论文部分内容阅读
[摘要]为厘清学习分析在自我调节学习中的最新研究进展和发展方向，研究以应用框架和融合路径为切入点，系统地分析国外近十年间的18篇高质量实证研究论文。一方面，从学习分析如何应用的角度分析其在自我调节学习中的实证场景、利益相关者和应用技术，得到应用框架：另一方面，从自我调节学习模型出发归纳学习分析支持自我调节学习的切入点、方法、途径和目标，得到融合路径。研究发现，学习分析丰富了自我调节学习的应用场景，以可视化技术为主要工具，通过对学习行为和学习策略的关注，实现以学习分析反馈优化自我调节学习的目标。但纵观全局，当前学习分析的应用更多是为了从侧面衡量、展示自我调节学习，而未从内部支持自我调节学习，即两者的融合仍停留于表层，且对伦理层面关注不足。最后，本研究得到相关启示，以期对后续研究提供理论依据和发展方向。
[关键词]学习分析;自我调节学习;仪表盘;系统性文献综述;融合路径
[中图分类号] G434 [文献标志码]A
一、研究背景
自《教育信息化2.0行动计划》实施以来，网络化教学逐渐成为重要的教学形式。在国外，大多数高等院校也都采用了完全线上或混合的教学模式，以应对待录取学生被大量积压的挑战。但信息化发展为教学注入活力的同时，也为教学带来前所未有的挑战。在线学习的成功取决于学习者自我控制学习过程的能力——自我调节学习（Self-regulated Learning，SRL）能力。自我调节学习是一种可以指导学习者未来学习和工作的技能，它可以通过培训获得。迄今为止，国内外学者从理论体系、要素模型、评估方法、影响因素和干预反馈等方面对自我调节学习展开研究。其中，如何保障自我调节学习真正高效的发生一直是国内外学者关注的焦点。学习分析（Learning Analytics，LA）的出现为自我调节学习研究提供了新的理念和方法。学习分析整合和分析从教育环境中收集的数据，以了解学习者在学习期间如何参与各种学习活动，主要目标是帮助学习者改善学习行为，加强积极学习。自学习分析提出以来，学者从多个角度研究其在各类教学情境中的应用模式。第十届学习分析与知识国际会议提出，将学习分析应用于自我调节学习是重要的研究方向之一。学习分析是否真的融入了自我调节学习，当前学习分析应用于自我调节学习的研究有何特点，未来自我调节学习与学习分析的融合发展之路怎么走，这些都是需要我们厘清的问题。
综上所述，本研究从自我调节学习中学习分析的应用框架和融合路径两个维度出发，系统地分析国外近十年相关研究，梳理研究进展，发现研究不足，总结未来研究的发展方向。
二、研究設计
（一）研究问题与研究方法
本研究通过文献梳理主要解答以下两个问题：（1）自我调节学习中学习分析的应用框架是什么？（2）学习分析与自我调节学习的融合路径有何特征？
本研究以系统性文献综述法总结目标领域的研究进展和发展方向，以期对研究问题作出解答。该方法以研究问题为驱动力，具备标准化的文献筛选流程和分析方法。本研究首先从学习分析如何应用的角度探索其在自我调节学习中的实证场景、利益相关者和应用技术三方面的特点，得到应用框架：然后基于自我调节学习模型，从模型的阶段、要素和研究主题出发，探索学习分析如何支持自我调节学习，得到学习分析与自我调节学习的融合路径。
（二）文献选取
为获取国外有关学习分析在自我调节学习中应用的高质量文献，本研究通过运行查询语句“learning analytics”AND“self-regulated learning”在ScienceDirect、Wiley、Springer、IEEE和Web of Science核心合集五个数据库中检索期刊文章，检索年份为2010年至2020年，共获得340篇文献。此外，学习分析与知识国际会议是学习分析领域重要的国际会议，引领着学习分析的发展方向，因此，本研究以相同查询语句在ACM数字图书馆中检索会议论文，获得112篇文献。本研究按以下标准筛选文献：（1）排除重复的、无法获取全文的、少于6页的文献;（2）文献应为实证或探究类研究，排除文献综述类研究;（3）要明确指出学习分析在研究中扮演的角色，排除笼统地将一般数据分析定义为学习分析的研究;（4）研究要明确指出自我调节学习这一概念，排除仅关注行为、动机等可纳入自我调节学习的要素，但未指明其与自我调节学习的关系的研究。按照上述标准，通过阅读标题和摘要，得到35篇符合要求的文献：再根据筛选条件通读全文，获得最终纳入分析的文献18篇，见表1。
（三）统一模型标准
选取固定的自我调节学习模型，能够帮助研究者统一实证研究中学习分析在自我调节学习中的应用阶段和要素，更直观、准确地梳理评估文献。本研究以Pintrich的自我调节学习模型为标准进行系统性文献综述，见表2。与其他模型相比，该模型基本囊括了其他模型对自我调节学习阶段和要素的分类标准，而且详细解释了各阶段与要素间的自我调节学习表现，为后续准确、清晰地梳理文献提供指导。
三、学习分析在自我调节学习中的
应用框架分析
本节着眼于如何在自我调节学习中应用学习分析，从实证场景、利益相关者和应用技术三方面展示分析结果，并展开讨论。
