学习分析是一个通过对学习数据进行收集、分析、反馈，进而实现对学生的评估和预测的过程，学习分析的最终目的是优化学习过程及学习环境。学习分析模型主要包含对利益相关者的数据处理、应用措施的实施两大部分。

2011年，学习分析与知识国际会议（The International Conference on Learning Analytics and Knowledge，LAK）将学习分析定义为“通过测量、收集、分析和报告关于学习者及其学习情境的数据，进而了解和优化学习和学习发生的情境的种应用”。目前，国内外关于学习分析的实践与应用多见于以下领域的应用：学习者的知识、行为和经历建模、学习者建档、领域知识建模、学习组件分析和教学策略分析、趋势分析、自适应学习系统和个性化学习等，而以卓智教育为代表的大数据学习分析产品更侧重于大数据下的定量分析对学习者学习行为与教师教学策略、自适应与个性化学习策略的分析与优化。

1.学习分析技术的分类

（1）反馈环状学习分析模型。

反馈环状学习分析模型依据学习分析的概念和作用等理论基础，明确了学习分析的环节及其操作步骤。该类模型在早期学习分析过程模型的基础上，着重描述了数据处理过程和数据信息的环形流向，突出了学习者的核心地位。

（2）持续改进环模型。

阿塞巴斯卡大学（Athabasca University）的Elias25，通过把知识连续性分析五步法、知识管理模型与学习分析相结合，提出了持续改进环模型这一学习分析过程模型。该模型突出技术资源的重要性，把组织机构、人力、计算机和理论这四个技术资源作为核心，继而采用选择、获取、聚合、预测、优化、使用分享以实现数据收集、知识应用和数据处理这三个周而复始的循环阶段。技术资源是持续改进环模型的核心，参与并推动三个阶段使之循环发展，进而推动学习与教学效果的持续性提高，从技术资源角度体现了学习分析过程的循环性。

（3）学习分析概念模型。

将学习分析概念模型包括了学生的学习过程、学习环境、教育环境受众以及数据处理组成，重点强调了数据处理的五个环节（数据采集、数据存储、数据分析、数据表示、应用），同时综合考虑了学习过程、学习环境、教育环境以及利益相关者，使得数据处理更加精确和严谨，突出了学习分析的整体性。

（4）智慧教育环境中的学习分析过程模型。

祝智庭、沈德梅提出了智慧教育环境中的学习分析过程模型。智慧教育是依托物联网、云计算、无线通信等新一代信息技术，所打造具备物联化、智能化、感知化、泛在化的一个广泛的教育信息生态系统，是数字教育的高级发展阶段。该模型的技术支撑重点为智慧学习环境，根本导向为实现智慧学习，而在教学上则以智慧教学法为指导，该模型包括了三个循环环节，分别为明确目标、数据处理与干预措施。其中我们可以发现，干预措施独立于数据处理，是一个单独存在的环节。

（5）交互网状学习分析模型。

2.学习分析中常用到的学情数据

从根本来讲学习分析是收集和分析学生学习过程中生成的各种数据。因此，在对学习分析模型进行建构后，我们需要对学习分析中需要的数据，尤其是学情数据进行收集与分析，大致可以分为学习者数据、学习者行为数据、学习环境数据以及学习评价数据这几大类，其中具体的数据类型如表8-4所示。

3.学习分析技术应用(www.daowen.com)

（1）风险预警。

风险预警功能为辅导教师提供了一种简单的方法来发现、识别、警示课程中存在学习风险的学生。我们对教师和学生进行了学习分析优化需求调研，进一步确定了风险预警的目标，包括截止日期预警、成绩预警、活动预警、访问预警四个维度。

截止日期预警：对超过截止日期仍未提交作业（网上记分作业、书面作业）或参与活动（阶段性测验、课程实践、小组活动）的学生进行预警。

成绩预警：对一段时间内作业成绩（网上记分作业，书面作业）或活动成绩（阶段性测验、课程实践、小组活动）低于课程平均成绩的学生进行预警。

活动预警：对一段时间内活动参与度较低的学生进行预警。

访问预警：对最近一段时间内没有访问课程的学生进行预警。

表8-4　学习分析中常用到的学情数据

（2）个性化资源推送。

在以大数据为基础的学习分析模型建立后，个性化资源推送显得更有意义与价值，个性化资源推送与目前互联网的“个性化推荐”和“猜你喜欢”这些一般标记算法不同，它是在对学生学情行为数据与结果数据分析后，针对学生学习薄弱处进行个性化资源的推荐，具体可包括以下的推荐形式。

习题推荐：依据学生学习进度，在分析学生以往学习结果的基础上，为学生推送与当前课程内容相关的，或是符合该学生学习特征、针对该学生学习薄弱环节、能够给予该学生学习辅助的相关习题。

微课推荐：依据学生学习习惯、学习兴趣或学习进度，为学生推荐符合其当前学习需求的相关微课资源；针对同一学习内容，可依据学生的个体特征，例如对低龄段或高龄段的不同学生，推荐不同类型的微课资源。

讨论内容推荐：在结合学生基本特征及相关学习内容的基础上，为不同群组的学生推荐所需要的、相符合的讨论主题、讨论内容，以此在引发学生思考交流的基础上，达到对学生的个性化教学。

课件与教学设计推荐：与微课推荐类似，可依据学生的学习习惯及学习兴趣，为学生推荐符合当前学习需求的相关课件资源；同时，也可依据教师授课需求，在分析教师基本授课背景、授课特点的基础上，为不同教师推荐符合其个性化需要的教学设计。