以活动为中心的在线课程学习结果影响因素实证研究——以英国开放大学学习分析数据集（OULAD）为例
发布时间：2021-10-15 03:47
在线学习者的来源构成各异,在线学习行为复杂,学习者学习结果的影响因素还有待进一步探索。学习分析技术为学习结果影响因素的研究提供了新的可能。本研究从学习分析的视角,基于英国开放大学在线课程学习行为和结果数据集,使用结构方程模型,探究了以活动为中心的在线课程中学习者的背景信息和在线行为特征对学习结果的影响。研究结果表明:学习者的背景信息对其在线学习行为存在显著影响,学习行为特征对学习结果的影响并不显著;学习者的学习准备情况对其页面访问行为和论坛讨论行为有显著的正向促进作用,而对资源搜索行为负向影响显著。本研究为下一步以活动为中心的在线课程设计和活动组织以及学习支持服务的开展提供了参考。
【文章来源】：开放学习研究. 2018,23(06)
【文章页数】：9 页
【部分图文】：
以学习活动为中心的在线学习结果影响因素的概念框架
习者同意的前提下，使用ARX匿名工具删去了有可能暴露学生真实身份的信息，从而公开了近四万名课程注册者的人口学数据、学习准备等背景信息，为本研究中探究远程学习者学习结果的诸多影响因素提供了数据支持。OU的课程持续时长多为九个月，学生使用OU平台进行学习的流程如图2所示。在开课前，学生在平台完成注册并获得学习资源。在课程开展过程中，学生会完成学习活动中的任务，相应任务得分作为学生的平时成绩；在课程结束时参加期末考试。最终学生修读课程是否通过，由平时成绩和期末成绩共同决定。图2OU平台在线课程学习流程示意图OULAD包含7个课程模块，每个课程模块包含多个在不同时间开设的内容相同的课程，共计22个课程。OULAD包含七个数据表，其表结构如图3所示，数据日志10655280个。其中，学生信息表主要包含学生的人口统计信息与课程学习结果（是否通过）；课程信息表包含课程模块与课程信息（见表1）；学生注册表包含学生注册以及取消注册的日期，共计32593条数据；任务表包含课程中关于任务与评估类型的信息，共206行；学生任务表记录学生在相应任务中得分情况及提交任务的日期，共173912行；学生交互表记录学生在平台上进行交互的信息，含交互类型（可理解为学习活动类型）、时间和次数，共16655280行；交互行为表则包含交互活动类型和活动起止的日期，共6364行数据。图3OULAD数据集详细结构表1OULAD中七个课程模块信息表课程模块课程类别开课次数注册学生AAA社会科学类2748BBB社会科学类47909CCCSTEM类24434DDDSTEM类46272EEESTEM类32934FFFSTEM类47762GGG社会科学类32534由于OULAD七个模块课程的平台交互活动均不相同，为尽量保证
Ｆ渲校???畔⒈碇饕?????的人口统计信息与课程学习结果（是否通过）；课程信息表包含课程模块与课程信息（见表1）；学生注册表包含学生注册以及取消注册的日期，共计32593条数据；任务表包含课程中关于任务与评估类型的信息，共206行；学生任务表记录学生在相应任务中得分情况及提交任务的日期，共173912行；学生交互表记录学生在平台上进行交互的信息，含交互类型（可理解为学习活动类型）、时间和次数，共16655280行；交互行为表则包含交互活动类型和活动起止的日期，共6364行数据。图3OULAD数据集详细结构表1OULAD中七个课程模块信息表课程模块课程类别开课次数注册学生AAA社会科学类2748BBB社会科学类47909CCCSTEM类24434DDDSTEM类46272EEESTEM类32934FFFSTEM类47762GGG社会科学类32534由于OULAD七个模块课程的平台交互活动均不相同，为尽量保证研究中选取的平台交互活动的一致性和完整性，本研究从参与学生数量较多的STEM类课程中随机抽取EEE课程的全部数据作为研究对象。EEE课程数据集包括2013~2014年三次开课的数据记录，三次开课时间分别为2013年10月（2013J）、2014年2月（2014B）和2014年10月（2014J），共包含学生样本数2934人。（二）变量说明和数据描述1.背景信息本研究将远程学习者背景信息用“人口学信息”和“学习准备”两个潜变量来反映，相应的测量变量、数据字段与具体说明如表2所示。表2学习者背景信息指标与说明潜变量测量变量对应字段说明人口学信息性别Gender学习者性别年龄Age_band学习者年龄地区Region学习者所在地区IMD指数Imd_band学习者的IMD指数是否残疾Disability学习者是否?