（一）数据分析结果
1.实证场景
对实证研究过程按实证环境、持续时间、样本数量和对象年级进行统计，得到的结果如图1所示。
由图1（i）可知，混合学习为主要研究环境，包括翻转课堂、混合学习管理系统、混合技术增强学习等。在线学习的实证研究以MOOC为主要平台;此外虚拟学习环境、自适应学习环境、个人学习环境等技术增强学习环境也是此类研究常见的实证环境。由图1（ii）可知，学习分析在自我调节学习中实证时间普遍较长，近一半实证超10周，仅有极少数研究的持续时间为几节课。由图1（iii）可知，实证研究中的样本数量级普遍较大，除1篇样本数量仅有14人和2篇未报告样本数量外，其余文献的实证样本数量均符合统计学要求。常见的样本数量依次是100～500人（N=8）、30～100人（N=4）、500人以上（N=3）。由图1（iv）可知，超过60%的实证以本科生为研究对象，少量研究关注了研究生、基础教育学习者（K-12）和已就业学习者，有2篇文献没有报告实证对象身份。 2.利益相关者与技术应用特点
作者将利益相关者归纳为学习者、教师和研究者，并从数据源（平台日志文件、问卷数据、课堂数据等）、技术方法[分析方法归纳为可视化分析、路径/序列分析、网络分析、聚类分析、一般性分析（如描述性统计、相关分析等）]和结果呈现方式[文本、仪表盘、路径图、网络图、一般性图表（如条形图、折线图、饼图等）]三方面统计学习分析技术应用情况。需要特别说明的是，虽然仪表盘多以一般性图表的形式呈现，但本研究在进行编码时，仅对明确定义“仪表盘”概念的文献记录为仪表盘，无特殊说明的统一归类为“一般性图表”。
由表3可知，当前学习分析应用于自我调节学习的常见利益相关者依次是研究者（N=11）、学习者（N=8）和教师（N=3）。学习分析的数据源以平台日志文件为主，包括学习者的行为数据、各类事件时间戳、用户ID、课程模块ID、学习时间等。除平台日志文件外，问卷数据、平台互动数据、课堂数据等也是常见数据源，且多与平台日志文件结合使用。学习分析方法的选择受作用对象影响，可视化分析多面向学习者，而聚类分析和网络分析则面向研究者，路径分析对三类对象都适用。学习分析的呈现方式中，仪表盘主要面向学习者，路径图主要面向研究者，一般性图表在三类对象中都有应用。需要特别指出的是，文本也是呈现学习分析结果的方式，研究者通过邮件或短信的方式将分析结果发送给作用对象。
（二）讨论
依据分析结果，本研究得到了自我调节学习中学习分析的应用框架，如图2所示，学习分析的加入给自我调节学习带来新特征。
1.学习分析革新自我调节学习的实证场景
第一，技术支持的学习是主要的应用场景。究其原因，一是这类学习场景弱化了教师对学习者的指导作用，强化了学习者自我管理对学习的影响，这使得学习者的自我调节学习能力直接影响学习效果：二是在这类场景中，教师能否提供优质的教学设计、学习者能否高质量地完成学习、管理者能否高效地管理系统都受到技术的影响。因此，在技术支持教学的环境中应用学习分析支持自我调节学习是必然趋势。第二，样本数量大、持续时间长。技术支持学习的环境通常以在线教学为主，这类环境中的学习者数量远高出普通课堂。此外，学习者的自我调节学习能力具有一定的稳定性，要真正帮助学习者提高自我调节学习能力不仅要有合理的辅助策略，研究的持续性同样重要。第三，研究对象以成年人为主，对K-12学习者关注不足。有研究表明，我们应该关注如何培养K-12学习者的自我调节学习能力。但本研究发现，学习分析應用于自我调节学习的研究对象多为成年人，尤其以本科生为主。究其原因，K-12阶段以课堂教学为主，物理环境限制了学习分析的融入。而高等教育的学习方式更加多元化，这为学习分析提供了必要的应用和发展环境。
2.学习分析支持自我调节学习的利益相关者
利益相关者是学习分析应用于自我调节学习的落脚点。学习分析面向利益相关者，分析、优化、促进自我调节学习。本研究对文献分析后发现，当前主要的利益相关者依次是研究者、学习者、教师。研究者将学习分析引入自我调节学习以研究学习者自我调节学习的学习行为、学习策略、认知或元认知水平以及自我调节学习与学习成效之间的关系等。学习者是自我调节学习的主体，是利用学习分析技术研究自我调节学习的数据来源。少部分研究利用学习分析技术向学习者呈现学习过程或学习时间，以帮助学习者优化学习策略。极少数的研究面向教师以学习分析可视化技术呈现学习者的学习状态。虽然学习分析支持各类对象理解自我调节学习，但总的来说，这类研究将学习分析置于自我调节学习的外围，以旁观者的身份去分析、评价自我调节学习，对如何支持学习者未来发展的关注不足。
3.利益相关者决定技术方法，学习分析统筹技术应用
