MOOC課程資源訪問模式與學習績效的關系研究

張媛媛 李爽

【摘要】本文基于一門典型MOOC課程10，598名學生學習行為數據，對MOOC課程的資源訪問模式及其對學習績效的影響進行了探索。文章從訪問動機、資源類型、行為投入特征三個方面定義了12個在線學習行為變量作為挖掘MOOC學習者資源訪問模式的特征變量，12個變量累計解釋期末成績65.7%的變異。研究采用二階聚類方法基于12個特征變量最終聚類出六種資源訪問模式：主動的系統學習型訪問模式、全面探索型訪問模式、績效型訪問模式、內容型訪問模式、隨機操練型訪問模式和隨機瀏覽型訪問模式。研究發現，以目標動機和績效動機雙重驅動的主動的系統學習型訪問模式的成績最好，對績效類資源的高投入訪問將顯著影響學習者的成績。文章最后對MOOC課程的資源訪問模式及其有效性、資源訪問模式的評測指標、MOOC課程設計與學習支持以及研究本身進行了討論與反思。期望能夠為實踐中MOOC課程教學設計與學習支持的改進提供依據。

【關鍵詞】? MOOC;資源訪問模式;學習績效;行為投入;訪問動機;資源類型;學習分析;教學設計

【中圖分類號】? G420? ? ? ?【文獻標識碼】? A? ? ? ?【文章編號】? 1009-458x（2019）6-0022-11

一、引言

近幾年來，在全球MOOC浪潮的推動下我國各類MOOC快速發展，逐漸成為正式和非正式學習的重要方式。MOOC課程為學生提供了優質的多樣化教學資源，包括制作精良的教學微視頻及其針對性練習、擴展性資源、學習社區、模擬試題、學習工具等。各類資源對于學生的學習認知具有不同的價值，學生通過不同的互動方式將這些資源用于他們的學習中。比如：視頻、文本等教學課件屬于閱讀類資源，以傳遞知識為主要功能;習題、試題等屬于練習類資源，以鞏固知識、強化應用為主要功能;論壇、帖子屬于生成類資源，以答疑解惑、促進協作知識建構為主要功能;筆記本屬于認知工具類資源，以促進學習反思和知識內化為主要功能，等等?？梢?，學生對在線課程各類資源的訪問度和訪問模式隱含了他們與課程資源的互動模式，隱含了他們在線課程的學習方式。因此，可以將學生對資源的訪問看作是在線課程學習的基本行為投入，學生在課程中的各種認知行為都可以看作是建立在對各類課程資源訪問的基礎上。學生對資源訪問的程度體現了他們在線學習的投入度，而學生對資源訪問的偏好在某種程度上體現出他們在線學習方式的偏好。已有研究表明，學生所訪問資源的類型以及對資源的訪問方式會影響學生的學習績效。如Mayer和Moreno（1998）研究發現，訪問動畫與聽覺資源的學生比只訪問文本資源的學生學習效果更好一些。Kalyuga、Chandler和Sweller（1998）研究發現，學習資源由文本、圖片和聲音的組合形式呈現，其效果優于聲音和圖片或者文本和圖片的呈現形式。Antonenko和Niederhauser（2010）的研究顯示，資源采用超文本鏈接的形式呈現可以減輕學生的認知負荷，促進系統知識的獲取。Murray等（Murray， Jorge， Geist， & Hedrick， 2012）發現學習者與在線學習資源的互動可能有助于使學生更容易學習，并加快他們的學習進度。Asarta和Schmidt（2013）指出學生基于在線課程資源學習的自律性將成為影響他們學業成功的重要因素。

綜上所述，MOOC學習者訪問課程各類資源進行學習的方式將反映MOOC學習者的學習投入與學習偏好，并可能影響他們的MOOC受益程度以及課程學業績效。了解MOOC學習者如何訪問MOOC課程資源并探索各種資源訪問模式與學習績效的關系將為MOOC的學習設計和學習支持提供重要依據。MOOC課程記錄的學習過程數據和快速興起的學習分析技術為挖掘MOOC課程資源訪問模式提供了有力支撐。鑒于此，本研究將基于MOOC課程數據采用學習分析方法探索MOOC課程中的資源訪問模式，挖掘MOOC學習者訪問課程資源的主要模式，發現MOOC學習者的學習偏好，并考察這些訪問模式與學習績效的關系，從而定義出較為高效的資源訪問模型，以期為教學設計者和教師改善MOOC的學習設計和學習支持提供啟示和依據。

二、文獻綜述

文獻調查顯示，盡管已有很多文獻對在線課程學習行為模式進行了探索，但是專注考察資源訪問模式的文獻整體較少。大部分研究將資源訪問行為變量與做練習、討論、提交作業等行為變量一起用于探索學習模式。然而，在這些研究中對資源的訪問與使用是其所構建學習模式的重要組成。

