理解MOOCs的完成率：归因挑战

张刚要 沈大为

摘要：尽管MOOCs在促进学习变革、扩大教育规模等方面提供了一个令人兴奋的机遇，但在其有效性方面仍存有许多悬而未决的问题。比如，在学术文献和大众媒体中一个被反复提及的重要问题，就是MOOCs学习者一贯的低完成率。该研究以Web of Science数据库作为数据来源，按照事先制定的规则共检索出22篇有关MOOCs完成率（保留率或辍学率）的文献，并将其视为可供质性研究的经验数据。采用NVivo作为分析工具，通过对这22篇文献进行三级编码，获得了影响MOOCs完成的三大类属与其下属的14个因素。经过进一步的分析和讨论，我们发现：（1）“学习者的能力与水平”和“平台与课程的特点”是影响MOOCs完成的核心类属；（2）尽管MOOCs持续较低的完成率已经引起诸多方面的担忧，但它不足以作为衡量MOOCs成功的主要指标，它或许本来就是MOOCs的一个独特的品性；（3）当前关于MOOCs完成的研究尚处于探索性阶段，后续工作方向似应进入大样本的确认性研究阶段。

关键词：MOOCs；完成率；保留率；辍学率；归因

一、引言

近些年来，在教育技术领域中虽然出现了诸多创新，但主流媒体和学术界最突出的公共讨论当属“大规模在线开放课程”（Massive Open Onlinecourses，简称MOOcs）。MOOcs作为一种新型的在线学习环境，允许无限量的来自世界各地的学习者参加，无需满足任何形式的入学要求，也无需缴纳任何费用，且课程内容通常是由世界著名的专家提供。有鉴于此，MOOCs的出现被视为“一场‘颠覆性的教育变革”，“为促进学习提供了新的机遇与挑战”，并将最终“迫使我们重新思考和重新构建现有的教育模式”。

尽管有着诸多优势，MOOcs的完成率却是极低的，范围大致从3%到15%不等。许多研究认为MOOCs的完成率是衡量学习成功的重要指标。于是，MOOCs的完成率（保留率或辍学率）正在成为或已经成为研究热点与争议焦点，参与讨论的学者众多，且有诸多作品问世。在此背景下，需要一个对于相关研究的主题分析，以便获得关于MOOCs完成率的更深入的理解。Creswell认为，文献综述的目的是总结关于某一主题的当前的知识状态，同时发现还没有完全解决的问题。本研究遵循这一方针，期望通过文献综述聚焦MOOcs低完成率的影响因素，确定尚未得到充分解决的重要问题，建议后续工作的方向。

二、研究设计

（一）数据来源

本研究的目的之一，是总结过往文献中关于MOOCs的完成率（保留率或辍学率）的知识状态。为此，我们首先检索相关文献。我们以web of science数据库作为文献来源，按“标题”（Title）项检索，关键词为“MOOC OR MOOCs OR massive openonline course OR massive open 0nline courses”，文献类型为论文（Article），学科范围限定为教育相关学科，检索时间为2013-2017年。截至2017年5月9日，共检索到文献226篇。

第一位研究人员仔细阅读了全部文献的题目和摘要，满足以下条件的文献将被保留：（1）内容关涉MOOCs完成率（保留率或辍学率）的影响因素研究；（2）研究方法须为实证研究（非实证的描述性文献将被排除在本研究之外）。另一位研究人员按照同样的方法和要求也筛选了相关的文献。经比较，两位作者之间的一致率为96.8%。最终，22篇文献被保留，其文本内容被视作可供质性研究的经验数据。

（二）研究工具

本研究采用质性研究的扎根理论（GroundedTheory）取向。扎根理论是一个系统且灵活的方法，旨在协助基于相关经验数据的实质性解釋模型的发展。其简要的过程是：（1）数据收集；（2）数据分析，即从数据本身创建分析代码（codes）和类属（Categories）；（3）在数据收集和分析的过程中生成或整合理论。

