一项探讨影响学生继续慕课学习的因素的 调查研究外文翻译资料

外文文献一：

一项探讨影响学生继续慕课学习的因素的

调查研究

Kate S. Hone^a，Ghada R. El Said^b

^a英国伦敦布鲁内尔大学

^b埃及未来大学

摘要：MOOC有潜力为全球受众打开教育机会。然而，有证据表明，MOOC参与者中只有一小部分人继续完成课程，而且对影响保留率的MOOC设计和实施因素的了解也相对较少。本文报道了一项对开罗大学379名参与者的调查研究，这些参与者被鼓励参加他们自己选择的MOOC课程，作为他们发展的一部分。122人(32.2%)完成了全部课程。在性别、学习水平(本科或研究生)或MOOC平台上，完成率没有显著差异。一项针对MOOC课程后学生感知的调查发现，MOOC课程内容是MOOC保留率的一个重要预测指标，其关系由课程内容对课程感知有效性的影响所介导。与MOOC讲师的互动也被发现是MOOC保留率的重要预测因素。总体而言，这些概念解释了MOOC用户留存率变化的79%。

关键词：大规模在线开放课程； 远程教育

慕课学习者保留率

早期关于mooc学习者保留率的报告关注的是结业率往往很低。例如，Alraimi等人(2015)引用了一些资料来源得出的结论是，平均留存率低于10%。最近，有一小部分但是呈增长趋势的文献关注了MOOC中影响学习者记忆的因素，包括参与者特征和MOOC特征。

一个常见的研究方法是使用一个单一的MOOC作为案例研究，看看保留因素。这与Liyanagunawardena等人(2013)和Raffaghelli等人(2015)发现的更广泛的趋势相呼应;也似乎反映了许多mooc教师也将自己的课程作为收集研究数据的机会，支持了Ebben和Murphy(2014)提出的数据挖掘趋势。de Freitas等人(2015)在一个单一的天文学MOOC案例研究中推测，挑战性的评估和游戏化元素都对完成有积极的影响，但他们没有提供数据来支持这一点。Greene等人(2015)进行了一个案例研究，研究单一MOOC中的学习者保留率(关于元数据:组织和发现信息)。他们收集了开始这门课程的参与者的调查数据，然后观察这些数据是如何通过生存分析预测保留率的。他们发现，与年龄更大、受教育程度更高的参与者一样，有过mooc学习经历的参与者退出的可能性更小。自评完成课程的承诺是最具统计意义的预测结果。Greene等人(2015)的论文关注的是参与者的特征，而不是MOOC。

一些研究也开始在更大范围的mooc样本中考察保留因素。Hew(2014)通过对965名课程参与者的参与观察和反射数据分析，研究了三个学科领域的3个排名最高的mooc。从这项工作中，他们提出了促进学生参与的五个特点:以问题为中心的学习、教师的可及性和热情、主动学习、同伴互动和使用有用的课程资源。然而，他们并没有直接考虑用户留存，也没有将排名较低的mooc作为对照。Reich(2014)报告了一项基于九门哈佛课程的调查和日志数据的研究，该研究还显示了学习者完成意愿与实际完成(获得证书)之间的关系，这是比任何人口统计学变量更强的结果预测器。然而，在那些表示他们打算在这项研究中完成一门课程的人中，只有22%的人这样做了(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数据集，以建模预测自我报告课程进展的因素。这项研究包括对在线课程评论中心(CourseTalk.org)上提交的1163条文本评论的情感分析，这些评论来自6个供应商、30所大学的133门课程的842名学生。分析表明，与课程指导者相关的积极情绪对完成的可能性有最大的积极影响;作业和课程材料表达的情感也有积极的影响。然而，研究变量的数据源的性质，通过在线课程评论的自我报告，可能会对样本产生偏差。进一步研究的范围基于数据挖掘蕴藏数据跨多个课程(虽然目前只在一个平台)增加了哈佛大学和麻省理工学院的决定释放包含学习去除了识别信息的原始数据的数据集从16 HarvardX MITx课程2012年e13(麻省理工学院的新闻,2014)。但是，由于缺乏对未完成课程的用户的经验的了解，这些数据的效用仍然有限。也有人对MOOC数据挖掘潜在的研究伦理问题表示了担忧，尤其是在没有充分考虑知情同意、隐私、匿名和信任本质等问题的情况下(Marshall, 2014)。

