什么樣的在線課程受學習者歡迎

肖婉 盧鋒 季一木

[摘 ? 要] 在教育信息化深入發展和教育數字化轉型持續推進的背景下，大力推動高質量在線開放課程建、用、學，是實現我國教育質量提升和教育強國建設的重要途徑。而學習者對在線課程的體驗和評價能反映用戶視角下在線課程的內在質量，從而反向賦能在線課程的優化設計和持續發展。文章通過對15門在線課程評論的文本挖掘和組態分析，探索了在線課程受歡迎的主要因素，揭示了專業基礎課程和素養提升課程受歡迎的具體機制——“內容導向—成效為王”及“魅力吸引—體驗至上”。文章提出了在線開放課程建設及應用的具體策略：明確內在目標，針對專業教育與素養培養有的放矢；提升核心引力，促進教師講授與知識內容聯通對話；優化技術工具，賦能基礎適配與資源支持雙向驅動；完善建設體系，實現成效為王與體驗至上協同發展。

[關鍵詞] 高質量； 在線課程； 在線教育； 慕課； 學習者

[中圖分類號] G434 ? ? ? ? ? ?[文獻標志碼] A

[作者簡介] 肖婉（1989—），女，湖南湘潭人。講師，博士，主要從事教育大數據與學習分析研究。E-mail：xiaow@njupt.edu.cn。

一、引 ? 言

隨著教育信息化的持續推進和教育數字化轉型的戰略實施，在線教育蓬勃發展。在線課程作為在線教育的一種重要形式，是改革傳統教與學形態、推動課堂革命和實現教育變革的重要力量[1]，大力推動在線課程建、用、學，是實現我國教育質量提升和教育強國建設的重要途徑。近年來，我國教育部頒布的《關于加強高等學校在線開放課程建設應用與管理的意見》《關于加快建設高水平本科教育全面提高人才培養能力的意見》等政策文件多次提出高質量在線開放課程建設及應用的要求。在實踐層面，我國建設了中國大學MOOC、學堂在線、愛課程、超星等在線課程平臺，面向高等教育和繼續教育學習需求的各類課程紛紛上線，新冠肺炎疫情的爆發和疫情常態化防控更進一步催生了在線課程的客觀需求。截至2022年2月底，我國在線開放課程數量超過5.25萬門，注冊用戶達3.7億，已有超過3.3億人次在校大學生獲得學分，在線開放課程數量和應用規模均為世界第一[2]。然而，我國在線課程應用中也存在課程吸引力不足、課程完成率低、學生參與度低等諸多現實問題[3-5]，在一定程度上反映出在線課程內在質量和實際效果的不盡人意。那么，什么樣的在線課程才能吸引學生、留住學生，受到學生歡迎，本研究以中國大學MOOC平臺15門在線課程為對象，通過對在線課程評論進行文本挖掘和組態分析，探究影響在線課程受歡迎的具體機制，從而為在線課程設計、開發及應用提供實證參考。

二、 學習者視角下在線課程質量評價有待挖掘

在線課程的吸引力、歡迎度、滿意度本質上反映了學習者對在線課程質量的評價。目前，學界對在線課程質量研究主要包括三種路徑：一是以專家評審為主；二是以機構自查為主；三是以學習者調查為主[6]。

專家評審和機構自查是一種基于標準的、階段性的、權威主導的評價，通過自上而下的評價指標體系建構，對在線課程的內容、設計、資源、技術等多個維度進行質量評估。如美國在線課程質量評價QM標準，提出了包含學習目標、學習評價、學習活動、教學材料、學習支持等八個評價指標[7]。我國學者黃璐等通過對國內外標準的梳理，構建出教學內容質量、主講教師素質、教學資源質量和技術支持質量四個要素的在線課程質量評價框架[8]。童小素等以我國教育部教育信息化標準委員會制定的《網絡課程評價規范（CELTS-22）》為基礎，從課程內容、教學設計、學習支持三個維度構建了包含26個指標的在線課程質量評價體系[9]。李爽等通過對學術專家、實踐者和學習者三類群體的訪談，揭示了在線課程的四種質量觀——服務質量觀、系統性質量觀、目標性質量觀和增值性質量觀，并提出了包含課程目標、課程內容、學習過程等九個在線課程質量要素[10]。

