時間：2023-08-24 16:50:12
序論：在您撰寫科學學科質量分析時，參考他人的優秀作品可以開闊視野，小編為您整理的7篇范文，希望這些建議能夠激發您的創作熱情，引導您走向新的創作高度。
（一）測試對象
根據我省地區（城市、縣鎮、農村）、地域（蘇中、蘇南和蘇北）、學校類型（公辦、民辦）三類分層特征，采取分層隨機抽樣的方法，2008年從全省抽取了769所中學的92002名九年級學生參加科學學科測試，2010年從全省抽取了754所中學的101524名九年級學生參加科學學科測試，測試的內容為八年級科學學科（主要涉及物理、生物、地理等學科）內容，因此本報告分析的是江蘇省八年級科學學科的學業質量情況。所有參加測試的學生、相關學校的校長和教師都參加了相應的問卷調查。
（二）測試內容
義務教育階段學業質量的內涵不僅包括學生在基礎知識、基本技能方面所達到的水平，而且包括時展所要求的初中生所必備的搜集處理信息、自主獲取知識、分析與解決問題、交流與合作、創新精神與實踐能力等核心素養?？茖W學科測試的內容涉及“生命科學”，“物質科學”，“地球、宇宙和空間科學”，“科學探究”，測試的能力主要有“回憶”、“理解與簡單應用”、“問題解決”等方面的能力。
（三）問卷調查內容
本項目使用了學生、教師和校長問卷了解影響學生學習的因素。學生問卷調查的內容包括學生基本情況、學校環境、學習壓力、師生關系、學習動機、自信心和學習方法等；教師問卷調查的內容包括教師基本情況，如學歷、任職經歷、職稱，教師教學方法，教師對學校教學管理的評價，教學觀念和教師專業發展等；校長問卷調查的內容包括校長及學?；厩闆r、校長教學領導力、辦學自、國家課程開設情況和對教師的專業支持等。
二、八年級科學學科學業質量所取得的成績
（一）學生學業質量整體水平較高
從總體上分析，江蘇省2010年八年級學生在科學學科達到A水平、B水平、C水平和D水平的人數比例分別為28%、44%、19%和9%，這表明91%的學生達到了課程標準的基本要求。而2008年總體達標率為90%，這表明兩次測試達標率穩定在較好水平上，2010年達標率比2008年達標率上升了1個百分點。具體情況見表1。
江蘇省具有良好的教育基礎和文化傳統。早在1993年，江蘇省教委就組織蘇錫常57個鄉鎮率先啟動教育現代化工程，1996年向全省全面推進。在“教育現代化”大旗的引領下，我省基礎教育從教育觀念的現代化、教育發展水平的現代化、教學條件裝備的現代化、師資隊伍建設的現代化、教學體系和教育管理的現代化等方面入手，使素質教育取得了長足進步。隨著蘇中、蘇北地區經濟實力的增強，農村學校辦學條件不斷得到改善，農村教育布局不斷得到優化，農村學校師資力量不斷得到充實，尤其是生物學科和地理學科師資得到加強，所以農村學校辦學能力不斷攀升。
（二）各學科領域達標率都有提高
科學學科測試在內容上分為“地球、宇宙和空間科學”、“生命科學”、“物質科學”以及“科學探究”四個領域。就分科課程而言，生物屬于“生命科學”內容，物理和化學屬于“物質科學”內容，自然地理屬于“地球、宇宙和空間科學”內容。在內容領域方面，與2008年測試結果相比，“地球、宇宙和空間科學”、“物質科學”、“生命科學”的達標率分別提升了2%、3%和1%（見表2）。
為了具體分析地理、物理和生物學科達標率提升的直接原因，下面從不同類型、不同地域學校達標率進行進一步對比分析。①地球、宇宙和空間科學：2010年城市、縣鎮和農村學校學生達標率分別為92%、90%、89%，蘇南、蘇中和蘇北學校學生達標率分別為93%、92%、88%；而2008年城市、縣鎮和農村學生達標率分別為91%、89%、88%，蘇南、蘇中和蘇北學生達標率分別為91%、91%、86%。對比結果顯示，與2008年相比，2010年城市、縣鎮和農村學生達標率都提高了1%，2010年蘇南、蘇中和蘇北學生達標率分別提高了2%、1%、2%。②生命科學：2010年城市、縣鎮和農村學校學生達標率分別為94%、91%、90%，蘇南、蘇中和蘇北學校學生達標率分別為94%、93%、90%；而2008年城市、縣鎮和農村學生達標率分別為89%、87%、86%，蘇南、蘇中和蘇北學生達標率分別為90%、90%、84%。對比結果顯示，與2008年相比，2010年城市、縣鎮和農村學生達標率分別提高了5%、4%、4%，蘇南、蘇中和蘇北學校學生達標率分別提高了4%、3%、6%。③物質科學：2010年城市、縣鎮和農村學校學生達標率分別為91%、88%、86%，蘇南、蘇中和蘇北學校學生達標率分別為91%、90%、85%；而2008年城市、縣鎮和農村學生達標率分別為90%、88%、87%，蘇南、蘇中和蘇北學生達標率分別為91%、91%、85%。對比結果顯示，與2008年相比，2010年城市、縣鎮和農村學生達標率分別提高了1%、0%、－1%，蘇南、蘇中和蘇北學校學生達標率分別提高了0%、-1%、0%。
近年來，生物、地理學科師資力量得到一定程度上的加強，素質教育和教師專業化理念深入人心，基層學校課程管理逐漸規范，教師自主學習和研究的意識逐漸加強，教師培訓和校本教研得到進一步重視，基層學校構建高效課堂活動逐漸推進，教師更加注重教學的有效性，從而使科學學科課堂教學質量不斷得到提升。
（三）回憶與理解能力狀況較好
在認知能力上，科學學科測試分為“回憶”、“理解與簡單應用”、“問題解決”三個層次?！盎貞洝睂哟紊?，著重測試學生對基本概念和原理的識別、再認等?！袄斫馀c簡單應用”層次上，通過說明、解釋、估計等考查形式，著重測試學生對基本概念和原理的理解以及簡單應用?！皢栴}解決”層次上，則著重測試在日常生活與社會實踐等更復雜的情境中，學生能否應用有關的基本科學概念和原理來分析問題和解決問題。2010年科學學科測試中“回憶”、“理解與簡單應用”和“問題解決”三個能力維度的學生達標率分別為97%、89%、86%，2008年測試的這一比例分別為96%、90%、87%。由此可說明，在兩次科學學科測試中能力維度上“回憶”和“理解與簡單應用”能力狀況較好。
下面從不同類型、不同地域學校等角度，對各能力維度達標率進行具體分析。①回憶：2010年城市、縣鎮和農村學校學生達標率分別為98%、97%、97%，蘇南、蘇中和蘇北學校學生達標率分別為98%、98%、97%；而2008年城市、縣鎮和農村學生達標率分別為97%、96%、96%，蘇南、蘇中和蘇北學生達標率分別為97%、97%、95%。對比結果顯示，與2008年相比，2010年城市、縣鎮和農村學生達標率都提高了1%，蘇南、蘇中和蘇北學校學生達標率分別提高了1%、1%、2%。②理解與簡單應用：2010年城市、縣鎮和農村學校學生達標率分別為91%、88%、87%，蘇南、蘇中和蘇北學校學生達標率分別為92%、91%、86%；而2008年城市、縣鎮和農村學生達標率分別為92%、90%、89%，蘇南、蘇中和蘇北學生達標率分別為92%、92%、87%。兩次測試結果顯示，城市和縣鎮、蘇南和蘇中學生在這一能力維度上達標率較高。
從課堂教學方面分析，教師在教學目標確立上更加重視基本概念、基礎知識的理解，在教學方法的設計和實施上，教師們不斷改進問題情境創設、問題教學法的應用，學生的學習過程強化了概念的學習和知識的理解。
三、八年級科學學科學業質量測試所反映的問題
（一）追求優質均衡，薄弱學?？茖W學科質量需要提高
我省科學學科教學質量整體上表現良好，但是從不同類型學校學生測試結果分析可知，蘇中和蘇南地區學校學生不達標率持平，但蘇北地區學生該比例仍高出4%。各地市學生在不達標率上的人數比例最高為13%，最低為4%，地區之間差異較大。公辦學校學生在不達標率上比例比民辦學校學生高出7%，這可能與民辦學校具有擇校機制、良好師資等優勢密切相關。因此，教育均衡化仍是我們今后較長時間內的一項艱巨任務。
（二）強化能力培養，“科學探究”領域和“問題解決”能力教學需要加強
在科學學科四個內容領域中，“地球、宇宙
和空間科學”、“生命科學”、“物質科學”和“科學
探究”上，學生不達標率分別為9%、8%、11%、
