论文部分内容阅读
摘要：随着教育信息化的发展和在线学习方式的普及，学习分析技术在教育领域被广泛应用，并成为实现个性化教育，促进教学方式变革的重要基础。该文在对社区教育、学习分析技术等基本概念界定的基础上，对学习分析技术在社区教育领域中的应用，包括学习分析的关键技术、分析方法和模式，以及学习分析技术在教务管理、移动学习、社交管理、资源库管理中的运用进行了分析与探讨。
关键词：学习分析；学习分析技术；社区教育
中图分类号：G642 文献标识码：A 文章编号：1009-3044（2016）12-0169-03
在过去的几十年里，教育系统最大的创新莫过于在线学习技术的出现。随着教育信息化的发展和在线学习方式的普及，教育数据成为重要的教育资源。对教育数据有效利用成为发展在线学习的关键。因此，学习分析技术在教育领域被广泛应用，并成为实现个性化教育，促进教学方式变革的重要基础。美国新媒体联盟与美国高校教育信息化协会合作的“地平线项目”在年度报告中多次预测学习分析技术将成为主流。近年来，随着社区教育的普及化，学习分析技术也进入社区教育领域。
1 概念的界定
1.1社区教育
Deway（1915）在“学校是社会的基础”思想中提出了社区教育（Community Education）一词。此后，社区教育的内涵不断地被丰富和完善，越来越被各国所接受，成为现代国际教育的一种现象和趋势。厉以贤（1999）将社区教育界定为提高社区全体成员素质和生活质量以及实现社区发展的一种社区性的教育活动过程。
与基础教育和高等教育相比，社区教育存在着用户量大，涉及年龄层次广泛，组织松散，知识体系不完整，学习路径不清晰，结果导向不明显，社交需求多样化，动机不强烈，学习时间随机的特性。但同时，社区教育也兼具其他教育不具备的优势，由于涉及年龄层次和涉及的学习内容的广泛性，更容易记录长期学习结果，将其转化成为个人学习档案，该学习档案具备长久分析的价值。
1.2 学习分析技术
首届“学习分析和知识国际会议”上对学习分析技术初次进行定义，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。G.Siemens（2010）认为：“学习分析是利用数据挖掘成果，学习者产生的数据和分析模型探究信息和社会联系，并且对学习做出预测和建议。”《2012NMC地平线报告（高教版）》中将学习分析技术定义为对学生生成的海量数据的解释和分析，以评估学生的学术进展，预测未来的表现，并发现潜在的问题的技术。李青，王涛（2012）总结出学习分析是兼具多样化的数据来源，面向学生和老师，采用现代化的分析工具和分析方法对数据进行加工、挖掘和分析，提供可视化的分析结果。
综上所述，因此本文采用魏顺平（2013）概括的定义，即学习分析技术是以学生及其学习环境为分析对象，以大数据为基础，以评估学生、发现潜在问题、理解和优化为目的的技术。
1.3 学习分析技术在传统教育中的应用
学习分析技术在基础教育和高等教育中得到广泛的运用。北亚利桑那大学研发了学生线上绩效评价系统GPS（Grade Performance Status），主要用于评估该校全日制学生的课堂学习绩效。澳大利亚Wollongong大学发起，多所学校共同参与的“学习网络可视化与评估项目”，项目基于学习分析的理念研发了学习网络可视化评估工具（SNAPP）。从学习管理系统和论坛中提取学习者的行为数据和互动数据，以可视化的形式绘制学生的学习网络，分析学习网络对学习的影响，以调整教学并未学习者提供指导。德国的亚琛工业大学的探究型学习分析工具（eLat）可帮助教师挖掘学习者的用户属性、用户行为和内容的使用情况，并作出评估。
在国内，学习分析技术也被广泛运用于基础教育和高等教育中。浙江温岭市中学信息技术教师从2005年开始着手开发的一款信息技术教学辅助平台——ITtools3.0，已经被包括大连海湾高中、浙江省湖州五中、浙江省海盐第二高级中学、广州宜州一中和浙江省义乌市实验小学等多所学校使用。该平台能够实现机房对机器的特殊保护，并且记录教师和学生的操作记录，便利查询，大大提高学生的自主学习能力，而平台的数据支持，能够有效帮助教师分析结果，优化教学。
