的分类。李青等人更具学习工具专用度，将学习分析工具分为专用工具和通用工具，郭炯等人根据学习分析工具服务对象的不同，将学习分析工具分为了支持教师教学的学习分析工具、支持学生学习的学习分析工具和支持教育决策的学习分析工具三大类，王琴紫等人根据学习结果的呈现方式，将学习分析工具分为了可视化和非可视化工具。本文综述了当前学习分析领域中30多种最为常用的工具，并从多个角度对学习分析工具进行了分类，讨论了其各自的特点和功能，旨在为研究学习分析的教育实践者提供参考。

        学习分析工具在不同的领域，研究者都有不同的分类。本文根据学习分析工具应用于教育领域的种类，将其分为：算法分析工具，文本处理工具，支持个性化教与学的分析工具四大类。

（一）算法分析工具

      算法分析工具是指可以对数据进行预处理、聚合、分类和回归等操作的工具。本文根据算法工具的主要处理功能将其分为两大类进行对比研究，分别是数据预处理工具和数据挖掘工具。利用数据预处理工具实现数据的清理、分类、标准化和统一化等需求，而数据挖掘工具主要是将预处理工具处理好的数据进行做相应的研究分析，从而挖掘出研究需要的有价值信息。

（二）文本分析工具

       随着互联网的发展，各行各业开始利用产生的海量数据进行分析，例如，教育行业的论文学术分析、在线学习的行为分析，学习平台的评论分析等等。文本分析工具主要是通过读取文本，语义分析，自动聚类，编码和标记等操作来进行信息的挖掘和特征的提取。最后将统计分析的结果利用可视化图表进行展示。

（三）行为分析工具

       近年来，由于数据分析的快速发展及其工具种类的精细化，不仅是商业领域逐渐出现了对自己用户行为进行数据分析，教育领域也利用这些行为分析软件对人机交互过程中的数据进行分析。行为分析工具主要是对学习者登录系统的时间和次数、学习的进度、作业完成情况等进行系统的自动捕获并记录。通过监测学习者访问系统的行为，深度挖掘学习者的学习轨迹和学习特征，从而优化教学，为个性化的教学提供可能。

（四）情感分析工具

          目前，自然语言处理是最为常见的情感分析方法，特别是在以提取文本的情感内容为目标的分类方法中。对文本内容做情感分析是通过情感得分指标来量化定性数据的过程。通过对评论观点的倾向分析，有利于企业为用户提供全方位的服务，方便用户进行决策。然而在教育领域中对学习平台上发表的言论进行情感分析，有利于把握学习者对知识点、课程安排、教学方法等方面流露出的情感倾向变化，从而有利于授课者改变教学策略，为学习者提供丰富、有趣的教学内容。

（五）可视化分析工具

        上面介绍的四种工具都是通过一系列的数据分析来帮助研究人员挖掘出研究需要的相关信息。对于普通非专业人员而言，数据的可读性不高，而数据可视化的分析本质就是视觉的对话，让技术与艺术完美结合，通过借助图形化的手段，清晰有效地增加的信息的传达。可以说可视化让数据更加灵动，让研究者从数据中提取有价值信息更加快捷、方便，让决策者更有把握的做决定。

 本文将常见的文本分析工具分为支持对原始帖子进行标注或编码、交叉应用和简短评论的文本分析工具和支持对基本的基于词典的文本分析工具两大类。支持对原始帖子进行标注或 编码、交叉应用和简短评论的文本分析工具常见的有五种，分别是WMatrix、Sketch Engine、Nlpir、THULAC、Jieba，这五种工具的比较见表3。支持对基本的基于词典的文本分析工具常见的有Nvivo、Atlas.ti、微词云、HanLP、NLPIR，这五种工具的比较见表4。