然而，面对大量的数据集合，手动进行数据分析通常是不实际或不可取的。在过去的十年间，可用于质性数据统计与分析的计算机软件在持续增加。Hutchison等人证实，QSR-NVivo是一个功能强大的工具，如果使用得当，可以促进扎根理论的许多方面，从早期的采样程序到数据的分析、理论的发展和研究结果的呈现。因此，本研究选取NVivo作为数据分析的工具。需要特别指出的是，在质性研究的过程中，研究人员是主要的分析工具。质言之，尽管NVivo能够帮助研究人员管理、分析和发掘数据，但是无法取代研究人员专业的分析的知识或技能。

（三）数据分析

1.分析流程

数据分析的基本过程如下：首先，仔细阅读22篇文献的文本内容，并形成一个初步的概念架构。其次，在Nvivo软件中建立一个新的项目，并将22篇文献（文献名为作者名，格式为PDF）导入到该项目的“内部材料”以进行统一的资料管理。然后，在该项目的“明细视图”区域逐字逐句阅读22篇文献的文本内容，对其进行编码并形成节点。最后，查询和发掘编码，进行更高层次的分析。

2.分析方法

编码是质性研究资料分析、组织且使文本有意义的重要步骤之一。其方式是借由对文本资料逐字逐句的裂解，规律地检视资料彼此间的关系，将琐碎的资料规律地运用归纳、整合与再意义化，以便将原始资料转变为抽象概念。鉴于本研究的扎根理论取向，即从原始资料中探索或归纳理论的方法，我们采取Strauss的“三级编码”方法。

第一级是开放编码（Open Coding）。一般来说，在开放式编码阶段，资料被分解成独立的碎片，仔细检视，并比较异同。相似的事件、发生、目标和行动/互动被概念化或形成更抽象的“类属”。NVivo可以促进这一过程，因为它允许创建节点，以在NVivo中存储被编码文本的标记。但此时的节点往往是凌乱且未加以分类的，因此常常被称之为自由节点（Free Node）。在将原始资料编码成自由节点的过程中，我们采取“不断比较”的编码技术。其大致的过程如下：

在Nvivo“明细视图”区域阅读文献的时候，特别聚焦于关涉“MOOCs完成率（保留率或辍学率）影响因素”的句子或段落，一边浏览，一边进行编码并形成自由节点。例如，在某篇文献中出现这样一段话：“那些计划观看所有的视频讲座，强烈认为或认为他们将获得课程的结业证书，并确定自己打算在课程中积极表现（即‘不仅仅是访问）的学生，通常有较高的概率完成课程”。从这段话可知，积极的自我管理和自我激励可能是影响MOOCs完成的因素之一。因此，在Nvivo中这段话被编码成一个自由节点，并将其命名为：自我管理和自我激励的能力。此后的过程是相同的：每一个新的句子或段落被阅读，并与现有的自由节点进行比较。如果这个句子或段落需要一个新的节点来描述它，则就创建一个新的自由节点。如果这个句子或段落符合现有节点，则将其编码到现有的节点上。这个过程一直会持续下去，直到所有的文献被阅读、审查和编码。接下来，对所有的自由节点进行反复审查，根据需要进行合并、重新整理和重命名，以确保它们是相互排斥的。

第二级是主轴编码（Axial Coding）。主轴编码是指在类属和子类属之间建立或展示联系的过程，在此过程中开放编码被仔细审查，以确定类属之间以及类属与整个现象之间的关联。在NVivo中将自由节点归类到树状节点（Tree Node）中属于主轴编码阶段。

第三级是选择编码（selective coding）。经过上述两级编码，系统生成与发展了类属与子类属。然而，只有主要的类属被最终整合成更大的理论方案时，才能得出理论形式的研究结果。选择编码即是整合和提炼类属的过程。NVivo的“质询”与“探索”功能能够方便地协助这一过程，正如黄世奇与何明轩所说的那样，“质询与编码的不断反复，则是处于选择编码阶段，通过搜寻与比较，以发展出更成熟的概念，进而建立完整的概念架构”。

