时间：2023-08-24 16:50:12
序论：在您撰写科学学科质量分析时，参考他人的优秀作品可以开阔视野，小编为您整理的7篇范文，希望这些建议能够激发您的创作热情，引导您走向新的创作高度。
（一）测试对象
根据我省地区（城市、县镇、农村）、地域（苏中、苏南和苏北）、学校类型（公办、民办）三类分层特征，采取分层随机抽样的方法，2008年从全省抽取了769所中学的92002名九年级学生参加科学学科测试，2010年从全省抽取了754所中学的101524名九年级学生参加科学学科测试，测试的内容为八年级科学学科（主要涉及物理、生物、地理等学科）内容，因此本报告分析的是江苏省八年级科学学科的学业质量情况。所有参加测试的学生、相关学校的校长和教师都参加了相应的问卷调查。
（二）测试内容
义务教育阶段学业质量的内涵不仅包括学生在基础知识、基本技能方面所达到的水平，而且包括时展所要求的初中生所必备的搜集处理信息、自主获取知识、分析与解决问题、交流与合作、创新精神与实践能力等核心素养。科学学科测试的内容涉及“生命科学”，“物质科学”，“地球、宇宙和空间科学”，“科学探究”，测试的能力主要有“回忆”、“理解与简单应用”、“问题解决”等方面的能力。
（三）问卷调查内容
本项目使用了学生、教师和校长问卷了解影响学生学习的因素。学生问卷调查的内容包括学生基本情况、学校环境、学习压力、师生关系、学习动机、自信心和学习方法等；教师问卷调查的内容包括教师基本情况，如学历、任职经历、职称，教师教学方法，教师对学校教学管理的评价，教学观念和教师专业发展等；校长问卷调查的内容包括校长及学校基本情况、校长教学领导力、办学自、国家课程开设情况和对教师的专业支持等。
二、八年级科学学科学业质量所取得的成绩
（一）学生学业质量整体水平较高
从总体上分析，江苏省2010年八年级学生在科学学科达到A水平、B水平、C水平和D水平的人数比例分别为28%、44%、19%和9%，这表明91%的学生达到了课程标准的基本要求。而2008年总体达标率为90%，这表明两次测试达标率稳定在较好水平上，2010年达标率比2008年达标率上升了1个百分点。具体情况见表1。
江苏省具有良好的教育基础和文化传统。早在1993年，江苏省教委就组织苏锡常57个乡镇率先启动教育现代化工程，1996年向全省全面推进。在“教育现代化”大旗的引领下，我省基础教育从教育观念的现代化、教育发展水平的现代化、教学条件装备的现代化、师资队伍建设的现代化、教学体系和教育管理的现代化等方面入手，使素质教育取得了长足进步。随着苏中、苏北地区经济实力的增强，农村学校办学条件不断得到改善，农村教育布局不断得到优化，农村学校师资力量不断得到充实，尤其是生物学科和地理学科师资得到加强，所以农村学校办学能力不断攀升。
（二）各学科领域达标率都有提高
科学学科测试在内容上分为“地球、宇宙和空间科学”、“生命科学”、“物质科学”以及“科学探究”四个领域。就分科课程而言，生物属于“生命科学”内容，物理和化学属于“物质科学”内容，自然地理属于“地球、宇宙和空间科学”内容。在内容领域方面，与2008年测试结果相比，“地球、宇宙和空间科学”、“物质科学”、“生命科学”的达标率分别提升了2%、3%和1%（见表2）。
为了具体分析地理、物理和生物学科达标率提升的直接原因，下面从不同类型、不同地域学校达标率进行进一步对比分析。①地球、宇宙和空间科学：2010年城市、县镇和农村学校学生达标率分别为92%、90%、89%，苏南、苏中和苏北学校学生达标率分别为93%、92%、88%；而2008年城市、县镇和农村学生达标率分别为91%、89%、88%，苏南、苏中和苏北学生达标率分别为91%、91%、86%。对比结果显示，与2008年相比，2010年城市、县镇和农村学生达标率都提高了1%，2010年苏南、苏中和苏北学生达标率分别提高了2%、1%、2%。②生命科学：2010年城市、县镇和农村学校学生达标率分别为94%、91%、90%，苏南、苏中和苏北学校学生达标率分别为94%、93%、90%；而2008年城市、县镇和农村学生达标率分别为89%、87%、86%，苏南、苏中和苏北学生达标率分别为90%、90%、84%。对比结果显示，与2008年相比，2010年城市、县镇和农村学生达标率分别提高了5%、4%、4%，苏南、苏中和苏北学校学生达标率分别提高了4%、3%、6%。③物质科学：2010年城市、县镇和农村学校学生达标率分别为91%、88%、86%，苏南、苏中和苏北学校学生达标率分别为91%、90%、85%；而2008年城市、县镇和农村学生达标率分别为90%、88%、87%，苏南、苏中和苏北学生达标率分别为91%、91%、85%。对比结果显示，与2008年相比，2010年城市、县镇和农村学生达标率分别提高了1%、0%、－1%，苏南、苏中和苏北学校学生达标率分别提高了0%、-1%、0%。
近年来，生物、地理学科师资力量得到一定程度上的加强，素质教育和教师专业化理念深入人心，基层学校课程管理逐渐规范，教师自主学习和研究的意识逐渐加强，教师培训和校本教研得到进一步重视，基层学校构建高效课堂活动逐渐推进，教师更加注重教学的有效性，从而使科学学科课堂教学质量不断得到提升。
（三）回忆与理解能力状况较好
在认知能力上，科学学科测试分为“回忆”、“理解与简单应用”、“问题解决”三个层次。“回忆”层次上，着重测试学生对基本概念和原理的识别、再认等。“理解与简单应用”层次上，通过说明、解释、估计等考查形式，着重测试学生对基本概念和原理的理解以及简单应用。“问题解决”层次上，则着重测试在日常生活与社会实践等更复杂的情境中，学生能否应用有关的基本科学概念和原理来分析问题和解决问题。2010年科学学科测试中“回忆”、“理解与简单应用”和“问题解决”三个能力维度的学生达标率分别为97%、89%、86%，2008年测试的这一比例分别为96%、90%、87%。由此可说明，在两次科学学科测试中能力维度上“回忆”和“理解与简单应用”能力状况较好。
下面从不同类型、不同地域学校等角度，对各能力维度达标率进行具体分析。①回忆：2010年城市、县镇和农村学校学生达标率分别为98%、97%、97%，苏南、苏中和苏北学校学生达标率分别为98%、98%、97%；而2008年城市、县镇和农村学生达标率分别为97%、96%、96%，苏南、苏中和苏北学生达标率分别为97%、97%、95%。对比结果显示，与2008年相比，2010年城市、县镇和农村学生达标率都提高了1%，苏南、苏中和苏北学校学生达标率分别提高了1%、1%、2%。②理解与简单应用：2010年城市、县镇和农村学校学生达标率分别为91%、88%、87%，苏南、苏中和苏北学校学生达标率分别为92%、91%、86%；而2008年城市、县镇和农村学生达标率分别为92%、90%、89%，苏南、苏中和苏北学生达标率分别为92%、92%、87%。两次测试结果显示，城市和县镇、苏南和苏中学生在这一能力维度上达标率较高。
从课堂教学方面分析，教师在教学目标确立上更加重视基本概念、基础知识的理解，在教学方法的设计和实施上，教师们不断改进问题情境创设、问题教学法的应用，学生的学习过程强化了概念的学习和知识的理解。
三、八年级科学学科学业质量测试所反映的问题
（一）追求优质均衡，薄弱学校科学学科质量需要提高
我省科学学科教学质量整体上表现良好，但是从不同类型学校学生测试结果分析可知，苏中和苏南地区学校学生不达标率持平，但苏北地区学生该比例仍高出4%。各地市学生在不达标率上的人数比例最高为13%，最低为4%，地区之间差异较大。公办学校学生在不达标率上比例比民办学校学生高出7%，这可能与民办学校具有择校机制、良好师资等优势密切相关。因此，教育均衡化仍是我们今后较长时间内的一项艰巨任务。
（二）强化能力培养，“科学探究”领域和“问题解决”能力教学需要加强
在科学学科四个内容领域中，“地球、宇宙
和空间科学”、“生命科学”、“物质科学”和“科学
探究”上，学生不达标率分别为9%、8%、11%、
15%，其中“科学探究”不达标率最高，说明科学探究教学需要进一步加强。在科学学科三个能力维度中，“回忆”、“理解与简单应用”、“问题解决”上，学生不达标率分别为3%、11%、14%，其中“问题解决”能力维度不达标率最高，说明科学学科教学仍以知识识记为主，在教学中知识迁移与应用、问题的分析与解决仍存在明显的不足，课程标准提出的“三维目标”在教学中需要加强落实。
（三）注重亲身实践，实验教学需要进一步规范
调查结果显示，在学习地球知识时，地球仪在课堂教学中的使用情况相近，说明基础性仪器设备在各类学校尤其是农村学校中已经配备到位，这与省政府和省教育厅强力实施“四配套”工程直接有关。但是关于平面镜成像、种子萌发、凸透镜、光合作用的实验教学，以教师演示为主，学生自己设计和动手操作的比例在20%～40%，说明学生实验开设率偏低，而且生物学科学生实验开设率更低。
在对不同学科学习兴趣问卷调查中，学生反映的情况悬殊较大。“在哪门课堂上，你们常常争论对一个问题的不同看法？”、“你认为哪门课程有趣？”、“如果学校搞各种课外兴趣小组，你肯定会参加哪个组？”、“在课余时间里，你最喜欢看与哪门课有关的课外书？”等问题的回答，物理、生物和地理的比例依次递减。这与校长、教师、家长、学生对不同学科课程的认识，以及目前的教学评价方式密切相关。
根据不同学科教学情况的学生问卷调查结果，我们可以得出如下初步结论：地理、生物学科教学中，学生反映从不或很少组织进行野外科学考察的人数比例分别为59%、55%，总是或常常让学生背诵课本内容、概念的人数比例分别为54%、53%，科学学科教学中学生实验和教学具使用情况都确实堪忧。由此可说明科学学科教学远离了自然世界和学生生活，实验技能、社会实践能力培养需要加强，直观教学手段没有得到应有的重视，教学中强调知识记忆的现象还比较严重。上述初步结论，从教师问卷相应部分的调查结果也能得到进一步印证。
