MOOC课程平台学习行为与学习成效大数据分析

一、MOOC与优课联盟
MOOC，即Massive Open Online Courses（大规模开放在线课程，中文名：慕课），起源于开放教育资源运动和连通主义理论思潮，2012年出现了三大最知名的MOOC平台，分别是Coursera、Udacity和edX，称为全球MOOC元年，2013年以来MOOC在国内外呈现风起云涌之势，2013年被称为中国MOOC元年。

随着MOOC不断发展，UOOC联盟应运而生。

2014年5月由深圳大学发起成立地方高校联盟，简称UOOC 联盟（University Open Online Course，中文名：优课，U 代表University和Union二层含义）。

2014年9月18日UOOC联盟首批7门课程正式上线运行。

UOOC联盟的宗旨是：通过大规模开放在线课程的共建、共享、共赢，达到优质教育资源共享，降低教育成本和协同创新的目的。

二、大数据与大数据分析
大数据（英语：Big data或Megadata），又称为巨量数据、海量数据、大资料，目前学术界对于大数据的概念，并没有一个统一的定义和标准，不过，业界对大数据所具备的4V特征已经达成共识。

一是数据体量巨大（Volume）；二是数据类型繁多（Variety）；三是处理速度快（Velocity）；四是价值密度低（Value）。

大数据分析除了许多常规的统计分析方法外，还有许多特有的核心分析技术，比如数据挖掘、机器学习、社交网络分析、舆情分析、推荐引擎等。

目前国内利用大数据分析MOOC学习者的学习行为与学习效果的研究屈指可数。

为此，笔者通过收集UOOC联盟平台上的第一手数据，以大数据的视野和分析技术来进行MOOC学习行为与学习效果的研究。

本文采用大数据分析法等深入研究选修UOOC平台上的7门课程的学习者的基本信息、学习行为、课程间各指标间的对比，在此基础上提出MOOC的不足以及提出相应的对策。

本文以C1、C2、C3、C4、C5、C6、C7代表有一定的代表性的《唐宋词与人生》、《积极心理学》、《模拟电子技术导论》、《概率论与数理统计》、《大学计算机》、《古典文学的城市书写》、《文献管理与信息分析》这7门课程。

三、学习行为与学习成效分析
首先介绍UOOC联盟平台上首批上线的7门课程的基本情况、注册人数等，其次从课程的访问情况、视频观看情况、作业完成情况、讨论等四个方面来分析学习行为以及与学习成绩、完成率、辍学率间的相关性。

（一）基本情况分析
1.注册人数。

2015年1月，学习者完成了首批上线的七门课程的相关学习。

笔者从平台后台收集的数据统计，注册7门课程的人数如下图1：
MOOC课程平台学习行为与学习成效大数据分析
危妙1，傅霖2，黎刚3，郭姗姗1
（1.深圳大学师范学院，广东深圳518060；2.深圳大学信息中心，
广东深圳518060；3.广州大学教育学院，广东广州510006）
摘要：文章以优课联盟MOOC课程平台为研究对象，通过采集课程平台完整的后台数据，利用大数据分析技术，对优课联盟课程平台应用现状进行实证研究，分析MOOC平台的应用状况、学生的学习行为以及学习成
效，找出MOOC平台应用中存在的问题并提出可行的建议，为MOOC的应用提供指导和建议。

关键词：MOOC；优课联盟；学习行为；学习成效；大数据分析
中图分类号：G642.0文献标志码：A文章编号：1674-9324（2015）
38-0060-02
图1七门课程的注册情况
作者简介：危妙（1991-），女（汉族），深圳大学师范学院硕士研究生，研究方向：计算机、网络教学应用专业；傅霖（1967-），男（汉族），硕士，深圳大学信息中心高级工程师，研究方向：数字媒体、多媒体辅助教学系统、在线教育等。

