他們會如何學習？
——MOOC學習者特征及其行為分析

江 毅，王 煒，劉 艷

(新疆師范大學 教育科學學院，烏魯木齊 830017)

一、引言

2019年，中國慕課大會召開，并發布了《中國慕課行動宣言》，受到了全世界的關注。越來越多的教育機構、教育工作者、研究者加入MOOC設計、開發和研究的行列，共同推動MOOC的可持續發展。同時，吸引了大量的學習者注冊學習，他們往往興趣不一、特征各異，表現出不同的學習偏好。通過對數據進行挖掘和分析，能夠幫助理解MOOC的學習過程，為教師的教學決策和改進提供建議，也為學習者的自我調節和自我反思提供支持。[1]

以往的研究大多從人口學變量出發，結合學習者的注冊、瀏覽、視頻點擊、發帖討論、提交作業、在線考試、同伴互評、申請證書等學習行為進行分析。例如，王萍從性別、年齡、學歷、國籍等方面分析了學習者的特征，并對注冊人數、獲取證書人數、視頻點擊次數、發帖次數等行為變量進行了描述統計。[2]劉三女牙等人則進一步分析了不同學習者瀏覽課程次數、活躍天數、點擊視頻次數等行為的差異。[3]也有研究采用聚類的方法來刻畫學習者特征，結合具體學習行為，把學習者劃分為特定的類別，[4]例如，Arora識別出了五類MOOC學習者，分別是不感興趣者、臨時學習者、執行者、探索者和完成者。[5]

通過這些分析，可以發現MOOC學習者的特征、學習行為，以及二者間的關系。這些研究更加關注人機交互和人際交互指標，對傾向性指標分析較少，例如，學習者參與MOOC的學習動機或目的。[6]也有研究指出，這些指標同樣與學習者的學習表現密切相關，[7]在以往的研究中關注卻并不多，有必要結合傾向性指標進行相關的分析和討論，揭示不同的MOOC學習者如何開展學習。因此，本研究主要關注三個方面的問題：MOOC學習者的學習動機是什么？他們希望如何參與MOOC學習？又會有怎樣的學習表現？

二、研究設計

1.數據來源

本研究使用的數據來自于美國的一個MOOC學習平臺Canvas Network上傳發布在Harvard Dataverse(哈佛數據庫)上的信息，網址為https://dataverse.harvard.edu/。這些數據中包含十個學科門類，238門課程，共計325 199條信息，每條信息都代表著學習者的活動記錄。[8]數據經過去身份識別(De-identification)處理，以保護用戶個人隱私，最終保留24個有效列項。這些信息大致可以分為以下四類：

課程設置信息：包括課程ID、學科、用戶ID、課程注冊開始時間、課程學習開始時間、課程學習結束時間、課程最后訪問時間、課程持續天數。

學習投入信息：包括注冊、瀏覽、探索、成績、成績要求、完成度、課程要求。

學習者特征信息：包括選課原因、參與類型、預期每周學習時間、學歷、年齡。

學習行為信息：包括瀏覽課程次數、瀏覽課程天數、訪問模塊數量、論壇發帖數量。

其中，學習者特征信息來源于問卷調查，由學習者在注冊賬號時或學習開始前填寫，并與其在系統中產生的其他記錄信息進行匹配。

2.相關變量說明

本研究用于分析的變量主要包括：選課原因、參與類型、瀏覽、探索、成績、完成度、瀏覽課程次數、瀏覽課程天數、訪問模塊數量、論壇發帖數量。從數據字典可知，選課原因指的是學習者最初參與MOOC學習的原因或動機，參與類型指的是學習者預期自己參與的類型或方式。若學習者與課程互動至少一次，則“瀏覽”記錄為1，否則為0；若學習者瀏覽課程模塊(章節)超過50%，則“探索”記錄為1，否則為0。成績指的是學習者最終的課程得分，范圍為0—1；完成度指的是課程要求的學習模塊的完成程度，范圍為0—1。瀏覽課程次數指學習者不同操作行為次數的累計，例如瀏覽頁面；瀏覽課程天數指學習者當天瀏覽課程次數大于1的活躍天數；訪問模塊數量指學習者在課程學習中訪問不同模塊的數量；論壇發帖數量指學習者在論壇中發布帖子的總數。若學習者沒有填寫問卷信息，或沒有發生某種行為，則相應地標記為缺失值，或記錄為空值。

