本文由《開放教育研究》雜誌授權發布
作者：李曼麗、徐舜平、孫夢姝
摘要
以往研究發現，大量MOOC學習者中途退出，課程完成率非常低，這個現象一直困擾著MOOC授課教師和MOOC平臺所有者，低課程完成率不是期望的目標，也不利於MOOC的持續發展，許多授課教師和研究者試圖改變這種狀況，這個現象也因此成為學者們關注的焦點。為了分析在此背景下哪些因素對學習者的課程參與和課程完成產生影響，並基於分析結果給出建議，本研究以「學堂在線」（xue tang X）平臺的「電路原理一」課程數據為基礎，使用Tobit和Logit兩個定量分析模型，分別對MOOC學習者的課程參與和完成情況進行深入分析。研究發現：學習者的課程學習動機越強，學習者在課程討論區和Wiki表現越活躍，即課程參與度越高，同時更有可能學完課程；課程註冊時間越早，學習者越容易完成課程學習，也會較多地參與課程討論；相對於非高校學習者，高校的學習者在討論區中表現更活躍；個體課程參與度對其他學習者具有明顯的正向影響。這些發現對於MOOC的持續發展具有一定指導意義。
關鍵詞：MOOC；學習行為；退出行為；課程參與
一、前言
2012年，大規模公開在線課程，即MOOC逐漸在美國頂尖高校中興起，名校在網絡學習平臺上提供大量免費精品課程，為更多學生自主學習高校課程提供了可能。此後，越來越多美國以外的大學通過與Coursera、Udacity、edX二大MOOC平臺建立合作而加入到MOOC潮流中。2013年5月，清華大學正式加盟edX，成為edX首批亞洲高校成員之一。為了促進國內學習者更便於通過MOOC學習，清華大學還特別設計搭建了學堂在線（Xue tang X）。
MOOC在世界範圍內備受關注的同時，在中國的發展也成為MOOC研究者關注的焦點。在MOOC出現前，中國已有遠程網絡教育，它是廣域分配教育資源的重要途徑。中國在網絡課程建設實踐的過程中，出現了諸如課程數量多但使用率低，重視教學內容傳授而輕視學習環境設計，教學內容呈現形式單一等問題（林君芬等，2001）。但是，之後出現的MOOC，豐富了學習內容、教學方式和學習方式，為學習者提供了更多的機會（Yuan&Powell，2013），這使得在線教育進入了新的階段。在MOOC平臺上，學習者可以學習由世界一批一流大學提供的高質量精品課程。
MOOC被認為是一種有別於傳統教學模式的新型知識傳播模式，然而它的諸多問題也開始被人們關注，比如，主要是哪些類型的學習者在學習？學習者的個人屬性（性別、所在地區、高校學生、已受教育年限等）對他們的MOOC學習會產生怎樣的影響？MOOC是一種完全自主的學習模式，大部分學習者中途退出及課程完成率低，如何解釋這種普遍存在的情形？上述問題對MOOC的發展有非常重要的影響，值得研究者予以關注。
二、文獻綜述
雖然中國已有多所名校積極推進MOOC，但總體來說，MOOC在中國仍處於萌芽階段。根據調查，學習者在年齡、地區和職業上有明顯的集中性，多以城市的年輕人和大學生為主，且具有完整學習體驗的MOOC深度學習者數量十分有限；在地區分布上，學習者主要集中在東部沿海經濟發達和中西部經濟比較發達、高等教育資源相對豐富和人口較多的省市，以市區為主（李曼麗等，2013）。
作為一種完全自主的學習模式，MOOC學習更多的是自我驅動型的，即內在的學習動機推動學習者選修課程。國外對MOOC課程學習者的學習動機研究發現，主要的學習動機包括：對主題感興趣（87%）、職業發展的需要（44%）、對授課方式感興趣（Belanger&Thomton，2013），能夠學到知識和技能（55.4%），作為個人的挑戰（Breslow et al.，2013）等。國內調查問卷也呈現相似結果，79.8%受訪者表示對課程內容有強烈興趣，75.76%受訪者認為能夠接觸到高質量的課程或好的學校，45.96%受訪者認為課程對工作和學習非常有用，興趣成為MOOC學習的基本前提（劉楊等，2013）。
遠程教育的高退出率是被頻繁關注的重要現象之一，MOOC也呈現出相同趨勢。國內對遠程教育的研究發現，引起遠程學習者退出是多個因素相互作用的結果，這些因素可以分為兩大類：