（一）支持对原始帖子进行标注或编码、交叉应用和简短评论的文本分析工具

1.WMatrix

      WMatrix是一款在线文本分析工具。优势在于语义归类和范畴研究，有预料分析、软件对比、自动标注，统计词频等功能。WMatrix在线分析的主要操作是上传文件、词性标注、语义标注和生成词表。研究者可以通过工具自建预料库上传到平台，然后，平台便会自动在线标注，最终WMatrix将分析的频次差异的统计结果以文字云的形式显示。

（2）Sketch Engine

      Sketch Engine和WMatrix一样是基于网络平台的语料库分析工具。Sketch Engine是一款开源软件，可进行平行语料库的检索、索引行分析、生成词表和同义辨析。优势在搭配方面功能更强大，常用来区分同义词搭配。收录的语言种类多达60种；不仅可以分析单一语言，还可以检索两种以上语言的词汇和语法的异同。同时，利用CQL语言(corpus query language)，让检索变得更加灵活；Sketch Engine的同义词辨析是基于一定的语境来进行直观地对比，为英语等专业的教师提供了便利。

（3）Nlpir

       Nlpir平台是文本数据处理平台，NLPIR平台能够全方位多角度满足应用者对大数据文本的处理需求，包括大数据完整的技术链条：网络抓取、正文提取、中英文分词、词性标注、实体抽取、词频统计、关键词提取、语义信息抽取、文本分类、情感分析、语义深度扩展、繁简编码转换、自动注音、文本聚类等。pynlpir是NLPIR / ICTCLAS中文分词软件的Python包装器，它具有分词、词性标注、关键词提取等功能。

（4）THULAC

        THULAC（THU Lexical Analyzer for Chinese）由清华大学自然语言处理与社会人文计算实验室研制推出的一套中文词法分析工具包，具有中文分词和词性标注功能。THULAC集成了目前世界上规模最大的人工分词和词性标注中文语料库（约含5800万字），模型标注能力强大。该工具包在标准数据集Chinese Treebank(CTB5)上分词的F1值可达97.3%，词性标注的F1值可达到92.9%。同时进行分词和词性标注速度为300KB/s，每秒可处理约15万字。只进行分词速度可达到1.3MB/s。总的来说，可以理解为thulac训练的分词、词性标注语料库很大，性能优良。

（5）Jieba

       Jieba是 python的分词组件，它安装便捷，不需要下载其它的数据包。Jieba包含许多功能，如分词、词性标注、自定义词典、关键词提取。其两种常用的关键词提取算法是TF-IDF算法和TextRank算法。jieba包含三种分词模式：精准模式，可以将句子最精确地切开，适合文本分析）；全模式，可以扫描出把句子中成词的词语, 速度非常快，但是不能解决歧义问题；搜索引擎模式，是在精确模式的基础上，对长词再次切分，提高召回率。

2.支持对基本的基于词典的文本分析工具 

（1）Nvivo

       Nvivo是一款定性和 混合方式搜索的软件，它包括了导入、浏览、编码、查询、思考、可视乎、备忘录六个基本的功能。Nvivo可分析非结构化或半结构化数据，例如：访谈、开放式调查问卷回答、文章、课堂视频、讨论互动和网页内容等。Nvivo for Mac是为Mac用户创建的，是很好的原生定性数据分析应用。NVivo 11 for Windows提供三个版本的简体中文用户界面：其中NVivo 11 Starter for Windows:是对基于文本的数据的分析。NVivo 11 Pro for Windows是对范围广泛的数据分析和更为复杂的分析。 NVivo Pro是一款复杂的研究工具，提供了分析形式的非结构化数据的帮助。凭借查询和可视化工具，用户可以发现主题、证明调查结果并生成报告。借助NVivo Pro，用户可以使用文本、音频、视频、图像、电子表格、在线调查、社交媒体和网上内容。Nvivo可以将分析结果网络视图化，也可以通过导入到excel和Spss等软件中进一步做统计分析的处理。

