我国MOOC领域研究现状及趋势分析

文章采用共词可视化的技术方法,以CNKI(中国知网)的中国学术期刊网络出版总库2012—2014年间发表的MOOC(大规模在线开放课程)相关中文学术文献关键词为研究对象,对高频关键词进行共词聚类以及社会网络分析,揭示国内MOOC研究现状(包括国内MOOC研究主题的类别结构、国内MOOC领域的研究重点和研究薄弱点)以及国内MOOC领域的研究趋势,以期为今后我国MOOC领域的学术发展提供有价值的参考。

基于聚类算法的MOOCs学习者分类及学习行为模式研究

根据MOOCs平台上学习者的学习行为,利用基于离差平方和法的AHC层次聚类算法和K-means非层次聚类算法,对参加MOOCs课程的学习者进行了类别划分.研究和分析了不同类别学习者的学习行为对MOOCs学习效果的影响,并利用卡方检验和单因素方差分析对不同类型的学习者在课程完成率、课程成绩等方面做了详尽的对比分析.针对如何提高学生MOOCs学习效果及MOOCs课程的结构内容设计给出了建议,为进一步在高校中顺利开展MOOCs教育提供借鉴.

慕课与雨课堂结合的大班翻转课堂教学模式研究

翻转课堂是以学生为主体的新型教学模式,其利用各种多媒体教学资源开展课前自学,有效解决了传统课堂缺乏差异性和针对性的问题。但课堂的成功翻转要求教师全面且精准掌握学生的学习效果,这一点对于超过30人的大班课堂很难实现。文章结合慕课和雨课堂两种主流的网络平台,构造体现“课前-课中-课后”教学全周期的大班翻转教学模式,着力解决单一技术对学生学习偏好支持不足的问题,同时采用数据挖掘方法对“PPT预习时长数据”“课堂测验数据”“慕课视频观看次数数据”三类行为数据进行统计分析和深度挖掘,为获取精准的学习效果反馈、制定针对性的学习指导策略提供了科学依据。通过对教学班级调查问卷的统计分析,验证了“慕课和雨课堂相结合的大班翻转课堂教学模式”的良好效果。

基于MOOCs的程序类课程混合教学模式探究

MOOCs的快速发展引发教育改革浪潮,传统大学课堂教育如何充分利用MOOCs资源,高效地实施混合模式教学,成为新兴研究方向。目前对基于MOOCs的混合高等教学研究还很少,本文提出基于MOOCs的程序类课程混合教学模式,并于2015年春基于"学堂在线"的MOOC课程"数据结构"相关资源,在重庆交通大学的《数据结构》教学中实施混合教学实践。通过问卷调查表明,基于MOOCs的混合教学模式极大地提高了学生的编程能力。

基于数据挖掘技术的在线学习行为研究综述

随着慕课快速发展为当下最新、最潮的学习形式,在线学习平台积累了大量学习行为数据,数据挖掘技术被引入在线学习行为的研究,从而涌现出大量的研究成果。为了深入分析在线学习行为研究中数据挖掘技术的整体应用情况,从国内外公认的Web of Science数据库收集2008—2017年3月相关文献进行了统计和可视化分析,介绍了利用数据挖掘技术进行在线学习行为研究的一般流程,并将数据挖掘技术在在线学习行为研究中的应用总结归纳为五类,详细介绍了相关研究成果及代表文献。最后总结并讨论了未来可能的研究方向。

MOOC平台下民航特色专业课程学习行为研究--以“民航概论”课程为例

通过对民航院校本科生在“民航概论”课程中学习行为的分析,结合MOOC后台提取的535213条有效数据,对学生在课程学习中“完成学习”“学生活跃度”和“学习过程持续性”三个维度展开研究,得出本科生在MOOC平台的学习效果与学习主动性呈正比。学习主动性是学习持续性的保证,建议将MOOC平台作为课程实践和认知部分的补充,提出在原有课程教学模式的基础上加强现场教学、实践教学和校企合作课程改革的建议。

