精准教学
用户画像视角下精准教学设计模式研究
用户画像视角下精准教学设计模式研究
薛 赵 红
( 淮北师范大学 教育学院，安徽 淮北 235000)
关键词: 用户画像; 教学设计模式; 大数据
中图分类号: G40 文献标识码: A
( School of Education，Huaibei Normal University，Huaibei 235000，Anhui)
Key words: user portraits; instructional design model; big data
当下互联网、大数据以及云计算等技术的发展已融入于教育之中。《国家中长期教育改革和发展规划纲要( 2010 － 2020) 》［1］ 中强调“信息技术对教育发展具有革命性影响，必须予以高度重视”。习近平主席也十分关心教育信息化进程，在致首届国际教育信息化大会［2］的贺信中提出“要积极推动信息技术与教育融合创新发展”，并且 2017 年 12 月总书记在中共中央政治局第二次集体学习［3］时，强调“实施国家大数据战略加快建设数字中国”，要推进“互联网 + 教育”。作为大数据的子集，教育大数据悄然而生，促进教育的发展。然而，教学设计作为教育中重要的一环，仍沿袭传统的教学设计模式，不适应大数据环境下教育信息化的发展，不匹配倡导的教育个性化发展前景。因此，本文拟立足于教育大数据，试图发现精准化教学设计模式，这对于个性化教学、学习都有重要意义。
1 教学设计模式研究现状及其困境
1． 1 研究现状
1． 1． 1 ． 教学设计模式的本体研究
主要涉及教学设计的概念及其发展历程、教学设计模式的分类、教学设计的理论基础以及教学设计模式的作用等。首先，迪克凯瑞、瑞格卢斯、肯普、梅瑞尔、我国的冯学斌和乌美娜等人都对教学设计进行了界定，如加涅认为: “教学设计是一个系统化( systematic) 规划教学系统的过程。”［4］。就发展历程而言，美国学者总结概括了教学设计的发展历程。
教学设计起源于第二次世界大战，较早期受程序教学运动的影响，20 世纪 60 年代早期出现标准参照运动、加涅学习领域、教学事件和分层分析理论和形成性评价。70 年代兴起系统方法，80 年代成长与重定向，20 世纪 90 年代教学设计理念与实践的转变至今［5］。其次，模式的分类。不同的学者有不同的分法，如以时间顺序，大体上学界默认有三类模式: 以迪克 － 凯瑞和肯普模式等为代表的第一代模式、以梅瑞尔模式为代表的第二代模式和第三代建构主义教学设计模，如 5E 教学设计模式等。根据理论基础，可分为以学生为主体和以教师为主体的模式［6］。
再次，模式涉及的理论基础主要为学习理论、教学理论和系统论。学习理论主要从行为主义的联结学习到联结—认知学习再到建构主义学习理论，教学理论主要从五段教学理论学科结构理论到九段教学理论掌握学习理论再到建构主义理论，涉及的系统论主要为新老三论［7］。最后，模式的价值作用。美国学者 Ｒobert Maribe Branch 介绍有关教学设计模型作用的信息，如教学设计模型提供概念工具来可视化、指导和管理创建高质量教学和学习材料，区别于已有的文献，他提出的教学既包括教学也包括学习，目的是更好地理解教学设计模型适当使用的问题，教学设计模型是将正确的创作过程与正确的设计情况相匹配的宝贵资源，也是开展教学设计研究的有效框架［8］。自 20 世纪 60 年代以来，教学设计模式大量涌现，虽然教学设计模式及其拓展形式层出不穷，质疑声却不绝于耳，国内外已有大量对教学设计模式的本体研究，研究之路已相当成熟并走向完善。
1． 1． 2 教学设计模式的应用研究
教学设计模式理论研究越来越完备，为教学设计模式的应用研究提供了理论基础。当前，除了传统的课堂教学，我国教学设计模式应用主要体现在翻转课堂、网络课程、微课和研究性学习等课程中。2011 年，曾祥翊构建了以“学生 + 活动”为中心的研究性学习活动教学设计模式( ILACD 模式) ，并将其运用于具体学科教学，验证了其可行性［9］。2015 年，王朋娇等人通过文献分析法，提出了在新型翻转课堂实践中的教学设计模式，提升了教育的质量［10］。国外专家学者亦从各方面展开了应用研究。1987 年，美国的约翰·凯勒教授提出动机激励模型—AＲCS 模型［11］，并依据模型寻找更有效的方法来了解学习动力的主要影响因素，将教学设计模型应用于学生学习动机研究［12］。