学习分析方法和呈现方式由利益相关者决定。方法上，对学习者来说，可视化分析是学习分析的主要方法之一，它能够直观地帮助学习者了解自身的学习特点。对研究者来说，聚类分析是主要的学习分析方法，它能够帮助研究者从学习行为、学习策略、认知水平等方面区分学习者，发现不同类型学习者存在的问题，为设计干预策略和改进下一步研究提供依据。呈现方式上，学习分析仪表盘是重要呈现方式，与学习干预和反馈有重要联系。在自我调节学习中，学习分析仪表盘主要面向学习者和教师。因为与学习分析伴随而来的，是个性化地辅助、支持、干预学习者进行自我调节学习，是帮助教师迅速把握整体的学习情况。仪表盘直观、舒适的呈现方式能最大限度地实现这一目标。对研究者而言，学习分析通常以聚类图、路径图和网络图呈现分析结果。与之前直接获取的平台显性数据不同，现在更多地强调利用学习分析挖掘日志文件中的隐形信息。研究趋势表明，显性的、可直接获取的平台数据已经不足以支撑我们开展深度研究，将平台的日志数据利用多种方法加以计算，能够帮助研究者发现新的研究点，同时发现学习分析表征自我调节学习的新范式。
四、学习分析在自我调节学习中的融合路径分析
本节立足于自我调节学习理论模型，统计学习分析对自我调节学习各阶段和要素的支持情况，并对研究主题进行归纳总结，以发现两者的融合路径，并展开讨论。
（一）数据分析结果
1.学习分析作用于自我调节学习的阶段和要素统计
本研究以Pintrich的自我调节学习模型为标准，统计学习分析在自我调节学习中作用的阶段和要素，见表4。
按自我调节学习的阶段来划分，学习分析对自我调节学习第3阶段（N=23）的支持最多，其次是第1阶段（N=16）、第2阶段（N=11）、第4阶段（N=9）。按自我调节学习的要素来划分，学习分析对自我调节学习的行为分析最多（N=24），其次是认知（N=23）、动机（N=11）、背景（N=4）。综合来看，学习分析主要应用于第1阶段对认知的分析，具体表现为对目标设定和元认知知识的分析：第3阶段对动机/情感的分析，具体表现为学习策略的选择和适应，如时间管理策略：第3阶段对行为的分析，具体表现为寻求帮助行为等。此外，第1阶段的行为要素、第2～4阶段的认知要素，也是学习分析在自我调节学习中的重点关注指标。相比之下，学习分析在自我调节学习第4阶段的应用偏少，对情感、背景等要素分析不足。 2.学习分析在自我调节学习中应用的研究主题分析
本研究统计分析18篇实证文献的研究主题，发现研究主题可归纳为关注学习者的学习策略、分析学习者的学习行为、利用仪表盘等可视化工具分析/支持自我调节学习、利用学习分析向学习者提供反馈，具体分析结果如图3所示。
结果表明，利用学习分析研究自我调节学习策略是最常见的研究主题（N=9，50%），其次是学习行为（N=5，28%）、可视化技术（N=3，17%）、学习分析反馈（N=1，5%）。其中，与学习策略有关的9项研究中，有5项研究与时间管理策略有关，有1项研究与元认知策略相关，有1项研究与寻求帮助策略有关。而在与可视化学习分析技术相关的研究中，有2项研究与仪表盘有关。
（二）讨论
基于分析结果，本研究归纳出学习分析与自我调节学习的融合路径，如图4所示。
1.融合路径解读
融合之始——学习分析与自我调节学习阶段&要素。研究表明，在不同阶段，学习分析关注不同的要素，扮演不同的角色。在预见、计划、激活阶段，学习分析主要有两个作用：一是呈现任务要求或目标，二是提供制定计划或激活知识的辅助资源。在监测阶段，学习分析帮助学习者监控学习过程中的行为、情感、认知等方面，让学习者把握学习进度，了解所处学习环境。在控制阶段，学习分析一方面能够帮助研究者发现学习者是如何选择和适应学习策略的，另一方面能夠为学习者提供合适的学习策略，帮助学习者控制学习过程。在反应与反思阶段，学习分析能够帮助学习者评估任务和环境，对学习结果进行归因。上述分析同样证明，学习分析在与自我调节学习各阶段融合时，也与自我调节学习各要素建立了联系。对于认知要素，学习分析能捕捉认知水平和领域知识;对于动机要素，学习分析能测量动机因素和学习策略;对于行为要素，学习分析能表征学习行为;对于背景要素，学习分析能感知学习情境和学习任务。综上所述，从自我调节学习的阶段和要素着手，寻求学习分析融入自我调节学习的契机，是开启两者融合之路的第一步。
融合之器——学习分析可视化&仪表盘。学习分析是多种技术方法的集合，面向不同的人群，适用于不同的学习环境，能够实现不同的目标。可视化技术的最大优势是能够将各类分析结果准确、直观地呈现，以引起特定人群的关注，达到告知、激励、反馈、辅助的效果。研究结果表明，以学习分析仪表盘为代表的可视化分析技术是促进自我调节学习的重要手段。Cha等人在MOOC中应用学习分析开发促进学习者自我调节学习的仪表盘。Jivet等人则关注学习分析仪表盘对学习者自我调节学习的影响。由此可知，可视化技术尤其是学习分析仪表盘在分析、支持、优化自我调节学习方面有巨大的应用价值。
融合之途——学习行为&学习策略。国外相关研究证明，关注学习行为和学习策略是学习分析与自我调节学习融合的两条重要途径。在技术支持学习的环境下，学习者的行为数据被记录到日志文件中，学习分析的加入使得隐含在日志数据中的行为特征得以挖掘，使研究者更深入地理解自我调节学习，实现了学习分析与自我调节学习的融合。学习策略则更直观地体现了学习者在自我调节学习中的适应力和调节力。自我调节学习的学习策略能够体现自我调节学习的多个阶段和要素，例如：记录和监控策略体现了学习者对认知、学习动机种情感以及学习行为等要素的监控;元认知策略则包含了目标计划、监测和控制等阶段。研究者既可以通过关注学习策略来发现学习者自我调节学习的个性特征，也能够通过提供合适的学习策略帮助学习者更好地完成自我调节学习。综上所述，利用学习分析研究自我调节学习行为和策略是促进两者融合的重要途径之一。
