基于社会网络和话题相似度的cMOOC学习者聚类研究

联通主义学习以社会网络交互、群体智慧的创造和学习者自我驱动为主要特点,知识与知识之间、学习者与学习者之间、学习者与知识之间动态聚合成学习者的认知神经网络、概念网络及社会网络。本文通过社会网络分析、话题相似度分析等方法,从社会交互维度和内容维度对cMOOC学习者进行分类和界定,通过K-means聚类分析,得到cMOOC中共有8类学习者,即沉默学习者、边缘学习者、普通学习者、专业共同体学习者、情感交互型学习者、核心学习者、桥梁学习者及导学者,并深入探究导学者及桥梁学习者的特征及在网络中的作用。每个类型的学习者都有其特点和存在的意义,并通过动态交互形成了开放、复杂、半自组织的学习生态。本研究探究出不同类型学习者的特征,期待能为个性化的学习支持服务设计提供参考。

以学习分析技术理解学习失败——基于在线课程退课行为的视角

理解学习失败是教育研究的热点。然而,已有研究主要依赖自我报告、社会调查等方法,存在主观性较强等问题,不适合在线学习情境。为解决这一问题,本研究利用细粒度学习行为数据,通过引入“学习路径相似度”概念,以时域建模的方式,找出不同类型退课学习者群体,结合未退课学习者数据,依据学习路径的图拓扑参数和行为发生概率,在学习意义层面描述并解释不同类型学习者之间的差异,从而理解学习失败发生的过程,为探明“学习何以发生”提供新的依据。研究发现:1)退课学习者存在“体验型”与“孤立型”两类学习者;2)图拓扑参数计算结果表明,不同类型学习者在学习投入、学习资源切换频率、学习路径聚集度、小世界网络特性和学习资源重要性等方面存在明显差异;3)行为发生概率结果表明,不同类型学习者存在类似的视频交互行为,“体验型”学习者存在课程甄选行为,“孤立型”学习者缺少社交性交互行为。文章最后从分析方法、辩证理解退课、创新课程形式和社会性学习支持等方面提出对策和建议。