基于edX 開放數(shù)據(jù)的學(xué)習(xí)者在線學(xué)習(xí)行為分析

孫 琳，張巧榮，鄭婭峰

（河南財(cái)經(jīng)政法大學(xué)計(jì)算機(jī)與信息工程學(xué)院，河南鄭州 450046）

0 引言

大規(guī)模網(wǎng)絡(luò)開放課程（Massive Open Online Courses，MOOC）作為一種新興的教學(xué)模式，憑借其優(yōu)質(zhì)的課程資源、開放的教學(xué)方式、廣泛的課程受眾面和課程參與的高度自主性等特點(diǎn)，自2011 年誕生以來在全球范圍內(nèi)迅速發(fā)展，為各大高校教育提供支持，為現(xiàn)代教育提供了廣闊的發(fā)展前景［1］。

在傳統(tǒng)教育方式中，學(xué)生群體來源比較單一，學(xué)習(xí)者學(xué)習(xí)動(dòng)機(jī)相似，學(xué)習(xí)能力和認(rèn)知水平大致相當(dāng)?；谝陨咸攸c(diǎn)，傳統(tǒng)學(xué)校的教學(xué)方法和測評(píng)方法也相對(duì)一致。但這些在MOOC 環(huán)境下有了很大變化：由于MOOC 的受眾面極廣，學(xué)習(xí)者學(xué)習(xí)動(dòng)機(jī)、知識(shí)背景和學(xué)習(xí)能力都存在很大差異；在具有海量學(xué)習(xí)者的在線課堂平臺(tái)中，傳統(tǒng)學(xué)習(xí)測評(píng)方法并不適用［2-3］；由于使用了互聯(lián)網(wǎng)進(jìn)行在線學(xué)習(xí)，學(xué)習(xí)者在MOOC 平臺(tái)中產(chǎn)生的學(xué)習(xí)行為都會(huì)以數(shù)據(jù)形式被記錄下來［2］?；谝陨咸卣?，目前大多數(shù)在線課堂平臺(tái)都無法在教學(xué)模式和平臺(tái)設(shè)計(jì)上滿足不同類型學(xué)習(xí)群體的實(shí)際需求，因此，通過數(shù)據(jù)挖掘和統(tǒng)計(jì)學(xué)技術(shù)對(duì)MOOC 平臺(tái)中產(chǎn)生的海量數(shù)據(jù)信息進(jìn)行分析，探究學(xué)習(xí)行為與學(xué)習(xí)效果之間的關(guān)系具有重要意義［4］。

本文以MOOC 主流平臺(tái)之一——edX 平臺(tái)上發(fā)布的16 門課程，60 余萬人次的學(xué)習(xí)行為記錄數(shù)據(jù)集作為數(shù)據(jù)來源，采用統(tǒng)計(jì)學(xué)方法和數(shù)據(jù)分析方法對(duì)MOOC 平臺(tái)中特定用戶群體的群體特征及學(xué)習(xí)行為特征進(jìn)行探索和關(guān)聯(lián)分析，為基于MOOC 平臺(tái)設(shè)計(jì)和開發(fā)個(gè)性化學(xué)習(xí)管理體系提供參考，讓不同類型的學(xué)習(xí)者都能獲得良好的在線學(xué)習(xí)體驗(yàn)。

1 相關(guān)工作

如今，各大MOOC 平臺(tái)，如國外的Coursera、Udacity、edX 和國內(nèi)的網(wǎng)易云課堂、中國大學(xué)MOOC、學(xué)堂在線等，都各自擁有獨(dú)特的學(xué)習(xí)管理系統(tǒng)，并開發(fā)有數(shù)據(jù)收集與分析系統(tǒng)，這為研究者深入分析MOOC 學(xué)習(xí)者行為提供了數(shù)據(jù)支持。