三、研究结果

两位研究人员分别单独对数据进行编码。编码结束后，利用NVivo的“编码比较”（codingComparison）质询功能，对所有的节点，通过“编码一致百分比”衡量编码的一致性程度。质询结果显示，两位研究人员所有节点的一致百分比都在90%以上，说明他们的一致性程度较为合理，本次编码具有较强的可靠性与准确性。对于编码不一致的地方，两位研究人员在认真沟通的基础上做了相应调整，最终形成的各级节点及其资料来源数、编码参考点数如表1所示。

（一）一级开放编码

在一级开放编码的过程中，我们本着尽量呈现原始文献中意义单位的原则，特别是不忽视对文献中本土概念的捕捉，在对原始文献进行初步概念化后，形成了14个自由节点（如表1第一列所示）。各自由节点的编码参考点数，体现了已有研究的热点与有待进一步挖掘的薄弱点。下面按照编码参考点数的多寡顺序，逐一对其做简要的说明。

1.自我管理或自我激励的能力

由于MOOCs开放、自主的特点，工作负荷与时间管理是学习者不得不面对的问题。大多数的参与者证实，时间管理和工作负荷是MOOCs辍学的主要原因。Morales等人的调查也表明，导致MOOCs辍学最大的原因是学习和工作冲突，即没有足够的时间学习，且加大了工作压力。在此背景下，学习者对课程进行积极的预期与规划是必要的。正如Greene等人所表明的那样，“学习者的投资预期（Expected Investment），包括预期努力的程度、花在MOOCs上的时间以及获得证书的意向，和学习者的完成率相关”。也就是说，如果缺乏有效的自我管理和自我激励，学习者通常有其他优先事项和承诺要履行，导致拖延并最终辍学。

总而言之，MOOCs要求学习者自我管理自己的学习，即决定学习的时间、学习的方式、学习的内容和参与的活动。因此，有效的自我管理和自我激勵能够让学习者更好地管理在线学习，从而影响学习者加入MOOCs，坚持并持续学习，是完成MOOCs的基本要求。

2.教学设计水平

Jordan建议从课程设计的角度去解决MOOCs完成率，以帮助尽可能多的不同的学习者完成课程，并将此定位成一个教学方面的问题，将对课程设计者和教师提出挑战。对此，Freitas等人的建议主要包括：（1）课程的难度要和学习者的水平相匹配；（2）基于游戏的教学设计或增加游戏元素有助于课程的完成率；（3）真实世界的挑战和测试有助于课程的完成率；（4）有效的测试与即时的反馈有助于课程的完成率。Engle等人研究发现，减少每周要求的学习时间，降低MOOCs内容的难度，可以提高完成率。Garc ia等人认为，在开课前明确定义课程的目标以及对语言的要求，可以提高学习者对学习预期的满意度与保留率。Jordan研究发现，课程持续时间的长短和课程的完成率负相关，也就是说较低比例的学生完成持续时间更长的课程。此外，Castano等人的研究表明，MOOC课程的教学设计水平直接影响学习者的动机与学术表现。

3.兴趣与动机

和传统的课程形成对比，加入任何一门MOOC课程，学习者只需“点击”一条链接，无需学历证明，也无需完成任何准入流程以及支付任何费用。正因如此，尽管加入MOOCs的学习者众多，但很多人抱有“逛商店”的态度，“光看不买。

在此背景下，如果学习者缺乏积极的参与、足够的动机和承诺，则会影响其成绩，甚至不能完成课程，直至辍学。Perna等人的研究也证实，学习者访问第一次讲座，并尝试第一次测验，此后便在课程最初的几周内迅速辍学。这可能反映了学习者的好奇心，随意浏览，缺乏兴趣和完成的动机。

4.同伴间的互动

研究如何鼓励学习者之间的实质性互动似乎是明智的，因为互动可以让学习者坚持学习，并提高成绩和保留率。Comer等人认为，MOOCs学习者互动的主要机制是以文本的形式在课程论坛里发帖与同伴间的作业互评。因此，获悉更多关于如何通过文本进行同伴间交流的知识，有助于学习者的保留并促进其学习。Abeer&Miri同样表明，交流的技能能够让学习者分享知识，在必须要的时候提出问题以获取帮助，从而影响学习者加入MOOCs、坚持并持续学习。

