圣荷西州立大学MOOC应用案例研究

袁智慧 孙伟

(1.东北师范大学 计算机科学与信息技术学院，吉林 长春 130117; 2.东北师范大学附中净月实验学校，吉林 长春 130117)

圣荷西州立大学MOOC应用案例研究

袁智慧1孙伟2

(1.东北师范大学 计算机科学与信息技术学院，吉林 长春 130117; 2.东北师范大学附中净月实验学校，吉林 长春 130117)

今天，MOOC的教学质量和卓越应用案例受到了越来越多的高等教育研究者的关注，一些国外的优秀研究值得我们参考和借鉴。本文将对圣荷西州立大学MOOC的成功应用案例的研究加以介绍，供国内研究者参考。案例中圣荷西州立大学利用MOOC课程为学生提供在线学习平台,该平台跟踪了学生的学习过程，记录了在线学习的登录日期和课程的进展，同时采用焦点小组讨论法了解了学生、教师、工作人员、协调人员对于MOOC的看法，并在此基础上采用列联表进行数据分析，以探究潜在的影响成绩的因素。最后研究者得出结论：学生越努力取得的成绩越好，学生特征与学习成绩间无统计意义上的显著相关性。这一案例是MOOC在混合式教学中应用的较为典型的实证研究案例，该研究结论对于MOOC设计开发者和使用者均具有较高的借鉴价值。

MOOC；圣荷西州立大学；在线学习；支持服务；在线学习环境

一、圣荷西州立大学MOOC的起源和发展

圣荷西州立大学是加利福尼亚1857年建立的第一所高等教育的公共教育机构。在2012年，圣荷西州立大学与MOOC的开发者进行了合作，发展了圣荷西州立大学在线课程。圣荷西州立大学的最初设想是在保证原有课程质量的基础上为该学校的学生和那些没有被录取的学生提供更多的机会参与到主要课程学习。不是圣荷西州立大学的学生也可以通过开放大学上其课程。

除圣荷西州立大学原本的课程外，学院的五名教师与“在线学习”合作开发了圣荷西州立大学额外的课程，包括入门数学、大学代数和初步统计。由于这三门课在教室里进行讲授存在一定的教学困难，为了提高这三门课程的教学效果，圣荷西州立大学为学生创建了在线学习环境。新的在线学习环境每节课限制招生100人，其中包括50名圣荷西州立大学的学生和50名非圣荷西州立大学的学生。设定这种限制有利于确保所有的扩大在线学习的学生能够充分利用在线资源。而没有被学校录取的学生一般是通过在线学习的平台进行招生，目前学员已经超过了15000人，这些学生包括来自资源不足的高中的学生、社区学院的学生和退役军人。

二、研究背景

此前已经有研究者将在线课堂教学和面对面课堂教学进行了对比分析，结果发现两种课堂教学下学生的学习成绩没有显著的差异，反而两种教学的混合课堂能够实现学生成绩小幅度提升。随后史密斯・贾加尔（Smith Jaggars）和贝利（Bailey）两名研究者也做了相关的研究分析，他们发现在线学习学生的课堂绩效更低[1]。他们在此研究中用课程分数和课程完成的进度作为因变量，结果发现所有学生在在线课堂中完成的情况不是特别好，一些学习小组甚至在在线课堂中得到了负面的影响，尤其是男性、年轻的学生、一些学术技能处于低水平的学生和非裔美国的学生[2]。同时还发现当组内学生一起进行在线学习时这样的负面影响加剧了。在该研究的基础上，许（Xu）和Smith Jaggars又选取了华盛顿州50000名在线课堂的学生和41000名面对面课堂的学生做实验研究[3]。在整个实验研究过程中研究者确保在线课堂和面对面课堂的学习环境、教职员工的准备以及学生所能利用的资源是相同的。他们的研究结果发现选修入门课程的学生以及学习缺乏自觉性的学生并不适合在线课堂的学习。

三、圣荷西州立大学MOOC案例介绍

（一）应用课程介绍

1.第一门是M6（《数学6》，在后文简称“M6”）。M6是数学的入门课程，是为高中学生达到大学数学水平所准备的一个5单元的基础课程和代数课程。由于M6重要的基础作用，对于圣荷西州立大学那些在第一学期没有选上M6的学生以及第一学期M6考试没有通过的学生来说，MOOC平台为他们提供了又一次学习机会，这是非常可贵的。

2.第二门是M8（《数学8》，在后文简称“M8”）。M8是一门引导性的大学代数课程，主要学习基本代数，包括复杂数字、功能图表、多项式、反函数、指数函数和对数函数。

3.第三门是S95（《统计95》，在后文简称“S95”）。S95初级统计学，是一门引导性课程。S95在教育、护理、人事部门管理、心理学、社会服务、社会学等学科中都有广泛的应用。课程入门要求完成初级水平数学以及两年的高等学校代数。