从教师问卷结果分析，教师们认为交流和讨论很花时间、实施起来不现实的人数比例为25%，将探究式学习等同于学生实验的人数比例为19%，认为教学方式改革的前提是评价方式改革的人数比例为71%，认为学生实验最重要的结果是获得正确答案的人数比例为25%。由此可说明，教师们对于学生讨论、探究式学习、学生实验的意义和策略还存在一些认识上的误区和操作上的失误。教师们认为自己在教学中能鼓励学生推测现象背后的原因，能鼓励学生将所学的知识与日常生活进行联系，能鼓励学生对某个问题发表自己的观点和讨论不同的看法，很在乎学生是否对课程产生兴趣。这说明教师们在认识上能够重视对现象的探究、教学回归生活世界以及重视兴趣在教学中的作用，具备教学民主的初步意识，能够尊重学生的个人观点。但是该项目的调查结果与学生的相关调查结果在一定程度上并不一致，这又说明师生之间在认识上和实践上存在不一致性，或者说教师们的想法和做法并没有被学生完全理解和真切感受到。
四、关于科学学科教学与管理的建议
（一）进一步加强教学管理工作
教育行政部门和基层学校要切实加强教学管理工作，使我省在落实课程计划、规范课堂教学方面再上新台阶。加强教学评价的研究和改革，为全面、高质量地落实国家课程计划，创设良好的社会氛围和评价机制，尽可能减少应试教育对课堂教学的负面影响。确保配齐配足必备的实验仪器和药品、图书馆和书刊资料、教具和学具，为实验教学和野外考察提供基本的经费保障，为教师课堂教学提供基本的硬件条件。尤其要加强对办学条件较差学校的教育投入，促进教育的均衡化发展。同时，要进一步规范学校的办学行为和课程计划，配备合格师资，确保生物、地理等学科课程开齐开足，确保学生实验和社会实践活动规范开设，提高实验的开设率和仪器的使用率。
（二）进一步转变课堂教学方式
课堂是教学的主阵地，教学质量的提升应立足于课堂。转变学生的学习方式，需要首先转变教师的教学方式。教师应加强探究式学习、实验教学、有效教学等方面的研究，加强学生活动的设计，高度重视探究式学习和科学实验教学，充分尊重学生在课堂教学中的主体地位，从培养兴趣、激发动机入手，不断改进教学方式。自然世界中充满盎然生机和无穷奥秘，这是引导学生学习科学的重要心理基础。真正落实好课堂教学的“三维目标”，高度重视学生思维能力、创新能力和实践能力的培养，使课堂教学目标从单一的知识识记走向知识、能力、情感态度价值观的和谐统一。科学学科教学要警惕死记硬背地记住科学概念和事实，而应该让学生自主学习、自己探究和自我建构，并在知识的应用和问题的解决中内化知识、提升能力。教学中应重视学习困难生的帮扶引导，高度重视对学生错误和疑难的观察和研究，教学中重视学生的个性差异，使“面向全体学生”的课程理念得以真正落实。
（三）进一步变革教学评价方式
教学评价深刻影响着教学行为，因此教学评价方式的变革在教学改革中处于重中之重。通过问卷调查可以看出，回答“总是”或“常常在讲完新课后让学生多做练习”的教师占到了近一半。由此可见，教师目前最为常见的评价方式仍然是通过练习和考试来进行，应试仍然是实现教学评价方式转变的“桎梏”。一方面，教师要致力于教学评价的研究，秉持发展性评价观，从传统的终结性的评价方式转变为过程性的评价方式，评价主体要由单一评价主体转变为多元评价主体。教师在日常的课堂教学中要重视组织和运用教学评价，及时调控课堂教学方法，提升课堂教学的有效性。另一方面，教育行政部门要在社会舆论的引导上、评价机制的重大决策上做文章，要为教学评价转变提供必要的社会氛围和政策支持。在评价方式的转变中促进教学方式的转变，使学生在评价过程中体验反思、感受快乐、获得发展。
（四）进一步重视教师培训工作
教师的教学素养是直接影响学生学业水平的最重要因素，因此教育行政部门和基层学校应将教师培训工作放在突出的位置。一方面在经费上予以足够的支持，同时适当减轻教师的工作负担，在培训时间上提供保证，为教师专业发展和学习培训提供经济和时间上的保障。教师培训机构要进一步加强研究，倾听教师的心声，全面了解教师对培训工作的需求，改进教师培训方式，使培训工作真正贴近课堂、走近教师，切实提高教师培训的实效性。
（五）进一步改进校本教研工作
虽然我省基层学校校本教研工作得到了一定程度的强化，但是在创新教研机制、提升教研实效方面仍然存在一定的问题。校本教研工作首先应立足于课堂、服务于教学，不断创建新型校本教研组织，不断创新校本教研机制，以教学问题为课题，加强教学研究的针对性，使教学研究成为教师的一种生活方式和工作习惯。应加强学校合作文化建设，充分发挥集体的智慧，紧紧围绕教学重点和教学难点，开展同题异构研究，积极发挥名特教师的引领作用，使有效教学服务于学生的和谐发展。全面提升每一位学生的科学素养是科学学科教学的核心追求。聚焦课堂是校本教研的主要方向，扁平化的校本教研组织是校本教研组织的重要组织形式，同伴互助、专家引领是校本教研的有效途径。当前生物、地理学科教研组建设迫在眉睫，尤其要关注规模小、教师少的学校生物、地理学科教研工作，通过区域联动、校际合作等开放性形式，使这些学校教研工作正常化。
在课堂教学中，常见到一些老师只知一味照本宣科，教学方法单一，缺乏变化。究其原因，一是由于他们不善于运用多种教学方法，把课本知识讲解清楚；二是由于他们不注意学习，知识陈旧，只好重复书本内容。这种现象如果不加以纠正，长期下去，就必然会挫伤学生的学习积极性，影响课堂教学效果。克服教法单一的办法很多，现结合教学实践谈几点体会。
一是深化、补充教学内容。
从某种意义上说，教材毕竟只是教学内容的“提纲”，它对问题的阐述不可能详尽具体，有些只侧重某一个方面。因此，在授课过程中需要对教材内容加以深化和补充，使之更趋完善，才能真正达到“授业解惑”的目的。深化、补充教材内容又分为纵向开拓和横向展开两个方面。纵向开拓就是要深入剖析教材内容，精辟论述某些观点，以加深学生对知识的理解。讲课有无深度，是检验课堂教学质量的重要标准之一。横向展开就是指老师讲课要“放得开”，思路要宽，角度要活，必要时应旁征博引，加以发挥。课堂教学最忌只列条条，把丰富的教学内容变成纯粹的注释手段。课堂教学应做到既有深度，又有广度。
二是介绍不同的学术观点，以培养学生的辨别能力。
在教学过程中，要根据需要引入与书中内容有关的新材料、新观点和新的研究动向，作为对书中内容的补充，供学生参考借鉴。如在对文学作品思想意义的认识上，历来容易出现分歧，这种情况在语文教材中也不鲜见，如关于鲁迅小说《药》的主题，就存在着多种不同的看法，如“亲子之爱”、“怀念革命先烈”等，教学时也可把这些不同观点介绍给学生，使学生在接受一家之言的同时也对其他观点有所了解。这种引进不同观点的做法，不仅可以丰富学生的知识，还可以为学生提供思考辨析各种意见的机会，从而开启学生的智慧，培养学生的辨别能力。需要注意的是，老师在介绍不同观点和有关知识时，应作必要的分析，对学生作正确的引导。
三是举例论证。
举例不仅有利于说明问题，而且有利于充实课堂内容，提高学生兴趣，活跃课堂气氛。举例应把握三点：第一，例子要新颖。举例要着眼一个“新”字。首先内容要新，要避免引用那些人们已反复引用过的例子。其次，切入角度要新，如关于“春风又绿江南岸”的炼字故事，用来说明如何修改文章已落俗套，但换个角度，用其中的“绿”来说明想象在写作中的作用，就颇具新意。第二，例子要丰富。丰富的实例，可使课堂教学变得充实而生动，能有效地改变由照本宣科所造成的沉闷状况。学生之所以欢迎插有大量精彩实例的课，除了它在内容表述上有通俗明白的优点外，五光十色的外来信息带给人们精神上的愉悦感和满足感，也是一个不容忽视的因素。第三，举例要适当，要紧扣所述问题。那种不着边际的例子，看似热闹，实则大大降低了课堂教学的质量。
四是教学时要以点带面，突出重点。
在信息技术迅速发展的今天,为提高医学科技查新部门和查新者之间信息传递的质量和速度,保证决策支持信息的完整性、及时性和科学性,为科技成果的评估提供客观依据,保证医学科技查新的科学性和可靠性,防止重复研究开发造成的人力和物力浪费,有关部门很有必要引进信息管理软件。信息管理软件能够实现医学科技查新业务流程的自动化。通过医学科技查新管理软件,工作人员可根据查新项目的需要修改、跟踪、管理、查询、统计医学科技查新记录,提高查新工作效率,提升医学科技查新部门的核心竞争力。医学科技查新一般由查新机构、查新人员、查新项目、查新委托人(组织)、查新报告等部分组成。流程包括委托人委托查新,查新机构受理查新、订立查新合同、检索文献、撰写查新报告,审核员审核、提交和归档查新报告等。按查新的目的查新项目可划分为科研立项查新、科技成果鉴定、新药报批查新、专利申请查新四大类。按医药卫生查新项目所涉及的主要学科可分为生物科学查新、预防医学查新、卫生学查新、临床医学查新等。根据查新的分类和工作流程,查新信息管理软件应包括查新项目基本信息模块、查新委托书模块、查新报告生成模块、打印报表模块、统计查新模块、系统字典等七大部分。查新项目基本信息模块的主要功能是建立查新项目的电子档案,包括项目中英文名称、项目编号、学科分类、查新目的、项目技术要点、委托人(组织)基本信息(名称、姓名、地址、联系方式、电子邮件地址等)。查新委托书模块功能是建立合同模板、委托书编号、签署日期、提交日期、委托者查新要求等信息。查新报告生成模块的功能是根据文献检索的结果和审核员的审核情况自动生成查新报告。打印报表和统计查询模块具有提供查新项目的电子归档、多条件统计、查询、分类、工作量统计自动生成报表格式并打印等功能。系统字典是系统初始化和相关字段定义模块,该模块具有查新人员、委托单位、学科分类、系统用户管理表的记录修改、添加、删除、定义等功能。
2提高网络信息资源检索方法与检索技能
《卫生部医药卫生科技项目查新咨询工作暂行规定》(于1997年颁布)中规定:医药卫生科技查新必备的检索刊物是中文科技资料目录(医药卫生?中草药)和美国医学索引。但是,随着计算机和网络技术的发展,医药卫生科技查新人员必须充分合理利用网络信息资源。目前,查新人员必查的数据库是CBM、CMCC、MEDLINE和PubMed。国内辅助的数据库有:重庆维普中文科技期刊数据库、万方数据资源、中国期刊网全文数据库、中国专利全文数据库及各种科技期刊和报纸。国外的辅助文献资源有:SCI、El、ISTP、DER、WENT、ACS、SPRINGLINK和美国化学文摘等数据库,DIALOG和STN国际联机检索系统。为了提高科技查新工作质量,查新人员要制定好检索课题的全盘计划或方案,掌握查新技术,明确检索要求,选择检索工具和范围,合理制定检索策略,充分利用检索系统的各种功能及掌握的知识和技能,提高检索效率。
