基于中國大學MOOC平臺大數據學習行為分析的實踐研究

徐彤，于正永

摘要：基于MOOC平臺的在線課程在我國得到了迅速發展，大量的學習者在使用MOOC平臺教學資源時積累了龐大的學習行為數據，該文通過對中國大學MOOC平臺《LTE無線網絡優化》課程學習行為的大數據挖掘、統計與分析，找出了影響學習成效的因素，對高質量建設在線開放課程，發揮MOOC平臺受益面，滿足個性化學習具有一定參考價值。

關鍵詞：大數據;學習分析;在線課程

中圖分類號：G343? ? ? 文獻標識碼：A

文章編號：1009-3044（2021）34-0037-03

1引言

隨著信息技術與教育的深度融合，基于MOOC平臺的在線課程在我國得到了迅速發展，經過近十年的建設和發展，中國MOOC數量和應用規模已躍居世界第一。基于MOOC平臺的線上、線下教學，為我國教育教學改革提供新的范式，特別在人類經歷了百年來最嚴重的新冠病毒傳染病大流行的當下，MOOC平臺在“停課不停教、停課不停學”，實施線上教學發揮了巨大的作用。

在MOOC使用過程中，大量的學習者和海量的教學資源積累了龐大的學習行為數據，基于MOOC平臺的大數據分析成為一個新興的研究熱點，通過對學習者在學習過程中生成的數據進行分析，可以判斷學習者的學習行為情況，預測他們將來的學習成效。通過研究學習行為與學習成效之間關系，可以找出影響學習成效的因素，幫助學習者提高學習成效，為學習者提供針對性的學習指導，滿足學習者個性化學習要求。

2 《LTE無線網絡優化》開課概況

《LTE無線網絡優化》課程自2017年9月在中國大學MOOC平臺上線，對國內所有高校和社會學習者共享開放，截至2021年7月，《LTE無線網絡優化》課程已在中國大學MOOC平臺開設9個學期，課程內容選取對接中國移動LTE無線網絡優化崗位技能要求，并將華為、中興、大唐等知名企業的ICT技能認證內容融入課程。本課程內容包括LTE無線網絡技術、LTE無線網絡信號測試和LTE無線網絡優化實踐三個模塊內容，每個模塊的知識點和點如表1所示。

本課程屬于高職高專通信類專業課程，相對于計算機類、英語等普適性強的課程，開設該課程的學校比較少，為了使樣本數據盡量大些，本研究主要選取課程上線以來的所有數據進行分析，表2列出了參加選課和參加考核的學習者人數情況，從表2中可以看出，參與MOOC考核人數只占選課人數的5.7%，考核比例比較低，主要原因是MOOC是一種開放式教育資源，加入MOOC幾乎沒有個人基本條件的限制，對課程的學習和考核也沒有強制性的約束力。

3 課程學習情況數據分析

通過對學習者學習行為的數據搜集和數據分析，更好地了解學習者的學習過程，分析學習者學習效果，便于課程建設方不斷完善課程的功能，提升課程的影響力，從而不斷提升課程的覆蓋面和受益面。下面從課程學習中“課程考核數據”“課程互動數據”和“課程完課率”三個維度進行數據的搜集，并進行簡要地分析學習者學習過程和學習效果，其中課程考核數據體現了學習者對本課程的重視程度，課程互動數據反映了學習者遇到重難點問題時主動解決的愿望，課程完課率一定程度上表明課程資源對學習者的吸引力。

3.1課程考核數據統計與分析

《LTE無線網絡優化》課程8個學期累計參與考核的總人數為610人，通過人數為416人，通過率為68.2%。在參與考核人數中，成績優秀（80≤成績≤100）73人，優秀比例為11.9%;成績合格（60≤成績<80）354人，合格率為58.2%;成績不合格（0≤成績<;60）183人，不合格比例為29.8%，如下圖1所示。

通過對8個學期參與課程學習的學習者終期成績統計可以看出，有近90%的課程學習者并沒有通過本課程的線上考核，究其原因，主要有如下兩個方面：一是參加考核的學習者大都是開設相關課程的在校大學生，他們有較強的通過課程考核的意愿，一般會在教師的統一安排下參加考核，并且大都能順利通過考核;二是由于MOOC本身的開放性特點，社會工作人員通過課程學習獲取相關的知識、提升自己的專業技能，他們并沒有參與考核的強烈意愿。