5.在论坛上的活跃程度

单就完成一门课程来说，论坛并不是必须的。然而，论坛上的发帖和评论或活跃程度却是完成课程的显著的预测。完成课程的学习者在论坛里发帖的数量，明显高于没有完成课程的学习者。Engle等人研究表明，通过或以优异的成绩通过课程的学习者，通常两次或多次在课程的论坛里发帖。

6.与课程相关的背景知识

与课程主题相关的知识或经验，可以使学习者更好地理解课程内容并出色地完成作业，从而影响学习者加入MOOCs，坚持并持续学习，进而更倾向于完成课程。相反，缺乏这些知识或经验则容易导致辍学。

7.教师的反馈与激励

鉴于MOOCs的规模，参与的学习者众多，不可能让每个人都配有一个助教，而且现有的助教通常还不固定或缺少足够的专业知识。也就是说，在MOOCs中尚缺少来自教师的高效且深入的反馈与激励。而缺乏激励、教师的互动和支持与深入的反馈和监控会导致学习者辍学或消极应对。Hone&Said也认为，学生和课程教师在线互动的积极情绪对于学习者的保留有积极影响。

8.课程内容的质量

MOOCs内容极大地影响学习者对课程有效性的感知，并进而影响其学习保留或导致辍学。

9.学历或教育经历

学习者以前的教育程度与完成率呈正相关。例如，年龄较大且有更多教育经历的学习者，更有可能在MOOCs中坚持学习。Engle等人均研究也表明，具有研究生学位的学习者比那些只有大专经历或学士学位的学习者，更容易通过或以优异的成绩通过课程。

10.平台或课程提供的支持

Morales等人的研究表明，缺少支持是辍学的原因之一。Hew&Cheung也持类似观点，学习者遇到困难时无人求助会导致其辍学。因此，Abeer&Miri认为，提供支持与沟通决定了MOOCs的价值，进而会影响学习者的参与。Xing等人认为，教师提供的及时有效的教学支持能够阻止学习者的辍学。

11.平台和其他社交软件整合程度

基于共同的兴趣，学习者在MOOCs平台之外分享信息，相互交往。MOOCs提供商能够开发社交媒体插件，允许学习者在平台之外的社交软件中相互发现和相互联系。对此，Garcia等人也建议，设计或选择一个MOOC教育平台，以整合其与相关社交网络的使用，从而促进知识建构。

12.平台与课程的知名度

知名度是学习者持续使用MOOCs的强有力的预测之一。课程的知名度主要包括：MOOC课程由著名的大学提供；来自著名大学的教授教MOOC课程。平台的知名度与其合作机构的声誉相关，例如，“Coursera、edX、Udacity和Udemy是最受欢迎的MOOC平台，它们无一例外都与声誉极好的高等教育机构合作”。

13.英语语言能力

英语语言能力让学习者更好的理解课程讲座和作业，从而影响学习者加入MOOCs，坚持并持续学习。为此，Freitas等人建议MOOCs整合自动翻译工具，这将会对课程的保留率产生积极影响。

14.课程的开放性

课程的开放性也是学习者持续使用MOOCs的强有力的预测之一。衡量课程开放性的主要指标包括：（1）MOOc平台是否可以向任何学习者提供课程资源；（2）学习者是否可以无条件地自由、免费加入任何课程；（3）学习者是否可以轻松地访问课程资源和材料（视频讲座、幻灯片等）；（4）学习者是否可以免费下载课程资源，得以在工作中重用；（5）学习者是否可以自由修改课程资源以求完善，或者与其他课程相结合，以制作新资源。

（二）二级主轴编码

在主轴编码阶段，我们进一步分析审查后的自由节点的关系，将性质与概念相似的自由节点归类成同一类别，形成树状节点的结构（如上页表1第四列所示）。据此，可以认为影响MOOCs完成率的因素主要归结于三个方面：平台与课程的特点、学习者的能力与水平、学习中的社会互动。