（二）学生的特征

在课程测试阶段参与课程学习的为213名学生，其中包括98名被圣荷西州立大学录取的学生，还有115名没有被录取的学生。

在三门课程当中被录取的学生的年龄大多数在18岁到25岁之间，而没有被录取的学生的年龄分布在15岁到86岁之间。一是M6的学生。M6是学习数学的初级入门，是唯一一门录取率达到58%的课程。所有被录取的学生年龄在18岁到24岁之间。二是M8的学生。与其他大学代数课程相比，M8的学生大多数是男性以及对数学非常感兴趣的学生。三是相应地S95更加受女性学生青睐。

（三）课程设计及数据收集

研究主旨是调查学生取得相应成绩的原因以及为未来在线课程的设计开发可应用的模式。在研究的一开始假设学生参与慕课学习所达到的成绩水平与面对面教学所达到的成绩一致甚至更高。另一个假设就是学生的特征应该与学生取得的成绩存在有意义的关系。之后，研究将围绕这两个假设开展。在研究进行过程中，研究者收集学生、教师、员工等的意见，并记录下学生在学习中所表现出来的特征以及慕课实现学生课程活动的方法。以上，都属于研究数据的收集整理阶段。之后使用一个统计的模型分析了学生的特征，以及慕课所提供的支持与学生成绩之间的关系，使用逻辑回归分析慕课学习中哪些因素影响学生的成绩。

研究中常常关注的问题有：一是哪位学生参与到MOOC平台学习，哪位学生没有参与MOOC平台学习，哪位学生通过了在线考试，哪位学生没有通过在线考试。二是参与MOOC平台学习的学生特征、MOOC平台上素材的应用、MOOC平台支持服务与取得好成绩之间的关系。三是对于整个研究过程学生、教师、在线支持服务者、协调者、领导他们从中学到了什么。

（四）数据分析

1.数据收集与处理

对学生进行调查。一方面收集来自圣荷西州立大学学生的个人信息，另一方面收集有关学生对MOOC平台应该如何提高成绩的想法。

对MOOC平台相关的教职员工人员进行采访。收集教职员工对如何设计完善MOOC平台以及如何通过MOOC学习使学生成绩提高的想法。

研究团队利用已经收集到的资源不断完善研究数据库。在数据库的创建过程中使用学生的ID和e-mail地址作为匹配的钥匙。其中有61名学生的信息输入存在问题，有25名学生在MOOC平台上注册了多门课程，有36名学生信息不完整，甚至有学生根本没有注册MOOC平台的ID。除此之外，还要收集所有学生在MOOC平台上的登录、选课以及退课情况的数据。

除对学生的个人特征以及教职员工的特征进行数据统计分析外，还对以下数据进行统计分析。

（1）应用课程的通过率。统计三门应用课程考试的通过率,通过率均不相同，这是因为学生本身在不同课程中的表现有很大的差别。在所有课程中被录取学生考试的通过率比没有被录取的学生比例大。课程通过率相差最为明显的是M8，最不明显的是S95。

（2）在线学习与面对面教学就相同课程进行对比。对比历年以来M6、M8和S95在两种不同的教学环境下课程的通过率和未通过率，结果表明所有在线学习的学生考试通过率均低于面对面课堂的学生，尤其是S95最为明显。

（3）学生使用MOOC情况。学生参与在线学习的时间长短也成为统计分析的一部分。首先统计五周内学生在线学习的时间，算出所有学生总的学习时间，再取平均值,可以看出学习时间超过平均值的学生考试通过率更高。学生五周内使用MOOC在线支持的情况表明在五周内频繁使用MOOC平台上所提供的在线学习支持的学生考试的通过率更高。

（4）MOOC平台上问题设定。MOOC平台上课程中问题数量的设置与学生考试通过率之间的关联表明,课程设置的问题越多，学生思考问题的机会就越多，相应的考试通过率就会提高。

2.分析方法

（1）逻辑模型的构建

逻辑模型优势在于更加有利于直观的解释：p(Passing)=exp{(α+β1Xi+β2Xi+…)/ [1+exp(α+β1Xi+β2Xi+…)]},where Xi represents the independent variables。首先MOOC平台相关教职员工提供调查相应的数据内容以及给出定量分析的方向。学生特征的数据库不断添加新的数据，考试的通过与否用来描述样本以及筛选变量，最终得出模型。

研究测试了27个影响考试通过与否的潜在因素，包括派生变量，如一星期学生进行在线学习的最少时间、预期进行面对面教学的时间与实际登录的时间。其中9个冗余变量被淘汰，回归模型最后测试剩下的18个潜在因素和五个变量对研究有显著的影响。

