26、研究生在线自主学习行为建模与分析

研究生在线自主学习行为建模与分析

1 自主学习行为分析方法

1.1 滞后序列分析（Lag Sequential Analysis，LSA）

LSA 是一种过渡层面的行为分析方法，常用于检验一个行为到另一个连续行为过渡的显著性。其过渡显著性的计算会考虑过渡频率以及相关行为的边缘分布。在 LSA 中，学习行为被视为行为间的显著过渡。

为了使过渡有意义，行为需要被赋予合理的编码。研究者通常要平衡编码意义和行为规模，以确定最佳分析单元。确定待分析行为时，常见方法如下：
- 从视频/音频记录的文字转录中编码。例如，Zheng 和 Yu（2016）通过分析小组讨论中元认知编码的过渡，发现成绩好的学生在设定或调整目标后倾向于监控小组进程，且错误检测行为与解释解决方案的行为相互交织。
- 采用教育系统中的用户操作。如 Hsu 等人（2017）基于计算机学习系统的屏幕日志，研究认知和元认知提示对学生行为的影响，发现高探究表现的学生依次回顾认知和元认知提示，随后进行监控和评估。

LSA 虽擅长分析直接过渡（滞后 1），但通常会忽略间接过渡（滞后 2 或更多），除非研究者有针对性地进行分析。部分研究者对间接过渡进行了深入研究：
- Liu 等人（2017）使用滞后 2 的 LSA 分析小型私人在线课程（SPOC）平台的点击流日志，不仅发现了认知模式，还识别出元认知模式。
- Malmberg 等人（2017）对协作学习小组的视频数据进行编码，分析直接和间接（滞后 2）过渡，虽未发现与自主学习相关的显著直接过渡，但识别出两个间接过渡：自我监控可能间接导致自我规划，自我规划可能间接导致共同规划。

1.2 序列模式挖掘与差