（2）Atlas.ti

     Atlas.ti和Nvivo一样是一个强大的用于定性分析文本、图形、音频和视频数据的平台。Atlas.ti支持安排、重新装配和管理素材，这个功能Nvivo都无法做到。Atlas.ti可以满足任何领域研究人员定性分析的需求，让用户专注于素材本身。支持多媒体类型、所用主要格式的文本文档格式，音频格式和几十种图片格式，以及主流的视频格式。Atlas.ti支持多人开发，能够整合不同项目；对Word文件可以直接编码；可视化的网络概念图编辑器，可以建立网络视图；利用鼠标拖拽便能完成编码和结合的联结动作；支持多种语言；分析结构和 NVivo一样输出到Spss中加以处理。

（3）微词云

       微词云支持自定义词典，支持去掉单字词、位置词，计算单词相关性以及单词提取量和快速分词筛词等选项，同时可以通过勾线快速分词筛词，将低频词取消关注。工具操作简单，支持直接复制粘贴和文本导入，用户可以手动筛词，忽略词频小于几的单词，根据分析结构可生成数据报告，包括词性占比和相关词云图，也支持词云图美化功能。

（4）HanLP

        HanLP是由一系列模型与算法组成的工具包，以普及自然语言处理在生产环境中的应用为目标。采用了全世界量级最大，种类最多的预料库，旨在普及落地最前沿的NLP技术。其具备功能完善、性能高效、多平台移植、架构清晰、语料时新、可自定义等特点。自然语言处理包括词法分析（中文分词、词性标注、命名实体识别）、句法分析、文本分类和情感分析等。应用场景的维度也很广泛，如舆情分析，文本搜索、知识库建构、个性化推荐、评价分析、知识挖掘等功能。

（5）NLPIR

        NLPIR大数据语义智能分析平台是一个全链条的分析工具，完全本地化部署，不上传用户数据，安全可靠。融合了网络精准采集、自然语言理解、文本挖掘和网络搜索的技术，提供客户端工具、云服务以及二次开发接口，包含了大数据背景下有关语义分析的各个环节的工具，无论对没有任何编程背景和需要二次开发才能完成特定领域的信息服务都可以满足要求。

NLPIR的文本聚类模块是基于相似性算法的自动聚类技术，自动对大量无类别的文档进行归类，把内容相近的文档归为一类，并自动为该类生成标题和主题词。基于文章集合核心语义理解技术，不仅聚类速度快，而且准确率高，并能自动得到类别间的演化趋势。其能够从大规模数据中自动分析出热点事件，并提供事件话题的关键特征描述，适用于自动生成热点舆论专题、重大新闻事件追踪、情报的可视化分析等诸多应用，能够实现长文本和短信、微博等短文本的热点分析。使用NLPIR平台的文本聚类模块进行分析，能够查看同属一个类别的多个文件。

 本文罗列了常见的三种行为分析工具，分别是Google Analytics、HeapAnalytics、Nlpir、THULAC、Jieba，这三种工具的比较见表5。

（1）Google  Analytics

        Google  Analytics（简称 GA）是谷歌的一项可以用来统计应用程序的各种数据的产品，还可以分析用户行为。Google  Analytics在数据统计结构上，分为内容、社交、移动、转化等分析几个维度，主要功能是可以对网站进行访问数据统计和分析，并提供多种参数供用户使用。特色是可以为使用者提供新鲜的深度挖掘信息，帮助用户了解访问者如何使用自己的网站，网站的点击频率、浏览次数等，以及如何设计可以增加用户的访问量。其优点在于代码简洁易懂，一般人员都可以驾驭；它的分析行为功能也吸引了不少用户。免费。缺点：主要适用于企业级角色。基础功能免费，但是深度分析功能十分昂贵，少说也得几十万美金每年

（2）HeapAnalytics

         HeapAnalytics是国外的一款数据统计工具，其最大的特色是没有任何技术的用户都可以监测到任何我们想监测的东西。因为用户可以直接将页面上的按钮添加到统计系统里进行细分统计，操作及其简单易上手。HeapAnalytics模式简单却也能被用于精细化的统计，并且可以做多个类似数据的服务。除此之外，在用户分组与趋势判断中强大的分析系统。其优点在于去技术化、无埋点、实时数据、可视化配置等。