國外對(duì)于MOOC 的研究重心主要在于MOOC 平臺(tái)設(shè)計(jì)與開發(fā)、課程完成情況、學(xué)習(xí)者分類等方面［5］。Fu 等［6］從MOOC 論壇帖子、用戶和線程3 個(gè)不同的維度，研究MOOC 論壇的時(shí)間模式，設(shè)計(jì)并開發(fā)交互式可視化分析系統(tǒng)；Rodrigues 等［7］通過聚類分析識(shí)別學(xué)習(xí)者在MOOC 課堂中的參與模式，幫助MOOC 平臺(tái)開發(fā)多樣化課程參與模式和個(gè)性化界面；Pursel 等［8］通過學(xué)習(xí)者觀看視頻數(shù)和論壇互動(dòng)次數(shù)等探究課程完成率；Tseng 等［9］利用平臺(tái)中的學(xué)習(xí)行為數(shù)據(jù)對(duì)學(xué)習(xí)者進(jìn)行分類，并分析不同類型學(xué)習(xí)者的課程完成率；Ho 等［10］分析edX 平臺(tái)上的慕課學(xué)習(xí)者，統(tǒng)計(jì)其各項(xiàng)背景特征以及不同類型學(xué)習(xí)者的課程參與度。

國內(nèi)對(duì)于MOOC 的研究主要包括學(xué)習(xí)行為特征分析、學(xué)習(xí)效果影響因素、學(xué)習(xí)效果預(yù)測等方面。程志君等［11］利用edX 提供的開放數(shù)據(jù)，對(duì)相關(guān)課程學(xué)習(xí)者行為進(jìn)行分析，確定不同類型學(xué)習(xí)者的行為特征，并結(jié)合其背景信息進(jìn)行關(guān)聯(lián)分析；賀超凱等［12］對(duì)edX 平臺(tái)開放數(shù)據(jù)中的學(xué)習(xí)行為記錄進(jìn)行分析，預(yù)測學(xué)習(xí)者是否可以完成學(xué)習(xí)任務(wù)并獲得證書；王萍［13］利用MOOC 平臺(tái)提供的開放數(shù)據(jù)，分別從性別、教育背景、年齡等用戶信息方面探討中國學(xué)習(xí)者的學(xué)習(xí)行為；蔣卓軒等［5］以北大Coursera 上開設(shè)的6 門慕課約8 萬多人次學(xué)習(xí)行為數(shù)據(jù)為基礎(chǔ)，對(duì)學(xué)習(xí)者進(jìn)行分類，考察其學(xué)習(xí)行為與學(xué)習(xí)效果之間的關(guān)系并預(yù)測學(xué)習(xí)成果；張大胤等［4］利用Canvas Network 提供的開發(fā)數(shù)據(jù)集，從學(xué)習(xí)者類型、學(xué)習(xí)者特征和學(xué)習(xí)者行為3 個(gè)方面分析特定學(xué)習(xí)行為特征與學(xué)習(xí)結(jié)果之間的相關(guān)性。

由上述分析可知，目前實(shí)證研究大多面向全體MOOC學(xué)習(xí)者，對(duì)學(xué)習(xí)過程中的變量進(jìn)行統(tǒng)計(jì)分析，研究其相關(guān)性并進(jìn)行預(yù)測，但對(duì)于不同的MOOC 受眾群體，其學(xué)習(xí)目的與興趣、學(xué)習(xí)能力與學(xué)習(xí)方式都具有很大差異性，需要針對(duì)不同類型的學(xué)習(xí)者，分析其特有的學(xué)習(xí)行為偏好并開發(fā)出具有針對(duì)性的學(xué)習(xí)管理模式。本文在參考已有研究工作的同時(shí)，對(duì)edX 提供的學(xué)習(xí)行為記錄數(shù)據(jù)進(jìn)行探索分析，發(fā)現(xiàn)在MOOC 學(xué)習(xí)群體中具有本科學(xué)歷的學(xué)習(xí)者占比最高，但學(xué)習(xí)效果卻最差。針對(duì)此現(xiàn)象，本文利用數(shù)據(jù)挖掘方法和統(tǒng)計(jì)分析方法，從不同維度探究本科學(xué)習(xí)者在平臺(tái)中的學(xué)習(xí)狀況以及該群體的學(xué)習(xí)行為特征與學(xué)習(xí)效果之間的相關(guān)性，從而為MOOC 平臺(tái)的課程開發(fā)和學(xué)習(xí)管理體系改進(jìn)提供借鑒。

