MOOCs学习行为与学习效果的逻辑回归分析 优先出版.pdf.pdfVIP

中国远程教育 DISTANCE EDUCATION IN CHINA MOOCs学习行为与学习效果的逻辑回归分析* □ 宗 阳 孙洪涛 张亨国 郑勤华 陈 丽 【摘 要】 目前，MOOCs （大规模开放在线课程）在世界范围内迅猛发展，但是随之而来的是对MOOCs 学习质量和高辍学率等现象的质疑。现有MOOCs平台大都对学习者在线学习行为有较为详细的记 录。如何对学习行为数据进行分析、建模和解读是大数据时代教育研究的热点和难点所在。逻辑回归 方法作为一种成熟的机器学习方法可以有效地建立学习行为和学习效果之间的模型。本研究总结了在 线学习领域逻辑回归研究的流程，在此基础上，从MOOCs在线学习过程出发构建了学习行为指标， 并应用逻辑回归对MOOCs学习数据进行分析，就学习者在线学习行为对学习成绩的影响展开了探 索。研究检验了逻辑回归对于在线学习效果研究的价值，发现了课程注册时滞、登录课程次数、提交 作业测试次数、习题保存次数的均值和视频观看完成度等指标与成绩的相关性。研究发现：在该课程 中提交作业测试可以作为MOOCs学习成绩预测的关键指标，所构建的逻辑回归模型预测准确率达到 98%。 【关键词】 MOOCs；逻辑回归；在线学习行为；学习效果 【中图分类号】 G420 【文献标识码】 A 【文章编号】1009—458ｘ（2016）05—0014—09 DOI:10.13541/ki.chinade002 在线行为特征的获取大多是基于学习者学习过程中的 一、引言 单一维度或某几项维度，如学习者的注册时间，什么 时间与何种课程资源交互，如何交互以及交互的程 近年来，MOOCs的快速发展使其教学效果受到 度，练习次数、成绩、错误率、错误的内容和学习成 越来越多的关注。MOOCs学习的规模效应，使得在 绩等 （Macfadyen,2010;RaMesh,2013;Balakrish⁃ MOOCs中难以开展个性化的教学。有研究对目前部 nan,2013;蒋卓轩,2014）。关于学习行为与学习效 分高校主流MOOCs平台的数据进行统计表明，虽然 果之间关系的研究，由于在线学习过程的复杂性，相 课程完成率有达到40％的情况，但大部分课程完成 关研究所得出的结论也不尽相同。例如王萍 率不到10% （Jordan,K., 2013）。大规模的学习者 （2015）的研究表明学习者观看视频数和学习章节数 注册似乎意味着大规模的辍学率和未通过率，提高 等参与行为与学习成绩没有直接关系，而贾积有等 MOOCs学习者的学习效果是当前包括MOOCs在内 （2014）的研究表明观看视频次数、观看网页次数、 的在线教育面临的重大难题。大量研究通过对不同环 浏览和下载讲义次数等学习行为与学习成绩呈显著相 境中在线学习行为与学习效果的关系进行实证研究， 关。 发现学习者的在线行为对学习效果有着重要影响 MOOCs学习者的学习效果受到诸多因素的影 （F.Kizilcec,2013;姜蔺,韩锡斌,2013;宏梅,2008; 响。为了全面深入地探索学习效果的影响因素，研究 吕媛,2004）。 者需要对反映整体学习过程的大量数据进行挖掘和分 已有关于在线行为与学习效果的关系研究中， 析。本研究从MOOCs学习者整体学习过程出发，构 * 本文系北京师范大学自主科研基金项目 “学习者在线学习状态分析与可视化工具研发”课题成果，获得中央高 校基本科研业务费专项资金资助。