随着学习分析技术的发展，创设出了由大数据支撑的个性化在线学习环境。依据新的学习环境，针对在线学习中存在的“学习效率低、监控管理不及时、个性化干预不明显”等问题，本研究设计六环节的循环结构干预模型，并从学习内容、学习结果、学习过程三个维度进行干预策略的细化设计，为后续进一步探究在线学习个性化提供理论指导。

在线学习  干预策略  学习干预

  技术的发展对教育的实施产生变革性的影响。师生在各类教育平台上的教学过程，以及师生的课堂表现和行为都被记录下来，这可以为各级各类教育机构、教师、家长提供了更直接、更客观、更准确的教育成果评价。学习分析技术的诞生为其提供了技术支持。学习分析可以从海量的数据中提取有用信息，为学习者、教师等提供评价、干预依据与支持，从而改善教与学过程中的不足，提高学生学习效果。西蒙斯认为，学习分析是通过智能提取教育数据利用分析模型，来发现信息与社会联系并且预测和建议学习的一种技术^[1]。由此可看出，学习分析除了会监测学习者的当前状态，还会根据分析结果进行适当的干预，提高学习效果。干预是学习分析技术改善、提高学习成效的直接环节。基于大数据的在线学习个性化干预对在线学习教育生态产生了重大影响，有效利用现代信息技术与教育大数据，准确鉴别学习者的学习障碍，并提供个性化的教学服务，有利于实现因材施教，以人为本的教育理念。因此如何进行合适的干预、从而对学习者进行有效地干预在学习分析领域是十分重要的。

        在线学习（E-Learning）是通过计算机互联网，或是通过手机无线网络，在一个网络虚拟教室与教师进行网络授课、学习的方式。是指在由通讯技术、微电脑技术、人工智能、网络技术和多媒体技术等所构成的电子环境中进行的学习，是基于技术的学习。在线学习已成为信息时代一种重要的学习方式，但伴随其迅速的发展速度，也暴露出在线学习的许多问题。在线学习时间及地点的碎片化、学习内容的同一性，均导致在线学习在个性化学习、协作学习、探究学习等方面存在严重不足。其中，最重要的原因在于在线学习教师与学生的时空分离，导致教师对于学生在学习过程中的指导和监控作用大大削弱。

        1. 学习效率低下

        学生的个体差异性主要体现在学习风格、学习动机、认知方式等方面。在线学习授课教师与学生缺乏面对面交流，无法对学生个体的学习风格、学习动机及认知方式进行判断。在线学习的整个教学过程中，授课教师均采用统一的教学模式、教学方法及教学手段，不能很好地体现学生的个性化差异。而在在线学习过程中，自律性低的学习者，缺乏教师的监管易受外界因素干扰，分散注意力，从而造成在线学习效率较为低下。并且，在线学习缺少物理环境，学习者缺少学习氛围，没有学习归属感，以及缺少同伴的激励作用，学习的积极性不高，从而导致学习者的学习参与度不高，学习效果不佳。

        2. 监控管理不及时

        在线学习过程中，由于教师和学生之间时空差异性，学习者不能及时得到教师的学习反馈信息，对学生在学习过程存在的问题及困惑不能快速得到解决，学习目标难以达成，导致学习者学习兴趣下降，从而导致退学，弃学等现象。教师对学生的学习情况也不能实时掌控，，不能够实时判断学习者的学习情况、掌握情况，来动态改变教学策略、教学方法、教学内容等，只能根据已有教学设计进行教学，缺少针对性，个性化。因师生之间时空分离，教师对学生的监控不准确，不能及时提供有针对性的个性辅导。由于缺乏授课教师的及时干预和辅导，学习者的困惑不能得到解决，学习目标难以完成，学习者很难顺利、完整地完成学习任务。

        3. 个性化干预不明显

        根据维果斯基的最近发展区理论学习者的发展有两种水平：一种是学生的现有水平，在学生独立活动时所能达到的解决问题的水平，使学习者已经达到的发展水平；另一种是学生可能的发展水平，是在有指导的情况下，借助成人帮助所能达到的解决问题的水平，也就是通过教学所获得的潜力。两者之间的差异就是最近发展区。在线学习的教学因缺少面对面交流，以及实时监控，教师不能及时发现学生的最近发展区，不能给学习者提供跳起来能抓到的知识，难以调动学生积极性，发挥其潜能，从而不能把学生从当前的水平向更高的水平上引导，自动屏蔽了个性化干预的作用。