2.1明确检索要求,选择检索工具
科技查新时选择的数据库,其学科专业范围要与检索课题的学科专业相吻合。在进行国内外查新时,首先,要选择国内外较大的综合性数据库,如:SC(I科学引文索引数据库)、E(I工程索引)、CNK(I中国期刊网数据库)及维普期刊全文数据库等国内外大型数据库。其次,要选择与课题内容相关的专业数据库,如检索医药卫生类课题,就必须选择CMCC(中文生物医学期刊数据库)、CBM(中国生物医学文献光盘数据库)等数据库。再次,如果是应用类课题或方法研究类课题,还应选择专利数据库等。
2.2合理制定检索策略
丰富的数据库资源为医药卫生科技查新工作提供了大量的文献信息来源,数据库涉及的内容、检索手段、着录格式和字段、检索结果的格式等各不相同,要求查新人员熟练掌握每个数据库的特点,针对不同的课题选择与内容相符的数据库。检索策略是指为实现检索目标而制定的全盘计划和方案,是对整个检索过程的谋划和指导[2],并按照该数据库的特点制定不同的策略进行检索。医学文献检索有医学主题词表,CBM和PubMed的每条记录都标引主题词,提供主题词检索途径,为此,查新人员要注意检索与医学主题词对应的各种形式的自由词及下位词,尽量提高检索效率。例如,检索“抗结核药物对肝脏损害的研究”课题,在CBM数据库中用主题词“结核[扩展全部树]/药物疗法,中西结合疗法,中药疗法,中医疗法,中医药疗法”来得到检索史①,用主题词检索“肝炎,乙型/全部副主题词”来得到检索史②,再用关键词检索“肝损害”来得到检索史③,最后在“检索史”下将3个检索式用AND连起来检索,有关抗结核药物对肝脏损害的文献就将以标题形式显示出来。而其他的网络数据库如CNKI、维普、万方等都不能实现医学主题词检索,查新人员可以结合上述CBM的检索结果,选择“题名、关键词、文摘、作者、机构、刊名、分类号”等适当的检索项进行检索。当检索不到相关文献或密切相关文献为零的课题对,查新人员要检查原因,不断调整检索策略,直至制定出完善的检索策略。
2.3正确处理查全率与查准率的关系
查全率是指检出的相关文献量与检索系统中相关文献问题的百分比;查准率是指检出的相关文献量与检出文献总量的百分比。有关调查显示,课题的查全率一般为60%~70%,查准率为40%~50%[2]。对于查新检索来说,要求的是高质量的检索结果,查新既要有高的查全率又要有高的查准率。查新的目的是了解课题的新颖性和先进性,为决策提供参考。所以,查全是前提,它能如实地反映课题的新颖性,防止低水平重复。尤其是科研立项、专利查新等,一旦漏检容易造成重复劳动,给委托用户造成人力、物力资源的损失。但对于已经取得成果的课题查新时,则可以以查准为主,在准的基础上尽量求全,以便进行比较、借鉴,从而进行对比分析。
3提高医学科技查新人员素质
医学科技查新人员是完成查新的第一要素,是保证查新质量的关键因素之一。作为查新人员,除具有敬业、务实和探索精神外,还应具备扎实的专业知识和广博的知识面,较强的综合分析与判断能力,较强的外语能力和计算机操作能力,熟练掌握情报检索技巧。在查新过程中,查新人员应认真对待每个课题,遇到陌生专业的课题时,主动向有关专家请教,完成课题查新。同时要多学习新的检索方法和技巧,通过与同行进行技术交流,参加查新方面的讲座和培训,定期浏览专业网站等途径,提高自身综合素质,不断提高医药卫生查新工作水平。
独立学院对大多数人来说仍是一个比较陌生的字眼，很多家长对独立学院的办学特点，招生方式，培养目标和学生就业择业都存在一定的顾虑。但随着我国经济的快速发展，高校的教育模式也会不断更新，独立学院的存在是顺应历史潮流的教育革命。独立学院旨在培养应用型，创业型的高级人才，那么对学生们进行创业教育培养是独立学院具有特色的教育模式。因此，探索独立学院大学生创业教育模式成为独立学院面对的艰巨任务。关键词：独立学院；创业教育；教育模式
【提要】
外科手术学教学方法需要不断改善与提高，目前，外科手术学教学中存在教学设施简陋、教师队伍不够稳定及缺乏经验、学生对外科手术学缺乏热情等问题，应通过分析实际教学过程中存在的问题，促进学生扎实的理论基础的培养，特别要锻炼医学生手术动手操作能力，所以，需加强对教学方法与模式的改进，以适应现代外科学发展对医学优秀人才的需求。
【关键词】动物，实验/外科学；外科学/教育；教学；质量控制
外科手术学是医学课程中从基础课程逐渐过渡进入临床课程的学科，是医学生进入临床医学学习的关键课程，操作性、实用性强，是临床动手能力和操作技能提高的关键环节。近年来，手术技术不断取得进步，相应的手术教学也应紧跟外科手术学科的发展，结合学生实际技能，不断扩展教学内容与改进教学方法，使临床医学生能掌握最新技术方法，才能取得好的教学效果。本文结合教学过程中的体会与学生的反馈，分析目前外科手术学教学内容与形式中存在的主要问题，提出初步解决方法，促进教学水平的提高，从而提高医学生临床外科实践能力[1-2]。
1外科手术学教学中存在的问题
1.1教学设施简陋
本校动物外科手术室是20年前装修并开始使用，已使用20余年，当时尚能满足教学要求，随教学技术的进步，原有的设施逐渐陈旧，教学条件显得逐渐简陋，达不到许多最近发展的手术条件如腹腔镜手术的演示。手术间仅有3间，学生数量逐年增加，在手术学教学中以组为单位，学生操作手术时往往因为手术视野小、手术不能重复进行等问题难以掌握操作要领。硬件设施条件未及时更新，配备必要的试听教学设施，整个示教过程无法实现多媒体实况直播。
1.2教师队伍不够稳定，缺乏经验
外科手术学是一门较特殊的学科，既需要丰富的手术操作技能，还要求教师掌握必要的教学理论与能力。目前，外科手术学教学教师主要为各附属医院外科系统各临床科室择优遴选的外科医生，虽然其外科临床经验丰富，操作技能掌握扎实，但主要从事临床工作，教学实践较少，且专业方向各不相同，所掌握的临床操作技巧有差别，在实际教学中学生反映教师的传授不够清晰。且每年度的授课教师均在轮换，不够固定，积累的教学经验不能积累，不能进一步应用与教学[3]。
1.3学生对外科手术学缺乏热情
外科手术学是与外科相关紧密的实践学科，是一门选修课，所以个别学生，特别是女学生或致力于从事内科的学生对该门学科重视不够。也有部分学生在开始学习时热情高涨，开始了解实践操作后学习热情逐渐淡化，常表现为操作不积极，上课走神、态度不认真等。也有个别学生出现缺课、逃课现象。很多学生存在学习内容与临床实践不符合的错误观念而对学习内容不认真，实验动物与临床手术还是存在很大的差异，这样容易导致学生在实际操作中产生混乱，反倒不能熟练掌握技巧。某些学生不愿担任助手，未能领悟到手术的整体观念[4-5]。
2解决策略与行动方案
2.1稳定外科手术学教师队伍
外科手术学是一门结合基础理论与临床实践的过度学科，授课教师的背景一般为临床外科医生，除具备扎实的理论基础、手术操作技能外还应具备丰富的教学实践经验。外科手术学课程讲授手术基本操作和无菌技术基本原则，内容均是由教师示教传授的，在授课过程中教师的言谈举止会直接影响到学生，授课前教研室应进行集体备课，对所有教师进行集体培训，学内容和教学方法，一致的基本外科操作手法，对教学中出现的问题及时组织讨论，寻找适宜的解决方法。积极培训临床教学方法，学习教学理论。要求各教师投身于教学工作，认真备课，除培养医学生临床操作实践能力外还应重视培养学生的团队配合和无私奉献精神。初次接触实验动物时学生往往不忍心下手，表现出惋惜的情绪，导致手术时动作僵硬，教师应耐心指导学生，鼓励学生操作严格，遵循相应手术原则，增强学生对教师的信任，并提高学生的自信心。教师的教学水平与技巧提高了，为提高教学质量创造了良好的前提条件。
2.2学习积极性的培养
动物手术是教学过程中培养学生综合素质的重要环节，结合多种教学方法激发学生的积极性并加深对教学内容的理解。术中通过团队人员的配合，培养学生团队意识和合作精神。实践中可指导学生通过观看手术录像或查阅文献熟悉相关常见外科疾病的手术方法，让学生应用所学的操作技能通过动物手术解决遇到的实际问题。只有切身体会才能更深入地理解手术中每一步骤的重要意义。鼓励学生参与其中，教学的整个过程包括手术敷料打包、消毒和实验动物备皮、麻醉及绑定等[6-7]。可应用多媒体技术，让学生更直观、更清晰地观摩手术。术中各小组成员的默契配合对手术的成功至关重要，因此，培养学生团结协作精神十分重要。一般每小组由5名成员组成，每台手术轮流充当术者及助手、麻醉师、巡回护士、器械护士5种角色，在手术过程中每名成员认真配合工作，互相信任，各司其职，保证每台手术的顺利完成。这种教学模式可让学生在角色中体会其具体工作与职责，提高学习兴趣，学生在亲自参与实施的过程中对自身思维具有很好的锻炼作用。
2.3教学方法的合理配置与利用
高等教育理论课一般采用传统的粉笔与黑板的模式，现在有部分学校或考试加上多媒体教学手段。这些均是以教师为主体、灌输式教学为主的教学模式，当然理论教学这是必要的。现代外科学教学特点为实践性强，所以，应突破传统教学模式，以学生为主体，鼓励学生独立思考，让学生从基本技能训练到动物手术实践，逐步掌握各项技能。生动、形象的多媒体表现方式及可互动的教学模式可极大提高教学中操作步骤的直观性，带教教师集中示教，进一步强化学生的直观感受。通过这些措施培养学生操作能力，创新能力，提高学生外科临床实践能力，培养未来亟需的创新型高素质医务人员[8]。
2.4完善课堂纪律与考核制度
为规范课堂教学、提高教学效果课堂纪律的严格执行及规范考核同样也是外科手术学教学过程中非常重要的一部分，可激发学生的学习积极性。除传统理论考试外应根据学生在手术实践过程中的表现给予适当的鼓励或批评，对学习态度不端正、缺乏团体协作精神的学生可个别谈话，查找原因，鼓励其积极参与学习，必要时适当扣分。操作考试包括外科打结、实验动物麻醉及绑定、刷手、穿手术衣、消毒铺单、戴手套、器械认识等要点，内容应由随机抽签决定，目的是让学生尽可能地掌握教学内容，避免只掌握单一的内容。学生应认真总结每一台手术中的要点及所遇到问题，加深对理论知识的理解，为今后步入临床外科工作奠定理论与操作实践基础[9]。综上所述，《动物外科手术学》是医学专业从基础到临床重要的实践操作课程，是基础理论与技术操作相结合的临床课程，在模拟动物手术过程时应以临床工作的实际要求进行示教和训练，让学生真正进入手术角色，最终通过动物手术实际操作树立牢固的无菌观念、团队合作，养成良好的外科习惯与专业素质，培养严谨的工作作风和责任心。该门课程的特点是实践性和技术性强，部分学生兴趣很大，但部分学生学习起来较困难，因此，在外科手术学教学过程中一方面要严格贯彻教学大纲要求，避免盲目和随意性；另一方面要抓住重点，将各项基本操作技能的训练与临床应用联系起来。