Alraimi等人(2015)对美国三大MOOC平台(Coursera、EdX和Udacity)的316名用户进行了一项调查研究，考察他们继续使用MOOC的意愿。他们发现意向受感知声誉、感知开放性、感知有用性、感知享受和用户满意度的显著影响。虽然本研究的优势在于研究跨多个MOOC平台和课程的经验，但关注使用意图而非实际完成程度是有局限性的。

关于MOOC学习者记忆的文献也对记忆模式进行了深入的研究，并对最合适的记忆方法提出了质疑。关于参与的漏斗模型(Clow, 2013)在MOOC教育中被广泛认可。de Freitas等人(2015)在他们的天文学MOOC课程开始时报告了一个相对较快的辍学率，到课程的最后部分，辍学率稳定在几乎可以忽略不计的水平。类似地，Greene等人(2015)发现，在课程开始到第一单元结束之间，学生人数大幅下降(约40%)，在第一次和第二次评估之间，学生人数进一步下降25%，但随着课程接近尾声，学生退学的可能性越来越小。DeBoer、Ho、Stump和Breslow(2014)认为，mooc课程需要重新定义入学和辍学等教育变量。这里的问题部分源于这样一个事实，即那些最初注册MOOC的人可能并没有打算参与，因此将他们纳入计算保留率的统计数据可能会被视为具有误导性。

总的来说，虽然关于MOOC学习者记忆的文献越来越多，但现有的研究存在一定的局限性。特别是，人们对MOOC的特色如何有助于提高学生体验和保留率知之甚少，对未能完成课程的学员的观点也缺乏深入的了解。

外文文献二：

大海捞针:在MOOC论坛上识别需要紧急

回复的学习者帖子

Omaima Almatrafi, Aditya Johri, Huzefa Rangwala

美国，费尔法克斯，乔治梅森大学，信息科学与技术系

摘要：尽管大型网络公开课(massive open online courses，简称mooc)成功地吸引了大量学习者，但它们未能同样成功地留住学习者，直到课程结束。许多课程，尤其是那些使用讨论论坛作为协作学习方式的课程，失败的一个关键点是论坛上交换的大量信息。从教师的角度来看，信息的广泛交流常常会造成混乱，而且有几个问题仍然没有答案。缺乏对紧急信息的关注和响应，从学习者的角度来看，这是向前发展的一个主要挑战。本文提出了一个模型来识别需要教师立即关注的紧急岗位。在我们的分析中，我们研究了不同的特征集和不同的数据挖掘技术，并报告了解决需要紧急关注的消息识别问题的最佳特征集和分类技术。研究结果表明，无论课程内容如何，我们都能够利用有限数量的语言特征和精选元数据，建立一个从中度到高度可靠的分类模型，来识别MOOC论坛上的紧急帖子。这项工作在一系列提供大规模课程的平台上具有潜在的应用价值，可以帮助教师有效地浏览论坛，并对响应进行优先排序，以便及时的干预可以支持学习，并可能降低辍学率。

关键词：以电脑为中介的沟通；提升课堂教学；导航；慕课

介绍

自2008年大规模在线开放课程(mooc)诞生以来，参与者、课程开设数量以及提供mooc的不同渠道的可用性都出现了显著增长。现代mooc背后的目标是提供大规模的全球开放在线资源(Liyanagunawardena, Adams， amp;)威廉姆斯,2013)。近十年后，超过5800万用户注册了至少一个MOOC, 700多所大学提供数千门课程，这些课程分布在Coursera和edX等不同平台上(Shah, 2016)。MOOC发展的最新趋势是提供超越个人课程的课程，并提供大规模在线开放学位，例如佐治亚理工学院与Udacity(计算机科学硕士学位)和edX(分析学硕士学位)(Maderer, 2017)的合作。