15%，其中“科學探究”不達標率最高，說明科學探究教學需要進一步加強。在科學學科三個能力維度中，“回憶”、“理解與簡單應用”、“問題解決”上，學生不達標率分別為3%、11%、14%，其中“問題解決”能力維度不達標率最高，說明科學學科教學仍以知識識記為主，在教學中知識遷移與應用、問題的分析與解決仍存在明顯的不足，課程標準提出的“三維目標”在教學中需要加強落實。
（三）注重親身實踐，實驗教學需要進一步規范
調查結果顯示，在學習地球知識時，地球儀在課堂教學中的使用情況相近，說明基礎性儀器設備在各類學校尤其是農村學校中已經配備到位，這與省政府和省教育廳強力實施“四配套”工程直接有關。但是關于平面鏡成像、種子萌發、凸透鏡、光合作用的實驗教學，以教師演示為主，學生自己設計和動手操作的比例在20%～40%，說明學生實驗開設率偏低，而且生物學科學生實驗開設率更低。
在對不同學科學習興趣問卷調查中，學生反映的情況懸殊較大?！霸谀拈T課堂上，你們常常爭論對一個問題的不同看法？”、“你認為哪門課程有趣？”、“如果學校搞各種課外興趣小組，你肯定會參加哪個組？”、“在課余時間里，你最喜歡看與哪門課有關的課外書？”等問題的回答，物理、生物和地理的比例依次遞減。這與校長、教師、家長、學生對不同學科課程的認識，以及目前的教學評價方式密切相關。
根據不同學科教學情況的學生問卷調查結果，我們可以得出如下初步結論：地理、生物學科教學中，學生反映從不或很少組織進行野外科學考察的人數比例分別為59%、55%，總是或常常讓學生背誦課本內容、概念的人數比例分別為54%、53%，科學學科教學中學生實驗和教學具使用情況都確實堪憂。由此可說明科學學科教學遠離了自然世界和學生生活，實驗技能、社會實踐能力培養需要加強，直觀教學手段沒有得到應有的重視，教學中強調知識記憶的現象還比較嚴重。上述初步結論，從教師問卷相應部分的調查結果也能得到進一步印證。
從教師問卷結果分析，教師們認為交流和討論很花時間、實施起來不現實的人數比例為25%，將探究式學習等同于學生實驗的人數比例為19%，認為教學方式改革的前提是評價方式改革的人數比例為71%，認為學生實驗最重要的結果是獲得正確答案的人數比例為25%。由此可說明，教師們對于學生討論、探究式學習、學生實驗的意義和策略還存在一些認識上的誤區和操作上的失誤。教師們認為自己在教學中能鼓勵學生推測現象背后的原因，能鼓勵學生將所學的知識與日常生活進行聯系，能鼓勵學生對某個問題發表自己的觀點和討論不同的看法，很在乎學生是否對課程產生興趣。這說明教師們在認識上能夠重視對現象的探究、教學回歸生活世界以及重視興趣在教學中的作用，具備教學民主的初步意識，能夠尊重學生的個人觀點。但是該項目的調查結果與學生的相關調查結果在一定程度上并不一致，這又說明師生之間在認識上和實踐上存在不一致性，或者說教師們的想法和做法并沒有被學生完全理解和真切感受到。
四、關于科學學科教學與管理的建議
（一）進一步加強教學管理工作
教育行政部門和基層學校要切實加強教學管理工作，使我省在落實課程計劃、規范課堂教學方面再上新臺階。加強教學評價的研究和改革，為全面、高質量地落實國家課程計劃，創設良好的社會氛圍和評價機制，盡可能減少應試教育對課堂教學的負面影響。確保配齊配足必備的實驗儀器和藥品、圖書館和書刊資料、教具和學具，為實驗教學和野外考察提供基本的經費保障，為教師課堂教學提供基本的硬件條件。尤其要加強對辦學條件較差學校的教育投入，促進教育的均衡化發展。同時，要進一步規范學校的辦學行為和課程計劃，配備合格師資，確保生物、地理等學科課程開齊開足，確保學生實驗和社會實踐活動規范開設，提高實驗的開設率和儀器的使用率。
（二）進一步轉變課堂教學方式
課堂是教學的主陣地，教學質量的提升應立足于課堂。轉變學生的學習方式，需要首先轉變教師的教學方式。教師應加強探究式學習、實驗教學、有效教學等方面的研究，加強學生活動的設計，高度重視探究式學習和科學實驗教學，充分尊重學生在課堂教學中的主體地位，從培養興趣、激發動機入手，不斷改進教學方式。自然世界中充滿盎然生機和無窮奧秘，這是引導學生學習科學的重要心理基礎。真正落實好課堂教學的“三維目標”，高度重視學生思維能力、創新能力和實踐能力的培養，使課堂教學目標從單一的知識識記走向知識、能力、情感態度價值觀的和諧統一?？茖W學科教學要警惕死記硬背地記住科學概念和事實，而應該讓學生自主學習、自己探究和自我建構，并在知識的應用和問題的解決中內化知識、提升能力。教學中應重視學習困難生的幫扶引導，高度重視對學生錯誤和疑難的觀察和研究，教學中重視學生的個性差異，使“面向全體學生”的課程理念得以真正落實。
（三）進一步變革教學評價方式
教學評價深刻影響著教學行為，因此教學評價方式的變革在教學改革中處于重中之重。通過問卷調查可以看出，回答“總是”或“常常在講完新課后讓學生多做練習”的教師占到了近一半。由此可見，教師目前最為常見的評價方式仍然是通過練習和考試來進行，應試仍然是實現教學評價方式轉變的“桎梏”。一方面，教師要致力于教學評價的研究，秉持發展性評價觀，從傳統的終結性的評價方式轉變為過程性的評價方式，評價主體要由單一評價主體轉變為多元評價主體。教師在日常的課堂教學中要重視組織和運用教學評價，及時調控課堂教學方法，提升課堂教學的有效性。另一方面，教育行政部門要在社會輿論的引導上、評價機制的重大決策上做文章，要為教學評價轉變提供必要的社會氛圍和政策支持。在評價方式的轉變中促進教學方式的轉變，使學生在評價過程中體驗反思、感受快樂、獲得發展。
（四）進一步重視教師培訓工作
教師的教學素養是直接影響學生學業水平的最重要因素，因此教育行政部門和基層學校應將教師培訓工作放在突出的位置。一方面在經費上予以足夠的支持，同時適當減輕教師的工作負擔，在培訓時間上提供保證，為教師專業發展和學習培訓提供經濟和時間上的保障。教師培訓機構要進一步加強研究，傾聽教師的心聲，全面了解教師對培訓工作的需求，改進教師培訓方式，使培訓工作真正貼近課堂、走近教師，切實提高教師培訓的實效性。
（五）進一步改進校本教研工作
雖然我省基層學校校本教研工作得到了一定程度的強化，但是在創新教研機制、提升教研實效方面仍然存在一定的問題。校本教研工作首先應立足于課堂、服務于教學，不斷創建新型校本教研組織，不斷創新校本教研機制，以教學問題為課題，加強教學研究的針對性，使教學研究成為教師的一種生活方式和工作習慣。應加強學校合作文化建設，充分發揮集體的智慧，緊緊圍繞教學重點和教學難點，開展同題異構研究，積極發揮名特教師的引領作用，使有效教學服務于學生的和諧發展。全面提升每一位學生的科學素養是科學學科教學的核心追求。聚焦課堂是校本教研的主要方向，扁平化的校本教研組織是校本教研組織的重要組織形式，同伴互助、專家引領是校本教研的有效途徑。當前生物、地理學科教研組建設迫在眉睫，尤其要關注規模小、教師少的學校生物、地理學科教研工作，通過區域聯動、校際合作等開放性形式，使這些學校教研工作正?；?。
在課堂教學中，常見到一些老師只知一味照本宣科，教學方法單一，缺乏變化。究其原因，一是由于他們不善于運用多種教學方法，把課本知識講解清楚；二是由于他們不注意學習，知識陳舊，只好重復書本內容。這種現象如果不加以糾正，長期下去，就必然會挫傷學生的學習積極性，影響課堂教學效果?？朔谭▎我坏霓k法很多，現結合教學實踐談幾點體會。
一是深化、補充教學內容。
從某種意義上說，教材畢竟只是教學內容的“提綱”，它對問題的闡述不可能詳盡具體，有些只側重某一個方面。因此，在授課過程中需要對教材內容加以深化和補充，使之更趨完善，才能真正達到“授業解惑”的目的。深化、補充教材內容又分為縱向開拓和橫向展開兩個方面?？v向開拓就是要深入剖析教材內容，精辟論述某些觀點，以加深學生對知識的理解。講課有無深度，是檢驗課堂教學質量的重要標準之一。橫向展開就是指老師講課要“放得開”，思路要寬，角度要活，必要時應旁征博引，加以發揮。課堂教學最忌只列條條，把豐富的教學內容變成純粹的注釋手段。課堂教學應做到既有深度，又有廣度。
二是介紹不同的學術觀點，以培養學生的辨別能力。
