慕课讨论区反馈对学习者学习进度的影响研究

基于社会认知理论,研究大规模开放在线课程(MOOC慕课)讨论区中学习者学习进度的影响因素.在文献综述的基础上,提出研究假设,构建MOOC讨论区中学习者学习进度影响模型;选取国际知名Coursera平台最热门课程《机器学习》讨论区为研究对象,获取2015年8月至2018年11月的相关数据,经过数据处理,得到37927个学习者的有效数据;将学习者学习进度、学习者发帖总数和情感、讨论区反馈的回帖人身份、回帖间隔、回帖长度、回帖人学习进度和回帖情感作为研究变量,构建多元回归模型,验证研究假设.研究结果表明:回帖人身份和回帖情感对MOOC学习者学习进度均无显著正向影响,但可以通过影响MOOC学习者发帖总数和发帖情感,而间接影响MOOC学习者学习进度;被回帖时间间隔对MOOC学习者学习进度有显著负向影响,对MOOC学习者发帖总数有显著正向影响;被回帖长度对MOOC学习者学习进度无显著正向影响,但可以通过影响MOOC学习者发帖总数,而间接影响MOOC学习者学习进度;回帖人学习进度显著正向影响MOOC学习者学习进度和发帖总数.     

MOOC学习者课程学习行为分析——以“电路原理”课程为例

以往研究发现,大量MOOC学习者中途退出,课程完成率非常低,这个现象一直困扰着MOOC授课教师和MOOC平台所有者,低课程完成率不是期望的目标,也不利于MOOC的持续发展,许多授课教师和研究者试图改变这种状况,这个现象也因此成为学者们关注的焦点。为了分析在此背景下哪些因素对学习者的课程参与和课程完成产生影响,并基于分析结果给出建议,本研究以"学堂在线"(xuetang X)平台的"电路原理一"课程数据为基础,使用Tobit和Logit两个定量分析模型,分别对MOOC学习者的课程参与和完成情况进行深入分析。研究发现:学习者的课程学习动机越强,学习者在课程讨论区和Wiki表现越活跃,即课程参与度越高,同时更有可能学完课程;课程注册时间越早,学习者越容易完成课程学习,也会较多地参与课程讨论;相对于非高校学习者,高校的学习者在讨论区中表现更活跃;个体课程参与度对其他学习者具有明显的正向影响。这些发现对于MOOC的持续发展具有一定指导意义。     

学习支持服务对MOOC课程持续学习意愿的影响研究——基于ACSI-ECM模型的视角

在线学习支持服务是影响MOOC课程学习效果的重要因素。研究结合ACSI模型和ECM模型,构建学习支持服务对MOOC课程持续学习意愿的影响模型,以273位MOOC课程学习者为研究对象,通过结构方程模型分析和中介效应分析确定变量间结构与数量关系。研究结果表明:感知质量、感知价值和学习支持服务满意度显著影响MOOC课程持续学习意愿;期望确认、感知质量和感知价值显著影响MOOC课程学习支持服务满意度,并以学习支持服务满意度为中介变量间接影响持续学习意愿;期望确认对感知质量具有显著影响。在此基础上,结合当前MOOC课程发展提出若干建议,为促进MOOC课程学习者持续学习意愿的提升提供参考。     

计算机教育改革新形态:MOOC+SPOC

随着MOOC热潮不断升温,投身其中的MOOC平台建设者、课程创设者、学习者越来越多,作者通过自己从了解MOOC、学习MOOC和在"中国大学MOOC"上建设"数据库技术及应用"课程的体会和实践,阐述了MOOC带来的教育改革新机遇;MOOC课程建设要打破传统教学模式,以新形态平衡教育资源不均的状况;MOOC+SPOC课程形态将为教育资源共享提供最佳可能性,为新生教育力量提供成长的空间等观点。     