【参考文献】：
期刊论文
[1]解析学习分析学:一次撬动冰山的尝试[J]. 陈伯栋,黄天慧. 开放学习研究. 2017(04)
[2]开放大学学习者特征研究文献述评[J]. 张廷亮,郝一川. 中国成人教育. 2017(12)
[3]大规模私有型在线课程学习行为及其影响因素研究——以国家开放大学网络课程学习为例[J]. 石磊,程罡,李超,魏顺平. 中国远程教育. 2017(04)
[4]基于学习分析的在线学习测评建模与应用——学习者综合评价参考模型研究[J]. 郑勤华,陈耀华,孙洪涛,陈丽. 电化教育研究. 2016(09)
[5]国内远程开放教育学习者特征研究的五年综述——以2010-2014年核心期刊文献为例[J]. 孙治国,孙丽青,赵铁成,刘娜,王迎. 中国远程教育. 2016(08)
[6]MOOCs学习行为与学习效果的逻辑回归分析[J]. 宗阳,孙洪涛,张亨国,郑勤华,陈丽. 中国远程教育. 2016(05)
[7]基于学习分析的体验式开放在线教学环境研究——英国开放大学的实践与探索[J]. 肖君,姜冰倩,陈海建. 中国远程教育. 2015(10)
[8]开放大学远程学习者在线学习行为的特征分析[J]. 孙月亚. 中国电化教育. 2015(08)
[9]大数据背景下学习分析的特点[J]. 包昊罡,李艳燕. 北京广播电视大学学报. 2015(01)
[10]MOOC学习行为及效果的大数据分析——以北大6门MOOC为例[J]. 贾积有,缪静敏,汪琼. 工业和信息化教育. 2014(09)
本文编号：3437367
【文章来源】：开放学习研究. 2018,23(06)
【文章页数】：9 页
【部分图文】：
以学习活动为中心的在线学习结果影响因素的概念框架
习者同意的前提下，使用ARX匿名工具删去了有可能暴露学生真实身份的信息，从而公开了近四万名课程注册者的人口学数据、学习准备等背景信息，为本研究中探究远程学习者学习结果的诸多影响因素提供了数据支持。OU的课程持续时长多为九个月，学生使用OU平台进行学习的流程如图2所示。在开课前，学生在平台完成注册并获得学习资源。在课程开展过程中，学生会完成学习活动中的任务，相应任务得分作为学生的平时成绩；在课程结束时参加期末考试。最终学生修读课程是否通过，由平时成绩和期末成绩共同决定。图2OU平台在线课程学习流程示意图OULAD包含7个课程模块，每个课程模块包含多个在不同时间开设的内容相同的课程，共计22个课程。OULAD包含七个数据表，其表结构如图3所示，数据日志10655280个。其中，学生信息表主要包含学生的人口统计信息与课程学习结果（是否通过）；课程信息表包含课程模块与课程信息（见表1）；学生注册表包含学生注册以及取消注册的日期，共计32593条数据；任务表包含课程中关于任务与评估类型的信息，共206行；学生任务表记录学生在相应任务中得分情况及提交任务的日期，共173912行；学生交互表记录学生在平台上进行交互的信息，含交互类型（可理解为学习活动类型）、时间和次数，共16655280行；交互行为表则包含交互活动类型和活动起止的日期，共6364行数据。图3OULAD数据集详细结构表1OULAD中七个课程模块信息表课程模块课程类别开课次数注册学生AAA社会科学类2748BBB社会科学类47909CCCSTEM类24434DDDSTEM类46272EEESTEM类32934FFFSTEM类47762GGG社会科学类32534由于OULAD七个模块课程的平台交互活动均不相同，为尽量保证