也有學者認為，在線課程最終以服務學習者為目標，應注重從學習者體驗視角來評估在線課程質量。安哲鋒等基于用戶體驗提出了包括學習內容質量、學習交互質量、學習支持質量、學習期望質量、學習感知質量等要素的在線課程學習質量模型[11]。閆寒冰等根據學習者在課程學習過程中與結束后的真實感知數據，構建了過程感知和結果感知兩大維度的在線課程質量分析框架[6]。王璐等以在線課程用戶評價為原始資料，通過扎根理論構建了包含系統特性、視頻質量、教師隊伍、教學內容、輔助性學習資料5個一級指標及17個二級指標的在線課程質量評價體系[12]。姚凱等通過對已有在線課程評價標準的梳理，結合從MOOC學院論壇用戶評論中提取的相關指標，建立了包括課程內容、教學設計、界面設計、媒體技術、課程管理5個一級指標25個二級指標的MOOC評價模型[13]。

基于專家評審及機構自查的在線課程質量評價體系既包括課程內容、教學設計、師資隊伍、課程資源、技術環境等靜態課程要素，也包括學習活動、學習支持等動態實施要素，注重系統全面地指導在線課程的整體設計、開發與應用。而學習者視角下的在線課程質量評價研究則補充了學習主體的內在感知、親歷體驗等心理要素，能從結果出發反向賦能在線課程的優化設計和持續發展，對于在線課程“從有到優、從優到精”具有更強的實踐價值。但是，在線開放課程質量的要素眾多，哪些切實影響學習者對在線課程的體驗和感受，它們之間是如何相互作用的，不同類型課程對學習者的“吸引”機制是否相同，這些問題仍有待探索。

三、基于在線課程評論的文本挖掘及組態分析

（一）研究方法

本研究旨在從學習者視角揭示在線課程受歡迎的具體機制。在線課程評論直接反映了學習者對課程內容、教師、資源等各個方面的感受和評價，具體呈現了課程對學習者的吸引力及其原因，通過對評論內容的分析可以了解哪些因素切實影響了學習者對課程的感知評價。因此，研究通過文本挖掘對在線課程評論進行分析，綜合采用詞頻統計、語境分析、文本編碼等方法，探尋在線課程受歡迎的主要因素。為了進一步明確在線課程受歡迎的內在機制，研究采用定性比較分析法，通過多案例比較分析，考察多個因素的組態效應對結果的影響，從而揭示其因果關系[14-15]。定性比較分析法主要包括清晰集定性比較分析、多值集定性比較分析、模糊集定性比較分析[16]，本研究將采用模糊集定性比較分析法開展研究。

（二）數據收集

本研究以中國大學MOOC平臺為樣本庫進行案例選取。由于在線課程選課人數直接反映了課程的吸引程度，課程評分則在一定程度上反映了學習者對于課程的喜愛及滿意程度，二者能從總體上能反映課程歡迎度，因此，選取選課人數及課程評分具有一定差異的課程。其次，為了使案例之間具有豐富性和異質性，選取來自多個學科的課程?；谝陨蠘藴剩策x取15門課程作為研究對象，選課人數從70萬+到400萬+，課程評分從4.1到4.9，涵蓋計算機、數學、英語、心理學、金融學、營養學等多個學科。研究采用八爪魚采集器對15門課程評論進行數據爬取，共計爬取課程評論數88934條，剔除無效數據后評論總數為88604條。案例信息見表1。

