学习数据需要使用新的方法与工具进行处理，学习分析应运而生并成为教育研究与应用领域的热点问题。该文基于文献分析法，对国内外2010年以来关于学习分析的期刊论文进行梳理，根据研究重点不同分为理论框架、模型研究、学习分析技术基础、学习分析工具、应用研究、面临挑战等六大类，并对每一类的重要研究成果进行了梳理与介绍，以试图呈现该领域的整体脉络。在此基础上，提出学习分析发展中亟待解决的问题包括理论基础与理论框架的明确、学习分析相关标准的建立等。
关键词：大数据；学习分析；理论框架；学习分析工具；应用研究
进入21世纪以来，伴随着移动互联网技术、云计算、物联网技术的发展，大数据应运而生，其研究与应用不断向前发展。2011年6月，世界知名咨询公司麦肯锡发布了《大数据：创新、竞争和生产力的下一个前沿》报告，系统阐述了大数据的概念、核心技术、应用领域，引发了各行各业对大数据的关注。维克托·迈尔·舍恩伯格及肯尼斯·库克耶在其2012年出版的著作《大数据时代》中指出，大数据带来的信息风暴正在变革我们的生活、工作和思维，大数据的核心就是预测，它将为人类的生活创造前所未有的可量化的维度，并且已经成为了新发明和新服务的源泉。我国政府在2015年8月发布了《促进大数据发展行动纲要》，以推进大数据产业发展，深化大数据在各行业的创新应用。大数据在教育领域的应用，正不断推动着教育信息化变革的进行。美国联邦政府教育部技术办公室于2012年4月10日发布《通过教育数据挖掘和学习分析改进教与学：问题简介》，指出在教育中有两个特定的领域会用到大数据：教育数据挖掘和学习分析。
在线学习、云计算出现之前，人们已经开始对教育数据进行收集、分析与利用。20世纪90年代，在智能导师系统（ITS）研究中，研究者和设计者已经开始应用复杂的学习分析方法，这些数据分析的方法被沿用到后来的在线学习环境中。ITS的研究者中，聚焦于研究学生学习过程数据的提取与阐释的部分学者，与关注其他种类学习过程数据的研究者共同建立了国际教育数据挖掘协会，并于2008年召开第一次会议，其协会杂志《教育数据挖掘》于2009年出版了第一期。因此，教育数据挖掘的相关研究可以看作从ITS时代就已经开始了。另外，随着大数据时代的到来，不断涌现的海量学习数据需要使用新的方法与工具进行处理，学习分析应运而生。学习分析作为一个新的研究领域，其研究者关注学习过程与学习环境大数据的处理、在线学习环境设计、学习理论的发展以及在线数据使用中的伦理问题。2011年召开了第一届国际学习分析与知识大会，同年成立了学习分析研究协会（Society for Learning Analytics Research，简称SoLAR）。
一、研究方法
本研究基于文献调研，以“学习分析”为关键词，在CNKI数据库中，以“核心期刊”为筛选条件，检索得到结果89个，手动排除与本研究相关度较低的结果9个，得到期刊论文80篇。利用CiteSpace对80篇论文进行关键词分析，得出与“学习分析”共同出现频数最高的关键词包括“数据挖掘”“大数据”“MOOC”“教育数据挖掘”“教育大数据”“学习行为”“个性化学习”“在线学习”“可视化”“智慧学习”“电子书包”“教学设计”“分析模式”等，结合对论文标题、摘要的梳理，发现国内关于学习分析的研究多集中在理论引介、研究综述、应用模型设计与论证等方面，实证性研究仍属少数。在SSCI数据库中，以“Learning Analytics”为关键词检索，限定领域为“教育与教育研究”，共得到结果387个，将记录导出至Histsite中进行引文关系分析，共得到核心被引文献16篇，其研究内容分布在学习分析的理论探讨、学习分析模型研究、学习分析技术基础、学习分析工具、学习分析应用研究、学习分析面临的困难与挑战等方面。因此，本文尝试从以上几个方面对当前的研究进展进行梳理与总结。
二、学习分析的涵义与理论基础
（一）学习分析的涵义
George Siemens认为学习分析通过应用智能化数据、学习者数据与分析模型，实现对信息与社会性连接的发掘，并为学习提供预测与建议。SOLAR的成员在第一届学习分析与知识大会之前开设了一门MOOC——学习与知识分析（Learning and Knowledge Analytics），在课程介绍中将学习分析定义为“为了理解和优化学习与学习发生的环境，对学习者及其所处境脉的数据进行的测量、收集、分析与报告”。该定义之后得到LAK’11与会学者的认可并被广泛引用。Slade和Prinsloo认为学习分析是对学习者生成的、可提供行为参考的数据进行收集、分析、利用与传播，从而为学习者提供适当且有效的认知、管理支持。以上定义把学习分析定位在技术的范畴，Martin与Sherin则将学习分析作为一个新的学习科学方法集，指出学习分析通过开发工具与技术实现对学习过程与学习结果数据的抓取、存储，基于大量数据发现模式，以生成性和可利用的形式呈现这些数据，并将数据与智能化工具整合以实现学习环境的个性化与优化。
研究者根据自己的理解与实践基础，给出了学习分析的不同定义，但综合而言，学习分析的工作对象是关于学习者与学习过程的数据，要实现的目的是对学习与学习环境的优化，采用的手段是开发特定工具与技术。学习分析目前并未发展为一门独立学科，仍是一个较为松散的新兴研究领域，既包括通过开发特定工具与技术，对学习者与学习过程数据进行挖掘与处理，以实现学习或学习环境的优化与个性化的实践活动，也包括探讨学习分析基本理论与框架，进而促进学习理论与教学设计理论不断向前发展的研究。
（二）学习分析的理论基础
Elias认为学习分析从多个相关领域汲取养料，如商务智能、网站分析、学业分析、教育数据挖掘、行动分析、数据挖掘等。George Siemens总结了推动学习分析发展的相关领域和教育研究活动，包括社会网络分析、用户建模、教育和认知建模、数据库中的知识探索等。Macfadyen等人认为学习分析需要解读海量数据呈现出的特征、问题或规律，必须依靠学习理论、组織行为理论、优秀教学实践案例、知识社区、学生动机、毅力与动机等研究领域的知识。可以发现，尽管数据挖掘、网络技术、学习理论、教学理论、社会网络都为学习分析的研究与实践提供了理论依据，但学习分析的理论基础并未系统化、明朗化，这是学习分析向前发展必然需要解决的问题，也为学习分析的理论研究提出了亟待解决的课题。
