成果展示

我院韩锡斌的译著《教育领域学习分析》出版发行

2020-09-17    点击:

我院韩锡斌、程建钢等老师翻译的译著《教育领域学习分析》(Learning Analytics in Education)近期出版发行。该书为全面系统论述学习分析(Learning Analytics)的最新专著,汇集了来自斯坦福大学、宾州大学、西北大学、卡内基梅隆大学、匹兹堡大学、加州圣迭戈分校、马里兰大学等名校学者的理论研究成果,以及来自硅谷教育机构和企业一线业界专家的实践探索经验。梳理了学习分析的理论与方法基础,论证了学习分析的价值和意义,从多个方面揭示了学习分析对教育教学的变革作用,如促进学习者投入、提升学生学业成就、增强多元学习评价等,讨论了学习分析的隐私、伦理及相关政策问题,展示了学习分析的实践应用。本书是教育领域跨学科研究与实践的最新尝试,为学习分析领域提供了最新的概念框架、分析方法、实践指南和应用案例,对深度理解学习的过程,技术带给学习、教学及其评价的机会和挑战都有重要的意义,对各个层次和类型教育的研究者和实践者都有重要的参考价值。

学习分析(Learning Analytics)可以为学生、教师和教育机构提供更多的实证性依据,以支持学习、教学和教育决策,是当前发展最为迅速的技术促进学习的研究领域之一。学习分析在近几年的快速发展表明了研究者和实践者对其重要性的共识,即对未来教育影响最大的因素是数据及其分析。该领域的研究可以回溯到上世纪及更早的多个研究领域,如十八世纪的统计方法,上世纪50年代的运筹学、商业智能技术、人工智能与数据挖掘、社会网络分析,60年代的文献统计学和科学计量学,70年代的信息可视化,90年代的网络数据分析等。世纪交替之际,互联网开始大规模普及应用,教育领域的数据可以动态便捷地从网络上获取,学习分析领域的研究和实践才真正兴起。2011年召开了第一届学习分析与知识国际会议(The International Conference on Learning Analytics and Knowledge, LAK)并成立了学习分析研究学会(Society for Learning Analytics Research (SoLAR))。会议对学习分析的概念进行了阐述,即学习分析旨在测量、收集、分析、报告学习者及其学习情境的相关数据,以促进对学习过程的理解,并对学习及其发生的环境进行优化。另外一个紧密相关领域是教育数据挖掘(Educational Data Mining,EDM),源于对网络日志数据挖掘的研究,试图借助数据挖掘、机器学习、统计学等领域的技术发展一套针对教育数据的分析方法,理解学习过程,并通过构建技术系统影响学习。第一届国际教育数据挖掘会议(The International Conference on Educational Data Mining,EDM)于2008年召开,2011年基于教育数据挖掘国际研究组成立了国际教育数据挖掘学会(International Educational Data Mining Society)。

2011年秋季学期译者在美国斯坦福大学教育学院访学,师从罗伊•皮(Roy D. Pea)教授。皮教授是斯坦福大学学习科学和技术设计博士项目的创始人,曾任国际学习科学学会的主席,是2010年美国教育部《国家教育技术计划》的编制者之一,参与撰写了2000年发布的第一个系统阐述学习科学的报告《人是如何学习的》(How people learn: Brain, Mind, Experience, and School)以及迄今为止最为完整系统地论述学习科学的《学习科学手册》(The Cambridge Handbook of the Learning Sciences)。2018年4月他发邮件询问是否有出版社愿意将他们的新作Learning Analytics in Education翻译成中文出版。感谢清华大学出版社对前沿研究的敏锐眼光,他们欣然同意购买版权并出版此书。

本书译者团队曾于2017年对学习分析国内外文献做过综述,该领域研究涉及学习分析的概念与综述、系统构成与概念模型、方法与技术、组织实施和效果评价五个方面。概念与综述类、系统构成与概念模型的论文各占近三分之一,方法与技术类的论文占近20%,而组织实施和效果评价方面的研究各占不到10%,表明该领域的研究还在做概念辨析和梳理,更多地聚焦于方法与技术,比较缺乏对教育教学真实问题的解决,理论体系的形成还需更多努力。

本书原版(Learning Analytics in Education)于2018年出版,基于美国教育领域近些年来研究和实践的总结,试图给学习分析领域绘制一个整体框架的蓝图,为下一步努力提供指南。译者认为有以下五个特点值得关注。