1）與學習者本身相關（學習者的教育、環境、心理背景等）；
2）與教育環境相關（教師、學校、學習系統支持等）。
其中，退出者的性別、年齡、課程負擔是影響遠程教育學習者在學時間的重要因素。據調查，在總體上，男性學生退出率高於女性，退出人數隨年齡增大而呈階梯狀增多，在某個年齡段達到峰值，再隨年齡的增大，退出人數又呈階梯狀減少；幾乎全部退出者在第一學期都選了較多課程，課程負擔過重，極易退出學習（劉永權等，2012）。MOOC由於缺乏傳統教育模式下的督促措施和教學環境，也出現了類似特徵。MOOC高退出率的原因也很多，如難以實現學習的自我調控，淹沒在海量信息和複雜網絡中，難以適應協作交流學習方式等，這些壓力都會導致學習者無法繼續學習（樊文強，2012）。發現MOOC學習者退出的主要原因，並提供針對性解決措施，是MOOC平臺所有者和課程製作者面臨的一項重要任務。
針對MOOC學習者的高退出率問題，MOOC平臺的討論區可以發揮一定的作用。在MOOC討論區中，世界各地的學生都可以從自己的角度就某一問題進行討論（蘇艽等，2013），有些授課教師和助教也會通過網絡社交平臺積極地參與到學習者的討論中，幫助學習者更好地學習（李曼麗，2013）。
對於討論區的效果，有學者研究了課程論壇的使用對課程通過率的影響。庫切等（Coetzee et al.，2014）2013年3月對一門MOOC課程的調查結果顯示，5985個註冊學生中，僅有532人通過，其中使用課程論壇的1572個註冊學生中，442人（佔通過人數的83%）通過了課程學習，近30%，遠高於不使用論壇的2%的學習通過率。
根據上述相關文獻的回顧，在MOOC課程學習中，學習者選修某門課程主要是由其學習動機驅動的，這成為本文分析的基本出發點。而對普遍存在的學習者高退出率問題，雖然有學者對其原因進行了說明，但鮮有文獻對其進行更為精準的量化闡釋，這也成為了本文研究的重點。許多文獻證實了討論區有助於降低退出率，但這些文獻僅僅是簡單的描述統計，本文試圖更加精準地分析討論區對課程完成的影響。
三、研究問題和研究方法
（一）研究問題
本文主要研究兩個問題：
1）哪些因素影響課程參與，以及影響的方向和程度如何？
2）哪些因素影響課程完成，以及影響的方向和程度如何？
本文以清華大學電機繫於歆傑老師在學堂在線（xue tang X）上開設的「電路原理一」課程為例，對上述研究問題進行實證研究。
關於學習者的課程參與和課程完成情況，本文研究方向是分析哪些因素會影響課程的完成（用課程完成度衡量），以及如何影響。對於課程的參與情況，本文擬用課程參與度衡量，衡量指標是課程討論區的參與情況和wiki的詞條編輯情況。本文對課程參與情況的分析，主要是為了通過提高學習者的參與度，間接地提高學習者的課程完成度。
課程參與度的影響因素（即自變量）包含在課程完成度的影響因素中，在課程參與度不存在外部性的情況下，它僅僅作為中間變量，不會對課程完成度帶來新的內容。但是，由於網絡產品的特殊性（即使用人數越多，價值越大），就MOOC課程而言，某一個體的課程討論區和wiki的參與程度越高，對其他學習者的幫助越大，存在顯著的正外部性，所以對於課程參與度的分析具有必要性。
（二）研究意義
本文期望通過這兩個問題的研究，發現MOOC課程學習者退出學習的影響因素，並且通過對影響因素的分析，為解決MOOC課程學習普遍存在的高退出率提供解決思路或方案，以更好地幫助學習者從MOOC中獲得更多的價值。
（三）研究方法
1）對課程參與情況，本文以課程參與度（討論區和wiki的參與情況）為因變量進行分析。對課程參與度的衡量，本文將學習者在討論區中參與討論、在wiki中編輯詞條，作為課程參與意願的度量指標，但是在兩個模塊中都沒有參與的學習者佔比較高，數據存在被左截取（left-censored）的情況，所以本文將使用Tobit模型進行估計。
2）對於課程完成情況，本文以課程完成度（學習者參加了課程的期末考試，即表示學習者完成了課程學習）為因變量進行分析。課程完成度只有兩種情況：完成、未完成，屬二值因變量，所以本文用Logit模型進行估計。
