学习干预模型，是一个循环迭代的干预模型。该模型主要包括五个要素：筛选、监控、多层次干预、决策和分析。研究者利用学习分析技术将在线学习行为数据加以筛选和分析，及时预测可能出现学习风险的学习者从而提供适当的学习干预。该模型的特点：第一，突破现有的以传统课堂环境为背景的学习干预研究，将学习干预模型应用于在线学习的真实情境；第二，从学习分析的视角逐步明确和细化学习干预的方法、过程和策略并借助技术工具实施可操作且有效的干预措施；第三，通过问卷调查、SPSS和个别访谈的方法，从学习者的角度对在线学习干预模型的有效性进行了评估。模型实验结果表明，在线学习干预模型的应用效果较好，实验对象的学习结果与模型预测的结论较为一致，且被干预的学习者能够适应干预策略和措施，有效地规避了学习风险。
关键词：学习分析；在线学习；学习干预；反应-干预模型；学习过程
中图分类号：G434 文献标识码：A 文章编号：1009-5195（2017）04-0088-09
学习分析作为教育领域的新兴技术，近年来已经成为教育研究的热点。《地平线报告》自2011年起连续三年将学习分析列为近2-3年的关键技术，并预测其将于2017-2018年得到普及。加拿大阿萨巴斯卡大学的Siemens教授认为学习分析是指收集学习者产生的数据并建立分析模型来发掘信息和内部联系，以对学习者进行预测和建议（Siemens et al.，2011）。这表明学习分析不仅需要对学习进行诊断分析，还应依据分析结果进行适当的干预。然而，由于传统学习环境存在数据采集困难、干预手段有限以及干预过程复杂等问题，导致学习干预研究虽然重要却所受关注不足，相关理论和应用成果的影响有限。在信息技术支持的学习环境下，借助在线学习平台和学习分析技术能够收集学习数据、分析学习过程、实施精准教学，从而为探索个性化、适应性的学习干预提供了可能，也将促使学习干预的研究和应用由特殊教育逐步拓展到普通教育领域。
一、國内外研究现状
传统学习干预主要面向特殊教育领域的学习障碍者。自20世纪60 年代美国心理学家 Kirk 提出学习障碍的概念后，教育研究者们开始重视这一问题。原有的学习评价方式开始受到质疑，学校需要更加科学有效的方法来解决学习障碍问题，以准确鉴定有学习障碍的学生并帮助他们克服学习困难和提高学业成绩。针对这一需求，“干预-反应”模式（Response to Intervention，简称 RTI）应运而生，并逐步得到推广应用。
国外研究表明，RTI模式可以提供恰当的干预措施来改善处于低水平学生的学习（Fletcher et al.，2005）；Bianco等将RTI运用于识字课堂，改善了学习者的识字率，减少了需要特殊分组学习者的数量（Bianco，2010）；Ardoin等在小学数学课堂实施该模式，以鉴别需要教学干预的群体，证明了RTI使用的可能性和有效性（Ardoin et al.，2005）。使用RTI模式的优点还包括帮助满足学生的社会、情感行为需求（Saeki et al.，2011）。如Little和Rawlinson等证实了针对不同风险的学习者采取干预措施的有效性，并提醒教育工作者注意不同层次干预措施的差异性（Little et al.，2012）。此外，官方调查报告显示，自2007年至2010年美国全面开展RTI模式或者部分尝试RTI模式的学区数量逐年上升，由2007年的24%增加到了2010年的61.2%，且有76%的学校认为RTI模式改善了教学效果（American Association of School Administrators，2010）。
然而，上述学习干预研究大多以传统课堂为背景，较少涉及技术环境中的学习问题。而在线学习正成为越来越多学习者的重要学习方式，技术环境下的学习障碍问题日益突出，因此基于在线学习环境的学习干预研究非常必要。随着大数据技术和智慧教育的兴起，国内学者开始关注技术环境下的学习干预问题。如祝智庭教授设计了信息技术支持的精准教学模式，强调基于数据驱动的决策方式，并将RTI作为实施精准学习干预的重要方法（祝智庭等，2016）；唐丽等探讨了学习分析中干预的内涵、方式与流程，从多个角度提出了实现个性化学习的干预措施（唐丽等，2016）；李彤彤等构建了基于教育大数据和学习分析的、以干预引擎为核心的学习干预模型，并设计了具体的干预策略、干预时机以及干预方式（李彤彤等，2016）；赵慧琼等将干预模型应用于教学实践中，通过学习过程中实施干预模型识别出存在学习危机的学生，及时向其发出预警信号并提供个性化干预对策，在一定程度上增强了学习动机并提高了学习质量（赵慧琼等，2017）。
总体而言，已有的学习干预研究虽然取得了一定成果，但是还面临一些新的问题亟待解决：一是已有研究提出的学习干预模型和策略的应用主要以传统课堂为背景，其在混合式或在线学习环境下的适用性和有效性仍存在不确定性。二是传统学习干预主要借助人工方式实施干预，工作量大且准确度难以保证，因此难以适应规模较大的课程。三是技术环境下的学习干预实证研究偏少，一些研究从理论层面设计了干预模型，但缺乏真实教学实践的效果检验；少数学习干预实验效果较多依赖于质性的分析结果，较少结合量化结果进行相对客观的分析。
二、在线学习干预模型的构建
随着在线学习环境的兴起和广泛应用，学习干预研究需要新的模型、方法和技术支持。针对传统学习干预研究的局限和在线学习的特点，本文提出在RTI模式的基础上构建在线学习干预模型，如图1所示。该模型包括五个要素，分别为筛选（Screening）、监控（Monitoring）、多层次干预（Intervening）、决策（Decision-Making）和分析（Analyzing）。它是一个循环迭代的干预模型，干预的层次包括群体干预、小组干预和个体干预。研究者利用学习分析技术将在线学习行为数据加以筛选和分析，及时预测可能会出现学习风险的学习者，并提供适当的学习干预。