大规模在线公开课程(MOOC)学习状态变化分析

针对大规模在线公开课程(MOOC)注册学员高退出率和低完成率这一现象,通过数据挖掘的聚类手段,对参入MOOC学员的学习状态变化进行了分析,揭示参与MOOC课程的学员在学习目的上的分集,使MOOC课程发起者能够更好地调整授课内容和课程设置来满足不同学生的需求。

基于MOOC翻转课堂的教学实践与探讨

在大数据时代以及教学面向全球化开放的背景下,MOOC的出现,给传统教学模式带来巨大冲击。翻转课堂是现今越来越热的教学新理念,也是最具有前景的教学技术之一。突如其来的新冠肺炎疫情,加速了各个高校基于MOOC已有优质课程资源构建翻转课堂教学模式的步伐,即师生在“线下”课堂协作与互动,共同讨论,同时借助“线上”信息化教学技术,解决传统课堂互动不足的问题;通过“线上”作业巩固课堂所学,教师利用碎片化时间及时反馈等。从结果来看,虽然基于MOOC翻转课堂的教学模式在实施过程中面临着巨大挑战,但通过实践检验效果良好,具有一定的普适性,可以推广。

基于MOOC数据的学习行为分析与预测

随着近2年慕课(massive open online course,MOOC)的兴起,教育大数据分析正成为一个新兴的研究方向.2013年秋,北京大学在Coursera上开设了6门慕课.通过分析挖掘约8万多人次参与这6门课的海量学习行为数据,力图展现慕课学习活动多个侧面的风貌.同时,首次针对中文慕课中学习行为的特点,将学习者分类,以更加深入地考察学习行为与学习效果之间的关系.在此基础上,通过选择学习者的若干典型行为特征,对他们最后的学习成果进行预测的工作也尚属首次.数据表明:基于学习行为的特征分析能有效地判别一个学习者能否成功完成学习任务获得通过证书,并能找出潜在的认真学习者,这为今后更加精准的慕课教学测评提供了一种依据.

基于大数据分析的MOOC智能自主学习系统设计

为了提高网络课程教学自主学习平台的稳定性和资源利用效率,提出一种基于大数据分析的大型开放式网络课程(MOOC)智能自主学习系统设计方法。进行MOOC智能自主学习系统的总体设计描述和功能模块化分析,系统设计包括MOOC学习资源检索模块、信息处理模块和人机交互模块,采用Android操作系统进行MOOC智能自主学习系统的底层模块设计,基于大数据分析技术进行海量MOOC自主学习资源检索设计,在MVB总线控制协议下进行进程管理和文件配置,实现学习系统的软件开发设计。软件测试结果表明,该自主学习系统进行海量MOOC学习资源大数据处理的稳定收敛性较好,鲁棒性较高。

大型开放式在线课程(MOOC)数据可视分析综述

大型开放式在线课程(massive open online courses,MOOC)是面向用户提供教学资源的线上学习平台.从MOOC数据类型、MOOC数据可视化方法和MOOC数据的可视分析应用3个角度进行综述.首先介绍MOOC中的文本数据、视频数据、拓扑结构数据和时空数据;然后对不同数据类型常用的可视化方法进行论述;再介绍MOOC数据可视分析在在线学习行为分析、论坛交互活动分析和学生表现结果分析等方面的应用;最后对MOOC数据可视分析的未来发展趋势进行展望.

MOOC视频学习行为大数据分析

分析了MOOC观看视频行为数据的特征和影响学习者持续观看视频的因素,以及MOOC最受欢迎视频时长的分析方法.研究结果表明MOOC观看视频行为数据具有稀疏性和低秩的特点,在MOOC观看视频行为数据中包含了大量无效的学习行为;影响学习者持续观看视频的因素很多,且相互独立,不存在主导因素.本研究对促进MOOC课程的建设和发展有积极的作用.