        1.学习干预的定义
        学习干预是通过学习分析技术对识别学习者状态，针对学习者在学习中存在的困境精准实施相关策略与指导性活动，从而帮助、指引学习者有效完成学习任务。例如，通过学习行为等数据利用学习分析技术，可视化学习进度，并提高适宜的干预，提高学习者认知参与度、行为参与度、情感参与度以及促进学习者进行小组合作交流，达到知识构建的最终目标；基于学习者行为大数据进行分析、解读，监测预警学习者的潜在风险，从而实施干预，达到提高学习绩效、避免学习风险的目的；在学习者学习过程中，对其进行学习干预，从而影响学习者学习行为、学习策略，其高学习者的自我调节能力与意识。
        张超在对教育教学中干预特征分析基础上，对远程教学环境中的学习干预进行了如下界定：“学习干预是学习服务提供者为改善学习者学习绩效和解决学习问题而针对学习者采取的各种间接的接入性策略与行为的综合，其最终目的是帮助学习者发展特定的知识、技能和态度^[2]。”陈珊指出，学习干预是以学习者出现的各种困难和难题为基准，更有针对性地为其提供的各种支持，包括资源和活动等^[3]。樊敏生界定学习干预为：“在相关教学理论与学习理论的指导下，在数字化学习环境下，教育实施者基于大数据思维和学习分析技术对学习者进行数据建模画像，并对学习过程中产生的学习数据、行为数据、个体信息等数据进行处理和分析，从而实现对干预目标精准的干预策略指导和学习支持服务，使得教师能够充分掌握学生的学习状态，选择适当的教学策略，学生能够及时发现自身存在的问题，提高学习效率^[4]。”
        2.基于大数据的在线学习干预方式
        传统的在线学习干预是具有统一性的干预，大多具有滞后性、普遍性等特点，不利于实施个性化学习。以大数据为基础，结合在线学习特点，根据干预主体及手段可以将在线学习干预方式可分为三种：学习平台自动干预、学习平台提醒干预和学习用户自主干预。
        （1）学习平台自动干预
        学习平台自动干预是指平台通过大数据分析实时掌握用户学习动态，结合平台目标学习推进干预策略，自动对用户实施的一系列干预操作，学习平台自动干预无须用户操作，由后台自动完成。学习平台自动干预主要实施于整体干预中，如平台各类通知公告的自动推送，班级学习资料的自动推送，班级成员学习成绩排名，用户学习进度自动记忆，用户学习效果自动统计分析，用户各类加减分项目排名等。通过平台自动干预实施完成平台批量工作，达到用户全员知晓、相互激励的目的。
        （2）学习平台提醒干预
        学习平台提醒干预是指平台在实时监测过程中发现用户出现异常情况时，特别是发生随意退出学习平台、交流互动不积极、作业提交不及时或不提交等厌学和不学现象时，平台将使用学习提醒干预策略。对此类用户实施的一系列提醒干预操作，学习平台提醒干预需通过用户选择后，后台才执行对应操作。学习平台提醒干预主要实施于个体干预中，如用户学习行为提醒，用户签到打卡提醒，用户学习进度提醒，用户作业完成预警提醒，用户学习锁屏提醒等；提醒干预又分为友情提醒、警告提醒和处罚提醒三个级别，平台根据提醒级别其提醒频率也会随之变化。通过平台实施提醒干预，可及时有效地提醒部分学习兴趣不足、学习积极性不高的用户，使之跟进学习进度并端正学习态度。
        （3）学习用户自主干预
        学习用户自主干预是指学习用户为达到某种学习目标，通过学习平台提供的自主选择干预策略，有选择性地对自己在学习过程中执行一系列干预操作，学习用户自主干预由用户个体选择完成。学习用户自主干预主要实施于用户个性化学习中，用户根据自身学习习惯、学习偏好、学习能力、学习速度和学习基础等特点来制定所需的自主学习方式，平台再根据用户自行制定的学习方式来安排用户学习内容、学习难易、学习快慢和学习方法等。通过用户自主干预实施，能最大限度挖掘用户学习潜能，充分发挥用户个性化学习效果。
        3、基于大数据的在线学习个性化干预流程设计
        在线学习个性化干预是一个循环的过程，通过各种干预策略有效促进学习者较好地完成学习任务。根据在线学习者学习过程及在线学习特点，将在线学习干预流程分为6个重要步骤：首先基于各种在线学习平台和工具进行在线学习者基本信息数据、行为数据、交互数据、表现数据、情感数据等采集；接着通过行为分析技术对学习者“学习风格类型” “学习进度水平” “学习互动水平” “学业成绩水平”四方面的学习状态进行识别，以便判断是否进行干预；在不需要干预的情况下返回第一步骤再次进行数据采集环节，否则进入确定干预方式环节，选用合适的干预方式后对在线学习者实施干预策略；最后对干预效果进行总结分析，并将学习情况反馈给学习者，进而又开始进入下一轮干预流程。详细步骤如下图3-1所示：

