大规模在线公开课程（MOOC）学习状态变化分析.pdfVIP

第 1 期 第 17 卷 石油化工管理干部学院学报 No. 1 Vol. 17 2015 年 3 月 JOURNAL OF SINOPEC MANAGEMENT INSTITUTE Mar. 2015 企业培训 大规模在线公开课程 (MOOC) 学习状态变化分析 左俐俐 （石油化工管理干部学院，北京 100012） [摘要] 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。 [ 关键词 ] 大规模在线公开课程;学习状态;聚类分析 大规模在线公开课程 (MOOC) 近年来得到蓬 后对参入 MOOC 的学生的学习状态进行辨识， 勃的发展。MOOC 通过 Internet 来提供不限学生 并形成数学模型表示；再利用该模型和 k-means 群的公开课程，这种课程形式除了提供传统的 方法，实现学生的自动聚类 , 在实现聚类的基础 线上课程教学材料如视频、阅读材料、单元测 上，人工辨识不同类别的特征；最后给出我们的 试、考试以外，还为教师、学生、和助教通过 分析结论。 Web2.0 技术提供联系、讨论、答疑的交互式论坛。 MOOC 通过 Internet 授课、学习、测试、评分， 1 聚类算法 产生巨大量的后台数据，对这些数据的分析将有 助于提供以证据为基础、数据为驱动的教育学新 聚类作为一种无监督的机器学习方法，其功 方法，以新的思路来解决教育学中从古至今都没 能在于按照事物的某些属性 , 把事物聚集成类 , 有彻底解决的问题，即如何提高教学效率和学习 使类间的相似性尽可能小 , 类内相似性尽可能 产出，从而带来教育领域的重大变革。 大。它同分类的根本区别在于 : 分类是需要事先 在本文中，我们通过对参入 MOOC 学习的学 知道所依据的数据特征 , 而聚类是要找到这个数 生在一门在线课程中的状态变化进行跟踪，并通 据特征 , 因此在很多应用中 , 聚类分析作为一种 过机器学习的无监督学习聚类方法，按照状态的 数据预处理过程 , 是进一步分析和处理数据的基 变化，将不同学生自动划分为不同的类别，并通 础。例如在商务实践中 , 聚类分析能够帮助市场 过对类别的人工分析，给出不同学生类别的特征， 这种类别的特征将对 MOOC 课程的管理者、课 程讲师具有重要的参考意义。文章的组织如下， [ 收稿日期 ] 2014-11-26。 [ 作者简介 ] 左俐俐 (1975—), 女，黑龙江省哈尔滨人。石油化工管理 首先对聚类的机器学习方法进行了原理介绍，然 干部学院教师。电子邮箱 :zuoll.glgy@。 34 石油化工管理干部学院学报 2015年第1期 · · 分析人员从客户基本库中发现不同的客户群 , 并 门计算机科学的 MOOC 课程，一个是“计算机 且用购买模式来刻画不同的客户群的特征。作 科学 101”，适用人群是具有高中学历水平的学 为数据挖掘的功能 , 聚类分析可以作为一个获得 生；一个是“算法设计和分析”，适用于本科学 数据分布情况、观察每个类的特征和对特定类 历的