（三）數據分析

首先，利用KHCoder文本分析工具，分別對15門在線課程評論進行詞頻統計分析，得出各門課程排名前50的高頻詞。然后，結合高頻詞語境分析，通過文本編碼構建出在線課程受歡迎的主要因素。接著，對15門在線課程進行定性比較分析，以課程受歡迎度作為結果變量，將文本分析得到的因素作為條件變量，利用fsQCA軟件進行模糊集定性比較分析，探究在線課程受歡迎的必要條件和組態路徑。

四、在線課程受歡迎的主要因素

（一）詞頻分析

在文本分析中，詞頻能夠反映文本生產者對某方面內容的關注程度。研究利用KHCoder工具的詞頻統計功能對15門在線課程評論進行詞頻分析，選取每門課程評論中前50個高頻詞。接著，人工剔除其中的程度副詞（如“非常”“特別”）、助動詞（如“可以”“能”）及連接詞（如“但是”“還是”）等無實際意義的詞匯。然后，合并重復及意義相同的關鍵詞，如“講課”“講解”“授課”等合并為“講解”等。通過詞頻分析得到103個高頻詞，將其作為初始概念。

（二）語境分析

語境分析即將詞匯放置其所在文本情境中進行理解，以還詞匯的原本意義。研究利用KHCoder的語境檢索功能，對103個初始概念還原到具體案例中進行語境查看和意義挖掘，根據詞匯語境及意義進行編碼。如高頻詞“深入淺出”“通俗”“易懂”“清晰”“詳細”等詞匯在案例中均用來形容教師對知識講解的情況，因此將其編碼為“知識講解”；而“有趣”“幽默”“生動”等高頻詞則用來形容教師講課風格，將其編碼為“授課風格”。通過語境分析得到課程知識、課程教師、知識講解、授課風格等13個子范疇。

（三）編碼分析

通過上述詞頻分析和語境分析形成一級編碼和二級編碼，在此基礎上根據二級編碼之間的內在聯系構建三級編碼（見表2）。如課程教師、知識講解、授課風格相關評論內容主要為學習者對在線課程教師講授進行的描述和評價，因此將其歸為“教師講授”這一主范疇。最終，通過三級編碼得到學習者視角下在線課程受歡迎的六個主要因素，即知識內容、教師講授、教學資源、學習基礎、學習成效、學習體驗。具體來說，知識內容是指課程涉及的知識主題和具體內容；教師講授包括教師的知識講解水平和授課風格；教學資源包括在線課程的視頻、PPT等媒體資源以及教師提供的實例、資料等內容資源；學習基礎指學習者已有的相關知識技能儲備及其對課程學習難度的感知；學習成效包括學習者的主要學習行為和努力，以及通過學習得到的收獲；學習體驗指學習者對課程的總體評價、感受和期望。

五、在線課程受歡迎的內在機制

（一）變量賦值與校準

本研究以在線課程受歡迎程度作為結果變量，將選課人數和課程評分根據權重計算對結果變量進行賦值。為了便于計算，同時更細粒度地展示原始數據之間的差異，本研究先對選課人數和課程評分進行標準化處理，然后按選課人數80%和課程評分20%進行加權計算，得到結果變量的值。如案例1“Python語言程序設計”選課人數為400萬+，賦值為1，課程評分為4.8，賦值為0.96，加權后總分為0.992。其他課程案例的結果變量取值同理。

本研究通過對文本分析得到的六個主要因素進行內容解讀以描述條件變量，如對知識內容的主要描述為“豐富”，則條件變量一為“知識內容豐富”；對教師講授的描述包括“通俗”“易懂”“幽默”“風趣”等，條件變量二為“教師講授精彩”。如果課程案例中涉及某條件變量的相關評論越多，則意味著該條件變量的特征越強。因此，根據條件變量相關評論在課程案例中的出現頻次對條件變量進行賦值，即將條件變量下轄所有高頻詞在課程案例中出現的頻數累加，再將累加值與該課程評論總數的比值作為條件變量的值。如“教師講授精彩”共包含23個高頻詞，將其作為詞庫；將案例1“Python語言程序設計”涉及詞庫中高頻詞的頻數累加；然后將累加值與案例1課程總評論數的比值作為案例1“教師講授精彩”條件變量的值。其他案例各條件變量賦值方式同理。