1997 年，美国的大卫乔纳森教授认为很少有教学设计方案可以用来解决教学和学习问题。基于信息加工理论，他构建了学习者如何解决这些问题的模型和支持问题解决技能发展的教学设计模式［13］。该模型不强调动机本体( 概念、内涵与类型) ，而是强调分析动机的生成机制以及与其适合的教学策略的实践应用模型。2003 年，荷兰学者讨论了当丰富的学习任务应用于教学时学习者的认知负荷问题，简要地描绘了一个完全符合认知负荷理论( CLT) 的复杂学习的教学设计模型，并得出结论，CLT 为减少内在和外部认知负荷提供了有用的指导方针［14］。2015 年，英国学者选取了 76 个 MOOCS 样本对两种 MOOCS( XMOCOS 和CMOCs) 进行了分析，并比较了两种教学设计质量，得出大多数 MOOCs 在组织和课程材料的呈现方面得分很高，但应用于教学时教学设计质量较低的结论［15］。
1． 2 困境
针对当前教学设计模式研究存在的困境，本文拟从四个方面阐述，即传统情境下的困境、信息化环境下的困境、特殊环境下的困境以及数字化环境下的困境。
1． 2． 1 传统情境下的教学设计模式
传统情境多指学校情境下的教学设计模式。我国教育技术界普遍认同的观点是把教学设计模式划分为以“教”与“学”为主的两类教学设计模式。其中，把前者看作是传统教学设计模式。传统的模式主要研究“教师传递—学生接受”的单项变化，其通常被教学设计领域的学者认为是一个线性过程，具有八个特征［16］: 1 该过程是连续的和线性的。2 规划是自上而下的，系统的。3 目标指导发展。4 拥有特殊知识的专家对教学设计工作至关重要。5 仔细的测序和单项教学非常重要。6 目标是提供预先选定的知识。7 总结性评估至关重要。8 客观数据至关重要。强调专家或教师单项教学对教学设计的重要性，学生被动地接受知识，忽视了学生主体性和创造性，理想的教学效果难以达到。再者，传统的教学设计模式教学目标与教学评价等环节不精确，如“教学设计理论与模型”课程中，某一课时的教学目标可能是“理 解 并 掌 握 迪 克—凯 瑞 教 学 设 计 的 理 论 基础”，其中理解与掌握即是一模糊词，学生的作业测评成绩以优秀、良好、合格或 A、B 和 C 来评估。因此，数据时代，顺应科技的发展，传统情境下的教学设计模式也要紧跟时代的步伐，从应然向实然状态转变，为教育工作者所用。
1． 2． 2 信息化环境下的教学设计模式
近 20 年以来，我国逐步推进信息化教学，如现在所熟知的混合学习和在线教育等多种信息化教学形式，不断地嬗变，未有定型，体现了信息技术逐渐融于教育。但信息化教学设计仍存在诸多困境，如信息化环境尤指小数据环境。分析事物要分析与某事物相关的所有数据，而不是依靠分析少量的数据样本，但记录、存储和分析数据的工具不够先进，过去只能收集少量数据进行分析，很多事情在小规模数据的基础上是无法完成的，只有在大数据的基础上才可以做到［17］。
1． 2． 3 特殊环境下的教学设计模式
特殊环境下的教学设计模式尤指虚拟现实( VＲ)学习和网络学习等。就虚拟现实而言，马来西亚学者在已有文献中发现目前的关注点是 VＲ 学习环境中的教学设计不良问题，他认为有关 VＲ 在教学中的应用研究大多是技术驱动，而不是考虑学习者的个体差异，因此，其研究结果表明基于 VＲ 的学习环境有望适应学习者学习风格差异，但设计基于 VＲ 学习环境的教学设计尤为重要［18］。美国学者也认为虚拟现实技术在教学中的独特之处在于它增强了学习者的认知能力，但在高校中开展虚拟现实教学，不仅涉及财务成本，还需要培训教师。因此，在使用虚拟现实技术时，教学设计者在教学材料的设计和开发中须做出慎重的决定和运用多种教学设计原则［19］。在 VＲ 学习环境中教学设计的困境问题亦较为突出。
1． 2． 4 数字化环境下的教学设计模式
建设以数字化学习、数字化课堂、数字化教学以及数字化管理等构成的数字化校园环境是我国教育信息化发展的重要一步。然而，当前我国教学设计没有充分融入数字化环境，存在信息技术是课堂的“点缀”、是教学媒体、是学生低级思维活动的工具以及将数字化学习与传统学习完全割裂等问题［20］，并且还存在数字化信息管理平台不足够稳定、对于数字化校园建设的资金支持、技术支持、获取用户数据信息权限以及数据隐私保护意识不足等诸多困难。
2 用户画像解决困境的可行性
2． 1 用户画像概念介绍
用户画像又称数据画像或数据肖像。它是由简单、统一的规则生成的，是基于真实交互并且需要用户最新数据，因此其创建成功需注意两个方面: 选择那些最能传达用户信息的数据对象属性并且决定如何直观地可视化这些属性［21］。目前，用户画像在各大电商和信息服务企业的应用已较为成熟，实现了产品经理了解和预测用户需求的精准化服务。而大数据推动了教学、学习和管理模式的变革，教育领域亦可借鉴电子商务领域，引入用户画像，实现精准化教育。
因此，本研究中的用户画像尤指数据画像，是数据环境下，运用大数据技术记录个体或群体在某时间点或某时间段中的行为或心理数据，利用各种数据堆砌人物特征，给人物“画像”，从而更好地为教师进行教学设计活动提供参考，为进一步教育施策提供依据，提高教育绩效。它并非是一种教育理念，而是一种教育技术方法。“数据”特指大数据环境基础。
