大規模私有型在線課程學習行為及其影響因素研究
2017-06-06 10:57:16石磊程罡李超魏順平
中國遠程教育 2017年4期
石磊+程罡+李超+魏順平
【摘 要】
本文采用描述性分析和相關性分析對國家開放大學學習平臺2015年秋季學期運行的57門MPOC（Massive Private Online Course）課程中54，228位學生產生的5，600多萬條學習行為記錄進行分析，結合教學過程跟蹤和師生訪談，深入了解國家開放大學學生在線學習情況和課程交互情況，分析學生學習行為特點及其影響因素。通過分析發現，MPOC課程中學習者的活躍程度差異較大，多數學生只關注和考核直接相關的作業和測驗，存在突擊完成學習任務的情況，但也有部分學習時長和活躍程度都比較突出的學生，這些學生普遍集中在教學團隊分工和教學組織合理、支持服務到位的課程中。分析還發現，教師教學和支持服務能有效地促進學生提交作業、完成測驗和論壇發帖等人際、人機交互，而在提高學生資源瀏覽量和使用率方面效果不明顯。同時，有效的管理機制和優秀的課程設計也是調動學生在線學習的重要因素。最后，基于分析結果，結合教學實際經驗，從課程建設、教學和服務、管理機制三方面對國家開放大學網絡課程給予相應的可操作性建議，希望能更好地落實課程教學，完善MPOC教學模式，為學生提供高質量的在線教學和良好的在線學習體驗。
【關鍵詞】 MPOC；MOOC；學習行為；學習分析；國家開放大學；網絡課程
【中圖分類號】 G434 【文獻標識碼】 A 【文章編號】 1009-458x（2017）04-0023-10
一、引言
伴隨著MOOC的廣泛應用，其在學習支持服務、教學輔導、教學設計、教學交互等方面的不足逐步顯現。針對MOOC教學模式的局限性，以MOOC為基礎的DLMOOC（深度學習的MOOC）、SPOC（Small Private Online Course，小規模私有在線課程）、MPOC等新的教學模式相繼出現。其中，MPOC由于其私有、繳費、分班教學、配備輔導團隊等特點，可為大規模在線學習者提供有針對性的教學內容、有組織的教學過程和個性化的支持服務，是現在遠程教育機構、培訓機構主流的課程形式之一。
國家開放大學于2013年開始，基于Moodle學習平臺建設了大批支持教、學、測、評一體化的MPOC課程。與MOOC課程相比，國家開放大學網絡課程在選課學生、課程建設、教學模式、支持服務方面都有很大差別。首先，國家開放大學網絡課程的學習者都是國家開放大學在籍的學歷教育學生，學生的教育背景和層次相似，課程教學目標一致。其次，國家開放大學網絡課程是針對國家開放大學學生設計，集資源、學習活動、學習評價、學習支持服務于一體，可有效地完成學習、活動、測評等所有學習過程的在線學歷課程。在具體設計方面，鼓勵突出課程特色，可根據課程特點選擇活動類型、考核方式和比例。再次，教學和支持服務方面，國家開放大學依托總部、分部、分院三級教師為學生提供“全過程、混合式、基于團隊”的導學、助學、促學服務，即以教學班為單位，由教學團隊教師提供線上、線下混合式教學，線上基于網絡課程組織和實施教學、完成作業、課程測驗等在線考核，線下主要是輔導教師的面授輔導和部分課程的期末考試等。2015年秋季，國家開放大學學習平臺共有57門課程，169個教學班，1，871個教學組（按屬地進行劃分，每門課程每個開課分部劃分為一個教學班，每個教學班下按照不同的教學點又劃分為教學組），共54，228位學生基于網絡課程進行混合式學習。
本文以2015年秋季國家開放大學網絡課程的學生行為數據為研究對象，通過對平臺日志記錄的學生學習行為數據進行采集、挖掘，分析國家開放大學學生的在線學習行為特點、學習效果及其影響因素，并通過教學過程跟蹤和師生訪談，進一步解釋學習行為和補充相關教學、支持服務建議，改進課程教學設計，優化教學過程，促進MPOC課程的教與學。