已有文獻從不同視角對混合式教學和全在線教學情境下在線課程的資源訪問模式進行了探索。如Cerezo等（Cerezo， Sánchez-Santillán， Paule-Ruiz， & Nú?ez， 2016）基于任務、理論內容、論壇上學生投入的時間、發帖的字數、與學習相關的操作的數量（如瀏覽資源、瀏覽論壇、論壇搜索等）以及提交任務的天數（提交時間距離任務發布的時間）等變量，從學生與課程任務、理論內容、論壇資源等交互的視角對在線課程資源訪問模式進行了探索，定義出任務導向的群體學習者、任務導向的個人學習者、非任務導向的拖延者和非任務導向的非拖延者四類學生與課程的交互模式。Lust等（Lust， Elen， & Clarebout， 2013）從在線課程各類資源工具性的角度對學生在線課程資源的使用情況進行了探究。該研究將課程資源按照其工具屬性進行了分類，如論壇中的他人消息代表通信工具，網絡鏈接和練習測驗代表探索和闡述課程內容的工具，教學大綱代表基本信息工具，支持學生加工課程內容的特定材料代表腳手架工具，等等。研究發現，在不同的學習階段不同學生群體具有不同的資源工具使用模式。Chen等（Chen， Fan， Zhang， & Wang， 2017）基于學習者對課程資源的使用情況（如視頻、PDF手冊、論壇）定義出四種資源使用模式，并根據四類資源使用模式將學習者劃分為視頻觀眾、講義收藏家、尋求者和其他人。Arora等（Arora， Goel， Sabitha， & Mehrotra， 2017）基于學生對課程材料、視頻講座、論壇和考核評價等資源的投入情況，識別出了五類不同投入模式的學習者：不感興趣學習者、隨意學習者、績效偏愛者、探險家、成就者。Anderson等（Anderson， Huttenlocher， Kleinberg， & Leskovec， 2014）通過學習者提交作業數目和瀏覽視頻數目這兩個特征指標將學習者劃分為五類，包括觀看者、解決者、多面手、收集者、旁觀者。Kizilcec等（Kizilcec， Piech， & Schneider， 2013）基于“準時”（按時完成測驗）、“延遲”（在規定時間之后完成測驗）、“旁觀”（看視頻但是不做測驗）、“退出”（根本沒有參與這門課程）四個指標，對Coursera平臺上三門xMOOC課程學習者進行聚類，識別出四類具有不同參與特征的學生：完成者、試聽者、旁觀者、退出者。Rodrigues等（Rodrigues， et al.， 2016）基于論壇發帖、視頻觀看、測驗等在內的共14個特征指標將MOOC學習者進行聚類，識別出參與者、偶爾參與者和不參與者三類參與特征模式。上述研究顯示，無論是MOOC課程還是混合式課程，學生訪問課程在線資源的模式都存在差異，且大部分學習者并沒有充分、有效地利用課程提供的在線資源（Lust， et al.， 2013）。這意味著盡管很多學習者注冊和學習在線課程，但是相當比例的學習者因為動機、適應性等因素未能從課程中充分受益。

已有研究表明在線資源訪問和使用模式會對學習者的學習績效產生影響，如Lust等人（2013）發現規律使用課程工具的學生會取得更好的績效。Asarta等人（2013）發現堅持訪問課程中提供的額外在線材料的學生其課程分數更高。在Arora等（2017）得出的五類學習者中，績效偏愛者與探險家在成績上具有顯著的差異，其中績效偏愛者的成績更好一些。有些資源訪問模式是對學習績效具有積極預測作用的有效模式。然而，已有研究也發現存在一些模式并沒有在學習績效上呈現出顯著差異。如Cerezo等人（2016）發現采用任務導向的群體學習模式的學生和非任務導向的拖延模式的學生在學習績效上的差異并不明顯。

在對資源訪問模式的建構中，大部分研究主要根據各類資源的訪問度來構建模式，定義模式的行為變量包括在線或者瀏覽視頻的時長（Cerezo， et al.， 2016; 賈積有， 等， 2014; Macfadyen & Dawson， 2010; 王改花， 等， 2019; 楊娟， 等， 2017）、觀看視頻次數（賈積有， 等， 2014; 蔣卓軒， 等， 2015）、提交測驗次數（蔣卓軒， 等， 2015; 宗陽， 等， 2016）、訪問課程資料頻次（Cerezo， et al.， 2016; 石磊， 等， 2017; 楊娟， 等， 2017; 宗陽， 等， 2016）、訪問總數（Wilson， 2003; Wang & Newlin， 2000; Asarta， et al.， 2013）、觀看視頻數和學習章節數（王萍， 2015）、論壇參與程度（賈積有， 等， 2014; 蔣卓軒， 等， 2015; 石磊， 等， 2017; 朱珂， 2017; Macfadyen， et al.， 2010）、視頻觀看完整度（宗陽， 等， 2016）。相關變量從時間、頻次、數量、完成度等方面表征學生對資源的訪問度。這些變量在一些研究中被發現與學習績效存在顯著相關，如時長（Cerezo， et al.， 2016; 賈積有， 等， 2014; Macfadyen， et al.， 2010）、觀看視頻次數（賈積有， 等， 2014; 蔣卓軒， 等， 2015）、提交測驗次數（蔣卓軒， 等， 2015; 宗陽， 等， 2016）等。但是在一些研究中，部分訪問度的相關變量也被發現與學習績效并不是顯著相關，或者并不是績效的關鍵預測變量，如學習者觀看視頻數和學習章節數（王萍， 2015）、總訪問次數（Asarta， et al.， 2013）等。