 图3-1基于大数据的在线学习个性化干预流程

        1、学习内容“二次组织”

        知识学习是要将学生学习的新知识与原有知识建立关联，形成意义建构的过程^[5]。在线学习过程中，学生按照学习要求完成了学习过程，但未成达成学习目标，这就需要判断学习内容的组织是否符合学生认知特征，通过学习内容的“二次组织”进行学习干预，帮助学生再次学习相应知识，达成学习目标。具体策略主要表现为：

        其一，改变呈现方式。不同学生学习基础与学习风格不同，学生所能接受的知识表征方式也不相同。针对学生学习在线知识过程中的困难，可通过多种知识表征方式为学生提供理解学习内容的方法，促进学生原有知识与新知识建立关联。例如，利用思维导图工具设计知识结构图，用层级或图表方形式表征概念，呈现上位概念与下位概念的关系；通过图片、视频等多媒体方式对新知识与学生已有知识的衔接点进行关联，将抽象学习内容以形象具体的方式表现；采用虚拟/增强现实(VR/AR)等技术模拟学习情境，分步骤、有计划、按知识逻辑的过程演示学习内容，反映出学习内容要点之间的关系。通过改变知识内容呈现方式，为学生提供多种形式内容的选择机会。

        其二，调整学习内容。皮亚杰在儿童认识发展研究中曾指出，“个体能够进行知识同化的重要条件是内在结构能够理解外在的信息”^[6]。如果学习内容难度超过学习者已有知识结构的同化范围，学生就很难对新的知识内容进行同化。在线学习过程中，如果学生遇到学习困难，这就需要根据它们认知基础调整学习内容，进行学习干预。例如，通过在线学习平台对学习者进行学习前测，分析学习者的学习基础，按照测试结果提供适合的学习内容；此外，也可借助在线知识图谱映射出与学生学习基础对应的学习内容，针对不同学习问题的学生提供相应学习内容，促进学生对新知识的同化。

        其三，转换教学方法。教学方法是指向规定学习目标，受课程内容制约教与学的操作规范和步骤^[7]。其中，学习目标、教学内容、学习基础等因素影响着教学方法的选择，不同教学方法在不同教学情境中也会产生不同的教学效果。在线教学过程中，指导教师可依据学生的学习问题合理调整或转换教学方法，帮助学生解决问题。例如：对于个别学习问题，可通过远程视频方式一对一交流、答疑解惑；对于共性学习问题，可通过线上线下结合的方式组织研讨，从不同角度分享观点，共同解决学习问题；此外，对于一些实验原理性问题，也可通过视频演示方式，直观展现实验过程。

        2、学习结果“有效反馈”

        反馈是信息传播过程中的重要环节。在教学系统中，反馈是将学习结果及相关信息告知给学生，帮助他们感知进步，认识不足，及时调整学习过程的一种干预策略。丹尼尔在教学反馈研究中认为“教学活动能够让学生的学习得以开展，但教学活动与学习反馈的结合才能让学生的学习变得更加优异^[8]”。在线学习过程中，通过即时、有针对性和清晰地反馈，可以帮助师生及时把握当时的学习情况，加强学生与在线学习环境的联系，避免“学习迷失”的问题。

        其一，根据需要及时性反馈。及时性是学习反馈的关键。已有研究结果显示当学生对解题过程保持有记忆时，此时的反馈能较好地帮助学生认识学习问题，弥补学习不足，反馈就能达到好的效果；如果反馈过于迟缓，学生已经忘记解决过程或解题思维冲突已经消失，即使反馈内容很详细，也较难引起学生的关心。因此，在线学习过程中，确定学生学习问题后，按照学生学习需要，利用信息技术工具及时反馈。在技术实现上，可通过在线论坛、平台短信、电子邮件、作品点评等方式进行交流与反馈，引导学生及时解决学习问题。

        其二，针对具体问题反馈。针对性是学生接受反馈内容的一个重要条件。从已有研究成果来看，“反馈内容越能针对个人性学习问题、越能从不同类型的知识技能层面给予解释和说明，学生也就越原意接受反馈内容”。如果反馈只是简单地给出学习结果的“对”或“错”，缺少学习证据支持，不仅不能起到学习支持的作用，甚至还会对学生学习起到消极效应。在线学习中，通过技术工具按照多维评测指标收集学习数据，在数据分析基础上，从问题界定、原因分析和学习建议等方面给予反馈，避免简单“对”或“错”的结果反馈，提高学生解决学习问题的针对性。