2． 2 用户画像解决困境的可行性
与当前教学设计模式研究存在的四个困境相对应，基于用户画像本研究中提出了四种可行性。
2． 2． 1 大数据环境下的教学目标与教学评价等环节可实现精准化。
不同于传统情境，大数据环境下的教学目标可去除“理解、掌握和运用”等一类模糊性概念，将目标精准分解易测量，如讲授迪克—凯瑞教学设计模式时，可将教学目标细化为( 1) 快速准确画出模式图。( 2) 十分钟内复述出整个具体教学设计环节。( 3)使用模式为下个知识点规划具体的教学设计过程。
就教学评价而言，传统情境下的教学评价遵循“不看过程只看结果”的原则。大部分家长、教师和学校等个人或团体，以学习成绩评判学生的努力程度，不注重学生的努力过程。而大数据环境下的教学评价机制实现了“过程 + 结果”的评价机制。运用大数据技术记录并分析学习者学习过程中产生的行为数据，一定程度上可预测教学目标的完成情况，也可作为教学评价的部分参考。
2． 2． 2 大数据环境下的数据特指大数据，减少了小数据的局限。
在大数据时代，能收集和分析海量数据，有时甚至可以处理和某个特别现象相关的所有数据，而不再依赖于随机采样［22］，如调查网络对大学生的影响，大数据技术可实现对高校每位学生的调查。大数据不再需要用传统的数据库来排列表格，就可立即产出数据结果。在教育领域，大数据优势亦显而易见，学习者随时产生大量行为数据，不能根据学习者某个时间点或某一天的小数据来预测学习者的学习习惯，大数据技术拥有解决问题的可行性。
2． 2． 3 大数据环境下的教学设计兼顾了特殊环境中学习者的差异。
就虚拟现实( VＲ) 和网络学习等特殊环境而言，学习者的所有学习及行为状态过程都会被记录，最终以数据的形式呈现，以数据为依托，将学习者分成不同水平，并为其提供合适的教学设计情景，在一定程度上兼顾了学习者的差异。有的学者设计了云环境下虚拟机器上的游戏平台，整个学习系统为一个虚拟机器，该平台可将模块化教学场景嵌入其中，并且可将学生信息存储在云端数据库中，系统维护人员可快速地配置学习系统［23］，因此大数据环境兼顾学习者差异有了更多的可行性。
2． 2． 4 大数据环境下的教学设计更加数字化、智能化以及智慧化
近年来，以江苏师范大学陈琳教授为主的一批研究者投入到智慧教育的研究中，并且 2017 年第 16届教育技术国际论坛暨首届智慧教育国际研讨会在江苏徐州召开，这都意味着校园智慧化的大步发展。
大数据环境下的智慧校园形态变革可基本实现，较为困难实现的部分，如学生用户信息管理平台、学校提供技术的资金来源以及对于学生的数据隐私保护等方面亦有可实现的现实与前景。学生的信息数据来源主要包括学生的学习、娱乐以及日常生活操作，因此信息管理平台主要包括学生成绩的教务系统、借阅书籍的图书管理系统、饭卡等一卡通系统、校园网络接入系统以及社团组织系统等。除突发情况外，只有当该信息系统数据用于调查研究时，方可透露用户的数据，如研究者调查在图书馆借阅书籍的种类从而判断用户的学习偏好，用户数据隐私做到绝对保护，不做他用。对于智慧化技术的资金来源，应是多方位的，教育部门可增加财政投入，增设研究项目以及校企合作等方式皆可实现。
3 用户画像支持的教学设计模式遵循原则
在借鉴国外学者的通用教学设计原则［24］ 和国内学者基于网络教育通用教学设计原则［25］ 的基础上，对用户画像支持下的教学设计模式应遵循的原则进行了几点归纳。
3． 1 使用的精准性
数据的准确性尤为重要，这是“学习者”画像的重要依据。虽然有大量学习者的信息可用于教育领域，但仍需要改进测量、收集、分析、报告和跨机构共享数据的过程［26］。2013 年，美国新媒体联盟发布的地平线报告( 高等教育版) 也指出: 当数据通过一个经过验证的框架得到适当的利用时，教育工作者能同时从多个数据集中获取信息［27］。可见，数据来源精准可靠的重要性。
3． 2 弹性的使用方法
精准的目标遵循了学习者的个体差异，在教学活动中为其提供个性化的学习资源需贯穿始终。
3． 3 简单易学
教学中涉及的生成数据的教育载体或教育平台需简单易操作，如学习者打开用于学习的设备终端即跳入学习界面，无须一步步翻找，减少了复杂性。
3． 4 容错设计
学习者在使用终端生成数据时，由于多种原因，会产生误操作，如在使用一卡通借阅书籍时，拿错书目类别时，应允许撤回此操作，减少错误数据。
3． 5 明确的意图
数据环境下的教学设计模式就是适应学习者的不同需求，为他们规划不同的学习路径。
3． 6 具有优良的教学伦理素养
