【摘 要】 作为数字时代的产物，学习分析以教育领域数据为研究对象，通过挖掘其背后隐含的信息实现对教育的促进。当前学习分析研究主要集中在在线学习领域，但是学习本身发生在多样的环境中，学习过程更是涉及学习者的行为、心理、生理等多个层面，而当前的技术发展正为采集并分析学习者学习过程中多种模态的数据提供基础。基于此，本文从技术的视角讨论多模态数据环境下学习分析的发展趋向，梳理多模态学习分析的技术支撑，指出未来的学习分析应该利用脑电感应、眼动追踪等多模态生物识别技术收集个人层面的学习数据，结合教学技术工具中的系统日志、全方位课堂音视频录像等方式追踪学习者的学习和社交轨迹，全面剖析学习者的行为层、心理层和生理层数据，以期为进一步实现精准化的教与学提供有效支撑，并推进国家自然基金对学习分析与评估基础性研究的探索。
　　【关键词】 多模态；多模态数据；多模态学习分析；学习分析；教育数据
　　【中图分类号】 G434 【文献标识码】 A 【文章编号】 1009-458x（2018）11-0041-09
　　一、引言
　　“信息技术对教育发展具有革命性影响，必须予以高度重视”。自《国家中长期教育改革和发展规划纲要（2010—2020年）》发布以来，我国在教育信息基础设施建设和优质数字资源共建共享方面取得了较大进展。随着“三通两平台”的逐步实现，与教育相关的数据成为关注重点。2017年，《国家教育事业发展“十三五”规划》指出要积极发展“互联网 教育”，并强调利用云计算、大数据等技术记录和分析学生的学习过程，以支持课程、教材、教学方法、教学评价等的完善与创新。《国家自然科学基金委信息学部2018申请指南》中增设“教育信息科学与技术”二级指标，下设“教育大数据分析与应用”“学习分析与评测”“自适应个性化辅助学习”三级指标。
　　在教育信息化时代知识的呈现形式开始多样化，从“单媒体”到“多媒体”，从“单向传播”到“双向反馈”，推动了学习方式的革新：线上学习全面推广，混合式学习普及应用，个性化、智能化学习高速发展（图1）。在给教学带来便利和效益的同时，学习方式多样化带来了多模态教育数据环境，给采集和存储教育数据、追踪与解读教学过程带来了新的挑战，也对学习分析提出了新的要求。
　　教育信息化发展为学习分析奠定了多模态数据环境基础。一方面，数字化学习普及，超大规模开放式在线课程（MOOCs）中的学习者行为分析是学习分析研究的热点（Bote-Lorenzo