然而，越來越多的研究者發現資源訪問的規律性對于學習的重要性，并嘗試從訪問時間特征探索資源的訪問模式（Baugher， Varanelli， & Weisbord， 2010; Asarta， et al.， 2013; You， 2016; 朱珂， 2017）。其中，體現學生自我調節失敗的學習拖延是資源訪問規律性中最受關注的行為特征，學習拖延對成績的負面影響已經得到了相當多實證研究的支持（Howell & Watson， 2007），如Asarta等（2013）探索了資源訪問的及時性、規律性、臨時抱佛腳模式對學習績效的影響。You（2015）通過分析在線學習者材料學習和作業提交的延誤，研究了學業拖延對在線學習課程成績的影響，發現它們在預測課程成績方面具有負面影響。Tuckman（2005）不僅發現在線學習中的拖延者往往比非拖延者表現得更差，而且在在線學習環境中拖延與成就之間的負面關系要強于傳統學習環境。此外，有研究者從訪問資源的時間間隔這個角度來表示資源訪問的規律性，如朱珂（2017）通過計算學習者登錄時間間隔的方差來表示其學習的規律性。在上述研究中，無論是從資源訪問的及時或拖延還是從資源訪問的時間間隔來表示規律性，都被發現對學習績效具有顯著的預測作用。資源訪問的規律性體現了學生對學習的自我管理與調節水平，是認知投入的表現，對在線學習投入的很多實證研究已經表明學生在學習自主管理方面的投入對學習績效具有顯著的影響（You， 2015; 李爽， 等， 2016）。

除此之外，一些研究發現學習動機是影響資源訪問模式的重要因素。如Arora等人（2017）和李爽等人（2017）的研究均發現存在相當比例的學生采用績效驅動的資源訪問模式，這些學生以訪問與考試密切相關的資源為主，如試題、練習資源。也有一些學生的資源訪問是興趣驅動的，而對于課程成績或認證并不十分感興趣（Kizilcec， et al.， 2013），表現為主要選擇性地看一些教學視頻，而并不太訪問課程習題資源。相關研究也發現績效驅動的資源訪問模式相比其他資源訪問模式可能對學習績效具有更穩定的積極預測作用（Baugher， et al.， 2010; 李爽， 等， 2017; Cerezo， et al.， 2016）。在MOOC課程資源訪問模式的研究中考慮學習動機因素顯得更加重要，因為MOOC的開放性使具有不同動機的學習者都有機會注冊課程，這些不同的學習動機成為資源訪問模式的重要影響因素。

綜上所述，相關文獻表明資源類型、訪問度、訪問規律性、訪問動機等因素都會影響在線課程學習者的資源訪問模式。然而，已有關于資源訪問模式的研究主要基于訪問時長、訪問頻次、訪問量等訪問度變量來探索資源訪問模式，缺乏綜合多種訪問特征對資源訪問模式的考察，因此難以發現真實有效的資源訪問模式。事實上，訪問時長、訪問頻次、訪問量、訪問規律等實質上都體現了學生對課程資源訪問的行為投入特征（李爽， 等， 2016）。學生對MOOC課程各類資源的訪問投入受不同訪問動機的影響，并最終呈現出不同的訪問模式。本研究計劃整合訪問動機、資源類型、訪問行為投入特征這三個方面，探索MOOC課程中存在的資源訪問模型，并檢驗相應模型與學習績效的關系。

三、研究問題與方法

（一）研究問題

本研究旨在基于對MOOC課程學習數據的挖掘，探索MOOC課程的資源訪問模式及其與學習績效的關系，主要聚焦如下三個研究問題：

1. 哪些在線課程資源訪問行為變量可以作為定義MOOC資源訪問模式的特征變量？

2. 基于MOOC學習者的資源訪問特征是否會挖掘出多種MOOC資源訪問模式，各訪問模式的特征是什么？

3. 學習者在MOOC課程中的不同資源訪問模式是否會影響其學習績效？

（二）研究案例與變量選擇

本研究以我國主要MOOC課程平臺之一學堂在線正在開設的一門英語MOOC課程學習數據作為分析對象，探索MOOC 課程的資源訪問模式。該課程是學堂在線的代表性課程，課程采用認知主義教學方法講授英語日常表達，課程學習以看視頻做習題為主，輔以少量的討論。課程包括八個單元的教學內容。教學資源包括教學視頻、習題、課程信息、擴展內容、進度把控信息和論壇信息等。課程每個單元都安排了計入平時成績的習題，課程最后還有期末考試。學生課程總成績超過50分則通過該門課程，獲得課程證書。

