MOOC学习结果预测指标探索与学习群体特征分析

摘要：

高辍学率与低参与度是MOOC面临的一个主要问题.根据学习结果预测,及时开展有效的教学干预是改善此问题的途径之一.当前基于MOOC学习行为数据进行结果预测主要以次数分析为主,较少探索其他行为指标;在预测算法上以回归分析为主,缺少不同预测算法效果的比较分析.以edX平台上一门MOOC课程的学习行为数据为研究对象进行的探索研究发现:学习结果预测的主要参照行为指标组合为视频学习次数、文本学习次数、评价参与时长、评价参与次数和论坛主题发起数;学习次数的预测效果要好于学习时长,并与学习时长和学习次数结合后的预测效果接近;BP神经网络预测准确率要优于决策树和朴素贝叶斯网络,且预测准确率与样本数量呈正相关;而在课程学习模块的预测比较上,评价模块和文本模块的学习行为数据预测率较高,互动模块预测率最低.研究还发现,MOOC学习群体包含三类,分别是以视频学习和学习评价为主、以互动交流为辅的学习群体;以视频学习和文本学习为主、以评价参与为辅的学习群体,以及以文本学习和学习评价为主、以互动交流为辅的学习群体.

关键词：MOOC、学习行为数据、学习结果预测、预测指标、学习群体特征

分类号：G434(电化教育)

资助基金：2014年全国教育科学"十二五"规划教育部重点课题"基于教育大数据的学习分析工具设计与应用研究"DCA140230;中央高校基本科研业务费专项资金资助课题:"'互联网+'环境下的理解性学习与认知研究"2017JDZD07

在线出版日期：2017-06-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：58-66,93