（2）探索性列联表分析

列联表是观测数据按两个或更多属性（定性变量）分类时所列出的频数表。列联表分析的基本问题是判明所考察的各属性之间有无关联。实验研究中使用χ2方法将35个列联表与独立变量、三个非独立变量结合完成二进制类。整个表中包括：课程的主题、学生入学时的情况、学生所参与在线的内容、学生在线学习时利用支持服务的情况。每个独立的变量都会转化成二进制类。

这也有其局限性，对于学生特征的数据收集并不全面，这对之后的研究结果会产生一定的影响。本杰明尼-霍思贝格（Benjamini-Hochberg）的错误发现率(罗斯福)应用在列联表中用以调整多重比较这一问题[4]。逻辑回归模型的创建只包括：a.所有学生，b.所有注册入学学生，c.所有没有被录取的学生,d.三门课程的学生们。只有三分之一的参与者对调查进行了反馈。这三分之一并不能代表全部样本。这对研究结论有很大的影响。

3.得出结论

（1）影响课程考试通过率的因素

学生并不是只要努力就能通过所有考试。学生本身的特征、MOOC平台上课程的安排、MOOC平台提供支持学习服务的应用情况和平台教职员工的特征都会对学生考试产生影响。

MOOC平台上问题数量的设定对于学生考试通过率有积极的影响。学生在完成平台上课程最开始设置的几个问题集后，发现完成这些数量的问题对学生的考试通过率并没有很大的影响。但坚持连续完成之后问题集的学生，他们的成绩明显得到了提高。例如，完成4个问题集的学生考试通过率比完成3个问题集的学生考试通过率高1.6%。这就表明MOOC平台上为课程设置的问题越多，越有利于学生的学习。

同样MOOC平台上课程教学视频时间的长短也对学生有着相同的作用。在上述的数据统计中发现正因为S95课程较长的视频时间，所以S95的学生平均能够完成MOOC平台上课程问题的一半，同时考试的通过率也较高。MOOC学习要求每周参与平台活动至少半个小时，学生需要登录一定数量的课程。预计学生对在线学习的参与程度也会对考试通过率有一定影响。

学生在MOOC平台上花费的时间越多，相应取得的成绩就越好。

MOOC平台的教职员工的性格特征对于在线学习的学生也存在影响。教职员工给学生带来的负面影响可能导致那些原本学习成绩就落后的学生对在线学习产生抵触心理。同时MOOC平台教职员工特征也会通过他们所提供的支持服务对学生产生影响。

（2）MOOC应用中存在的问题

在整个调查研究中发现MOOC平台上存在许多问题需要进行改进。由于很多地区的学生只有在学校才有机会使用计算机，MOOC没有得到全面的普及，这样就影响到了MOOC的教学效果。此外MOOC平台上的选课成功率、考试通过率都无法达到100%，许多学生可能选课失败或者考试失败。许多学生对MOOC上提供的支持学习服务利用率极低，调查数据显示64名学生中超过60%的人表示在线学习过程中几乎没有使用过MOOC平台上的支持服务。平台的设计开发者应该从学生的角度考虑什么样的支持学习服务才能提高学生的成绩。

在调查中有80%的学生表示想要在MOOC平台上获得更多帮助，如希望MOOC平台可以新创建一个网站供学生在网站上下载并打印课程材料。此外学生提到最希望得到教师在情感上的关注，希望MOOC平台提供更多与教师面对面交流的机会。另外学生希望完善MOOC的反馈环节，学生提出在线学习过程中教师不仅要指出学习当中的错误，还要及时指导学生对错误进行修改。另一方面教师指出在在线学习当中，学生们几乎不问与课程内容有关的问题。这一点让教师很苦恼，学生不问问题，教师就没有办法了解学生已达到的学习程度。教师每天要阅览数以百计的电子邮件，电子邮件成为了师生之间的纽带。其中有一名教师在采访中提到一点是非常关键的，那就是教师在回复学生的电子邮件时所使用的语言一定要丰富多彩，这样才能吸引学生的注意力让他们愿意继续参与到在线学习中。另外一名教师补充道，在整个学期过程中，教师不可能读到所有学生的电子邮件或者只是读了部分内容。这就造成了教师与学生之间的交流障碍，学生会因为没有得到教师及时的回馈而放弃在线学习。最后有教师指出要及时对MOOC平台上的教学素材进行更新以吸引学生。

四、结论和建议

就目前而言，各个大学越来越多地在思考如何将MOOC整合到他们的总课程和各门课程当中。通过本研究能得出以下结论。

（一）MOOC平台学生学习情况

最后得到的研究结果发现被录取的学生比没有被录取的学生在MOOC平台上的表现更好。在实验研究中选取的大多数课程内容本身比较容易学习，所有学生的考试通过率很高，相反那些较难的课程学生考试的通过率依然较低。