MOOC中学习者流失问题的预测分析--基于24篇中英文文献的综述

MOOC(Massive Open Online Course)的核心属性之一是"课程"(Course),因此"完成率"或"流失率"始终是其发展中绕不开的话题。借由完成率问题引发的一系列深入讨论和研究,例如流失问题的预测分析,取得了丰富的研究成果,对于增进我们对MOOC研究的认识和相关教学理论的理解都具有积极作用。但由于该领域内还缺乏对预测分析的系统综述,我们对这个问题的研究全貌、研究局限以及未来的研究方向并不明晰。因此,本文通过综述24篇最近五年相关的高质量文献,试图回答三个问题:哪些预测指标是有效的?哪些算法模型是相对较好的?不同模型的节俭性和耐用性如何?通过回答这些问题,本文梳理了有效的预测指标体系,对比了不同算法模型的有效性,并检验了模型的节俭性和耐用性;更进一步,本文通过讨论研究的理性观、实践意义和开展跨领域对话,指出了未来研究可能的研究取径、研究方向和研究重点。

cMOOC学习者教学交互转化的特征及演化研究

教学交互是cMOOC学习者取得学习成功的关键。研究cMOOC学习者教学交互转化的特征并探究教学交互转化的演化过程及其规律,对进一步认识cMOOC学习者的学习过程具有重要意义。本研究聚焦cMOOC课程“互联网+教育:理论与实践的对话”第二期模块四的学习者,依据联通主义学习教学交互与参与模型对学习者产生的文本内容进行编码,从整体学习阶段和5个具体学习阶段分别对编码数据进行滞后序列分析,从序列的视角分析了cMOOC学习者教学交互转化的特征,从动态视角探讨了教学交互转化的演化过程及其特征,以期为进一步揭示联通主义学习的基本规律提供实证依据。研究发现,cMOOC学习者的教学交互转化具有两大特征:层次内大于层次间、上层扩展多于下层支撑、层次间渐进;寻径交互层次内的交互转化与意会交互层次内的交互转化在数量分布与转化方式上存在差异。cMOOC学习者教学交互转化的演化具有三大特征:总体上具有话题周期性的特征,主要体现在同一交互层次内;不同交互层次间交互转化的演化总体上呈现出一致性,而意会交互与创生交互之间交互转化的演化具有特殊性;产生不同层次教学交互的交互转化之间具有层次间相异、层次内交叠的演化特征。

《生理学》线上学习中学习投入、互动行为和学习动机对学习效果的影响分析

目的分析不同教学模式下和有不同学习动机的学生的线上学习行为与学习效果,为优化线上教学提供参考。方法选择2019和2020年参与中南大学生理学小规模限制性在线课程(small private online course,SPOC)和同年参与大规模在线开放课程(massive open online courses,MOOC)的学生,探讨不同教学模式下的线上学习行为和不同学习动机的学生的学习效果。从学习投入、互动行为和学习动机3方面分析学生的线上学习行为。采用SPSS 25.0软件,用函数计算、频率统计、回归分析、秩和检验、相关性检验、卡方检验等统计学方法进行数据分析。结果2020年SPOC学习者的学习参与度(z=14.36,P<0.001)和人机、人际互动学习水平(z=-11.70、-16.18,P均<0.001)均高于2019年。2019年、2020年的学生整体互动行为与成绩呈中等相关(r=0.42、0.52,P均<0.001),且人际互动行为相关更强(r=0.60、0.55,P均<0.001)。2019年SPOC和MOOC学习者的成绩构成不同(χ2=857.45,P<0.001)。外部动机的SPOC学习者学习效果优于内部动机的MOOC学习者(z=-28.42,P<0.001)。结论学校所采用的教学模式通过学生的在线学习投入和互动学习行为影响学习效果,学生自身的学习动机也对其在线学习效果起到关键作用。

内容、态度与知识建构——线上学习社区中的互动质量研究

在线上学习社区,参与者在互动过程中进行意义协商和知识建构。中国网络空间中的大规模开放在线课程往往是教师和助教不在场,远距离、异质性的网民通过有中文字幕的视频学习课程,在课程对应的讨论区参与讨论,在社会参与中学习。为了分析该类计算机中介的学习社区中互动的质量和知识建构的过程,该研究采用内容分析方法分析慕课讨论区的文本,发现线上学习社区的讨论内容、互动方式、态度情绪和地理位置都对知识建构产生影响。