二、文獻綜述
在線學習行為是指學習者在使用在線學習平臺時被記錄下來的登錄、瀏覽、交互、檢索等各類可回溯的活動，相對于自陳式問卷、訪談等研究材料，這些活動能夠真實地反映學習者在線學習的全過程，因此一直以來都受到相關領域研究者的重視。在20世紀早期，就有學者嘗試從原始的Web訪問日志中分析學習者的在線學習行為，在Za?ane&Luo（2001）的研究中對42萬條原始的Web日志進行分析，歸納了兩門實驗課程的學生行為規律，如對哪些模塊的訪問最多、哪些模塊的訪問具有明顯的前后聯系等。但是，從Web日志中能挖掘的信息畢竟有限，隨著在線學習平臺的完善，更多的研究者開始考慮如何從結構化的后臺數據中獲取和分析更豐富的學習行為信息，例如臺灣的學者嘗試從符合SCORM規范的結構化課程中分析學習者的學習檔案（Su， et al.， 2001），美國的學者Hung & Zhang（2008）等從LMS的后臺數據庫中抓取行為日志信息，對學生的特征進行分類，對其日常學習行為的模式進行了歸納。這個階段的學習行為分析大多屬于針對少數課程、班級開展的小樣本研究，對于大規模在線課程的大樣本研究比較少見。
在2012年之后，國內外教育研究機構開始轉向大規模開放在線課程（MOOC）領域，國外的研究包括對MOOC學習者的行為特點、交互情況、課程完成率進行分析和預測、根據學習者行為特點改進課程建設和干預教學過程等方面，特別是哈佛、麻省理工等國外大學對Coursera、edX等平臺的課程行為數據進行收集和分析。國內研究主要關注在線學習投入、學習行為分析和成果預測、學習者分類、在線教學模式探索等幾方面，如李爽等（2016）提出學習投入分析框架的6個維度；賈積有等（2014）對Coursera平臺開設的北京大學課程的二十余項數據指標進行比較研究，指出學習者成績與在線時間、觀看視頻次數、瀏覽和下載資源、論壇參與度、平時測驗正相關；鄭勤華等（2016）對國內14個主流的MOOCs平臺進行全面分析，指出MOOC課程存在教學模式單一、學習支持和教學輔導不及時、交互情況不理想、深度學習缺失、學習質量和完成度不高等問題；馬秀鱗等（2016）對MOOC和SPOC教學成效進行實證研究，指出SPOC課程在資源建設和個性化支持方面優于MOOC；郭文革等（2015）提出MPOC課程的設計和運營方式，并指出MPOC很可能代表了MOOC未來的發展方向；魏順平（2012）針對國家開放大學的一門MPOC課程的學習行為進行了分析，嘗試從學習時間、學習活動、師生交互、學習資源、考試成績等多個角度發現更多的學習行為特點。
本文在以上研究的基礎上，聚焦MPOC教學模式下的學習行為分析，以國家開放大學學習平臺2015年秋季學期的5，600多萬條學生學習行為數據為研究對象，以期通過跨學科、跨地域的大規模課程的學習行為數據分析，發現MPOC學習行為的新特點及其影響因素，為各教育機構優化MPOC課程設計和教學實施、提升教學水平和效果提供依據。
三、研究設計
（一）研究樣本
在前期關于在線學習行為評估、在線課程學習表現模型、學習分析數據模型等研究的基礎上，基于國家開放大學2015年秋季學期學習平臺日志原始數據，從課程信息、學生信息、教師信息、學習過程行為數據、教學過程行為數據等幾個方面對日志數據進行采集、提取，其中，學習過程行為數據按照學生在線主要完成的學習動作和學習類別分為在線學習時間、各類行為次數、資源使用情況、論壇發帖情況、作業完成情況、測驗完成情況、在線學習成績7類14項數據項；教師行為數據從在線輔導投入、輔導方式、課程建設等主要的在線教學行為進行采集，包括教師各類行為次數、在線教學時間、論壇發帖情況、作業批改情況、站內信、課程資源更新6類14項數據項。這些數據項以國家開放大學網絡課程資源類別、需完成的學習任務、主要的教學和支持服務方式為依據，包含了學習者在線學習的主要學習行為、學習過程和教師主要的教學和輔導行為。表1為各數據項及其具體描述，在數據整理和采集過程中，剔除了不完整、異常的行為數據記錄。