参考文献
[1]陆源，厉旭云，夏强，等.基础医学研究性课程的开设和实践[J].中国高等医学教育，2003（2）：51-52.
[2]汪蕙，张文雪，袁德宁.研究型教学模式的探讨———兼论创新性教育过程化[J].中国大学教学，2002（1）：16-18.
[3]蒋建国，易礼兰，邓开玉.设计性实验在外科手术学基础与动物外科教学中的应用[J].临床和实验医学杂志，2007，6（2）：167-168.
[4]金钢，蔡郑东，卓冬兰，等.加强外科手术学教学的几点体会[J].医院管理杂志，2006，13（2）：182-183.
[5]陈壮桂，陈岩峰，纪经智，等.在儿科临床实习中加强七年制医学生临床综合能力的培养[J].临床医学工程，2009，16（6）：102-104.
[6]贾巍，李亚昙，代亚丽.构建七年制临床医学专业人才培养新模式[J].卫生职业教育，2012，30（5）：5-7.
[7]高小惠，张勤，徐薇薇.八年制临床医学专业科研训练质量监控的探索与实践[J].基础医学与临床，2009，29（6）：664-666.
[8]黄联继，易建平，郭树清，等.提高临床医学生实践能力的研究[J].中国高等医学教育，2007（7）：88-89.
一、 学生测试结果汇总表（综合评价）
班级
实考人数
优秀
良好
及格
不及格
及格率
优秀率
备注
三一班
69
1
5
17
52
25%
2%
三二班
69
3
17
52
24%
三三班
69
2
9
60
13%
三四班
69
1
2
7
62
10%
2%
三五班
69
2
10
28
41
40%
3%
二、基于课标和学情的教学诊断，学与教取得的成绩及经验
1、基础知识掌握能力分析
孩子基础知识点掌握不够牢固比如，在第三、四单元观察蚂蚁、制作蚂蚁、昆虫的定义，土壤对动物的影响等；大部分孩子是没有掌握这两个单元的重点知识，只有极少数掌握比较牢固第五、六单元是为了让孩子能选择合适自己探究的问题并会借助简单的工具进行观察和提问，这对三年级的孩子来说是有难度的，蚯蚓和自转旋翼、降落伞入手，通过了解蚯蚓、制作自转旋翼这个几个知识点学生掌握非常不好错误率最高，只有极个别孩子能够回答的比较好。
3、知识的迁移和运用能力分析
教材重视学生的培养学生的能力。但教材容量大，知识点不很明确。 因此教师在教学中只能蜻蜓点水，眉毛胡子一把抓。表面上看课后问题少 了，简单了。其实不然，里面的训练点多了，需要掌握的信息量也增大了。 考察的知识点面广，形式灵活，无法准确把握。三年级学生的学习严重缺 乏生活经验。在课堂学习中，他们只注重教师做的实验好玩，不注重对知 识的理解和获取。 三年级的孩子正是良好学习习惯形成的关键时期，我们在平常教学中 缺少系统的训练，很多孩子不会倾听，不会合作，还有一部分学生自律性 不强，甚至有的学生影响同伴的学习。这些问题都是我们今后教学工作中 应该狠抓、努力提高的地方。
4、家校关系对于学生学习的影响分析
不论是学校领导、班主任，还是任课教师，都有责任和家长建立经常性的联系，取得家长的协助，统一步调，共同搞好学生的教育工作然而，在实际工作中，情况往往不能令人满意。有些班主任、任课教师对自己的教育能力过分自信，认为没有学生家长协助，自己也能教育好学生，因而认为没有和家长建立联系的必要。
大量事实证明，学生在品德、才智等方面表现出来的差异其重要原因之一就是家庭教育的不同。而现在一些家长却难以担负教育子女的重任，大致有三种情况：一是隔代管护，过分溺爱。一些学生的父母常年在外打工，子女的生活靠爷爷、奶奶管理，而爷爷、奶奶一般对孙子、孙女过分溺爱，要啥给啥，百依百顺。久而久之，小皇帝、小公主便应运而生。学生往往生活上相互攀比，而学习不求上进，纪律松弛。二是素质低下，无力教育。有的父母虽然常年在家但由于文化程度低，管护孩子更多的是只问吃穿及用钱，对学生的行为及学习情况，过问的少或干脆不过问。有个别学生便瞒哄家长，家长问不出孩子学习的真正情况，因而也无法对学生实施有效的管护和教育。
家庭因素和学校因素出现的这些新情况，成为教师与家长联系的障碍从而在教育学生方面出现了一些失误。因此，要使“家校联系”这一传统的教育方式焕发青春，发挥其应有的作用，就必须从教育理念、教育思想、教育方法丶教育方式诸多方面进行革新。
三、基于课标和学情的教学诊断，学与教中存在的主要问题及成因
从学生的答卷显示，基本情况趋于良好，多数学生的语文素养基本能达到《课标》要求。但仍然有许多值得反思和改进的地方。
1、审题不清，造成错误。
审题不认真的问题虽然年年都在强调，但此次期末测试中，这一现象仍然没有得到有效改观，很多学生因为对题意的理解不准确而造成的错误。如： 四丶操作题1.用导线、开关、小电珠、电池连接一个简单的电路，把电路图画在下面的方框内。好多学生画的都是灯泡模拟图。
2、错别字现象仍然存在。
虽然在每一次的期末考试分析中都强烈呼吁重视学生的错别字严重现象，可是，从本次的期末考试来看，学生的错别字和书写不规范现象还是比较突出。如第填空题11小题，四大题，操作题，。这道题好多学生答案写一半且错别字比较多，如：变冷的“冷”学生少写一点，摄氏度这三个字不会写。
四、追根溯源，改进教，促进学的落实。
1、提高教师的的知识水平，认真钻研教材、搜集各种资料、平时多与 其他的教师进行研讨、多制作实验教具、发动学生自己动手实验得出结论、 多总结教学中的不足不断完善自己。
关键词：妇产科学；课堂教学；评价分析；
作者简介：刘玲艳，女，在读硕士，研究方向：围产医学。
妇产科学是医学生的必修课，课堂教学是学生学习妇产科的基础，高质量的课堂教学是培养学生临床思维、增强学生学习兴趣、提高临床见习、实习质量的重要保障。学生是教学活动的主体，教学的接受者及参与者，在教学质量评价中最具有发言权，与授课教师征求个别学生意见相比较，有目的、有针对性的教学评价，能使参与的人数更多，样本量更大，信息反馈更齐全，评价结论更客观。因此发挥学生的主体地位，以问卷调查形式让学生对教学质量、效果进行评价，并提出意见及建议，从而探索教学中存在的问题及改进方式是提高妇产科课堂教学质量的重要举措[1]。
该研究利用学生对妇产科学课堂教学质量评价数据，深入分析妇产科课堂教学现状和存在的问题，探索切实可行的提高妇产科课堂质量的教学方法。
一、研究对象和方法
在妇产科学专家指导下设计问卷调查表，对昆明医科大学第二临床学院2009级临床医学专业30名学生进行预调查，根据结果对问卷进行修改完善，于学期末再对班级共250名学生进行调查，回收有效问卷229份。利用EpiData3.1建立数据库并进行双录入，导入spss17.0软件进行统计分析，对开放性问题进行文字总结。
二、结果
(一)一般情况。
调查对象年龄分布在20-23岁之间；女生占65.5%；74.4%的同学来自农村；74.7%、17.5%的同学分别通过大学英语四级、六级。
(二)课堂教学效果。
1.学生对妇产科学感兴趣的程度及对妇产科学难易程度的评价。98.3%的同学对妇产科学感兴趣，其中最感兴趣内容所占比例排序为：生理产科学(32.8%)、不孕症与辅助生殖、妇科疾病、妇产科学基础，病理产科学、计划生育；最难掌握内容中以病理产科学所占比例最大，为30.6%。
2.学生综合能力的提高情况。学生不同能力得到提高，认为专业外语得到提高的人数最少(见表1)。
3.妇产科课堂教学方法的优缺点。99.6%的学生认为妇产科课程内容安排合理；85.7%的学生认为课时过少；与内、外、儿科对比，72%(165/229)的同学认为妇产科课堂教学有以下优点：教师采用典型案例式教学；采用动画、视频等多媒体技术，将抽象内容具体化；大部分老师结合自己的临床经验讲解，提高学生兴趣；教学态度严谨，条理清楚，富有激情；同时75%(172/229)的同学指出妇产科教学存在以下不足：个别教师教学效果不够理想，师生互动不足，课堂气氛不够活跃。
(三)教学需求的调查结果。
1.对推荐课外书籍的看法。57.2%的学生认为需要推荐关于妇产科学新进展、妇产科学临床病例分析的书籍及教学视频。
2.对课程中适当增加专业英语授课比例的看法。58.1%的学生认为不需要增加专业英语在教学中所占的比例，主要原因是学习时间紧、外语基础不好。
(四)学生对教学方法的看法。
1.教学方法重要性排序。更多学生认为充分利用多媒体技术(视频、动画等)、教学模型及授课教师结合临床经验或科研经验，讲述经典案例激发学生学习兴趣最为重要(见表2)。
2.对改进教学方法，提高教学质量的建议或意见。88%(202/229)的同学对改进妇产科教学提出了以下建议：(1)增加学生讨论及进入临床观摩的机会；(2)增加课时，提高部分教师的教学效果；(3)采用多种教学方法，促进师生互动。
三、对策初探
(一)提高师资队伍的实力，为提高课堂教学质量奠定基础。
由调查可知，学生最感兴趣内容是生理产科学，学生也指出教师充分利用多媒体将分娩过程等抽象内容具体化。可见，良好的教学方法和高质量的授课技巧是激发学生学习兴趣的动力和源泉。教研室集体备课，教师们相互交流，针对每个疾病制定一个更好、更符合教学实际的系统授课方案，提高每一位授课教师的授课技巧，为改善教学质量提供有力保障。
(二)改进教学方式，采用多元化的教学方法，从多方面增加学生学习兴趣和提高学习效率。
多元化教学是21世纪教学改革的核心理念，指教师充分利用现有的教学方法，结合授课内容与学科特点进行教学方法与教学策略的调整与转换，从而最大限度地提高教学质量与教学效果[2]。在妇产科教学中实行多元化教学，就是要立足于妇产科学的特点，在深入分析教学内容以及教学条件的基础上，考虑学生的理解程度与吸收状况，采用并变换多种教学方法来实施教学的过程。