2 研究設(shè)計(jì)

2.1 數(shù)據(jù)來源及說明

本文研究數(shù)據(jù)來源于edX 平臺(tái)于2014 年發(fā)布的一項(xiàng)數(shù)據(jù)集，記錄了2012-2013 學(xué)年秋冬春3 個(gè)學(xué)期內(nèi)哈佛大學(xué)和麻省理工大學(xué)edX 平臺(tái)開設(shè)的16 門課程數(shù)據(jù)［11］。該數(shù)據(jù)集一共包含641 138 行信息和20 個(gè)列項(xiàng)，考慮到樣本缺失問題，本文對(duì)原始數(shù)據(jù)進(jìn)行整理，剔除有缺失值的樣本，得到540 978 組有效數(shù)據(jù)。

在開放數(shù)據(jù)集中，每一行項(xiàng)描述了一個(gè)學(xué)習(xí)者注冊一門課程的學(xué)習(xí)記錄，每列項(xiàng)描述了學(xué)習(xí)者基本信息或?qū)W習(xí)特征，這種數(shù)據(jù)信息也可歸為“Person-Course”類型［13］。本文將主要的列項(xiàng)整理合并為課程信息、用戶基本信息、用戶學(xué)習(xí)行為信息和用戶學(xué)習(xí)結(jié)果信息四大分類，具體數(shù)據(jù)集描述如表1 所示。

表1 數(shù)據(jù)集描述

2.2 研究方法

本文研究使用的原始數(shù)據(jù)集中共包含課程—學(xué)習(xí)者記錄641 138 項(xiàng)，刪除“incomplete_flag”值為1 的不完整性數(shù)據(jù)后，有效記錄為540 977 項(xiàng)。對(duì)有效數(shù)據(jù)中學(xué)習(xí)者的基本信息進(jìn)行統(tǒng)計(jì)分析，有效數(shù)據(jù)中用戶學(xué)歷分布如圖1所示，不同學(xué)歷者獲得證書的概率分布如圖2 所示。在此基礎(chǔ)上，本文選取“LoE_DI”值為Bachelor’s 的本科生用戶數(shù)據(jù)進(jìn)行研究，得到分析數(shù)據(jù)185 832 項(xiàng)。

針對(duì)本科生用戶數(shù)據(jù)集，本文主要選取一系列包含用戶學(xué)習(xí)行為信息的指標(biāo)進(jìn)行統(tǒng)計(jì)分析，探索該群體的學(xué)習(xí)目的、興趣與學(xué)習(xí)者類型分布情況。同時(shí)，利用包含學(xué)習(xí)行為信息和學(xué)習(xí)結(jié)果信息的記錄項(xiàng)實(shí)現(xiàn)相關(guān)性分析，從多維度展示本科生學(xué)習(xí)者在MOOC 平臺(tái)中的實(shí)際學(xué)習(xí)狀況。

圖1 用戶學(xué)歷分布

圖2 不同學(xué)歷用戶獲得證書的概率分布

本文研究主要利用Excel 2016 對(duì)原始數(shù)據(jù)作初步清理和統(tǒng)計(jì)，通過數(shù)據(jù)透視表和數(shù)據(jù)透視圖進(jìn)行描述性分析。同時(shí)，利用Python 語言和相關(guān)數(shù)據(jù)分析工具完成學(xué)習(xí)行為與學(xué)習(xí)結(jié)果之間的相關(guān)性分析。

