优秀的慕课学习者如何学习——慕课学习行为模式挖掘

发布时间：2021-11-05 11:40

　　基于中国大学MOOC平台上《翻转课堂教学法》MOOC中17204名学习者的行为日志数据,在为学习者的页面访问记录赋予有意义的行为编码标签,建立其学习路径模型后,使用统计和共现分析的方法,研究其中优秀学习者的学习行为模式特点。研究发现,优秀学习者总行为序列长度显著高于其他学习者,上线学习的次数显著地多于其他学习者;但是每次上线学习发生的有意义的交互行为的数量与其他学习者相仿,学习时长也相仿;其参与和回答教师的提问、复习已学过的内容、参与论坛互动的行为在其总学习行为中占比更多,而学习全新内容、参与测验、把握全局等行为的占比较少。研究用共现分析的方法分析了学习者每次上线产生的行为之间的共现关系,发现优秀的慕课学习者在学习新内容时更少发生走神和中断的情况,且其每次上线的目的更鲜明,学习主题更突出。研究的发现揭示了优秀慕课学习者学习行为模式的特征,有助于改进慕课教学。此外,共现分析的方法也为行为数据的挖掘提供了新的思路。 

【文章来源】：中国电化教育. 2019,(02)北大核心CSSCI

【文章页数】：8 页

【文章目录】：
一、引言
二、相关研究
三、研究设计
    (一) 研究问题和框架
    (二) 数据集
    (三) 术语定义
        1. 学习路径
        2.RSBC
四、数据挖掘和分析
    (一) 为学习者建立学习路径模型
    (二) 学习者分组
    (三) 不同组学习者行为占比及行为序列长度的比较和解读
        1. 不同组学习者行为序列长度和时长的比较和解读
        2.不同组学习者各RSBC差异的比较
        3. 对各组学习者编码8的RSBC差异的因果推断
        4. 优秀学习者行为占比及行为序列长度的特征
    (四) 不同组学习者一次学习中各行为的共现分析和解读
        1. 可视化方法
        2. 学习者行为编码共现情况
        3. 优秀学习者一次上线中各行为编码共现的特点
五、结语


【参考文献】：
期刊论文
[1]数据挖掘视角下网络学习者行为特征聚类分析[J]. 王改花,傅钢善.  现代远程教育研究. 2018(04)
[2]学习活动指数LAI及在线学习活动指数OLAI的具体分析[J]. 贾积有,于悦洋.  中国远程教育. 2017(04)
[3]基于行为序列分析对在线学习参与模式的探索[J]. 李爽,钟瑶,喻忱,程罡,魏顺平.  中国电化教育. 2017(03)
[4]滞后序列分析法在学习行为分析中的应用[J]. 杨现民,王怀波,李冀红.  中国电化教育. 2016(02)
[5]我国高校慕课教育中的问题分析与对策[J]. 王应解,冯策,聂芸婧.  中国电化教育. 2015(06)
[6]英国“慕课”的支持策略和学习方式研究[J]. 任博洋.  北京广播电视大学学报. 2015(01)
[7]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)
[8]慕课正在成熟[J]. 斯蒂芬·哈格德,王保华,何欣蕾.  教育研究. 2014(05)
[9]基于关联主义的大规模网络开放课程（MOOC）及其学习支持[J]. 樊文强.  远程教育杂志. 2012(03)

硕士论文
[1]中学生学习疲劳的问卷编制与干预研究[D]. 张志园.山西师范大学 2013



本文编号：3477729