大规模开放在线课程的用户行为研究.docx

          大规模开放课程的用户行为研究                    王哲（南开大学 商学院，天津 300071）摘要：结合用户研究领域理论，采用实证方法对MOOC的用户行为模式进行初步分析，探究用户需求，提出相应的用户激励方法和MOOC改进建议，以期为平台设计者提供参考，为相关领域的未来研究工作提供思路关键词：MOOC；用户行为；模型分析；用户需求；用户激励作者简介：王哲，女，本科生，研究方向为互联网用户信息行为和信息习惯，susanwangzhe@ 1背景大规模开放课程（massive open online course，MOOC）是一种针对大规模用户的教育新模式，是教育领域最新出现的网络信息服务模式，具有大规模、开放式与网络授课三大特点MOOC一词最早出现在2008年，由加拿大学者Bryan Alexander和Dave Cormier提出[1]自2012年起，这一领域呈现爆发式增长，领军的三大MOOC服务平台为美国的 Coursera、Udacity和 EdXMOOC服务提供商同世界顶尖大学及相关商业教育机构合作，提供免费观看的、高质量的网络公开课程，并为用户提供广泛的支持（包括课程作业布置、学习评估、用户间的互动交流、群体学习），为顺利完成课程的用户有偿提供学习证明。

截至2013年，全球已有逾320万人注册为MOOC用户，各大MOOC平台正与包括哈佛大学、麻省理工学院、斯坦福大学、普林斯顿大学、香港科技大学、清华大学在内的全球60多所高校展开合作，MOOC的两位创始人双双入选《时代》杂志“2012年世界100名最具影响力的人物”[2]MOOC这一新兴的信息服务也引起了学术界的高度关注和热烈讨论，《科学》杂志对 MOOC寄予厚望，推出专刊[3]讨论教育的挑战和前景，包括虚拟实验室、激励体系等MOOC与网络公开课最大的区别在于：网络公开课仅限于资源的建设（如中国的网易公开课、腾讯大讲堂、CNTV中国公开课等），缺乏对用户学习进度的跟踪监测和对用户互动交流需求的支持而MOOC不仅提供来自闻名于世的顶尖高等学府的免费资源，还能使用户全程参与课程的教学互动反馈在MOOC平台上，用户可以进行学习、分享观点、参与讨论、做作业、参加考试、得到分数、拿到证书，体验学习的全过程MOOC平台以教学视频和课后学习评估机制为核心，为用户提供完整的学习环境，用户的学习进度和效果都可以得到监测和评估MOOC虽然在世界范围内拥有极高的讨论热度，但现有的MOOC平台尚存在许多亟待解决的问题，其中最广泛的质疑是到底有多少用户能坚持完成MOOC的完整学习周期？统计表明，MOOC的用户完成率维持在相对较低的水平。

笔者采用实证方法对MOOC的用户行为模式进行初步的分析研究（若无特殊说明，文中用于MOOC用户行为模型构建的主要基础数据源于斯坦福大学研究者F. Kizilcec、Chiris Piech和Emily Schneider在2013年发布的最新研究成果[4]），提出相应的用户激励方法和MOOC改进建议2MOOC用户行为模型构建2.1数据来源MOOC的核心服务有两个：一是视频课程讲授(video lectures)；二是以巩固学习成果和评估学习效果为目的的课后作业(assessments)因此，可将视频课程的观看情况和课后作业的完成情况作为用户是否持续使用MOOC服务的测度指标我们对用户行为的分析基于以下3门计算机领域的课程，难度由浅及深1）计算机基础：高中水平课程(high school level，HS-level)2）计算机算法设计与分析：大学本科水平课程(undergrad[来自Www.lw5U.com]uate level，UG-level)3）计算机概率统计模型：研究生水平课程(graduate student level，GS-level)表1是这3门课程在某个时间点的用户数量统计及其相关的人口学统计数据。

