《教育信息化十年發展規劃(2011-2020 年)》中提出，實現教育信息化的方法之一是要推動信息技術與教育教學的“深度融合”，學習分析就是促進這種“深度融合”的有效抓手。隨著智能教育的發展，在學生的學習過程中通過各種終端和學習平臺產生大量的數據，通過數據的挖掘與分析探索知識的建構、網絡結構，以此來開展相應的預測機制，為網絡學習提供有效的參考和決策依據。學習分析是近年來大數據在教育領域的典型應用，大數據處理技術的發展為數據的處理提供了技術和方法的支持;可視化研究的深入為學習分析數據處理的結果可視化呈現提供了參考模型。學習分析結果的可視化呈現為教師和教育工作者快速調整教學策略、開展預測機制等提供了清晰且客觀的依據。

　　作者以“學習分析”為關鍵詞在萬方、中國知網數據庫進行檢索，關于學習分析的研究主要集中在2011年以后，且呈逐漸遞增的趨勢。研究的具體內容分為理論研究和實踐研究，理論研究多是探討現狀趨勢和分析模型的建立等，而實踐研究則較少，而且多是工具開發、平臺架構、大數據分析在類似MOOC等大型在線學習的評價研究等，對于具體小范圍細粒度的研究則較少。對于學習個體而言，整體的分析只具有參考價值，不能起到針對性的指導作用;在教育教學方面的研究則主要集中在知識管理的可視化和教學過程的可視化，對于學生學習過程的分析以及可視化的呈現則較少。對于教師的日常教學來說，只有對學生學習狀況的全面掌握和了解，才能改進教學策略，提高學習效率;清晰可視的分析結果利于教師快速調整教學策略。

　　1.對象分析

　　本次研究對象是某校教育技術專業2013級大二的43名學生，對計算機的基本操作比較了解，同學之間比較熟悉，消除了交流時的親疏障礙。該班同學是一個完整獨立的群體，目標一致，利于社群界限的劃分和數據的收集與分析，本實驗將該班學生分為7個學習小組。

　　2.方案設計

　　本次研究以何克抗編著的《教學系統設計》13—16周的課程為實驗單元，采取線上線下混合的學習模式，實驗內容以小組為單位，自選一門中小學課程或其他培訓課程，完成從教學授課到評價的全過程。在第一周對所設計的課程進行分析，包括教學目標、學習者特征、教學資源、學習資源設計、教學設計結果評價等;第二、三周是對整個教學過程及評價進行系統設計及改進;第四周實施教學和評價。

　　教師開通了微博群用于大家的交流和溝通。課前教師會把本節課的任務分為選學和必學，以及個人作業和小組作業。所要學習的內容要求和注意事項以文件的形式上傳分享，并且會同時分享優秀的教學設計范例和視頻。每個小組把自己的作業進行上傳，并且可以就某個知識點或者課件等分享給特定學生或者小組;同時還開有QQ群和討論組;課上每個小組分別對自己的設計和進度以及具體分析工作進行匯報，由教師和其他小組進行點評并給出改進建議，最后根據設定的評價量表進行打分;課后要根據課上的討論和講解修改個人和小組的作業，再提交，教師進行評價打分。

　　3.研究方法

　　本研究主要采用社會網絡分析法，這種方法以數據挖掘為基礎，通過軟件分析將信息以可視化的方式表示出來，采用SNA，建立社會關系的模型，發現群體內行動者之間的社會關系。社會網絡分析方法還可以協助分析出行動者之間流動的一些有形的數據和無形的信息，該方法可以使社群成員的整體關系可視化，并且能夠分析出群組內部的各種關系，如小團體、意見領袖等。由于有些活動是課下進行，因此在數據分析的過程中也使用了訪談與調查法相結合的方式，采用定性和定量相結合的方式，使結果分析更加全面和準確。

　　本論文的數據收集和分析是根據王永固提出的互動網絡分析結構的一般流程進行的。采用手動收集問卷的形式，收集了班級學生線上和線下交互的信息。把班級、小組和宿舍作為互動網絡的單元分析了社群體、內聚力、中心性和角色空間。

　　1.數據的收集方法

　　根據王永固的流程收集數據，有系統日志自動收集和手動問卷收集，本研究收集的是學生線上線下的交互信息，是手動問卷收集，分析數據主要是從回收的問卷中提取。由于此次問卷調查的是在宿舍進行，發放到個人手中，因此問卷的回收率達到100%，同時也保證了學生之間互不影響，結果更真實可信。