（二）研究方法
應用數據統計與可視化、聚類分析、相關分析、關聯規則等數據分析和挖掘技術，對國家開放大學2015年秋季學期的學習行為數據進行分析，了解國家開放大學網絡課程的在線學習情況，挖掘行為數據之間的關系，找出國家開放大學MPOC課程學生學習特點及其影響因素。
對課程教學過程進行跟蹤，全面了解課程建設、教學情況，結合定量分析進一步深入分析教學過程和挖掘學習行為特點，改進課程設計。
與部分輔導教師和學生訪談，補充和修正研究結果，結合實際的教學經驗和教學實踐對一些學習行為給予解釋，對教學和支持服務給予相關建議。
四、研究過程與討論
（一）學生在線學習行為特點
1. 學生在線學習時間分布
圖1為2015秋季學期學習平臺所有有學習行為記錄的學生在線學習天數趨勢圖。可以看出，在線學習1天的學生人數最多，在線學習40天以上的學生人數僅有14人，學生學習天數和學習人數線性遞減，在所有學生中在線學習天數最長的為59天。根據課程每學期開課周數（除去考試周，課程在線開課時長為10周左右），學生在線學習天數明顯偏低，存在很多學生集中一天或者幾天完成作業、計分測驗等能獲得成績的欄目，只有少部分學生能夠堅持長期在線學習。雖然國家開放大學的網絡核心課程強調豐富的學習資源和學習活動設計，但是實踐證明如果缺乏后續的教學組織和完整的支持服務體系，MPOC的整體在線使用率和MOOC沒有太大區別，不會因為學生是正式注冊、繳費入學的學習者，就能自覺地堅持在線使用網絡課程開展學習。
2. 學生各類學習行為對比分析
學生行為是了解學生學習特點的重要指標。通過對各類行為進行分析了解學生學習偏好，為課程設計和教學落實提供依據。圖2是國家開放大學2015年秋季學期學習平臺57門課程四類不同行為次數平均值（行為次數均值為每門課程所有學生點擊量的平均值）的對比圖。可以看出，幾乎所有課程的資源瀏覽類別行為次數是最少的，其次是人際交互類別，最高的是課程登錄、導航欄目、成績查詢等。
具體到每門課程，計分類作業和測驗的點擊次數最多。圖3和圖4分別以1門公共必修課和1門專業核心課程為例，統計課程點擊次數最多的前10個欄目，從圖中可以看出人際和人機類別行為占大部分，特別是排在前4位的幾乎都是形考任務（即作業），其他大部分課程也類似。
結合課程實際教學和師生訪談了解到，大部分網絡課程作業、論壇等人際交互類活動設計較少，并存在課程導航和學習路徑設計復雜的情況，因此從單個課程欄目來說作業類點擊次數最多，但整體上點擊量不突出，而且課程學習路徑不清晰也導致導航欄的重復點擊增加了其他類別行為交互的數量。同時，因為是學歷教育學生，完成作業和測驗才能取得成績，所以學習者更注重能獲得成績的測驗、作業，而較少關注資源瀏覽類別欄目。
3. 學生學習行為群體分布
用K-means聚類分析法對學生在線行為次數和在線學習天數做聚類分析，如表2和圖5所示，剔除個別離群點數值，學生在線學習群體分為4類。從表2中看出，學習行為次數總和隨著在線天數正增長，其中聚類4的在線學習天數和行為次數最多，按照一學期10周的開課時間計算，平均每周在線學習1.5次，每次各類學習行為達到137次，學生學習行為次數較高，但所占學生比率少，僅有0.28%；聚類1的在線學習天數與聚類4差不多，但是學習行為次數總和不到聚類4的一半；聚類2的在線學習天數比聚類1略少，學習行為次數總和為聚類1的1/3左右；聚類3的在線學習天數和學習行為次數明顯減少，在線學習天數是聚類2的1/3左右，學習行為次數僅為聚類2的1/5左右。圖5為學生在線學習天數和學習行為次數群體分布圖，其中，平均每周登錄學習一次及以上的學生不到12%，大部分學生平均3周登錄一次，每次的學習行為為3次。
