MOOC学习参与度影响因素研究

黄荣伟，黄盛月，李 璐

(浙江师范大学教师教育学院，浙江金华321000)

1 研究背景

MOOC是由具有分享和协作精神的个人和组织发布的，为了增强知识传播而散布于网络的开放性课程[1]。2015年教育部出台了《关于加强高等学校在线开放课程建设应用与管理的意见》，提出“建设一批以大规模在线开放课程为代表、课程应用与教学服务相融通的优质在线开放课程”等重要任务[2]，2019年教育部在《教育信息化和网络安全工作要点》中提到要完成高等学校在线开放课程的认定工作，以加快在线开放课程的发展[3]。MOOC的相关建设也在逐步进行中。

随着时间的发展，有研究者发现，MOOC的参与度低、辍课率高是普遍现象。本文对MOOC参与度的影响因素进行分析研究，并根据研究结果给出提高学习参与度的建议，以期对提高MOOC学习参与度产生积极作用。

2 文献综述

当前针对MOOC的研究主要分为MOOC的课程设计研究、MOOC的评价研究和MOOC持续学习意愿研究3类。

2.1 MOOC的课程设计

不少学者尝试将MOOC与翻转课堂相结合，探讨翻转课堂的新范式[4]。教学视频是课程中重要的一部分，对于教学视频的优化也是当前备受关注的一点[5]。同时基于不同理念的课程设计也随之兴起，例基于“OBE”理念的课程设计是以“知识-能力”作为教育产出目标，对课程以“回溯式”的方法进行设计[6]，基于社会性知识网络和活动理论的课程设计也已经有学者进行研究并得出相关结果[7-8]。

2.2 MOOC的评价研究

现有MOOC的学习主要包括视频学习、论坛讨论、单元测验、作业及期末考试。为了让学生与教师能够共同参与到评价中，现在课程中不仅有客观评价，还有教师的主观评价和同伴互评等方式。不同的评价方式对课程的影响也是不一样的，同伴互评使学习者可以了解其他参与者的体验感悟从而提升自己，进行不同来源的学习[9]，也有学者利用模糊综合评价法以适切性的角度对MOOC进行相应的评价获得了不同的结果[10]，MOOC的整体评价主要是针对课程内容、教学设计、学习支持等层次进行[11]，现在也有不少学者运用学习分析技术对MOOC课程产生的数据进行研究并得出相应结果[12]。

2.3 MOOC持续学习意愿研究

研究者对MOOC线上持续学习意愿的影响因素进行了相关研究。研究者选择的角度不同得出的研究结果也不同。MOOC论坛中教师的参与对学习者的影响是十分重要的，教师进行有效的回帖和答疑能够激发学生的论坛参与度进而完成课程的学习并有效影响学习者后续选择MOOC的意愿[13-14]。与课程的有效交互也是影响持续学习的重要因素，课程的呈现方式对学习者与课程的交互产生重要影响，学习者与课程交互程度越高，学习满意度也会提高，从而对未来的MOOC学习也会产生良性影响[14-16]。其他因素对于MOOC持续学习意愿也有重要影响，学习者的自由度感到威胁时，在一定程度上会减弱后续学习意愿[17]，娱乐性也是影响学习意愿的一大重要因素[18]。

本研究将通过收集学生对于MOOC课程、平台、师生互动、同伴合作以及学习者自身等分析影响学习者学习参与度的因素，并根据结果提出相关建议。

3 问卷设计与数据分析

本研究针对MOOC参与度设计了相关调查问卷，通过线上线下结合的方式进行问卷的分发和收集，对数据进行整理和分析，得到的结果如下。

3.1 描述性数据统计

本次填写问卷的女生比例略高于男生，但差距不是很大，说明MOOC学习者与性别没有太大关系；在年龄分布上，18-30岁的学习者比例最高，这个年龄段的学习者正处于人生的青年时期，对工作有着高度的热爱，对学习有着强烈的欲望，同时这一类学习者能够接受新事物，对于MOOC这一新生事物具有较高的接受能力；学历上，本/专科学生占据80%，这一阶段的学习者拥有更长的时间学习，不仅可以学习自己专业的知识，同时也可通过参与MOOC进行其他知识的补充，以获得全面的提高；对于MOOC平台的选择，多数学习者选择的是国内的平台；学习的MOOC数量大多是1～2门，每周学习时长1～3小时占据比例最高；而在参与程度上，超过70%的学习者仅仅是观看视频、偶尔参加讨论，参与程度并不高。

3.2 信效度检验

目前研究中来进行信度检验大多采取克隆巴赫α系数(Cronbach’s Alpha)，用来测量量表的内部一致性。使用SPSS软件对调查问卷参与度影响因素数据进行了信度检验，结果显示Cronbach’s Alpha的值为0.932，系数的值较高，说明问卷的信度值较好。