　　2.數據處理

　　本文為了對被試隱私的保護，對被試成員采用編號的形式，對于有效樣本的數據，同類型的一次交流算是一次交互，如A向B請教理論知識，那么就記作A對B的一次交互。利用Excel把這些數據整理成一個N×N的矩陣進行分析。在分析某些特征的時候將N×N的關系矩陣進行了二值化處理，將權重化為0和1。輸入UCINET軟件，得出社群圖網絡密度、點入點出度、中心度及小團體等數據。

　　3.數據分析

　　通過數據的處理，得到一些社群圖、凝聚子群、中心度等信息，作者又進一步對這些信息進行了分析，主要闡述了軟件處理得出的圖形和數據表示的含義以及這些圖形和數據所包含的學生的學習狀況等。

　　(1)社群圖的網絡關系分析

　　圖1是作者通過問卷調查整理分析得出該班交互二值化矩陣：若兩同學之間有交往交互我們取值為1，沒有交互關系取值為0。同時這個矩陣圖也是一個有向選擇，第一列為主動的選取方學生編號，第一行為被選方編號。比如3號同學選擇了1、2、4、5等同學，則在第四行的2、3、5、6列記為“1”，其余記為“0”。

　　在圖1所示的矩陣中很難分析出整個社群的交互關系情況，所以，我們通過對二值化矩陣圖的處理得到了班級交互的社群圖。

圖1   整體社群成員關系矩陣

　　社群圖可以形象地描述社群成員之間的關系,圖中的各個節點代表社群中的每一個成員,線條表示各成員之間的交往關系。該圖將班級交互網絡關系可視化,這里的線段為有向線段，線段指向的成員是被交互成員，被有向線段指向越密集的成員說明在該團體中越活躍，對整個社群的互動貢獻也越大。

　　從圖2的社群成員交互網絡結構中我們可以看出該班的交互社群網中網絡密度不均勻，有些學生與班級同學交互頻繁，他們在一些多媒體的制作和課程的設計中與同學交流頻繁，有較強的解決問題能力和專業綜合素質。他們幫助組內其他同學或者其他小組解決技術或者專業理論方面的難題，在群里的分享和發帖得到了很多同學的關注。他們影響著整個社群的交往情況，在整個交互群中處于中心地位，屬于意見領袖，如圖中的5、6、9、14、15、33、35等同學。

圖2   社群成員交互網絡結構圖

　　而有些學生則處于社群的邊緣，在圖中的連接點較少，他們甚少與其他成員溝通，或者只與固定的幾個人進行交互，與班級的其他同學很少交往，也很少發帖或者分享，對班級交互貢獻較小，如圖中的22、23、26、27、34、41等同學。

　　(2)整體社群中心度分析——矩陣法

　　從社群圖中我們清晰地知道了整個班級的交往狀況，也分析出了哪些學生與別的學生互動頻繁，而哪些學生又處在社群的邊緣，與同學互動較少。接下來筆者又通過分析成員的點出度和點入度以及中心度等，進一步探究社群成員的交互中，哪些成員是主動與別人交互，哪些成員是被動交互，以及哪些學生處于交互的中心等，進一步了解成員之間的交互具體動向。

　　中心度包括點度中心度、中間中心度、接近中心度、特征向量中心度等，其中點度中心度使用最廣泛。點度中心度(點出度和點入度之和)通常用來衡量誰在該社群中成為最主要的中心人物。它刻畫的是每個成員在此社群中的局部中心指數。[6]我們可以從每個成員的點入度、點出度、點度中心度等幾個方面進行分析，得出每個成員主動及被動與其他同學交互的人數，以及交互的總人數等，經分析統計如圖3所示：

圖3   社群矩陣的點度中心度數據表

　　從圖3中，可以看到不同的社群成員表現出不同的點出度和點入度，點出度表示的是一個成員主動與他人交互的情況;點入度表示該成員被其他成員主動交互的情況;點入度值越大，說明該成員在社群中的威信越高，越處于核心地位。點度中心度就是點出度與點入度之和，是描述成員與其他多少個成員有直接關系的數量指標。

　　從分析結果來看，該班按照點度中心度從大到小排列前6位學生的編號分別為33、5、19、24、13、20，這些成員與其他社群成員相比擁有更多的連結關系，(如編號為33的學生，主動與他聯系的學生有6個，他主動聯系的人數是6人)他們與社群中其他成員交互比較多，是群體的核心人物，在社群中具有很強的影響力和凝聚力，他們是整體社群網絡的意見領袖;從圖中還可以發現一部分成員處于社群的邊緣，不喜歡和同學交流，與別人聯系較少。如節點3、39、40、41、42、2等在圖中的連結較少，他們很少主動與其他學生進行交互，其他學生也很少主動與他們進行交互。

