基于MOOCs的學習行為分析與研究

包佃清 蘇 文

（1．連云港師范高等專科學校，江蘇 連云港 222006；2．連云港職業技術學院，江蘇 連云港 222006）

1 引言

大規模開放在線課程（Massive Open Online Courses，MOOCs）是加拿大教育學家George Siemens和Stephen Downes最先提出的，之后快速風靡全球。MOOC將優質的教育資源通過網絡傳遞到全世界。Coursera是全球最大的MOOC提供商之一，目前已經開設了1100多門課程，在全球擁有1500萬用戶[1]。除了Coursera平臺，還有很多的優秀平臺，如edX、Canvas、Udacity等，這些平臺的快速崛起，掀起了在線教育的熱潮。

在我國也有很多優質的教學平臺，如中國大學MOOC、超星泛雅、學堂在線、智慧樹、MOOC學院等，極大地促進了我國在線教育的發展。截至2020年9月，我國在線MOOC人數已超過3.4萬人，學習人數達到5.4億人，大部分高校承認MOOC平臺的學分。中國MOOC學習的學生人數為1.5億人，居世界第一[2]。

2 MOOCs學習方式的缺點

在線教育方式與傳統教育方式在很多方面是不同的。比如，教育對象不同、教育目的不同、教育方式不同等等。傳統教育方式下，教師實地教學，可以直觀地觀察學生的學習狀態、各種行為、面部表情包括動作等。教師通過自身教學經驗，就可以對學生狀態進行綜合分析評估，識別出學生存在的學習風險，并且及時做出有效干預。而在線教育方式下，老師、學生、場景、時間等各種不確定的因素，導致在線學習具有非實時交互的特征。在這種教學環境下，教師不能及時觀察到學生的實時狀態，這樣學生就會產生不一樣的學習行為，其學習情感也不一樣，最終的學習效果自然也不一樣。未來研究MOOCs學習行為與情感將是在線教育一個熱點。

雖然在線開放課程吸引了眾多的用戶，但是不可否認的是其存在三個方面的問題：課程的輟學率高、學習效果不理想、學習目標完成度不高[3]。在線開放課程環境下的學習，對部分學生來說是比較寬松、和諧的。這就導致這部分同學課程學業不能按時完成，學習效果也不理想，有些課程只有少部分學生完成教學內容。比如，斯坦福大學在Coursera平臺上開設的機器學習課程，有效用戶數約為6萬名學生，但是最終只有約0.5萬名學生的課程成績為理想，僅有到10%的用戶完成目標，約4萬名學生的成績為零分，最后剩下的學生只有成績，效果不理想[4]。所以，研究在線開放課程學生的學習行為和情感傾向顯得尤為重要。本文將對作者主持的在線開放課程，利用平臺統計分析學生行為和情感傾向，最終目的是改善學習效果，提高學習效率。

3 MOOCs的學習行為分析

通過采集中國大學MOOC（愛課程）和超星泛雅（學習通）這兩個在線開放課程平臺中的樣本，進行分析、計算得到用戶學習行為數據。在這兩個學習平臺中獲取內容包括：用戶注冊基本信息、用戶使用平臺記錄、用戶選課信息、用戶課程成績、用戶課程學習記錄、用戶測試記錄、用戶參與討論記錄等情況，這些樣本經過計算機處理，得到課程用戶學習行為數據。數據處理工具采用Python，數據獲取來自愛課程、學習通后臺導出內容。

利用中國大學MOOC這個網絡教學平臺，面向全國學生開展線上教學，在線用戶數達到5546余人，這個用戶數不包含我校在校學生，學生學習數據分析如表1所示。

表1 中國大學MOOC（愛課程）數據分析

同時也利用超星泛雅這個網絡教學平臺，開展線上教學，在線用戶數達到12102余人，如表2所示。

表2 超星泛雅（學習通）數據分析

選課人數含退選數量，累計參加指學習人次，視頻、文檔、富文本均指累計學習人次，單元測驗、單元作業、考試指每位學生參加一次。

研究在線開放用戶學習行為特征，要從獲取的用戶基本信息入手，分析用戶選課時間、在線學習時間、視頻瀏覽時間、參與討論時間等方面，如表3所示。

表3 學習行為數據分析

從用戶選課時間可以看出用戶參與課程學習的積極性和活躍度。通過數據分析得出，選擇該課程的用戶人數從注冊到主動學習時間比較接近，說明用戶活躍度很高。活躍度也和上下學期有一定的關系，還和課程考核的要求密不可分。從數據分析可以看出，用戶為了最后課程的考核，參與學習的狀態。

