2.3　在线协作学习分析工具研究

在线协作学习分析工具研究也是当前国际协作学习领域研究的热点问题。当前的研究提供了多样的学习分析工具洞察学习过程的不同方面（Ali et al.，2013）。笔者通过对文献的分析与归纳发现，目前在线协作学习分析工具主要以监控与评价为主。监控与评价工具侧重于对分析结果的展示，以及基于一定的指标标准将分析结果与特定标准进行对比，从而进行协作知识建构不同方面水平的评估。由于专门针对协作讨论过程的分析工具相对较少，因此在此对能够支持在线协作学习过程的工具进行分析。

Bieke Schreurs等设计的用于支持协作学习论坛网络感知的工具是典型的协作学习过程分析工具（Schreurs et al.，2013）。该工具由JavaScript语句开发且兼容任何浏览器，作为SocialLearn学习平台的一个插件，它可以将用户在学习平台上产生的网络关系以图形化的形式呈现出来。

该工具提供的网络关系可视化图可以用于学生在线学习的社会网络分析，主要包括成员网络中心性、网络结构和小集团等方面。对于可视化的结果，用户还可以根据人员、关系类型和话题过滤掉网络图中多余信息，获取指定部分的详细信息。

LOCO-Analyst是澳大利亚学者开发的基于情境的一款学习分析工具（Jovanovi et al.，2007），可以记录学生学习过程以及虚拟学习环境中学生基于情境的社会互动，分析学生参与的学习活动及其对在线课程中资源的使用情况。教师可以利用该工具跟踪和分析学生的学习过程，并根据工具提供的反馈信息对课程内容和结构进行调整。

图形化学生交互监测系统（Graphical Interactive Student Monitoring System）是一款用于挖掘学生、教师与资源之间交互情况的分析工具（Mazza and Milani, 2004）。它可以访问Moodle平台的数据库，获得学生资源访问情况数据、参与活动数据等一系列学生追踪数据，并将数据进行可视化表征生成图表。教师可以根据得到的数据和图表进行数据分析，挖掘学生与教学资源之间的交互、与他人的社会交互以及学生的认知水平。

Erik Duval等使用了名为SAM的可视化工具提供在线学习环境中对活动和资源使用时间的整体视图（Duval, 2011）。开发者提出如何模型化相关的数据使得这些数据能够被用来进行用户交互的可视化，从而帮助教师和学生探索用户活动并发现模式，这将有助于学习感知和自我监控。

LAe-R是一款基于云计算和评价量规的评价工具（Petropoulou et al.，2014），可以与Moodle平台无缝对接，提取平台的日志数据。该工具可以分析和可视化论坛的数据，如帖子数量、聊天消息数量以及发布到论坛的文件数量；LAe-R还可以将学生发表的关于特定学习资源观点的数据进行分析并可视化。教师通过“协作”和“学习资源”等指标对学生的表现进行量化评价，并且允许教师在评价学生的时候添加传统学习性能指标和交互分析指标，从而对学生进行更全面的评价。

Xing基于活动理论，将学生在协作学习活动中的表现从个体贡献、小组规则及团队分工等6个方面进行指标构建，并开发了一款基于Web的协作学习活动分析工具VMT（W.Xing et al.，2015）。这个工具提供可交互的可视化呈现，灵活对比不同小组及个人在各个指标上的表现，帮助教师更好地明确协作问题，并给出建议。

Goggins建立了一个面向过程的、自动的分析小组协作学习的形成性评价模型（Goggins et al.，2015），并在模型中定义了9种协作学习操作行为；从时间序列的角度开发了一个自动工具，将学生协作活动中的操作行为出现的时间、伴随操作行为进行的讨论内容及讨论者等过程信息进行呈现，帮助教师更容易地获得学生讨论的过程信息，提供实时的干预。

香港科技大学研究团队为了解决Mooc学习中的学习顺序信息丢失的问题，更好地理解学习行为背后的原因，开发了一个名为ViSeq的可视化分析系统，该系统可以使得用户从多个粒度级别探索学习序列（Chen et al.，2020）。ViSeq整合了四个相互连接在一起的视图：识别用户群体的投影视图、在选定组中显示整体顺序模式的模式视图、说明连续事件之间转换的序列视图，以及带有增强序列顺序链的个人视图用于比较选定的个人学习序列。最后通过案例研究和专家访谈对该系统进行评估。

Chen（2016）开发了一个名为DropoutSeer的可视化分析系统，它可以帮助教师和教育专家了解辍学的原因，还可以让研究人员识别能够进一步提高模型性能的关键特征。异构的数据来源于三种不同类型的学习者活动日志（即点击流、论坛发帖和作业记录），预测结果被显示在提出的系统中。最后使用案例研究和专家访谈，以证明辍学者预测的有用性和有效性。

Ez-zaouia（2020）提出了命名为Emodash的一个交互式仪表盘，支持教师在在线视频学习环境中回顾学习者的情绪，研究者认为，社会—情感关系在学习过程和学习结果中起着重要的作用，由于异步互动带来的技术挑战，其在网络学习中很难发展。研究者与5位专业导师进行了为期8周的实地研究，研究他们在语言学习环节结束后如何使用表情符号给学习者写反馈。研究发现，Emodash可以让已经对学习者情绪敏感的导师在报告中加入更多的情感元素，这表明他们对学习者情绪有更强的意识。导师们还会写一些更有建设性、更少总结性的反馈。此外，研究结果还表明，学习者情绪的可浏览可视化可能是首选的模块，能够培养导师对学习者情绪的意识。最后，情感仪表盘还可以引导教师反思他们的授课方式，并使用学习者的积极情绪作为他们教学的一种评估手段。