本文介绍Moodle（魔灯）的学习分析【learning analytics】功能。

一、概述

（一）什么是学习分析？

学习分析是一种算法，用于根据历史数据和当前行为预测或检测学习过程的未知信息。学习分析功能具有四性：

• 描述性【descriptive】（发生了什么？）
• 预测性【predictive】（接下来会发生什么？）
• 诊断性【diagnostic】（为什么会发生？）
• 对策性【prescriptive】（针对问题的处方，以为了改进后续的学习）

大多数商业解决方案只是描述性的。那些具有预测性或前瞻性的方案对学习做出了某些假设，但这些假设并不适用于所有人。

（二）分析【analytics】与报表【report】对比

Moodle（魔灯）提供了基于日志数据的各种内置报表，但它们基本上是描述性的——它们告诉参与者发生了什么，但不告诉他们为什么，它们不预测结果或建议参与者如何改善结果。日志条目虽然非常详细，但其本身并不能描述学习过程。他们告诉我们“谁”、“什么”和“何时”，但不告诉我们“为什么”或“情况如何”。为了形成一种参与模式，每个微观行动都需要更多的背景。
Moodle也有许多提供描述性分析的第三方插件。还有与第三方离站【off-site】报告解决方案的集成。同样，它们主要提供描述性分析，依靠人类的判断来解释报告并生成预测和对策【prescriptions】。
过去，学习分析系统通常试图分析过去的活动，以实时预测未来的活动。通过Moodle Learning Analytics，我们更加雄心勃勃。我们相信，一个完整的学习分析解决方案不仅能帮助我们预测事件，还能让帮助我们正向提升。

（三）特点

1 支持两种类型的模型：
 基于机器学习【Machine-learning】的模型，包括预测模型【predictive models】
 使用简单规则检测关注情况的“静态”模型【”Static” models to detect situations of concern using simple rules】

2 三种内置模型：
 有辍学风险的学生【Students at risk of dropping out】
 即将举行的活动到期【Upcoming activities due】
 没有教学行为【No Teaching】

3 一套基于探究性团体【Community of Inquiry】的学生参与度指标【engagement indicators】。

4 内置工具，用于根据站点数据评估模型

5 使用事件【events】进行主动通知【Proactive notifications】

6 建议的行动【Actions】列表随每个模型的洞察通知【Insight notifications】一起提供。例如，在“有辍学风险的学生”模型中，教师可以轻松地向该模型识别的学生发送消息，或者跳转到该学生的活动报表【Activity report】，以获取有关课程中学生活动的更多详细信息。

7 提供API，为第三方Moodle插件构建指标和预测模型

8 机器学习后端插件类型 – 支持PHP和Python，可以扩展以实现其他机器学习后端

9 基于可重用的目标【targets】、指标【indicators】和其他组件【components】，该系统可以轻松地通过新的定制模型进行扩展。

（四）局限性

1 机器学习模型，比如有辍学风险的学生，必须在有数据的网站上接受训练。这些模型无法在训练完成之前在一个站点上进行预测。

2 模型的设计和选择必须与学校的教学目标优先级相匹配。

二、设置

Moodle的学习分析系统在使用前需要进行一些初始配置。

三、使用学习分析功能

Moodle Learning Analytics API是一个开放系统，可以成为各种模型的基础。模型可以包含指标【indicators】（也称为预测器【predictors】）、目标【targets】（我们试图预测的结果）、洞察【insights】（预测本身）、通知【notifications】（洞察结果发送的消息）和行动【actions】（提供给消息接收者，这些可以反过来成为指标）。
默认情况下，大多数学习分析模型都未启用。应在考虑模型所要支持的目标后，根据目标需要启用相关模型。

四、管理模型

一旦模型被启用和训练，就会产生洞察【insights】。还应监控模型的性能和准确性。