1.什么是学习分析

数据就像一座神奇的钻石矿，它的真实价值就像漂浮在海洋中的冰山，第一眼只能看到冰山一角，而绝大部分都隐藏在海面之下。

（1）学习分析是应用于教育领域的大数据分析技术。学习分析技术是“测量、收集、分析和报告有关学生及其学习环境的数据，用以理解和优化学习及其产生的环境的技术”。^[8]

（2）学习分析是“关于学习者以及他们的学习环境的数据测量、收集、分析和汇总呈现，以理解和优化学习以及学习情境”。

（3）通过分析学习者及其学习环境数据，运用适当的分析方法和数据模型，对数据进行解释和挖掘，通过分析结果探究与预测学习效果与绩效。在大数据环境下，学习分析是进行学习系统研究的有效方法。

2.慕课的学习分析

慕课的应用产生了海量数据，为学习分析与教育数据挖掘研究提供了基础。Coursera在创建系统时就已经考虑到大规模的数据收集和分析，在其课程应用过程中，每个变量都会被追踪。例如，当一个学生暂停一段视频或者加快回放速度时，当学生回答一道测试题、修改作业或者在论坛上写下评论时，这些行为将被Coursera的数据库捕捉。这种从细节化层面收集的学生行为信息，为理解学习开辟了新的途径。edX项目的目标除了建设网络教学平台，也致力于教学研究，使edX成为教育研究工具。edX研究者已经开始使用系统数据测试有关人们如何学习的假设，随着课程数量的增加，研究内容将更为广泛。通过追踪数百万名学生在线学习的过程，收集大量学生如何学习的数据，并自动进行实时分析，有可能发现人类学习的新特点，实现个体层面的课程定制，提高学习系统的适应性。(www.daowen.com)

（1）吴恩达的“机器学习”课程。在Coursera上吴恩达教授所开设的“机器学习”课程中，他注意到大约有2000名学习者课外作业的答案是错误的，并且错误的答案居然是相同的。显然，他们都犯了相同的错误。错误是什么呢？吴教授通过分析，发现原来这些学生将一个算法里的两个代数方程弄反了。他对课程进行了修正，如果其他学习者还犯同样错误的话，系统不仅会告诉他们做错了，而且会提示他们去检查算法。^[9]

（2）edX课程可视化。哈佛大学和麻省理工学院对edX平台两校所开设课程的平台数据进行了分析，发布了一系列研究数据集和互动可视化工具。^[10][11]

（3）慕课完成率可视化。^[12]

英国开放大学的研究者凯蒂·乔丹（Katy Jordan）分析了155门慕课数据，对课程完成率、考核方式进行分析，制作了交互式慕课信息图。信息图提供了两种表示方式：一种横坐标为课程注册人数，纵坐标为课程完成率，不同颜色表示课程的考核方式（见图6-2a）；另一种横坐标为课程授课周数，纵坐标为课程完成率，每一个信息点为一门课程，鼠标放在上面时会显示这门课程的信息（见图2-2b）。

图6-2 慕课课程完成率可视化