在教學過程中，要根據需要引入與書中內容有關的新材料、新觀點和新的研究動向，作為對書中內容的補充，供學生參考借鑒。如在對文學作品思想意義的認識上，歷來容易出現分歧，這種情況在語文教材中也不鮮見，如關于魯迅小說《藥》的主題，就存在著多種不同的看法，如“親子之愛”、“懷念革命先烈”等，教學時也可把這些不同觀點介紹給學生，使學生在接受一家之言的同時也對其他觀點有所了解。這種引進不同觀點的做法，不僅可以豐富學生的知識，還可以為學生提供思考辨析各種意見的機會，從而開啟學生的智慧，培養學生的辨別能力。需要注意的是，老師在介紹不同觀點和有關知識時，應作必要的分析，對學生作正確的引導。
三是舉例論證。
舉例不僅有利于說明問題，而且有利于充實課堂內容，提高學生興趣，活躍課堂氣氛。舉例應把握三點：第一，例子要新穎。舉例要著眼一個“新”字。首先內容要新，要避免引用那些人們已反復引用過的例子。其次，切入角度要新，如關于“春風又綠江南岸”的煉字故事，用來說明如何修改文章已落俗套，但換個角度，用其中的“綠”來說明想象在寫作中的作用，就頗具新意。第二，例子要豐富。豐富的實例，可使課堂教學變得充實而生動，能有效地改變由照本宣科所造成的沉悶狀況。學生之所以歡迎插有大量精彩實例的課，除了它在內容表述上有通俗明白的優點外，五光十色的外來信息帶給人們精神上的愉悅感和滿足感，也是一個不容忽視的因素。第三，舉例要適當，要緊扣所述問題。那種不著邊際的例子，看似熱鬧，實則大大降低了課堂教學的質量。
四是教學時要以點帶面，突出重點。
在信息技術迅速發展的今天,為提高醫學科技查新部門和查新者之間信息傳遞的質量和速度,保證決策支持信息的完整性、及時性和科學性,為科技成果的評估提供客觀依據,保證醫學科技查新的科學性和可靠性,防止重復研究開發造成的人力和物力浪費,有關部門很有必要引進信息管理軟件。信息管理軟件能夠實現醫學科技查新業務流程的自動化。通過醫學科技查新管理軟件,工作人員可根據查新項目的需要修改、跟蹤、管理、查詢、統計醫學科技查新記錄,提高查新工作效率,提升醫學科技查新部門的核心競爭力。醫學科技查新一般由查新機構、查新人員、查新項目、查新委托人(組織)、查新報告等部分組成。流程包括委托人委托查新,查新機構受理查新、訂立查新合同、檢索文獻、撰寫查新報告,審核員審核、提交和歸檔查新報告等。按查新的目的查新項目可劃分為科研立項查新、科技成果鑒定、新藥報批查新、專利申請查新四大類。按醫藥衛生查新項目所涉及的主要學科可分為生物科學查新、預防醫學查新、衛生學查新、臨床醫學查新等。根據查新的分類和工作流程,查新信息管理軟件應包括查新項目基本信息模塊、查新委托書模塊、查新報告生成模塊、打印報表模塊、統計查新模塊、系統字典等七大部分。查新項目基本信息模塊的主要功能是建立查新項目的電子檔案,包括項目中英文名稱、項目編號、學科分類、查新目的、項目技術要點、委托人(組織)基本信息(名稱、姓名、地址、聯系方式、電子郵件地址等)。查新委托書模塊功能是建立合同模板、委托書編號、簽署日期、提交日期、委托者查新要求等信息。查新報告生成模塊的功能是根據文獻檢索的結果和審核員的審核情況自動生成查新報告。打印報表和統計查詢模塊具有提供查新項目的電子歸檔、多條件統計、查詢、分類、工作量統計自動生成報表格式并打印等功能。系統字典是系統初始化和相關字段定義模塊,該模塊具有查新人員、委托單位、學科分類、系統用戶管理表的記錄修改、添加、刪除、定義等功能。
2提高網絡信息資源檢索方法與檢索技能
《衛生部醫藥衛生科技項目查新咨詢工作暫行規定》(于1997年頒布)中規定:醫藥衛生科技查新必備的檢索刊物是中文科技資料目錄(醫藥衛生?中草藥)和美國醫學索引。但是,隨著計算機和網絡技術的發展,醫藥衛生科技查新人員必須充分合理利用網絡信息資源。目前,查新人員必查的數據庫是CBM、CMCC、MEDLINE和PubMed。國內輔助的數據庫有:重慶維普中文科技期刊數據庫、萬方數據資源、中國期刊網全文數據庫、中國專利全文數據庫及各種科技期刊和報紙。國外的輔助文獻資源有:SCI、El、ISTP、DER、WENT、ACS、SPRINGLINK和美國化學文摘等數據庫,DIALOG和STN國際聯機檢索系統。為了提高科技查新工作質量,查新人員要制定好檢索課題的全盤計劃或方案,掌握查新技術,明確檢索要求,選擇檢索工具和范圍,合理制定檢索策略,充分利用檢索系統的各種功能及掌握的知識和技能,提高檢索效率。
2.1明確檢索要求,選擇檢索工具
科技查新時選擇的數據庫,其學科專業范圍要與檢索課題的學科專業相吻合。在進行國內外查新時,首先,要選擇國內外較大的綜合性數據庫,如:SC(I科學引文索引數據庫)、E(I工程索引)、CNK(I中國期刊網數據庫)及維普期刊全文數據庫等國內外大型數據庫。其次,要選擇與課題內容相關的專業數據庫,如檢索醫藥衛生類課題,就必須選擇CMCC(中文生物醫學期刊數據庫)、CBM(中國生物醫學文獻光盤數據庫)等數據庫。再次,如果是應用類課題或方法研究類課題,還應選擇專利數據庫等。
2.2合理制定檢索策略
豐富的數據庫資源為醫藥衛生科技查新工作提供了大量的文獻信息來源,數據庫涉及的內容、檢索手段、著錄格式和字段、檢索結果的格式等各不相同,要求查新人員熟練掌握每個數據庫的特點,針對不同的課題選擇與內容相符的數據庫。檢索策略是指為實現檢索目標而制定的全盤計劃和方案,是對整個檢索過程的謀劃和指導[2],并按照該數據庫的特點制定不同的策略進行檢索。醫學文獻檢索有醫學主題詞表,CBM和PubMed的每條記錄都標引主題詞,提供主題詞檢索途徑,為此,查新人員要注意檢索與醫學主題詞對應的各種形式的自由詞及下位詞,盡量提高檢索效率。例如,檢索“抗結核藥物對肝臟損害的研究”課題,在CBM數據庫中用主題詞“結核[擴展全部樹]/藥物療法,中西結合療法,中藥療法,中醫療法,中醫藥療法”來得到檢索史①,用主題詞檢索“肝炎,乙型/全部副主題詞”來得到檢索史②,再用關鍵詞檢索“肝損害”來得到檢索史③,最后在“檢索史”下將3個檢索式用AND連起來檢索,有關抗結核藥物對肝臟損害的文獻就將以標題形式顯示出來。而其他的網絡數據庫如CNKI、維普、萬方等都不能實現醫學主題詞檢索,查新人員可以結合上述CBM的檢索結果,選擇“題名、關鍵詞、文摘、作者、機構、刊名、分類號”等適當的檢索項進行檢索。當檢索不到相關文獻或密切相關文獻為零的課題對,查新人員要檢查原因,不斷調整檢索策略,直至制定出完善的檢索策略。
2.3正確處理查全率與查準率的關系
查全率是指檢出的相關文獻量與檢索系統中相關文獻問題的百分比;查準率是指檢出的相關文獻量與檢出文獻總量的百分比。有關調查顯示,課題的查全率一般為60%~70%,查準率為40%~50%[2]。對于查新檢索來說,要求的是高質量的檢索結果,查新既要有高的查全率又要有高的查準率。查新的目的是了解課題的新穎性和先進性,為決策提供參考。所以,查全是前提,它能如實地反映課題的新穎性,防止低水平重復。尤其是科研立項、專利查新等,一旦漏檢容易造成重復勞動,給委托用戶造成人力、物力資源的損失。但對于已經取得成果的課題查新時,則可以以查準為主,在準的基礎上盡量求全,以便進行比較、借鑒,從而進行對比分析。
3提高醫學科技查新人員素質
醫學科技查新人員是完成查新的第一要素,是保證查新質量的關鍵因素之一。作為查新人員,除具有敬業、務實和探索精神外,還應具備扎實的專業知識和廣博的知識面,較強的綜合分析與判斷能力,較強的外語能力和計算機操作能力,熟練掌握情報檢索技巧。在查新過程中,查新人員應認真對待每個課題,遇到陌生專業的課題時,主動向有關專家請教,完成課題查新。同時要多學習新的檢索方法和技巧,通過與同行進行技術交流,參加查新方面的講座和培訓,定期瀏覽專業網站等途徑,提高自身綜合素質,不斷提高醫藥衛生查新工作水平。
獨立學院對大多數人來說仍是一個比較陌生的字眼，很多家長對獨立學院的辦學特點，招生方式，培養目標和學生就業擇業都存在一定的顧慮。但隨著我國經濟的快速發展，高校的教育模式也會不斷更新，獨立學院的存在是順應歷史潮流的教育革命。獨立學院旨在培養應用型，創業型的高級人才，那么對學生們進行創業教育培養是獨立學院具有特色的教育模式。因此，探索獨立學院大學生創業教育模式成為獨立學院面對的艱巨任務。關鍵詞：獨立學院；創業教育；教育模式
