学业成就与学业风险的预测基于学习分析领域中预测指标的文献综述（三）工作场所与个体学习：Learn-B系统Learn-B是GraganGasevic团队于2012年基于语义分析技术和工作场所下的自我调节学习理论所开发的学习环境原型，属于典型的工作场所下主要服务于个体学习情境的学习分析应用（Gasevic，etal.，2012）。Gasevic等学者将自我调节的学习视为组织内学习（organizationallearning）的一部分（Gasevic，etal.，2012），强调明确组织内学习目标（组织层次）是促进工作场所自我调节学习（个人层次）的重要途径。按照自我调节学习的理论框架，Learn-B被设计成7个主要的学习步骤。在该系统中（如图4所示），刚进入系统的公司新员工可以看到公司整体的愿景、工作和能力需求。通过匹配自己的工作职责和能力需求，该新员工可以看到一系列按优先级排序的能力清单，并基于此设置自己的学习目标。当员工在设定目标时遇到困难后，他可以通过了解其他相似阶段的员工学习了什么、达成了什么能力作为参考。在设定目标后，系统会按照该员工设定的目标推荐和匹配相应的学习活动，形成初步规划好的学习路径。在进入学习路径后，系统会提供学习自我监控的工具，让员工可视化地了解到自己在该能力任务上的进展情况。不仅如此，该员工还能看到其他员工发布的在相似能力任务下的能力发展更新、学习文档分享、学习任务递进等信息（SocialWave），并且通过可视化的界面将自己的学习与组织整体的情况做比较（Gasevic，etal.，2012）。---本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除---开发团队将Learn-B的工作场所下自我调节学习的关键步骤和Learn-B提供的主要干预工具做关联度分析，研究发现Learn-B的几个关键工具或干预能够很有效地支持员工的自我调节学习。最主要的一个研究发现是：如果系统提供的干预能够唤起或者提高员工的社群意识，则往往能够预测正向的学习产出（Gasevic，etal.，2012）。（四）工作场所与群体学习：Cohere系统Cohere是英国开放大学SimonBuckinghamShum团队2008年前后开发的基于Web2.0设计原则的在线研讨、观点分享工具。在宏观上致力于为全球化背景下重要实践和研究问题提供基于语义分析技术和可视化技术的学术争辩工具，属于典型的工作场所下主要服务于群体学习情境的学习分析应用（Shum，etal.，2012）。基于工作场所下学习者产生的数据集，Cohere关注学习分析领域的四个问题：第一，参与者的注意力集中在哪里？第二，参与者在对话中所持的态度如何？第三，学习话题的分布如何（如图5所示的话题分布及关联）？第四，组内部参与者之间的社会网络关系如何？（Liddo，etal.，2011）研究发现，通过话语分析研究者可以寻找到探究性对话的标志性词汇或者对话模式（包括分享、挑战、评价或审慎思考等），基于此可以设计预测或推荐模型，在学习环境下让师生意识到哪里正在发生有意义的深度对话（Ferguson，etal.，2011），而参与者在Cohere环境下的对话中（如学术争辩和探究性对话）往往能够激发更高的参与程度和对知识更深的理解，同时也有可能发展出较高层次的认知能力（Ferguson，etal.，2011）。---本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除---五、总结通过上面的综述，可以看出学习分析领域中预测指标研究的特点。第一，预测指标和模型的建立往往植根于情境之中，如特定的教学机构、具体的学科内容或不同的学习层次以及特定的数据采集能力（WagnerIce，2012；Shum，2012）。目前，学习分析领域内预测指标的研究仍然有限，大多数预测指标由于自身属性的原因都难以得到跨学习场所和任务类型的可靠的交叉验证，具有普适性的预测指标并不多。因此，一方面，使用预测指标时应审慎地看待学习环境等因素差异，审慎地选择预测指标并构建预测模型；另一方面，这也是未来研究者对于某个或某些预测指标开展深入研究的方向之一。对于普适性指标的研究也是未来研究的方向之一，如学习驱动力、坚毅（Grit）等综合性较强的指标跨情境的检验。第二，21世纪的学习被理解为一种参与过程（ThomasBrown，2009），学生参与的频次多少与程度深浅...