MOOC及其学习数据分析概述

张晓艳

【摘要】随着MOOC在全球范围内的快速发展，相关领域的应用和研究也逐步展开，其中对MOOC开展相关研究越来越被学术和非学术研究者关注，对学习数据的分析挖掘正成为研究重点。本文首先介绍MOOC这一教育新模式的相关概念、发展、特点等；其次调研MOOC平台在课程整个过程中记录的各类学习数据，进行初步分析；最后概述国内外MOOC学习数据分析挖掘研究现状。

【关键词】大规模开放在线课程（MOOC） ； 大数据 ； 学习数据

【基金项目】本文受国防科大校本科教育教学课题“MOOC课程学习行为数据分析与实践对策研究——以大学英语（口语）为例”（U2015015）资助。

【中图分类号】TP274.2 【文献标识码】B 【文章编号】2095-3089（2015）35-0093-03

一、引言

如果2012年是世界的MOOC元年，2013年就是中国的MOOC元年。在2013年，MOOC是国内各大高校热烈讨论的一个中心词。到目前为止，北京大学、清华大学、北京航空航天大学等都相继加入到了MOOC平台，录制开设了多门课程，同时也开发了国内中文“学堂在线”MOOC平台。于此同时，大数据概念已经渗透到国家和社会的方方面面。相关机构预测，到2020年，互联网数据量将是2009年的44倍，达到350亿TB。大数据时代已经来临。在此背景下，MOOC平台下的各门课程的学习数据随着报名人数的增加逐步提升规模，使用大数据分析的相关方法，分析MOOC课程参加者的学习特点和规律，对系统的改进、教学内容和方法的调整、学习的评估等都可以起到一定的指导作用。我们在本文中将通过调研梳理这方面的工作，为MOOC背景下的大数据分析及后期工作开展打下基础。

本文内容组织如下：第二节介绍MOOC课程和大数据的相关知识；第三节介绍 MOOC课程过程中可能产生的各种学习数据；第四节总结国内外已有的相关研究工作概述；根据前述工作，针对我校MOOC平台上开设的课程，提出一些新的更有针对性的数据分析方法及工作规划；最后在第五节做出总结。

二、基于MOOC的教育新模式

一个完整的MOOC课程，需要老师和学生共同参与完成，主要包括三个部分：MOOC平台、老师部分、学生部分。

（1）MOOC平台。从学习管理工具、系统支持工具、系统技术特性三大方面详细对比MOOC平台和传统的网络教学平台，认为MOOC平台有机融合了平台实现、课程设计、课堂教学等多方面内容，强调自主学习、交流和评价，但在工具数量以及提供的功能方面还不够成熟，需要持续发展，同时在融合各种新技术，如人工智能、模拟现实，来实现自适应学习、个性定制等功能上也还需要继续努力。

（2）老师方面。主要包括课程视频、作业测验、课后研讨等。课程视频没有统一要求，视频录制的方式多样。作业测验是MOOC的一个显著特征，课内测验主要是为了保持学生注意力，课后作业是判断所讲知识点是否掌握。课后研讨是MOOC课程的翻转课堂功能充分发挥的地方，是除视频外老师发挥作用的另一主要场所，也是与传统网络教学的主要区别。课后研讨的方式多样，各种广泛应用的微信、论坛、微博等都可以成為大家集中讨论的场地，能够很好地培养学生自主学习能力。

（3）学生方面。学生是MOOC学习过程中不确定性因素最大、面目最模糊的一部分，在开课之前完全无法预知学生的一些情况，开课以后随着课堂交互、作业完成情况以及最后测试，才完成了对学生的整个了解过程。可以说，一个MOOC课程设计的最终目的是为了吸引注册学习者持续参与，直至最终结业考试。学生在一个MOOC课程中的活动路线大致为：注册—听课—课堂随测—作业—讨论—考试—结业。学习者在开课的时间内学习，或者学习网站上留下的课程内容，期间需要充分发挥自主学习能动性，积极参与内容学习、研讨互动，充分体验翻转课堂的功能，实现以学生为主体、主导的学习过程。

