探索影响MOOC保留的因素：一项调查研究
摘要：
大规模开放式在线课程（MOOCs）具有向全球受众开放教育机会的潜力。然而，有证据表明，只有一小部分MOOC参与者继续完成课程，而对影响保留的MOOC设计和实施因素的了解相对较少。本文报道了一项调查研究，其中379名参加开罗大学的学员被鼓励参加他们自己选择的MOOC作为其发展的一部分。 122名学员（32.2％）继续完成整个课程。完成率按性别，学习水平（本科或研究生）或MOOC平台没有显着差异。 MOOC后的学生对感知的调查发现，MOOC课程内容是MOOC保留的重要预测因子，其关系由内容对课程感知效果的影响调节。与MOOC教师的交互也被发现是MOOC保留的重要预测因子。总体而言，这些构建体解释了MOOC保留方差的79％。
- 介绍
大规模开放式在线课程（MOOCs）是一种快速增长的教育提供模式，具有开放超越地理和社会边界的世界级教学和教育资源的潜力。对于那些在西方顶级大学进行面对面教育的旅行和学费的成本高昂的发展中国家的学生来说，这些潜在的收益会特别高。但是，报告参与者人口统计学的研究表明，相对较少的参与者来自发展中的世界地区，如非洲和亚洲，大部分来自北美或欧洲（Liyanagunawardena，Adams，＆Williams，2013）。此外，尽管与MOOCs相关的潜在影响和宣传，整体保留率通常很低（保留率10％被广泛引用）。虽然研究调查研究开始考察保留率低的原因，但这些研究往往侧重于单一的MOOC作为案例研究（例如Greene，Oswald和Pomerantz，2015; de Freitas等，2015）或者看意图完成而不是实际行为（例如Alraimi，Zo和Ciganek，2015）。由于这种方法论的重点，对MOOC非完成者的经验知之甚少（Liyanagunawardena等，2013）。因此，本研究旨在探讨影响MOOC学习中实际学习成绩的因素。进行了一项调查研究，这些调查研究的学习者完成了一个MOOC以及完成MOOC的学习者，从而可以在这两个子组之间进行比较。该研究的重点是驻埃及的学生，代表北非的一个发展中国家，其人口在MOOC参与方面代表性不足，但潜在收益很高。 学习者通过多种不同的流行平台和各种主题注册MOOCs，从而探索MOOC特征对留存率的影响以及参与者人口统计学的影响。 学习者对MOOC特征的看法采用从距离和电子教学评估文献中发展出的量表收集。 我们的主要目标是探索经验变量（即学习者报告的课程体验）是否预测了学员参与课程的程度，以便潜在地通知设计更有效的MOOCs
- 文献评论
MOOCs受到越来越多人的关注，无论是在大众媒体上（例如Pappano，2012; Kovanovi？c，Joksimovi？c，Gasevi？c，西门子和Hatala，2015）以及作为学术研究的主题。对MOOC研究的早期系统评价是由Liyanagunawardena等人提供。 （2013年）。这篇评论发现，大部分报道的实证研究都遵循一个案例学习方法;它还突出了文献中的一些差距，其中包括缺乏对MOOC经验的探索发展中国家和缺乏研究考虑MOOC非完成者的角度。 Raffaghelli，Cucchiara和Persico（2015）同样在MOOC文献中对方法论的审查中高度依赖案例研究。Ebben和Murphy（2014）对MOOC奖学金进行了系统的回顾，突出了两个不同的话语阶段：从早期的连接主义焦点到后来的行为焦点。在这个后期阶段，学习分析的发展得到强调，通过提供MOOCs本身的过程为数据挖掘提供了丰富的资源，以更好地理解学习者的行为。
本文的具体重点是学习者对MOOC的体验以及MOOC特征对学习者保留的体验效果。 学习者保留作为衡量MOOC成功的一个重要指标很重要，因为只有坚持课程的学习者才有机会获得预期的学习体验的教育益处。
2.1Mooc学习者保留
有关MOOC学习者留存率的早期报告侧重于观察到完成率趋于非常低。 例如Alraimi et al。 （2015）引用了一些来源得出结论，保留率平均低于10％。 最近有越来越多的文献从参与者特征和MOOC特征两个方面着眼于影响学习者在MOOCs中保留的因素。
