MOOC在线学习者参与度的模糊综合评判研究∗

康洪晶 王甲生

（1.海军工程大学训练部 武汉 430033）（2.海军工程大学信息安全系 武汉 430033）

1 引言

在“互联网+”时代，在线教育市场正在打破传统课堂的空间和时间束缚走向网络平台，呈现出前所未有的开放性和包容性，用多元的教学内容面向不同教育背景的学生，进行资源的共享和知识的传播［1］。MOOC（Massive Open Online Course）即大规模开放式网络课程，通过信息技术与网络技术将优质教育输送到世界的每个角落。MOOC不仅提供免费的优质教育资源，而且模拟了一个较为完整的教学过程，有参与、有反馈、有作业、有讨论，还有考试和证书。尤为重要的是，学习者不仅可以在MOOC平台上随时与教授实现在线交流，而且能够为自身定制个性化的学习内容，学习积极性和效果大大提升［2］。

随着我国MOOC在线教育平台的不断出现和发展完善，MOOC在高等教育、职业教育发展中的地位日益重要，对于MOOC学习者学习绩效、参与度的研究成为一个热点问题［3］。从已有研究来看，对于MOOC学习绩效的文献很少，而对于MOOC学习者参与度的研究尚不多见。Belanger等研究了杜克大学MOOC学习者的学习动机，并将它们分为四类：学习便利性、学习乐趣、自我提升和感受新事物［4］。Viswanathan等研究了MOOC对教师职业发展和学生学习积极性的影响，研究发现MOOC对于教师的知识更新和职业发展具有很强的积极作用［5］。Kolowich研究了MOOC课程制作教师对于MOOC开设的出发点，并讨论了学习者对于MOOC的参与度［6］。樊文强等通过对学习者学习网络的研究发现，MOOC学习有利于学习者构建自身学习网络［7］。对于MOOC学习者参与度的研究，Piech等提出了同行评价（peer review）的方式，但没有过多涉及对MOOC评价的作用与影响［8］。王哲等对MOOC的用户行为和学习效果进行了实证研究［9～10］。本文在总结以往研究的基础上，构建了MOOC在线学习者学习参与度的评价指标体系，提出了MOOC在线学习者参与度的模糊综合评判方法，并借助国防科大梦课平台的学习数据给出了实例分析。

2 MOOC学习者参与度评估体系

作为一种崭新的教学模式，MOOC的出现是对传统高等教育模式的极大挑战。MOOC依托互联网将传统的教育要素，以一种新的形式组合和运行起来，形成由课程开发团队、课程资源和学习者等各种要素相互联系、相互协作的在线学习体系。其中，对于MOOC学习的绩效分析而言，学习者的参与度及其影响因素分析是目前的一个研究热点问题。

参与度是学习理论中的一个基本概念，是指学习者在具体课程学习过程中行为、情感和认知的投入强度，反映了学习者在学习过程中对于学习对象的注意程度。学习者参与度的重要性已经得到教育界的广泛认可，可以用来预测防止辍学和提高学习绩效［11］。目前关于学习度的研究主要分为二维法、三维法和思维法，主要的维度包括行为参与、情感参与、认知参与和代理参与，不同的维度划分有不同的侧重点。通过比较分析国内外学习者对于MOOC在线课程的态势和认识，本文认为从认知参与、情感参与和行为参与三个维度来描述学习者的参与度更为贴切。首先，学习者接触MOOC时都具有明确的认知和特定的目的，这从我们的调查问卷结果中可以体现［12］，即学习者的认知参与；其次，从MOOC的选课到最后证书获取，学习者在每个环节都具有一定的情感投入或者收益取舍等情感参与活动，即学习者的情感参与；最后，在MOOC课程的学习过程中，学习者需要观看视频，完成练习题，参与课后讨论，部分还需要参加考试，即学习者的行为参与。

针对MOOC课程在线学习的整个过程和特点，结合学习者参与度度量的三个维度：行为维度、情感为度和认知维度，构建了MOOC学习者参与度评估体系。评估体系分为三个层次，分别为目标层、指标层和因素层，具体的层次结构模型如图1所示。

3 MOOC学习者参与度的模糊评估评判

3.1 数据的标准化处理方法

在进行MOOC学习者参与度评估时，首先需要根据评估工作安排，研究分析评估指标体系并收集相关数据。根据各指标的性质，初步将指标分为定量指标和定性指标两大类，例如“行为维度”中“完成课程作业”、“参与课程论坛讨论”等指标，可以采用作业完成率、参与讨论次数等数据进行度量，可认定为定量指标；同样的，“遵循课程安排”、“提前预习课程内容”等指标，只能通过调查问卷、随堂讨论等方式进行定性描述。对于定量指标来说，如果具有不同的量纲，则必须化为无量纲的标准化指标；对于定性指标而言，由于描述方式不一致，需要进行科学量化［13］。

对于定性指标，采取0.1～0.9标度法进行标准化处理，即将定性指标依问题性质划分为若干级别，分别赋以适当的量值，具体等级和分值如表1所示。

表1 分级指标及0.1～0.9标度打分值

对于定量指标，评估体系中的定量指标全部为效益型指标，即正项指标，此处采取极差变换法进行标准化处理。在决策矩阵X=(xij)m×n中，对于效益型指标 fj，令

则得到的矩阵Y=(yij)m×n称为极差变换标准化矩阵。经过极差变化后，各指标值均满足0≤yij≤1。

3.2 学习者参与度的模糊综合评判方法

3.2.1 指标权重的确定方法

对于学习者参与度评估，不仅三个维度各自的重要性不尽相同，三个维度下的不同指标的影响程度也是不一样的，一般的方法是给每个指标赋予一个权重系数。为克服传统AHP法在确定权重时存在的诸如判断一致性与矩阵一致性的差异、一致性检验的困难以及缺乏依据等问题，采用模糊层次分析法来确定各层次指标的权重系数［14］。