3.2課程互動數據統計與分析

學習者在學習課程過程中遇到的問題或者想法，可以通過平臺的互動功能實現師生間或者學習者間的互動，本課程發帖和回帖數量累計4671條，通過對圖2中學習者發帖和回帖數量與主題帖的序號關系的分析可以得出，學習者在學習早期發帖或回帖相對比較踴躍，隨后的幾周內發帖或回帖數量下降并趨于穩定，總體來說學習者對每個討論主題的發帖和回帖數量偏低。

學習者的主動學習意愿影響他們的互動性，有強烈學習愿望的學習者完成微課視頻等學習資源的學習或者在進行單元測試答題之后，一般會發現、總結自己學習過程中遇到的問題，大都會向授課教師提問，或者通過發帖和回帖的形式與同批次的學習者分享學習心得，主動與大家開展知識點的討論，積極地參與到課程互動中。發帖和回帖數量偏低，說明了學習者對學習中遇到的問題解決愿望不夠強烈，這直接影響學習者學習本課程的學習效果以及對本課程的持續關注度。

3.3課程完課率統計與分析

通過對8個學期參與課程學習的學習者對各種學習資源的參與總人數和完成情況可以初步看出，各種資源的總體完成率都比較低，最高的文檔資源學習也只有6.7%，如表3所示。

在線課程完課率偏低一直是困擾MOOC持續發展的一個重要問題。MOOC學習者低完課率不但關乎MOOC的可持續發展，更關乎教育公平與擴大教育參與的理念與實踐，導致高注冊率低完課率主要原因有：

（1）學習動機的多樣性

EdX副總裁在一次采訪中曾說過，MOOC完成率取決于學習者選課初衷，即學習動機。MOOC的學習群體可分為積極參與者、消極參與者與中途輟學者、聽眾與好奇的觀察者，大部分的MOOC學習者注冊MOOC并非想要學完這門課程。可以說，學習動機的多樣化，是造成MOOC的完課率低下的根源。

（2）課程實用性缺失、社會認可度不高

首先，學科本位的通識教育課程在線學習內容中占比重較大，無法完全適應個人求職就業、自主創新創業等需求，其次，MOOC平臺頒發的課程證書對學員的畢業和工作方面并沒有過多切實幫助，導致社會不太認可MOOC的證書含金量。

（3）課程服務的缺失

MOOC課程服務不到位，課程開發者與學習者之間無尚未構建快速有效的溝通機制，認證、積累轉換、監督、交互、激勵等機制尚不完善。

4 MOOC平臺學習資源的數據統計與分析

4.1總體學習資源分布

課程團隊針對課程特點制作了豐富靈活的學習資源，有微課視頻、教學課件、文檔資料、課外學習視頻及動畫等，同時設置了測驗、作業、討論等資源可以進行自主學習效果的檢測，如圖3所示。根據國家在線開放課程建設標準和課程教學實際情況，遵循線上教學內容“精、短、細”的原則，內容和數量均基本符合成人學習強度，其中視頻資源的數量占有較大比例。

4.2學習者對學習資源的偏好分析

表4為8個學期的學習者參與不同類型資源學習的有效人數統計表，從表4可以看出，在各類學習資源中，視頻資源平均學習人數最多，相對于文本資源，視頻資源更受歡迎，同時說明學習者更愿意從簡單易學的視頻資源學習行為開始，在一定程度上可以看出學習者對學習資源的偏好，文檔和富文本的學習人數相差不大。在學習檢測資源中，學習者更注重隨堂測驗、單元測驗等客觀題，這與課程的客觀題更易入手、總體難度不大有關，而主觀題更多的是考察學習者綜合利用知識能力，需要對知識點有著深層次認知和理解。