在教学需求的调查中，部分学生希望教师推荐关于妇产科新进展的书籍及采用多种方法进行教学：增加新知识新的讲解，利于培养学生获取新知识的能力及创新意识；多媒体、模型等教学工具有助于将抽象内容形象化，还可以增加课堂教学的趣味性和实效性；结合调查对象中有25.3%的学生未通过四级、专业外语能力提升较少及医学信息全球化的现状，教学中应加大专业外语授课比例。此外，课间增加病案讨论内容、小组讨论与教师指导等多形式教学有助于提高学生的积极性，在教学实践中可适当运用并推广开来[3]。
(三)活跃课堂气氛，充分发挥学生的主体地位。
由于大部分学生(74.4%)来自农村，对实施课堂提问看法中，部分学生不愿意课堂提问是因为性格内向、易紧张、不善于在公共场合发言，因此课堂教学中要注意提高学生的综合素质，增加师生的互动，提高学生的表达能力[4]。另外，采取多种形式如回忆式、启发式、混淆是非及加深记忆性提问能够帮助提高学生的注意力，快速提高学生的学习效率[5]。
[关键词] 学习分析学； 智慧教育； 设计框架； 学习分析系统
[中图分类号] G434 [文献标志码] A
[作者简介] 祝智庭（1949—），男，浙江衢州人。教授，博士生导师，主要从事教育信息化理论、系统架构与技术标准、教师专业发展、技术文化等方面研究。E-mail：。
一、引 言
随着信息技术在教育领域的深入应用，智慧教育成为信息化教育应用的一个新范式。[1]智慧教育主张借助信息技术的力量，创建具有一定智慧特性（如感知、推理、辅助决策）的学习时空环境，旨在促进学习者的智慧全面、协调和可持续发展，通过对学习和生活环境的适应、塑造和选择，以最终实现对人类的共善（对个人、他人、社会的助益）。智慧教育充分体现了“以学习者为中心”的思想，强调学习是一个充满张力而又平衡的过程，揭示了“教育要为学习者的智慧发展服务”的深刻内涵。
智慧学习环境的一个基本特征是：基于学习者的个体差异（如能力、风格、偏好、需求）提供个性化的学习诊断、学习建议和学习服务；并记录学习历史数据，便于数据挖掘和深入分析，数据结果用于评估学术过程、预测未来表现和发现潜在问题。因此学习数据分析成为智慧学习不可或缺的条件。
学习分析学（Learning Analytics，简称LA）涉及科技和社会学科的多个学术领域，包括计算机科学、社会学、学习科学、机器学习、统计学，以及“大数据”。[2][3]LA的定义随着相关研究的进展而演变，尽管研究方向不尽相同，大部分学者认同如下定义：“学习分析学是使用智能数据、学习者数据，以及分析模型来发现信息和社会性联系，并以此为依据进行学习预测和提供建议。”[4]Siemens 于2012年对相关定义进一步提炼之后提出，LA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，目的是理解和优化学习以及学习情境”。[5]
其他学者、机构也有一些类似的关于LA的定义。尽管各个定义在用词和着重点上存有细微区别，但基本都反映了LA的本质，即首先发现特定用户的需求，利用技术方法获取数据，分析数据，帮助教师、学生、教育机构等解读数据，并根据数据结果采取干预措施，从而达到提高学习和教学成效的目的。[6]同时这些定义也指出，LA所用、所处理的数据是已经存在的、机器可读的“大数据”（Big Data），这些数据是不适合人工处理的。[7]
LA在国际上被称为是“自从学习管理系统（Learning Management System，简称LMS）问世以来，教育技术大规模发展的第三次浪潮”。[8]2005年 EDUCAUSE的文章就预示了LA的出现。[9]此后与学习分析学相关的国际学术会议，例如学习分析学与知识国际会议（LAK，The International Conference on Learning Analytics & Knowledge）于2011年召开第一次会议，于2012年召开了第二次会议，而且会持续下去。学习分析学研究社会（SoLAR，The Society for Learning Analytics Research） 也于2011年夏天成立，一方面主持召开会议，同时致力于LA方面的研究和发展，并提供学者、教育专家、学生等进行信息交流和互相合作的机会。另外，教育技术和社会学术期刊（Journal of Educational Technology and Society）也与2012年出版了关于学习分析学的特刊。由此可见，学习分析学已经成为高等教育界尤其是以教育技术为基础的远程在线学习领域内的一个研究热点。
LA 在教育领域内迅速发展有多种原因。下面我们将从它的出现、回答的问题、研究框架模型等方面加以详尽介绍。
二、学习分析学研究的缘起以及相关技术
多位学者专家探讨过LA出现并成为热门研究课题的必然性，并且总结出几个原因。
第一个原因是大数据（Big Data）的出现。[10]Greller和Drachsler认为学习分析学的起源在于网络大数据的出现，包括政府类数据。[11]随Web 2.0出现的社交网络数据（Twitter、You Tube、Fliker，Facebook等）、移动终端数据，如GPS 定位数据等。随着此类数据的出现，有些公司如Google、Amazon、Yahoo等，分析利用此类数据，并将其结果作为扩张市场的依据或者提供个性化服务的方向，因此公司得以快速成长。大数据的出现和潜在的价值也引起了各国政府的关注。例如，奥巴马政府2012年宣布，每年将花费超过2亿美元在大数据研究应用方面，以致力于科学探索、环境、生物医学、教育和国家安全方面的研究。[12]在远程教育领域LMS，如Blackboard 和 Moodle等的应用也越来越广。这些系统每天都记录大量的学生交互信息、个人数据、系统数据等。[13]如何从这些数据中获取信息成为LA出现的一大契机。
第二个原因则可以归结为在线学习或者教育技术的发展。[14]随着教育技术的发展，在线学习成为传统学校教育和终生教育的一个重要模式。在线学习提供给学习者不受时空限制的学习机会，同时也带来一定的挑战，例如学生有可能缺少与老师和同学的联系，又可能遇到技术问题或者失去学习动机等。[15]此外，教师也由于网上学习环境中缺少视觉线索，因此难以判断学生是否感到课业太容易、感到内容乏味枯燥或者学习上有困难等。因此，学者们认为，教师难以评判学生的参与度和学习质量，而攻克这个问题则成为LA的另外一个契机。[16]
第三个原因则与教育机构自身对数据的需求有关。很多国家，包括美国政府，都力图提高整个国家人口的教育程度，比如如何提高学生的学习成绩、入学率以及毕业率等，而这些都需要大量数据来发现和验证。[17]传统上，教育机构、学校获得学生学习数据的主要方式为调查问卷及访谈等，由此带来诸多方面的限制，如花费大、耗时多、规模小等。由于数据挖掘可以追踪用户的电子信息使用记录，并且自动分析整体数据，而不需要选样，因此新的数据经济大潮使得学校在数据收集方面不再需要花费大量人力和财力；并且获得的数据反映了所有用户的全部信息，并非选取的一部分；同时数据在自然状态下获得，不需要利用访谈、观察等方式，使得数据更加真实可靠。[18]
第四，LA起源于其他几个已经相对成熟的领域，如商务智能（Business Intelligence）、网站分析（Web Analysis）、学术分析（Academic Analysis）、行动分析（Action Analysis）、教育数据挖掘（Educational Data Mining）、运筹学（Operational Research）[19][20]以及社会网络分析（Social Network Analysis）等。这些研究领域已经相对成熟，对LA的迅速发展应用起到一定的促进作用。
Siemens认为，与LA密切相关的是学术分析学（Academic Analytics， 以下简称AA）和教育数据挖掘。[21]学术分析学是为了高等教育机构的运营和财务方面的决策而提供所需数据的过程，[22]如发现影响学生毕业率的影响因子等。教育数据挖掘是指为更好地理解学生以及他们所处的学习环境，从教育数据中获取知识和发现，针对教育环境内独特的数据类型而进行的获取数据、整理数据、形成分析报告等研究方法方面的研究。[23]Siemens认为，教育数据挖掘是LA和AA的共通支撑技术。[24]他描述了三者之间的关系以及三者针对的层次和关注对象，如表1所示。
三、LA 回答的问题
LA 对智慧教育的重要性体现之一在于它可以使用大范围数据，回答关于学习和教学的不同问题。Cooper采纳了Davenport等对“Analytics ”能够阐释和回答的问题的总结，[25]并根据其时间线（过去、现在、将来）和回答的深度（信息型、洞悉型）对问题作了归类。[26]我们认为其问题矩阵同样适用于LA（见表2）。
Cooper总结归纳了LA可能回答的问题类型。[27]
信息和事实性问题：
发生什么了？LA产生报告并提供描述性数据（过去）；
正在发生什么？LA对现状的提醒（现在）；
趋势，走向如何？过去的数据被当作推断的根据（将来）。
深度理解和洞察性问题：
这些为什么发生，如何发生的？LA可建立模型并加以解释（过去）；
可以采取的最好措施是什么？LA提供一个或多个干预措施（现在）；
可能发生什么？LA可以预测、模拟其他措施的效果，确认最优举措（将来）。
因此LA 可以描述和解释过去的现象，例如为什么选同一门课的学生成绩普遍偏低？原因可能包括缺乏相关基础知识；可以预警和干预正在发生的学习，例如学生得到信息，他/她很可能某门课会通不过，教师可引导学生进行补救、提供学习材料等；LA还可以推断发展趋势和预测将来，例如由于以往某一学习活动对不同学习风格（Learning Style）的学生的影响有所不同，可以推断针对不同学习风格设计的学习活动能提高学生成绩；同时，不同学习风格、学习活动和成绩之间的相关性分析和预测模型有助于发现最适合特定学习风格学生的学习活动。此外LA可以将各方面的关于学生的分散式信息整合梳理，提供给教师，使其对学生有更可靠、更清晰的认识，在此基础之上采取的措施将更加有效。此外，LA 不止可以提供关于学生学习方面的信息，也可以用来评估某一课程、院系以及整个学校。它可以参与评估整个学校的教学，用于决定是否需要采取更先进的教学方法；它还可以提供信息给学生，以便学生自我评价学习过程和结果等。由此可见，LA的使用可以使得教育方法得以提升，促使教育向智慧教育方向发展。