【提要】
外科手術學教學方法需要不斷改善與提高，目前，外科手術學教學中存在教學設施簡陋、教師隊伍不夠穩定及缺乏經驗、學生對外科手術學缺乏熱情等問題，應通過分析實際教學過程中存在的問題，促進學生扎實的理論基礎的培養，特別要鍛煉醫學生手術動手操作能力，所以，需加強對教學方法與模式的改進，以適應現代外科學發展對醫學優秀人才的需求。
【關鍵詞】動物，實驗/外科學；外科學/教育；教學；質量控制
外科手術學是醫學課程中從基礎課程逐漸過渡進入臨床課程的學科，是醫學生進入臨床醫學學習的關鍵課程，操作性、實用性強，是臨床動手能力和操作技能提高的關鍵環節。近年來，手術技術不斷取得進步，相應的手術教學也應緊跟外科手術學科的發展，結合學生實際技能，不斷擴展教學內容與改進教學方法，使臨床醫學生能掌握最新技術方法，才能取得好的教學效果。本文結合教學過程中的體會與學生的反饋，分析目前外科手術學教學內容與形式中存在的主要問題，提出初步解決方法，促進教學水平的提高，從而提高醫學生臨床外科實踐能力[1-2]。
1外科手術學教學中存在的問題
1.1教學設施簡陋
本校動物外科手術室是20年前裝修并開始使用，已使用20余年，當時尚能滿足教學要求，隨教學技術的進步，原有的設施逐漸陳舊，教學條件顯得逐漸簡陋，達不到許多最近發展的手術條件如腹腔鏡手術的演示。手術間僅有3間，學生數量逐年增加，在手術學教學中以組為單位，學生操作手術時往往因為手術視野小、手術不能重復進行等問題難以掌握操作要領。硬件設施條件未及時更新，配備必要的試聽教學設施，整個示教過程無法實現多媒體實況直播。
1.2教師隊伍不夠穩定，缺乏經驗
外科手術學是一門較特殊的學科，既需要豐富的手術操作技能，還要求教師掌握必要的教學理論與能力。目前，外科手術學教學教師主要為各附屬醫院外科系統各臨床科室擇優遴選的外科醫生，雖然其外科臨床經驗豐富，操作技能掌握扎實，但主要從事臨床工作，教學實踐較少，且專業方向各不相同，所掌握的臨床操作技巧有差別，在實際教學中學生反映教師的傳授不夠清晰。且每年度的授課教師均在輪換，不夠固定，積累的教學經驗不能積累，不能進一步應用與教學[3]。
1.3學生對外科手術學缺乏熱情
外科手術學是與外科相關緊密的實踐學科，是一門選修課，所以個別學生，特別是女學生或致力于從事內科的學生對該門學科重視不夠。也有部分學生在開始學習時熱情高漲，開始了解實踐操作后學習熱情逐漸淡化，常表現為操作不積極，上課走神、態度不認真等。也有個別學生出現缺課、逃課現象。很多學生存在學習內容與臨床實踐不符合的錯誤觀念而對學習內容不認真，實驗動物與臨床手術還是存在很大的差異，這樣容易導致學生在實際操作中產生混亂，反倒不能熟練掌握技巧。某些學生不愿擔任助手，未能領悟到手術的整體觀念[4-5]。
2解決策略與行動方案
2.1穩定外科手術學教師隊伍
外科手術學是一門結合基礎理論與臨床實踐的過度學科，授課教師的背景一般為臨床外科醫生，除具備扎實的理論基礎、手術操作技能外還應具備豐富的教學實踐經驗。外科手術學課程講授手術基本操作和無菌技術基本原則，內容均是由教師示教傳授的，在授課過程中教師的言談舉止會直接影響到學生，授課前教研室應進行集體備課，對所有教師進行集體培訓，學內容和教學方法，一致的基本外科操作手法，對教學中出現的問題及時組織討論，尋找適宜的解決方法。積極培訓臨床教學方法，學習教學理論。要求各教師投身于教學工作，認真備課，除培養醫學生臨床操作實踐能力外還應重視培養學生的團隊配合和無私奉獻精神。初次接觸實驗動物時學生往往不忍心下手，表現出惋惜的情緒，導致手術時動作僵硬，教師應耐心指導學生，鼓勵學生操作嚴格，遵循相應手術原則，增強學生對教師的信任，并提高學生的自信心。教師的教學水平與技巧提高了，為提高教學質量創造了良好的前提條件。
2.2學習積極性的培養
動物手術是教學過程中培養學生綜合素質的重要環節，結合多種教學方法激發學生的積極性并加深對教學內容的理解。術中通過團隊人員的配合，培養學生團隊意識和合作精神。實踐中可指導學生通過觀看手術錄像或查閱文獻熟悉相關常見外科疾病的手術方法，讓學生應用所學的操作技能通過動物手術解決遇到的實際問題。只有切身體會才能更深入地理解手術中每一步驟的重要意義。鼓勵學生參與其中，教學的整個過程包括手術敷料打包、消毒和實驗動物備皮、麻醉及綁定等[6-7]?？蓱枚嗝襟w技術，讓學生更直觀、更清晰地觀摩手術。術中各小組成員的默契配合對手術的成功至關重要，因此，培養學生團結協作精神十分重要。一般每小組由5名成員組成，每臺手術輪流充當術者及助手、麻醉師、巡回護士、器械護士5種角色，在手術過程中每名成員認真配合工作，互相信任，各司其職，保證每臺手術的順利完成。這種教學模式可讓學生在角色中體會其具體工作與職責，提高學習興趣，學生在親自參與實施的過程中對自身思維具有很好的鍛煉作用。
2.3教學方法的合理配置與利用
高等教育理論課一般采用傳統的粉筆與黑板的模式，現在有部分學?；蚩荚嚰由隙嗝襟w教學手段。這些均是以教師為主體、灌輸式教學為主的教學模式，當然理論教學這是必要的?，F代外科學教學特點為實踐性強，所以，應突破傳統教學模式，以學生為主體，鼓勵學生獨立思考，讓學生從基本技能訓練到動物手術實踐，逐步掌握各項技能。生動、形象的多媒體表現方式及可互動的教學模式可極大提高教學中操作步驟的直觀性，帶教教師集中示教，進一步強化學生的直觀感受。通過這些措施培養學生操作能力，創新能力，提高學生外科臨床實踐能力，培養未來亟需的創新型高素質醫務人員[8]。
2.4完善課堂紀律與考核制度
為規范課堂教學、提高教學效果課堂紀律的嚴格執行及規范考核同樣也是外科手術學教學過程中非常重要的一部分，可激發學生的學習積極性。除傳統理論考試外應根據學生在手術實踐過程中的表現給予適當的鼓勵或批評，對學習態度不端正、缺乏團體協作精神的學生可個別談話，查找原因，鼓勵其積極參與學習，必要時適當扣分。操作考試包括外科打結、實驗動物麻醉及綁定、刷手、穿手術衣、消毒鋪單、戴手套、器械認識等要點，內容應由隨機抽簽決定，目的是讓學生盡可能地掌握教學內容，避免只掌握單一的內容。學生應認真總結每一臺手術中的要點及所遇到問題，加深對理論知識的理解，為今后步入臨床外科工作奠定理論與操作實踐基礎[9]。綜上所述，《動物外科手術學》是醫學專業從基礎到臨床重要的實踐操作課程，是基礎理論與技術操作相結合的臨床課程，在模擬動物手術過程時應以臨床工作的實際要求進行示教和訓練，讓學生真正進入手術角色，最終通過動物手術實際操作樹立牢固的無菌觀念、團隊合作，養成良好的外科習慣與專業素質，培養嚴謹的工作作風和責任心。該門課程的特點是實踐性和技術性強，部分學生興趣很大，但部分學生學習起來較困難，因此，在外科手術學教學過程中一方面要嚴格貫徹教學大綱要求，避免盲目和隨意性；另一方面要抓住重點，將各項基本操作技能的訓練與臨床應用聯系起來。
參考文獻
[1]陸源，厲旭云，夏強，等.基礎醫學研究性課程的開設和實踐[J].中國高等醫學教育，2003（2）：51-52.
[2]汪蕙，張文雪，袁德寧.研究型教學模式的探討———兼論創新性教育過程化[J].中國大學教學，2002（1）：16-18.
[3]蔣建國，易禮蘭，鄧開玉.設計性實驗在外科手術學基礎與動物外科教學中的應用[J].臨床和實驗醫學雜志，2007，6（2）：167-168.
[4]金鋼，蔡鄭東，卓冬蘭，等.加強外科手術學教學的幾點體會[J].醫院管理雜志，2006，13（2）：182-183.
[5]陳壯桂，陳巖峰，紀經智，等.在兒科臨床實習中加強七年制醫學生臨床綜合能力的培養[J].臨床醫學工程，2009，16（6）：102-104.
[6]賈巍，李亞曇，代亞麗.構建七年制臨床醫學專業人才培養新模式[J].衛生職業教育，2012，30（5）：5-7.
[7]高小惠，張勤，徐薇薇.八年制臨床醫學專業科研訓練質量監控的探索與實踐[J].基礎醫學與臨床，2009，29（6）：664-666.
[8]黃聯繼，易建平，郭樹清，等.提高臨床醫學生實踐能力的研究[J].中國高等醫學教育，2007（7）：88-89.