教学经历了书院私塾教育、课堂式教育、传统远程教育模式之后，目前的MOOC有着一些独特的特点：开放性、规模化共享、互动性强、个性化学习、群体化创新等特点，使MOOC得到全球性快速发展，也给许多相关领域带来了机遇和挑战。首先给课程教学带来了翻天覆地的变化，世界上大多数知名院校都投入了大量的人力物力开展相关活动，挑选优质课程面向全球学员；其次教育界针对教育模式的演变开展研究，例如清华大学教育研究院（韩锡斌，2014）专门针对MOOC现象进行分析；然后围绕MOOC平台的一些相关技术领域也开始了研究。MOOC课程随着注册学员的增加，形成的学习数据也增长迅速，一些问题例如“学员学习效率如何提高？如何评估学员的学习进度？”等问题，使用大数据相关分析方法对学习数据进行挖掘是非常有必要的，借以发现有用的知识或规律，通过客观的数据和科学的解释对MOOC的各个层面的活动进行指导。目前大数据分析中的信息处理技术、数据挖掘技术、关系网络分析方法等都能够用于MOOC学习数据分析。

三、MOOC中的学习数据

MOOC的产生和全球性爆发是建立在相应的支撑技术较为成熟基础上的。与传统的在线教学相比，MOOC与现实中的课程教学更为相似，但是课堂规模更大，由此产生的各类学习数据，包括作业、答疑、互动等，在底层平台都记录了下来，形成一个有效推动MOOC持续发展的大数据信息源。

在MOOC的学习平台上，一个主要的特点就是记录下了课程开放使用过程中学习角色、教学辅助角色以及其他参与者的所有行为。在此背景下，一个以参与者为节点，以参与者与课程之间、参与者之间的互动为关系的大数据网络知识关系图就形成了。针对该大数据关系图，在以“挖掘学习者学习规律、改进授课资源、为教学辅导提供指导”为目标的前提下，我们使用大数据技术（包括关系网络分析方法）进行分析挖掘的对象主要有以下几大类：

（1）学习者的背景信息。MOOC的学习者是自由的，也因此带来学习群体极大的多样性。一门课程的注册者可能是任意背景的。如果在制作课程时就明确授课对象需具备的背景信息，使课程的针对群体更详细、更专业，那么学习者在选择课程时也将会有更多的主动性和选择范围。这类信息主要是指学习者注册时提供的所处地域、学习程度、年龄、性别、学习兴趣、学习目标等信息。endprint

（2）学习过程信息。这是大数据的主要内容，主要包括学习者的学习进度（并不是每个学习者都能完整的学习完一门课程）、课程中每个视频的点击率、学习者完成作业的情况、考试成绩、活跃度等等。记录这些学习行为信息并进行分析，有助于了解学习者的学习情况，同时可以有根据的对开放课程做调整，最终达到一个教学相长的良性循环。

（3）不同角色间的交互信息。主要包括学习者之间、学习者与教学辅导者之间的交互行为信息，这些信息主要包括两部分：对象之间的交互关系和交互的内容。交互关系之间形成针对某门课程的社交关系网络，通过对该网络可以分析学员和教员的活跃度。交互内容的分析挖掘有助于教学辅导者更有指导性的对学习者进行辅导。

上述记录的学习数据既有格式较固定的属性信息，也有自然语言为主的交互内容，还有交互关系形成的社交网络，根据不同的特点以及后续的研究模式分别进行存储，做到统一格式，统一存取。

MOOC学习数据的分析和其他信息分析一样，通常有构建模型、目标分析、预测判断几个环节。存储好的学习数据需要构建成具体的数学模型才能使用相应的技术进行处理，例如：

（1）面向学生的学习规律分析：利用每个学生的学习数据，包括听课情况、作业完成情况、互动情况等完整的学习信息，建立相应的学习模型，分析学习特点和规律，进而实现学员的个性化学习。

（2）面向教师的课件评价和教学效果评价：利用视频的点击率和学习时间等方面的数据，从学习者角度对课件进行评估。此外，通过构建社交关系网络模型，使用相关分析技术，对教师和学生的参与情况以及效果进行评价。

总之，MOOC学习数据的分析在整个教学模式中占据不可缺少的一个环节，对具体课程的学习对象设定、学习规律总结、现象解释和问题解决、教学效果评价等都非常重要，为实现个性化定制学习、提高学习效率，以及MOOC的可持续发展和创新提供支持。

四、国内外MOOC相关研究概述

在MOOC迅速发展起来之前，针对MOOC的各项研究都比较少，因此相关研究基本上都在2011年之后。从内容来看，早期的研究内容主要集中在MOOC课程设计、MOOC平台开发等方面，多侧重于技术层面的实践与研究。关于MOOC的学术方面的研究还较少，尤其是学习交互、学习评价等方面，但已经引起相关研究者的关注。研究的发表渠道早期多集中在传统媒体的新闻报道以及网络新闻、博客中。后期相关社会科学和自然科学领域的研究多集中在会议期刊上，例如：期刊文献（郝丹，2013）就国内学术和非学术文献做了梳理，主要侧重于社会科学方面的对MOOC的关注；文献（申玲玲，2014）也以梳理文献的方式，从MOOC述评、课程教学和教育改革三个方面进行总结分析和讨论，但多以社会科学角度进行分析讨论为主，从信息技术的角度进行学术研究，而非工程开发，这方面的研究总结还比较欠缺。总的来说，对于MOOC这一新生事物来说，基本上还是遵循了“实践先发，研究跟进”的发展模式，目前为止实践和研究都已取得了一定的成果，尤其是實践方面，学术研究还有较大的发展空间，同时也是本文的关注重点。