在mooc中，论坛为在线学习者提供了一个重要的平台，让他们可以与彼此互动，也可以与讲师互动。论坛的使用减少了学习者之间的孤立感，并允许他们共享知识和关注。然而，在线学习环境中有大量帖子(和参与者)的论坛降低了学习者之间的互动性水平(Kim, 2013)。此外，在一个在线课堂上有数百个帖子，老师很难审查所有的帖子问题和评论。因此，有一种呼声要求在讨论论坛中对书面数据进行替代表示，以便教师能够毫不费力地全面了解嵌入讨论中的信息(Dringus amp; Ellis, 2005)并在有兴趣的新帖子发布时通知他们(Lin, Hsieh， amp; Chuang, 2009)。

本文的研究目标是开发一种监督学习模型，无论课程主题或内容如何，都能自动识别MOOC论坛中的紧急帖子。紧急帖子是指那些需要教师立即注意的帖子。虽然基于社会建构理论,教师的角色在网上学习需要的不仅仅是应对关键帖子(例如,增加接触,促进深度学习,并创建社区意识)Woo amp; Reeves, 2007),我们在这个研究焦点是识别关键问题蕴藏论坛中表示。我们相信，一个有效的监督和应对紧急职位的机制将帮助教师优先考虑他们的反应，并更好地管理大量的职位。它还将帮助解放教师的时间和注意力，以从事更多的社区建设和脚手架活动。此外，该模型可以减少困惑，提高完成率，因为教师可以及时干预。研究表明，迷茫和辍学之间存在相关性(Yang, Wen, Howley,Kraut, amp; Rose, 2015)。也有研究表明，MOOC论坛缺乏响应性可能是导致学习者辍学的一个因素(Hone amp; El Said, 2016;Wang, Yang, Wen, Koedinger， amp; Rose, 2015)。

在本文的其余部分，我们将简要介绍相关的工作(第2节)，然后在第3节解释目前的研究、数据和方法。之后，我们将在第4部分报告分析结果，并在第5部分进行讨论。最后，在第6和第7节中，我们将提请注意一些局限性并提出今后的工作建议。

外文文献三：

游戏化:大规模在线开放课程(MOOC)成功

的关键决定因素

Manuela Aparicio^a,⁎, Tiago Oliveira^b, Fernando Bacao^b, Marco Painho^b

^a葡萄牙，里斯本大学，新信息管理学院

^b 葡萄牙里斯本,新葡京大学信息管理学院

摘要：大型开放式网络课程(mooc)对个人赋权做出了重大贡献，因为它们可以帮助人们学习广泛的主题。为了实现mooc的全部潜力，我们需要了解它们的成功因素，这里的成功因素定义为用户使用、用户满意度、用户参与带来的个人和组织绩效。我们提出了一个理论框架来识别MOOC成功的决定因素，并在实际的MOOC环境中对这些因素进行了实证测量。我们提出了游戏化的作用，并认为游戏化与信息系统(IS)理论一起对mooc的成功起到了至关重要的作用。

关键词：大规模在线开放课程；慕课；游戏化；在线学习；信息系统；慕课成功模式

介绍

大规模开放在线课程(Massive open online courses，简称mooc)是国家数字经济的关键战略支柱，因为信息和通信技术(ICT)的接受是为社会、组织和个人提供一系列机会的基础。组织处于不断变化的过程中，mooc的使用为终身学习创造了条件，赋予人们能力，并将他们转化为任何模式中强有力的变革推动者。mooc让老师在一门课上讲课的学生比在一辈子的教学中讲课的学生还要多。工学院与Udacity(计算机科学硕士学位)和edX(分析学硕士学位)(M

剩余内容已隐藏，支付完成后下载完整资料

外文文献出处：Computers amp; Education, 2016, 98:157-168.

