[论文解读] What is Learning Analytics about? A Survey of Different Methods Used in 2013-2015

Mohammad Khalil, Martin Ebner|arXiv (Cornell University)|Jun 9, 2016

Online Learning and Analytics参考文献 35被引用 22

一句话总结

本文综述了2013至2015年学习分析研究方法，将这些方法分类为七种方法论类型，并通过Google Scholar识别出引用最多的学术方法。研究强调了伦理挑战，并通过描绘方法论趋势和解决隐私问题，为未来研究奠定了基础。

ABSTRACT

The area of Learning Analytics has developed enormously since the first International Conference on Learning Analytics and Knowledge (LAK) in 2011. It is a field that combines different disciplines such as computer science, statistics, psychology and pedagogy to achieve its intended objectives. The main goals illustrate in creating convenient interventions on learning as well as its environment and the final optimization about learning domain stakeholders. Because the field matures and is now adapted in diverse educational settings, we believe there is a pressing need to list its own research methods and specify its objectives and dilemmas. This paper surveys publications from Learning Analytics and Knowledge conference from 2013 to 2015 and lists the significant research areas in this sphere. We consider the method profile and classify them into seven different categories with a brief description on each. Furthermore, we show the most cited method categories using Google scholar. Finally, the authors raise the challenges and constraints that affect its ethical approach through the meta-analysis study. It is believed that this paper will help researchers to identify the common methods used in Learning Analytics, and it will assist by establishing a future forecast towards new research work taking into account the privacy and ethical issues of this strongly emerged field.

研究动机与目标

• 对2013至2015年间学习分析研究中使用的主要研究方法进行映射与分类。
• 通过Google Scholar的引文分析，识别该领域中最常被引用的方法论类别。
• 阐明学习分析的核心目标与挑战，特别是与伦理和隐私相关的问题。
• 通过建立方法论框架并预测该领域的新兴趋势，为未来研究提供支持。
• 通过方法论特征的元分析，为研究人员在学习分析研究中选择合适技术提供指导。

提出的方法

• 本研究对2013至2015年国际学习分析与知识会议（LAK）的出版物进行了系统性调查。
• 根据其分析方法和应用方式，将研究方法划分为七种类别。
• 作者利用Google Scholar进行引文分析，以确定最具影响力的的方法论类别。
• 通过方法论实践的元分析，识别出学习分析中的伦理挑战与限制。
• 该分类框架基于对调查论文中文献描述的主题与技术分析而构建。
• 本研究强调跨学科整合，借鉴计算机科学、统计学、心理学和教育学，以定义方法论特征。

实验结果

研究问题

• RQ1 2013至2015年间，学习分析研究中占主导地位的方法论途径是什么？
• RQ2 在学习分析文献中，哪些方法论类别被最频繁引用？
• RQ3 学习分析研究的方法论特征如何反映该领域的跨学科性质？
• RQ4 当前学习分析方法中最常关联的伦理与隐私挑战是什么？
• RQ5 标准化的方法论分类如何支持学习分析领域未来的科研与创新？

主要发现

• 识别出的七种方法论类别为：描述性分析、预测性分析、诊断性分析、预测性分析、社交网络分析、数据挖掘和可视化技术。
• 预测性分析和数据挖掘在文献中被引用最多，表明其在学习分析研究中具有核心地位。
• 将心理学和教育学理论与计算方法相结合，是所调查研究中的常见主题。
• 伦理问题，特别是数据隐私和知情同意，经常被列为方法论设计中的主要限制因素。
• 可视化技术被广泛用于支持教育环境中的决策制定和利益相关者参与。
• 本研究证实，学习分析是一个多学科领域，其方法论途径反映了计算机科学、统计学和教育科学的贡献。