Learning Analytics is the development and application of data science methods to the distinct characteristics, needs, and concerns of educational contexts and the data streams they generate for the purpose of better understanding and supporting learning processes and outcomes
学习分析技术是数据科学技术的发展与运用。
从 EPA 模型分析出来的约束条件可以作为一套使用的工具/法则，尤其对教育家、研究者、学生、教育设计师，可将其用于学习分析工具的应用或新学习分析工具的设计开发。但有一点尤为重要，就是我们始终不能脱离教学的上下文使用工具，因为这是一切分析的基础，脱离教学活动来开发或者进行学习分析是没有意义的。
不能脱离实际教学活动来开发进行学习分析。
学习分析作用概述
EDM and LAK both reflect the emergence of data-intensive approaches to education.
两者都反映了教育领域中数据密集应用的出现。
This alliance would also strengthen our opportunities to influence non-academic research and practice.
同时会增加影响非学术研究和练习的机会。
In education, the emergence of “big data” through new extensive educational media, combined with advances in computation [1] holds promise for improving learning processes in formal education, and beyond as well.
在教育领域，大数据的出现保证了学习进程的提高。
但 同 时 我 们 需 要 注 意 到 ，学 习 分 析 技 术 目 前 还 存 在 着 缺陷 ，也 面 临 着 诸 多 挑 战 ，包 括 隐 私 问 题 、准 确 性 、信 息 共 享 和数 据 管 理 等 方 面[55]：
学习分析技术目前面临的挑战
与 网 络 分 析 技 术 用 于 商 业 领 域 不 同 的 是 ，学 术 分 析 技 术关 注 的 是 教 育 领 域 中 的 学 习 者 行 为 。
学习分析技术不同于网络分析技术
学 习 分 析 技 术 是 围 绕 与 学 习 者 学 习 信 息 相 关 的 数据 ，运 用 不 同 的 分 析 方 法 和 数 据 模 型 来 解 释 这 些 数 据 ，根 据解 释 的 结 果 来 探 究 学 习 者 的 学 习 过 程 与 情 境 ，发 现 学 习 规律 ；或 者 根 据 数 据 阐 释 学 习 者 的 学 习 表 现 ，为 其 提 供 相 应 反馈 从 而 促 进 更 加 有 效 学 习 的 技 术
学习分析技术的定义。
Different from tailoring the materials that are given to students, another pedagogical use of analytics is to support students in conscious attention to and improvement of their own learning processes.
不同于将材料拼凑起来，学习分析在认知专注度以及自身学习进步上支持学生。
used
预测模型的应用
Learning analytics is not defined primarily by the source of data but by its size.
学习分析并不是优先取决于数据来源，而在于其规格大小。
designed to aid instructors provide feedback to students based on their predicted success
Course Signals
is the growing realisation of the benefits of personalised instruction.
对学习分析技术产生深远影响的因素
Learning analytics draws on theories and methods from machine learning and data science, education, cognitive psychology, statistics, computer science, neuroscience, and social and learning sciences to name but a few
运用了且不止于机器学习、数据科学、教育学等理论。