2 关键技术与分析方法
2.1关键技术和模式
学习分析萌发于数据分析，虽然学习分析技术进入教育领域的时日尚浅，但是早已广泛运用于商业及信息产业，如商业智能、网络分析、教育数据挖掘、学术分析等学习。在商业应用中，系统从海量消费行为数据中挖掘有价值的信息，识别同质化消费者，从而更精准的定位消费者的需求，形成最优的消费模式，以获取商业利润。然而数据分析应用于教育领域后，又衍生出不同的应用模式：教育数据挖掘、学习分析和学术分析。区别于教育数据挖掘和学术分析，学习分析更加偏向个人、实时和多元数据分析。
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、文本挖掘等数据挖掘方法。李青、王涛（2012）指出学习分析技术是计算机辅助教学管理与教育数据挖掘技术发展的产物，学习分析技术是网络分析技术与学术分析技术综合应用的结果。
2.2 分析方法和模式
除了整合网络分析技术与学术分析技术外，学习分析还不断的吸收整合其他的技术和方法。包括社会网络分析法、话语分析法和内容分析法、仪表盘技术、预警分析技术等。根据分析对象的不同，李艳燕（2012）将学习分析方法分成五类：（1）从教育学的过程分析；（2）从教学资源的角度分析；（3）从学习者间的网络分析；（4）从学习者的特征分析；（5）从学习者行为与情感分析。
顾小清（2012）认为学习分析的要素应该包括数据收集、分析、学生学习、听众、干预五个部分。学习分析模式由“学习分析流程”、“工具与算法”及“数据与信息”三要素构成。“学习分析流程”包括数据收集、数据预处理、分析、预测、应用等环节，首先通过网络教学平台采集数据，然后进行平台日志的预处理，之后对学生登录行为、学生资源浏览模式、师生交互论坛、学生行为影响因素进行分析，最后进行模式解释、评价与应用，得出数据支撑学习方案的再修改。但根据应用情境的不同“学习分析流程”各环节有所区别。“工具与算法”为“学习分析流程”提供支撑，使用SQL语言、SSAS聚类分析与顺序分析、关联规则、UCINET网络图绘制等工具。“数据与信息”向“工具和算法”提供数据，从”工具与算法”获得信息和知识。 3 学习分析技术在社区教育中的应用
3.1 教务管理的应用
社区教育存在无组织管理、长期学习路径不明确的特性。因此教务管理上存在学习档案建档难、总体教学情况难以把握的问题。因此社区教育中通常会使用学习分析技术中“统计分析与可视化”来了解教学情况，如师生数量、学生各类活动总量及平均情况、教师各类活动总量及平均情况。
此外，为了在无组织管理情况下收集到更多用户信息，在社区教育中采用注册信息多样化采集。学习分析技术通过对用户信息注册表，对用户年龄、身份证信息，学历，爱好等信息进行收集和分析，建立更完整、更具有分析价值的学员的终身学习档案。根据学习档案社区教育中设定更为有效的内容特色路径，调整平台技术。对于社区教育中对于技能型成体系的课程，将其设定为学习单元，如：会计培训，手工绢花制作这种在大的社区教育体系中处于3，4级目录的课程系列，学员通过学习和考试，获得学分、积分、成绩证书并通过市级学分银行认定作为学历兑换依据。这也是改变原有社区教育学习目标不明确，学习动机不强烈的问题。在平台技术层面设定报名条件，学习时间范围，学习通过结果，是否参与考试，考试次数，考试通过条件，课程学分设置，学习积分学分转化设置，证书在线申请等解决学习结果纪录的问题。
3.2 移动学习的应用
区别于基础教育和高等教育。社区教育大量采用移动学习的教学模式。该模式打破了时间，地域的限制，实现人人皆学，时时可学，处处能学。通过三屏合一方式做到无缝对接，时时连通。社区教育通过PC后台管理，APP，微信做到一次发布，数据同步。相比于传统的课堂学习，移动学习提供了大量的学生运动、信息搜索行为、社会交往、环境（位置）因素等数据。