表2揭示用户所在国家和地区的HDI指数（即人文发展指数，是联合国开发计划署创立的以预期寿命、教育水准和生活质量3项变量为基础计算出的一国经济社会发展水平的综合指标，HDI指数高低与一国经济社会发展水平呈正比）表2中超过2/3的用户来自经济社会发展水平较高（HDI指数较高）的国家2.2MOOC的用户行为建模能否持续吸引用户影响到MOOC的商业模式、盈利能力乃至发展潜力想要持续吸引用户，需对MOOC现有用户的行为构建数据模型并进行分析以下是构建MOOC用户行为模型的具体步骤和实现方法第一步，以特征显著、方便观察、方便机器识度为原则，将MOOC的用户按照其行为的不同，直观上分为以下4种1）按时完成用户：按时观看视频和完成课后作业2）延迟完成用户：延迟观看视频或完成课后作业3）观看用户：只观看视频不完成课后作业4）退出的用户：完全退出课程学习，不看视频、不做课后作业第二步，将每门课程划分为9个时间段（如开课后第1~9周），利用计算机对用户在各个时间段的行为进行打分（如按时完成用户3分、延迟完成用户2分、观看用户1分、退出的用户0分），将每个用户在不同时间段的得分相加，利用统计学上的K平均硬聚类算法(K-means)[4]求得相似得分的聚类，从而得到经过调整后的用户行为模型分组。

表3是3门不同水平课程中各类型用户所占百分比的统计，可以发现，该模型对第一步所述的用户直观分类有明显改进1）完成学习型：指那些基本上完成了学习任务（视频观看任务、作业任务等）的用户虽然这些用户的作业完成质量不尽相同，但他们至少都尝试完成了所有的学习任务这一类型的用户行为与传统的课题学习中的用户行为最为相似2）观看型：指那些基本不完成课后作业，但持续观看视频课程的用户这类用户基本上跟进了课程全过程，同时，在这个组别中，没有用户取得MOOC出具的学习证明3）半途而废型：该类型用户在课程周期开始与“完成学习型”用户一样，但不久之后会消失或只偶尔观看视频课程平均而言，这个组别的用户会在3次课之内完成由“完成学习型”到“半途而废型”的转变4）尝鲜型：该类型的用户一般只尝试性地观看一次视频并且在观看过程中经常使用快进综上所述，MOOC所有的用户均可按其行为的不同归入完成学习型、观看型、半途而废型和尝鲜型4类值得注意的是，MOOC用户的行为为何会产生这样的分化？下面的分析将基于上述用户行为模型对MOOC各个重要的用户参数进行分析研究3基于MOOC用户行为模型的分析研究利用上述用户行为模型，我们寻找并分析MOOC中重要的用户行为参数，发现用户行为分化的原因和不同用户的潜在需求。

3.1用户行为参数的测度指标了解到底是哪些用户在使用MOOC、他们为什么要使用MOOC以及他们在使用MOOC时伴随的一些值得注意的活动，这是分析各类用户行为模式产生原因的第一步我们用五大指标对MOOC用户的行为进行测度1）人口学因素：包括用户的年龄、性别、受雇情况等，学生在注册MOOC课程时以自愿为原则回答相关询问，这些信息可以从MOOC数据库中获得2）用户所在地：由MOOC服务器通过用户的网络IP地址获知，可从MOOC的数据库中获取通过该项指标，我们可以知道MOOC课程是否真像它宣称的那样全球共享；世界不同地区的用户在使用MOOC时的习惯和行为特点是否相同等3）用户初衷：用户学习MOOC课程之初，网站会询问他们使用MOOC的初衷（如“因为它是免费的”“为了在找工作时更有竞争力”“因为对课程内容感兴趣”等）该指标可以了解用户选择使用MOOC的原因，从而分析不同类型用户的需求层次，有针对性地改进MOOC服务4）用户满意度：旨在测度用户对整个课程的满意程度课程周期结束后，所有参与过课程的用户（包括完成者、观看者、半途而废者和尝鲜者）都对课程体验的满意程度在3~5分的区间内进行打分5）用户的论坛活跃程度：可通过计算机程序计数用户在一个课程周期内在论坛上的发帖次数和评论次数，从而测度用户的活跃程度。

