论文内容：

多模态学习分析(MMLA)可以帮助提供对学习过程的准确理解。然而，尚不清楚多式联运数据是如何纳入MMLA系统的。本文遵循系统综述和荟萃分析优选报告项目(PRISMA)指南，系统地调查了过去三年发表的346篇关于MMLA的文章。为此，我们首先提出一个概念模型，从三个维度回顾这些文章:数据类型，学习指标和数据融合。基于这个模型，我们接下来回答以下问题：1. MMLA使用什么类型的数据和学习指标，以及它们之间的关系；2. MMLA的数据融合方法有哪些分类？最后，指出了数据融合的关键阶段和MMLA未来的研究方向。主要发现包括：(1) MMLA的数据分为数字数据、物理数据、生理数据、心理数据和环境数据；(2) 学习指标是行为、认知、情感、协作和参与；(3) 多模态数据和学习指标之间的关系是一对一、一对任意和多对一的多模态数据和学习指标之间的复杂关系是数据融合的关键；(4) MMLA的主要数据融合方法是多对一、多对多和多模态数据之间的多重验证；(5) 多模态数据融合的特点是数据的多模态性、指标的多维性和方法的多样性。

论文链接：

https://www.mdpi.com/1424-8220/20/23/6856