因此，在社区教育的移动学习应用中，学习分析以学生表现为研究对象，并可进行课程设置、专业和机构评价。分析学习/者在学习过程中产生的学习日志、在线作业完成情况、教学视频学习时长、上线频率、在线测评得分、学习者的学习路径等信息，可以获知学习者的学习情况，学生自身可运用学习分析对正式和非正式学习活动进行更全面的评估，有助于学习者调整学习计划和学习进展。同时，通过可视化图表呈现知识建构过程和个人在小组学习中的贡献情况，获知社区教育移动学习者的整体特点，得到关于课程的相关信息，如对课程的学习态度，教师的接受度，有助于教师及时调整课程内容。通过对全体学习者的数据统计分析，可以获知学习者的普遍特点和对课程设置的接受度，它可提高学校现行的评价体系水平，提供更深层次的分析，甚至用于教育改革创新。
3.3 社交的应用
社区教育承载的另外一个重要功能就是对群众正向传播信息，保持社会稳定和谐。而社交化程度也决定了一个平台的生命里是否持久，对于社区教育平台建设，这是一个非常大的挑战。社区教育的社交化不是以传统教学中固定组织和话题引发的，没有学校和老师的强制干预，更多的是根据地理位置，兴趣爱好，线下活动引发的。学习分析技术能够优化在线学习平台社交功能的管理。
学习分析技术从学习管理系统中获得学生间互动频次、时长数据，绘制社会化网络图。从论坛中提取学习过程中的交流互动数据，如发帖数量、讨论内容、互动人群、互动频率等学生间互动，根据学生间的社交化活动，形成对学生个体或团体的诊断性评估。根据社会化网络图和诊断性评估结果有针对性地进行活动、课程、圈子推送，有效引导用户的学习行为。同时能够有效地进行舆情监控，及时品比敏感词，敏感话题，在内容上传中设定审核机制和权限，对于个别不良用户进行信用评级，近而进行权限控制，保持平台舆论正向性，有效地优化社交平台的管理。
此外，社区教育存在组织松散、消息传递层级多、信息传递易失真等情况，学习分析技术能够有效的优化消息传递路径。学习分析技术收集分析师生交流互动的及时性、时长、内容、频次等数据，能够有效识别远离学习网络的学习者，提示教师给予关注；并且识别出班级中的主要信息传播着，寻找信息交换的节点，规划消息传递最佳路径削减消息传递层级，保证师生交流的及时性、有效性、信息完整性。
3.4 资源库应用
社区教育由于其用户年龄层涉及广、需求多样化，因此内容呈现多样化的情况。社区教育的在线学习整合了大量教学资源，其中最大的内容资源为视频和文档。在线学习平台的文档视频的读取调用系统是一个复杂的分布式软件系统，支持多种数据收集和分析，承担视频管理的组件的管理，播放器自定义设置，平台管理员系统，视频分发服务，分布式视频转码列队，消息通知系统，统计系统，平台监控系统的协同工作，系统承担较为繁重的处理任务。
学习分析能够有效优化资源库的管理，提升系统的可用性和接入速度。通过学习分析技术对资源的使用情况进行收集和分析，如：资源的使用频次，资源的使用方式（阅读、观看、下载、分享），资源的使用人群。根据资源的使用情况定义学习用户的需求及潜在需求，进行资源筛选、更新、替换，以满足用户需求。
4 小结
在大数据时代，随着在线学习的普及，教育信息化进程的推进，学习分析技术必然成为社区教育便捷教务管理、优化教学模式、增强学习体验、实现个性化学习的关键。相较于学习分析技术在基础教育和高等教育上的应用，由于社区教育用户量大，涉及年龄层次广泛，组织松散，知识体系不完整，学习路径不清晰，结果导向不明显，社交需求多样化，动机不强烈，学习时间随机的特性，学习分析技术对于社区教育更具有有效性。因此，在社区教育的相关研究上，学习分析技术仍然是一个非常重要的研究方向。
因此，未来研究可以从以下三个方面深入，首先，在研究方法上，可以引入定量分析，搜集开大教学数据，通过实验组和参照组数据分析对比学习分析技术对于教务管理、移动学习、社交功能以及数据库管理应用方面的影响；其次，可以在研究方向上进行一定的深入，如学习分析在未来社区教育上的拓展应用，如个性化教育服务、学习环境改良等；第三，从学习分析技术的技术发展深入，学习分析技术在在线学习平台上现在更多的是数据的收集和分析，形成报告后再对模式进行修正，未来学习分析技术的及时反馈机制将会成为发展趋势。
参考文献：
[1] 顾小清，张进良，蔡慧英.学习分析：正在浮现中的数据技术[J].远程教育杂志，2012（2）：18-25.