課程用戶在線時間為15周，每周5課時，每課時40分鐘，學完課程共需75課時，含測試時間。從統計的數據可以看出，用戶學習該課程花費時間的平均時間為1252分鐘，最長學習時間為3000分鐘。大部分用戶每節課在線學習時間30分鐘，沒有達到規定的學習時長，這里也可以認為大部分用戶都沒有將課程學習完整。

在線開放課程中視頻學習時間占據大部分，所以研究視頻學習數據，對于研究學習行為至關重要。通過對用戶在線學習觀看視頻的數據進行計算機處理，得到有效數據。用戶視頻學習數據分析包括觀看次數、平均觀看時長、最長觀看時長、最短觀看時長等方面。通過總體視頻數據分析得到了，用戶觀看平均次數為51次，最大觀看次數為294次，最小觀看次數為0。這個數據表明，大部分用戶視頻學習基本完成，有少部分用戶在反復學習，極少部分用戶沒有參加視頻學習，對這些視頻學習效果很差的用戶，要找出原因，幫助其有效學習。

在參與課程討論數量方面，從統計的數據中提取用戶參與討論有效內容，包括發布的主題數量、參與主題的數量、標記精品主題數量等方面，可以看出，主動發帖的均值為0.31，參與發帖的均值為12.42，發帖精品量為0.02。這些說明在線開放課程學習過程中，大多數用戶不會主動發帖，也不會參與其他用戶的發帖，發帖精品率更是少得可憐。在線開放課程用戶對于學習的課程相關的帖子，一定程度上對課程內容學習有著很大的促進作用。參與其他用戶帖子，也能夠加強學習內容的鞏固，參與發帖的數量能表明課程內容的熱度，對于課程建設者強化課程教學內容有著重要的意義[5]。

從上述分析得出，影響學生持續學習因素主要有兩個方面：（1）課程考核機制及學分認定制度；（2）在線開放課程視頻質量認可度。在考核機制中影響持續學習的主要因素是學習時長，其次是對在線課程的重視程度也會影響持續學習的狀態。在線學習過程中學習者對于學習內容也會影響其持續學習的體驗感，其中學習視頻的認可度最為關鍵，其次是從眾現象也會主導一部分學生的學習狀態。

4 對策建議

在線開放課程能夠有效彌補傳統課堂的不足，并與傳統課堂結合形成線上線下混合式教學模式。通過以上分析在線開放課程中影響學習者持續學習的因素，有利于幫助在線開放課程的研究者和建設者優化在線開放課程的設計內容，提升在線學習效率。基于上述分析，提出以下策略：（1）在網絡教育體制下優化教學內容，設計與之相對應的考核機制，通過多元化的教學內容匹配多元化的激勵措施，保證學習者能夠保持學習的持續性。（2）加強網絡環境下學習者的人文修養建設，提高學習者對社會熱點問題的關注度，加強在線學習者的文化素養交流、專業知識交流，提高學習持久性。

5 結語

隨著在線開放課程在全世界的高速發展，深入研究用戶的學習行為、情感傾向內容顯得尤為重要，用戶的學習特征將會影響其課程學習的最終效果，也是提高其學習成績的有效手段之一。本文通過分析在線開放課程中的部分數據，研究在線課程學習過程中輟學率高、學習效果不理想、學習目標完成度不高等原因，得出在線開放課程中影響用戶學習的行為特征，并給出合理化的建議，這對在線開放課程后續的建設有著重要的意義。