树状节点的参考点数依赖于其下属自由节点和自身的参考点数之和。观察上页表1可以发现，“平台与课程的特点”的材料来源为26、参考点数为56，“学习者的能力与水平”的材料来源为38、参考点数为77，“学习中的社会互动”的材料来源为23、参考点数为45。在这三个树节点中，“学习者的能力与水平”拥有最多的材料来源数和参考点数，因此，“学习者的能力与水平”是影响MOOCs完成率最重要的因素，其次是MOOc平台与课程的特点，最后是学习中的社会互动。

（三）三级选择编码

在NVivo中，使用“探索”选项卡上的“比较示意图”，可以查看任意两个自由节点的共同的资料来源，以进一步分析这两个节点之间的关系。经过仔细比较，我们发现“学习中的社会互动”这一类属下的三个自由节点，都可以被其他两个类属下的某些自由节点所“统括”。比如，在“课程的教学设计水平”和“同伴间的互动”这两个自由节点的共同的一篇文献来源中，作者写到，“教学设计也保持了评价难度的良好等级并利用同批的学习者以支持更多的同伴间的社会互动”。也就是说，良好的教学设计可以促进同伴互动。因此，我们将“学习中的社会互动”作为支援类属，将“学习者的能力与水平”和“平台与课程的特点”作为核心类属。最终形成了我们的初步假设：“学习者的能力与水平”和“平台与课程的特点”是影响MOOCs完成率的核心要素。这与Abeer&Miri的研究发现是一致的，“缺乏基本能力的学习者，即使他们在一门设计良好的MOOC中学习，也可能会中途退学。同样，高能力的学习者，在一门设计劣质的MOOC中学习，同样也可能无法完成课程”。

四、讨论

在这一部分中，我们将讨论当前的研究尚未完全解决的两个问题：（1）用完成率来评价MOOCs成功的合理性；（2）MOOCs完成率影响因素的适用范围。虽然这两个问题已被某些文献所关注，但却零碎且分散，构不成一种整体性的解释。而这些问题的澄清或解决，对于深入理解MOOCs的完成率又是至关重要的。討论这些问题的目的在于抛砖引玉，建议后续研究方向，以增加“MOOC完成率”这一主题的知识与洞见。

（一）用完成率来评价MOOCs成功的合理性

与传统课程相对照，MOOCs的“大规模”与“开放”无疑是“颠覆性”的。然而，在MOOCs成功的评价标准上却鲜有创新的元素，通常还是延续了传统课程的做法。比如，审查课程内容被观看或阅读的比例，练习或考试完成的比例，对于完成了所有的活动，并且考试达到预定标准的学习者，将会获得某种证书。这些证书被视为MOOCs完成的证明，更是MOOCs成功的标志。

有相反的观点认为，在MOOCs中成功不一定是一份完成的认定。Koller等人更是直言不讳地宣称，用完成率来评价MOOCs是不恰当的，因为它没有考虑到学习者真实的意图和目标。例如，一些学习者将MOOCs成功定义为：与对同一内容感兴趣的同伴互动的能力。其他人可能会将其定义为：学习一门MOOC中涵盖的诸多主题之中的一个，而不是全部。Chang等人通过对184名大学生进行问卷调查后发现，10.5%的参与者学习了他们感兴趣的特定主题之后退出了课程。也就是说，学习者不是学完整门课程，而是选择性地学习部分内容，也许是为了避免负担过大或者仅仅是为了完成某一特定的任务。Hew&Cheung同样认为，由于缺少一个关于学习的完美的方法或解决方案，学习者可能只是通过MOOCs学习他们感兴趣的特定的主题，对获得一个证书却并不真的感兴趣。