[2] 李青，王涛.学习分析技术研究与应用现状述评[J].中国电化教育，2012（8）：129-133.
关键词：学习分析；学习分析技术；社区教育
中图分类号：G642 文献标识码：A 文章编号：1009-3044（2016）12-0169-03
在过去的几十年里，教育系统最大的创新莫过于在线学习技术的出现。随着教育信息化的发展和在线学习方式的普及，教育数据成为重要的教育资源。对教育数据有效利用成为发展在线学习的关键。因此，学习分析技术在教育领域被广泛应用，并成为实现个性化教育，促进教学方式变革的重要基础。美国新媒体联盟与美国高校教育信息化协会合作的“地平线项目”在年度报告中多次预测学习分析技术将成为主流。近年来，随着社区教育的普及化，学习分析技术也进入社区教育领域。
1 概念的界定
1.1社区教育
Deway（1915）在“学校是社会的基础”思想中提出了社区教育（Community Education）一词。此后，社区教育的内涵不断地被丰富和完善，越来越被各国所接受，成为现代国际教育的一种现象和趋势。厉以贤（1999）将社区教育界定为提高社区全体成员素质和生活质量以及实现社区发展的一种社区性的教育活动过程。
与基础教育和高等教育相比，社区教育存在着用户量大，涉及年龄层次广泛，组织松散，知识体系不完整，学习路径不清晰，结果导向不明显，社交需求多样化，动机不强烈，学习时间随机的特性。但同时，社区教育也兼具其他教育不具备的优势，由于涉及年龄层次和涉及的学习内容的广泛性，更容易记录长期学习结果，将其转化成为个人学习档案，该学习档案具备长久分析的价值。
1.2 学习分析技术
首届“学习分析和知识国际会议”上对学习分析技术初次进行定义，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。G.Siemens（2010）认为：“学习分析是利用数据挖掘成果，学习者产生的数据和分析模型探究信息和社会联系，并且对学习做出预测和建议。”《2012NMC地平线报告（高教版）》中将学习分析技术定义为对学生生成的海量数据的解释和分析，以评估学生的学术进展，预测未来的表现，并发现潜在的问题的技术。李青，王涛（2012）总结出学习分析是兼具多样化的数据来源，面向学生和老师，采用现代化的分析工具和分析方法对数据进行加工、挖掘和分析，提供可视化的分析结果。
综上所述，因此本文采用魏顺平（2013）概括的定义，即学习分析技术是以学生及其学习环境为分析对象，以大数据为基础，以评估学生、发现潜在问题、理解和优化为目的的技术。
1.3 学习分析技术在传统教育中的应用
学习分析技术在基础教育和高等教育中得到广泛的运用。北亚利桑那大学研发了学生线上绩效评价系统GPS（Grade Performance Status），主要用于评估该校全日制学生的课堂学习绩效。澳大利亚Wollongong大学发起，多所学校共同参与的“学习网络可视化与评估项目”，项目基于学习分析的理念研发了学习网络可视化评估工具（SNAPP）。从学习管理系统和论坛中提取学习者的行为数据和互动数据，以可视化的形式绘制学生的学习网络，分析学习网络对学习的影响，以调整教学并未学习者提供指导。德国的亚琛工业大学的探究型学习分析工具（eLat）可帮助教师挖掘学习者的用户属性、用户行为和内容的使用情况，并作出评估。
在国内，学习分析技术也被广泛运用于基础教育和高等教育中。浙江温岭市中学信息技术教师从2005年开始着手开发的一款信息技术教学辅助平台——ITtools3.0，已经被包括大连海湾高中、浙江省湖州五中、浙江省海盐第二高级中学、广州宜州一中和浙江省义乌市实验小学等多所学校使用。该平台能够实现机房对机器的特殊保护，并且记录教师和学生的操作记录，便利查询，大大提高学生的自主学习能力，而平台的数据支持，能够有效帮助教师分析结果，优化教学。
2 关键技术与分析方法
2.1关键技术和模式