　　其中，編號為23、35、32、27、27、31、9、15成員的點入度都大于點出度，說明同學喜歡和他們交流;同時他們的點出度也相對比較大，說明他們也積極與其他社群成員交流，熱愛集體活動和集體任務，是社群中的“活躍者”;還有些學生的點出度大于點入度，如編號為13、20、10、17、22等幾位成員，他們關注別的同學比較多，經常與別的同學一起討論完成作業和任務的理論技術等方面的知識，他們對社群的貢獻也較大，地位也較高。經進一步的訪談可知這類成員一般都是小組組長或者班干部、在班級處于組織或者小組中起協調作用的人;社群中有一部分成員，他們的連結關系數量中等，如編號為6、7、31、8、4、16等幾名成員;另外還有些成員不經常參與班級交互活動，點入度點出度都比較低，對社群貢獻不大，如編號為3、39、40、41、42、2等幾位學生。

　　成員的中心度和活躍度對成員的課堂表現、作業完成程度和學習成績有重要影響。

圖4   學生成績表

　　圖4是學生的個人成績表，經分析可知，交互社群中的活躍分子，即點出度或點入度較高的學生，如1、5、7、9、13等學生的點出度和點入度都較大，他們的成績也相對較好，一般都在85分以上;而點出度和點入度都較低的學生如26、38、34、25、23，他們的成績相對較差，一般都在80分以下。

　　通過UCINET分析得出，整個社群網絡的標準化點入度中心勢和點出度中心勢都是4.923%。兩數值差距不大，這說明網絡關系比較對稱。中心勢越接近1，網絡結構越具有集中趨勢。從其中心勢值來看，整個網絡的中心勢一般，沒有明顯的集中趨勢。這與本次研究課堂采取的小組合作相一致，也就是說本次課堂教學的有一些任務是以小組為單位完成的，學生的交互多以小組為單位，而不會以整個班級為單位，而且在完成個人任務時，他們也往往更傾向于與小組內成員交互，所以會出現大部分學生的交互是在小組范圍內完成。

　　(3)凝聚子群分析

　　經中心度的分析可知，本次課堂的交互中有些學生的交互大都在小團體內進行，那么對于整個班級來說，凝聚指數是多少?存在多少個小團體?我們又進行了凝聚子群的分析。

　　凝聚子群分析是社會網絡分析的重要方法，對了解整個網絡結構具有重要意義。凝聚子群密度主要用來衡量一個大的網絡中小團體現象是否很嚴重,將子群從整個網絡中分離出來，能了解子群對整體網絡的影響。凝聚子群的指數取值范圍是[-1,+1]，值越靠近1，則表明關系越趨向于發生在群體之外;值越靠近-1，則表明子群體與外部群體的關系越少，關系趨向發生在子群體內部;而值越靠近0，則表明關系之間看不出派系關系。圖5為整體社群網的凝聚子群密度：

圖5   凝聚子群密度

　　從圖5中可以看出， 凝聚子群的密度是比較明顯的， 已經達到了-0.409，說明該班的交互傾向于小團體內部交互，即各個子群體內部的成員之間關系相對緊密，也就是說該班的學習交互不是班級成員間的普遍交互，交互多在團體內部進行，與群內的其他小團體交互較少。整個班級的交互沒有形成“打成一片”的狀況。

　　(4)小團體分析

　　既然社群的交互存在小團體，那么這些小團體成員有哪些組成?和分組的小組成員是否一致?作者輸入數據后，生成小團體的個數及其成員，如圖6所示：

圖6   小團體個數分析圖

　　在圖6中，我們把3個人以上的團體稱為小團體，從圖中我們可以看出該班存在8個小團體，但是為了驗證這些小團體成員是否和分組成員一致，我們需要分析小團體成員和分組成員的匹配程度，即一個小團體的成員在同一學習小組的概率。該班小團體成員和學習小組成員的匹配程度如圖7所示：

圖7   小團體成員與學習小組成員的匹配率

　　從圖7中我們可以看出，該班整體交互網的8個小團體大部分都分布在相應的學習小組內，或者兩個小組交叉存在，進行積極的溝通和了解學習內容，但也有一部分成員不與學習小組內的成員交流，也不與成員外的人員交流。