本研究基于文獻研究最終確定從訪問動機、資源類型、行為投入特征三個方面定義資源訪問行為變量，其中，資源訪問的行為投入特征主要通過訪問度和訪問規律兩個方面來定義。對MOOC課程的資源類型分析可知：教學視頻資源的訪問以學習內容為主，歸為內容類資源;單元習題答題情況是計入課程成績的，因此單元習題被歸為績效類資源;課程信息頁面與進度頁面為學習者提供學習通知和學習進度信息，為學生有效管理其在線學習提供了依據，因此將這兩類頁面歸為管理類資源;擴展頁面提供了與教學大綱相關的擴展內容，是可選擇的內容資源，因此將這類頁面劃分為擴展類資源;論壇是學生互動、交流的空間，論壇資源以生成類資源為主。論壇生成的資源既可能包括與學習內容密切相關的內容類資源，也可能包括課程要求學生訪問的績效類資源，也可能包括與作業提交、考試等有關的管理類資源，還可能包括一些教師和同伴共享的擴展類資源。因此，論壇的生成類資源實際上可能包括前述四類資源，可根據具體課程情況進行歸類。通過對本研究所選課程論壇內容的分析，發現本課程論壇整體數據量較少，師生生成的內容與教學內容更相關，因此在本研究中論壇生成類資源被歸為內容類資源。本研究將課程資源劃分為四類：內容類資源、績效類資源、管理類資源、擴展類資源。本研究借鑒Dweck和Leggett（1988）關于學生學習動機的分類，將對內容類、管理類、擴展類資源的訪問歸為目標驅動的資源訪問，將對績效類資源的訪問歸為績效驅動的資源訪問。目標驅動的學習更多的是關注自身能力的提升，績效驅動的學習更多關注的是他人的評價，如課程成績評定。之后，本研究根據課程已有數據，從資源訪問度和規律性兩個方面定義資源訪問的行為變量。訪問度變量涉及訪問時長、頻次、完成度等行為變量，訪問規律性包括訪問拖延度和訪問時間間隔均勻性兩類變量。其中，訪問拖延度通過學習者訪問資源與該資源發布的時間差來表征，訪問時間間隔均勻性變量通過計算學習者相鄰兩次訪問同類資源的時間間隔的標準差來表征。綜上所述，研究初步定義出18個資源訪問行為變量，這18個變量體現了兩類動機目標，涉及四類課程資源的訪問度和訪問規律性特征。

[訪問特征變量 資源類型 行為特征 動機類型 視頻訪問總時長 內容類資源 訪問度 目標驅動 視頻訪問完成度 內容類資源 訪問度 目標驅動 視頻訪問拖延度 內容類資源 訪問規律 目標驅動 視頻訪問間隔均勻性 內容類資源 訪問規律 目標驅動 論壇訪問時長 內容類資源 訪問度 目標驅動 信息頁面訪問次數 管理類資源 訪問度 目標驅動 信息頁面訪問時長 管理類資源 訪問度 目標驅動 信息頁面訪問間隔均勻性 管理類資源 訪問規律 目標驅動 進度頁面訪問次數 管理類資源 訪問度 目標驅動 進度頁面訪問時長 管理類資源 訪問度 目標驅動 進度頁面訪問間隔均勻性 管理類資源 訪問規律 目標驅動 擴展頁面訪問次數 擴展類資源 訪問度 目標驅動 擴展頁面訪問時長 擴展類資源 訪問度 目標驅動 擴展頁面訪問間隔均勻性 擴展類資源 訪問規律 目標驅動 習題訪問完成度 績效類資源 訪問度 績效驅動 習題訪問次數 績效類資源 訪問度 績效驅動 習題訪問拖延度 績效類資源 訪問規律 績效驅動 習題訪問間隔均勻性 績效類資源 訪問規律 績效驅動 ]

（三）樣本與數據處理

本研究對平臺記錄的26，981名注冊本課程的學生數據進行初步整理，發現真正產生課程行為數據的學習者只有10，598名。因此本研究主要聚焦這10，598名學生，探索他們的資源訪問模式。

本研究首先根據訪問行為特征變量對相應數據進行了初步檢測與清理，如核對不同表格數據的完整性、處理缺失值等。由于很多學生中斷對課程相關資源的訪問，所以拖延度和訪問間隔均勻性兩個變量的缺失值較多。根據兩個變量的意義，本研究用99，999來替代相應缺失值。之后，根據三個研究問題采用相應方法對數據進行了挖掘分析。為選取更有效的訪問特征變量，對訪問行為變量、期末成績進行了皮爾遜相關分析，篩選出與學習績效顯著相關且相關性更高的訪問行為變量，并采用多元線性回歸分析法檢驗了所篩選行為變量對學習績效的預測作用。然后，基于篩選出的行為變量采用二階聚類對樣本進行聚類分析，探索資源訪問模式。二階聚類算法是一種智能聚類方法，可用于揭示未知數據集的自然分組，自動確定最佳聚類個數，并且能用于處理離散型數據和連續型數據的聚類問題（Chiu， Fang， Chen， Wang， & Jeris， 2001），因此適合本研究的聚類需求。最后，采用ANOVA分析對聚類得到的不同資源訪問模式的期末成績進行差異性檢驗，考察資源訪問模式對學習成績的影響。