学习分析萌发于数据分析，虽然学习分析技术进入教育领域的时日尚浅，但是早已广泛运用于商业及信息产业，如商业智能、网络分析、教育数据挖掘、学术分析等学习。在商业应用中，系统从海量消费行为数据中挖掘有价值的信息，识别同质化消费者，从而更精准的定位消费者的需求，形成最优的消费模式，以获取商业利润。然而数据分析应用于教育领域后，又衍生出不同的应用模式：教育数据挖掘、学习分析和学术分析。区别于教育数据挖掘和学术分析，学习分析更加偏向个人、实时和多元数据分析。
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、文本挖掘等数据挖掘方法。李青、王涛（2012）指出学习分析技术是计算机辅助教学管理与教育数据挖掘技术发展的产物，学习分析技术是网络分析技术与学术分析技术综合应用的结果。
2.2 分析方法和模式
除了整合网络分析技术与学术分析技术外，学习分析还不断的吸收整合其他的技术和方法。包括社会网络分析法、话语分析法和内容分析法、仪表盘技术、预警分析技术等。根据分析对象的不同，李艳燕（2012）将学习分析方法分成五类：（1）从教育学的过程分析；（2）从教学资源的角度分析；（3）从学习者间的网络分析；（4）从学习者的特征分析；（5）从学习者行为与情感分析。
顾小清（2012）认为学习分析的要素应该包括数据收集、分析、学生学习、听众、干预五个部分。学习分析模式由“学习分析流程”、“工具与算法”及“数据与信息”三要素构成。“学习分析流程”包括数据收集、数据预处理、分析、预测、应用等环节，首先通过网络教学平台采集数据，然后进行平台日志的预处理，之后对学生登录行为、学生资源浏览模式、师生交互论坛、学生行为影响因素进行分析，最后进行模式解释、评价与应用，得出数据支撑学习方案的再修改。但根据应用情境的不同“学习分析流程”各环节有所区别。“工具与算法”为“学习分析流程”提供支撑，使用SQL语言、SSAS聚类分析与顺序分析、关联规则、UCINET网络图绘制等工具。“数据与信息”向“工具和算法”提供数据，从”工具与算法”获得信息和知识。 3 学习分析技术在社区教育中的应用
3.1 教务管理的应用
社区教育存在无组织管理、长期学习路径不明确的特性。因此教务管理上存在学习档案建档难、总体教学情况难以把握的问题。因此社区教育中通常会使用学习分析技术中“统计分析与可视化”来了解教学情况，如师生数量、学生各类活动总量及平均情况、教师各类活动总量及平均情况。
此外，为了在无组织管理情况下收集到更多用户信息，在社区教育中采用注册信息多样化采集。学习分析技术通过对用户信息注册表，对用户年龄、身份证信息，学历，爱好等信息进行收集和分析，建立更完整、更具有分析价值的学员的终身学习档案。根据学习档案社区教育中设定更为有效的内容特色路径，调整平台技术。对于社区教育中对于技能型成体系的课程，将其设定为学习单元，如：会计培训，手工绢花制作这种在大的社区教育体系中处于3，4级目录的课程系列，学员通过学习和考试，获得学分、积分、成绩证书并通过市级学分银行认定作为学历兑换依据。这也是改变原有社区教育学习目标不明确，学习动机不强烈的问题。在平台技术层面设定报名条件，学习时间范围，学习通过结果，是否参与考试，考试次数，考试通过条件，课程学分设置，学习积分学分转化设置，证书在线申请等解决学习结果纪录的问题。
3.2 移动学习的应用
区别于基础教育和高等教育。社区教育大量采用移动学习的教学模式。该模式打破了时间，地域的限制，实现人人皆学，时时可学，处处能学。通过三屏合一方式做到无缝对接，时时连通。社区教育通过PC后台管理，APP，微信做到一次发布，数据同步。相比于传统的课堂学习，移动学习提供了大量的学生运动、信息搜索行为、社会交往、环境（位置）因素等数据。
因此，在社区教育的移动学习应用中，学习分析以学生表现为研究对象，并可进行课程设置、专业和机构评价。分析学习/者在学习过程中产生的学习日志、在线作业完成情况、教学视频学习时长、上线频率、在线测评得分、学习者的学习路径等信息，可以获知学习者的学习情况，学生自身可运用学习分析对正式和非正式学习活动进行更全面的评估，有助于学习者调整学习计划和学习进展。同时，通过可视化图表呈现知识建构过程和个人在小组学习中的贡献情况，获知社区教育移动学习者的整体特点，得到关于课程的相关信息，如对课程的学习态度，教师的接受度，有助于教师及时调整课程内容。通过对全体学习者的数据统计分析，可以获知学习者的普遍特点和对课程设置的接受度，它可提高学校现行的评价体系水平，提供更深层次的分析，甚至用于教育改革创新。