3 結(jié)果分析

3.1 本科學(xué)習(xí)者學(xué)習(xí)目的與興趣

通過檢索數(shù)據(jù)表項(xiàng)中課程代碼（course_id）項(xiàng)和證書通過（certified）項(xiàng)，結(jié)合課程代碼信息，經(jīng)統(tǒng)計(jì)獲得本科生用戶課程注冊以及不同課程獲證概率分布情況，如圖3 所示（彩圖掃OSID 掃可見）。

圖3 本科生選課情況與拿證概率對(duì)比

可以看到，學(xué)習(xí)者注冊最多的課程是哈佛大學(xué)的《計(jì)算機(jī)科學(xué)導(dǎo)論》和麻省理工學(xué)院的《計(jì)算機(jī)科學(xué)與程序入門》，其次是哈佛大學(xué)的《公正》和《健康數(shù)據(jù)》，而麻省理工的固體化學(xué)、結(jié)構(gòu)元素、力學(xué)等課程的注冊人數(shù)最少。從課程專業(yè)領(lǐng)域及內(nèi)容方面區(qū)分，可以看出本科生傾向于選擇人文社科類和計(jì)算機(jī)類基礎(chǔ)課程。由于大學(xué)中幾乎所有專業(yè)的學(xué)生都需要學(xué)習(xí)計(jì)算機(jī)類基礎(chǔ)課程，因此選課人數(shù)最多；而人文社科類課程入門門檻低，適用范圍廣泛，且內(nèi)容具有吸引力，也容易受到大眾的偏愛。麻省理工的物理化學(xué)類課程由于專業(yè)性強(qiáng)和難度高的特點(diǎn)，選課人數(shù)相對(duì)較少。

從獲證概率分布情況看，本科生用戶在《全球貧困的挑戰(zhàn)》《健康數(shù)據(jù)》和《公正》三門課程中的學(xué)習(xí)效果最好，獲得證書概率最高；而《計(jì)算機(jī)科學(xué)導(dǎo)論》《力學(xué)》《古希臘英雄》等課程的獲證概率最低，說明總體上人文社科類課程比其它課程更容易拿到證書。結(jié)合選課偏好，可以看到最受本科生用戶歡迎的計(jì)算機(jī)類基礎(chǔ)課程反而獲證概率最低，由于大學(xué)生中不同專業(yè)學(xué)生的學(xué)習(xí)風(fēng)格不同，特別是文科生和理科生間存在較大差異［14］，對(duì)于這類操作型和應(yīng)用型相結(jié)合的課程內(nèi)容，學(xué)習(xí)效果不僅與學(xué)習(xí)目的相關(guān)，受學(xué)習(xí)風(fēng)格影響也較大。此外，麻省理工的化學(xué)類入門課程選課人數(shù)雖少但獲證概率排名靠前，可以看出本科生群體中存在一部分學(xué)習(xí)動(dòng)機(jī)較強(qiáng)的專業(yè)型學(xué)習(xí)者，該類用戶注冊課程是為了獲得證書并提升自身專業(yè)水平。

通過分析MOOC 平臺(tái)上的數(shù)據(jù)，可以得出慕課用戶的學(xué)習(xí)動(dòng)機(jī)主要包括興趣類和提升類［4］。MOOC 課程注冊時(shí)間可以分為3 種：開課前注冊、課程中注冊和結(jié)課后注冊。如果用戶在課程結(jié)束后注冊課程則只能學(xué)習(xí)課程內(nèi)容，無法獲得課程證書［13］?？梢哉J(rèn)為，在課程開始前就已注冊課程的學(xué)習(xí)者，帶有較強(qiáng)烈的提升性學(xué)習(xí)動(dòng)機(jī)；在課程中進(jìn)行注冊的學(xué)習(xí)者，選課時(shí)帶有一定的提升性學(xué)習(xí)意圖，也可能出于對(duì)課程的好奇心；而在結(jié)課后注冊的學(xué)習(xí)者，其學(xué)習(xí)目的不是為了證書，而是出于其它各方面的需求或者興趣愛好。本文選擇了3 門熱度排名靠前但類型不同的課程：哈佛大學(xué)的《計(jì)算機(jī)科學(xué)導(dǎo)論》《健康數(shù)據(jù)》和麻省理工學(xué)院的《電路與電力》，通過統(tǒng)計(jì)學(xué)習(xí)者注冊課程的時(shí)間并結(jié)合課程的證書通過率探索本科生群體的學(xué)習(xí)目的，如圖3、圖4 所示（彩圖掃OSID 掃可見）。