四、數據和描述統計
本文分析數據是清華大學電機繫於歆傑老師2013年10月17日在「學堂在線」上開設「電路原理一」課程過程中學習者學習所產生的。由於涉及對學習者退出行為的分析，本文提取了2013年12月23日該課程期末考試結束時及結束前所生成的學習者的數據（因為期末考試結束後再加入課程的學習者，無法參加考試完成課程的學習，所以本文分析沒有使用這部分數據），共5027個樣本。
下面對幾個主要分析變量說明如下：
1）學習動機是對課程學習分析的基本影響因素，是出發點。但是，由於「學堂在線」所記錄的數據沒有關於學習動機的度量，所以本文用數據中最能體現學習者動機的學習時長的對數（ln學習時長）作為學習動機的代理變量。
2）高校集中度表徵的是高等院校的相對集中程度，用以分析學習者是否因高校資源比較集中，而不太傾向學習MOOC課程，本文的高校相對集中地區包括：京、滬、蘇、鄂、陝、粵、遼、魯、津。
3）課程完成度以學習者是否參加課程期末考試為判斷標準，如果參加了考試，則表示學習者完成了課程學習。
4）課程註冊時滯表示學習者的課程註冊時間和課程開放註冊時間（2013年10月9日）的差值，單位為天，差值越大，表示註冊越晚，該變量用以分析學習者學習課程時間的早晚，是否會對學習者的學習產生影響。
5）課程參與度則用學習者在討論區的發帖數和在wiki中編輯詞條的次數之和度量。本文分析所用的其他變量見表一和表二。
表一和表二是「電路原理一」課程學習以及學習者分布的描述統計。女性佔8.7%，該門課程的學習者主要為男性。學習者平均受教育年限15.5年，圖1顯示了學習者學歷分布情況，表明該課程的學習者主要為本科及以上群體（本科學歷佔51%），符合課程主要面向本科及以上學歷學習者的特點。高校學習者佔13.2%，表明該課程的學習者主要不是來自於高等院校，而是校外群體居多。東部地區的學習者佔59.8%，表明學習者主要來自於經濟發達地區，而經濟落後的西部地區學習者比例不到16%。學習者平均課程註冊時滯26.7天，從圖2也可以看出，課程註冊時間較分散，開課後的第一周有一個小高峰，課程首次上線（2013年10月17日）的時滯為8天，第一次練習的截止時間（2013年10月24日）的時滯為15天，表明許多學習者是在開課一段時間後才加入課程學習的。圖3是學習者年齡分布直方圖（由於數據填寫不規範，該圖去掉了前2%和後1%的年齡數據），從圖中可以發現學習者主要集中在19-25歲年齡段內，青年人是該課程的主要學習人群。
五、計量結果及分析
表三中的模型1是課程參與度的Tobit回歸結果，其中ln（學習時長）顯著為正，表明該變量所代表的學習者的學習動機越強，學習者會越積極地參與到課程互動中（即在討論區中與其他學習者交流討論或在wiki詞條中做貢獻），表明學習動機是課程參與的重要影響因素；高校學習者顯著為正，表明高校學習者比非高校學習者課程學習的活躍程度更高；課程註冊時滯顯著為負，體現了學習者的學習時間越短，參與程度越低，可能是由於時間少而降低了學習者的參與意願，也可能是較早開始學習的學習者在討論區中的討論已經解決了該學習者的許多問題，或者wiki詞條已被其他學習者編輯較多而該學習者很難再去完善詞條。其中，女性學習者在10%的顯著性水平上為正，體現了女性學習者課程參與程度相對男性學習者更高些。其他的係數都不顯著。
表三中的模型2是課程完成度的Logit回歸結果，其中課程參與度顯著為正，表明學習者的課程參與越多，越傾向於完成課程的學習，也體現了學習者對於學習付出的珍惜；ln顯著為正，且係數值較大，表明學習動機仍然是影響課程完成情況的最重要影響因素，MOOC課程的學習主要是學習動機驅動型的；課程註冊時滯顯著為負，表明學習者的學習時間越短，越難將課程學完，主要原因可能是，由於離課程期末考試時間短，一方面是學習者認為自己學習的內容少，沒有自信能夠通過期末考試，另一方面是平時成績少，即便參加了期末考試，也無法保證總分及格，這些都讓學習者沒有動力參加課程期末考試。其他係數都不顯著。
六、結論與討論