（1）实践研究：这方面主要包括MOOC对教育领域的影响、MOOC新教育模式对传统教学模式的冲击、MOOC课程设计、MOOC平台开发等四个方面，概括为MOOC本身发展及对周边领域产生的影响。此外还有一些MOOC发展历程和具体内容阐释方面的梳理（约翰·巴格利，2014）（陈肖庚，2013）。这些研究都属于MOOC相关研究中的初期研究。

前两方面内容主要以传统和非传统的新闻媒体、博客等方式发表，强调MOOC的出现对传统高等教育、在线教育、传统教室授课所带来的影响和冲击。文献（王文礼，2013）认为MOOC是一个基于与挑战并存的事物，应该以积极的态度和行为应对。文献（刘继斌，2013）通过分析Coursera平台上的MOOC课程，与国内外代表性的传统在线教育作对比，强调了MOOC“以学习者为中心”的特点以及担负着“促进传统课堂与网络课堂的融合”的重任。

后两方面内容的研究侧重MOOC发展中的技术层面，主要来自MOOC的直接参与者：课程开设老师和MOOC平台设计者，基于实践过程中的实际经验和体会，研究如何更好地开展课程整体设计和制作更好地视频片断，以及如何使MOOC平台更高效，合理的使用现有成熟应用和资源。文献（Guzdial Mark，2014）就指出MOOC课程的注册学习人数与最后结业的人数差距过大，要解决该问题在课程设计、平台开发、课程认证评价等方面都还有很多工作要做。文献（Alario-Hoyos Carlos，2014）提出了一个通用的概念框架指导MOOC课程设计。文献（徐明，2013）（王海荣，2013）（邓宏钟，2013）都分别探讨了传统的优质的课堂教学如何在新的MOOC理念的指导下，转换成MOOC课程，实现优化教学效果、扩大教育范围的目的。文献（樊文强，2012）（叶昭晖，2013）（吴淑苹，2013）探讨了MOOC平台搭建上如何更好地融合当前比较热点的交互应用、资源共享技术、云计算技术等。

（2）学术研究：国内外关于MOOC的学术研究还非常少，尤其是MOOC学习数据研究，但已经有逐年上升的趋势。比如2013年中国计算机大会专门开辟MOOC专题论坛，邀请国内资深学者、教育部专业人士、高校相关负责人和edX技术专家讨论MOOCs的发展趋势。这也为未来使用计算机技术进行MOOC学习数据的挖掘分析买下了伏笔。

到目前为止搜索国内外大型学术文献库，有相对分散的一些学术研究。例如国内：文献（吴文俊，2013）鼓励学者“根据计算机学科特点，对自适应的个性化学习和基于反转课堂的混合式学习进行深入定量研究”；文献（田宏兵，2014）认为MOOC平台上迅速积累的学习数据是传统课堂上短时间难以收集的，内容规模是指数级增长，只能通过大数据技术进行分析，才能有效检验新教学法、新教案设计和教学评估的有效性。endprint

國外方面，MOOC研究比较相关的在百篇左右，工作多集中在具体MOOC课程的实践性分析对比上，例如文献（Arto Vihavainen，2013）对MOOC课程和MOOC平台上某些具体技术的使用分析，文献（Kop Rita，2013）分析了社交网络在MOOC课程中发挥的作用；文献（Cathy Sandeen，2013）关注了MOOC中的评价机制的使用。文献（Kop Rita，2011）和文献（Tschofen Carmen，2012）研究关联主义学习如何在MOOC课堂上促进学习效果。仅有少量使用传统数据挖掘技术研究MOOC课程中的相关机制，例如：文献（Aher Sunita B.，2013）和文献（Aher Sunita B.，2012）通过对课程选择的历史数据使用聚类方法，达到对未来的学习进行课程推荐的目的；文献（Spoelstra Howard，2014）提供了一种方法，解决MOOC课程过程中团队创新、合作学习欠缺的问题。

事实上，上述研究都是从某个角度以MOOC课程产生的学习数据为对象进行的研究。

五、总结

随着MOOC课程的广泛普及，其周边相关支撑技术势必也会逐渐深入研究。其中针对课程过程中产生的大量学习数据，使用数据挖掘、自然语言处理、社会网络分析等计算机技术进行分析，将在自动化信息技术等领域开辟一条辅助教学和发现教学规律、促进教学效果的新途径。本文在梳理MOOC发展的同时，重点对学习系统中记录的各种学习数据进行调研分析，并概述国内外相关研究情况，希望对学术界研究者有所助益。

参考文献

[1]陈肖庚，王顶明（2013）. MOOC的发展历程与主要特征分析[J]. 现代教育技术，23（11）： 5-10.