通過對(duì)比分析發(fā)現(xiàn)，學(xué)習(xí)者的學(xué)習(xí)目的與課程類型和注冊時(shí)間緊密相關(guān)，并對(duì)學(xué)習(xí)結(jié)果有一定影響。對(duì)于計(jì)算機(jī)類基礎(chǔ)課程，學(xué)習(xí)者大多在課程中和結(jié)課后進(jìn)行注冊，其中結(jié)課后的注冊人數(shù)占比高達(dá)34.3%，說明用戶選課是出于興趣和日后工作或生活需要；與之對(duì)比，67.11% 的學(xué)習(xí)者在《健康數(shù)據(jù)》課程中開始學(xué)習(xí)，開課前和結(jié)課后都很少有人進(jìn)行注冊，說明人文社科類的新型課程吸引學(xué)習(xí)者的持續(xù)周期非常短，且學(xué)習(xí)難度較低，本科生帶有一定的提升性學(xué)習(xí)目的，或出于好奇心進(jìn)行注冊，拿證概率較高；而對(duì)于《電路與電力》這類專業(yè)性較強(qiáng)的課程，超過半數(shù)的本科生在課程開始前就進(jìn)行注冊學(xué)習(xí)，說明學(xué)習(xí)者的提升性學(xué)習(xí)目的非常明確，其動(dòng)機(jī)包含參加課程考試并取得證書，但可能由于部分課程難度較大，學(xué)習(xí)效果一般。

圖4 本科生對(duì)不同類型課程的注冊時(shí)間分布

3.2 本科學(xué)習(xí)者學(xué)習(xí)類型分析

本文參考Ho 等［10］對(duì)edX 學(xué)習(xí)者的分類方法，通過數(shù)據(jù)集中的“registered”、“viewed”、“explored”、“certified”數(shù)據(jù)項(xiàng)，將具有本科學(xué)歷的學(xué)習(xí)者分為4 種類型［10］，并計(jì)算各類型學(xué)習(xí)者比率，得出學(xué)習(xí)者類型分布，如圖5 所示。此外，結(jié)合數(shù)據(jù)集中的“nevents”、“ndays_act”、“nplay_video”、“nchapters”、“grade”等數(shù)據(jù)項(xiàng)，分析不同類型學(xué)習(xí)者的學(xué)習(xí)行為和學(xué)習(xí)結(jié)果。

圖5 本科生學(xué)習(xí)者類型分布

第1 類：僅注冊者。該類用戶注冊課程后，并沒有產(chǎn)生任何學(xué)習(xí)行為，登錄訪問課程的次數(shù)極少或不再訪問。該類用戶并沒有足夠的學(xué)習(xí)動(dòng)機(jī)，或在訪問課程主頁后未產(chǎn)生學(xué)習(xí)興趣，本科生學(xué)習(xí)者中僅注冊者所占比例為43%。

第2 類：一般學(xué)習(xí)者。該類用戶在注冊課程后訪問了課程主頁并偶爾登錄，對(duì)課程內(nèi)容的學(xué)習(xí)不到一半，互動(dòng)和視頻觀看次數(shù)極少，且都未獲得證書，課程成績平均分為0.008 7。這類學(xué)習(xí)者好奇心強(qiáng)，但缺乏持續(xù)學(xué)習(xí)動(dòng)力，學(xué)習(xí)效果較差，可以認(rèn)為他們參與學(xué)習(xí)的主要目的是體驗(yàn)課程。一般學(xué)習(xí)者在本科生用戶中所占比例最高，為51%。