融合之旨——以学习分析反馈优化/促进自我调节学习。相比于对学习策略、学习行为的高关注度，以反馈为主题的研究较少。Lim等人考查了基于学习分析的反馈系统对学习者的自我调节学习的影响，证明了学习分析反馈能够支持自我调节学习。虽然其他研究并未将反馈作为研究主题，但在研究结尾部分，多项研究明确指出，基于学习者的行为、认知或学习策略等特征，向学习者提供个性化的反馈或干预，能够实现优化自我调节学习的目标。纵观全局，国外学者从多方面入手研究学习分析在自我调节学习中的融合方法：从理论模型出发寻找学习分析融入自我调节学习的切入点;统筹多种技术方法观测、挖掘平台日志数据的隐形信息，并用可视化的方法呈现出来：利用学习者产生的行为数据表征学习策略，逐渐形成学习分析融入自我调节学习的发展之路：而学习分析融入自我调节学习的最终目的是能够利用技术促进自我调节学习的发展，突破自我调节学习发展的瓶颈，学习分析反馈的出现为实现这一目标提供了“金钥匙”。
2.学习分析与自我调节学习融合的优化方向
虽然当前研究已经形成了一条较为完备的学习分析与自我调节学习融合之路，但学习分析与自我调节学习的融合仍存在发展不平衡现象，见表4。首先，自我调节学习背景受学习分析支持不足。自我调节学习背景主要包括任务感知、情境感知、监测环境条件、改变环境、评估任务等。相关研究多关注环境/任务监测和改变环境等方面，对环境/任务评估的关注不足。其次，学习分析主要支持自我调节学习的第1阶段认知要素、第2阶段动机和行为要素。即学习分析当前重点关注自我调节学习的目标设定、认知/元认知知识、学习管理策略、学习行为改变等方面。这是因为这些指标与自我调节学习的整体计划、学习调节、学习效果和干预反馈有密切联系，且这些指标通常能够通过挖掘日志文件数据获得，提高了学习分析的利用率和分析结果的准确性。最后，学习分析对于自我调节学习的情感关注不足。在自我调节学习中，动机和情感被归纳为同一要素，但有关自我调节学习的研究多关注学习者动机，而忽略学习者情感。情感是影响学习成效的重要因素之一，但因其变化快、持续时间短、情绪种类多等特点，给情感研究带来极大难度。在未来，学习分析技术进一步发展（如多模态学习分析的出现）可能为情感分析带来新的曙光。 综上所述，虽然当前研究基本实现了学习分析与自我调节学习的全方位融合，但其融合层次相对表层化。学习分析对自我调节学习的分析多从捕捉、测量、评估等角度切入，而非从内部支持、促进自我调节学习。总的来说，虽然学习分析已经逐渐应用于自我调节学习，但其应用模式仍未明确。因此，我们需要在理论模型的基础上，全方位、深层次探究学习分析支持自我调节学习的融合之路。
五、研究启示
研究表明，国外学者已从多个方面探究了支持自我调节学习的学习分析应用方法和使用效果，证明了学习分析对自我调节学习的发展有重要意义。但当前的实证研究存在一定局限性，在研究对象的选取、学习分析与自我调节学习模型的融合以及伦理问题等方面存在不足。作者根據研究发现，得到以下启示：
1.关注学习分析仪表盘对自我调节学习的作用模式
学习分析旨在发现问题、解决问题、呈现结果。而学习分析仪表盘在呈现研究结果、提供学习反馈、干预学习行为等方面有重要应用价值。本研究发现，仪表盘能够向学习者展示自身的学习计划、学习进度，也能够通过呈现学习阶段性结果给学习者提供干预措施。这种模块化的可视化方式，在自我调节学习领域有重要的应用前景。
2.强化学习分析对自我调节学习的预判分析能力
本研究发现，自我调节学习中学习分析的应用方式以关注、分析、呈现为主，对于预测学习者后续学习行为关注不足。未来研究应关注如何利用已有数据预测学习者后续自我调节学习特征，或利用实时数据获得学习者即时的学习状态，并据此提出适合学习者后续发展的学习策略，最大限度地辅助学习者完成学习任务，培养自我调节学习能力。
3.注重实证科学性，避免“黑箱”现象
本研究发现，学习分析支持自我调节学习的实证研究多以前后对比实验为主，较少采用对照实验。虽然前后对比实验在一定程度上能够证明学习分析对自我调节学习的作用效果，但学习分析是如何促进自我调节学习的，自我调节学习的哪些行为指标的改变是由学习分析引发的，这些疑问在当前实证设计中很难得到科学的解答。因此，在未来研究中，除了要细化研究焦点，更要确保实证研究的科学性和准确性。
4.加强对数据隐私等伦理问题的关注
在梳理文献过程中，作者发现相关研究对伦理问题关注不足，18篇文献中仅有2篇文献明确指出研究得到伦理委员会支持。数字化、信息化的发展带来了隐私保护等伦理困境。学习分析多以学习者的日志数据为数据源，这类日志数据通常是在学习者无感的情况下收集的。因此，在未来研究中，我们需要解决数据所有权、安全性、透明度、学习者隐私等道德伦理问题。
