MOOC中学习者流失问题预测分析.docVIP

MOOC中学习者流失问题预测分析 　　【摘 要】 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。 　　【关键词】 慕课；学习分析；流失率；预测分析；文献综述 　　【中图分类号】 G420 【文献标识码】 A 【文章编号】 1009-458x（2018）4-0005-10 　　一、问题引入 　　MOOC（Massive Open Online Course）作为当今在线教育研究的热点之一，其发展一直伴随着广泛的赞誉和质疑，而其中最受关注的话题之一就是完成率问题。相关研究发现，绝大多数MOOC的完成率低于10%（Liyanagunawardena， et al.， 2014； Hone Said， 2016），而平均情况则在5%左右（Yousef， et al.， 2014； Jordan， 2014）。在MOOC发展初期，课程完成率较低一度成为人们不看好MOOC的主要原因。但Ho等人很快指出：MOOC情境下，学习者的动机是多样化的、参与情况是差异化的，课程完成率不应该成为衡量课程或者学习本身是否有意义的指标，其对MOOCs课程评估的重要程度可能不像对传统课程那么关键（Ho， et al.， 2014）。 　　越来越多的课程开发者、高校管理者和教育研究者开始理性而客观地看待MOOC的完成率问题，关注的重点也从“完成率是多少”转向了“完成率受什么影响”。于是，借由完成率问题，一系列相关的研究话题被引申出来，如学习参与和产出、学习动机、学习策略、学习过程中的社会化互动等（Gasevic， Kovanovic， Joksimovic， Siemens， 2014）。而这其中，许多学者试图通过分析学习者的动机水平、知识水平、参与水平、互动水平等指标，对学习者能否通过课程进行预测，并基于这些预测开展相关干预（Greene， Oswald Pomerantz， 2015； Wentao Li， etc.， 2016； 王雪宇， 等， 2013； 陈云帆， 张铭， 2014； 蒋卓?， 张岩， 李晓明， 2015）。可以说，这些研究已经取得了较为丰富的研究成果和积极的实践效果。 　　为了全面了解MOOC中学员流失预测研究方面迄今为止所做的工作，本文对最近几年围绕MOOC完成率或流失率的预测研究进行汇总、整理和综述，试图回答：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？ 　　在进行综述分析的过程中，我们发现围绕预测分析的研究大多只关注算法预测的准确性，却忽视了预测指标背后教学原理以及教师在实际教学中的技术局限性。因此，在本文的综述过程中，我们一方面对预测分析的指标和算法进行了探讨，另一方面我们加强了预测指标的理论分析、预测模型节俭性和耐用性的比较，并讨论了实际MOOC环境中可操作的技术干预手段和教学设计方法。这也是本文综述的主要特点与创新之处。 　　二、综述方法 　　本研究以 ERIC 电子期刊数据库和中国知网数据库为基础，采纳“慕课”“预测分析”“预测指标”“流失率”“MOOC＼MOOCs”“Prediction”“Predictive analytics”“Predictor”“Dropout”等关键词，进行了系统的中英文检索。检索阶段共收集52篇相关文献，这些文献大多发表在经过同行评议的学术期刊和国际学术会议（如Computers in Human Behavior、International Conference on Artificial Intelligence in Education；Learning @ Scale和Learning Analytics Knowledge Conference），并集中在2013年至2017年这五年间。 　　为保证文献综述的可靠性，我们对检索到的文献进行了进一步的筛选和梳理。文献筛选的标准主要依据：课程信息