一、 學生測試結果匯總表（綜合評價）
班級
實考人數
優秀
良好
及格
不及格
及格率
優秀率
備注
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、基于課標和學情的教學診斷，學與教取得的成績及經驗
1、基礎知識掌握能力分析
孩子基礎知識點掌握不夠牢固比如，在第三、四單元觀察螞蟻、制作螞蟻、昆蟲的定義，土壤對動物的影響等；大部分孩子是沒有掌握這兩個單元的重點知識，只有極少數掌握比較牢固第五、六單元是為了讓孩子能選擇合適自己探究的問題并會借助簡單的工具進行觀察和提問，這對三年級的孩子來說是有難度的，蚯蚓和自轉旋翼、降落傘入手，通過了解蚯蚓、制作自轉旋翼這個幾個知識點學生掌握非常不好錯誤率最高，只有極個別孩子能夠回答的比較好。
3、知識的遷移和運用能力分析
教材重視學生的培養學生的能力。但教材容量大，知識點不很明確。 因此教師在教學中只能蜻蜓點水，眉毛胡子一把抓。表面上看課后問題少 了，簡單了。其實不然，里面的訓練點多了，需要掌握的信息量也增大了。 考察的知識點面廣，形式靈活，無法準確把握。三年級學生的學習嚴重缺 乏生活經驗。在課堂學習中，他們只注重教師做的實驗好玩，不注重對知 識的理解和獲取。 三年級的孩子正是良好學習習慣形成的關鍵時期，我們在平常教學中 缺少系統的訓練，很多孩子不會傾聽，不會合作，還有一部分學生自律性 不強，甚至有的學生影響同伴的學習。這些問題都是我們今后教學工作中 應該狠抓、努力提高的地方。
4、家校關系對于學生學習的影響分析
不論是學校領導、班主任，還是任課教師，都有責任和家長建立經常性的聯系，取得家長的協助，統一步調，共同搞好學生的教育工作然而，在實際工作中，情況往往不能令人滿意。有些班主任、任課教師對自己的教育能力過分自信，認為沒有學生家長協助，自己也能教育好學生，因而認為沒有和家長建立聯系的必要。
大量事實證明，學生在品德、才智等方面表現出來的差異其重要原因之一就是家庭教育的不同。而現在一些家長卻難以擔負教育子女的重任，大致有三種情況：一是隔代管護，過分溺愛。一些學生的父母常年在外打工，子女的生活靠爺爺、奶奶管理，而爺爺、奶奶一般對孫子、孫女過分溺愛，要啥給啥，百依百順。久而久之，小皇帝、小公主便應運而生。學生往往生活上相互攀比，而學習不求上進，紀律松弛。二是素質低下，無力教育。有的父母雖然常年在家但由于文化程度低，管護孩子更多的是只問吃穿及用錢，對學生的行為及學習情況，過問的少或干脆不過問。有個別學生便瞞哄家長，家長問不出孩子學習的真正情況，因而也無法對學生實施有效的管護和教育。
家庭因素和學校因素出現的這些新情況，成為教師與家長聯系的障礙從而在教育學生方面出現了一些失誤。因此，要使“家校聯系”這一傳統的教育方式煥發青春，發揮其應有的作用，就必須從教育理念、教育思想、教育方法丶教育方式諸多方面進行革新。
三、基于課標和學情的教學診斷，學與教中存在的主要問題及成因
從學生的答卷顯示，基本情況趨于良好，多數學生的語文素養基本能達到《課標》要求。但仍然有許多值得反思和改進的地方。
1、審題不清，造成錯誤。
審題不認真的問題雖然年年都在強調，但此次期末測試中，這一現象仍然沒有得到有效改觀，很多學生因為對題意的理解不準確而造成的錯誤。如： 四丶操作題1.用導線、開關、小電珠、電池連接一個簡單的電路，把電路圖畫在下面的方框內。好多學生畫的都是燈泡模擬圖。
2、錯別字現象仍然存在。
雖然在每一次的期末考試分析中都強烈呼吁重視學生的錯別字嚴重現象，可是，從本次的期末考試來看，學生的錯別字和書寫不規范現象還是比較突出。如第填空題11小題，四大題，操作題，。這道題好多學生答案寫一半且錯別字比較多，如：變冷的“冷”學生少寫一點，攝氏度這三個字不會寫。
四、追根溯源，改進教，促進學的落實。
1、提高教師的的知識水平，認真鉆研教材、搜集各種資料、平時多與 其他的教師進行研討、多制作實驗教具、發動學生自己動手實驗得出結論、 多總結教學中的不足不斷完善自己。
關鍵詞：婦產科學；課堂教學；評價分析；
作者簡介：劉玲艷，女，在讀碩士，研究方向：圍產醫學。
婦產科學是醫學生的必修課，課堂教學是學生學習婦產科的基礎，高質量的課堂教學是培養學生臨床思維、增強學生學習興趣、提高臨床見習、實習質量的重要保障。學生是教學活動的主體，教學的接受者及參與者，在教學質量評價中最具有發言權，與授課教師征求個別學生意見相比較，有目的、有針對性的教學評價，能使參與的人數更多，樣本量更大，信息反饋更齊全，評價結論更客觀。因此發揮學生的主體地位，以問卷調查形式讓學生對教學質量、效果進行評價，并提出意見及建議，從而探索教學中存在的問題及改進方式是提高婦產科課堂教學質量的重要舉措[1]。
該研究利用學生對婦產科學課堂教學質量評價數據，深入分析婦產科課堂教學現狀和存在的問題，探索切實可行的提高婦產科課堂質量的教學方法。
一、研究對象和方法
在婦產科學專家指導下設計問卷調查表，對昆明醫科大學第二臨床學院2009級臨床醫學專業30名學生進行預調查，根據結果對問卷進行修改完善，于學期末再對班級共250名學生進行調查，回收有效問卷229份。利用EpiData3.1建立數據庫并進行雙錄入，導入spss17.0軟件進行統計分析，對開放性問題進行文字總結。
二、結果
(一)一般情況。
調查對象年齡分布在20-23歲之間；女生占65.5%；74.4%的同學來自農村；74.7%、17.5%的同學分別通過大學英語四級、六級。
(二)課堂教學效果。
1.學生對婦產科學感興趣的程度及對婦產科學難易程度的評價。98.3%的同學對婦產科學感興趣，其中最感興趣內容所占比例排序為：生理產科學(32.8%)、不孕癥與輔助生殖、婦科疾病、婦產科學基礎，病理產科學、計劃生育；最難掌握內容中以病理產科學所占比例最大，為30.6%。
2.學生綜合能力的提高情況。學生不同能力得到提高，認為專業外語得到提高的人數最少(見表1)。
3.婦產科課堂教學方法的優缺點。99.6%的學生認為婦產科課程內容安排合理；85.7%的學生認為課時過少；與內、外、兒科對比，72%(165/229)的同學認為婦產科課堂教學有以下優點：教師采用典型案例式教學；采用動畫、視頻等多媒體技術，將抽象內容具體化；大部分老師結合自己的臨床經驗講解，提高學生興趣；教學態度嚴謹，條理清楚，富有激情；同時75%(172/229)的同學指出婦產科教學存在以下不足：個別教師教學效果不夠理想，師生互動不足，課堂氣氛不夠活躍。
(三)教學需求的調查結果。
1.對推薦課外書籍的看法。57.2%的學生認為需要推薦關于婦產科學新進展、婦產科學臨床病例分析的書籍及教學視頻。
2.對課程中適當增加專業英語授課比例的看法。58.1%的學生認為不需要增加專業英語在教學中所占的比例，主要原因是學習時間緊、外語基礎不好。
(四)學生對教學方法的看法。
1.教學方法重要性排序。更多學生認為充分利用多媒體技術(視頻、動畫等)、教學模型及授課教師結合臨床經驗或科研經驗，講述經典案例激發學生學習興趣最為重要(見表2)。
2.對改進教學方法，提高教學質量的建議或意見。88%(202/229)的同學對改進婦產科教學提出了以下建議：(1)增加學生討論及進入臨床觀摩的機會；(2)增加課時，提高部分教師的教學效果；(3)采用多種教學方法，促進師生互動。
三、對策初探
(一)提高師資隊伍的實力，為提高課堂教學質量奠定基礎。
由調查可知，學生最感興趣內容是生理產科學，學生也指出教師充分利用多媒體將分娩過程等抽象內容具體化?？梢?，良好的教學方法和高質量的授課技巧是激發學生學習興趣的動力和源泉。教研室集體備課，教師們相互交流，針對每個疾病制定一個更好、更符合教學實際的系統授課方案，提高每一位授課教師的授課技巧，為改善教學質量提供有力保障。
(二)改進教學方式，采用多元化的教學方法，從多方面增加學生學習興趣和提高學習效率。
多元化教學是21世紀教學改革的核心理念，指教師充分利用現有的教學方法，結合授課內容與學科特點進行教學方法與教學策略的調整與轉換，從而最大限度地提高教學質量與教學效果[2]。在婦產科教學中實行多元化教學，就是要立足于婦產科學的特點，在深入分析教學內容以及教學條件的基礎上，考慮學生的理解程度與吸收狀況，采用并變換多種教學方法來實施教學的過程。
在教學需求的調查中，部分學生希望教師推薦關于婦產科新進展的書籍及采用多種方法進行教學：增加新知識新的講解，利于培養學生獲取新知識的能力及創新意識；多媒體、模型等教學工具有助于將抽象內容形象化，還可以增加課堂教學的趣味性和實效性；結合調查對象中有25.3%的學生未通過四級、專業外語能力提升較少及醫學信息全球化的現狀，教學中應加大專業外語授課比例。此外，課間增加病案討論內容、小組討論與教師指導等多形式教學有助于提高學生的積極性，在教學實踐中可適當運用并推廣開來[3]。
(三)活躍課堂氣氛，充分發揮學生的主體地位。
由于大部分學生(74.4%)來自農村，對實施課堂提問看法中，部分學生不愿意課堂提問是因為性格內向、易緊張、不善于在公共場合發言，因此課堂教學中要注意提高學生的綜合素質，增加師生的互動，提高學生的表達能力[4]。另外，采取多種形式如回憶式、啟發式、混淆是非及加深記憶性提問能夠幫助提高學生的注意力，快速提高學生的學習效率[5]。
[關鍵詞] 學習分析學； 智慧教育； 設計框架； 學習分析系統
[中圖分類號] G434 [文獻標志碼] A