第3 類：積極學(xué)習(xí)者。用戶注冊課程并訪問了一半以上的章節(jié)內(nèi)容，與一般學(xué)習(xí)者相比，其觀看視頻數(shù)、互動(dòng)次數(shù)和論壇發(fā)帖數(shù)有明顯提升。本科生中的積極學(xué)習(xí)者占比為4%，課程平均成績?yōu)?.15。該類用戶的學(xué)習(xí)熱情較高，但投入精力有限，可以判斷他們的學(xué)習(xí)動(dòng)機(jī)主要出于興趣和其它方面的需求，帶有一定提升性目的，期望能夠獲得認(rèn)證，但效果一般。

第4 類：獲得證書者。課程結(jié)束時(shí)用戶基本訪問過所有章節(jié)內(nèi)容，登錄次數(shù)和視頻觀看次數(shù)都遠(yuǎn)遠(yuǎn)高于前3 類學(xué)習(xí)者，并產(chǎn)生大量互動(dòng)學(xué)習(xí)行為，均參與課程考試且獲得證書，平均成績?yōu)?.83。很明顯，該類學(xué)習(xí)者注冊課程時(shí)帶有強(qiáng)烈的提升性目的，且投入大量的熱情和精力進(jìn)行學(xué)習(xí)，在本科生學(xué)習(xí)者中占比僅為2%。

通過對(duì)各類型學(xué)習(xí)者的學(xué)習(xí)行為、目的及結(jié)果進(jìn)行分析發(fā)現(xiàn)，本科生用戶群體大多為一般學(xué)習(xí)者和僅注冊者，這與大學(xué)生好奇心較強(qiáng)，但自主學(xué)習(xí)能力較差的特點(diǎn)相關(guān)，同時(shí)也反映出當(dāng)前MOOC 學(xué)習(xí)環(huán)境中缺乏有效的針對(duì)此類學(xué)習(xí)者的教師指導(dǎo)和約束學(xué)習(xí)機(jī)制。此外，對(duì)比各類型學(xué)習(xí)者的學(xué)習(xí)行為與結(jié)果，可看出互動(dòng)式學(xué)習(xí)行為對(duì)學(xué)習(xí)效果影響較大，是不同類型學(xué)習(xí)者的主要差距所在。

3.3 學(xué)習(xí)行為與學(xué)習(xí)結(jié)果相關(guān)性分析

本文研究采用皮爾遜相關(guān)分析方法對(duì)學(xué)習(xí)行為和學(xué)習(xí)結(jié)果的變量進(jìn)行兩兩相關(guān)分析，分析結(jié)果如圖6 所示（彩圖掃OSID 掃可見）。皮爾遜相關(guān)系數(shù)（Pearson Correlation Coefficient）是一種線性相關(guān)系數(shù)，用來反映兩個(gè)變量之間的線性相關(guān)程度。相關(guān)系數(shù)r 描述了兩個(gè)變量間線性相關(guān)強(qiáng)弱的程度。計(jì)算方法如式（1）所示。

其中，相關(guān)系數(shù)r 的取值在-1 與+1 之間，當(dāng)r 為正值時(shí)，表明兩個(gè)變量是正相關(guān)；當(dāng)r 為負(fù)值時(shí)，表明兩個(gè)變量是負(fù)相關(guān)；當(dāng)r 的值為0 時(shí)，表明兩個(gè)變量間不存在線性相關(guān)關(guān)系。r 的絕對(duì)值越大，表明兩變量間的線性相關(guān)性越強(qiáng)，在圖6 的相關(guān)矩陣中顯示顏色越深。