外文文献原文

Exploring the factors affecting MOOC retention: A survey study

Kate S. Hone^a，Ghada R. El Said^b

^a Brunel University London, Kingston Lane, Uxbridge, UB8 3PH, UK

^b Future University in Egypt (FUE), 90th Street, Fifth Settlement, New Cairo, Egypt

Abstract:Massive Open Online Courses (MOOCs) hold the potential to open up educational op- portunities to a global audience. However, evidence suggests that only a small proportion of MOOC participants go on to complete their courses and relatively little is understood about the MOOC design and implementation factors that influence retention. This paper reports a survey study of 379 participants enrolled at university in Cairo who were encouraged to take a MOOC of their own choice as part of their development. 122 par- ticipants (32.2%) went onto to complete an entire course. There were no significant dif- ferences in completion rates by gender, level of study (undergraduate or postgraduate) or MOOC platform. A post-MOOC survey of students perceptions found that MOOC Course Content was a significant predictor of MOOC retention, with the relationship mediated by the effect of content on the Perceived Effectiveness of the course. Interaction with the instructor of the MOOC was also found to be significant predictor of MOOC retention. Overall these constructs explained 79% of the variance in MOOC retention.

MOOC learner retention

Early reports on learner retention in MOOCs focussed on the observation that completion rates tend to be very low. For example Alraimi et al. (2015) cite a number of sources to conclude that retention rates are on average less than 10%. More recently there has been a small but growing literature looking at the factors which affect learner retention within MOOCs, both in terms of participant characteristics and MOOC characteristics.

A frequent research approach is to use a single MOOC as a case study to look at retention factors. This echoes the wider trend identified by Liyanagunawardena et al. (2013) and Raffaghelli et al. (2015) and also appears to reflect the situation where many MOOCs instructors are also using their own course as an opportunity to gather research data, supporting the data mining trend identified by Ebben and Murphy (2014). In a case study of a single astronomy MOOC, de Freitas et al. (2015) speculate that both challenging assessments and gamification elements positively impact completion, but they do not present data to support this. Greene et al. (2015) conducted a case study looking at learner retention within a single MOOC (on lsquo;Metadata: Organization and Discovering Informationrsquo;). They collected survey data from participants who started this course and then looked at how this data predicted retention using survival analysis. They found participants with prior experience of MOOCs were less likely to drop out, as were older and more educated participants. Self-rated commitment to completing the course was the most statistically significant predictor of outcome. Greene et al.s (2015) paper focusses on the characteristics of the participants, rather than of the MOOC.

Some studies are also starting to look at retention factors over a wider sample of MOOCs. Hew (2014) studied three top rated MOOCs across three disciplines, combining participant observation with analysis of reflection data from 965 course participants. From this work they propose five features that promote student engagement: problem-centric learning, instructor accessibility and passion, active learning, peer interaction and using helpful course resources. However, they did not look directly at retention and they did not include any lower ranked MOOCs as controls. Reich (2014) reports a study based on survey and log data from nine HarvardX courses which also showed a relationship between learner intention to complete and actual completion (to earn a certificate) and this was a stronger predictor of outcome than any demographic variable. However, of those who indicated that they intended to complete a course in this study, only 22% did so (compared to 6% who said they only intended to browse). Adamopoulos (2013) analysed a real-world data set of user generated content to model the factors that predicted self-reported course progress. This study included sentiment analysis of 1163 textual comments submitted to an online course review hub (on CourseTalk.org) by 842 students across 133 courses from thirty universities across six providers. The analysis suggested that positive sentiment expressed in relation to the course instructor had the largest positive effect on likelihood of completion; sentiment expressed in relation to assignments and course ma- terial also had a positive effect. However, the nature of the data source for the studied variables, being via self-reported via online course reviews, may bias the sample. The scope for further research based on data mining of MOOC data across multiple courses (though only on one platform at present) has been increased by the decision of Harvard and MIT to release a dataset containing de-identified original learning data from 16 HarvardX and MITx courses offered in 2012e13 (MIT News,2014). However, the utility of such data r

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[271768]，资料为PDF文档或Word文档，PDF文档可免费转换为Word