[2]邓宏钟， 李孟军， 迟妍， 谭思昱（2013）. “慕课”时代的课程知识体系构建[J]. 课程教育研究， （21）： 5-7.

[3]樊文强（2012）. 基于关联主义的大规模网络开放课程（MOOC）[J]. 远程教育杂志， 30（3）.

[4]韩锡斌，葛文双，周潜，程建（2014）.MOOC平台与典型网络教学平台的比较研究[J]. 中国电话教育， （324）：61-68 .

[5]郝丹（2013）. 国内MOOC研究现状的文献分析[J]. 中国远程教育（综合版）， （11）： 42-50.

[6]约翰·巴格利（2014）. 反思MOOC热潮， 开放教育研究[J]. 20（1）： 9-17.

[7]刘继斌，赵晓宇，黄纪军，刘培国（2013）. MOOC对我国大学课程教学改革的启示[J]. 高等教育研究学报， 36（4）： 7-9.

[8]申玲玲，韩锡斌， 程建刚（2014）. “后MOOC时代”终极回归开放在线教育[J]. 远程在线教育研究，（3）： 17-26.

[9]田宏兵（2014）. 大数据背景下MOOC对高等教育发展的影响分析， 网友世界·云教育， （9）： 20-21.

[10]王海荣， 张伟（2013）. 国外大规模开放教育资源设计理念及启示——基于Coursera平台MOOC课程的体验研究[J]. 天津电大学报， 17（3）： 32-35.

[11]王文礼（2013）. MOOC的发展及其对高等教育的影响[J]. 江苏高教， 14（2）： 53-57.

[12]吴淑苹（2013）. MOOC课程模式下云学习环境研究[J]. 软件导刊， 12（3）： 191-193.

[13]吴文俊， 吕卫锋（2013）. 大数据时代的大规模开放在线教育[J]. 计算机教育， （20）： 9-10.

[14]徐明，龙军（2013）. 基于MOOC理念的网络信息安全系列课程教学改革[J]. 高等教育研究学报， 36（3）：16-19.

[15]叶昭晖， 邹刚， 柯水洲， 姚煊道（2013）. 基于MOOC理念的军校网络教学资源整合及共享研究[J]. 高等教育研究学报， 36（4）： 13-16.

[16]Aher Sunita B.， Lobo L. M. R. J. （2012）. Best Combination of Machine Learning Algorithms for Course Recommendation System in E-learning[J]. International Journal of Computer Applications， 41（6）： 1-10.

[17]Aher Sunita B.， Lobo L. M. R. J. （2013）. Combination of machine learning algorithms for recommendation of courses in E-Learning System based on historical data[J]. Knowledge-based Systems， 2013， （51）： 1-14.

[18]Alario-Hoyos Carlos， Perez-Sanagustin Mar， Cormier Dave， Delgado-Kloos Carlos （2014）. Proposal for a Conceptual Framework for Educators to Describe and Design MOOCs[J]. Journal of Universal Computer Science， 20（1）： 6-23.

[19]Arto Vihavainen， Matti Luukkainen， Jaakko Kurhila （2013）. MOOC as semester-long entrance exam[C]. SIGITE Conference， pp.177-182.

[20]Cathy Sandeen （2013）. Assessments Place in the New MOOC World[J]. Re？Search & Practice in Assessment， （8）：219-223 .

[21]Guzdial Mark， Adams， Joel C （2014）. MOOCs need more work； so do CS graduates[J]. Communications of the ACM， 57（1）： 18-19.

[22]Kop， Rita （2011）. The Challenges to Connectivist Learning on Open Online Networks： Learning Experiences during a Massive Open Online Course[J]. International Review of Research in Open and Distance Learning， 12（3）： 19-38.

[23]Kop Rita， Fournier Hélène， Mak John， Sui Fai （2013）. A Pedagogy of Abundance or a Pedagogy to Support Human Beings Participant support on Massive Open Online Courses[J]. International Review of Research in Open and Distance Learning， 12（7）： 74-93.endprint