. All Rights Reserved.
由上图显示的数据可知，7门课程的平均注册人数为795.4人，总计5547人，最多的人数为1783人，最少的是248人。

此数据受UOOC 联盟平台的注册权限的限
制，需要身份认证，必须是联盟高校的学习者。

2.七门课程的基本情况。

表1UOOC 平台7门首批课程的基本
情况
表27门课程的及格率、辍学率及结课率情况（二）学习行为分析1.学习页面访问情况。

学习者访问学习页面是学习的一个重要环节，从平台后台收集的数据显示，七门课程的平均页面访问数为25次，其中最高达到422次，但也有一部分学习者只注册却从未进入学习页面。

数据显示的结果也表明了学习者学习的积极性不高，并且存在很大的差异性。

2.视频观看情况。

MOOC 平台上的学习资源主要以5~15分钟的短视频为主，学习者学习的主要活动是观看教学视频。

七门课程的视频总时长最长达到981.2
分钟，最短为357.9分钟，平均时长为9.3分钟；7门课程的总观看时长最长是619680.2分钟，个人观看时长最
长达到1558.7，最短是0分钟，平均观看时长是492分
钟。

3.讨论情况。

UOOC 联盟平台上的学习者讨论主
要有四种情况：发表讨论、回复讨论、置顶讨论以及加精讨论。

7门课程的总讨论数为18441次，七门课程中最高讨论数为2616，最低为0次，置顶讨论与加精讨论相对于发帖与回帖而言明显减少，置顶讨论的总次数最高是8次，加精讨论的总次数是86次；平均讨论次数3.6次，平均发表讨论为1.06次，平均回帖次数为2.54次；由数据可以分析得出，回帖的次数多于发帖的次数，在一定程度上说明了学习者学习较被动，主动性还有待提高。

4.任务完成情况。

UOOC 联盟平台上7门课程的总任务数为785个，平均任务数为112个，最多任务数为163，最少的任务数为43个；在7门课程中，任务全完成占总人数的比例最高达到43%，最低4%；任务完成一半以上占总人数的比例最高为53%，最低为13%；在这七门课程中一项任务都没有完成的人数最高达到58%，最低的占到23%，这一数据也反映了在学习过程中很大一部分学习者是只注册账号，从未完成学习的任务，学习积极性高的学习者与学习积极性不高的学习者之间存在很大的差别。

（三）学习成效分析
1.及格率、辍学率及结课率情况。

UOOC 平台首批上线的7门课程中，平均及格率为19%，平均辍学率为45%，平均结课率为55%，及格率最高的是课程C6，辍学率最高的是C5，结课率最高的是C4；这些数据说明7门课程的结课率高于辍学率，大部分学习者能够完成
相应的课程，但是从及格率来看，学习者的学习成效还不够理想。

如表2所示：
2.成绩情况。

学习者的成绩的评定包括线上的学习与线下的考试结合。

笔者对成绩进行分段统计，1~60分、61~75、76~90以及90分以上。

从后台收集的数据显示C1、C2、C6这三门课程在76~90分段的人数最多，90分以上的人数也最多，这说明这三门课程的高
分比较集中，C4、C5、C7在90以上段的人数为0。

四、结论与建议
笔者通过对UOOC 平台上7门课程的大数据分析，发现MOOC 平台普遍存在的问题如下：第一，课程页面
的访问的积极性不高，有一部分学习者虽然注册了课程但没有或很少学习课程内容。

第二，辍学率较高，及格率较低。

为更好地利用MOOC 平台进行学习，提高MOOC 平台应用的效果，笔者的建议：第一，平台要实用、易用，不一定要功能模块太多，太多太复杂会增加老师和学习者的认知负担。

第二，充分挖掘后台数据，实现数据的可视化。

第三，完善题库建设，设置形成性练习和阶段性测验。

第四，在有条件的情况下，将线上学习和线下辅导课相结合，实现O2O 混合式学习。

. All Rights Reserved.。