[作者簡介] 祝智庭（1949—），男，浙江衢州人。教授，博士生導師，主要從事教育信息化理論、系統架構與技術標準、教師專業發展、技術文化等方面研究。E-mail：。
一、引 言
隨著信息技術在教育領域的深入應用，智慧教育成為信息化教育應用的一個新范式。[1]智慧教育主張借助信息技術的力量，創建具有一定智慧特性（如感知、推理、輔助決策）的學習時空環境，旨在促進學習者的智慧全面、協調和可持續發展，通過對學習和生活環境的適應、塑造和選擇，以最終實現對人類的共善（對個人、他人、社會的助益）。智慧教育充分體現了“以學習者為中心”的思想，強調學習是一個充滿張力而又平衡的過程，揭示了“教育要為學習者的智慧發展服務”的深刻內涵。
智慧學習環境的一個基本特征是：基于學習者的個體差異（如能力、風格、偏好、需求）提供個性化的學習診斷、學習建議和學習服務；并記錄學習歷史數據，便于數據挖掘和深入分析，數據結果用于評估學術過程、預測未來表現和發現潛在問題。因此學習數據分析成為智慧學習不可或缺的條件。
學習分析學（Learning Analytics，簡稱LA）涉及科技和社會學科的多個學術領域，包括計算機科學、社會學、學習科學、機器學習、統計學，以及“大數據”。[2][3]LA的定義隨著相關研究的進展而演變，盡管研究方向不盡相同，大部分學者認同如下定義：“學習分析學是使用智能數據、學習者數據，以及分析模型來發現信息和社會性聯系，并以此為依據進行學習預測和提供建議?！盵4]Siemens 于2012年對相關定義進一步提煉之后提出，LA是“關于學習者以及他們的學習環境的數據測量、收集、分析和匯總呈現，目的是理解和優化學習以及學習情境”。[5]
其他學者、機構也有一些類似的關于LA的定義。盡管各個定義在用詞和著重點上存有細微區別，但基本都反映了LA的本質，即首先發現特定用戶的需求，利用技術方法獲取數據，分析數據，幫助教師、學生、教育機構等解讀數據，并根據數據結果采取干預措施，從而達到提高學習和教學成效的目的。[6]同時這些定義也指出，LA所用、所處理的數據是已經存在的、機器可讀的“大數據”（Big Data），這些數據是不適合人工處理的。[7]
LA在國際上被稱為是“自從學習管理系統（Learning Management System，簡稱LMS）問世以來，教育技術大規模發展的第三次浪潮”。[8]2005年 EDUCAUSE的文章就預示了LA的出現。[9]此后與學習分析學相關的國際學術會議，例如學習分析學與知識國際會議（LAK，The International Conference on Learning Analytics & Knowledge）于2011年召開第一次會議，于2012年召開了第二次會議，而且會持續下去。學習分析學研究社會（SoLAR，The Society for Learning Analytics Research） 也于2011年夏天成立，一方面主持召開會議，同時致力于LA方面的研究和發展，并提供學者、教育專家、學生等進行信息交流和互相合作的機會。另外，教育技術和社會學術期刊（Journal of Educational Technology and Society）也與2012年出版了關于學習分析學的特刊。由此可見，學習分析學已經成為高等教育界尤其是以教育技術為基礎的遠程在線學習領域內的一個研究熱點。
LA 在教育領域內迅速發展有多種原因。下面我們將從它的出現、回答的問題、研究框架模型等方面加以詳盡介紹。
二、學習分析學研究的緣起以及相關技術
多位學者專家探討過LA出現并成為熱門研究課題的必然性，并且總結出幾個原因。
第一個原因是大數據（Big Data）的出現。[10]Greller和Drachsler認為學習分析學的起源在于網絡大數據的出現，包括政府類數據。[11]隨Web 2.0出現的社交網絡數據（Twitter、You Tube、Fliker，Facebook等）、移動終端數據，如GPS 定位數據等。隨著此類數據的出現，有些公司如Google、Amazon、Yahoo等，分析利用此類數據，并將其結果作為擴張市場的依據或者提供個性化服務的方向，因此公司得以快速成長。大數據的出現和潛在的價值也引起了各國政府的關注。例如，奧巴馬政府2012年宣布，每年將花費超過2億美元在大數據研究應用方面，以致力于科學探索、環境、生物醫學、教育和國家安全方面的研究。[12]在遠程教育領域LMS，如Blackboard 和 Moodle等的應用也越來越廣。這些系統每天都記錄大量的學生交互信息、個人數據、系統數據等。[13]如何從這些數據中獲取信息成為LA出現的一大契機。
第二個原因則可以歸結為在線學習或者教育技術的發展。[14]隨著教育技術的發展，在線學習成為傳統學校教育和終生教育的一個重要模式。在線學習提供給學習者不受時空限制的學習機會，同時也帶來一定的挑戰，例如學生有可能缺少與老師和同學的聯系，又可能遇到技術問題或者失去學習動機等。[15]此外，教師也由于網上學習環境中缺少視覺線索，因此難以判斷學生是否感到課業太容易、感到內容乏味枯燥或者學習上有困難等。因此，學者們認為，教師難以評判學生的參與度和學習質量，而攻克這個問題則成為LA的另外一個契機。[16]
第三個原因則與教育機構自身對數據的需求有關。很多國家，包括美國政府，都力圖提高整個國家人口的教育程度，比如如何提高學生的學習成績、入學率以及畢業率等，而這些都需要大量數據來發現和驗證。[17]傳統上，教育機構、學校獲得學生學習數據的主要方式為調查問卷及訪談等，由此帶來諸多方面的限制，如花費大、耗時多、規模小等。由于數據挖掘可以追蹤用戶的電子信息使用記錄，并且自動分析整體數據，而不需要選樣，因此新的數據經濟大潮使得學校在數據收集方面不再需要花費大量人力和財力；并且獲得的數據反映了所有用戶的全部信息，并非選取的一部分；同時數據在自然狀態下獲得，不需要利用訪談、觀察等方式，使得數據更加真實可靠。[18]
第四，LA起源于其他幾個已經相對成熟的領域，如商務智能（Business Intelligence）、網站分析（Web Analysis）、學術分析（Academic Analysis）、行動分析（Action Analysis）、教育數據挖掘（Educational Data Mining）、運籌學（Operational Research）[19][20]以及社會網絡分析（Social Network Analysis）等。這些研究領域已經相對成熟，對LA的迅速發展應用起到一定的促進作用。
Siemens認為，與LA密切相關的是學術分析學（Academic Analytics， 以下簡稱AA）和教育數據挖掘。[21]學術分析學是為了高等教育機構的運營和財務方面的決策而提供所需數據的過程，[22]如發現影響學生畢業率的影響因子等。教育數據挖掘是指為更好地理解學生以及他們所處的學習環境，從教育數據中獲取知識和發現，針對教育環境內獨特的數據類型而進行的獲取數據、整理數據、形成分析報告等研究方法方面的研究。[23]Siemens認為，教育數據挖掘是LA和AA的共通支撐技術。[24]他描述了三者之間的關系以及三者針對的層次和關注對象，如表1所示。
三、LA 回答的問題
LA 對智慧教育的重要性體現之一在于它可以使用大范圍數據，回答關于學習和教學的不同問題。Cooper采納了Davenport等對“Analytics ”能夠闡釋和回答的問題的總結，[25]并根據其時間線（過去、現在、將來）和回答的深度（信息型、洞悉型）對問題作了歸類。[26]我們認為其問題矩陣同樣適用于LA（見表2）。
Cooper總結歸納了LA可能回答的問題類型。[27]
信息和事實性問題：
發生什么了？LA產生報告并提供描述性數據（過去）；
正在發生什么？LA對現狀的提醒（現在）；
趨勢，走向如何？過去的數據被當作推斷的根據（將來）。
深度理解和洞察性問題：
這些為什么發生，如何發生的？LA可建立模型并加以解釋（過去）；
可以采取的最好措施是什么？LA提供一個或多個干預措施（現在）；
可能發生什么？LA可以預測、模擬其他措施的效果，確認最優舉措（將來）。
因此LA 可以描述和解釋過去的現象，例如為什么選同一門課的學生成績普遍偏低？原因可能包括缺乏相關基礎知識；可以預警和干預正在發生的學習，例如學生得到信息，他/她很可能某門課會通不過，教師可引導學生進行補救、提供學習材料等；LA還可以推斷發展趨勢和預測將來，例如由于以往某一學習活動對不同學習風格（Learning Style）的學生的影響有所不同，可以推斷針對不同學習風格設計的學習活動能提高學生成績；同時，不同學習風格、學習活動和成績之間的相關性分析和預測模型有助于發現最適合特定學習風格學生的學習活動。此外LA可以將各方面的關于學生的分散式信息整合梳理，提供給教師，使其對學生有更可靠、更清晰的認識，在此基礎之上采取的措施將更加有效。此外，LA 不止可以提供關于學生學習方面的信息，也可以用來評估某一課程、院系以及整個學校。它可以參與評估整個學校的教學，用于決定是否需要采取更先進的教學方法；它還可以提供信息給學生，以便學生自我評價學習過程和結果等。由此可見，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發展。
四、LA的設計研究框架、資源
過程模型及重要環節