本研究主要采用Excel 2016對原始數據進行初步的整理和清理，采用SPSS 24.0進行回歸分析、聚類分析和ANOVA分析。

四、研究結果

（一）訪問特征變量的定義

由于選取的兩個指標之間若存在高度相關性，可能會減弱其他特征指標對于聚類結果的影響，降低聚類結果的準確性，因此本研究首先采用皮爾遜相關分析方法將最初定義的18個訪問行為變量進行兩兩相關分析，以檢驗最初定義變量是否存在相關性較高的問題。皮爾遜相關分析顯示視頻訪問完成度與視頻訪問總時長、習題訪問完成度與習題訪問次數的相關系數均在0.8以上，為此需要從兩個變量中取舍?？紤]到研究主要關注對于學習績效具有促進作用的資源訪問行為變量，所以研究將相關性較高的兩個變量分別與期末成績進行相關性分析，并最終選擇保留與期末成績相關性更高的變量作為訪問模型構建的特征變量。這種方法在以往研究中也用過，如Khalil等（Khalil & Ebner， 2017）發現學習者登錄頻率和閱讀帖子頻次高度相關（r=0.807， p<0.01），因此在初步的篩選中保留了閱讀帖子頻次，而排除了登錄頻次這一指標。此外，對于與期末成績沒有顯著相關的變量，我們也直接進行了刪除，如信息、進度和擴展頁面的訪問時長、論壇訪問時長。最終，本研究確定如下12個特征變量（見表2）。這12個特征變量兩兩之間的相關系數及其與期末成績（FG）的相關系數見表3（采用英文首字母縮寫代表各特征變量）。

根據表3，最終篩選的12個變量與期末成績均呈現顯著相關（p<0.01），且變量間不存在較高的相關性。在12個變量中，與期末成績相關性最高的變量是習題的完成度（r=0.807**），其次是習題的訪問拖延度（r=-0.662**）和訪問間隔均勻性（r=-0.630**）。值得注意的是，訪問度變量與成績呈正相關，兩個訪問規律變量與成績呈負相關，即：學生習題完成度越高，訪問拖延性越小，訪問間隔越均勻，學生期末成績越高。習題在本課程中屬于績效類資源，學生對績效類資源的訪問度和訪問規律對期末成績的相關性整體高于其他類資源，與期末成績呈現較高相關性的還有視頻的完成度（r=0.337**）和視頻訪問間隔均勻性（r=-0.324**），可見視頻的完成度和訪問周期性對學生課程績效具有較大影響。然而，與習題訪問和成績的關系不同的是，視頻訪問的拖延度并沒有與成績呈現負相關，而是呈現較弱的正相關（0.137**）。該結果意味著，在靈活開放的MOOC課程中學習者對內容視頻訪問的周期性比拖延性會對成績產生更顯著的影響，內容訪問的拖延性不會對學習成績產生顯著的負面影響。此外，研究發現課程信息、進度和擴展頁面的訪問次數與期末成績都具有顯著相關，而相關頁面的訪問間隔均勻性與期末成績都是負相關。這意味著學生對管理類和擴展類資源的訪問度越高，訪問間隔越均勻，學習者的學習成績越好。

為進一步檢驗12個特征變量的有效性，本研究采用多元線性回歸分析法（采用步進的方法）考察12個訪問特征變量對期末成績的預測力。結果顯示，12個特征變量能夠累計解釋期末成績65.7%的變異（F=2，901.088; p<0.001）。綜合相關與回歸分析結果可知，這12個變量能夠較為有效地識別MOOC課程學習者的資源訪問模式。

（二）MOOC資源訪問模式聚類分析

為獲得MOOC學習者訪問資源的模式，本研究基于12個特征變量采用二階聚類方法對10，598名課程學習者進行聚類，結果得到六類子群，聚類結果良好。六類子群的12個變量特征的平均值及標準差見表4，將六類子群12個變量的數據標準化后，研究進一步繪制出六類子群對各類資源的訪問度特征直方圖（見圖1），以及對各類資源的訪問規律質心特征直方圖（見圖2）。

通過對六類子群在各類資源的訪問度和訪問規律的分析，本研究對六類資源訪問模式的特征進行了探索與界定。類1子群對各類資源的訪問度整體較低，主要集中在少量視頻資源上，對其他類資源的訪問極少，并且資源訪問很不規律，隨機性很強，其視頻訪問拖延問題在六類子群中最為突出?？梢姡@類學習者學習課程很可能是一時興趣驅動，缺乏穩定的目標或者績效動機。由此，類1被定義為隨機瀏覽型訪問模式。該類模式的學習者數量占比最大，占47%左右，體現了該門課程主要的資源訪問模式。