基于学习者评论数据挖掘的MOOC课程质量影响因素研究

理解学习者MOOC课程学习的体验和需求,是促进MOOC高质量可持续发展的重要途径。基于学习者评论数据挖掘,可以揭示学习者情感体验与课程质量因素之间的关系,并为分析不同学科课程的差异提供有效支持,弥补现有研究的不足。为此,开展了基于学习者视角的MOOC课程质量影响因素研究,首先以文本挖掘技术为基础,客观地从MOOC课程学习者评论数据中提取出课程管理、课程设计、学习平台、学习任务、学习材料、课程教师、课程内容及学习体验八个课程质量影响因素。其次,构建了基于学习者满意度和关注度的KANO分类模型,以评估课程质量影响因素的重要性程度,并对两类课程进行差异性分析和对影响因素之间进行相关性分析。结果表明：学习者对人文社科类和自然课程类课程的评价在课程设计、学习材料、课程教师、课程内容及学习体验上存在显著差异;而学习任务在两类课程中的评价均为最低;并且通过可视化揭示了不同类别课程的KANO模型分类结果和影响因素之间的关系。最后,针对不同学科课程的特点,提出课程优化建议,对MOOC课程质量的改进与提升具有重要指导意义。     

基于学习者平台数据的MOOC课程教学效果评价——以江西财经大学“计量经济学”课程为例

MOOC的出现给教师提供了一个宣传自己课程的平台,对高校课程教学提供一个新的视角,为今后高校课程教学改革提供新的路线。文章以江西财经大学的"计量经济学"课程为例,从学习者的感知价值、感知质量、学习者满意度等多个方面,利用MOOC平台后台数据统计分析和调查问卷,对MOOC课程教学效果进行评价,并根据评价给出改进意见。     

基于RFL的MOOC学习者细分与忠诚度研究——以“怪诞行为学”课程为例

MOOC在全球掀起应用风暴的同时,也面临着巨大的挑战,学习者课程完成率低或中途选择放弃等用户流失现象尤为严重。为了分析哪些类型的学习者可能中途选择放弃、哪些类型的学习者能够坚持完成课程,需要对MOOC学习者进行细分与忠诚度研究。文章借鉴商业领域中的RFM(Recency+Frequency+Monetary,近度+频度+值度)客户分类思想,构建了基于RFL(Recency+Frequency+Length,近度+频度+值度)的MOOC学习者分类模型。在此基础上,文章以"怪诞行为学"课程为例,对学习者进行了聚类分析,并针对MOOC各级别学习者的行为特征提出相应的教学策略,以期为更好地发展MOOC提供参考。     

基于质性分析的慕课建设策略研究

随着“互联网+”教育的发展,教师教育类MOOC逐渐应用于教师培训,为更好地进行教师教育类MOOC的迭代与优化,文章以中国大学MOOC平台上的《“互联网+”时代教师个人知识管理》慕课为例,采用质性分析的方法对课堂讨论区学习者的学习收获与课程建议两个版块进行研究,来探究课程对学习者的帮助程度、学习者对课程的需求情况,最终得出课程的相关建设策略。     

基于库伯体验学习理论的MOOC质量影响因素分析

随着大规模在线开放课程(MOOC)浪潮席卷全球,国内高校MOOC的发展势头十分强劲.清华大学“学堂在线”作为我国高校MOOC平台本土化的典型代表,受到了学习者的广泛关注.作者通过对“学堂在线”平台中四门MOOC课程的学习,以库伯体验学习理论为视角,基于课程的授课团队、学习者和学习同伴、以及教学内容等三个关键要素及其相互关系,对MOOC质量影响因素进行分析,从而提出提高MOOC课程质量的几点思考.     

基于MOOC数据的学习者辍课预测研究

文章以国防科学技术大学梦课平台选课人数最多的8门MOOC课程数据为基础,抽取了课程因素等三个维度、共计40余项学习数据开展辍课预测问题研究。首先,文章分析了各门课程中对预测辍课最有帮助的行为数据;其次,文章根据分析结果,选取11项行为数据训练多元线性回归和神经网络两种预测模型,实验结果表明针对不同课程建立不同的预测模型对学习者进行辍课预测的准确率平均达到90%以上。这一结果对预警学习者辍课从而实施教师干预,最终提高MOOC课程中完成课程的学习者比例带来帮助。