由于不断发展的技术，如位置跟踪技术，可以收集到各种数据，这些数据不仅限于学术数据，还涉及学习者个人数据。学习者认为个人隐私被侵犯，可能不愿将他们的数据用于研究［28］。因此，处理数据中涉及的数据伦理道德问题是必须遵循的原则。
3． 7 智慧的数据生成方法
人机互助。学习者的数据来源大体上可归为学生信息系统和学习管理系统，有别于传统的数据统计方法，大数据技术已满足了瞬间统计数据的需要，因此，在模式的整个过程中，教师做教师所擅长的，充分利用机器的智慧，最大化地发挥人机互助的优势。
3． 8 教学评价多元化
不能一味地靠数据评价。依据容错性原则，部分差错数据的存在会影响教学判断，制定多元化的评价标准有其合理性和存在的必要性。
4 用户画像支持的教学设计模式构建
模型是关于现实或某一理论的抽象或简化的表征［29］。因此，不同的现实情境应有不同的教学设计模式。如今，生产数据规模化的现实情境到来，学习者的直接、间接数据产生，并被记录。依据数据结果可视化特征，能更加精准定位学习者的行为偏好、学习偏好等，并且根据学习者行为或学习数据的数量和属性，可以为不同的学习者用户创建不同的肖像，从而更好地推送不同的学习资源，设计合乎学习者特征的教学设计模式。本研究首先在熟知的 ADDIE模式的基础上构建了大数据环境下用户画像操作流程图，如下图 1 所示。其次，以肯普模式为基础，构建了用户画像支持的教学设计模式，如下图 2 所示。
并在原有经典教学设计模式中注入数据的元素，实现教学设计模式各环节精准化。
4． 1 大数据环境下用户画像操作流程
这里主要从分析设计( 数据收集) 、开发实施( 数据处理) 以及评价( 数据评价) 三方面阐述大数据环境下用户画像支持的教学设计流程。
4． 1． 1 数据收集
学生用户的数据主要包括直接数据与间接数据。基本信息库提供了直接信息，如姓名、性别以及出生年月等，学生管理系统提供了学习者的间接数据信息，如使用一卡通到图书馆借书的学习记录、登录教务管理系统选课评课产生的行为数据以及使用一卡通吃饭打水洗澡产生的个人日常生活数据等。
4． 1． 2 数据处理
数据处理主要包括数据分析师处理已有数据，通过知识建模与教学设计师原有的教学知识协同融合，得出教学分析报告。
4． 1． 3 数据评价
数据评价主要指教学活动后期，利用数据可视化结果，对此次教学活动进行教学评价，更加客观、公正、精准。
4． 2 大数据环境下用户画像支持的教学设计模式
以肯普模式图［30］为基础，将大数据分析的六大过程内置于此，分别对应相应的教学阶段，包括教与学的问题理解、数据准备、数据理解、数据分析、策略方案以及分析报告六个方面。
4． 2． 1 教与学的问题理解
教与学的问题理解在于明确分析目标和思路。相对于传统教学目标模糊，用户画像支持下的教学目标可量化、精细化，即教师必须教会学生什么，学生必须学到什么，而不是使用“理解、领会”类的模糊化概念词。
4． 2． 2 数据准备
数据准备是指各项数据的来源，即采集、清洗与融合各数据问题。学习者的数据来源包括直接数据与间接数据，已呈现在流程图中。数据的清洗与融合至关重要，个别无关数据需被甄别开来，切勿影响教学判断。这些数据可作为教学资源，得出学习者的行为偏好，从而选择课题与任务。
4． 2． 3 数据理解、数据分析
数据理解和数据分析有着异曲同工之妙之处，主要是指通过已获取数据来分析学习者特征，分析学科内容，从而实施教学活动。数据分析师与教学设计师协同对数据材料实施处理。在大数据技术的支持下，数据分析师利用已采集到的学习者直接与间接数据，如通过个体学习者在上午八点刷卡进入图书馆至十一点半离开图书馆，在常规情境下追踪每天的数据信息，判断其学习时间偏好以及其他各方面的偏好，再对其进行学习者的特征建模，教学设计师在自身知识的辅助上，加之学习者特征模型，可刻画( 可视化) 某一时刻或某一过程中个体学习者的“画像”，更加准确了解个体学生学习的过程、趋势以及偏好，为进一步设计教学提供依据，从而实现精准的教学设计模式。
4． 2． 4 策略方案
在已知教学目标、教学内容以及学习者特征之后，制定合乎学习者学习规范的策略方案，提供辅助性教与学的服务，一定程度上实现了精准化教学。
4． 2． 5 分析报告
传统的评价强调评价教师的教学效果以及学生的学习效果，这里主要阐述评价学生的学习效果。传统情境下的教学评价遵循“不看过程只看结果”的原则，并且学习者学习的过程也是难以被刻画、记录的用户画像支持下的教学设计模式打破了传统的教学评价机制单一化的现状，实现了“过程 + 结果”的双向融合。大数据技术记录、跟踪和分析学习者的各方面数据信息，如学习者检索资源的次数和阅读资源的时长等，可作为教学评价的部分参考。“过程 + 结果”的双向标准，可更加精准地描述个体学习者的画像。
5 总结