對聚類結果進行深入分析發現，除聚類4外，其他3類57門課程隨機分布，而聚類4中的學生都是參加“國家開放大學網絡教學團隊試點”課程的學生。這些課程有其獨特之處：團隊建設方面，組成了包括主持教師、輔導教師、班主任、管理人員、技術人員的教學團隊，實行在線值班，隨時回答學生的各類問題；教學實施方面，充分發揮團隊各類成員的作用，為學生提供及時的教學輔導和促學服務，特別是班主任隨時關注學生的在線學習情況，定期通報學習和作業完成情況，并主動聯系學生督促其在線學習和提交作業。
4. 課程交互情況
圖6到圖8是課程學生人機交互（測驗）和人際（作業、論壇發帖）交互情況描述圖。從中可以看出，課程的測驗完成、作業提交、論壇發帖情況都不是很樂觀，課程測驗完成率和作業提交率所占比例最多的都是20%以下，很多課程的論壇發帖均值是0-1個，即這些課程有部分學生的發帖數為0。
57門課程中，除去沒有設計作業的19門課程，課程作業提交率最高的為80.11%，提交作業率達到50%的課程共有9門，占設計作業課程總數的23.7%；除去沒有設計測驗的6門課程，課程測驗完成率達到50%的課程共有10門，占設計測驗課程總數的19.6%；課程學生論壇發帖均數最多的為21.47個，學生發帖均數超過5個的課程有9門。
對學生人機和人際交互情況都較好的幾門課程進行教學跟蹤，并與輔導教師和學生訪談發現，這些課程在教學過程落實或課程設計方面較突出，如有的課程師資充足，有的課程參加“國家開放大學網絡教學團隊試點”項目，能保證為學生提供有效、及時的輔導、促學服務；有的課程設計簡潔、明了，一般應用平臺原生的流式布局，師、生在教和學時都不會迷失，受到輔導教師、學生的歡迎。如國家開放大學“組織行為學”課程，采用流式布局，所有資源、活動都在首頁面中呈現，課程頁面除學習內容外無其他設計，無論輔導教師組織教學還是添加資源都非常方便，同時，學生也很容易找到所需學習內容，因此該課程無論是作業和測驗的完成率，還是論壇發帖數都較靠前，課程易操作和可用性在訪談中也受到了教師和學生的表揚。
登錄課程進一步觀察發現，為了方便學生完成作業，課程測驗、作業等計分項目都提供下載，學生可下載后線下完成作業和計分測驗，因此部分分部，特別是經濟不發達地區的很多學生都是線下完成。同時，大部分課程班級和教學組建立QQ、微信群，進行實時和非實時交互，導致論壇利用率不高，這些原因都導致平臺中學生人機、人際交互的偏低。
（二）學習行為影響因素分析
從課程教學團隊、教師個人教學行為、課程運行區域、教學班規模、專業類型、課程設計等方面對學生在線學習行為進行對比分析發現，教學團隊和運行區域對學生學習行為有明顯影響，課程設計對學生在線學習行為有一定影響，而專業類型和教學規模對學生行為的影響不明顯。
1. 教學團隊對學習行為的影響
國家開放大學學習平臺運行的57門課程中，有7門課程參加了“國家開放大學網絡教學團隊試點”（以下簡稱“試點”），與其他50門課程（以下簡稱“非試點”）相比，試點課程全部基于網絡開展教學，有經費、機制支持，制定了明確的團隊職責分工和工作考核辦法，組建了包括主持教師、輔導教師、班主任、管理人員、技術人員在內的完整教學團隊，為學生提供全方位的學術和非學術服務，包括課程指導、遠程或面授教學、作業批改、輔導答疑、作業提醒、教務管理、技術協助和咨詢等。