3.研究過程

采用Excel 2016對數據進行清洗，采用R 3.5.3進行可視化分析，采用SPSS 24.0對相關變量進行差異分析。由于原始數據中存在無效信息，需要進行數據預處理，獲取有效的分析數據。

首先，排除僅注冊但未參與課程學習的記錄，即排除viewed=“0”(與課程沒有任何互動)的記錄，篩選后剩余79 475條信息。

其次，排除瀏覽課程天數為空值的記錄，確保瀏覽課程天數至少為1，剩余73 696條信息。

最后，排除參與類型和選課原因為空值和缺失值的記錄，最終獲取12 602條數據信息。

三、結果分析

1.MOOC學習者特征分析

學習者的參與類型統計結果表明，四種參與類型的人數分別為：積極型(Active Participants)5 995人、消極型(Passive Participants)4 639人、偶爾型(Drop-Ins)1 106人、旁觀型(Observers)862人。

積極型會主動參與課程學習，并完成規定的全部學習內容；消極型會按自己的計劃參與課程學習，例如瀏覽頁面、點擊視頻、參與考試，但不會嚴格按照教師的安排參與學習；偶爾型只學習他們感興趣的課程，其他課程則不參與；旁觀型會參與課程學習，瀏覽內容、點擊視頻、參與討論等，但不會參與任何考試或評價。[9]

由此可見，約1/2的學習者認為自己能夠主動完成課程要求的學習任務，約1/3的學習者希望根據自己的安排參與MOOC的學習，約1/10的學習者認為自己只會學習感興趣的MOOC課程，另有少部分學習者認為自己只會參與學習，但不參與任何測驗。

學習者的選課原因包括十種，主要可以劃分為五類學習動機，分別是喜歡課程內容、工作技能需要、喜歡課程形式、滿足好奇心、學校學習需要，詳見表1。

表1 學習者選課原因的類別及人數

超過半數的學習者是出于對內容或話題的興趣參與MOOC學習。這在以往的研究中也得到了驗證，興趣是學習者選修MOOC的基本動力。[10]其次，為了獲取工作技能也是重要的學習動機，尤其是為了獲得新的職業技能。再者，喜歡MOOC的學習形式以及滿足好奇心也是部分學習者的學習動機，僅有少數學習者是為了升學或重返校園學習而選修MOOC課程。

整體而言，大部分的學習者最初參與MOOC學習都是自發的和興趣驅動的，并且近乎半數的學習者認為自己能夠積極地參與，完成課程要求的學習任務。尤其是希望通過學習感興趣的內容，獲取知識和技能。另一方面，學習者預期要達成的目的并不完全相同，參與類型也有所差異。部分學習者認為自己并不會全身心地參與學習，主要根據自己的時間和計劃有選擇地參與MOOC的學習。因此，同一門課程很難滿足所有學習者的個性化需求，也很難保證他們的學習進度相同，這也成為教師有效設計和開展MOOC面臨的難題。

2.MOOC學習投入分析

學習投入的信息來源于系統記錄，通過數據的分析可以了解MOOC學習者的實際學習進度。首先，所有學習者都與課程進行了互動，但僅有209人的“探索”記錄為1，訪問課程模塊的數量超過一半的人數極少，占比僅為1.66%。如圖1所示，無論何種學習動機，記錄為“0”的人數都遠高于記錄為“1”的人數。由此可知，幾乎所有的MOOC學習者在實際學習過程中都只是有選擇地學習內容模塊。同時，這209人當中有94人的學習動機是學校學習需要，這說明有學歷需要的學習者更傾向于按照教師的要求參與MOOC學習。另外，課程完成度大于0.5的記錄僅有33條，記錄為空值有10 548條。總體而言，MOOC學習者的實際投入度較低，大部分沒有完成規定的學習任務。

其次，從成績的得分情況來看，獲得高分的學習者并不多，如表2所示。其中，共有2692個空值，也即沒有獲得成績。約1/2的學習者成績得分在0—0.5之間(不含0.5)，約1/6的學習者成績得分在0.9以上(含滿分1分)。綜合來看，學習者的課程成績與學習投入之間并沒有必然的聯系。其原因可能是學習者可以反復提交測驗和考試結果，保留最佳的成績，或者在考試時查閱相關資料，便能獲得較好的成績。因此，以MOOC學習者的成績作為考核標準時需要考慮更多的問題，[11]例如，課程成績直接來源于期末考試，或者來源于平時成績、作業成績、互評得分等綜合測評，對研究的分析和結果會造成不同的影響。