　　知道了整個社群內存在小團體現象，以及小團體成員和學習小組成員的匹配程度，那這種現象對課堂表現和學習成績有什么影響呢?我們又進行了對比：(見表1)

　　從表1可以看出，學習小組內部沒有形成互動小團體而且組內成員也沒有和其他小組成員構成小團體的，該組的平時成績和總成績會受到較大影響，如第4和第7小組，訪談發現，兩個小組內的成員團結性不夠，平時交流較少，因此小組合作效果不好，影響整體成績;而小組成員和小團體匹配達到100%的小組里，也就是說基本是小組內交互，如第1和第3小組，平時和最終的總成績都較高，他們組內交互較多，不論是在完成小組任務還是個人任務，遇到問題組內成員可以相互幫助或者共同尋找解決辦法。觀察成績最高的第2小組發現，這個小組內部不僅形成小團體，而且組內成員和其他成員28、29互動較多，也就是說該組組內互動合作較好，同時又與其他小組互動是該組取得高成績的一個重要因素。

　　(5)整體社群網絡密度分析

　　社群網絡密度表示的是社群成員之間聯系的緊密程度,固定規模組織的成員之間聯系越多,網絡的密度也就越大。密度值介于0和1之間,值越接近1,則代表彼此之間關系越緊密,越接近0聯系越松散。我們把密度為0.3作為劃分一個社群成員之間聯系疏密與否的標準。圖8為整體社群網絡的密度：

圖8   整體社群網絡密度

　　從圖8可以看出，整體網的密度為0.1467，遠遠小于標準密度0.3538，所以我們可以認為整體網絡中各成員的聯系不夠緊密。從個人的交互程度、小組內交互程度與成績的關系，可知，該班整體的互動關系欠佳，對整個班級的成績不利，應該引起教師的高度重視。

　　1.總結

　　通過作者利用社會網絡分析方法對大二某班四周的翻轉課堂實驗進行研究，經過社群圖、中心度分析可以得出以下結論：

　　一是整個班級的交互不均衡，有的學生之間的交互較為頻繁，而有些處于社群的邊緣，少與其他同學交流。交流較為頻繁的學生點出度和點入度都較高，影響著整個網絡，教師在教學過程中應該積極發揮這些人的帶頭作用，把他們作為帶動學困生和連接協作小組或交互小團體的關鍵人物，而對于極少參與交流互動的學生則應該給予高度重視，分析他們不交互的原因是由于存在學習困難難以與其他同學學習交流還是因為遇見問題喜歡自己研究，如果存在學習困難，教師應及時采取解決措施，避免他們與整個課堂脫節。

　　二是交流較多的學生對課堂的滿意度和參與度較高，個人成績也比較高，那些交流較少的學生對該課堂的滿意度較低，存在學習困難，成績相對較低。也就表明課堂的參與度的高低與學生的成績高低成對應關系，教師應該采用“一幫一”或者小組內協作互助的形式，積極調度學困生參與課堂和學習的積極性。

　　三是在整個社群的交互中有小團體的趨勢，且小團體與學習小組的匹配程度較高，也就是互動多發生在學習小組內部，這有利于學生完成需要多人協作的任務，利于學生合作精神的培養。同時也發現，組與組之間的交流協作對整個小組的績效有很大提高。教師在教學的過程中應該積極鼓勵這種組內合作和組間合作。

　　四是社群網絡的整體密度不夠，這不利于整個班級在該門課程的交互和對績效的評價，教師應該在以后的教學中充分調動班級的整體互動。

　　2.研究優勢與局限

　　學習數據的挖掘和對學習數據的分析，為教學策略調整和預測機制的采取提供了科學依據。社會網絡分析的研究樣本較小，并且能對研究樣本進行細粒度、準確的分析，研究結果針對性強，可視化程度高。本次研究選取了某校大二的一個班級作為研究對象，利用個案研究來說明如何借用大數據分析的思想，通過網絡分析的方法對小數據分析，并且對分析的結果進行可視化的呈現。同時也說明網絡學習可以通過對學習數據的分析更好地掌握學習狀況，并能通過有效措施對學習過程進行干預，是對傳統學習的有效補充。本文通過個案分析闡述了學習分析可視化的一種方法，更多學習分析的可視化方法有待于進一步研究;且本次研究的內容是針對整個班級交互的整體狀況，至于交互的具體次數、內容等無法清晰顯示，希望后來的研究者能進一步改進和完善。