四、LA的设计研究框架、资源
过程模型及重要环节
多位学者试图从整体架构、所涉纬度、过程环节等方面描述LA，以基于对LA的整体认识，引导LA系统设计过程。本文主要讨论两个LA模型和LA的重要环节，目的是对如何设计开发LA系统有全面的、清晰的认知。
（一）LA通用设计框架
Greller&Drachsler根据他们对学习分析学现存文献的梳理，提出了具有六个纬度的LA通用设计框架，即关益者（包括学生用户、教师用户等）、目标（包括使用数据的目的，如预测等）、数据（包括受限数据和公开数据等）、工具（分析数据的依据，包括教学理论等）、外部限制（如用户隐私）、内部限定（包括分析解读数据结果的能力等）。[28]这六个纬度反映了在应用LA研究学习、开发LA系统时应该考虑的基本因素。图1反映了该设计框架，包括每个纬度的例子，以下我们对每一纬度进行说明。
1. 关益者
关益者包括数据使用者和数据提供者。使用者指应用数据并根据数据结果制定对策的人，如教师；提供者指以自己的系统浏览和互动行为产生数据的用户，如学生。在特定情形下，使用者和提供者是一体的，比如学生本身的行为信息反馈给学生自己而不是老师的时候，这两者是统一的。关益者除了包括学生、教师以及教育机构外，研究人员和政府机构等也可看作关益者的一部分。
关益者之间如何使用学习分析信息交流可以用层次模型来表示（如图2所示）：最直接的途径是通过LMS 获取学生信息，提供给教师；教师可以根据此信息制定干预措施或者调整教学策略等；教育机构则可以根据学生和教师提供的信息进行教职工培训或者制定措施保证教学质量等；研究人员尽管不直接参与学习过程，但他们可以利用学生和教师数据，评估教学质量或者学习服务措施是否到位；最后政府机关可以汇总、分析，并利用多所院校的学习分析数据来测评整个教育系统。此外，已有研究者们强调，在各个层次，关益者都可以利用本层数据进行自我反思，如学生可以根据自己的学习记录、互动行为等来思考自己是否实现学习目标等。
2. 目标
学习分析学开辟了一个新的领域，可以发现并研究利用原本隐藏的教育信息，提供给各个层次的使用者。通过分析比较学习信息和社会互模式，为学习者提供新的视角，同时提高组织性效率和效益。也就是说，学习分析学提供的信息不仅有助于个体学生，对支持更高层次的知识流程的管理（如政府层次）也有所裨益。Greller和 Drachsler主要提出并讨论了两种目标：反思与预测。[29]反思是指数据用户根据与自己相关的数据，获取知识并进行批评性自我评价，有学者称之为“量化自我”，也就是观察测评自己的学习记录数据，并根据数据结果进行自我修正等。[30]反思也可以根据别人的数据记录进行，如教师可以根据学生的交互行为，反思自己的教学风格是否适合学生等。学习分析学同样可以用来预测模拟学生的学习活动、行为等。如根据过往的学生反馈信息，可以预测某种教学设计有助于学生的学习，据此可以重新设计教学活动，提高学生学习成绩；亦可降低或增加内容难度，从而降低学生放弃课程的比例。
3. 数据
学习分析学所用数据大多来自LMS以及其他教学系统，同时教育机构本身拥有大量学生数据。然而很多数据是非公开的，因此对教育数据公开化的要求越来越迫切。[31]
4. 工具
学习分析学通过信息检索技术获取数据，如教育数据挖掘、机器学习、传统统计分析以及社会网络分析等。同时，研究者将理论建构以及算法等处理数据、从数据中发现信息的概念工具也包括进来。
5. 外部限制
外部限制包括伦理、法律、社会、组织机构、管理以及LA过程方面的限制。如使用个人隐私数据有可能触犯法律等。
6. 内部限定
内部限制与能力相关，指解读数据、解释数据，从而根据数据提高学习效果的能力。据调查，只有很少的学习者能够解读结果并据此采取有效的干预措施。
（二）LA资源过程模型
学者们认为，分析是人脑和机器的混合加工的过程，[32]LA具有认知性、技术性和社会性。[33]综合多种看法，Elias认为电脑（软硬件技术）、理论、人员和机构构成了LA的四种技术资源，同时也成为LA的核心。[34]四种资源以及数据运作的过程构成一个LA的模型。
1. 电脑技术
远程在线学习的普及以及LMS 的应用，说明大量关于学生的数据已经被收集，如果这些信息可以和其他与学生有关的数据相结合，我们可以得到更详尽的关于学生的学习体验、教师的教学效果等信息。而随着数据的收集，进行信息加工时，尤其需要用来做数据分析报告和预测结果的软件工具。这类工具，Elias 列举了资讯可视化（Visualization）、神经网络、回归分析、机器学习以及人工智能等。[35]Elias 尤其强调了可视化技术的重要性，并列举了仪表盘（Dashboard）和社会网络分析（Social Network Analysis）两种常用的资讯可视化技术。
2. 理论基础
Elias 认为，LA涉及的理论非常广泛，包括与分析学相关的知识以及其他领域的知识。前者如推荐理论基础协同过滤算法（Collaborative Filtering Algorithm）、贝叶斯神经网络（Bayesian Network）、基于知识的推荐（Knowledge-Based Recommendation）等；后者则包括学习科学、教学法、学习动机学、学习共同体（Community）、学生毕业率（Retention）等。然而这方面的文献很少，相关人士很难确认哪些变量对教学有参考意义。也就是说，很难分辨哪些测量学生网上活动的变量真正影响到他们的学习和成绩。[36]
3. 人员
虽然现代技术的应用使得电脑软件和硬件可以取代人的努力，但是在很多方面人类的知识、技能和能力是保证结果有效性的重要因素。虽然教师可以通过使用资讯可视化技术、回归等来反思自己的教学设计和教学活动的有效性，评估是否达到教学目的，如学习共同体的建立。然而有效的后续干预很大程度上取决于教师本身解决问题以及决策方面的认知思考能力，而不是完全依赖LA技术以及统计软件。
4. 机构
Elias 认为，LA过程中的社会资本（Social Capital）或者社会性最容易被忽略掉。然而LA本身不能回避这方面的问题，例如：谁参与了LA项目，他们的决策是如何被支持的，项目成员之间如何沟通和互动。同时，无论LA 项目如何成功，要使得其研究成果在现实中付诸实施，则需要教育机构，如大学的领导层采取措施，支持以LA结果为基础的文化和教学模式方面的改革，从而达到LA提高学生学习成绩和改善教学效果的目的。因此，机构资源显示了LA的社会性。
在讨论LA技术资源的基础上，Elias 提出了LA的模型，其核心是电脑（软件硬件技术）、理论（统计、算法、教学法、学习科学等）、人员（相关人员如教师等）、机构（社会资本属性等）等四种科技资源。这四种资源参与并推动三个环节（收集数据、信息加工、结果应用），使之形成一个循环发展的过程，从而推动学习和教学的持续性提高（如图3所示）。
（三）LA的重要环节
Brown在2012 年召开的ELI（EDUCAUSE Learning Initiative）两次学术会议（ELI 2012 Spring Focus Session和LAK12）基础上，总结讨论了LA研究中出现的主题：数据指标的选取、资讯可视化技术，以及干预和反馈方式。[37]这些也可以看作是在实际研究中应该考虑的LA的重要环节。
他首先指出，LA定义的一个重要特点是对以下两方面的区分：一是实现LA的技术，另一方面是LA的目的。也就是说，所有LA项目都要包括这两方面，一方面要具备获取并分析数据的技术，另一方面要根据分析结果制订有效计划进行决策。
数据分析方面，Brown 强调在LA中，指标数据的选取直接影响到预测结果的准确性和数据分析的有效性。他提出，在LA研究中经常涉及两类数据指标：个性特点指标（Dispositional Indicators）和行为表现指标（Activity and Performance Indicators）。其中个性特点指标一般为事实性变量，可以量化，如年龄、性别、种族、平均分、学习经验等；行为表现指标主要反映学生在网络学习环境中的数字行为痕迹，如他们登录LMS 的次数、在学习网站上的时间、发帖的次数、测验分数等。凤凰城大学使用这两种指标预测学生是否能通过某一课程。比较有趣的是，他们发现有些指标不具备预测作用，如选修课程数量、性别、种族等。另外，密歇根大学的前期预测LA系统只选用了行为指标。Brown认为，大部分LA 项目都采用了混合指标来提高预测准确度。也有些学者认为分析学生作品（如作文、视频作品等）可以作为LA的指标，但这种方法不太常见。
资讯可视化被视为LA 的重要组成部分，一般以两种方式出现：一是呈现数据分析结果（图表等），二是仪表盘。可视化面板也有不同的呈现方式，一种是多个小窗口并列，而各种数据结果呈现在小的窗口中；另外一种是只呈现一个数据窗口，用户可以通过下拉菜单等获取更详细的数据。Borwn强调了可视化技术和用户界面设计在数据呈现中的重要性。
LA的终极目的是提高学习和教学成效，因此根据数据分析结果进行有效干预显得非常重要。Brown发现两种干预方式：一是系统自动反应，不需要或较少需要教师参与，例如普渡大学的Signals[38]系统给学生简单明了的红、黄、绿信号；另一种是半自动反应，LA发现学习模式（不喜欢某些学习活动）或者症状（学生缺乏学习动机等），需要教师专家分析之后作出决策，进行干预。
五、LA过程维度模型
Greller&Drachsler的模型注重于LA的纬度，强调了在设计LA系统时应该考虑到的各方面的因素，如从关益者到数据等，但没有突出设计LA的过程。Elisa 的LA模型突出了认知性、技术性和社会性（理论、电脑技术、人员和机构），同时强调LA过程的循环性和改进性，但是过程过于简化，例如信息加工涵盖了所有的数据处理分析过程以及数据结果呈现，没有具体纬度。这两个模型倾向于理论化，但对具体开发LA的指导性不强。Brown则着重强调了LA在实际应用中应该注重的两个方面：LA技术本身以及其目的。同时他根据实际应用中的LA系统，总结出LA研究中的具体环节和因素，如不同的数据指标的选择和应用、数据可视化技术以及干预的方式。