（二）MOOC应如何提高学生的成绩

MOOC平台上S95这门课程要求学生每周必须参与一次在线学习，在之后期末的调查中发现S95课程的考试通过率明显高于其他课程。这就说明了MOOC平台上课程结构化的任务对于学生的成绩有着一定的积极影响作用。除此之外，研究者和教师表明MOOC平台的设计、开发者需要进行前测，以真正了解学生的需求。通过对学生需求的满足来提高他们MOOC学习的参与程度和应用程度，这些对提高学生的成绩都会产生影响。

除了要考虑平台的内在原因，还有平台之外的原因。就目前而言，教育的传播大多还是选用传统的面对面教学的形式，所以学生对于在线学习缺乏经验，甚至有很多学生从来没有参与过在线学习。另外，在一些偏远地区，必须普及网络以及计算机的使用。

（三）研究对教职员工的启示

一位教师说道：“如果你想像讲授语文那样生动形象地讲授代数，教学的可视化是很重要的。这种可视化是可以通过在线形式在一定的情境下实现的。目前教师在教学过程中几乎忽略了这一点。”另外一名教师也有相同的观点：“对比其他常规的课程来说MOOC更加符合实际，可以为学生创设真实的情境，同时MOOC平台上覆盖了更多的教学素材。”另外的一名教师强调：“MOOC当中不断更新的素材让人应接不暇。课程对于资源的利用以及对真实情境的创设都是有利于学生的学习的。”

[1]Smith Jaggars,S.,& Bailey,T.(2010).Effectiveness of fully online courses for college students:Response to a Department of Education meta-analysis.New York,NY:Teachers College, Columbia University.Retrieved from http://ccrc.tc.columbia. edu/media/k2/attach ments/effectiveness-online-response-metaanalysis.pdf.

[2] Xu,D.,& Smith Jaggars,S.(2011).Online and hybrid course enrollment and performance in Washington State Community and Technical Colleges.New York,NY:Teachers College, Columbia University.

[3]Xu,D.,& Smith Jaggars,S.(2013).Adaptability to online learning:Differences across types of students and academic subject areas (CCRC Working Paper).New York,NY:Teachers College,Columbia University.Retrieved from http://ccrc.tc. columbia.edu/publications/adaptability-to-online-learning.html.

[4]Benjamini,Y.,& Hochberg,Y.(1995).Controlling the false discovery rate:A practical and powerful approach to multiple testing.Journal of the Royal Statistical Society,Series B(Methodological),57,289-300.

（责任编辑 杜丹丹）

Case Studies on MOOCs’ Application in San Jose State University

YUAN Zhihui1,SUN Wei2
（1.College of Computer Science and Information Technology of the Northeast Normal University,Changchun,Jilin,China 130117; 2.Affiliafed Jingyue Experimental School of the Northeast Normal University,Changchun,Jinlin,China 130117）

Today,MOOCs’ quality of teaching and excellent application cases have attracted a great attention by more and more higher education researchers,some foreign outstanding researches deserve our study and is worthy of reference.This article presents successful case studies and an introduction of MOOCs’ application of San Jose State University for domestic researchers.In the spring of 2013,this college uses MOOCs to provide students with online learning platform for more students to complete their studies.It has attracted more than 15000 students. Then it has tracked the students’ learning process,recorded the login date of online learning with the course development. By using a focus group discussion to understand viewpoints of students,faculty,staffs and coordinate personnels to MOOCs.On this basis,using the data of contingency table analysis,it explores potential factors that affect performance results.Finally,researchers concluded that the harder students have worked,the better they have achieved.There was no significant correlation in statistics between students’ characteristics and learning achievements.Case studies presented in this article are typical and empirical examples of MOOCs’ practice in the blended teaching application.This study offers a conclusion of higher reference value to MOOC designers,developers and users.

MOOC;San Jose State University;online learning:support services;online learning environment

G434

A

2096-0069（2015）02-0088-05

2015-3-30

本论文获得2011年度教育部高等学校博士学科点专项科研基金课题“信息技术深层整合教学结构与教师教育技术学科化研究”（课题号20110043110013）、东北师范大学哲学社会科学校内青年基金团队项目“文化公平观与完善公共文化服务体系建设研究”（课题号12QN043）、国家社会科学基金项目一般项目“全媒体语境下日媒对中国形象塑造及中国对日传播策略研究”（课题号11BXW022）资助。

袁智慧（1992— ），女，内蒙古牙克石人，东北师范大学计算机科学与信息技术学院硕士研究生，研究方向为远程教育、教育信息化；孙伟（1966— ），男，吉林吉林人，中教高级，东北师范大学附中净月实验学校教师，研究方向为中小学信息技术应用。