表2 學習者得分情況分布

最后，為了進一步了解學習動機與成績之間的關系，利用R語言制作學習者得分的概率密度圖，如圖2所示。其中，x軸表示得分情況(從0到1)，y軸表示得分出現的概率，由此，可以了解在高分或低分段，哪類動機的學習者出現的可能性更大。從中可知，喜歡課程內容的學習者在0.9—1.0得分段出現的可能性最大，也即是他們更容易獲得高分；工作技能需要的學習者在0.5—0.8得分段出現的可能性最大，也即他們的成績較為良好；學校學習需要的學習者在0.4以下得分段出現的可能性最大，也即他們的成績往往不夠理想。綜合分析來看，喜歡課程內容和工作技能需要的學習者對MOOC課程的內容感興趣，或者已有一定的基礎，因此，理解和掌握學習內容的更加容易，考試成績也更加理想。而學校學習需要的學習者，尤其是即將步入大學的高中生，往往是學習新的知識，因此，即便他們在瀏覽課程模塊方面表現較好，也按要求完成了規定的學習任務，但成績并不見得理想。

3.MOOC學習行為分析

從表3的數據來看，MOOC學習者瀏覽課程的行為出現最為頻繁，最高達到72 013次；參與課程學習的天數較少，均值僅有4—7天；訪問不同模塊和論壇發帖的行為也較少，平均每天訪問的模塊在1—3個左右，平均每天發帖的數量不到1條。這說明MOOC學習者主要表現出瀏覽頁面或點擊視頻等個人的學習行為，較少與他人進行互動。這顯然不利于學習者的知識建構，也難以提高學習者的學習效果。[12]因此，教師在設計和開展MOOC時需要引導學習者參與論壇的互動交流和討論。

表3 不同類型學習者的學習行為信息

從參與類型來看，在四種行為上表現最好的都是積極型，其次是消極型和偶爾型，最后是旁觀型，這也符合對學習者類型的界定和描述。

利用R語言制作學習行為的散點圖，可視化呈現不同類型學習者學習行為的分布情況。由于訪問課程次數存在極值，不利于圖形的呈現，因此，采用scale函數對y軸坐標進行標準化處理，并對四種行為的散點圖進行疊加，如圖3所示。從中可知，在瀏覽課程次數上，除偶爾型外，其余三種類型的學習者都出現了極大值，尤其是消極型，甚至高于積極型。但從散點的分布來看，基本呈現積極型>消極型>偶爾型>旁觀型的趨勢。在其他三種行為上，也基本符合這一趨勢。不過，結合表3來看，消極型和偶爾型之間的差別并不明顯，偶爾型甚至在某些方面表現更好。

為了分析學習者學習行為的差異，以及驗證其差異是否顯著，采用SPSS對四種行為分別進行單因素方差分析。首先，進行方差齊性檢驗，判斷不同類型的學習者之間是否存在差異，檢驗結果見表4。從中可知，瀏覽課程次數的顯著性大于0.05，未達到顯著水平。因此，對瀏覽課程次數進行Tamhanes檢驗，對其余三種行為進行LSD檢驗。

表4 不同類型學習者學習行為的方差齊性檢驗

通過事后多重比較，對差異檢驗結果進行整理歸類，結果如表5所示。從中可知，在瀏覽課程次數上，積極型>消極型>偶爾型>旁觀型，但僅積極型和偶爾型、積極型和旁觀型之間存在顯著差異。在瀏覽課程天數上，積極型>消極型>偶爾型>旁觀型，除消極型和偶爾型之間不存在顯著差異外，其余各種類型之間都存在顯著差異。在訪問模塊數量上，積極型>偶爾型>消極型>旁觀型，除消極型和偶爾型之間不存在顯著差異外，其余各種類型之間都存在顯著差異。在論壇發帖數量上，積極型>消極型>偶爾型>旁觀型，但僅積極型和其他三種類型之間存在顯著差異。

總體而言，積極型的行為表現明顯優于其他類型的學習者。消極型和偶爾型在任何行為上都不具有顯著差異。甚至在訪問模塊上，偶爾型的表現更好。因此，可以認為二者之間并不存在實質性的差異，這種差異產生的原因可能只是來源于學習者的數量(前者是后者的四倍)。相較而言，旁觀型在各方面表現都不夠理想，尤其是在訪問課程天數和訪問模塊數量上，與其他三種類型的學習者都具有顯著差異。