多位學者試圖從整體架構、所涉緯度、過程環節等方面描述LA，以基于對LA的整體認識，引導LA系統設計過程。本文主要討論兩個LA模型和LA的重要環節，目的是對如何設計開發LA系統有全面的、清晰的認知。
（一）LA通用設計框架
Greller&Drachsler根據他們對學習分析學現存文獻的梳理，提出了具有六個緯度的LA通用設計框架，即關益者（包括學生用戶、教師用戶等）、目標（包括使用數據的目的，如預測等）、數據（包括受限數據和公開數據等）、工具（分析數據的依據，包括教學理論等）、外部限制（如用戶隱私）、內部限定（包括分析解讀數據結果的能力等）。[28]這六個緯度反映了在應用LA研究學習、開發LA系統時應該考慮的基本因素。圖1反映了該設計框架，包括每個緯度的例子，以下我們對每一緯度進行說明。
1. 關益者
關益者包括數據使用者和數據提供者。使用者指應用數據并根據數據結果制定對策的人，如教師；提供者指以自己的系統瀏覽和互動行為產生數據的用戶，如學生。在特定情形下，使用者和提供者是一體的，比如學生本身的行為信息反饋給學生自己而不是老師的時候，這兩者是統一的。關益者除了包括學生、教師以及教育機構外，研究人員和政府機構等也可看作關益者的一部分。
關益者之間如何使用學習分析信息交流可以用層次模型來表示（如圖2所示）：最直接的途徑是通過LMS 獲取學生信息，提供給教師；教師可以根據此信息制定干預措施或者調整教學策略等；教育機構則可以根據學生和教師提供的信息進行教職工培訓或者制定措施保證教學質量等；研究人員盡管不直接參與學習過程，但他們可以利用學生和教師數據，評估教學質量或者學習服務措施是否到位；最后政府機關可以匯總、分析，并利用多所院校的學習分析數據來測評整個教育系統。此外，已有研究者們強調，在各個層次，關益者都可以利用本層數據進行自我反思，如學生可以根據自己的學習記錄、互動行為等來思考自己是否實現學習目標等。
2. 目標
學習分析學開辟了一個新的領域，可以發現并研究利用原本隱藏的教育信息，提供給各個層次的使用者。通過分析比較學習信息和社會互模式，為學習者提供新的視角，同時提高組織性效率和效益。也就是說，學習分析學提供的信息不僅有助于個體學生，對支持更高層次的知識流程的管理（如政府層次）也有所裨益。Greller和 Drachsler主要提出并討論了兩種目標：反思與預測。[29]反思是指數據用戶根據與自己相關的數據，獲取知識并進行批評性自我評價，有學者稱之為“量化自我”，也就是觀察測評自己的學習記錄數據，并根據數據結果進行自我修正等。[30]反思也可以根據別人的數據記錄進行，如教師可以根據學生的交互行為，反思自己的教學風格是否適合學生等。學習分析學同樣可以用來預測模擬學生的學習活動、行為等。如根據過往的學生反饋信息，可以預測某種教學設計有助于學生的學習，據此可以重新設計教學活動，提高學生學習成績；亦可降低或增加內容難度，從而降低學生放棄課程的比例。
3. 數據
學習分析學所用數據大多來自LMS以及其他教學系統，同時教育機構本身擁有大量學生數據。然而很多數據是非公開的，因此對教育數據公開化的要求越來越迫切。[31]
4. 工具
學習分析學通過信息檢索技術獲取數據，如教育數據挖掘、機器學習、傳統統計分析以及社會網絡分析等。同時，研究者將理論建構以及算法等處理數據、從數據中發現信息的概念工具也包括進來。
5. 外部限制
外部限制包括倫理、法律、社會、組織機構、管理以及LA過程方面的限制。如使用個人隱私數據有可能觸犯法律等。
6. 內部限定
內部限制與能力相關，指解讀數據、解釋數據，從而根據數據提高學習效果的能力。據調查，只有很少的學習者能夠解讀結果并據此采取有效的干預措施。
（二）LA資源過程模型
學者們認為，分析是人腦和機器的混合加工的過程，[32]LA具有認知性、技術性和社會性。[33]綜合多種看法，Elias認為電腦（軟硬件技術）、理論、人員和機構構成了LA的四種技術資源，同時也成為LA的核心。[34]四種資源以及數據運作的過程構成一個LA的模型。
1. 電腦技術
遠程在線學習的普及以及LMS 的應用，說明大量關于學生的數據已經被收集，如果這些信息可以和其他與學生有關的數據相結合，我們可以得到更詳盡的關于學生的學習體驗、教師的教學效果等信息。而隨著數據的收集，進行信息加工時，尤其需要用來做數據分析報告和預測結果的軟件工具。這類工具，Elias 列舉了資訊可視化（Visualization）、神經網絡、回歸分析、機器學習以及人工智能等。[35]Elias 尤其強調了可視化技術的重要性，并列舉了儀表盤（Dashboard）和社會網絡分析（Social Network Analysis）兩種常用的資訊可視化技術。
2. 理論基礎
Elias 認為，LA涉及的理論非常廣泛，包括與分析學相關的知識以及其他領域的知識。前者如推薦理論基礎協同過濾算法（Collaborative Filtering Algorithm）、貝葉斯神經網絡（Bayesian Network）、基于知識的推薦（Knowledge-Based Recommendation）等；后者則包括學習科學、教學法、學習動機學、學習共同體（Community）、學生畢業率（Retention）等。然而這方面的文獻很少，相關人士很難確認哪些變量對教學有參考意義。也就是說，很難分辨哪些測量學生網上活動的變量真正影響到他們的學習和成績。[36]
3. 人員
雖然現代技術的應用使得電腦軟件和硬件可以取代人的努力，但是在很多方面人類的知識、技能和能力是保證結果有效性的重要因素。雖然教師可以通過使用資訊可視化技術、回歸等來反思自己的教學設計和教學活動的有效性，評估是否達到教學目的，如學習共同體的建立。然而有效的后續干預很大程度上取決于教師本身解決問題以及決策方面的認知思考能力，而不是完全依賴LA技術以及統計軟件。
4. 機構
Elias 認為，LA過程中的社會資本（Social Capital）或者社會性最容易被忽略掉。然而LA本身不能回避這方面的問題，例如：誰參與了LA項目，他們的決策是如何被支持的，項目成員之間如何溝通和互動。同時，無論LA 項目如何成功，要使得其研究成果在現實中付諸實施，則需要教育機構，如大學的領導層采取措施，支持以LA結果為基礎的文化和教學模式方面的改革，從而達到LA提高學生學習成績和改善教學效果的目的。因此，機構資源顯示了LA的社會性。
在討論LA技術資源的基礎上，Elias 提出了LA的模型，其核心是電腦（軟件硬件技術）、理論（統計、算法、教學法、學習科學等）、人員（相關人員如教師等）、機構（社會資本屬性等）等四種科技資源。這四種資源參與并推動三個環節（收集數據、信息加工、結果應用），使之形成一個循環發展的過程，從而推動學習和教學的持續性提高（如圖3所示）。
（三）LA的重要環節
Brown在2012 年召開的ELI（EDUCAUSE Learning Initiative）兩次學術會議（ELI 2012 Spring Focus Session和LAK12）基礎上，總結討論了LA研究中出現的主題：數據指標的選取、資訊可視化技術，以及干預和反饋方式。[37]這些也可以看作是在實際研究中應該考慮的LA的重要環節。
他首先指出，LA定義的一個重要特點是對以下兩方面的區分：一是實現LA的技術，另一方面是LA的目的。也就是說，所有LA項目都要包括這兩方面，一方面要具備獲取并分析數據的技術，另一方面要根據分析結果制訂有效計劃進行決策。
數據分析方面，Brown 強調在LA中，指標數據的選取直接影響到預測結果的準確性和數據分析的有效性。他提出，在LA研究中經常涉及兩類數據指標：個性特點指標（Dispositional Indicators）和行為表現指標（Activity and Performance Indicators）。其中個性特點指標一般為事實性變量，可以量化，如年齡、性別、種族、平均分、學習經驗等；行為表現指標主要反映學生在網絡學習環境中的數字行為痕跡，如他們登錄LMS 的次數、在學習網站上的時間、發帖的次數、測驗分數等。鳳凰城大學使用這兩種指標預測學生是否能通過某一課程。比較有趣的是，他們發現有些指標不具備預測作用，如選修課程數量、性別、種族等。另外，密歇根大學的前期預測LA系統只選用了行為指標。Brown認為，大部分LA 項目都采用了混合指標來提高預測準確度。也有些學者認為分析學生作品（如作文、視頻作品等）可以作為LA的指標，但這種方法不太常見。
資訊可視化被視為LA 的重要組成部分，一般以兩種方式出現：一是呈現數據分析結果（圖表等），二是儀表盤?？梢暬姘逡灿胁煌某尸F方式，一種是多個小窗口并列，而各種數據結果呈現在小的窗口中；另外一種是只呈現一個數據窗口，用戶可以通過下拉菜單等獲取更詳細的數據。Borwn強調了可視化技術和用戶界面設計在數據呈現中的重要性。
LA的終極目的是提高學習和教學成效，因此根據數據分析結果進行有效干預顯得非常重要。Brown發現兩種干預方式：一是系統自動反應，不需要或較少需要教師參與，例如普渡大學的Signals[38]系統給學生簡單明了的紅、黃、綠信號；另一種是半自動反應，LA發現學習模式（不喜歡某些學習活動）或者癥狀（學生缺乏學習動機等），需要教師專家分析之后作出決策，進行干預。
五、LA過程維度模型