圖6 Pearson's r Correlations Matrix

如圖6 所示，皮爾遜相關(guān)分析矩陣顯示，數(shù)據(jù)集中的各學(xué)習(xí)行為指標(biāo)均與證書獲得呈現(xiàn)不同程度的正相關(guān)性。其中，“是否探索課程（explored）”、“訪問章節(jié)數(shù)（nchapters）”、“參與互動(dòng)天數(shù)（ndays_act）”和“課程互動(dòng)次數(shù)（nevents）”與學(xué)習(xí)效果呈現(xiàn)顯著相關(guān)，且變量間也同樣呈現(xiàn)高度相關(guān)性；“播放視頻數(shù)量（play_video）”與學(xué)習(xí)效果呈現(xiàn)中等程度相關(guān)；“論壇發(fā)帖數(shù)（rum_posts）”和“是否訪問課件（viewed）”與學(xué)習(xí)效果呈現(xiàn)弱相關(guān)。由此可見，本科生學(xué)習(xí)者的學(xué)習(xí)結(jié)果主要依賴于對(duì)課程內(nèi)容的高參與度和互動(dòng)學(xué)習(xí)行為。

4 討論與建議

通過數(shù)據(jù)描述性分析發(fā)現(xiàn)，準(zhǔn)確判斷每位本科學(xué)習(xí)者參與課程的目的、課程學(xué)習(xí)證書對(duì)其激勵(lì)程度等往往較難，學(xué)生當(dāng)時(shí)的學(xué)習(xí)狀態(tài)、內(nèi)部本能推動(dòng)、人生觀和外部環(huán)境刺激等，這些都反映在各種學(xué)習(xí)行為的差異上。部分學(xué)習(xí)者會(huì)將MOOC 當(dāng)作傳統(tǒng)必修課程認(rèn)真學(xué)習(xí)；部分學(xué)習(xí)者只將MOOC 當(dāng)作一種學(xué)習(xí)參考或者在線工具，其交互特點(diǎn)也呈現(xiàn)出不同步性和選擇性［3］。

總體而言，本科生用戶對(duì)人文社科類和技能入門類課程有強(qiáng)烈好奇心，選課態(tài)度十分積極，但是學(xué)習(xí)效果普遍不明顯。主要表現(xiàn)為對(duì)課程內(nèi)容的訪問探索行為和參與平臺(tái)互動(dòng)行為過少，而這兩種行為特征對(duì)學(xué)習(xí)結(jié)果的影響較大。引起該現(xiàn)象的原因如下：一是學(xué)習(xí)動(dòng)機(jī)不足，目的性不太明確；二是課程內(nèi)容吸引力不足，大部分學(xué)習(xí)者在訪問了課程主頁后便失去了繼續(xù)學(xué)習(xí)的興趣；三是本科生自律性較差，不能做到持續(xù)學(xué)習(xí)，且互動(dòng)式學(xué)習(xí)行為過少。