圖9是試點課程和非試點課程各項學習行為數據平均值（平均值為各門課程各數據項平均值之和除以課程總數）的對比圖。從中可以看出，參加試點的7門課程的各項數據的平均值比非試點課程各項數據的平均值都高。其中，學習行為次數總和、學生人際交互類別行為次數、學生其他類別行為次數、在線學習天數、資源使用個數、活動利用個數、學生論壇發帖數、完成測驗數、完成測驗百分比等幾項過程性學習行為數據的平均值差距較大，其余項只是略高；提交作業個數、完成互動評價作業數、評價他人作業數等幾項的均值都很低（主要原因是課程設計的作業個數較少，特別是互動評價類作業更少）；課程在線成績方面，兩類課程成績的均值相差大約17分。
2. 教師個人教學行為對學習行為的影響
數據項相關性分析是了解各類行為數據之間的關聯性和影響度。通過對師生行為數據進行相關性分析，了解教師教學行為對學生學習的影響。由于試點課程的學習、交互都是在網絡課程中完成的，所以以7門試點課程的7個教學班（試點課程只在指定的分院運行，每門課程組成一個教學班）為樣本量，對學生行為數據平均值與教師教學行為數據平均值進行皮爾森相關性分析，表3為具有極強、強相關的師生數據項。
表3的相關性分析表明：
·教師的人際交互類別行為促進了學生人際交互，尤其提高了學生論壇的參與率；
·教師依據查看學生學習行為數據等其他類別行為，為學生提供促學服務，提高了學生作業的提交率；
·作業批改情況對作業提交數量有較大的影響；
·教師論壇發帖督促學生參加人際交互類別的學習，促進了學生參與作業互動評價，教師論壇發帖能鼓勵學生長時間在線學習；
·教師回帖頻率提升了學生測驗類活動的完成率和活動的利用率，也提高了學生在線成績；
·教師站內信促進學生人際交互，包括發帖字數、互動類作業及其評價；
·教師的資源更新頻率與學生測驗得分極強相關。
從以上相關性分析看出，教師作業批改和查看學生學習行為數據、學習日志等其他類別行為對督促學生提交作業效果明顯；教師論壇發主題帖和站內信能調動學生參與互動評價類作業及其互評，提高學生人際交互類別學習的積極性；教師回帖的頻率、資源更新情況對測驗類活動或測驗得分有影響，并且教師回帖頻率與學生在線成績強相關。總之，教師導學和促學行為有效地促進了學生作業、測驗的完成和論壇發帖，對促進學生人際、人機交互類別的學習和提高與在線學習成績相關的活動的完成率作用顯著，而在督促學生資源瀏覽方面效果不明顯。
3. 課程運行區域對學習行為的影響
按照課程運行分部對學生學習行為進行分析，發現在課程運行的所有分部中，成都、兵團分部學生的學習行為數據是最好的。表4截取了1門課程學生學習行為數據均值的顯著性檢驗的部分結果，從中可以看出，在本門課程運行的7個分部中，成都、兵團的大部分數據項比平均數高很多，當然也比其他幾個分部的數值都高。其他在多個區域運行的課程的分析結果類似。通過進一步的分析和訪談發現，成都、兵團分部充分重視網上教學，制定了相關的教學政策和考核制度，推動網上教學的開展，調動教師和學生的積極性，并通過培訓、教學督導等方式，保障網上教學的順利實施，保證網上教學質量。可見，相應的政策支持、制度和師資保障對學生學習有影響。
4. 教學規模對學習行為的影響
抽取部分課程，對不同教學班的學生學習行為進行顯著性分析，不同教學班學生學習行為數據沒有顯著性差別，因此課程教學規模與學生學習行為沒有明顯的關聯性。受各種條件約束，特別是課程運行的教學班分布在不同的分部，各地的教學條件、師資、政策等都不同，這都會導致分析結果有一定誤差。
5. 專業類型對學習行為的影響
把57門課程按照類別分為法律、教育、經管、理科、工科、人文、生物、外語和行政9個大類，對9類課程學生行為數據進行顯著性檢驗發現，學生行為數據之間沒有顯著差異。
6. 課程設計對學習行為的影響
如前所述，應用平臺原生的流式布局設計的課程受到輔導教師和學生的歡迎，人機和人際交互情況較好。對課程其他各項數據項進行觀察發現，此類課程的其他各項行為數據值普遍都不低，訪談中師生也一致認為相對來說更喜歡在這類設計的課程中學習。因此，課程設計對學生學習行為具有一定的影響。