本研究主要采用直接校準法對原始數據進行校準，即將結果變量和條件變量的95%、50%、5%分位數值分別設定為完全隸屬、交叉點和完全不隸屬3個定性錨點，利用fsQCA軟件中的Calibrate函數進行校準。由于隸屬度為0.5時與交叉點重合，因此，將隸屬度為0.5的值修改為0.501[17]。

（二）必要性條件檢驗

將案例數據導入fsQCA軟件，對單一條件變量進行必要性檢驗，結果見表3。如果條件變量的一致性大于0.9，則表示該條件變量是結果變量的必要條件[18]。從表3可以看出，所有條件變量的一致性均沒有達到0.9，不存在必要性條件。

（三）充分性條件組態分析

組態分析強調條件變量間的組合如何在組態層面上發揮并發作用，一定程度上揭示了變量間的“化學反應”而非變量的獨立效應[15]。在fsQCA軟件中對數據進行真值表處理，將案例頻數閾值設定為1，一致性門檻設定為0.85，同時結合PRI值對真值表進行完善，通過標準化分析得到復雜解、簡約解和中間解。由于中間解能夠將理論、經驗與分析結果相結合，兼具嚴謹性與普適性，因此本研究采用中間解對結果變量進行解釋，同時結合簡約解對核心條件和輔助條件進行甄別[15]，最終形成兩條組態路徑，見表4。

表4呈現了在線課程受歡迎的兩條組態路徑，路徑一為：～知識內容豐富*教師講授精彩*教學資源豐富*學習基礎適配*～學習成效高*學習體驗好；路徑二為：知識內容豐富*教學資源豐富*學習基礎適配*學習成效高*～學習體驗好。①可以看出，路徑一的原始覆蓋率及唯一覆蓋率均高于路徑二，說明路徑一對于結果的解釋力度及凈解釋力均強于路徑二[19]。同時，兩條組態的原始覆蓋率均高于其唯一覆蓋率，說明存在符合多重因果路徑的案例。此外，解的一致性為0.909，說明兩條組態路徑總解釋力高；解的覆蓋率為0.648，說明兩條組態能較好覆蓋總體案例受歡迎的原因。根據兩條路徑，可以將受歡迎的在線課程分為以下兩種類型。

類型一：專業教育課程——魅力吸引，體驗至上。這條路徑揭示了專業教育類在線課程受歡迎的主要原因，即教師講授精彩、學習體驗好，同時教學資源豐富、學習基礎適配，但知識內容豐富和學習成效高并不存在，代表案例有“Python語言程序設計”“程序設計入門——C語言”“大學英語自學課程（上）”等。結合文本分析發現，這類課程學習者重點關注教師對知識的講解是否有助于促進對自身對專業知識的理解。從學習者對教師講授描述的“通俗”“易懂”“清晰”“詳細”“透徹”等關鍵詞來看，教師講授的條理清晰性、講解透徹性對該類課程的學習效果及學習體驗至關重要。其次，由于專業課程通常需要一定的知識基礎，所以學習基礎的適配性也是影響學習體驗的重要因素。該組態路徑涉及的案例主要為專業基礎課程，學習門檻低、普適性強，課程評價中的“小白”“入門”“初學者”等高頻詞及具體內容反映了其對學習基礎薄弱學習者的友好性，因而受到學習者的高度歡迎。

類型二：素養培養課程——內容導向，成效為王。這條路徑反映了素養培養類在線課程受歡迎的主要原因，即知識內容豐富、學習成效高，同時教學資源豐富、學習基礎適配，而學習體驗好不存在，代表案例有“心理學與生活”“溝通心理學”“現代禮儀”等。結合文本分析發現，該類課程面向學習者較為廣泛，學習者通常出于對課程內容的高度興趣開展自我學習，旨在解決自身實際問題或促進自我提升。該類課程雖然涉及一定理論知識，但課程中能將理論教學與實踐生活相結合，有助于學習者對知識理解和吸收，也有利于知識的遷移和應用，學習成效較高，學習者能夠從中獲得較高成就感，因此，該類課程對學習者也具備較高吸引力。