類2子群和類3子群對課程資源的訪問度也都整體較低，且具有較顯著的資源偏好特征。類2子群對視頻資源表現出明顯偏好，對視頻的訪問度僅次于類6，且訪問規律性也相對較好，體現了該類學習者的學習主要是目標驅動的。綜上所述，類2被定義為內容型訪問模式。類3子群則對習題資源表現出明顯偏好，他們根本不看視頻資源，主要課程學習以習題操練為主，對習題資源的訪問度排名第三，其訪問拖延度處于中等水平，對習題的訪問間隔均勻性較弱，僅強于對習題訪問極少的類1和類2。整體來說，其訪問規律性較弱，體現出該類學習者的學習缺乏目標動機，受一定程度的績效驅動，故此，研究將其定義為隨機操練型訪問模式。類2子群和類3子群學習者人數都不足樣本總數的10%，分別為9%和7%。

類4子群相比前三類學習者對課程資源的訪問度顯著提升，且是六類子群中對各類資源都保持了較高訪問度的子群，尤其是對管理類和擴展類資源的訪問度顯著高于其他五類，可見類4對課程資源的訪問更為全面，其課程學習同時受目標動機和績效動機的驅動。在訪問規律性上，類4在各類資源的訪問間隔均勻性上整體較好，尤其在管理類和擴展類資源的訪問規律性上，是六類子群中表現最好的子群。但是，類4的視頻訪問拖延問題較為突出，僅次于類3。進一步結合對六類子群的資源重復訪問行為分析（見圖3），研究發現類4具有較高的視頻拖拽次數和較低的視頻訪問完整度。這說明類4子群是表面上比較活躍但是學習缺乏深入性和系統性的群體，他們更像是課程資源的探索者，對各類資源都感興趣，但是又難以深入學習。由此，本研究將類4定義為全面探索型訪問模式。該類學習者占比最少，僅占樣本的2%左右。

類5子群對各類資源的整體訪問度處于六類中的中等水平，該子群與整體資源訪問度較低的類3相似，都對習題資源具有明顯的偏好，但其訪問習題資源的規律性較強，是較為典型的受績效動機驅動的學習者。因此，本研究將類5定義為績效型訪問模式。該類模式學習者占樣本的19%，僅次于類1子群，是MOOC較為典型的訪問模式。

類6子群對資源的整體訪問度較高，尤其對內容類和績效類資源的訪問是六類子群中訪問度最高的，對管理類和擴展類的資源訪問度也基本處于中等水平。在訪問規律性上，類6對內容類和績效類資源的訪問也具有較強的規律性，體現在最穩定的資源訪問間隔和較低的訪問拖延度上。上述特征表明該類學習者注重較為系統的學習和績效表現，且學習自主性較強，其學習同時受目標動機和績效動機的驅動。由此，本研究將類6定義為主動的系統學習型訪問模式。該類學習者大約占樣本的16%，僅次于類1和類5，是MOOC中相對成熟的學習者群體。

（三）不同資源訪問模式的學習績效差異檢驗

為考察不同資源訪問模式與學習績效的關系，本研究采用ANOVA對不同資源訪問模式的六類群體的期末成績進行差異檢驗，見表5。結果表明，采用不同資源訪問模式的六類群體的成績存在顯著性差異（F（5， 10，592）=1，777.2， p<0.001， η2=0.456）。采用最小顯著性差異法（Least—Significant Difference， LSD）進行事后檢驗發現：主動的系統學習型訪問模式（類6）成績最高，隨機瀏覽型訪問模式（類1）成績最低;全面探索型訪問模式（類4）和績效型訪問模式（類5）的成績僅次于主動的系統學習型訪問模式，且高于其他三類子群，但是二者并無顯著差異;隨機操練型訪問模式（類3）的成績高于內容型訪問模式（類2），內容型訪問模式高于隨機瀏覽型訪問模式（類1）。該結果表明：整體上對各類資源的訪問度高且訪問規律強的訪問模式學習成績更好。資源訪問規律較差的隨機型訪問模式，無論偏愛哪類資源，其學習效果均較差;對績效類資源的高投入訪問顯著影響學習者的成績，體現在績效型訪問模式的成績顯著高于內容型訪問模式的成績，且與全面探索型訪問模式沒有成績上的顯著差異。

五、討論與反思

（一）MOOC的資源訪問模式及其有效性

本研究基于MOOC學習者訪問課程資源的12個訪問行為特征變量最終識別出六種MOOC課程的資源訪問模式：主動的系統學習型訪問模式、全面探索型訪問模式、績效型訪問模式、隨機操練型訪問模式、內容型訪問模式、隨機瀏覽型訪問模式。六種模式在資源偏好以及相應資源的訪問度和訪問規律上都呈現出不同的特征，這些資源訪問特征也反映出學生MOOC學習的驅動動機。本研究發現的六類MOOC課程資源訪問模式進一步印證了部分研究所發現的MOOC學習模式。如Chen等（2016）定義的偏愛視頻資源的視頻觀眾類學習者與本研究中的內容型學習者類似，Arora等（2017）根據學生在課程材料、視頻、考核評價等資源的投入數據聚類發現的績效偏愛者和探險家與本研究發現的績效型訪問模式和全面探索型訪問模式類似。