学习分析拓宽了我们对学习者自我调节学习的理解。本研究采用系统性文献综述的方法分析国外近十年间18篇高质量学习分析应用于自我调节学习的实证研究论文，从应用框架和融合路径两个维度人手梳理文献，厘清国外最新研究进展，发现研究存在的局限性，总结出学习分析在自我调节学习中的未来发展路径，以期为相关领域的学者提供理论支持和研究启示。
[关键词]学习分析;自我调节学习;仪表盘;系统性文献综述;融合路径
[中图分类号] G434 [文献标志码]A
一、研究背景
自《教育信息化2.0行动计划》实施以来，网络化教学逐渐成为重要的教学形式。在国外，大多数高等院校也都采用了完全线上或混合的教学模式，以应对待录取学生被大量积压的挑战。但信息化发展为教学注入活力的同时，也为教学带来前所未有的挑战。在线学习的成功取决于学习者自我控制学习过程的能力——自我调节学习（Self-regulated Learning，SRL）能力。自我调节学习是一种可以指导学习者未来学习和工作的技能，它可以通过培训获得。迄今为止，国内外学者从理论体系、要素模型、评估方法、影响因素和干预反馈等方面对自我调节学习展开研究。其中，如何保障自我调节学习真正高效的发生一直是国内外学者关注的焦点。学习分析（Learning Analytics，LA）的出现为自我调节学习研究提供了新的理念和方法。学习分析整合和分析从教育环境中收集的数据，以了解学习者在学习期间如何参与各种学习活动，主要目标是帮助学习者改善学习行为，加强积极学习。自学习分析提出以来，学者从多个角度研究其在各类教学情境中的应用模式。第十届学习分析与知识国际会议提出，将学习分析应用于自我调节学习是重要的研究方向之一。学习分析是否真的融入了自我调节学习，当前学习分析应用于自我调节学习的研究有何特点，未来自我调节学习与学习分析的融合发展之路怎么走，这些都是需要我们厘清的问题。
综上所述，本研究从自我调节学习中学习分析的应用框架和融合路径两个维度出发，系统地分析国外近十年相关研究，梳理研究进展，发现研究不足，总结未来研究的发展方向。
二、研究設计
（一）研究问题与研究方法
本研究通过文献梳理主要解答以下两个问题：（1）自我调节学习中学习分析的应用框架是什么？（2）学习分析与自我调节学习的融合路径有何特征？
本研究以系统性文献综述法总结目标领域的研究进展和发展方向，以期对研究问题作出解答。该方法以研究问题为驱动力，具备标准化的文献筛选流程和分析方法。本研究首先从学习分析如何应用的角度探索其在自我调节学习中的实证场景、利益相关者和应用技术三方面的特点，得到应用框架：然后基于自我调节学习模型，从模型的阶段、要素和研究主题出发，探索学习分析如何支持自我调节学习，得到学习分析与自我调节学习的融合路径。
（二）文献选取
为获取国外有关学习分析在自我调节学习中应用的高质量文献，本研究通过运行查询语句“learning analytics”AND“self-regulated learning”在ScienceDirect、Wiley、Springer、IEEE和Web of Science核心合集五个数据库中检索期刊文章，检索年份为2010年至2020年，共获得340篇文献。此外，学习分析与知识国际会议是学习分析领域重要的国际会议，引领着学习分析的发展方向，因此，本研究以相同查询语句在ACM数字图书馆中检索会议论文，获得112篇文献。本研究按以下标准筛选文献：（1）排除重复的、无法获取全文的、少于6页的文献;（2）文献应为实证或探究类研究，排除文献综述类研究;（3）要明确指出学习分析在研究中扮演的角色，排除笼统地将一般数据分析定义为学习分析的研究;（4）研究要明确指出自我调节学习这一概念，排除仅关注行为、动机等可纳入自我调节学习的要素，但未指明其与自我调节学习的关系的研究。按照上述标准，通过阅读标题和摘要，得到35篇符合要求的文献：再根据筛选条件通读全文，获得最终纳入分析的文献18篇，见表1。
（三）统一模型标准
选取固定的自我调节学习模型，能够帮助研究者统一实证研究中学习分析在自我调节学习中的应用阶段和要素，更直观、准确地梳理评估文献。本研究以Pintrich的自我调节学习模型为标准进行系统性文献综述，见表2。与其他模型相比，该模型基本囊括了其他模型对自我调节学习阶段和要素的分类标准，而且详细解释了各阶段与要素间的自我调节学习表现，为后续准确、清晰地梳理文献提供指导。
三、学习分析在自我调节学习中的
应用框架分析
本节着眼于如何在自我调节学习中应用学习分析，从实证场景、利益相关者和应用技术三方面展示分析结果，并展开讨论。
（一）数据分析结果
1.实证场景
对实证研究过程按实证环境、持续时间、样本数量和对象年级进行统计，得到的结果如图1所示。