（3）Adobe  Analtyics

        Adobe  Analtyics是最早采用页面布码方式进行监测的工具之一，且最早按照SaaS方式提供服务，但不是开源软件。在自定义能力上比Google  Analytics强，价格也比较灵活，主要是通过按照流量分阶付费。不足之处在于需要强大的本地客户支持。如果没有官方的帮助，功能将会大打折扣，用户使用软件的体验感会降低。

     本文罗列了常见的三种情感分析工具，分别是HubSpot's ServiceHub、Semantria、SAS Sentiment Analysis，这三种工具的比较见表6。

（1）HubSpot's ServiceHub

       HubSpot's ServiceHub它是一个收集用户反馈和评论的工具。该工具运用自然语言处理(NLP)对语言进行分析，分辨其话语的正负面意义，然后用仪表板上的图形和图表来可视化结果。该工具支持将HubSpot's ServiceHub对接到CRM系统中，因此方便可以将相应的结果与特定的人员产生联系，对比分析得出未来特定人员的情感发展和行为趋势。例如，教育研究者可以利用该软件筛选出学习积极和消极人权，并及时提供高质量的精准化教学服务，或是提高在线学习平台上用户的留存量。

（2）Semantria

        Semantria是一个可以从社交媒体渠道收集帖子、推文和评论的工具。它使用自然语言处理技术来解析文本，分析用户的正负面态度。通过这种方式，研究人员可以获得用户对产品或服务的真实看法，据此提出更好的想法来改进你的产品或服务。

（3）SAS Sentiment Analysis

       SAS Sentiment Analysis是一款功能相当强大的软件。SAS可以轻松校对和聚类分析网页中最困难的拼写问题。通过自然语言处理，机器学习和语言规则相结合，SAS可帮助用户分析出最新的趋势，并从所有非结构化的文本数据中提取出真正有价值的信息。

       本文罗列了常见的四种可视化分析工具，分别是Tableau、谷歌Fusion Tables、FineBI、Infogram，这四种工具的比较见表7。

（1）Tableau

        Tableau与Qlik是一款功能差不多交互式数据可视化工具。它不需要编写脚本，简介的操作界面为新手降低了使用难度，简单的拖拉拽就能轻松的完成数据的可视化分析。其官网同时也提供很多相关的学习文档、案例、视频等资源供用户进行上手学习。Tableau支持进行Iframe网页集成，内置时序分析预测、聚类算法，可进行简单数据挖掘计算处理，不能进行深度的数据挖掘。此外，Tableau对计算机的硬件要求很高，部署十分复杂；数据模型属于宽带模型，灵活性和拓展性比较差；无法控制用户查看的列级别的权限粒度，数据权限控制较差。
（2）谷歌Fusion Tables

Fusion Table 是谷歌提供的数据管理平台。研究者可以使用它来做数据收集、数据可视化和数据共享。它就像电子数据表，但功能更强大更专业。用户可以通过添加CSV、KML和电子表格中的数据集和同事共享资料，还可以发布数据资料并将其嵌入到其他网页属性中。

 (3) FineBI
        FineBI是帆软旗下的自助性BI产品，数据分析功能强大。优点在于性能强大，性价比最高；对于新手而言简单易学；支持自助式数据分析，能应用复杂多变的场景需求。支持多数据源连接，对平台的对接能力更强；内设多种数据挖掘算法，数据加工能力强大；后期采用jar包升级换代，维护方便.。

（4）Infogram

       Infogram是一种直观的可视化工具，可帮助用户创建精美的信息图表和报告。Infogram内置系统中提供了至少超过35个交互式图表和500多个地图，帮助用户将数据可视化。除了各种各样的可视化图表，还有柱状图、条形图、饼图或词云等，它用创新的信息图表给用户留下了深刻印象。