1、概要
学习分析是数据分析领域的子集。对大量数据进行分析，目的是如何更好地为高等教育日益多样化的学生群体提供服务，作出更好的、基于证据的决策。学习分析有多种数据来源，包括学习管理系统、学生信息系统和课程数据源。很多领域普遍使用学习分析，了解和解释学生群体的需求和挑战。这使得学校对学生需求的反应更“及时”。例如，当学生早期评估为表现不佳、没有定期访问学习管理系统或同一学期课程参与度较低或表现较差时，早期预警系统可以及时告知教师和教学顾问。
然而，随着可用数据的广泛扩展，人们开始关注谁有权访问数据及其访问目的，应与学生共享多少数据，这些数据应以什么目的和方式提供等问题。例如，教师数据，即显示教师在学习管理系统的参与程度、发布成绩的及时性及其他有效教学的质量指标，已引发人们对未经教师明确同意将其用于评估的思考。科罗拉多州立大学学习与教学分析中心通过帮助教师和学生解释学习分析数据以实现直接应用，从而将“理论转化为实践”。
2、学习分析与高等教育教学
高校正在建立日益复杂的数据治理结构，应对更复杂的数据基础设施带来的挑战。通过制定“数据战略”，高校利益相关者围绕数据目标和使命，推动“数据创新”，让用户能够理解数据，并采取基于证据的积极行动，为学校带来更多灵活、优化和基于数据的实践。各高校可利用学习分析提高教育公平和可及性，即利用学生数据明确解决成绩差距。学习分析数据还可以直接与学生保留率和学习持久性联系起来，以保持学生的参与度、注册率和毕业率。例如，泰顿合作伙伴的“学习分析战略工具包”通过提供学习分析及自我评估战略，以公平为核心原则，直接应用相关数据解决问题。
展望学习分析未来，可以发现数据有广泛的用途，高校需要继续发展其获取、分析和实现数据协议的基础设施，以保持学习分析的相关性并了解该领域的最佳实践。高校还需要与数据和学习分析供应商密切合作，以实现学校战略目标，遵守道德标准。最后，高校的利益相关者可能需要其他数据意识和分析培训，以充分挖掘学习分析的潜力。
实践案例：
（1）为学生的成功连接图书馆和学习分析学习分析项目受益于来自不同校园资源的综合数据，该项目旨在使图书馆能够将其数据贡献给学校的学习分析项目。由Syracuse大学的Megan Oakleaf领导，该项目的主要产品是基于图书馆学习者数据，为开放互操作性标准(Caliper)开发一个图书馆的概要。这使图书馆能够根据其价值观、道德规范和标准，以及图书馆和学校的政策和实践，来控制图书馆数据的收集和使用。
（2）学习分析硕士课程威斯康星大学麦迪逊分校（University of Wisconsin– Madison）通过将教育数据转化为有助于指导决策和改进教育的动态分析，使毕业生能够影响教学、学习和政策。该课程侧重于定量和定性课程，为学生提供成功驾驭教育数据挖掘领域所需的基础知识和技能。
（3）My Learning Analytics (MyLA)MyLA是密歇根大学（University of Michigan）面向学生的仪表板，为学生提供有关他们参与课程材料、资源、作业和成绩的信息。MyLA有一个积极的研究议程，以学生自我调节学习技能的发展为中心。MyLA利用存储在Unizin数据平台中的学习者活动数据。MyLA软件目前正在六个Unizin学校和至少一个非Unizin学校中使用或试用。
（4）负责任地使用研究数据的国家框架学生数据的使用在荷兰尚未普及，部分原因是学生和教育机构正在努力解决道德和隐私问题。荷兰的10所大学正在制定一个全国性的框架来解决这些问题。该框架将解决有关学生数据使用的道德和隐私问题，制定适用于荷兰学生数据使用的隐私法规和共同的道德原则。
（5）学生关系参与系统(SRES)位于悉尼大学（University of Sydney）的SRES是一个学习分析平台，旨在让大班感觉是小班。它使教师能够定制信息和网页，学生和教师之间可以实时交换丰富的数据、反馈和支持。自2016年以来，SRES已经提供了近180万次“个性化活动”，覆盖了超过10万名独特的学生。另外四所澳大利亚大学也在使用SRES，并且是公开的。
（6） U-Behavior由科罗拉多州立大学开发的U-Behavior是一种教学方法，指导学生使用学习科学策略，自我调节学习。U-Behavior方法的独特之处在于，它整合了教学(教授学生有益的学习策略)，以个性化行为可视化(例如，视觉形式学习分析)的形式提供直接反馈，并鼓励对行为的持续反思。