（四）穩健性檢驗

研究通過調整一致性閾值進行穩健性檢驗，將一致性閾值由0.85調整為0.80，結果顯示，解的一致性和覆蓋度未出現明顯實質性差異，兩個模型得到的組態路徑呈現出清晰的子集關系，說明本研究結果具有良好的穩健性。

六、高質量在線課程建、用、學的四大策略

（一）明確在線課程的內在目標：針對專業教育與素養培養有的放矢

研究揭示的在線課程受歡迎的兩條組態路徑主要對應專業教育課程和素養培養課程，反映了在線學習者的兩大內在動機——專業學習和素養提升。專業學習可以促進專業知識和技能精進，為成為“有準備力的勞動力”蓄力；而素養提升則旨在促進對自我及世界的認知，從而促進自身完整人格的形成和多維素養的發展，這不僅來源于專業能力，還包括廣闊的視野、縝密的思維、敏捷的判斷、強健的體魄、得體的社交等多方面素養。因此，“心理學與生活”“溝通心理學”“現代禮儀”“營養學”等課程受到了大眾青睞。可見，個體對于成長、成人、成才的內在追求與主流教育理念是一致的，即教育既需要為社會培養合格的人力資源，同時也需要為個人追求生命的繁盛和有價值的生活做準備[20]。此外，在線學習者對專業學習和素養提升的雙重追求，也反映了在線課程不僅滿足了課程教學需求，還逐漸承擔了全面育人的實踐功能。可見，在線教育不再僅僅作為學校教育的補充形式，還將發展為服務全民終身教育的重要系統，打破正式教育與非正式教育之間的邊界，從“補充教育”走向“全民教育”和“終身教育”?？梢姡诰€課程應圍繞教育目的這一終極落腳點有的放矢，針對不同學習群體的具體需求進行設計和開發，從而建設出真正有價值的課程資源。

（二）提升在線課程的核心引力：促進教師講授與知識內容聯通對話

在必要性條件分析中，“教師講授精彩”的一致性系數高達0.867，接近必要性條件的閾值，同時也是組態一中的獨特條件，反映了專業教育課程受歡迎的獨到特點。教師作為在線課程的建設者、實施者和管理者，只有不斷提高專業能力，才能為保障在線課程質量提供持久動力。由于在線課程具有不同于傳統課程的特殊規律，教師需要不斷更新在線教育理念，掌握在線課程制作和在線學習輔導的相關知識和技能，從而以教師專業能力提升促進課程質量持續改進[21]。其次，“知識內容豐富”是組態二中的核心條件，是素養培養課程吸引學習者的重要因素，在線課程知識的覆蓋面、準確性、規范性、相關性、實用性、趣味性等是高質量在線課程知識內容建設及優化的重要參考指標[6]。雖然兩條組態路徑分別以教師魅力吸引和知識內容導向為特色，但在線課程中教師講授與知識內容并不是分割的，而是相輔相成、互動共生的。一方面，教師作為知識內容的組織者、引導者和傳授者，應該注重課程中對于知識結構的設計、知識學習的引導以及知識講解的透徹。另一方面，在線課程的知識內容本身也是不斷更新的，其中學習者在參與過程中貢獻的思想、觀點也是重要的生成性內容，應及時收集和篩選生成性知識內容以進行課程內容優化。

