Mooc背景下基于網絡的學生學習行為研究

全婕 胡凌燕 劉軍波

摘? 要：學習行為研究是教育學中對學生行為管理的分析研究，通過對學習者活動的研究，掌握學生行為的規律，從中尋找教學管理新的方法和提高教學效率的途徑。本文依托超星學習平臺，借助數據分析方法對《C語言程序設計》課程的學生學習特征進行分析，為網絡學習的質量和效率提供支持。

關鍵詞：Mooc? 學習行為研究? 數據分析

一、問題的提出

學習行為研究是教育學中對學生行為管理的分析研究，是運用數據挖掘技術對學習者在學習過程中的行為進行跟蹤、分析，并對學習者的學習行為進行預測以及評價，從而能對學習過程進行干預，保證學習效果和效率的技術。

現代化的教育教學方式正在實現從傳統課堂教學過渡到傳統課堂講學與網絡在線學習并舉的學習方式，越來越多的網絡在線學習平臺，如優課聯盟、學堂在線、超星等如雨后春筍般不斷涌出。Mooc依托互聯網和信息技術，將全球的專家、學者、名校和教育機構提供的優質教學資料匯集成一個知識庫，使高等教育資源得到最大化的豐富和利用;作為一種新的學習情境和學習技術，它將學習者置于學習過程的核心地位，支持學習者積極、主動的發揮及個性化學習路徑的選擇等，學習者根據自己的理解能力、學習習慣、學習方法決定個性化的參與路徑，而且Mooc的交互工具也有助于師生之間的交流，讓大學課堂變得更加生動有趣。

隨著大數據時代的到來，運用數據分析網絡學習行為已成為當代教育技術學發展的趨勢。在網絡技術的支持下，我們能夠用數據記錄學習者的學習過程與軌跡，例如學生出勤，學習登錄時間，學習時間的長短，學習內容，討論，信息活動，考試分數等信息，這些信息使我們為分析和最終改進學習過程提供了有效數據來源。

二、相關研究理論

（一）行為科學理論

行為科學理論作為管理學理論的一種，開始于20世紀，是一門專門研究人類行為的綜合性學科，行為科學理論認為，行為是個體圍繞一項任務或一個目標，在環境的作用下進行的有目的活動。行為科學家主要研究的是外顯的行為活動。他們認為，可觀察和可測量是行為有意義并且可靠的兩個不可缺少的重要標準。可觀察是指一種行為能夠被他人看到;可測量是指能夠用時間或頻率等量化的方式進行衡量。

在教育學中通過網絡技術記錄學生的學習行為數據，借助行為科學理論對學習者學習活動研究，掌握學生行為的規律，可以從中尋找教學管理新的方法和提高教學效率的途徑。

（二）多元智能理論

多元智能理論是20世紀80年代哈佛大學認知心理學家加德納所提出的，他定義智能是人在特定情境中解決問題并有所創造的能力。他認為我們每個人都擁有八種主要智能：語言智能、邏輯-數理智能、空間智能、運動智能、音樂智能、人際交往智能、內省智能、自然觀察智能。加德納認為，“智力既可以是教學的內容，又可以是教學內容溝通的手段或媒體。”例如，一個數學邏輯智能并不好的兒童在學習某種數學原理的過程中，可能會遇到一些困難，課程設計者為這類兒童尋找另外一條途徑，比如提供角色扮演、音樂方式或其他媒體做比喻等，包括語言、數學邏輯、視覺空間、音樂/聽覺、動覺或情感的形式。Mooc課可以將通過多媒體處理的課件呈現在學生面前，給人提供多重感覺，并可以反復瀏覽，特別適合那些難于抓住重點或缺乏耐性的學生，而對大多數學生而言，豐富多樣的信息呈現與獲取也是一種使人愉快的學習方法。

三、學習者網絡學習行為模型的構建和網絡學習行為分析

（一）學習模型的建立與數據的獲取

將學習行為理論用于觀察和分析網絡學習行為的過程中，把網絡學習行為分為一下幾種基本類型：信息獲取與處理，人際交往和解決問題，結合學習者的自身的基本條件對行為加以描述和分析，我們把學生Mooc學習行為模型定義為1）學習者的身份信息：學號，2）學習者的相關學習經歷和背景：在學習《C語言程序設計》以前，每位學生學習過《計算機科學導論》這門課的成績;3）信息獲取與處理，以學習者對學過知識的記憶、理解、應用水平為主：包括Mooc視頻學習進度（已學慕課知識點數）、每章單元測驗平均分、期末考試成績;4）人際交往和解決問題，主要從學習者的學習態度、資源利用能力、學習交互情況等方面入手：包括反復瀏覽的時間比例（反芻比）、討論的文字量、上傳資料數量。見表1。

本文的實踐研究平臺為超星學習平臺，依托此平臺展開《C語言程序設計》課程的學生學習行為分析。超星學習平臺的主要模塊（見圖1）包括首頁（要求學生學習的課程視頻資源）、活動（教學活動，例如：簽到等）、統計（學習數據統計）、資料（課程學習資料，教師和學生都可以上傳）、通知（教師向學生發放通知）、作業（教師布置作業）、考試（章節測試）、PBL（反轉課堂）、討論（師生交流）、管理（學生名單管理）。其中統計模塊可以Excel表的形式得到學生綜合完成情況、任務點完成詳情、視頻觀看詳情、討論詳情、訪問詳情、成績詳情、各權重項百分制得分、作業統計、考試統計、章節測驗統計等數據，對以上表格進行整理，可得到所需數據。

實驗對象為2017轉入計算機專業的學生70名，2017級計算機系學生200名共270名學生。課程總學時為64個學時，教師要求學生學習的視頻分為10章，每章有單元測試，課程結束有期末考試。

（二）數據挖掘與分析

本研究采用Person相關系數來分析數據的相關性，使用的工具為R語言。在做Person相關系數分析之前，通過散點圖分析知道數據之間的關系的線性的。Person相關系數分析結果表示兩個變量之間相關性的強弱，絕對值在0.8-1.0時表示極強相關，絕對值在0.6-0.8時表示強相關，絕對值在0.4-0.6時表示中度相關，絕對值在化0.2-0.4表示弱相關，絕對值在0.0-0.2時表示極弱相關或無相關。

從表2中可以看出，各變量之間有一定的相關性，均在0.01之上顯著正相關，說明以上行為之間都是互相促進的。視頻完成數與測試平均分及期末成績極強相關，說明該視頻對學生學習有很大的幫助;前導課程《計算機科學導論》成績與期末考試成績之間為強相關，說明前導課程對學習《C語言程序設計》是很重要的;測試平均分與期末考試成績也是極強相關，說明每個階段的學習與期末學習成績有密切關系;另外，反芻比與測試平均分及期末成績中度相關，說明反復學習對提高學習成績有幫助;其次是討論數、上傳資料數與學習成績之間也存在著弱相關，說明學習者之間的交流以及學習者對于知識共享對學習成績的提高是有益的。

結語

學習分析技術在網絡學習中的應用，使得學習過程可視化，使得學習者和教師都能清晰明確地看到學習的過程，學習者可以根據學習分析技術的可視化分析結果，了解自己和其他學習者在網絡學習過程中的表現，教師根據數據可視化的結果，可分析出學習者的類別，可以更加合理的來安排網絡學習的輔導人員，并對Mooc學習的過程進行干預，最大程度上保證網絡學習的質量和效率。

參考文獻

[1]彭文輝.網絡學習行為分析及建模[M].科學出版社，2013-11-1.

[2]馮天敏，張如靜.國內網絡學習行為五年綜述[J].新媒體研究，2019（07）.