        其三，可视化方式反馈。可理解性有助于提高学习反馈效能。从反馈形式来看，“要点突出，清晰简洁，指向明确”的反馈内容更易于为学生所理解与接受。如果只是将所收集到大量学习数据(或信息)机械地传递给学生，不仅不能帮助学生理解反馈中的学习问题，甚至还会增加学生理解反馈信息的负担。随着技术的发展，目前已有很多在线学习平台采用可视化方式呈现在线学习报告，直观反映学生学习现状，揭示导致学习问题产生的主要因素，帮助学生较全面地理解反馈信息。

        3、学习过程“伴随管控”

        伴随式管控是为提高学生学习质量，达成学习目标，利用平台系统对学生学习行为进行伴随式管理和调控的一系列活动。在线教学过程中，学生流失率偏高的问题一直困绕着在线课程的组织与实施。加强在线学习监督，推进在线学习精细化管理，适时提供学习支持，保持学生在线学习的稳定性。

        其一，远程管控。开放是在线学习的一个重要特征，但开放学习并不是“放任自流”。如果缺少在线学习管控，对于自控能力差、学习调节能力不强的学生也就容易出现学习中断的问题。通过伴随式学习管控，可引导学生在开放环境中逐步提高自主学习能力，实现外部控制到内力驱动的转换^[9]。从技术实现上，利用在线学习平台可跟踪学生在线学习进度，当学生在规定时间内低于学习进度，平台及时给予提示，督促学生学习，培养学生在线学习的好习惯；此外，利用平台还可以采集学生在线交互内容，通过文本分析工具判断学生学习难点，提供配套学习资源，提高学生选用在线学习资源的效率等。

        其二，在线分组管理。在线学习平台对学习引发的显著变化，就是使得以“班级为单位”的学校教学组织形式被以“课程为单位”的在线教学组织形式所替代。新的教学组织方式为学生自主选择课程提供了便利条件，但是课程实施中“学习成员不固定，教学组织松散”也导致了学生产生学习“孤独感”与“无助感”问题。通过“在线学习小组”可以加强在线学生之间的联系，学生利用在线平台进行问题探讨，开展合作学习。在线学习过程中，小组成员的交流与合作作为促进学生学习动力的“助推剂”，让学生感受到“身边”其他学生的存在，体会个人与小组同学的学习进步。

        其三，混合式指导。混合式指导是现实与虚拟学习相互融合的结果。指导教师针对学习者在线学习过程中遇到的问题，采用在线学习分析与面对面交流相结合的方式进行学习指导，以取得最优的教学效果。例如，一些学生自控能力不强，对于难度较大的学习内容较难实现在线自主学习，无法跟上在线学习进度。指导教师可以根据在线平台的学习分析结果，针对学习问题提供线下学习资源、学习指导和学习评价，采用混合指导方式管理学生学习，帮助学生达成学习目标。

        在线学习在互联网的环境下为学习者提供了大量学习资源，为学习者达到学习目标提供了有效支持。而学习干预的目的是促进学习者有效学习，达到学习目标，是建立在对教育大数据的挖掘、分析基础上，以识别学习者的学习状态为起点，有针对性的提出恰当的干预方式，并且学习干预是一个循环往复的过程，是对学习者学习过程和状态进行实时跟踪与分析、判断的过程。本研究设计六环节的循环结构干预模型，并进行干预策略的细化设计，未来将进一步探究在线学习个性化干预以达到在线学习个性化培养的目标。

[1] Siemens, G., & Baker, R. S. J. d. Learning Analytics and EducationalData Mining: Towards Communication and Collaboration [A].Simon Buckingham Shum. Proceedings of the Second InternationalConference on Learning Analytics & Knowledge[C]. New York: ACM,2012.252-254.

[2]  张超.教师远程培训的学习干预研究[D].上海:华东师范大学,2010.

[3]  陈珊.促进问题解决的学习干预设计与应用研究[D].上海:华东师范大学,2014.

[4]  樊敏生,武法提.数据驱动的动态学习干预系统设计[J].电化教育研究,2020,v.41;No.331(11):87-93.DOI:10.13811/j.cnki.eer.2020.11.012.

[5]  L.W.安德森.皮连生主译.学习、教学和评估的分类学[M].上海:华东师范大学出版社,2008.58-59.

[6] Margaret E.Gredler.学习与教学——从理论到实践[M].北京:中国轻工业出版社, 2007.237.

[7] 张华.课程与教学论[M].上海:上海教育出版社,2007.

[8] Daniel L.Schwartz,The ABCs of How we Learn[M].New York: W.W.Northon&Company,2016. 

[9]  孙鸿飞.电子学档在在线学习监控中的应用研究[J].中国远程教育,2007,(2):57-60.

[10]  李锋,王吉庆.中学生在线学习伴随式干预：环境、策略、方法与案例[J].中国电化教育,2019(11):91-98.