包佃清 蘇 文

（1．連云港師范高等?？茖W校，江蘇 連云港 222006；2．連云港職業(yè)技術學院，江蘇 連云港 222006）

1 引言

大規(guī)模開放在線課程（Massive Open Online Courses，MOOCs）是加拿大教育學家George Siemens和Stephen Downes最先提出的，之后快速風靡全球。MOOC將優(yōu)質的教育資源通過網絡傳遞到全世界。Coursera是全球最大的MOOC提供商之一，目前已經開設了1100多門課程，在全球擁有1500萬用戶[1]。除了Coursera平臺，還有很多的優(yōu)秀平臺，如edX、Canvas、Udacity等，這些平臺的快速崛起，掀起了在線教育的熱潮。

在我國也有很多優(yōu)質的教學平臺，如中國大學MOOC、超星泛雅、學堂在線、智慧樹、MOOC學院等，極大地促進了我國在線教育的發(fā)展。截至2020年9月，我國在線MOOC人數已超過3.4萬人，學習人數達到5.4億人，大部分高校承認MOOC平臺的學分。中國MOOC學習的學生人數為1.5億人，居世界第一[2]。

2 MOOCs學習方式的缺點

在線教育方式與傳統(tǒng)教育方式在很多方面是不同的。比如，教育對象不同、教育目的不同、教育方式不同等等。傳統(tǒng)教育方式下，教師實地教學，可以直觀地觀察學生的學習狀態(tài)、各種行為、面部表情包括動作等。教師通過自身教學經驗，就可以對學生狀態(tài)進行綜合分析評估，識別出學生存在的學習風險，并且及時做出有效干預。而在線教育方式下，老師、學生、場景、時間等各種不確定的因素，導致在線學習具有非實時交互的特征。在這種教學環(huán)境下，教師不能及時觀察到學生的實時狀態(tài)，這樣學生就會產生不一樣的學習行為，其學習情感也不一樣，最終的學習效果自然也不一樣。未來研究MOOCs學習行為與情感將是在線教育一個熱點。

雖然在線開放課程吸引了眾多的用戶，但是不可否認的是其存在三個方面的問題：課程的輟學率高、學習效果不理想、學習目標完成度不高[3]。在線開放課程環(huán)境下的學習，對部分學生來說是比較寬松、和諧的。這就導致這部分同學課程學業(yè)不能按時完成，學習效果也不理想，有些課程只有少部分學生完成教學內容。比如，斯坦福大學在Coursera平臺上開設的機器學習課程，有效用戶數約為6萬名學生，但是最終只有約0.5萬名學生的課程成績?yōu)槔硐?，僅有到10%的用戶完成目標，約4萬名學生的成績?yōu)榱惴?，最后剩下的學生只有成績，效果不理想[4]。所以，研究在線開放課程學生的學習行為和情感傾向顯得尤為重要。本文將對作者主持的在線開放課程，利用平臺統(tǒng)計分析學生行為和情感傾向，最終目的是改善學習效果，提高學習效率。

3 MOOCs的學習行為分析

通過采集中國大學MOOC（愛課程）和超星泛雅（學習通）這兩個在線開放課程平臺中的樣本，進行分析、計算得到用戶學習行為數據。在這兩個學習平臺中獲取內容包括：用戶注冊基本信息、用戶使用平臺記錄、用戶選課信息、用戶課程成績、用戶課程學習記錄、用戶測試記錄、用戶參與討論記錄等情況，這些樣本經過計算機處理，得到課程用戶學習行為數據。數據處理工具采用Python，數據獲取來自愛課程、學習通后臺導出內容。

利用中國大學MOOC這個網絡教學平臺，面向全國學生開展線上教學，在線用戶數達到5546余人，這個用戶數不包含我校在校學生，學生學習數據分析如表1所示。

表1 中國大學MOOC（愛課程）數據分析

同時也利用超星泛雅這個網絡教學平臺，開展線上教學，在線用戶數達到12102余人，如表2所示。

表2 超星泛雅（學習通）數據分析

選課人數含退選數量，累計參加指學習人次，視頻、文檔、富文本均指累計學習人次，單元測驗、單元作業(yè)、考試指每位學生參加一次。

研究在線開放用戶學習行為特征，要從獲取的用戶基本信息入手，分析用戶選課時間、在線學習時間、視頻瀏覽時間、參與討論時間等方面，如表3所示。

表3 學習行為數據分析

從用戶選課時間可以看出用戶參與課程學習的積極性和活躍度。通過數據分析得出，選擇該課程的用戶人數從注冊到主動學習時間比較接近，說明用戶活躍度很高?；钴S度也和上下學期有一定的關系，還和課程考核的要求密不可分。從數據分析可以看出，用戶為了最后課程的考核，參與學習的狀態(tài)。