表5 不同類型學習者學習行為的差異檢驗

四、結論與建議

1.主要發現

第一，從學習動機來看，大部分學習者出于對MOOC內容的喜歡而參與學習，希望獲取感興趣的知識或工作技能。這些學習者更加容易獲得高分，但他們并沒有按要求參與課程學習。學校學習需要的學習者只占極少數，學習投入度也較高，但學習成績卻不夠理想。

這種矛盾背后的原因可能來源于兩個方面：其一，MOOC考試的形式較為自由，可以多次提交考試結果，也可以在考試時查找答案，因此，成績不能直接反映學習投入。其二，喜歡MOOC內容的學習者已經具備相關的知識，容易獲得高分；而學校學習需要的學習者缺乏一定知識基礎，需要得到更多的學習支持服務，否則很難得到高分。

第二，從參與類型來看，大部分學習者認為自己會積極參與學習，只有少數學習者認為自己是旁觀者。積極型在MOOC中表現更好，其參與度顯著高于其他類型的學習者。無論是訪問課程次數、訪問模塊數量、論壇發帖數量，還是課程學習天數，積極型都表現得更好。消極型和偶爾型的學習行為沒有呈現顯著差異，二者的參與度基本相同，都是根據自己的興趣和計劃參與課程學習。而旁觀型在各方面的表現都不夠理想，尤其是訪問模塊數量和訪問課程天數，明顯低于其他類型的學習者，學習投入度偏低。

第三，從學習行為來看，學習者主要發生了瀏覽課程的行為，在其他方面表現不夠理想。學習者在課程開始前的對自己的預期投入和實際的學習過程并不相符，他們并沒有按照課程要求參與其中，完成不同模塊的內容學習。對于大多數的MOOC學習者而言，學習投入度并不理想，課程完成度非常低，主要是根據興趣有選擇地瀏覽課程，并不會參與所有課程模塊的學習。尤其是論壇發帖方面，學習者很少參與其中，幾乎不與他人進行交互。

2.反思建議

第一，重視課程內容，提供個性化學習支持服務。盡管成績、完成率、作業、測驗、評價等功能十分重要，但更多的是幫助教師檢驗學生的學習效果，對學習者的幫助可能并不大。而論壇能夠給學習者提供更多的幫助，但由于使用率過低，并沒有發揮其應有的作用。MOOC學習者更多的是出于對課程內容和主題的興趣，或者技能提升的需要而參與學習。因此，課程內容本身的質量尤為重要，直接關系到學習者是否繼續參與學習。[13]另一方面，一旦課程內容不足以留住學習者，例如，內容太難，而學習者又無法獲得更多相關的信息，便容易發生輟學的現象。此時，提供個性化的支持，例如，借助微信、QQ等社交媒體進行實時交流，可以更好地吸引學習者，改善MOOC高輟學率的問題。

第二，提前了解學習者特征，有針對性地開展分流教學。MOOC學習者參與學習的目的多樣，表現出的行為也各不相同。例如，單純出于興趣的旁觀瀏覽者并不會考試，也就不適合參與需要獲取證書的MOOC課程。[14]同時，MOOC學習具有自發性和短期性，不適合進行單一的計劃和預期。教師可以在課程開始前進行初步的調查，了解學習者參與MOOC的動機和原因，以及預期的時間和精力投入等，根據學習者的不同特征，對其進行差異化教學。例如，旨在提升工作技能的學習者并不一定需要參與MOOC課程的測驗和考試，只需要完成視頻觀看即可。而對于有學歷認證需求的學習者，尤其是學習過程可能存在困難的學習者，教師則需要詳細規定學習的內容和要求，甚至還需要進行一定的督促和干預。通過分流教學的方式，教師便可以集中精力關注特定的學習者。

第三，平臺設計綜合考慮教與學的需要。MOOC更多的是以一種非正式學習的形式呈現，學習者參與其中最主要的目的大多是獲得快感和滿足于興趣。目前而言，平臺功能在支持教的方面做得越來越好，例如，視頻學習中嵌入隨堂測試、推送課程公告和訂閱提醒等。MOOC教學越來越傾向于班級化管理，有助于教師推進教學進度。但值得反思的是，平臺功能在支持學的層面卻進展緩慢。尤其是論壇未能很好地發揮作用，大部分學習者只能通過學習視頻來發現自己感興趣的內容。但要了解更多相關的內容時，平臺相關的功能卻不夠完善。因此，可以考慮附加彈幕功能來增強用戶的體驗，激發學習者參與學習的動機。[15]還可以設計推薦功能，向學習者推送相關的課程內容。由此，綜合滿足教師教與學生學的需要。