因此，針對(duì)本科生這類用戶群體進(jìn)行課程開發(fā)和學(xué)習(xí)管理體系構(gòu)建時(shí)，有如下建議：①調(diào)查本科生用戶學(xué)習(xí)需求與興趣，結(jié)合其知識(shí)結(jié)構(gòu)和學(xué)習(xí)能力，針對(duì)大學(xué)生好奇心較強(qiáng)的特點(diǎn)，開發(fā)入門門檻較低的人文社科類和技能基礎(chǔ)類課程，并提高課程質(zhì)量和吸引力，例如，在平臺(tái)中增加一些新型課程和專業(yè)類課程的先導(dǎo)課程、打造金牌講師等；②MOOC 的優(yōu)勢在于對(duì)學(xué)習(xí)者行為進(jìn)行全過程的跟蹤和記錄，因此“學(xué)習(xí)風(fēng)格前測+學(xué)習(xí)行為引導(dǎo)模式”可引入MOOC 設(shè)計(jì)中，實(shí)現(xiàn)動(dòng)態(tài)自適應(yīng)學(xué)習(xí)［14］。例如，在課程開始前讓學(xué)習(xí)者完成有關(guān)學(xué)習(xí)方式和知識(shí)水平的測試問卷、針對(duì)不同專業(yè)和風(fēng)格的本科生設(shè)計(jì)不同的學(xué)習(xí)行為引導(dǎo)方式；③建立學(xué)習(xí)激勵(lì)模式，增加本科生對(duì)章節(jié)內(nèi)容的訪問量，提升其課程參與度，例如，制定積分制度，當(dāng)用戶完成一定章節(jié)的訪問學(xué)習(xí)時(shí)，可得到積分獎(jiǎng)勵(lì)；在課程中設(shè)置分段學(xué)習(xí)目標(biāo)，提高用戶學(xué)習(xí)動(dòng)力，將一般學(xué)習(xí)者轉(zhuǎn)變?yōu)榉e極學(xué)習(xí)者；④創(chuàng)建良好互動(dòng)學(xué)習(xí)環(huán)境，增加論壇和學(xué)習(xí)小組活躍度，提升用戶互動(dòng)式學(xué)習(xí)體驗(yàn)，例如：針對(duì)每個(gè)課程安排助教或管理員進(jìn)行適當(dāng)管理和激勵(lì)工作，促使用戶多產(chǎn)生互動(dòng)學(xué)習(xí)行為；根據(jù)本科生不同類型的學(xué)習(xí)者創(chuàng)建混合型互助學(xué)習(xí)小組等；⑤基于本科生用戶的最大需求點(diǎn)，采用線上和線下相結(jié)合的學(xué)習(xí)模式開展計(jì)算機(jī)基礎(chǔ)課程學(xué)習(xí)，通過理論與實(shí)踐操作相結(jié)合，提升課程教學(xué)效果，例如，結(jié)合各高校的課堂理論學(xué)習(xí)內(nèi)容，開發(fā)個(gè)性化課程助手、線上練習(xí)工具和測試工具。

5 結(jié)語

本文聚焦于MOOC 學(xué)習(xí)者中本科生群體的用戶特征及學(xué)習(xí)行為，基于一個(gè)更全面的框架定義本科學(xué)習(xí)者的類型特征及學(xué)習(xí)行為變量，通過一系列描述性及相關(guān)性數(shù)據(jù)分析，一定程度上展現(xiàn)了該用戶群體的在線學(xué)習(xí)狀況，對(duì)其學(xué)習(xí)目的與興趣、學(xué)習(xí)行為與學(xué)習(xí)結(jié)果的相關(guān)性進(jìn)行探索分析，具有代表性和客觀性。研究發(fā)現(xiàn)，具有本科學(xué)歷的群體在MOOC 平臺(tái)中的學(xué)習(xí)意圖有其獨(dú)特性，各學(xué)習(xí)行為導(dǎo)致的效果也表現(xiàn)出一定的群體性特征。MOOC 建設(shè)者可以根據(jù)這些特點(diǎn)有針對(duì)性地設(shè)置課程內(nèi)容和互動(dòng)環(huán)節(jié)，從而提高學(xué)習(xí)者的學(xué)習(xí)熱情和學(xué)習(xí)效果。但由于數(shù)據(jù)集中對(duì)用戶信息及行為特征的變量不足，本文對(duì)學(xué)習(xí)者學(xué)習(xí)意圖的分析仍然存在一定局限性，如：缺少學(xué)習(xí)者的專業(yè)或工作相關(guān)信息、缺少論壇交互信息、與學(xué)習(xí)行為相關(guān)的變量間依賴性過高等。本文研究主要針對(duì)在線平臺(tái)中產(chǎn)生的結(jié)構(gòu)化用戶數(shù)據(jù)進(jìn)行分析，對(duì)于全面展示學(xué)習(xí)者的學(xué)習(xí)狀態(tài)，還需要結(jié)合其它非結(jié)構(gòu)化的學(xué)習(xí)行為數(shù)據(jù)（如在線論壇中的文本內(nèi)容）進(jìn)行更深入的探究［15］。