大数据已经影响到社会生活方方面面，从商业到医疗、经济以及教育等各个领域，而教学设计模式作为教育技术研究的核心领域，也要抓住时代发展的机遇，迎接时代发展的挑战。因此，本文在论述了教学设计模式当前发展的困境以及用户画像解决困境可行性的基础上，构建了用户画像支持下的教学设计模式，以期拓展教学设计模式的研究领域，而当前这方面的研究还较少，希望更多的研究者加入其中。
参考文献:
［1 ］中华人民共和国教育部． 国家中长期教育改革和发展规划纲要( 2010 － 2020 年) ［EB / OL］［2018 －06 － 18］． http: / / www． moe． gov． cn / jyb _ xwfb /s6052 / moe_838 /201008 / t20100802_93704． html．
［2 ］人民网． 习近平: 实施国家大数据战略加快建设数字中国［EB / OL］［2017 － 12 － 09］． http: / / politics． people． com． cn / n1 /2017 /1209 / c1001 － 29696291． html．
［3 ］人民网． 习 近 平 致 国 际 教 育 信 息 化 大 会 的 贺 信［EB / OL］［2018 － 05 － 24］． http: / / politics． people．com． cn / n /2015 /0524 / c1024 － 27046494． html．
［4 ］加涅． 教学设计原理［M］． 5 版． 皮连生，庞维国，译． 上海: 华东师范大学出版社，2007: 2 － 21．
［5 ］Ｒeiser Ｒ A． A history of instructional design and technology: Part I: A history of instructional media［J］． Educational Technology Ｒesearch ＆ Development，2001，49( 1) : 53．
［6 ］何克抗，郑永柏，谢幼如． 教学系统设计［M］． 北京: 北京师范大学出版，2004: 132．
［7 ］那一沙，袁玫，吴子东． 教学设计研究综述［J］． 西南交通大学学报( 社会科学版) ，2013，14( 03) : 109－ 113．
［8 ］Branch Ｒ M，Kopcha T J． Instructional Design Models［M］/ / Handbook of Ｒesearch on Educational Communications and Technology． Springer New York，2014: 607 － 615．
［9 ］曾祥翊． 研 究 性 学 习 活 动 的 教 学 设 计 模 式 研 究［J］． 电化教育研究，2011( 03) : 81 － 88．
［10］王朋娇，段婷婷，蔡宇南，等． 基于 SPOC 的翻转课堂教学设计模式在开放大学中的应用研究［J］． 中国电化教育，2015( 12) : 79 － 86．
［11］Keller J M． Development and use of the AＲCS model of instructional design［J］． Journal of instructional development，1987，10( 3) : 2．
［12］John M． Keller． The systematic process of motivational design［J］． Performance ＆ Instruction，1987，26( 9) :1 － 8．
［13］Jonassen D H． Instructional design models for wellstructured and III-structured problem-solving learning outcomes［J］． Educational technology research and development，1997，45( 1) : 65 － 94．
［14］Jeroen J． G． van Merrienboer，Paul A． Kirschner，Liesbeth Kester． Taking the Load Off a Learner＇s Mind: Instructional Design for Complex Learning［J］． Educational Psychologist，2003，38( 1) : 5 － 13．