3.3 社交的应用
社区教育承载的另外一个重要功能就是对群众正向传播信息，保持社会稳定和谐。而社交化程度也决定了一个平台的生命里是否持久，对于社区教育平台建设，这是一个非常大的挑战。社区教育的社交化不是以传统教学中固定组织和话题引发的，没有学校和老师的强制干预，更多的是根据地理位置，兴趣爱好，线下活动引发的。学习分析技术能够优化在线学习平台社交功能的管理。
学习分析技术从学习管理系统中获得学生间互动频次、时长数据，绘制社会化网络图。从论坛中提取学习过程中的交流互动数据，如发帖数量、讨论内容、互动人群、互动频率等学生间互动，根据学生间的社交化活动，形成对学生个体或团体的诊断性评估。根据社会化网络图和诊断性评估结果有针对性地进行活动、课程、圈子推送，有效引导用户的学习行为。同时能够有效地进行舆情监控，及时品比敏感词，敏感话题，在内容上传中设定审核机制和权限，对于个别不良用户进行信用评级，近而进行权限控制，保持平台舆论正向性，有效地优化社交平台的管理。
此外，社区教育存在组织松散、消息传递层级多、信息传递易失真等情况，学习分析技术能够有效的优化消息传递路径。学习分析技术收集分析师生交流互动的及时性、时长、内容、频次等数据，能够有效识别远离学习网络的学习者，提示教师给予关注；并且识别出班级中的主要信息传播着，寻找信息交换的节点，规划消息传递最佳路径削减消息传递层级，保证师生交流的及时性、有效性、信息完整性。
3.4 资源库应用
社区教育由于其用户年龄层涉及广、需求多样化，因此内容呈现多样化的情况。社区教育的在线学习整合了大量教学资源，其中最大的内容资源为视频和文档。在线学习平台的文档视频的读取调用系统是一个复杂的分布式软件系统，支持多种数据收集和分析，承担视频管理的组件的管理，播放器自定义设置，平台管理员系统，视频分发服务，分布式视频转码列队，消息通知系统，统计系统，平台监控系统的协同工作，系统承担较为繁重的处理任务。
学习分析能够有效优化资源库的管理，提升系统的可用性和接入速度。通过学习分析技术对资源的使用情况进行收集和分析，如：资源的使用频次，资源的使用方式（阅读、观看、下载、分享），资源的使用人群。根据资源的使用情况定义学习用户的需求及潜在需求，进行资源筛选、更新、替换，以满足用户需求。
4 小结
在大数据时代，随着在线学习的普及，教育信息化进程的推进，学习分析技术必然成为社区教育便捷教务管理、优化教学模式、增强学习体验、实现个性化学习的关键。相较于学习分析技术在基础教育和高等教育上的应用，由于社区教育用户量大，涉及年龄层次广泛，组织松散，知识体系不完整，学习路径不清晰，结果导向不明显，社交需求多样化，动机不强烈，学习时间随机的特性，学习分析技术对于社区教育更具有有效性。因此，在社区教育的相关研究上，学习分析技术仍然是一个非常重要的研究方向。
因此，未来研究可以从以下三个方面深入，首先，在研究方法上，可以引入定量分析，搜集开大教学数据，通过实验组和参照组数据分析对比学习分析技术对于教务管理、移动学习、社交功能以及数据库管理应用方面的影响；其次，可以在研究方向上进行一定的深入，如学习分析在未来社区教育上的拓展应用，如个性化教育服务、学习环境改良等；第三，从学习分析技术的技术发展深入，学习分析技术在在线学习平台上现在更多的是数据的收集和分析，形成报告后再对模式进行修正，未来学习分析技术的及时反馈机制将会成为发展趋势。
参考文献：
[1] 顾小清，张进良，蔡慧英.学习分析：正在浮现中的数据技术[J].远程教育杂志，2012（2）：18-25.
[2] 李青，王涛.学习分析技术研究与应用现状述评[J].中国电化教育，2012（8）：129-133.