通常在研究中采用KMO检验和Bartlett球状检验进行效度检验，判断数据量表是否适合进行因子分析。在SPSS Statistics软件中对问卷中参与度影响因素数据进行了KMO检验与Bartlett球状检验，结果表明KMO值为0.751，Bartlett的球形度检验的Sig值为0.000，近似卡方值为5 755.029(自由度df=803)，说明收集的数据是适合因子分析的。

3.3 因子分析

因子分析(Factor Analysis)可以简化数据，在众多变量中找出隐藏的具有代表性的因子，同时可以保存原有数据体现的信息。本研究对MOOC学习参与度的影响因素使用因子分析，抽取六个主要因子并进行因子命名。

为了显示变量与因子的关系，把调查问卷的题目根据因子载荷矩阵的排列进行划分并进行了命名，结果如表1所示。

3.4 回归分析

在进行因子分析后，为进一步了解各因子与MOOC学习参与度之间的关系，采用回归分析对各因子进行线性回归检验。结果如下表2所示。

对MOOC学习参与度现状和6个因子进行多元回归，F的值为12.049，F显著差异性为0.000小于0.05，表明线性关系显著，可构建线性回归方程，由表2-6可以看出，常量和各影响因素的的t检验显著性均小于0.05，所以该模型的构建有意义。可得到回归方程F(x)=0.222α+0.211β-0.33γ+0.571γ-0.585δ+0.036ε(注：F(x)是MOOC参与程度，α是学习参与者，β是课程建设，γ是学习者同伴，λ是教师指导，δ是平台支撑，ε是政策支持)

表1 因子命名

表2 MOOC学习参与度影响因子的回归系数a

上述数据分析结果显示，影响MOOC学习参与度的因素可归纳为学习者主体因素、教师指导因素、平台支撑因素、课程建设因素、学习者同伴因素和政策支持因素六个方面。同时回归分析显示有的影响因素与MOOC学习参与度成正相关关系，例如社会对MOOC的认证程度、MOOC课程视频的清晰度等因素；同时也有呈现负相关的影响因素，例如课程视频的长短、平台的使用难以程度等因素。所以在设计MOOC时，不仅要能够考虑提高参与度的因素，同时也要对降低MOOC参与度的因素进行调整。

4 策略探究

结合上述研究结果，对提高MOOC学习参与度提出以下建议：

4.1 培养学习者学习参与的主体意识

MOOC的学习过程中，学习者与教师无法进行面对面交流，教师也不能给予学生实时的指导和管理，需要学习者有较强的自我管理和自主学习能力。可以相应提高学习者的求知欲望，激发学习内驱力，从而促进学习者参与MOOC的学习。

4.2 加强教师的指导

MOOC需要加强教师的指导作用，把学习者从被动参与转变为主动参与。教师要转换角色，注重学习者的差异性和多样性，做好因材施教，引导学习者有效参与MOOC的学习。

4.3 注重平台的易用性

有的MOOC学习者认为平台使用的难易程度也是一个重要的因素，平台应该设置学习导航，引领学习者进行学习平台相关操作，使学习者熟悉各种平台学习行为。

4.4 丰富课程建设

课程是影响学习者学习最直接的一个因素，所以在课程建设中，要充分考虑时长问题，有的学习者可能是抽出时间来进行MOOC的学习，短的课程视频可能会使得学习参与度更加优异。

4.5 做好学习者任务分配和评价

布置相应的学习任务可以加深对所学知识的理解，但是学习者并不处于同一水平，在进行分组任务设置时要考虑学习者，根据学习者的能力高低进行分组，做到优缺互补，共同进步；学习者不只是一个被评价者，而是一个评价参与者，同伴评价可以应用于整个评价过程，通过同伴评价，学习者可以相互学习、吸取他人优点，同时帮助学生清晰明确地调整自己的行为，得到相应的提高。

4.6 推进教学政策改革

现有教学政策更多的关心的是教学绩效，这就要求在政策改革中，将学习者作为主体，从学习者角度出发，鼓励学习者自主学习；采取有效的考核政策，鼓励学习者学习MOOC。

5 结语

在MOOC盛行的热潮下，各方学习者都纷纷涌现，但随着课程的进行，许多学习者出现了半途而废的情况，导致现有MOOC完成度不像人们预想的那样理想。本研究针对MOOC学习者学习参与度影响因素开展了问卷调查，收集了相关数据并进行了分析总结，这些因素的提炼为我们探讨提高MOOC学习者学习参与度的策略指明了方向。

本次研究中，由于时间紧迫，可能收集的数据不够普遍，另一方面，调查对象在填写问卷时回忆不稳定，在填写部分问题时会下意识得进行偏向性修饰，影响了自身的真实情况。未来的研究中，笔者将会继续挖掘MOOC学习参与度影响因素，进一步完善和调整相关建议。