由图1（i）可知，混合学习为主要研究环境，包括翻转课堂、混合学习管理系统、混合技术增强学习等。在线学习的实证研究以MOOC为主要平台;此外虚拟学习环境、自适应学习环境、个人学习环境等技术增强学习环境也是此类研究常见的实证环境。由图1（ii）可知，学习分析在自我调节学习中实证时间普遍较长，近一半实证超10周，仅有极少数研究的持续时间为几节课。由图1（iii）可知，实证研究中的样本数量级普遍较大，除1篇样本数量仅有14人和2篇未报告样本数量外，其余文献的实证样本数量均符合统计学要求。常见的样本数量依次是100～500人（N=8）、30～100人（N=4）、500人以上（N=3）。由图1（iv）可知，超过60%的实证以本科生为研究对象，少量研究关注了研究生、基础教育学习者（K-12）和已就业学习者，有2篇文献没有报告实证对象身份。 2.利益相关者与技术应用特点
作者将利益相关者归纳为学习者、教师和研究者，并从数据源（平台日志文件、问卷数据、课堂数据等）、技术方法[分析方法归纳为可视化分析、路径/序列分析、网络分析、聚类分析、一般性分析（如描述性统计、相关分析等）]和结果呈现方式[文本、仪表盘、路径图、网络图、一般性图表（如条形图、折线图、饼图等）]三方面统计学习分析技术应用情况。需要特别说明的是，虽然仪表盘多以一般性图表的形式呈现，但本研究在进行编码时，仅对明确定义“仪表盘”概念的文献记录为仪表盘，无特殊说明的统一归类为“一般性图表”。
由表3可知，当前学习分析应用于自我调节学习的常见利益相关者依次是研究者（N=11）、学习者（N=8）和教师（N=3）。学习分析的数据源以平台日志文件为主，包括学习者的行为数据、各类事件时间戳、用户ID、课程模块ID、学习时间等。除平台日志文件外，问卷数据、平台互动数据、课堂数据等也是常见数据源，且多与平台日志文件结合使用。学习分析方法的选择受作用对象影响，可视化分析多面向学习者，而聚类分析和网络分析则面向研究者，路径分析对三类对象都适用。学习分析的呈现方式中，仪表盘主要面向学习者，路径图主要面向研究者，一般性图表在三类对象中都有应用。需要特别指出的是，文本也是呈现学习分析结果的方式，研究者通过邮件或短信的方式将分析结果发送给作用对象。
（二）讨论
依据分析结果，本研究得到了自我调节学习中学习分析的应用框架，如图2所示，学习分析的加入给自我调节学习带来新特征。
1.学习分析革新自我调节学习的实证场景
第一，技术支持的学习是主要的应用场景。究其原因，一是这类学习场景弱化了教师对学习者的指导作用，强化了学习者自我管理对学习的影响，这使得学习者的自我调节学习能力直接影响学习效果：二是在这类场景中，教师能否提供优质的教学设计、学习者能否高质量地完成学习、管理者能否高效地管理系统都受到技术的影响。因此，在技术支持教学的环境中应用学习分析支持自我调节学习是必然趋势。第二，样本数量大、持续时间长。技术支持学习的环境通常以在线教学为主，这类环境中的学习者数量远高出普通课堂。此外，学习者的自我调节学习能力具有一定的稳定性，要真正帮助学习者提高自我调节学习能力不仅要有合理的辅助策略，研究的持续性同样重要。第三，研究对象以成年人为主，对K-12学习者关注不足。有研究表明，我们应该关注如何培养K-12学习者的自我调节学习能力。但本研究发现，学习分析應用于自我调节学习的研究对象多为成年人，尤其以本科生为主。究其原因，K-12阶段以课堂教学为主，物理环境限制了学习分析的融入。而高等教育的学习方式更加多元化，这为学习分析提供了必要的应用和发展环境。
2.学习分析支持自我调节学习的利益相关者
利益相关者是学习分析应用于自我调节学习的落脚点。学习分析面向利益相关者，分析、优化、促进自我调节学习。本研究对文献分析后发现，当前主要的利益相关者依次是研究者、学习者、教师。研究者将学习分析引入自我调节学习以研究学习者自我调节学习的学习行为、学习策略、认知或元认知水平以及自我调节学习与学习成效之间的关系等。学习者是自我调节学习的主体，是利用学习分析技术研究自我调节学习的数据来源。少部分研究利用学习分析技术向学习者呈现学习过程或学习时间，以帮助学习者优化学习策略。极少数的研究面向教师以学习分析可视化技术呈现学习者的学习状态。虽然学习分析支持各类对象理解自我调节学习，但总的来说，这类研究将学习分析置于自我调节学习的外围，以旁观者的身份去分析、评价自我调节学习，对如何支持学习者未来发展的关注不足。
3.利益相关者决定技术方法，学习分析统筹技术应用
学习分析方法和呈现方式由利益相关者决定。方法上，对学习者来说，可视化分析是学习分析的主要方法之一，它能够直观地帮助学习者了解自身的学习特点。对研究者来说，聚类分析是主要的学习分析方法，它能够帮助研究者从学习行为、学习策略、认知水平等方面区分学习者，发现不同类型学习者存在的问题，为设计干预策略和改进下一步研究提供依据。呈现方式上，学习分析仪表盘是重要呈现方式，与学习干预和反馈有重要联系。在自我调节学习中，学习分析仪表盘主要面向学习者和教师。因为与学习分析伴随而来的，是个性化地辅助、支持、干预学习者进行自我调节学习，是帮助教师迅速把握整体的学习情况。仪表盘直观、舒适的呈现方式能最大限度地实现这一目标。对研究者而言，学习分析通常以聚类图、路径图和网络图呈现分析结果。与之前直接获取的平台显性数据不同，现在更多地强调利用学习分析挖掘日志文件中的隐形信息。研究趋势表明，显性的、可直接获取的平台数据已经不足以支撑我们开展深度研究，将平台的日志数据利用多种方法加以计算，能够帮助研究者发现新的研究点，同时发现学习分析表征自我调节学习的新范式。