结合以上的两个模型和Brown的见解，笔者认为LA设计模型应该明确其过程环节，每个环节涉及的纬度要素可能重合。LA设计过程应该包括三个环节：首先是LA目标的确立；其次是LA本身的开发，主要是针对数据的操作、分析、呈现等；最后是干预。将目标作为一个重要环节的主要原因是，在设计开发LA系统之前，必须要有明确的方向：是提高学生动机、提高学生参加学习活动的频率，还是评估该教学活动是否适合所有学生等。有了主导方向，才能根据学习理论和相关研究等确定数据指标、预测模型等，明确数据来源（LMS或者其他数据库）获取数据；同时根据学习理论教学法等，确立统计分析方法，如描述性统计数据、相关性分析、回归预测模型等。数据分析的结果同样可以检测理论基础是否合理，如发现有些数据指标为非显性因子，因此可以进一步简化提炼理论基础。数据结果一般用可视化技术呈现，如可视化面板等。干预措施则建立在整个数据分析结果之上。为确认采取的干预措施是否有效，可以与LA目标对照。而目的本身也将影响干预措施的选择和实施。图4 中LA过程模型呈现了我们对智慧教育中LA的过程、相关因子及其相互之间关系的理解。
以下我们基于Greller & Drachsler的六个纬度来说明LA设计开发中每一环节涉及的重要纬度（见表3）。
六、LA应用现状及面临挑战
LA已成为教育领域，尤其是高等教育和远程网络教育的热点。美国西部州际高等教育委员会教育技术合作部（WICHE，WCET，Western Interstate Commission for Higher Education，Cooperative for Educational Technologies）的教育LA大数据分析项目，其预测分析报告（PAR，Predictive Analytics Reporting）于2011年获得比尔及梅琳达·盖茨基金会资助。[39]PAR的主要目的是确认影响学生退学以及是否能够毕业的因子。该项目目前已经涉及六所大学64万学生，320万门选课的数据分析，初步发现32个影响学生学习以及退学的普通变量（多为学生特点变量），包括性别、种族、学位种类、多种专业、课程数量、班级人数等。其他发现如学生的性别、年龄以及种族与该生是否会退出某门课没有关系。该研究仍在继续。
然而，尽管LA工具已经在世界各地一些大学被开发和应用，学者们认为，LA在教学应用方面的研究和相应的LA技术研发和系统开发尚处于初始阶段[40][41]。Simens等认为教师缺乏可以用来评估多方面学生成绩以及对学生进行对比分析的LA工具，学生也难以追踪与自己的网上活动和成绩方面的信息。[42]因此他们提出了开放性学习分析平台项目，目的是开发集成的可扩展的LA工具集，以供教师和教育机构对学生的活动进行评估，并以此为基础决定干预措施，从而提高学习效果。同时，学生也可以查看个人的学习进展。该平台预期将开发四种工具和资源：（1）LA 引擎；（2）自适应内容引擎；（3）干预引擎，包括干预措施推荐和系统自动支持；（4）仪表盘、报告以及资讯可视化工具。
现有的已经开发出的LA系统大多是针对具体课程，目的是根据学生的表现、活动成绩等实施干预措施，以提高学生成绩，改善学习体验等。类似LA系统如普渡大学的Course Signals、密歇根大学的M-Reports Dashboard、马里兰大学-巴尔的摩县（UMBC，University of Maryland-Baltimore County）的Check My Activity，以及亚琛工业大学（RWTH Aachen ）的eLAT（Exploratory Learning Analytics Toolkit）等。
尽管有很多系统已经在使用中或者正在开发，但是LA的开发和研究同样面临着诸多挑战。我们以Signals[43]和eLAT[44]为例，来说明这个问题。
与很多大学相类似，普渡大学开设了很多入门课程，这些课程往往有很多学生经常对他们的学习状况不是很了解。为了能够及时提醒和通知学生在某一特定课程中的表现和成绩，普渡大学开发了Signals 系统。该系统通过数据挖掘和统计预测模型，根据多个变量（表现指标包括：现有平均分和努力程度，如学生LMS的交互频率；个性特点指标包括学术准备，如高中平均分和各项标准考试成绩，以及学生特点，如是否为美国居民、年龄和选修学分）来预测学生是否能够完成/通过该课程。Signals 在课程进行的过程中，以交通信号指示灯的方式，让学生了解自己的学习状况：课业良好（绿色）、课业中度危急（黄色），或者课业严重危急（红色）。同时教师可以给学生提供有效的反馈信息，引导学生使用合适的资源等来提高成绩。[45]Signals 的使用取得了很多正面效果，如在使用Signals的班级，成绩为A和B的学生比没有使用班级的学生多，而成绩为C 和D 的学生则少于对照班级。另外，研究还发现，参加至少一门使用Signals 的课程的学生比没有使用Signals的课程的学生的四年毕业率高四个百分点。[46][47]
在RWTH Aachen 大学，Dyckhoff等[48]开发了eLAT ，帮助教师在使用L2P、网上教学学习系统时，更好地反思他们的教学方法和成效。通过eLAT，教师可以根据个人兴趣探究内容使用，用户特征、用户行为、测评结果等是否相关以及相关程度等。他们强调LA 工具应该具有动态性和灵活性，这样教师可以根据自己的兴趣查看相关信息，确认教学方法是否有效，以及不同特点的学生对同一教学内容是否有不同反映等。eLAT 的主要目的是帮助教师自我评价他们的课程以及支持他们做相关研究，因此更多关注的是学生作为一个群体的表现、活动、成绩等，而不是个体学生的信息。即便如此，该系统的设计非常注重保护学生个人隐私，以Hash 函数（注：一种用杂凑函数产生随机数的算法）取代学生姓名。此外，他们认为LA 工具呈现的数据应该简单易读，因此资讯可视化非常重要。eLAT使用四类指标：文档使用指标、成绩测评指标、用户活动指标和互动交流指标。每类指标包括多种具体指标，如最频繁使用的10个文档属于文档使用指标，教师可以根据指标信息发现学生最喜欢使用的文档，如学生可能喜欢一个具体例子超过课堂讲稿。另外，根据用户活动，他们用不同颜色表示三组用户类型：非常活跃用户（蓝色）、活跃用户（红色）以及非活跃用户（黄色）。如果学生大部分都不够活跃，那么教师可能需要发现原因，考虑如何改进教学内容及方法等。
Signals 的成功是显而易见的，然而研发人员也提出了他们遇到的问题和困难。首先是数据。除了LMS 数据容易获取，Signals 的预测模型需要的学生个性特点数据是分散的，由不同的相关学校部门分别持有。在开始阶段，聚合汇编数据花了一年多的时间。其次是Signals 的使用方面。研究证明早期干预和频繁干预对学生成绩的影响最为正面，然而大部分教师工作负荷很重，多次干预会加重他们的工作负担。最后，研发人员发现，他们很难向学生解释如何得到他们的学习状况危险指数。为此他们专门作了视频，解释了他们的算法和公式。
在挑战和困难方面，eLAT研发人员提到了数据指标的选择。他们选择了用户活动指标等，然而很难确认哪些对改进教学有指导意义，也很难确认它们是否包含了所有影响学生成功或失败的指标，因此需要更多的实证研究来验证。此外，研发人员认为数据指标过于简单，只传达一般信息和容易理解的信息，然而，加入一些教师们不熟悉的指标等，可能会给他们解读数据带来困难。
因此LA在实际的开发过程中，技术的、伦理的、人员有关的以及实际情况的限制等各方面的问题都可能出现。
七、LA与智慧教育
随着技术的发展，人类社会进入数据化时代，计划决策等无不以数据为依据。教育也将逐渐成为智慧教育模式，即以学习者为中心，进行个性化学习，为学习者提供各方面支持，将教和学的效果提升到一个新的层次。学习技术如电子课本和移动学习等正处于发展上升期，预计一到两年之内会有广泛应用[49]。这意味着更多的数据可以纳入LA 研究的范围。LA 以学习科学、教学理论、课程设计理论和已有研究结果为基础，选择学习者特点、网上交互活动频率等变量，分析并监测学生学习情况，评估教学活动教学质量，及时发现学习中存在的问题，从而保证智慧教育的实施。因此，学习分析学应该成为我国教育技术研究者特别关注的新领域。
[参考文献]
[1] 祝智庭，贺斌. 智慧教育：教育信息化的新境界[J].电化教育研究，2012，（12）：1～13.
[2] Learning and Knowledge Analytics[DB/OL].[2013-01-10].http：///？p=174.
[3] 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，（1）：18～25.
[4] Siemens，G..What are Learning Analytics？[DB/OL].[2012-12-20].http：///blog/2010/08/25/what-are-learning-analytics/.
[5] Siemens，G..Learning Analytics a Foundation for Informed Change in Higher Education[DB/OL].[2013-01-17].http：///gsiemens/learning-analytics-educause.
[6] Verbert， K.， Manouselis， N.， Drachsler， H. & Duval， E.. Dataset-Driven Research to Support Learning and Knowledgeanalytics[J]. Educational Technology & Society，2011.
[7] [10] [14] [16] [17] [45] Ferguson， R.. The State Of Learning Analytics in 2012： A Review and Future Challenges[DB/OL].[2012-12-11]. http：//kmi.open.ac.uk/publications/pdf/kmi-12-01.pdf.
