生成式人工智能赋能数据型学情分析的不完全分析

学情一级维度	量化数据	可用分析模型	生成式人工智能（GenAI）赋能点
学习过程数据	•时间数据：时长（答题时长、自愿查看时长）时间（几点几分）•行为数据：资源点击/下载次数任务提交及时率、重做次数页面停留时间、搜索关键词频次课堂互动频次（举手、答题、讨论）课堂低头率学习投入度书写停顿、书写笔压	• 序列分析（如LSTM）• 行为聚类（K-means）• 知识追踪（KT：BKT/DKT/SAKT）• 注意力模型（用于关键行为识别）	•综合分析数据结果，并用自然语言输出问题洞察•将行为模式转化为教学语言：“学生反复回看‘二次函数’视频，可能未掌握二次函数”• 生成个性化学习建议：“建议小明先完成基础练习再挑战应用题”• 自动撰写学习行为周报（给学生/家长）
学业结果数据	• 测验/作业得分率、正确率 • 错题分布（按知识点/题型） • 能力维度得分（基于量规）•核心素养维度（0–1）• 知识点掌握概率（0–1）• 进步/退步趋势（环比、同比）	• 描述性统计（均值、标准差、四分位）• 认知诊断模型（CDM：DINA/GDINA）• 项目反应理论（IRT）• 知识图谱推理	• 深度归因分析： “错误集中在‘移项变号’，反映符号规则未内化” • 生成分层教学方案： “基础组：强化通分训练；提升组：开放建模任务” • 自动生成错题讲评稿、变式练习题•自动生成班级共性问题、个性问题
学习情感态度数据	• 自我报告量表（Likert 5点） • 主动提问/求助次数 • 放弃难题比例、中途退出率 •（谨慎使用，涉及伦理与隐私）表情/语音情绪识别置信度•学习动力指数•教学热情•接受情感、负面情感	• 情感计算模型• 代理变量回归分析• 元认知一致性指数（自评 vs 实际）	• 解读情绪信号：“高放弃率+低自评信心，提示需心理支持”• 生成鼓励性反馈语：“你已掌握基础，再试一次就能突破！”• 撰写温和的家校沟通文本，避免标签化
社交协作数据	• 小组发言参与度：参与率、参与字数/频次 • 互评质量、互助问答次数 • 社交网络中心性指标 • 合作任务贡献度（编辑次数等）•师生关系融洽度	• 社交网络分析（SNA）• 协作质量编码模型• 多模态对话分析	• 识别沉默贡献者或边缘学生：“小华发言少但被多次引用，建议赋予小组汇报角色”• 生成合作学习反思提示：“你们如何分配任务？谁负责验证结果？”• 推荐协作策略（如“拼图法”“角色轮换”）
环境与背景协变量	• 家庭设备数量、网络条件（问卷）• 家长登录平台频次• 特殊标识（随班就读、资优生等）• 教学进度（已授知识点数）	• 多层线性模型（HLM）• 倾向得分匹配（PSM）• 协变量调整回归	• 提供情境化解释：“成绩波动可能与居家学习环境相关，非能力问题”• 生成差异化支持建议：“该生无平板，推荐离线练习包”• 辅助教育公平分析报告撰写
课堂观察（严格意义上该部分为教情，但为了增加教学现场维度建议增加课堂观察数据）	• 弗兰德斯互动编码（每3秒言语类别）• 学生专注度评分（1–5分）• 举手/回答/讨论参与频次（人工记录）• 小组活动角色分配记录• 教师巡视路径与停留时间（可穿戴设备/AI视频分析）	• 弗兰德斯互动矩阵分析、S-T，ITIAS，五何，CFS• 序列模式挖掘（SPADE）• 多状态隐马尔可夫模型（用于注意力状态切换）• 编码一致性检验（Cohen’s Kappa）	• 将编码序列转化为教学洞察：“本节课教师讲授占比72%，学生主动发言仅4%”• 生成课堂改进建议：“可增加开放性问题，促进高阶思维”• 自动撰写听课评课稿（结合新课标要求）