假设邀请n位专家对信息系统进行安全风险评估。首先，利用两两比较法构造判断矩阵A′。采用0.1～0.9数量标度法（见表2）来表示两两比较的值，即判断矩阵的元素取值范围是0.1，0.2，…，0.9。判断矩阵 A′=(aij)n×n，其元素值aij反映了专家对各指标相对重要性的认识。

表2 0.1～0.9数量标度

然后，将模糊互补判断矩阵改造成模糊一致判断矩阵，进而计算各层次因素的重要次序，由此得到权重集W=(w1，w2，…，wn)。

3.2.2 多级模糊综合评判

1）确定因素集和评语集

学习者参与度评估的因素集分别是由各级准则及下属的底层指标组成的，在MOOC学习者参与度评估指标体系建立后，因素集即可确定。评语集的确定则要根据实际情况来定，一般将评语等级划分为5±2级，即3～7级。

2）确定评判矩阵R

对单个指标进行评判，即可得到评语集上的模糊集Ri，其中的元素表示单指标对于各级评语的隶属程度，并最终得到隶属度矩阵R。

3）模糊综合评判

模糊评判是对评估体系权重集和评判矩阵的合成，通常用B表示：B=W◦R。其中“◦”为模糊合成算子。对于复杂系统的评估需要从底层开始评判，并将每层的评判结果作为上层的输入，直到准则层的评判结束。

4）评估结果的判定

利用多级模糊综合评判得到的最终向量B对评估结果做出判定，常用的判定准则有最大隶属度原则、最小代价原则以及加权平均原则等。

4 梦课平台学习者参与度实例分析

梦课平台是国防科大倾力打造的在线教育应用平台，也是国内高校第一个上线、具有完整MOOC特征的在线学习平台［15］。为适应网络信息技术和现代教育技术新发展的要求，充分发挥MOOC课程建设效益，促进学校教学改革发展，我校依托梦课平台开展了部分公共选修课的教学与学分认定。

现结合梦课平台部分课程的学习者数据，应用本文构建的MOOC学习者参与度评估体系和方法进行学习者参与度的评估，以期能够为MOOC课程的综合建设提供数据支持。具体步骤如下。

步骤1：建立MOOC学习者参与度评估的层次结构模型评估模型如图1所示，其中包括认知参与、行为参与和情感参与3个准则和15个底层指标。对照梦课平台的学习数据，该评估模型完整有效，并不需要进行特定裁剪。

步骤2确定各层次准则与指标的权重系数

邀请教务部门的5位专家对各准则和指标的相对重要性进行判断，根据专家给出的指标间的两两比较值建立判断矩阵A′。以准则层为例，5位专家给出的准则两两比较矩阵如下。

此处为体现准则层的差异，取α=1，得到准则层的权重向量为W1=｛0.317，0.25，0.433｝。

类似的，对于“行为参与”准则下的6个底层指标，由评估专家给出判断矩阵A1′：

将A1′改造成模糊一致判断矩阵A1。

为体现各指标相对重要性的差异，取α=2.5，计算各指标的权重为

同理可求得“情感参与”和“认知参与”准则下各指标的权重系数W22和W23，此处不赘述。

需要注意的是，此处评判专家的意见趋于一致，在某些情况不一致的情况下，还要对专家意见进行综合，如采用加权的方法。

步骤3多级模糊综合评判

评估工作组设计的调查问卷和梦课平台提供的数据分别见表3和表4（部分数据）。

表3 MOOC课程参与情况调查问卷

表4 XX课程成绩（部分）

首先，对于评估体系中的不同指标，选择不同的度量参数，其中“行为参与”准则下的各指标大多由实际的成绩数据作支撑，而“情感参与”和“认知参与”准则下的各指标主要由调查问卷的结果和授课教师给出的数据支撑。需要注意的是，各项数据在使用之前应依据3.1节的方法进行标准化处理。

此处以“行为参与”准则的模糊评判为例，将各指标的评判等级分为5级，集合表示为｛很低，低，中等，高，很高｝。在学习过程中，就“行为参与”准则下各指标的参数值进行了采集，如表5所示。

依据表5中的学习数据和调查问卷数据，由评判专家意见确定模糊综合评判矩阵R21如下：

可得B21=（0，0.185，0.342，0.424，0.049）。

表5 XX课程学习参与度数据采集表

同理可求得B22，B23，最后得到B：

此处为呈现MOOC学习者参与度的现状与趋势，选取最大隶属度准则对评判结果进行处理。根据最大隶属度原则，该门MOOC课程的学习者参与度结果高。综合此次实例分析的结果，发现专家对于认知参与的打分更高，权重系数最大，反应了专家意见对于学习者内在的课程参与动力更为重视。在评估数据的获取方面，不同于其他课程的学习者参与度数据获取方式，通过设计调查问卷的数据获取方式更为客观有效。

5 结语

学习者的参与度研究是MOOC课程评价的一个重要方面。本文尝试从“行为参与”、“情感参与”和“认知参与”三个维度构建了MOOC学习者参与度评估的层次结构模型，并给出了MOOC学习者参与度评估的模糊综合评判方法，并结合国防科大梦课平台的学习数据给出了实例分析。论文研究中的数据来源自梦课平台的真实学习数据和调查问卷数据，评估结果的科学性和有效性在某种程度上依赖于调查问卷设计的合理性，因此下一步将针对调查问卷设计的科学性进行深入研究。