對六種資源訪問模式的成績差異性檢驗可知，占樣本16%的主動的系統學習型訪問模式成績最好，從他們的資源訪問模式可知他們是目標動機和績效動機雙重驅動的學習者，他們的資源訪問以內容類資源和績效類資源為核心，不僅訪問度較高而且訪問規律性較強，體現出該群體在學習中強于其他五類群體的元認知投入，是相對成熟的自主學習者，這也是該群體獲得好成績的重要原因。綜上所述，目標與績效動機對于成功的MOOC學習者而言都很重要，以內容與績效類資源為核心，兼顧其他資源類的規律性學習是取得MOOC學業成功的有效條件，而體現該特征的主動的系統學習型資源訪問模式成為有效的MOOC資源訪問模式。

此外，值得注意的是期末成績僅次于主動的系統學習型訪問模式的全面探索型和績效型訪問模式。這兩類學習者都具有績效動機，且具有一定程度的課程資源學習投入度，期末成績明顯高于其他三類模式。然而，二者的資源訪問模式明顯不同，前者在各類資源上都具有一定的訪問度，后者則將精力主要投入在績效類資源上，可是二者的期末成績卻沒有顯著差異。究其原因，該結果與績效類資源對成績的影響更為顯著有關，該類學習者盡管可能在內容的系統學習上有欠缺，但是在績效類資源上有足夠投入，也能夠獲得不錯的成績。全面探索型學習者是六類模式中對課程各類資源都比較關注的群體，他們和主動的系統型學習者一樣同時受目標和績效動機的驅動，只是在內容和績效類資源訪問中的投入和相關內容的完成度明顯低于主動的系統型學習者，他們看上去可能相對活躍，如經常查看課程信息、進度頁面和擴展頁面，但是在課程內容學習上相對不夠系統和深入，這是導致他們成績低于主動的系統型學習者的重要原因。綜上所述，兩類模式在資源訪問上盡管特征各異，但是都存在內容學習不系統、不深入的問題。在教學中，應注意對這兩類群體的積極引導，促使其轉變為主動的系統學習型，如引導全面探索型學習者增強學習的深入與系統性，激發績效型學習者對內容類資源的學習興趣。

（二）資源訪問模式的評測指標

本研究從訪問動機、資源類型與行為投入特征三個維度定義的12個訪問行為特征變量經過檢驗是評測MOOC課程資源訪問模式的有效評測指標。本研究認為資源訪問模式的有效評測指標應是能夠有效體現訪問質量的相關指標，因為這些指標與學生學習的認知投入更加相關。如訪問時長能更好地體現學生的訪問總投入度或單次專注度，訪問完成度體現了學生學習的系統性，訪問間隔特征和拖延性特征體現了學生學習的規律等。該結果在已有研究中也得到了部分印證（Asarta， et al.， 2013; Cerezo， et al.， 2016; You， 2015）。

本研究最終篩選出的12個行為特征變量大多都是能體現訪問質量與規律的行為變量，信息、進度、擴展頁面的訪問度指標除外。這是因為，本研究在檢驗相關特征變量與學習成績的相關性時，發現上述三類頁面的訪問時長變量與期末成績不相關，而訪問次數變量與期末成績顯著相關?？梢?，除了行為特征之外，資源類型也是選取訪問模式評測指標的重要依據。上述三類頁面屬于管理類和擴展類資源，經確認相應頁面信息和內容較少，學生對這兩類資源的訪問并不需要多久，且對學習績效的直接影響力較小，該類指標的數據要么缺失，要么整體較小，缺乏區別度，因此相關頁面時長指標并不適合作為識別訪問模式的有效指標。而相應頁面的訪問次數則在一定程度上體現了學生對課程要求、學習管理的重視程度，或對課程領域相關知識感興趣的程度，這些能體現學生更多的認知投入。

本研究中從間隔均勻和拖延度兩方面來體現規律性，發現對各類資源的訪問間隔均勻和拖延度均與成績有顯著相關，其中對績效類資源的訪問間隔均勻和拖延度與成績的相關性最高。對資源訪問的間隔和拖延度能夠體現學習者自我管理與調節水平，反映其學習投入水平和對學習的規劃水平。因此在識別資源訪問模式時，強規律性更能體現學習的規劃性和系統性。比如能獲得較高成績的主動的系統學習型訪問模式，該類訪問模式在資源的訪問間隔上更為均勻且拖延度較低，體現這類有效的資源訪問模式具有較強的自我管理和系統的學習能力。