（三）優化在線課程的技術工具：賦能基礎適配與資源支持雙向驅動

在組態分析中，兩條路徑都具備學習基礎適配和教學資源豐富兩個條件，說明無論哪種類型的在線課程，基礎適配和資源支持都是其受歡迎的重要條件?；A適配反映了認知主義學習理論的基本觀點，即課程內容需要與學習者已有學習基礎相匹配才能更好適應學習者的認知結構。而在線課程中師生處于時空分離狀態，主要以課程音視頻、PPT、作業、練習等教學資源為中介進行教師形象呈現、課程知識傳遞和課程活動開展，需要為學習者提供豐富的資源支持，以促進其知識的有效吸收。因此，在線課程建設過程中，需要根據學習者特點進行系統化在線教學設計和適應性教學資源提供。在智能時代，技術賦能和數據驅動的智能化在線課程將為個性化、適應性的學習支持提供新路徑。面對規模龐大、類型多樣的在線學習者，大數據和人工智能技術不僅能夠即時獲取學習者信息，分析學習者的學習風格、學習偏好、學習習慣，實現精準畫像和實時反饋，還能夠根據學習者需求生成學習路徑、推送學習資源，實現個性化匹配和自適應學習，從而賦能基礎適配和資源支持雙向驅動。如英國開放大學的OU Analyse系統，可以通過可視化的早期預警儀表盤了解學習者的學習表現，提前獲得預警信息，并能夠據此采取相應的干預措施，如重新設計學習材料或課程考核，開展作業輔導或課程答疑等[22]。

（四）完善在線課程的建設體系：實現成效為王與體驗至上協同發展

在互聯網與人工智能技術支持下，學習者擁有更多的主權，包括學習意識的主動權、學習方式的自主權、學習內容的適配權、知識獲取的自由權[3]。如果在線課程無法滿足學習者的內在需求或無法達到其預期的學習效果，學習者可以自主選擇放棄學習或更換課程資源。因此，在線課程需要以學習者為中心，圍繞學習者的核心需求和身心發展，促進學習者的深度學習和持續參與。根據組態分析結果，兩種受歡迎的在線課程類型可以分為成效型和體驗型，反映了在線學習者的不同核心需求。其中，成效型在線課程主要為內容導向，學習者基于內在的知識性需求，通過內容學習形成知識獲得感，實現學習者對在線課程的功能滿足[3]。而體驗型課程則強調參與學習所帶來的成就感，實現學習者對在線課程的精神滿足。當前，我國在線開放課程主要以教師講授為主，學習者體驗感主要通過教師講授形成“代入感”，是一種精神層面的學習參與。在線課程中，還應通過多種在線學習活動促進學習者的實際行為參與和多向互動參與，形成去中心化的多主體參與和協同對話的知識生成，實現學習成效和學習體驗的協同發展。在教育數字化轉型背景下，在線學習者更加多元化，涵蓋了基礎教育、高等教育、繼續教育及全民教育，應健全在線課程建設體系，著力發展多元化、個性化的在線課程，以滿足學習者的多方位需求。

[參考文獻]

[1] 楊曉宏，周海軍，周效章，郝照.國內在線課程質量認定研究述評[J].電化教育研究，2019，40（6）：50-57.

[2] 澎湃新聞.我國上線慕課超5.25萬門，慕課數量和應用規模世界第一[EB/OL].[2022-07-18]. https：//baijiahao.baidu.com/s？id=1733043864018277582&wfr=spider&for=pc.

[3] 黃璐，裴新寧，朱瑩希.在線課程內容質量評價指標體系新探——基于學習者體驗和知識付費的視角[J].遠程教育雜志，2020，38（1）：104-112.

[4] 劉倩，李穎.主動選擇：在線課程“高輟學率”的積極理解——基于學習者投資理論的視角[J].電化教育研究，2021，42（4）：45-52.

[5] 汪玉峰.在線課程討論環節“低參與率”現象的積極理解與應對——基于對話教學理論的視角[J].電化教育研究，2022，43（5）：47-52.

[6] 閆寒冰，段春雨.面向學習者感知的在線課程內容質量分析框架[J].現代遠程教育研究，2018（5）：95-103.

[7] 陳然，張曉，唐榮.我國開放大學在線課程質量評價研究——來自美國Quality Matters的啟示[J].成人教育，2020，40（2）：27-32.