課程用戶在線時間為15周，每周5課時，每課時40分鐘，學完課程共需75課時，含測試時間。從統(tǒng)計的數據可以看出，用戶學習該課程花費時間的平均時間為1252分鐘，最長學習時間為3000分鐘。大部分用戶每節(jié)課在線學習時間30分鐘，沒有達到規(guī)定的學習時長，這里也可以認為大部分用戶都沒有將課程學習完整。

在線開放課程中視頻學習時間占據大部分，所以研究視頻學習數據，對于研究學習行為至關重要。通過對用戶在線學習觀看視頻的數據進行計算機處理，得到有效數據。用戶視頻學習數據分析包括觀看次數、平均觀看時長、最長觀看時長、最短觀看時長等方面。通過總體視頻數據分析得到了，用戶觀看平均次數為51次，最大觀看次數為294次，最小觀看次數為0。這個數據表明，大部分用戶視頻學習基本完成，有少部分用戶在反復學習，極少部分用戶沒有參加視頻學習，對這些視頻學習效果很差的用戶，要找出原因，幫助其有效學習。

在參與課程討論數量方面，從統(tǒng)計的數據中提取用戶參與討論有效內容，包括發(fā)布的主題數量、參與主題的數量、標記精品主題數量等方面，可以看出，主動發(fā)帖的均值為0.31，參與發(fā)帖的均值為12.42，發(fā)帖精品量為0.02。這些說明在線開放課程學習過程中，大多數用戶不會主動發(fā)帖，也不會參與其他用戶的發(fā)帖，發(fā)帖精品率更是少得可憐。在線開放課程用戶對于學習的課程相關的帖子，一定程度上對課程內容學習有著很大的促進作用。參與其他用戶帖子，也能夠加強學習內容的鞏固，參與發(fā)帖的數量能表明課程內容的熱度，對于課程建設者強化課程教學內容有著重要的意義[5]。

從上述分析得出，影響學生持續(xù)學習因素主要有兩個方面：（1）課程考核機制及學分認定制度；（2）在線開放課程視頻質量認可度。在考核機制中影響持續(xù)學習的主要因素是學習時長，其次是對在線課程的重視程度也會影響持續(xù)學習的狀態(tài)。在線學習過程中學習者對于學習內容也會影響其持續(xù)學習的體驗感，其中學習視頻的認可度最為關鍵，其次是從眾現(xiàn)象也會主導一部分學生的學習狀態(tài)。

4 對策建議

在線開放課程能夠有效彌補傳統(tǒng)課堂的不足，并與傳統(tǒng)課堂結合形成線上線下混合式教學模式。通過以上分析在線開放課程中影響學習者持續(xù)學習的因素，有利于幫助在線開放課程的研究者和建設者優(yōu)化在線開放課程的設計內容，提升在線學習效率?；谏鲜龇治?，提出以下策略：（1）在網絡教育體制下優(yōu)化教學內容，設計與之相對應的考核機制，通過多元化的教學內容匹配多元化的激勵措施，保證學習者能夠保持學習的持續(xù)性。（2）加強網絡環(huán)境下學習者的人文修養(yǎng)建設，提高學習者對社會熱點問題的關注度，加強在線學習者的文化素養(yǎng)交流、專業(yè)知識交流，提高學習持久性。

5 結語

隨著在線開放課程在全世界的高速發(fā)展，深入研究用戶的學習行為、情感傾向內容顯得尤為重要，用戶的學習特征將會影響其課程學習的最終效果，也是提高其學習成績的有效手段之一。本文通過分析在線開放課程中的部分數據，研究在線課程學習過程中輟學率高、學習效果不理想、學習目標完成度不高等原因，得出在線開放課程中影響用戶學習的行為特征，并給出合理化的建議，這對在線開放課程后續(xù)的建設有著重要的意義。