學術界對M00C學習者的學習退出已經開展了一些研究，試圖找出學習者退出的原因以及如何減少學習者中途退出的比例。本文結合「電路原理一」課程，得出以下結論。
1）首先需要關注的是學習者的學習動機。學習動機是課程完成的最重要影響因素，可以從知識、技能、主題甚至從學習方法上激發學習者的興趣。我們通過學習時長體現學習動機，因為長期和深入的MOOC學習，即較長的學習時長，是由包含興趣在內的學習動機驅動的（劉楊，2013）。同時我們發現，學習者較早地加入到課程學習中，有助於他們完成課程學習，MOOC平臺所有者和課程製作者可以採取某些方法，例如通過平臺推送提醒信息，吸引潛在的學習者更早地加入到課程學習中，讓其有更加充足的時間學習課程。
2）其次需要關注課程參與度的正向影響。MOOC強調學習的主動建構性、社會互動性和情境性，重視學習共同體與合作學習（MOOC中的交流論壇、同伴評價）（李曼麗，2013）。MOOC的這一教學設計原理，說明了課程參與度在MOOC學習中的重要性。我們的研究也驗證了課程參與度與學習完成率之間有著極密切的關係，有不可忽視的正向影響。這給授課老師的啟示是，在教學方法上進行升級創新，積極鼓勵學習者參與到課程中去；給MOOC平臺所有者的啟示是，技術平臺要能夠更好地輔助教師的教學，更好地支持學習者的課程參與或課程互動。
本文還想就本研究和基於MOOC平臺所產生的海量數據進行如下討論：
1）本文對於課程參與度的模型分析，關注MOOC作為一種網絡產品所帶有的社交性，與傳統的產品屬性有著明顯的不同。網絡產品的一個重要屬性是，產品使用人數越多，該產品對個人的價值越大。但是，本文對於課程參與度的分析僅局限於某一學習者在課程參與中的付出對自己課程完成情況的影響，而對其他學習者的課程參與情況的影響未能提供更多的信息。儘管如此，就本研究的結論而言，仍然可以支持MOOC課程互動越強，討論區或者其他社交性的網絡板塊越活躍，會給該課程所有學習者帶來顯著的正影響等結論。
2）在教育和網際網路相結合的時代背景下，數據越來越重要，價值越來越大，利用課程產生的學習行為數據改善學習者的學習表現和結果，將是未來發展的必然趨勢。MOOC平臺基本具備學習行為數據的記錄功能，平臺運行過程中產生的海量數據應該成為MOOC相關機構的重要信息資產（魏順平，2014）。由於「學堂在線」數據記錄的局限，本文的實證分析未能充分考慮學習者更多的背景信息和學習行為，比如學習者的專業背景、所處行業、是否在其他地方修習過相關課程、為何學習本課程、課程難度、課程價值等，這些信息對學習者的課程學習，以及中途退出都會產生影響。因此，更加完備的數據記錄和分析，更有利於推動MOOC向前發展。平臺系統利用數據挖掘技術對學習者的數據進行更為深入的挖掘分析，通過預測模型自動提出相應的課程內容和教學環節順序的調整方案，教師和研究者可以基於數據挖掘結果和學習分析，對學生進行幹預（張羽等，2013），是技術應用更為深入的方向。這些都有賴於計算機技術的進一步發展，通過計算機技術的發展，把教育推向更高的層級。
作者簡介：李曼麗，清華大學教育研究院教授，博士生導師，研究方向：課程與教學（marylee@tsinghua.edu.cn）；徐舜平，清華大學教育研究院2013級碩士研究生，研究方向：在線教育（xsp13@mails.tsinghua.edu.cn）；孫夢鐐，清華大學計算機系本科四年級學生，教育研究院MOOC研究課題組研究助理（sunml_thu@163.com）
轉載自：《開放教育研究》2015年4月第21卷第2期
排版、插圖來自公眾號：MOOC（微信號：openonline）
產權及免責聲明本文系「MOOC」公號轉載、編輯的文章，編輯後增加的插圖均來自於網際網路，對文中觀點保持中立，對所包含內容的準確性、可靠性或者完整性不提供任何明示或暗示的保證，不對文章觀點負責，僅作分享之用，文章版權及插圖屬於原作者。如果分享內容侵犯您的版權或者非授權發布，請及時與我們聯繫，我們會及時內審核處理。了解在線教育，
把握MOOC國際發展前沿，請關注:
微信公號：openonline
公號暱稱：MOOC