一种频繁的研究方法是使用单一的MOOC作为案例研究来考察保留因素。这与Liyanagunawardena等人确定的广义相呼应。 （2013年）和Raffaghelli等人（2015年），似乎也反映了许多MOOCs讲师也利用自己的课程作为收集研究数据的机会，支持Ebben和Murphy（2014）确定的数据挖掘趋势。在一个单一天文学MOOC的案例研究中，de Freitas et al。 （2015年）推测，具有挑战性的评估和加密元素都会对完成产生积极影响，但他们并未提供数据来支持这一点。 Greene等人（2015年）进行了一个案例研究，考察单个MOOC（关于元数据：组织和发现信息）中的学习者保留情况。他们收集了开始本课程的参与者的调查数据，然后查看了这些数据如何使用生存分析预测保留率。他们发现参与者以前曾经有过海洋石油参与者的经历不太可能退出，而受过较多教育的年纪较大的参与者也如此。对完成课程的自评承诺是结果最有统计学意义的预测指标。 Greene等（2015）的论文集中于参与者的特征，而不是MOOC。
一些研究也开始关注更广泛的MOOC样本的保留因素。 Hew（2014）在三个学科中研究了三个被高估的MOOCs，结合了参与者观察和965位参与者的反馈数据分析。从这项工作中，他们提出了五项促进学生参与的特征：以问题为中心的学习，指导员的可及性和激情，主动学习，同伴互动以及使用有用的课程资源。然而，他们没有直接看待保留，他们也没有包括任何排名较低的MOOC作为对照。 Reich（2014）报告了一项研究，该研究基于九项哈佛大学X课程的调查和记录数据，该研究还显示了学习者完成学习意愿与实际完成（获得证书）之间的关系，并且这是结果强于任何人口变量的预测因子。然而，那些表示打算在本研究中完成一门课程的人中，只有22％这样做（相比之下，只有6％的人表示他们只打算浏览）。 Adamopoulos（2013）分析了用户生成内容的真实世界数据集，模拟了预测自我报告课程进度的因素。这项研究包括对来自六个提供者的三十多名133个课程的842名学生提交给在线课程评论中心（在Course Talk.org上）的1163篇文章评论的情感分析。分析表明，与课程教师相关的积极情绪对完成可能性具有最大的积极影响;与作业和课程材料有关的表达情绪也有积极影响。然而，所研究变量的数据来源的性质，通过自我报告的在线课程评论，可能会对样本产生偏倚。哈佛大学和麻省理工学院决定释放含有来自16个哈佛大学X和MITx课程的原始学习数据的adataset，从而增加了基于多个课程MOOC数据的数据挖掘的范围（尽管目前仅在一个平台上）在2012e13提供（MIT新闻，2014）。然而，由于缺乏对未完成课程的用户的体验的了解，这些数据的实用性仍然受到限制。在对知情同意，隐私，匿名和保密等问题进行了不充分考虑的案例中，对MOOC数据挖掘的潜在研究伦理问题也表示担忧（Marshall，2014）。
Alraimi等人 （2015年）对三个主要的美国MOOC平台（Coursera，Ed X和Udacity）的316名用户进行了一项调查研究，该调查研究旨在继续使用MOOCs。 他们发现意图受到感知的声誉，感知的开放性，感知的有用性，感知的享受和用户满意度的显着影响。 虽然这项研究有利于在多个MOOC平台和课程中查看体验，但关注意图使用而不是实际完成是一个限制。
有关MOOC学习者保留的文献也对保留模式进行了一些了解，并导致对最合适的保留措施提出质疑。 “参与漏斗”（Clow，2013）在MOOC教育中得到了广泛的认可。 de Freitas et al。 （2015年）报道，天文学MOOC开始时相对较快的辍学率稳定在课程的最后部分，分数微乎其微。同样，Greene等人（2015年）发现，在课程开始和第一个单元结束之间学生人数大幅下降（约40％），第一次和第二次评估之间进一步下降了25％，但随着参与者接近结束，辍学的可能性越来越小课程。 De Boer，Ho，Stump和Breslow（2014）认为，教育变量例如入学率和辍学率需要重新考虑MOOCs。这里的问题部分源于这样一个事实，那些最初注册MOOC的人可能没有打算参与，因此将他们纳入计算留存率的统计数据可能被误认为是误导性的。
总体而言，虽然有关MOOC学习者留存的文献不断增加，但现有研究受到一些限制。 特别是对MOOC功能如何对学生的体验和保留有所贡献的理解不足，以及对未能完成课程的参与者的观点的洞察力不足。
2.2在线学习效果的维度
尽管MOOCs的文献具有相当的新生性，但在线和远程学习方面还有一些较早的工作，这显然与这种新的在线提供形式具有潜在的相关性。 Peltier，Drago和Schibrowsky（2003）回顾了关于远程教育，虚拟社区和教学效果的文献，提出了在线教育体验的有效性模型。 Peltier等人（2003年）的研究支持六种结构的相关性，三种侧重于人际交往问题（学生间交流，学生指导者互动和指导员支持与指导），三种侧重于课程设计（课程内容，课程结构和信息传递技术）。他们对在线MBA课程的299名学习者进行的研究发现，所有这些构念都显着影响了课程整体感知效果的评分。后来使用结构方程模型重新分析这项研究的数据进一步表明，课程内容是决定在线学习体验感知质量的最重要因素（Peltier，Schibrowsky，＆Drago，2007）。