（三）對MOOC課程設計與學習支持的啟示

MOOC課程的高輟學率與個性化學習支持不足一直是人們對MOOC課程質量質疑的焦點。本研究對MOOC課程資源訪問行為特征的探索以及所提出的MOOC課程資源訪問模式對改善上述兩個問題的MOOC課程設計與學習支持提供了有益啟示。

本研究所定義的12個訪問行為特征指標，兼顧了訪問度與訪問規律、訪問資源類型與訪問動機因素，能夠較全面地揭示學生對MOOC課程各類資源的訪問特征，以及驅動學生學習MOOC課程的動機，為MOOC課程學習預警或自適應學習的學習行為監控和分析提供了參考指標。本研究識別出的六類資源訪問模式為MOOC課程設計時了解學生的資源訪問特征進而預設針對不同類模式的教學輔導方案提供了依據，也為基于模式識別的自適應或個性化推送與服務提供了支持。如對于主動的系統學習型學習者給予充分肯定，為其推送更深入、拓展的學習資源，引導全面探索型學習者在內容學習方面更加深入和系統，激發績效型學習者對課程內容資源的興趣，促進隨機操練型學習者對內容類資源的深入系統學習，提升內容型學習者對績效類資源的投入，給隨機瀏覽型學習者提供學習預警或個性化內容推送等。

此外，本研究發現學生對績效類資源的訪問情況能夠更有效地預測期末成績，該結果對MOOC課程的績效類資源設計和課程學習評測設計是一個啟示。績效類資源設計應該與課程目標密切相關，豐富計分任務或習題資源的類型，根據目標需求將重難點學習活動資源納入績效類資源設計中。與此同時，學習評測內容與方式也應該與教學目標以及績效類資源相呼應。目前，大多數MOOC課程學習評測仍然以考察低層次認知類目標的客觀題目為主，缺乏對綜合知識技能應用、問題解決能力的考察。未來，MOOC課程迫切需要根據教學目標，結合學習的重難點內容，設計更多樣化關注學習過程與經驗的學習評測方案，結合課程特點創新評價方式，提升評測的目標層次，以評促學，有效檢驗學生的課程學習結果。

最后，學生的自主學習能力較低是影響MOOC課程學習結果的重要因素之一，因此MOOC學習者非常需要自主學習管理方面的知識而管理類資源是其重要組成部分。在本研究中，大部分學生較少訪問管理類資源，這一方面與學生本身忽略管理類資源、缺乏自主學習管理意識有關，另一方面可能與管理類資源本身較為簡單、缺乏個性化支持性資源有關。由此，本研究建議MOOC課程應重視對管理類資源的設計，除了提供課程要求等信息之外，還應提供給學生適用的學習方法和策略、成功的學習經驗、有用的學習管理工具、個性化的學習分析與支持、精準的學習診斷與建議、便捷的信息或資源推送等，使相關資源能夠在管理學習、督促學習、問題解決等方面有效支持MOOC學習者完成預定學習目標。

（四）研究反思與展望

本研究聚焦MOOC課程的資源訪問活動，基于一個更全面的框架定義MOOC課程資源訪問行為特征變量，通過挖掘典型課程行為數據探索MOOC課程的資源訪問模式，一定程度上確保了所獲得資源訪問模式的有效性和代表性。然而，盡管如此，本研究僅僅基于一門課程進行資源訪問模式的探索，仍然存在一些局限，無法排除課程性質、教學方法、評價方式、學生來源、課程平臺等因素對資源模式探索的影響。如，課程的計分規則可能會影響學生對特定資源的關注，基于社會建構主義教學法的課程可能會使得論壇資源的訪問更加頻繁，提升學生對生成類內容的關注，課程平臺支撐更多有用的管理類工具或個性化資源則可能增加學生對管理類資源的使用，等等。由此，本研究所定義的資源訪問特征變量和訪問模式還需要在更多類型、平臺的MOOC課程中進行檢驗，并比較其研究結果，定義可以在多種情境下識別資源訪問模式的行為特征變量和共有資源訪問模式，并鑒別不同情境下的典型資源訪問模式及其測量指標。此外，后續還需要結合學生的人口學和學習心理等特征深入各類資源訪問模式的研究與分析，探索資源訪問模式與學生的人口學和學習心理特征的關系。

[參考文獻]

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（09）：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）：614-628.

李爽，王增賢，喻忱，宗陽. 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，22（02）：77-88.

李爽，鐘瑤，喻忱，程罡，魏順平. 2017. 基于行為序列分析對在線學習參與模式的探索[J]. 中國電化教育（03）：88-95.

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，25（04）：86-93.

王改花，傅鋼善. 2019. 網絡學習行為與成績的預測及學習干預模型的設計[J]. 中國遠程教育（02）：39-48.

石磊，程罡，李超，魏順平. 2017. 大規模私有型在線課程學習行為及其影響因素研究——以國家開放大學網絡課程學習為例[J]. 中國遠程教育（04）：23-32，80.

楊娟，宋曉玲，喬興媚. 2017. 自主在線學習環境下學習行為與學習風格偏向性的關聯分析研究[J]. 中國遠程教育（10）：47-54，79-80.