［15］Margaryan A，Bianco M，Littlejohn A． Instructional quality of Massive Open Online Courses ( MOOCs )［M］． Elsevier Science Ltd． 2015( 80) ，77 － 83．
［16］Willis J E． A Ｒecursive，Ｒeflective Instructional Design Model Based on Constructivist-Interpretivist Theory［J］．
Educational Technology，1995，35( 6) : 5 － 23．
［17］22］［英］维克托，迈尔 － 舍恩伯格． 大数据时代生活、工作与思维的大变革［M］． 盛杨燕，译． 浙江:浙江人民出版社，2013，13 － 29．
［18］Toh S C． Are Learning Styles Ｒelevant To Virtual Ｒeality［J］． Journal of Ｒesearch on Technology in Education，2005，38( 2) : 123 － 141．
［19］Merchant Z，Goetz E T，Cifuentes L，et al． Effectiveness of virtual reality-based instruction on students’ learning outcomes in K － 12 and higher education: Ameta-analysis［J］． Computers ＆ Education，2014，70( 1) : 29 － 40．
［20］和学新，岳辉． 数字化时代的教学设计探讨［J］． 教育研究与实验，2016( 01) : 54 － 58．
［21］Xiong Ｒ，Donath J． PeopleGarden: creating data portraits for users［C］/ / ACM Symposium on User Interface Software and Technology． ACM，1999: 37 － 44．
［23］Jian M S，Chen J L． Individual learner big data based cloud role player game learning［J］． Intelligent Data Analysis，2017，21( 9) : S41-S53．
［24］Scott S S，Mcguire J M，Shaw S F． Universal Design for Instruction: A New Paradigm for Adult Instruction in Postsecondary Education［J］． Ｒemedial ＆ Special Education，2003，24( 6) : 369 － 379．
［25］张家年． 网络教育中通用教学设计原则和模式的研究［J］． 现代教育技术，2013，23( 02) : 104 － 108．
［26］Verbert K，Manouselis N，Drachsler H，et al． DatasetDriven Ｒesearch to Support Learning and Knowledge
Analytics［J］． Journal of Educational Technology ＆ Society，2012，15( 3) : 133 － 148．
［27］Johnson，L． ，Adams，S． ，Cummins，M． ，Estrada，V． ，Freeman，A． ，＆Ludgate，H． The NMC Horizon Ｒeport: 2013 Higher Education Edition． Austin，TX: The New Media Consortium［EB / OL］［2018 － 05 － 06］． http: / / www． nmc． org / pdf /2013-horizon-report-HE． pdf
［28］Ｒeyes J A． The skinny on big data in education: Learning analytics simplified［J］． TechTrends，2015，59( 2) : 75 － 80．
［29］罗伯特，D． 坦 尼 森，等． 教学 设 计的 国 际 观: 第 1册． 理论·研究·模型［M］． 任友群，译． 北京: 教育科学出版社，2005，399 － 403．
［30］何克抗，郑 永 柏，谢幼如． 教学 系 统 设 计［M］． 北京: 北京师范大学出版社，2004: 41 － 42．