Eom，Wen和Ashill（2006）研究了类似结构对Peltier等人的影响。 （2003年）（课程结构，互动和教师知识和促进）以及教师反馈和两个与参与者自身（学习风格和自我激励）相关的构想。 他们的研究利用PLS中的结构方程模型和来自397名在线学习者样本的数据，发现所有这些结构预测用户满意度。然而，只有教师反馈和参与者学习风格被发现影响学习成果; 另外用户满意度预测了学习成果。
Marks，Sibley和Arbaugh（2005）认为，研究人员应该研究在线学习的三个方面：教师与学生的互动; 学生 - 学生互动和学生内容互动。 在一项实证研究中，他们发现了师生互动和学生互动对自我评估学习效果的显着影响，而指挥与学生互动具有学生与学生互动的两倍效应。 他们无法证明学生内容变量在他们的模型中具有统计学意义上的显着效果，然而这些都是通过与表现特征相关的单指标潜变量来衡量的，其中一些很少在课程样本中使用（例如使用流式音频， 流媒体视频），其中一些无处不在（例如Power Point演示文稿）。
虽然这些研究很有趣，但它们与MOOC的使用情况相差甚远。 特别是参与者参加在线课程，因此需要完成信贷课程。 因此，在下一节中，我们提出了一个模型来调查在早期电子学习研究中调查的结构是否与MOOC连续性有关。
- 研究模型
目前研究的目的是探索影响MOOC完成/学习者保留的因素。我们主要关注用户对MOOC功能的感知，而不是个别的学习者特征，因为我们的主要关注点是为可能访问它们的广泛学习者设计和提供更有效的MOOC，包括那些来自欠发达国家本研究的样本。类似于Markset al。 （2005）我们考虑了三大类经验：与课程教师的经验;与其他学员在课程中的经验;并具备课程设计特点的经验;因为它们一起涵盖了单个MOOC如何彼此不同的广泛范围。我们利用我们对以前报道的文献进行回顾，提出了一些我们假设可能影响学习者在这个新兴语境中保留的构念。对结构的选择是通过考虑那些已经显示出来的特征来预测迄今为止有限的研究中特定考虑MOOC采用的结果，或者（在MOOC特异性证据不存在的情况下）被证明与类似的特征（即更一般的在线学习）。鉴于本研究的探索阶段，采取包容性方法来构建选择以确保广泛覆盖可能相关的变量。这导致了相对较多的初始假设（n = 15），随后通过对所得到的测量模型进行检验来确定（见第4.4节）。
3.1教学效果
如上所述，Adamopoulos（2013）提供了一些关于教师在MOOC保留中作用的初步证据，并对与完成相关的课程导师（从1163条在线注释的评论样本）中积极评价评论。然而，正如Adamopoulos（2013）在他的研究中使用情感分析而不是主观测量结构，我们期望早期（非MOOC）的在线学习研究能够确定教师互动的可靠测量。在第2.2节中回顾，研究人员更普遍地看待电子学习的有效性，已经确定了指示器互动的几个不同方面。这些包括教师与学习者的互动（Peltier等，2003），教师支持（Peltier等，2003）和教师反馈（Eom等，2006），所有这些都被发现可以预测至少一种课程因此Peltier等（2003）对299名在线MBA课程学习者进行的调查研究发现，教师与学习者的互动和教师支持对感知效果的影响。 Eom等人（2006年）对397名至少研究过一个在线课程的美国大学生进行的研究发现，教师反馈对学习成果和用户满意度都有影响。为了进行这项研究，我们保留了所有三种结构，看看这些效应是否也在MOOC环境中发挥作用，因此我们假设：
H1-3。 MOOC中的教师行为（教师与学习者的互动，教师支持和教师反馈）将对学习者的留存产生积极的影响
我们在这项研究中的主要结果变量是学习者保留。 然而，由于研究设计阻碍了直接测量保留（例如Peltier等人，2003），许多早期关于在线学习效能的研究使用感知有效性（衡量学习环境满意度）作为其因变量。 因此我们也包含了以下假设：
H4-6。 MOOC中的教师行为（教师与学习者的互动，教师支持和教师反馈）将对知觉效果产生积极影响
3.2共同学习者效应
虽然我们的文献回顾没有确定任何MOOC特定的实验证据来发现共同学习者的作用，但讨论板和支持与其他参与者的互动是所有主要平台MOOC实现的一个关键
全文共13585字，剩余内容已隐藏，支付完成后下载完整资料
英语原文共 12 页，剩余内容已隐藏，支付完成后下载完整资料
资料编号：[12781]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
