9月22日，医学教育研究中心举办“学习分析与智慧课程建设”专题研讨会。会议以北京大学FLoRA学习分析项目为参照，聚焦智慧课程平台学习数据如何从“存得下、看得见”走向对学习过程的解释，并转化为形成性评价证据。如何让“存得下”的数据真正“看得懂”教学过程，是本次研讨贯穿始终的问题。
会议伊始，郭岩从学习分析的基本定位切入。她指出，学习分析是一个从数据中建构意义、强调理论并追求可指导行为洞见的领域，而不仅是一种技术、方法或工具，区别于教育数据挖掘，其洞见可服务教学等多样化决策。
FLoRA（Self-Regulated Learning with Personalized Scaffolds，面向个性化脚手架的自我调节学习研究）是学习分析领域的国际合作项目，关注如何以学习行为数据刻画学生的自我调节学习（SRL）过程，并据此提供个性化支持。项目沿“测量—理解—干预”推进：以行为日志、鼠标键盘轨迹、眼动等多通道数据补充量表，实时、无干扰地测量学习过程；借助序列挖掘、聚类与认知网络分析识别策略差异与关键节点；通过元认知脚手架和实时反馈转化为个性化支持。
我校智慧课程平台数据基础扎实，包括在线学习日志、随堂测验与形成性考核记录、虚拟仿真实验数据、课程问卷等，尚未充分转化为对学习过程的解释——我校在“测量”端已有积累，短板在“理解”端，这正需要引入项目方法加以补足，也构成了与FLoRA方法对接的切入点。
交流研讨环节围绕过程数据的教学用途展开，若干意见与形成性评价直接相关。戴军建议以“课前预习—课堂探究—课后巩固”为主线，把切片识别、图谱观察等行为的时长、顺序与回看次数转化为学习策略指标。吴彬关注过程性评价与可解释人工智能，提及范逸洲在2026年国际学习分析与知识会议（LAK2026）上以医学生问诊技能评估为例、融合过程数据与可解释AI的多维评估设计，认为可与标准化病人教学、模拟训练录像对接，先在问诊、体格检查等可编码项目试点。张雪文提出将学习分析仪表盘嵌入见习轮转与病例讨论，让带教教师更早识别学生策略困难，把反馈前移到过程支持。刘梅芳以答题轨迹与错误模式为窗口，认为药学线上题库和虚拟实训平台可观察调节策略，混合式教学也为准实验研究提供了条件。赵维燕提醒，自我调节还涉及情绪调节与学习倦怠，数据采集应纳入情绪、动机维度，标准化病人访谈、共情训练等环节同样可以成为采集场景。
会议形成三点设想：逐步打通智慧课程平台、虚拟仿真实验、临床技能中心等数据源，统一过程数据描述口径；选取1—2门医学课程开展“小切口”实证研究，优先运用序列分析、行为模式聚类等成熟方法；将学习分析与数据素养纳入教师发展培训，组建跨学院教学研究小组，与北京大学教育学院相关团队保持常态化交流。讨论逐渐形成共识：项目方法最终要落到本校课程与学生身上。学习分析定方向，FLoRA给方法，本校课程是对象，落脚点首先是改进教学。研讨的核心，不是“学哪个项目”，而是“用它们解决我们自己的什么问题”。
临床医学专业认证强调的形成性评价，核心正是教学过程与评价过程相结合，以及教与学过程中的及时反馈和改进。学习分析仪表盘、过程性评价、可解释人工智能、答题轨迹与错误模式分析等，为形成性评价提供了超越问卷和课堂观察的过程证据。下一步，医学教育研究中心将继续统筹推动，让日常教学中的过程数据成为可解释、可改进、可支撑认证的证据。