四、学习分析在自我调节学习中的融合路径分析
本节立足于自我调节学习理论模型，统计学习分析对自我调节学习各阶段和要素的支持情况，并对研究主题进行归纳总结，以发现两者的融合路径，并展开讨论。
（一）数据分析结果
1.学习分析作用于自我调节学习的阶段和要素统计
本研究以Pintrich的自我调节学习模型为标准，统计学习分析在自我调节学习中作用的阶段和要素，见表4。
按自我调节学习的阶段来划分，学习分析对自我调节学习第3阶段（N=23）的支持最多，其次是第1阶段（N=16）、第2阶段（N=11）、第4阶段（N=9）。按自我调节学习的要素来划分，学习分析对自我调节学习的行为分析最多（N=24），其次是认知（N=23）、动机（N=11）、背景（N=4）。综合来看，学习分析主要应用于第1阶段对认知的分析，具体表现为对目标设定和元认知知识的分析：第3阶段对动机/情感的分析，具体表现为学习策略的选择和适应，如时间管理策略：第3阶段对行为的分析，具体表现为寻求帮助行为等。此外，第1阶段的行为要素、第2～4阶段的认知要素，也是学习分析在自我调节学习中的重点关注指标。相比之下，学习分析在自我调节学习第4阶段的应用偏少，对情感、背景等要素分析不足。 2.学习分析在自我调节学习中应用的研究主题分析
本研究统计分析18篇实证文献的研究主题，发现研究主题可归纳为关注学习者的学习策略、分析学习者的学习行为、利用仪表盘等可视化工具分析/支持自我调节学习、利用学习分析向学习者提供反馈，具体分析结果如图3所示。
结果表明，利用学习分析研究自我调节学习策略是最常见的研究主题（N=9，50%），其次是学习行为（N=5，28%）、可视化技术（N=3，17%）、学习分析反馈（N=1，5%）。其中，与学习策略有关的9项研究中，有5项研究与时间管理策略有关，有1项研究与元认知策略相关，有1项研究与寻求帮助策略有关。而在与可视化学习分析技术相关的研究中，有2项研究与仪表盘有关。
（二）讨论
基于分析结果，本研究归纳出学习分析与自我调节学习的融合路径，如图4所示。
1.融合路径解读
融合之始——学习分析与自我调节学习阶段&要素。研究表明，在不同阶段，学习分析关注不同的要素，扮演不同的角色。在预见、计划、激活阶段，学习分析主要有两个作用：一是呈现任务要求或目标，二是提供制定计划或激活知识的辅助资源。在监测阶段，学习分析帮助学习者监控学习过程中的行为、情感、认知等方面，让学习者把握学习进度，了解所处学习环境。在控制阶段，学习分析一方面能够帮助研究者发现学习者是如何选择和适应学习策略的，另一方面能夠为学习者提供合适的学习策略，帮助学习者控制学习过程。在反应与反思阶段，学习分析能够帮助学习者评估任务和环境，对学习结果进行归因。上述分析同样证明，学习分析在与自我调节学习各阶段融合时，也与自我调节学习各要素建立了联系。对于认知要素，学习分析能捕捉认知水平和领域知识;对于动机要素，学习分析能测量动机因素和学习策略;对于行为要素，学习分析能表征学习行为;对于背景要素，学习分析能感知学习情境和学习任务。综上所述，从自我调节学习的阶段和要素着手，寻求学习分析融入自我调节学习的契机，是开启两者融合之路的第一步。
融合之器——学习分析可视化&仪表盘。学习分析是多种技术方法的集合，面向不同的人群，适用于不同的学习环境，能够实现不同的目标。可视化技术的最大优势是能够将各类分析结果准确、直观地呈现，以引起特定人群的关注，达到告知、激励、反馈、辅助的效果。研究结果表明，以学习分析仪表盘为代表的可视化分析技术是促进自我调节学习的重要手段。Cha等人在MOOC中应用学习分析开发促进学习者自我调节学习的仪表盘。Jivet等人则关注学习分析仪表盘对学习者自我调节学习的影响。由此可知，可视化技术尤其是学习分析仪表盘在分析、支持、优化自我调节学习方面有巨大的应用价值。
融合之途——学习行为&学习策略。国外相关研究证明，关注学习行为和学习策略是学习分析与自我调节学习融合的两条重要途径。在技术支持学习的环境下，学习者的行为数据被记录到日志文件中，学习分析的加入使得隐含在日志数据中的行为特征得以挖掘，使研究者更深入地理解自我调节学习，实现了学习分析与自我调节学习的融合。学习策略则更直观地体现了学习者在自我调节学习中的适应力和调节力。自我调节学习的学习策略能够体现自我调节学习的多个阶段和要素，例如：记录和监控策略体现了学习者对认知、学习动机种情感以及学习行为等要素的监控;元认知策略则包含了目标计划、监测和控制等阶段。研究者既可以通过关注学习策略来发现学习者自我调节学习的个性特征，也能够通过提供合适的学习策略帮助学习者更好地完成自我调节学习。综上所述，利用学习分析研究自我调节学习行为和策略是促进两者融合的重要途径之一。
