袁玲、翁鹏、朱春鹏 苗广丰
常州大学怀德学院 214500
摘要：利用SPOC平台日志数据，针对在线学习行为及其影响因素进行分析，能够为教学计划的优化完善提供依据。基于此，本文介绍了研究样本选择、按照登录时间聚类分析、按照学号聚类分析、登录天数影响因素分析这几项基于SPOC平台日志数据的在线学习行为分析及其影响因素研究环节。
关键词：平台日志；在线学习；日志数据
引言：SPOC即小规模限制性在线课程，人们通过深入挖掘SPOC平台日志数据，分析学生的在线学习行为，及其影响因素，可以围绕分析结果，制定出更为行之有效的课程教学计划，增强学生的学习效果，因此，应对该项分析工作进行深入研究，以得出更加科学、准确的分析结果，促进SPOC教学水平的发展。
1研究目的
SPOC是指存在限制性准入条件、学生规模在几十到几百范围内、需要通过申请才能参与学习的课程，而在当前网络技术水平下，人们可以借助信息化平台，来实现SPOC远程教学，同时，学生在该课程平台上的所有学习行为，如登录、练习、测试等，均会被后台所记录，形成平台日志，因此，通过对平台日志数据进行分析，可以归纳出学生的行为规律，以及影响学习行为的因素，为后续的课程方案规划提供依据。而在此过程中，聚类分析作为比较常见，且行之有效的数据分析方法，研究者拟应用上述三种方法，构建出科学、合理的分析程序，对该平台日志数据进行研究，以期分析出学生的学习行为规律，及其学习行为影响因素，希望能够为SPOC教学规划提供更加精准、详实的参考。
2研究过程
2.1研究样本选择
为此次研究活动所选用的样本为，大学一个学院所有专业学生的SPOC平台日志数据。其中，截取作为样本部分的平台日志数据，其时间起始点为，2018-2019年度上学期的8月26日~1月19日，总时长为21周，课程时间共计125天，同时，该部分学生人数共计434人，因此，此次的样本平台日志数据，取自这434人的账号。此外，为了方便后续的研究，研究者所选用的样本数据，为必修课程的平台日志数据，也就是说，所有专业学生的课程，在课时、内容等方面均保持一致，而且SPOC平台上的学习内容资源也比较充足，保证了学生对该平台的正常应用，因此，从整体上来看，该样本具有良好的可靠性，基本不存在由于样本选择问题，引发分析结果误差的情况。
2.2按照登录时间聚类分析学习行为
在大学环境中，学生的学习行为状态通常取决于自我控制情况，因此，在学习行为分析中，研究者更加侧重，对学生自身因素的分析，而其中登录，相较于考试等活动，更具主动性特质，因此，将其作为此次分析的基础数据资源。在此过程中，研究者选择用时间段作为聚类依据，来统计登录率，以分析学生的学习行为，其中，登录率=某一时间登录总人数/学生总人数。
基于此，得出统计结果为，0点~6点凌晨阶段登录率0、登录学生数0，6点~12点上午阶段登录率0.373、登录学生数162，12点~18点上午阶段登录率0.687、登录学生数298，18点~24点晚上阶段登录率0.892、登录学生数387，由此可见，学生的学习行为主要集中在上午、晚上这两个阶段，且呈现出了明显的行为规律。
2.3按照学号聚类分析学习行为
待登录时间聚类分析完毕后，为了分析个体的学习行为，研究者又按照学号，进行了登录数据的聚类分析。在此过程中，该门SPOC课程的学分为4分，规定学时为72学时，线上、线下考核比例为2:8，同时线上线下学时也按照2:8的比例分配，因此，线上学习学时应为14.4学时。而从总体数据来看，学生每天登陆平台时间基本都在0.5个学时左右，由此可知，一个学生必须登陆平台30天以上，才能完成全部学时。基于此，研究者提取了每个学号所对应登陆天数的数据，并统计出来每类天数对应的学生人数，得出了学生人数、登陆天数之间的函数关系式，即，其中，t为登陆天数、ti为第i个登陆天数、So为学生总数、S（ti）为第i个登陆天数对应学生人数、Rs（ti）为第i个登陆天数时，学生累计人数与学生总数之间的比值。此后，研究者基于该函数，结合实际数据，画出了曲线图，并得出75%的学生都能达到必要的学时，因此，大部分学生的学习行为都符合学时要求。
2.4登录天数影响因素分析
经过上述学习行为分析后，研究者开始针对学习行为的影响因素展开了分析。在此过程中，研究者分别按照性别、专业层次，这两项学生之间体现较为明显的群体性差异，统计了男女两个性别群体以及常规学习、重修这两个专业层次群体的登录天数，并进行了聚类分析。其中，男生人数246人，登录天数均值为32.47，女生人数188人，登陆天数均值为37.1，可以看出女生的登录天数更多，因此，性别是学习行为影响因素之一。而在专业层次方面，常规学习人数为392，登录天数均值为35.6，重修人数为42人，登录天数均值为26.7，由此可见，专业层次也是影响学习行为的因素[1]。
3结果分析
经过上述分析过程，可以看出，在学习行为分析方面，研究者得出了，大部分学生能够有效控制自身的学习行为，并投入足够的时间进行课程学习，同时，学生学习行为的开展，呈现出了明显的时间规律，且在下午、晚上这两个时间段较为频繁，估测可能受其线下教学闲暇时间的影响。在学习行为影响因素方面，研究者发现了性别、专业层次这两个影响因素，其中，重修学生投入最短，女生群体的学习行为时间最长[2]。
结论：综上所述，做好学习行为及其影响因素分析工作，有助于SPOC内容结构的优化。经过上述研究，研究者采用聚类分析法发现学生的学习行为基本都能满足课时要求，并呈现出了明显的时间规律，且受性别、专业层次影响，有助于教育工作者制定出更加科学的课程教学方案。
参考文献：
[1]沈欣忆,刘美辰,吴健伟. MOOC学习者在线学习行为和学习绩效评估模型研究[J]. 中国远程教育,2020,(10):1-8+76.
[2]刘锐. 基于SPOC的翻转课堂教学模式创新与效果评价——以“旅游地理学”课程为例[J]. 成都师范学院学报,2020,36(09):51-56.
项目号：2020SJA2431
江苏省哲学社会科学基金项目