基于MOOC數據挖掘的學習行為和學習成效分析

陳蘭嵐 宋海虹

摘要：隨著近年來慕課教學的興起，教育大數據的分析與挖掘正成為一個新的研究方向。本文基于Canvas Network提供的MOOC開放數據，使用數據統計和數據挖掘的方式，對學習者的類型與行為進行了統計分析，并探究了學習行為與學習成效之間的相關性，并基于分析結果對個性化的在線學習方式提出了有益的建議。

關鍵詞：MOOC;學習行為;學習成效;數據挖掘;個性化學習

中圖分類號：G642.41 ? ? 文獻標志碼：A ? ? 文章編號：1674-9324（2019）21-0050-02

一、引言

近年來，以慕課、微課為代表的新型知識生產方式越來越受到教學機構和學習者的歡迎。隨著互聯網和云計算等技術的成熟，慕課的理念與實踐在短短幾年時間內得到了國內外越來越多優秀大學的認同[1]。慕課的學習者來源廣泛，每位學習者的學習目的、年齡和知識背景都存在很大差異性，其學習方式和學習興趣點也不盡相同。當前許多慕課平臺都無法在平臺設計和教學模式上滿足每一位學習者的個性化需求。因此，基于數理統計和數據挖掘對慕課平臺中的大數據進行分析，探究學習行為與學習成效之間的相關關系勢在必行，這為后繼個性化和定制化學習模式的發展提供了有效的數據支撐[2]。

二、數據介紹與研究方法

本文利用Canvas Network平臺提供的慕課開放數據作為數據來源，該數據集涵括了10個學科門類、238門在線課程的學習過程和學習成績數據。預處理后有325199條樣本，每個樣本表示每個學習者在一門在線課程的學習記錄，具體可分為課程基本信息、學習者基本情況、學習意圖、學習者類型、學習行為記錄和學習效果。本文利用MATLAB2014a和EXCEL2010對學習者的類型與行為進行了差異性分析及數據的可視化，并探究了學習行為與學習成效之間的相關性。

三、結果分析

（一）不同類型學習者的學習行為差異

本文主要通過課程問卷調查提供的數據，將學習者分為主動型、被動型、觀望型和順便參與型四個類型。從圖1（a）可以看出，主動型學習者在學習事件數、活躍天數和論文發帖數三項行為記錄上的均值要高于其他類型學習者，而被動型學習者則在模塊完成比例這項指標上的均值高于其他類型學習者。這說明，主動型學習者能根據自己的學習需要從各個方面提高課程參與度，而被動型學習者則較為功利地根據考核要求針對性完成關鍵指標。

（二）不同意圖學習者的學習行為差異

本文根據問卷結果主要將學習意圖分為四類，即準備入學、為了工作或業務提升、興趣驅動、希望嘗試新的知識獲取方式。從圖1（b）可以看出，為了入學的學習者，在學習事件數、活躍天數、論文發帖數和學習章節數四項行為記錄上的均值要高于其他類型的學習者，為了工作或業務提升的學習者在各項指標上尤其模塊完成率方面的參與程度也較高。而興趣驅動和對知識獲取方式感到新奇的學習者雖然在活躍天數和論壇發帖數方面也表現出相當的熱情，但在學習事件數、學習章節數和模塊完成比例方面則對自己沒有太多的要求，完成率相對較低。

（三）不同年齡段學習者的學習行為差異

Canvas Network平臺將學習者的年齡分為{19-34}、{34-54}、{55 or older}三個階段。從圖1（c）可以明顯看出，隨著年齡段的增長，各項學習行為指標其完成率均有所提高。說明年長的學習者在學習的參與程度和自律性上都要優于年輕的學習者。故而，可以建議學習平臺通過在學習頁面顯示完成進度條和彈窗等方式將學習過程及時反饋給學習者，激勵其提高學習過程的參與度。

（四）不同知識背景學習者的學習行為差異

Canvas Network平臺對學習者的學歷進行了統計，本文主要將學歷分為三大類，即高中學歷、大學本科學歷和研究生及以上學歷三種。從圖1（d）可以看出，不同學歷的學習者在活躍天數和論壇發帖數這兩項的均值方面并無顯著差別。大學本科學歷者在學習事件數和模塊完成比例兩項的均值上要高于其他學歷的學習者。

（五）學習行為與學習成績之間的相關關系

本研究利用MATLAB軟件中的Spearman相關性分析函數來探究不同學習行為與學習成績之間的關系，結果如表1所示，學習行為指標中的學習事件數、活躍天數、論壇發帖數、學習章節數、模塊完成比例均與學習成績成顯著正相關，其中模塊完成比例與學習成績的相關性最強。

四、結論

慕課的主體是學習者，慕課的最大特點就在于學習者的海量性和多樣性。傳統的教育評價體制中認為學習群體的學習動機、學習類型、知識背景、年齡層次都大致相同，大多采用單一的總結性評價方式。這些在慕課情境下有了很大變化，不同類型的學習者在學習行為上存在很大差異，單一的課程評價方式也不再適用，學習者所有的學習行為都會被記錄下來，因此要對慕課的學習主體進行測評，不能再簡單沿用傳統方式，基于數據挖掘和統計分析的精準測評顯得尤為重要。

本文利用Canvas Network平臺發布的開放數據集，對不同學習者的學習行為進行了統計分析，并探究了學習行為與學習成效之間的相關性。從本文研究結果可以看出不同學習人群在學習行為上存在著有跡可循的規律，而學習行為與學習成績之間也呈現顯著相關性。接下來如果能從大數據的分析中自動化地精準定位每一位學習者對知識的掌握情況和學習需求，就可以在未來實現個性化的學習定制模式，并在多維評價空間中摸索出科學合理的評價機制。

參考文獻：

[1]張健.“慕課”教育對理工科課堂文化形態的影響研究[J].教育教學論壇，2017，（47）：163-164.

[2]蔣卓軒，張巖，李曉明.基于MOOC數據的學習行為分析與預測[J].計算機研究與發展，2015，52（3）：614-628.