《表1 学习分析研究六大挑战及解释》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《LAK十周年：引领与塑造领域之未来——2020学习分析与知识国际会议评述》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

在庆祝LAK过去十年所取得成就的同时，我们也非常清楚，学习分析领域固有的跨学科性质，以及它所具有的多元理论和方法论立场，在未来将面临更大的挑战。为此，瑞安·贝克（Ryan Baker）在LAK2019主题报告中介着重绍了学习分析研究的六大挑战（见表1），这些挑战被界定为具有明确定义的成功标准问题。例如，在LAK 2020中，佩拉内克（Pelánek)[2]探讨了学习分析领域未来发展的三个重要挑战：（1）解决学习环境中固有的权衡问题（Trade-offs)；（2）系统开发的可扩展性（Scalability）；(3）解释方法论问题（Methodology）。首先，他认为学习系统（和一般教育）的发展面临许多权衡问题，比如，对模型一方面的“改进”将有可能导致另一方面的“恶化”，这些权衡问题通常没有所谓“正确”的解决方案；其次，他认为当前的研究已从实验室研究扩展到实际采用，还需要进一步解决系统开发的可扩展性问题，特别是技术的计算效率问题；最后，研究者试图通过提供现成的数据分析解决方案来促进研究，但读者却难以从中获取实现该实验方法的细节。例如，对数据训练集和测试测试集的分层方法等，因此，详细的方法介绍就显得尤为重要。