Ｆ渲校???畔⒈碇饕?????的人口统计信息与课程学习结果（是否通过）；课程信息表包含课程模块与课程信息（见表1）；学生注册表包含学生注册以及取消注册的日期，共计32593条数据；任务表包含课程中关于任务与评估类型的信息，共206行；学生任务表记录学生在相应任务中得分情况及提交任务的日期，共173912行；学生交互表记录学生在平台上进行交互的信息，含交互类型（可理解为学习活动类型）、时间和次数，共16655280行；交互行为表则包含交互活动类型和活动起止的日期，共6364行数据。图3OULAD数据集详细结构表1OULAD中七个课程模块信息表课程模块课程类别开课次数注册学生AAA社会科学类2748BBB社会科学类47909CCCSTEM类24434DDDSTEM类46272EEESTEM类32934FFFSTEM类47762GGG社会科学类32534由于OULAD七个模块课程的平台交互活动均不相同，为尽量保证研究中选取的平台交互活动的一致性和完整性，本研究从参与学生数量较多的STEM类课程中随机抽取EEE课程的全部数据作为研究对象。EEE课程数据集包括2013~2014年三次开课的数据记录，三次开课时间分别为2013年10月（2013J）、2014年2月（2014B）和2014年10月（2014J），共包含学生样本数2934人。（二）变量说明和数据描述1.背景信息本研究将远程学习者背景信息用“人口学信息”和“学习准备”两个潜变量来反映，相应的测量变量、数据字段与具体说明如表2所示。表2学习者背景信息指标与说明潜变量测量变量对应字段说明人口学信息性别Gender学习者性别年龄Age_band学习者年龄地区Region学习者所在地区IMD指数Imd_band学习者的IMD指数是否残疾Disability学习者是否?
【参考文献】：
期刊论文
[1]解析学习分析学:一次撬动冰山的尝试[J]. 陈伯栋,黄天慧. 开放学习研究. 2017(04)
[2]开放大学学习者特征研究文献述评[J]. 张廷亮,郝一川. 中国成人教育. 2017(12)
[3]大规模私有型在线课程学习行为及其影响因素研究——以国家开放大学网络课程学习为例[J]. 石磊,程罡,李超,魏顺平. 中国远程教育. 2017(04)
[4]基于学习分析的在线学习测评建模与应用——学习者综合评价参考模型研究[J]. 郑勤华,陈耀华,孙洪涛,陈丽. 电化教育研究. 2016(09)
[5]国内远程开放教育学习者特征研究的五年综述——以2010-2014年核心期刊文献为例[J]. 孙治国,孙丽青,赵铁成,刘娜,王迎. 中国远程教育. 2016(08)
[6]MOOCs学习行为与学习效果的逻辑回归分析[J]. 宗阳,孙洪涛,张亨国,郑勤华,陈丽. 中国远程教育. 2016(05)
[7]基于学习分析的体验式开放在线教学环境研究——英国开放大学的实践与探索[J]. 肖君,姜冰倩,陈海建. 中国远程教育. 2015(10)
[8]开放大学远程学习者在线学习行为的特征分析[J]. 孙月亚. 中国电化教育. 2015(08)
[9]大数据背景下学习分析的特点[J]. 包昊罡,李艳燕. 北京广播电视大学学报. 2015(01)
[10]MOOC学习行为及效果的大数据分析——以北大6门MOOC为例[J]. 贾积有,缪静敏,汪琼. 工业和信息化教育. 2014(09)
本文编号：3437367
本文链接：https://www.wllwen.com/jiaoyulunwen/jiaoyutizhilunwen/3437367.html