[8] [37] Brown， M. Learning Analytics： Moving from Concept to Practice[DB/OL].[2012-12-21].http：//educause.edu/library/resources/learning-analytics-moving-concept-practice.
[9] [20] [26] [27] Cooper， Adam. A Brief History of Analytics A Briefing Paper[DB/OL].[2012-12-15].http：//publications.cetis.ac.uk/wp-content/uploads/2012/12/Analytics-Brief-History-Vol-1-No9.pdf.
[11][18][28][29] Greller， W.& Drachsler， H..Translating Learning into Numbers： A Generic Framework for Learning Analytics[J]. Educational Technology & Society，2012，15（3）：42～57.
[12] White House Ostp. Obama Administration Unveils “Big Data” Initiative： Announces $200 Million in New R&D Investments[EB/OL].[2012-03-29]. http：//whitehouse.gov/sites/default/files/microsites/ostp/big_data_press_release_final_2.pdf.
[13] Mazza，R.，& Milani，C..GISMO： a graphical interactive student monitoring tool for course management systems[DB/OL].[2012-01-10].http：//linux3.dti.supsi.ch/～mazza/Web_area/Pubblicazioni/TEL04/TEL04.pdf.
[15] Mazza， R.&Dimitrova， V.. Visualizing Student Tracking Data to Support Instructors in Web-Based Distance Education[DB/OL].[2013-01-10].http：///WWW2004/docs/2p154.pdf.
[19] [34] Elias， T..Learning Analytics： Definitions， Processes， Potential[DB/OL].[2012-12-10].http：///LearningAnalytics DefinitionsProcessesPotential.pdf.
[21] [24] Siemens， G..Learning and Knowledge Analytics[DB/OL].[2012-12-28].http：///？p=131.
[22] Barneveld， A.， Arnold， K.E.& Campbell， J.P..Analytics in Higher Education： Establishing a Common Language[DB/OL].[2013-01-18].http：//net.educause.edu/ir/library/pdf/ELI3026.pdf.
[23] Siemens， G. & Baker， R.. Learning Analytics and Educational Data Mining： Towards communication and collaboration[A]. Simon， B.S.， Dragan， G. & Rebecca， F.. LAK’12 Proceeding of the 2nd International Conference on Learning Analytics and Knowledge[C]. USA： ACM New York，2012：252～254.
[25] Davenport， T. H.， Harris， J. G. & Morison， R.. Analytics at Work： Smarter Decisions， Better Results[M].Boston： Harvard Business Press，2010.
[30] Wolf， G..Know thyself： Tracking Every Facet of Life， from Sleep to Mood to Pain， 24/7/365. Wired Magazine[DB/OL].[2012-12-05].http：///medtech/health/magazine/17-7/lbnp_knowthyself？currentPage=all.
[31] Drachsler， H.et al. Issues and Considerationsregarding Sharable Data Sets for Recommender Systems in Technology Enhanced Learning[J]. Elsevier Procedia Computer Science，2010，1（2）：2849～2858.
[32] Dron， J.，Anderson，T.. On the Design of Collective Applications[A].Proceedings of the 2009 International Conference on Computational Science and Engineering - Volume 04（CSE’09）， Vol. 4. IEEE Computer Society[C]. Washington， DC， USA，2009： 368～374.
[33] Hackman， J.R.，Woolley， A. W.. Creating and leading analytic teams[A]. R. L. Rees & J. W. Harris， A handbook of the psychology of intelligence analysis： The human factor. Burlington[C]. MA： CENTRA Technology， in press.
[35] Corbitt， T.. Business Intelligence and Data mining[J].Management Services，2003，（12）：18.
[36] MacFayden， L.P. & Dawson，s..Mining LMS Data to Develop an “Early Warning System” for Educators： A Proff of Concept[J].Computers & Education，2010，54（2）：588～599.
[38] [43] [46] Pistilli， M.D.， Arnold， K.， & Bethune， M.. Signals： Using Academic Analytics to Promote Student Success[DB/OL].[2012-10-08].http：//educause.edu/ero/article/signals-using-academic-analytics-promote-student-success.
[39] Boulder，CO（PRWEB）.. WCET Predictive Analytics Reporting （PAR） Framework Project DeliversMillions of Course Records for Review and Analysis[DB/OL].[2011-10-17].http：///pdfdownload/8882165.pdf.
[40] [49] Johnson， L.， Smith， R.， Willis， H.， Levine， A. & Haywood， K.. The 2011 horizon report[DB/OL].[2012-05-09].https：//waynedev.uakron.edu/dotAsset/d252d696-2a99-4102-8010-4fc103846b0d.pdf.
[41] Johnson， L.， Adams， S.， & Cummins， M.. The NMC horizon report： 2012 higher education edition[DB/OL].[2012-05-09].http：//net.educause.edu/ir/library/pdf/HR2012.pdf.
[42] Siemens， George， et al. Open Learning Analytics： An Integrated & Modularized Platform： Proposal to Design， Implement and Evaluate An Open Platform to Integrate Heterogeneous Learning Analytics Techniques[DB/OL].[2012-12-01].http：//sites.ewu.edu/elearningservices/files/2012/06/Open-Learning-Analytics-an-integrated-modularized-platform.pdf.