Greller&Drachsler的模型注重于LA的緯度，強調了在設計LA系統時應該考慮到的各方面的因素，如從關益者到數據等，但沒有突出設計LA的過程。Elisa 的LA模型突出了認知性、技術性和社會性（理論、電腦技術、人員和機構），同時強調LA過程的循環性和改進性，但是過程過于簡化，例如信息加工涵蓋了所有的數據處理分析過程以及數據結果呈現，沒有具體緯度。這兩個模型傾向于理論化，但對具體開發LA的指導性不強。Brown則著重強調了LA在實際應用中應該注重的兩個方面：LA技術本身以及其目的。同時他根據實際應用中的LA系統，總結出LA研究中的具體環節和因素，如不同的數據指標的選擇和應用、數據可視化技術以及干預的方式。
結合以上的兩個模型和Brown的見解，筆者認為LA設計模型應該明確其過程環節，每個環節涉及的緯度要素可能重合。LA設計過程應該包括三個環節：首先是LA目標的確立；其次是LA本身的開發，主要是針對數據的操作、分析、呈現等；最后是干預。將目標作為一個重要環節的主要原因是，在設計開發LA系統之前，必須要有明確的方向：是提高學生動機、提高學生參加學習活動的頻率，還是評估該教學活動是否適合所有學生等。有了主導方向，才能根據學習理論和相關研究等確定數據指標、預測模型等，明確數據來源（LMS或者其他數據庫）獲取數據；同時根據學習理論教學法等，確立統計分析方法，如描述性統計數據、相關性分析、回歸預測模型等。數據分析的結果同樣可以檢測理論基礎是否合理，如發現有些數據指標為非顯性因子，因此可以進一步簡化提煉理論基礎。數據結果一般用可視化技術呈現，如可視化面板等。干預措施則建立在整個數據分析結果之上。為確認采取的干預措施是否有效，可以與LA目標對照。而目的本身也將影響干預措施的選擇和實施。圖4 中LA過程模型呈現了我們對智慧教育中LA的過程、相關因子及其相互之間關系的理解。
以下我們基于Greller & Drachsler的六個緯度來說明LA設計開發中每一環節涉及的重要緯度（見表3）。
六、LA應用現狀及面臨挑戰
LA已成為教育領域，尤其是高等教育和遠程網絡教育的熱點。美國西部州際高等教育委員會教育技術合作部（WICHE，WCET，Western Interstate Commission for Higher Education，Cooperative for Educational Technologies）的教育LA大數據分析項目，其預測分析報告（PAR，Predictive Analytics Reporting）于2011年獲得比爾及梅琳達·蓋茨基金會資助。[39]PAR的主要目的是確認影響學生退學以及是否能夠畢業的因子。該項目目前已經涉及六所大學64萬學生，320萬門選課的數據分析，初步發現32個影響學生學習以及退學的普通變量（多為學生特點變量），包括性別、種族、學位種類、多種專業、課程數量、班級人數等。其他發現如學生的性別、年齡以及種族與該生是否會退出某門課沒有關系。該研究仍在繼續。
然而，盡管LA工具已經在世界各地一些大學被開發和應用，學者們認為，LA在教學應用方面的研究和相應的LA技術研發和系統開發尚處于初始階段[40][41]。Simens等認為教師缺乏可以用來評估多方面學生成績以及對學生進行對比分析的LA工具，學生也難以追蹤與自己的網上活動和成績方面的信息。[42]因此他們提出了開放性學習分析平臺項目，目的是開發集成的可擴展的LA工具集，以供教師和教育機構對學生的活動進行評估，并以此為基礎決定干預措施，從而提高學習效果。同時，學生也可以查看個人的學習進展。該平臺預期將開發四種工具和資源：（1）LA 引擎；（2）自適應內容引擎；（3）干預引擎，包括干預措施推薦和系統自動支持；（4）儀表盤、報告以及資訊可視化工具。
現有的已經開發出的LA系統大多是針對具體課程，目的是根據學生的表現、活動成績等實施干預措施，以提高學生成績，改善學習體驗等。類似LA系統如普渡大學的Course Signals、密歇根大學的M-Reports Dashboard、馬里蘭大學-巴爾的摩縣（UMBC，University of Maryland-Baltimore County）的Check My Activity，以及亞琛工業大學（RWTH Aachen ）的eLAT（Exploratory Learning Analytics Toolkit）等。
盡管有很多系統已經在使用中或者正在開發，但是LA的開發和研究同樣面臨著諸多挑戰。我們以Signals[43]和eLAT[44]為例，來說明這個問題。
與很多大學相類似，普渡大學開設了很多入門課程，這些課程往往有很多學生經常對他們的學習狀況不是很了解。為了能夠及時提醒和通知學生在某一特定課程中的表現和成績，普渡大學開發了Signals 系統。該系統通過數據挖掘和統計預測模型，根據多個變量（表現指標包括：現有平均分和努力程度，如學生LMS的交互頻率；個性特點指標包括學術準備，如高中平均分和各項標準考試成績，以及學生特點，如是否為美國居民、年齡和選修學分）來預測學生是否能夠完成/通過該課程。Signals 在課程進行的過程中，以交通信號指示燈的方式，讓學生了解自己的學習狀況：課業良好（綠色）、課業中度危急（黃色），或者課業嚴重危急（紅色）。同時教師可以給學生提供有效的反饋信息，引導學生使用合適的資源等來提高成績。[45]Signals 的使用取得了很多正面效果，如在使用Signals的班級，成績為A和B的學生比沒有使用班級的學生多，而成績為C 和D 的學生則少于對照班級。另外，研究還發現，參加至少一門使用Signals 的課程的學生比沒有使用Signals的課程的學生的四年畢業率高四個百分點。[46][47]
在RWTH Aachen 大學，Dyckhoff等[48]開發了eLAT ，幫助教師在使用L2P、網上教學學習系統時，更好地反思他們的教學方法和成效。通過eLAT，教師可以根據個人興趣探究內容使用，用戶特征、用戶行為、測評結果等是否相關以及相關程度等。他們強調LA 工具應該具有動態性和靈活性，這樣教師可以根據自己的興趣查看相關信息，確認教學方法是否有效，以及不同特點的學生對同一教學內容是否有不同反映等。eLAT 的主要目的是幫助教師自我評價他們的課程以及支持他們做相關研究，因此更多關注的是學生作為一個群體的表現、活動、成績等，而不是個體學生的信息。即便如此，該系統的設計非常注重保護學生個人隱私，以Hash 函數（注：一種用雜湊函數產生隨機數的算法）取代學生姓名。此外，他們認為LA 工具呈現的數據應該簡單易讀，因此資訊可視化非常重要。eLAT使用四類指標：文檔使用指標、成績測評指標、用戶活動指標和互動交流指標。每類指標包括多種具體指標，如最頻繁使用的10個文檔屬于文檔使用指標，教師可以根據指標信息發現學生最喜歡使用的文檔，如學生可能喜歡一個具體例子超過課堂講稿。另外，根據用戶活動，他們用不同顏色表示三組用戶類型：非?；钴S用戶（藍色）、活躍用戶（紅色）以及非活躍用戶（黃色）。如果學生大部分都不夠活躍，那么教師可能需要發現原因，考慮如何改進教學內容及方法等。
Signals 的成功是顯而易見的，然而研發人員也提出了他們遇到的問題和困難。首先是數據。除了LMS 數據容易獲取，Signals 的預測模型需要的學生個性特點數據是分散的，由不同的相關學校部門分別持有。在開始階段，聚合匯編數據花了一年多的時間。其次是Signals 的使用方面。研究證明早期干預和頻繁干預對學生成績的影響最為正面，然而大部分教師工作負荷很重，多次干預會加重他們的工作負擔。最后，研發人員發現，他們很難向學生解釋如何得到他們的學習狀況危險指數。為此他們專門作了視頻，解釋了他們的算法和公式。
在挑戰和困難方面，eLAT研發人員提到了數據指標的選擇。他們選擇了用戶活動指標等，然而很難確認哪些對改進教學有指導意義，也很難確認它們是否包含了所有影響學生成功或失敗的指標，因此需要更多的實證研究來驗證。此外，研發人員認為數據指標過于簡單，只傳達一般信息和容易理解的信息，然而，加入一些教師們不熟悉的指標等，可能會給他們解讀數據帶來困難。
因此LA在實際的開發過程中，技術的、倫理的、人員有關的以及實際情況的限制等各方面的問題都可能出現。
七、LA與智慧教育
隨著技術的發展，人類社會進入數據化時代，計劃決策等無不以數據為依據。教育也將逐漸成為智慧教育模式，即以學習者為中心，進行個性化學習，為學習者提供各方面支持，將教和學的效果提升到一個新的層次。學習技術如電子課本和移動學習等正處于發展上升期，預計一到兩年之內會有廣泛應用[49]。這意味著更多的數據可以納入LA 研究的范圍。LA 以學習科學、教學理論、課程設計理論和已有研究結果為基礎，選擇學習者特點、網上交互活動頻率等變量，分析并監測學生學習情況，評估教學活動教學質量，及時發現學習中存在的問題，從而保證智慧教育的實施。因此，學習分析學應該成為我國教育技術研究者特別關注的新領域。
[參考文獻]
[1] 祝智庭，賀斌. 智慧教育：教育信息化的新境界[J].電化教育研究，2012，（12）：1～13.
[2] Learning and Knowledge Analytics[DB/OL].[2013-01-10].http：///？p=174.
[3] 顧小清，張進良，蔡慧英.學習分析：正在浮現中的數據技術[J].遠程教育雜志，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.
