有哪些证据表明学习分析确实能提升学生成绩？
最有力的证据来自那些直接衡量实施分析后学生表现、留存率和参与度变化的研究。一项针对96名本科生的研究发现，基于实时分析驱动的学习路径推荐系统，在预测学生掌握某个知识点所需时间上准确率提升了30%，并且预测学生预期分数的准确率比次优模型高出27.8%[2]。同一系统还将学习者的满意度评分提高了25.5%[2]。另一项涵盖拉丁美洲六门大学课程的研究表明，学习管理系统中细粒度的行为数据（例如在特定页面上花费的时间）能够完全中介学生学习方法与最终成绩之间的关系——这意味着分析技术可以精确揭示哪些学习习惯能带来更好的成绩[3]。
一项涵盖40篇文章的系统性综述指出，学习分析可通过收集学生发展反馈、对学习者进行分类、预测学业表现以及提供实时洞察，在个体、群体和结构层面支持个性化学习[10]。在英国高等教育的一项案例研究中，分析工具被用于衡量学生的参与度、保留率、学业进展乃至身心健康，相关机构报告称，基于这些数据的针对性干预措施有效改善了学生体验[5]。在接受调查的16所院校中，大多数主要将学习分析用于提升学生保留率，许多院校还自主开发工具，以早期识别存在学业风险的学生，并采取预防性而非被动应对式的干预措施[9]。
在真实课堂中，什么条件能让分析工具发挥作用？
仅靠分析工具本身无法奏效——它们需要适宜的学校环境、教师支持以及学生的认同。一项针对瑞士112所中学的2247名教师的调查发现，教师利用数字数据指导教学决策的行为，直接受到其对技术的积极信念、数字数据应用能力以及数据工具可用性的影响[1]。而学校层面的因素，如同事间的正式与非正式协作、校长的支持，则通过强化这些教师特质间接促进了分析工具的使用[1]。这意味着，若仅安装分析软件却不培训教师、不培育协作文化，很难取得成效。
学生的知情同意与信任同样至关重要。一项针对4000名大学生的研究发现，黑人学生因对院校信任度较低，同意将数据用于分析的可能性显著更低；而女学生虽对数据收集表示担忧，但更愿意接受教师利用其数据促进学习参与[7]。研究者指出，仅赋予学生自主权并不足够——院校领导与教师在缓解偏见、建立信任方面发挥着重要作用[7]。在技术层面，一项跨五所院校的学习分析能力模型实际评估表明，该模型通过全面梳理组织所需能力，有效帮助项目管理者与高层领导规划技术部署[4]。
分析技术如何支持个性化学习与自我调节？
学习分析仪表盘（LAD）是一种常用工具，但其效果取决于学生如何使用。一项针对54名使用两种不同LAD的学生的研究发现，成绩优异的学生在课程预习和复习阶段使用仪表盘的频率更高，并且与成绩较低的学生相比，他们采用了更多的监控和反思策略[6]。这表明，分析技术可以为自我调节学习提供支持，但前提是学生必须学会策略性地使用这些工具。另一项针对68名学生的实验发现，与通用型支架相比，基于实时分析（由基于规则的AI系统提供）的个性化支架能够改善学生的自我调节学习过程和学习成果[8]。
一项能够根据学习者实时表现动态调整资源难度的学习路径推荐模型，被证明能同时提升学习效率与满意度[2]。该系统利用隐式学习者日志数据（如任务耗时与测验成绩）动态优化推荐内容，研究者认为这比静态预设路径更为有效[2]。这与一项系统综述的广泛结论相吻合：学习分析技术可构建持续个性化资源的反馈循环，将学生分类以实施针对性教学，并提供课堂动态的实时可视化[10]。
关于这些来源
该回答基于10篇经同行评审的研究构建而成——发表于2021年至2025年间，其中3篇为2024年及以后发表，6篇发表于Q1期刊，累计被引366次——这些研究是从12篇通过质量筛选的文献中选出的最具相关性的成果，而该12篇文献又源自从超过5亿篇论文数据库中检索到的43篇论文。
本文引用的文献
学校中的学习分析
一项针对瑞士112所学校2247名教师的调查发现，教师的信念、数据能力以及工具可用性直接预测了数字数据的使用情况；而学校协作与校长支持则通过影响这些教师特征，间接作用于数据使用。
一种由实时学习分析驱动的改进型自适应学习路径推荐模型
一项针对96名学生的实时分析学习路径推荐模型，相较于次优模型，路径预测准确率提升了30%，分数预测准确率提升了27.8%，同时学习者满意度评分提高了25.5%。
学习分析的中介作用
在六门拉丁美洲大学课程中，学习管理系统（LMS）提供的细粒度行为轨迹数据完全中介了学生学习方法与期末成绩之间的关系，表明学习分析技术能够揭示哪些学习习惯对成绩提升具有驱动作用。
支持学习分析采纳：在真实场景中评估学习分析能力模型
对一项学习分析能力模型的事后评估显示，该模型有助于从业者规划应用；该评估涉及来自五家机构的26名参与者和7位专家，问卷调查（n=23）证实了其感知有用性和易用性。
通过英国高等教育的三个案例研究，探讨学习分析实践及其益处
英国高等教育的三个案例研究表明，分析技术被用于衡量学生参与度、保留率、学业进展、福祉及课程开发，并通过针对性干预措施提升了学生体验。
大学生如何在学习分析仪表板中应用：基于学习绩效的视角
一项针对54名学生使用两种学习分析仪表板的研究发现，高绩效学生在预习/复习阶段使用仪表板的频率更高，并且比低绩效学生采用了更多的监控与反思策略。
学生在同意学习分析方面的倾向存在差异
一项针对4000名大学生的调查发现，黑人学生因对机构信任度较低，同意数据分析的可能性显著更低；女学生虽对数据收集表示担忧，但能接受教师使用数据；仅凭自主权不足以解决偏见问题。
基于实时分析技术的个性化支架对学生自我调节学习的影响
一项针对68名学生的前后测实验设计发现，基于实时分析技术的个性化支架相较于通用支架，更能改善学生的自我调节学习过程与学习成效。
学习分析：技术发展现状
对16所机构的审查发现，多数机构利用学习分析技术提升学生保留率；许多机构自行开发工具，以便及早识别有辍学风险的学生，从而采取预防性而非被动应对的干预措施。
学习分析在支持个性化学习中的作用：一项系统综述
对40篇文章的系统性综述发现，学习分析通过反馈、分类、预测、实时洞察和可视化，在个体、群体和结构层面支持个性化学习；其挑战包括准确性、机会成本和隐私问题。