?
全文共字，建议阅读时长10分钟
本文由《现代远程教育研究》杂志授权发布
作者：牟智佳、武法提
摘要
高辍学率与低参与度是MOOC面临的一个主要问题。根据学习结果预测，及时开展有效的教学干预是改善此问题的途径之一。当前基于MOOC学习行为数据进行结果预测主要以次数分析为主，较少探索其他行为指标；在预测算法上以回归分析为主，缺少不同预测算法效果的比较分析。以edX平台上一门MOOC课程的学习行为数据为研究对象进行的探索研究发现：学习结果预测的主要参照行为指标组合为视频学习次数、文本学习次数、评价参与时长、评价参与次数和论坛主题发起数；学习次数的预测效果要好于学习时长，并与学习时长和学习次数结合后的预测效果接近；BP神经网络预测准确率要优于决策树和朴素贝叶斯网络，且预测准确率与样本数量呈正相关；而在课程学习模块的预测比较上，评价模块和文本模块的学习行为数据预测率较高，互动模块预测率最低。研究还发现，MOOC学习群体包含三类，分别是以视频学习和学习评价为主、以互动交流为辅的学习群体；以视频学习和文本学习为主、以评价参与为辅的学习群体，以及以文本学习和学习评价为主、以互动交流为辅的学习群体。
关键词：MOOC；学习行为数据；学习结果预测；预测指标；学习群体特征
一、研究缘起
当前国内外越来越多的高校参与MOOC课程建设并发布各自的特色课程，学习者在课程内容上有了更多的选择权，但高辍学率和低参与度仍是当前MOOC课程所面临的一个主要问题（Hewetal.，）。而基于学习者前期和中期的课程学习行为数据进行学习结果预测，并依据分析结果调整教学策略和教学内容以开展有效的教学干预，可以改善学习参与度和学习结果。与此同时，学习分析研究已经由初期的理论探讨逐步走向实践探索和成果转化。在学习分析研究中，基于学习行为数据进行学习结果预测是学习分析和教育数据挖掘研究学术群体中北京中科医院是假的吗微信营销
转载请注明：http://www.deudeguo.com/jyjg/14264.html
当前位置： 经济学原理 > 经济学原理价格 > MOOC学习结果预测指标探索与学习群体特