研究表明，群体交流和协作有助于促进个人学习效果的提升[5]论坛活跃程度指标旨在验证MOOC用户的社交行为与其使用MOOC持续程度的关联，从而为MOOC信息服务的改进提供方向3.2用户行为参数的数据分析3.2.1人口学因素（1）性别：在所有3个水平的课程中，均以男性用户居多；与此同时，课程难度越高，男女用户的比例相差越悬殊这或许暗示着女性用户在更高级别的课程中完成率较男性用户低，见表42）年龄：研究数据表明，除最高难度课程(GS-level)的完成用户在老年人(>65岁)和儿童(<18岁)中分布较少外，不同年龄层次的用户无明显行为分化3）受雇情况：研究数据表明，全职受雇者、研究生、本科生在不同的用户行为模型中的贡献率大致相当3.2.2用户所在地以下将以HDI指数为标尺，对MOOC用户所在的国家或地区进行划分，表5揭示计算机概率统计模型课（研究生水平课程，GS-level）用户的HDI构成比可以发现，随着HDI指数的增高，“完成学习型”和“半途而废型”的用户数量都在提高，而“尝鲜型”用户的数量在减少3.2.3用户初衷研究发现，用户最初使用MOOC大部分是因为：①认为课程有趣且富有挑战性；②认为课程的内容主题吸引人；③希望使自己在工作中更有竞争力。

3.2.4用户满意度在各门课程中，“完成学习型”用户对MOOC使用体验满意度高于其他行为模式的用户而在高中水平和研究生水平课程中，“观看型”用户对MOOC课程体验的满意程度与“完成学习型”用户相差无几，各类型用户满意度见表63.2.5用户的论坛活跃程度各类型用户的论坛活跃程度见表7完成学习型”用户的论坛活跃程度高于其他行为模式的用户，且课程难度级别越高，该特点越明显；随着课程难度的增加，各类型用户的论坛活跃程度也随之增加，其中“完成学习型”用户的增幅最大这验证了假设——MOOC用户的社交行为与其使用MOOC持续程度有紧密关联，且课程难度越大，这种关联越紧密有趣的是，高中水平课程和大学本科水平课程的各类型用户论坛活跃程度分布相似（均为完成课程型>观看型≥半途而废型>尝鲜型），而在研究生水平课程中，“半途而废型”用户的论坛活跃程度大大高于“观看型”，这一发现对MOOC设计者而言是值得关注的现象，设计者将探究其原因并将有针对性地改进对“半途而废型”用户的服务4对策性建议及对MOOC研究的思路探讨4.1关注“观看型”用户的行为和需求MOOC设计者应该从已有用户入手，了解他们最初为什么会选择使用MOOC服务，以寻求持续吸引用户之法。

用户对MOOC的持续使用行为源自两种需求：一是需要标准化的课程服务，包括视频课、课程作业以及后续的资格认证；二是需要更松散的课程结构，这类用户观看视频但不想完成作业，他们对课程的结果并不关心已有研究表明，MOOC提供的服务在满足第一种用户需求上已趋于饱和[2]，MOOC设计者应重点关注如何满足第二种用户（即“观看型”用户）的行为和需求从研究数据中可知，“观看型”用户占比可观，并且在高中水平课程和研究生水平课程中，他们对课程的满意度与“完成学习型”用户相近（表6）MOOC用户对课程的需求有很大一部分是来自他们的脑力盈余，他们学习课程的目的并非出于现实性考虑（不关注结果），而单纯是为了开发智力和增长见识因此，MOOC平台应记录用户的观看习惯和行为，再按照相应的行为模型对用户进行归类，对归为“观看型”的用户，系统停止推送提醒用户完成作业的系统消息，替换以鼓励用户持续观看视频的小贴士与此同时，在视频的设计中，设计者可以建。