從以上學習行為影響因素的分析來看，教師的導學和促學促進了學生的在線學習，特別是有組織的教學團隊的支持服務對督促學生過程性學習發揮了很大作用，學生在課程互動、測驗和作業完成率、課程成績等方面都有很大提高。同時，學生所在分部的教學管理水平、政策支持、制度保障和優秀的課程設計也是調動和推進學生在線積極學習的重要因素。因此，高效、協作的教學團隊、及時的教師導學和促學服務、良好的管理機制、優質的課程設計對保障MPOC課程教學質量、提升教學水平起到至關重要的作用。
五、結論及建議
基于上述研究和討論，總結國家開放大學網絡課程學生學習特點及其影響因素，并依據分析結果和實際教學經驗從課程建設、教學和支持服務、管理機制對國家開放大學MPOC課程給予建議，以期改進課程建設，提升在線教學效果。
（一）結論
1. 學生學習時間集中，交互情況有待提高
國家開放大學學生在線學習成績直接關系到學生是否能獲得學分和取得證書。因此，學生在線學習目的非常明確，即完成計分作業和活動，所以大部分學生集中幾天時間在線完成計分作業和測驗，學習沒有持續性，行為數據訪問量偏低；教學平臺的交互工具和功能沒有充分應用，輔導教師和班主任沒有充分發揮導學、促學作用，不管是人機交互還是人際交互都沒有達到預期水平。
2. 重考核性學習，輕資源類學習
從上述分析中可以看出，不管是資源瀏覽類別行為還是資源利用率都較低，計入考核的作業與期末考試聯系緊密的測驗完成情況較好。由于現階段學習平臺無法統計和顯現資源瀏覽情況、資源學習時長等，大部分課程沒有計入考核，導致資源點擊量低、瀏覽情況不佳。
3. 師生行為數據有顯著相關，教學團隊的及時服務是保證MPOC教學質量的關鍵因素
從數據的相關性分析來看，師生行為數據項之間有關聯性，教師的發帖、作業批改、站內信等在線教學行為與學生資源瀏覽、人際交互、人機交互、課程成績等幾方面都顯著相關，教師導學和促學促進了學生的在線學習。教學團隊對學生學習行為有明顯影響，團隊成員及時的輔導和促學服務，有效地提高了學生在線學習投入、課程交互頻次、資源瀏覽量、學習效果等，保證了MPOC課程的教學質量。
在試點項目中，各課程團隊都組織了符合課程教學需求的學術和非學術團隊，建立了明確的職責分工和工作機制，為學生提供在線的教學、輔導、促學服務，效果顯著，參與試點的課程無論是課程的交互還是資源利用情況等過程性學習行為和學習結果，都有明顯提高，教學效果良好。
4. 良好的管理機制保障了在線教學順利運行
通過課程運行區域對學生學習行為影響因素的分析發現，辦學單位健全、良好的教學政策、制度和充足的師資對推動教師在線教學和學生在線學習起到重要作用，能顯著提高師生網上教、學的效果。
5. 課程設計對學習行為有導向性，設計簡潔的課程受到學生普遍歡迎
課程教學和頁面設計對學生學習行為有一定的引導性。如果課程教學設計偏向探索型、實踐型，那么學生的人際交互類別行為次數值較大；如果課程偏向講授型，則資源瀏覽類別行為相對更多。如圖2所示，學生登錄、導航欄等其他類別行為次數的平均值最高，對課程進行分析發現，存在課程頁面設計多樣、導航不清晰、學習路徑復雜等情況，導致學生在學習時迷航，需借助導航欄目返回之前瀏覽的頁面，或需多次點擊導航欄目才能找到所需學習的內容。結合課程設計對學習行為的影響分析，以及實際教學和師生訪談，輔導教師和學生更喜歡設計簡單、流式布局的課程，此類課程一般不會迷航，更有利于輔導教師組織教學、學生查找資源和完成作業，學生各項行為數據值都較高。
（二）相關建議
1. 關于課程建設
（1）加強過程性考核，保證考核與課程內容的一致性
完善網絡課程考核方式，提高過程性考核所占的比例，如通過增加平時學習行為和學習進度考核、加大人際互動作業的比例等方式引導學生平時學習。做到學習資源與考核、教學目標設計的一致性，加強資源和考核之間的關聯，使學生通過資源的學習能很好地完成學習目標和考核，從而增加學生資源的利用率。同時，注重資源設計的簡潔性、生動性和有趣性，加強導學內容的設計，激發學生對課程內容的興趣，提高資源訪問量，落實教學過程。