在这个充满变革的时代，MOOCs成功的评价标准无疑也需要寻求自身的变革、超越和突破。这显然意味着，用完成率来评价MOOCs成功的合理性值得进一步商榷。或许，相对于在传统课程中的含义，“完成”一词在MOOCs中被用来描述用户的行为时必须被重新定义，它或许本来就是MOOCs的一个独特的品性。这样说并非是一个一厢情愿的呓语，除了能够从已有文献中挖掘出这一“迹象”之外，还可以从MOOCs所蕴含的特征中获得有力支持。既然开放与自由是MOOCs最为关键、最为重要的特征，那么它们必须以开放与包容的姿态，拥抱开放与多元的学习者。质言之，MOOCs如果“固守”传统课程的那一套“枷锁”，其实质是背弃了自身的开放与自由的精神，离课程改革甚至教育改革已渐行渐远。

（二）MOOCs完成率影响因素的适用范围

利用NVivo作为分析工具，通过对22篇文献进行编码分析，我们得到了影响MOOCs完成的三大类属与其下属的14个因素。经过进一步的分析，我们发现，有些影响因素在不同的文献中出现，且相互之间存在一定的矛盾性。比如，对于“平台与课程的知名度”，“学历或教育经历”与“英语语言能力”这三个因素，在这22篇文献中尚存在不同的声音。比如，Jordan认为，完成率与平台或课程的知名度无显著关系。Goldberg等人的研究表明，没有受过大学教育（职业教育甚至更低）的学习者和受过大学教育的学习者一样可以完成课程。Engle等人就英语语言能力与完成率的关系给出了另外的观点：英语的熟练程度对课程的完成情况没有影响，但会影响优秀。也就是说，以优异的成绩完成课程的学习者通常具有熟练的英语语言能力。

进一步分析发现，在这22篇文献中，采用个案研究（通常选取不多的几门MOOC课程作为样本或选取少量的学习者作为访谈对象）的多达18篇，约占总文献数的82%。由于MOOCs“开放”的本性，学习者遍布世界各地，文化传统、学习习惯等方面均存在较大差异。而且M00c课程在内容设计、教学实施与支持等方面也不尽相同。也就是说，不管是MOOC课程还是MOOC学习者，均属于“异质性总体”。在异质的总体中，如果样本规模太小，样本就难以反映总体的一些特征，就不能代表总体。因此，就不难理解某些节点在不同文献中的“不一致”现象了。然而，更大的问题在于，“如果样本的代表性不足，研究结论的适用范围就要打折扣”。因此，通过个案研究所收获的MOOCs完成率的影响因素，是否适用于所有的MOOCs，其外推的范围有多大？便成为一个悬而未决的问题。

王宁认为，个案研究通常更适于、也更经常被用于做探索性研究，而定量研究更适合于确认性研究（当然也可用于探索性研究）。这22篇文献中的绝大部分属于个案研究，因此它们的任务恰在于试探与探索，其结论通常具有一定的不确定性，更无意于做出大范围“外推”的承诺。但是，这并不是说这些个案研究是毫无价值的。一般来说，在以样本为基础的社会科学的研究过程中，个案研究通常属于前期研究，其兴趣不在于获得准确的结论，而在于熟悉研究的基本情况，如澄清研究问题，探索研究变量，提出研究假设等，从而为后期阶段的确认研究做足准备。有理由认为，关于MOOCs完成率的后续工作方向似应进入确认性研究阶段。即是说，研究人员应在总结以往个案研究的基础上，形成合理的研究问题与研究假设，并运用一定的抽样程序在特定的抽样框架中抽取特定规模的样本，进而针对这些大样本开展定量研究（包括问卷调查与实验），以形成确定的结论，并外推到样本所代表的总体。

五、结论

本研究采用NVivo作为分析工具，通过对22篇相关文献进行三级编码，获得了影响MOOCs完成率的三大类属与其下属的14个因素。这一结果系统地展现了在“MOOCs完成率”议题上有关学者所作的努力，能够让后续研究人员熟悉这个议题内有关研究的进展与知识状态。另外，尽管MOOCs持续较低的完成率已经引起诸多方面的担忧，但它不足以作为衡量MOOC成功的主要指标，它或许本来就是MOOCs的一个独特的品性。而且，当前关于MOOCs完成率的讨论绝大部分属于个案研究，其任务主要是探索研究的基本情況，而无意于做出大范围“外推”的承诺，其后续工作方向似应进入大样本的确认性研究阶段。