[8] 黃璐，裴新寧，朱瑩希.MOOCs課程質量影響因素的實證研究[J].現代遠程教育研究，2017（5）：78-86.

[9] 童小素，賈小軍.MOOC質量評價體系的構建探究[J].中國遠程教育，2017（5）：63-71，80.

[10] 李爽，李夢蕾，趙宏.在線課程質量觀和質量要素的質性研究——基于專家、實踐者和學習者的視角[J].中國遠程教育，2020（3）：42-50，81.

[11] 安哲鋒，張峰峰.MOOC學習質量立體模型的構建研究——基于學習者體驗視角的研究[J].成人教育，2018，38（6）：18-23.

[12] 王璐，趙呈領，萬力勇.基于扎根理論的在線開放課程質量評價指標體系構建研究——以國家精品資源共享課為例[J].中國遠程教育，2017（11）：70-76.

[13] 姚凱，李思志，李艷紅，邱靜靜.MOOC評價模型研究[J].復旦教育論壇，2017，15（3）：65-71.

[14] RAGIN C C. Redesigning social inquiry： fuzzy-set and beyond[M]. Chicago： University of Chicago Press， 2008： 36-49.

[15] 杜運周，賈良定.組態視角與定性比較分析（QCA）：管理學研究的一條新道路[J].管理世界，2017，33（6）：155-167.

[16] 池毛毛，杜運周，王偉軍.組態視角與定性比較分析方法：圖書情報學實證研究的新道路[J].情報學報，2021，40 （4）：424-434.

[17] PAPPAS I O， WOODSIDE A G. Fuzzy-set Qualitative Comparative Analysis （fsQCA）： guidelines for research practice in information systems and marketing[J]. International journal of information management， 2021， 58（3）： 102310.

[18] SKAANING S E. Assessing the robustness of crisp-set and fuzzy-set QCA results[J]. Sociological methods & research，2011， 40（2）： 391-408.

[19] 李晚蓮，高光涵.突發公共事件網絡輿情熱度生成機理研究——基于48個案例的模糊集定性比較分析（fsQCA）[J].情報雜志，2020，39（7）：94-100.

[20] 凱瑟琳·埃爾金，李雁冰.教育的目的[J].教育發展研究，2016，36（18）：1-6.

[21] 陳然.國外開放大學在線課程質量保障的特點與啟示[J].成人教育，2022，42（9）：60-66.

[22] 陳然.遠程學習者在線學習危機預警及干預研究——英國開放大學OU Analyse項目剖析[J].成人教育，2021，41（11）：12-17.

What Kind of Online Courses are Popular with Learners？

—Based on Text Mining and Configuration Analysis of 15 Online Course Reviews

XIAO Wan1， ?LU Feng1， ?JI Yimu2

（1.Department of Educational Technology， Nanjing University of Posts and Telecommunications， Nanjing Jiangsu 210023; 2.Department of Data Science and Engineering， Nanjing University of Posts and Telecommunications， Nanjing Jiangsu 210023）

[Abstract] ?In the context of the in-depth development of educational informationization and the continuous promotion of the digital transformation of education， vigorously promoting the construction， use and learning of high-quality of massive open online courses is an important way to realize the improvement of education quality and the construction of an educational power in China. Learners' experience and evaluation of online courses can reflect the intrinsic quality of online courses from the perspective of users， thus empowering the optimal design and sustainable development of online courses. Through text mining and configuration analysis of 15 online course reviews， this study explores the main factors for the popularity of online courses， and reveals the mechanisms of two types of popular online courses， which emphasize "content and efficiency"， "charm and experience". This paper proposes specific strategies for constructing and implementing online courses from four aspects： clarifying the intrinsic goals， targeting professional education and literacy cultivation， enhancing the core attraction， promoting the dialogue between teachers' lectures and knowledge content linkage， optimizing technical tools， empowering the two-way drive of basic adaptation and resource support， and improving the construction system， realizing the synergistic development of efficiency and experience.

[Keywords] ?High Quality; Online Course; Online Education; MOOCs; Learners