融合之旨——以学习分析反馈优化/促进自我调节学习。相比于对学习策略、学习行为的高关注度，以反馈为主题的研究较少。Lim等人考查了基于学习分析的反馈系统对学习者的自我调节学习的影响，证明了学习分析反馈能够支持自我调节学习。虽然其他研究并未将反馈作为研究主题，但在研究结尾部分，多项研究明确指出，基于学习者的行为、认知或学习策略等特征，向学习者提供个性化的反馈或干预，能够实现优化自我调节学习的目标。纵观全局，国外学者从多方面入手研究学习分析在自我调节学习中的融合方法：从理论模型出发寻找学习分析融入自我调节学习的切入点;统筹多种技术方法观测、挖掘平台日志数据的隐形信息，并用可视化的方法呈现出来：利用学习者产生的行为数据表征学习策略，逐渐形成学习分析融入自我调节学习的发展之路：而学习分析融入自我调节学习的最终目的是能够利用技术促进自我调节学习的发展，突破自我调节学习发展的瓶颈，学习分析反馈的出现为实现这一目标提供了“金钥匙”。
2.学习分析与自我调节学习融合的优化方向
虽然当前研究已经形成了一条较为完备的学习分析与自我调节学习融合之路，但学习分析与自我调节学习的融合仍存在发展不平衡现象，见表4。首先，自我调节学习背景受学习分析支持不足。自我调节学习背景主要包括任务感知、情境感知、监测环境条件、改变环境、评估任务等。相关研究多关注环境/任务监测和改变环境等方面，对环境/任务评估的关注不足。其次，学习分析主要支持自我调节学习的第1阶段认知要素、第2阶段动机和行为要素。即学习分析当前重点关注自我调节学习的目标设定、认知/元认知知识、学习管理策略、学习行为改变等方面。这是因为这些指标与自我调节学习的整体计划、学习调节、学习效果和干预反馈有密切联系，且这些指标通常能够通过挖掘日志文件数据获得，提高了学习分析的利用率和分析结果的准确性。最后，学习分析对于自我调节学习的情感关注不足。在自我调节学习中，动机和情感被归纳为同一要素，但有关自我调节学习的研究多关注学习者动机，而忽略学习者情感。情感是影响学习成效的重要因素之一，但因其变化快、持续时间短、情绪种类多等特点，给情感研究带来极大难度。在未来，学习分析技术进一步发展（如多模态学习分析的出现）可能为情感分析带来新的曙光。 综上所述，虽然当前研究基本实现了学习分析与自我调节学习的全方位融合，但其融合层次相对表层化。学习分析对自我调节学习的分析多从捕捉、测量、评估等角度切入，而非从内部支持、促进自我调节学习。总的来说，虽然学习分析已经逐渐应用于自我调节学习，但其应用模式仍未明确。因此，我们需要在理论模型的基础上，全方位、深层次探究学习分析支持自我调节学习的融合之路。
五、研究启示
研究表明，国外学者已从多个方面探究了支持自我调节学习的学习分析应用方法和使用效果，证明了学习分析对自我调节学习的发展有重要意义。但当前的实证研究存在一定局限性，在研究对象的选取、学习分析与自我调节学习模型的融合以及伦理问题等方面存在不足。作者根據研究发现，得到以下启示：
1.关注学习分析仪表盘对自我调节学习的作用模式
学习分析旨在发现问题、解决问题、呈现结果。而学习分析仪表盘在呈现研究结果、提供学习反馈、干预学习行为等方面有重要应用价值。本研究发现，仪表盘能够向学习者展示自身的学习计划、学习进度，也能够通过呈现学习阶段性结果给学习者提供干预措施。这种模块化的可视化方式，在自我调节学习领域有重要的应用前景。
2.强化学习分析对自我调节学习的预判分析能力
本研究发现，自我调节学习中学习分析的应用方式以关注、分析、呈现为主，对于预测学习者后续学习行为关注不足。未来研究应关注如何利用已有数据预测学习者后续自我调节学习特征，或利用实时数据获得学习者即时的学习状态，并据此提出适合学习者后续发展的学习策略，最大限度地辅助学习者完成学习任务，培养自我调节学习能力。
3.注重实证科学性，避免“黑箱”现象
本研究发现，学习分析支持自我调节学习的实证研究多以前后对比实验为主，较少采用对照实验。虽然前后对比实验在一定程度上能够证明学习分析对自我调节学习的作用效果，但学习分析是如何促进自我调节学习的，自我调节学习的哪些行为指标的改变是由学习分析引发的，这些疑问在当前实证设计中很难得到科学的解答。因此，在未来研究中，除了要细化研究焦点，更要确保实证研究的科学性和准确性。
4.加强对数据隐私等伦理问题的关注
在梳理文献过程中，作者发现相关研究对伦理问题关注不足，18篇文献中仅有2篇文献明确指出研究得到伦理委员会支持。数字化、信息化的发展带来了隐私保护等伦理困境。学习分析多以学习者的日志数据为数据源，这类日志数据通常是在学习者无感的情况下收集的。因此，在未来研究中，我们需要解决数据所有权、安全性、透明度、学习者隐私等道德伦理问题。
学习分析拓宽了我们对学习者自我调节学习的理解。本研究采用系统性文献综述的方法分析国外近十年间18篇高质量学习分析应用于自我调节学习的实证研究论文，从应用框架和融合路径两个维度人手梳理文献，厘清国外最新研究进展，发现研究存在的局限性，总结出学习分析在自我调节学习中的未来发展路径，以期为相关领域的学者提供理论支持和研究启示。