MOOC課程平臺學習行為與學習成效大數據分析

危妙　傅霖　黎剛　郭姍姍

摘要：文章以優課聯盟MOOC課程平臺為研究對象，通過采集課程平臺完整的后臺數據，利用大數據分析技術，對優課聯盟課程平臺應用現狀進行實證研究，分析MOOC平臺的應用狀況、學生的學習行為以及學習成效，找出MOOC平臺應用中存在的問題并提出可行的建議，為MOOC的應用提供指導和建議。

關鍵詞：MOOC；優課聯盟；學習行為；學習成效；大數據分析

中圖分類號：G642.0 文獻標志碼：A 文章編號：1674-9324（2015）38-0060-02

一、MOOC與優課聯盟

MOOC，即Massive Open Online Courses（大規模開放在線課程，中文名：慕課），起源于開放教育資源運動和連通主義理論思潮，2012年出現了三大最知名的MOOC平臺，分別是Coursera、Udacity和edX，稱為全球MOOC元年，2013年以來MOOC在國內外呈現風起云涌之勢，2013年被稱為中國MOOC元年。

隨著MOOC不斷發展，UOOC聯盟應運而生。2014年5月由深圳大學發起成立地方高校聯盟，簡稱UOOC聯盟（University Open Online Course，中文名：優課，U代表University和Union二層含義）。2014年9月18日UOOC聯盟首批7門課程正式上線運行。UOOC聯盟的宗旨是：通過大規模開放在線課程的共建、共享、共贏，達到優質教育資源共享，降低教育成本和協同創新的目的。

二、大數據與大數據分析

大數據（英語：Big data或Megadata），又稱為巨量數據、海量數據、大資料，目前學術界對于大數據的概念，并沒有一個統一的定義和標準，不過，業界對大數據所具備的4V特征已經達成共識。一是數據體量巨大（Volume）；二是數據類型繁多（Variety）；三是處理速度快（Velocity）；四是價值密度低（Value）。

大數據分析除了許多常規的統計分析方法外，還有許多特有的核心分析技術，比如數據挖掘、機器學習、社交網絡分析、輿情分析、推薦引擎等。

目前國內利用大數據分析MOOC學習者的學習行為與學習效果的研究屈指可數。為此，筆者通過收集UOOC聯盟平臺上的第一手數據，以大數據的視野和分析技術來進行MOOC學習行為與學習效果的研究。

本文采用大數據分析法等深入研究選修UOOC平臺上的7門課程的學習者的基本信息、學習行為、課程間各指標間的對比，在此基礎上提出MOOC的不足以及提出相應的對策。本文以C1、C2、C3、C4、C5、C6、C7代表有一定的代表性的《唐宋詞與人生》、《積極心理學》、《模擬電子技術導論》、《概率論與數理統計》、《大學計算機》、《古典文學的城市書寫》、《文獻管理與信息分析》這7門課程。

三、學習行為與學習成效分析

首先介紹UOOC聯盟平臺上首批上線的7門課程的基本情況、注冊人數等，其次從課程的訪問情況、視頻觀看情況、作業完成情況、討論等四個方面來分析學習行為以及與學習成績、完成率、輟學率間的相關性。

（一）基本情況分析

1.注冊人數。2015年1月，學習者完成了首批上線的七門課程的相關學習。筆者從平臺后臺收集的數據統計，注冊7門課程的人數如下圖1：

由上圖顯示的數據可知，7門課程的平均注冊人數為795.4人，總計5547人，最多的人數為1783人，最少的是248人。此數據受UOOC聯盟平臺的注冊權限的限制，需要身份認證，必須是聯盟高校的學習者。

2.七門課程的基本情況。

（二）學習行為分析

1.學習頁面訪問情況。學習者訪問學習頁面是學習的一個重要環節，從平臺后臺收集的數據顯示，七門課程的平均頁面訪問數為25次，其中最高達到422次，但也有一部分學習者只注冊卻從未進入學習頁面。數據顯示的結果也表明了學習者學習的積極性不高，并且存在很大的差異性。

2.視頻觀看情況。MOOC平臺上的學習資源主要以5～15分鐘的短視頻為主，學習者學習的主要活動是觀看教學視頻。七門課程的視頻總時長最長達到981.2分鐘，最短為357.9分鐘，平均時長為9.3分鐘；7門課程的總觀看時長最長是619680.2分鐘，個人觀看時長最長達到1558.7，最短是0分鐘，平均觀看時長是492分鐘。

3.討論情況。UOOC聯盟平臺上的學習者討論主要有四種情況：發表討論、回復討論、置頂討論以及加精討論。7門課程的總討論數為18441次，七門課程中最高討論數為2616，最低為0次，置頂討論與加精討論相對于發帖與回帖而言明顯減少，置頂討論的總次數最高是8次，加精討論的總次數是86次；平均討論次數3.6次，平均發表討論為1.06次，平均回帖次數為2.54次；由數據可以分析得出，回帖的次數多于發帖的次數，在一定程度上說明了學習者學習較被動，主動性還有待提高。

4.任務完成情況。UOOC聯盟平臺上7門課程的總任務數為785個，平均任務數為112個，最多任務數為163，最少的任務數為43個；在7門課程中，任務全完成占總人數的比例最高達到43%，最低4%；任務完成一半以上占總人數的比例最高為53%，最低為13%；在這七門課程中一項任務都沒有完成的人數最高達到58%，最低的占到23%，這一數據也反映了在學習過程中很大一部分學習者是只注冊賬號，從未完成學習的任務，學習積極性高的學習者與學習積極性不高的學習者之間存在很大的差別。

（三）學習成效分析

1.及格率、輟學率及結課率情況。UOOC平臺首批上線的7門課程中，平均及格率為19%，平均輟學率為45%，平均結課率為55%，及格率最高的是課程C6，輟學率最高的是C5，結課率最高的是C4；這些數據說明7門課程的結課率高于輟學率，大部分學習者能夠完成相應的課程，但是從及格率來看，學習者的學習成效還不夠理想。如表2所示：

2.成績情況。學習者的成績的評定包括線上的學習與線下的考試結合。筆者對成績進行分段統計，1～60分、61～75、76～90以及90分以上。從后臺收集的數據顯示C1、C2、C6這三門課程在76～90分段的人數最多，90分以上的人數也最多，這說明這三門課程的高分比較集中，C4、C5、C7在90以上段的人數為0。

四、結論與建議

筆者通過對UOOC平臺上7門課程的大數據分析，發現MOOC平臺普遍存在的問題如下：第一，課程頁面的訪問的積極性不高，有一部分學習者雖然注冊了課程但沒有或很少學習課程內容。第二，輟學率較高，及格率較低。為更好地利用MOOC平臺進行學習，提高MOOC平臺應用的效果，筆者的建議：第一，平臺要實用、易用，不一定要功能模塊太多，太多太復雜會增加老師和學習者的認知負擔。第二，充分挖掘后臺數據，實現數據的可視化。第三，完善題庫建設，設置形成性練習和階段性測驗。第四，在有條件的情況下，將線上學習和線下輔導課相結合，實現O2O混合式學習。