圖4分別給出了8個學期對不同視頻資源觀看人數的分布情況，其中視頻總個數為60，平均每個視頻觀看人數587人次。從圖4可見，選課初期參與觀看視頻的人數較多，尤其是觀看首個視頻的學習者人數為所有觀看視頻學習者數的最大值，人數達到3451，約占總觀看視頻資源次數的9.8%。而隨著課程內容的不斷發布，觀看視頻的學習者人數呈下降趨勢，從圖4可以看出，當在線課程發布量約在25%之后的時間內，堅持學習的人數也逐漸趨于平穩，盡管有小幅波動，但總體變化不大。可以看出，初期選課學習者很多抱著試選試看的心理參與課程，但隨著課程內容的深入，尤其對于專業課是否適合自己已經有了清晰的認知，因此出現相對固定學習人群，這體現了學習者初期對在線課程不太了解，到了一定學習階段之后對學習在線課程的心態趨于穩定，這也符合MOOC自由選課退課的開放特點。

5 MOOC平臺課程建設的建議

MOOC的生態環境中包括學習者、教師、大學、平臺以及不可或缺的市場和就業機會，提升平臺課程的影響力、覆蓋面和受益面需要相關各方共同的努力。

從生態鏈的前端環節來看，市場要為MOOC 的發展提供技術、資金、應用，從后端環節來看，需要承認MOOC 的學習者并且能為他們提供就業機會的公司，從而完成一個教育過程的閉環。

對于MOOC平臺建設者或運營者，應該增強MOOC平臺課程認證工作，提升課程認證的社會認可度。只有當學習者得到相應的認證并且被授予學位和學分，并在社會中獲得就業機會它才能成為真正的正規教育。但目前MOOC認證的影響力和權威性還非常有限，證書還不被主流社會認可。因此，推動MOOC的認證工作有利于學習者對MOOC課程學習的完課率。另外平臺應保證大規模在線教育的網絡質量，充分發揮技術優勢，包括機器發現、信息推送、大數據研究等，將這些技術更好地應用于MOOC 中，以便不斷提升教學質量。

大學應提升在線課程的資源建設質量。通過上述觀看視頻學習行為數據的一些特征，也揭示了一些在線學習行為規律，可以幫助MOOC視頻制作者改進視頻設計，使其更具吸引力，特別是提高最先發布的幾個視頻和文檔資源的質量，激發學習者對本在線課程學習的興趣，提升本課程的黏性。

授課教師應加強網絡社區建設。通過網絡社區進行互動交流，設置討論問題，對討論次數設置課程分數值，這樣不僅可以激勵學習者參與討論積極性，提高學習者的學習興趣和動力，而且還可以解決學習者遇到的學習問題，讓學習者互相幫助解決學習困難。通過實時互動來隨時掌控學習者的注意力，比如點名、協同瀏覽、在線問答等。通過隨堂測驗或由助教提供更多的個性化學習指導，以便學習者能更好、更快地完成學習任務，增加學習興趣和信心。

6結束語

MOOC的出現給世界各地的學習者和教育者帶來了新的機遇，然而從現有MOOC平臺學習者的學習情況來看，學習成效不盡相同。本文基于中國大學MOOC平臺提供的學習者課程數據，對學習者的學習行為進行了統計和分析，旨在通過平臺提供的大數據，分析學習者的學習行為，預測他們將來的學習成果，為學習者提高學習效果進行初步的分析和研究。鑒于目前中國大學MOOC平臺公開的數據相對有限，還沒能提供學習者學習每個資源的時長，特別是觀看視頻的觀看時長，是否回退，是否快進等數據，也沒有學習者學習資源的時間、地點信息，使用何種學習終端工具等信息。因此，全面地獲取學習行為數據，充分利用學習者在線課程學習過程中的數據，構建大數據時代學習者在線課程學習分析架構，評估、預測、干預學習者的學習，促進自適應學習系統的建設和個性化學習的發展，從而實現因材施教，還需要進一步深入研究。

參考文獻：

[1] 王艷玲，劉曉峰.基于MOOC平臺數據的學習行為統計及分析——以“航海氣象觀測與分析”課程為例[J].航海教育研究，2020，37（3）：83-89.

[2] 于龍.MOOC低完課率的原因及對策分析[J].青年與社會，2019（22）：78-79.

[3] 姜強，趙蔚，李勇帆，等.基于大數據的學習分析儀表盤研究[J].中國電化教育，2017（1）：112-120.

[4] 周玲.多維視角下MOOC學習分析發展機制與分析框架建構[J].電化教育研究，2017，38（4）：41-46.

【通聯編輯：朱寶貴】