慕课大数据背后的“教与学”

文 / 余建波

人们对一件事物的投入会随着时间的推移而衰减，慕课学习者也会因为时间、精力、兴趣的下滑而最终无法很好地完成课程。学习者总是希望将课程完整地学完，但因为选课太容易，辍学也就普遍存在。本文分享MOOC运行大数据背后的教学设计理念，希望从这些运行数据中看到课程教学设计的不足进而改进教学设计，提高在线课程的教学质量。

影响因素一：开课周数

在运行课程时发现，开课周数越长越影响学生完成率，学生越到最后越难坚持。如图1所示，课程运行过程中学生参与度呈漏斗形逐渐减少。

根据这个规律，开始尝试将在线课程调整为每学分4～5周完成，课程为短平快的节奏。FutureLearn将大多数课程安排为5周，课程的完成率可以达到30%左右，如果开课周数大于10周，则完成率低于10%，如图2所示。

图1 在线课程学生保持情况（按周统计）

图2 按学程（开课周数）统计课程的完成率

影响因素二：学生观看视频长度

从图3可以看出，观看视频时间比较长的学生完成率相对要高。这一点与传统课堂一致，学生学习性（上课认真听讲）投入的时间越多，课程的得分越高。

影响因素三：参与在线作业与练习互动

在组织课程运行时应鼓励学生多看视频，同时也要鼓励学生参与课程的讨论、练习、作业等教学活动。在线课程中，学生的学习性投入（学习互动）与课程成绩成正比，如图4所示。

图3 课程视频观看时长与课程成绩关系

影响因素四：无法摆脱传统课堂的模式

从上海交通大学大数据研究团队的研究结果可以看出，部分学生是“闭门造车型”，而部分老师仍然是“知识传授型”。

通过对学生在各类学习行为上的得分进行归一化，进而对学生的学习质量得到一个综合的评价，并以图形化的方式展现出来。图5是通过大数据分析对学生个体进行的学习质量综合评价，可以看出该学生在作业练习上比较突出，但是在论坛讨论中表现不佳，说明了该学生的学习模式偏向于“闭门造车”，而不太与其他同学进行交流。

图4 学习互动与课程总成绩关系

通过对教师在各类教学行为上的得分进行归一化，进而对教师的教学质量得到一个综合的评价，并以图形化的方式展现出来。图6是通过该系统对教师个体进行的教学质量综合评价，可以看出该教师在课件发布上表现不错，但是在课程教学、视频发布上还有所不足。

图5 学生学习活动图

小结与建议

根据Coursera、FutureLearn、好大学在线等慕课平台的数据分析得出：

图6 教师教学活动图

课程的开课时间越长，课程的完成率越低，建议教师按照短平快的模式设置在线课程运行周期。一般建议五周为一个小课（1学分），两到三门小课为一门课（2～3学分）。开课间隔为1～2周。每门两学分的课程可以安排10～12周，当中可以安排翻转课堂、讨论或考试。每周需要对学习者进行必要的提醒（新课件发布、讨论主题分享、作业发布与提交）。

课程视频精彩，吸引学生完成整个课程视频的学习，但视频时间不宜太长，个数不宜太多。一般每周5～7个视频，每个视频为5～15分钟，一门课（2学分）的视频总长为400～600分钟。

教师多组织在线互动教学，与学生一起参与在线的教学活动。学习性投入（看视频、阅读材料、查找资料、完成练习、参加讨论、完成测试等）与学生的成绩（或完成率）成正比。