（2）優化課程設計，完善平臺功能
依據學習行為數據進一步優化課程設計，統一和簡化課程頁面和布局。通過設計清晰的欄目導航、簡化課程學習路徑和增加課程知識地圖等方法，減少學生課程內容查找的時間，為學生提供良好的課程體驗。規范課程開發過程，建立課程建設和資源上傳標準，便于平臺對學習行為的記錄和數據統計。增加報表、信息推動、實時交流等功能或工具，為實時查詢學習情況、教學干預、在線教研、實時提問等提供可能。
2. 關于課程教學和服務
（1）配備符合課程教學需求的一站式教學團隊，保障教學質量
配備符合課程教學需求的學術和非學術團隊，為各教學班配備專職輔導教師和班主任，為學生提供個性化的支持服務，解決學生學科、教務、技術等方方面面的問題。建立科學、有效的團隊工作機制，引導學生在線學習和交互，保障教學質量，提升教學效果。國家開放大學已通過試點工作認識到建立多元化、一站式的網絡教學團隊對在線教學的重要性，積極推動和鼓勵各課程、專業建設自己的教學團隊。
（2）提供及時的教學服務，鼓勵過程性學習
根據學生學習行為特點制定有針對性的教學計劃和支持服務，激發學生學習興趣，增加對資源類、活動類等過程性學習的投入和均衡學習。充分發揮和挖掘教學團隊成員的作用，引導、督促學生參加過程性學習，如輔導教師通過導學和及時回帖推動學生積極發帖，班主任老師通過站內信、論壇、郵件、電話等進一步督促學生完成作業和登錄學習。同時，開發徽章等平臺功能，加大對平時學習的獎勵，激勵學生過程性學習。
3. 關于管理機制
（1）轉變教師職能和考核機制，加強教學團隊建設
MPOC教學模式下，課程組織教學和支持服務都以教學團隊的形式展開，本文介紹的7門試點課程組成1+N（1位課程負責人，N位輔導教師）的教學團隊，以課程項目制的方式進行教學運營。對于學生數目龐大的課程，教學團隊可能是N*（1+N）的組織形式進行運營和實施教學。在MPOC下，隨著團隊中各類教師的工作職責發生轉變，相應的教師的考核機制也應該發生改變，不再對單獨的教師進行考核，而是對教學團隊整體考核，教學團隊內部則由課程負責人根據教學情況、學生反饋等對團隊成員進行考核及獎懲。為了保障學生的教學需求，教育機構應鼓勵根據課程特點建設一站式、多元化的教學團隊，為學生提供個性化的支持服務。同時，教學單位要研究適合MPOC教學模式的相關教學制度和管理機制，為教學的實施提供政策支持和人、財、物的保障。
（2）加強教師培訓，提升教師在線教學和服務能力
通過組織主持教師、輔導教師、班主任、管理人員、技術人員等的各類培訓，提高教師的課程教學設計、教學組織、導學、促學、技術支持等能力，為學生提供優質的課程體驗和教學以及支持服務。
（3）共享優秀案例，應用數據分析指導教學過程
通過分享會、研討會等方式展示優秀課程設計案例、分享優秀團隊的運行機制，積累和學習先進經驗，整體提升MPOC團隊教學水平和改進運行機制。向課程團隊提供行為數據分析結果，全面、客觀地反映教學情況，指導課程教學和運行，保障教學質量。
本文是對MPOC課程大規模數據整體、初步的分析，對各類教、學行為和現象的深層次原因挖掘還不夠深入，下一步將結合定性研究從多角度、多層次對教學行為數據進行分析，如深入挖掘不同類別學生的行為特點、學生之間的學習互助對學習行為的影響、教師教學行為對學生學習的督導作用、課程負責人的教學干預對促進過程性學習的作用等方面，不斷完善MPOC課程的運行機制和支持服務模式。
[參考文獻]
陳侃，周雅倩，丁妍，等. 2016. 在線視頻學習投入的研究——MOOCs視頻特征和學生跳轉行為的大數據分析[J]. 遠程教育雜志（4）：35-42.
郭文革，沈旭東. 2015. MPOC：大規模私有在線課程的設計與運營[J]. 現代遠程教育研究（1）：22-32.
賈積有，繆靜敏，汪瓊. 2014. MOOC學習行為及效果的大數據分析——以北大6門MOOC為例[J]. 工業和信息化教育（9）：23-29.
蔣卓軒，張巖，李曉明. 2015. 基于MOOC數據的學習行為分析與預測[J]. 計算機研究與發展，52（3）：614-626.
李爽，王增賢，喻忱，等. 2016. 在線學習行為投入分析框架與測量指標研究——基于LMS數據的學習分析[J].開放教育研究（2）：77-88.
馬秀麟，毛荷，王翠霞. 2016. 從MOOC到SPOC：兩種在線學習模式成效的實證研究[J]. 遠程教育雜志（4）：43-50.
孫洪濤，李秋劼，鄭勤華. 2016. MOOCs交互模式聚類研究[J]. 中國遠程教育（3）：33-38.
王萍.2015. 基于edX開放數據的學習者學習分析[J]. 現代教育技術（4）：86-93.
魏順平. 2012. 在線學習行為特點及其影響因素分析研究[J]. 開放教育研究（4）：81-90.
魏順平. 2013. 學習分析技術：挖掘大數據時代下教育數據的價值[J].現代教育技術（02）：6-11.
魏順平. 2016. 學習分析數據模型及數據處理方法研究[J]. 中國電化教育（2）：8-16.
魏順平，程罡，王麗娜，等. 2016. 數據驅動的在線課程實施過程評價指標體系構建研究[J]. 開放學習研究（2）：42-48.
魏順平，趙璇，程罡. 2015. 數據驅動的在線學習表現模型構建研究[J]. 天津電大學報（03）：35-41.
吳江，馬磐昊. 2015. MOOC學習者行為分析研究——以愛課程平臺的一門慕課為例[J]. 知識管理論壇（3）：52-61.
鄭勤華，陳麗，林世員. 2016. 中國MOOCs建設與發展[M]. 北京：電子工業出版社.
Jiawei Han， Mieheline Kamber， Jian Pei. 2012. 數據挖掘概念與技術[M]. 范明，孟小峰，譯. 第3版. 北京：機械工業出版社.
Ga?evi
Hung， J. L.， & Zhang， K. （2008）. Revealing online learning behaviors and activity patterns and making predictions with data mining techniques in online teaching [Electronic version]. Journal of Online Learning & Teaching， 4（4）， 426-436.
Haggard， S.（2013， September）.The maturing of the MOOC. Retrieved April 20， 2016， from https：//www.gov.uk/government/uploads/system/uploads/attachment_data/file/240193/13-1173-maturing-of-the- mooc.pdf
Su， J. M.， Tseng， S. S.， Wang， W.， Weng， J. F.， Yang， J. T. D.， & Tsai， W. N. （2006）. Learning portfolio analysis and mining for SCORM compliant environment [Electronic version]. Journal of Educational Technology & Society， 9（1）， 262-275.
Williams， B.， （2015， August 25）. Rollcall： taking a census of MOOC students. Retrieved September 21， 2016， from http：//www.ceur-ws.org/Vol-1009/0103.pdf
Za?ane， O. R.， & Luo， J. （2001）. Towards evaluating learnersbehavior in a web-based distance learning environment [Electronic version]. Advanced Learning Technologies， 8， 357-360.
收稿日期：2016-11-04
定稿日期：2016-12-28
作者簡介：石磊，碩士，助理研究員；程罡，博士，副教授，副處長；李超，碩士，工程師，國家開放大學學習支持服務中心（100039）。
魏順平，博士，副研究員，副處長，國家開放大學數字化學習技術集成與應用教育部工程研究中心（100039）。
責任編輯 劉 莉
編 校 韓世梅
