MOOCAP学习者在线学习行为和学习效果评价模型研究

沈欣忆 吴健伟 张艳霞 李营 马昱春

【摘要】中国慕课大学先修课（MOOCAP）是采用大规模开放在线课程（Massive Open Online Course， MOOC）和中国大学先修课程（Chinese Advanced Placement， CAP）相融合的方式，借助高等教育领域和基础教育领域的学科专家、资深教师，根据高中生的特点将大学课程进行重新设计的在线课程，是慕课大学先修课。本研究充分利用学习者在MOOCAP中的在线学习行为数据，采用德尔菲法、专家排序法、专家工作坊等多种研究方法，构建MOOCAP在线学习行为和学习评价模型，对MOOCAP课程的学习评价工作具有较强的指导性和可操作性，弥补了以往单凭学习成绩进行评价，或者仅依靠单一学习行为得出一些描述性结论的弊端，更具有全面性和系统性，为学生个性化的发展提供充分的过程评价数据依据，挖掘出学习者各自的学习特性，实现有针对性的“因材施教”。

【关键词】  大规模开放在线课程;中国慕课大学先修课;中国大学先修课程;慕课;教育公平;教育改革;课程改革;学堂在线;在线学习;学习评价

【中图分类号】  G420       【文献标识码】  A       【文章编号】  1009-458x（2019）7-0038-09

一、引言

教育质量与教育公平一直是关系中国社会长远发展的核心问题。在资源有限的情况下如何让两者都实现？教育经费的投入是遵守权利优先还是效率优先，到底是谁的学习需求应被优先满足？这是亘古难题，而信息技术为教育改革和这些问题的解决提供了方向和出路：在面对庞大的用户量的时候，大数据可以帮助其实现个性化学习。中小学的教育信息化逐渐深化，大学的在线教育风生水起，但是各个阶段的教育还是停留在各自的层面，初等教育、中等教育和高等教育之间的壁垒问题日渐凸显，如何衔接好高中和大学，解决当前中学生进入大学之后由于课程内容、学习节奏和学习方式变化等原因造成的不适应问题，是当前教育的难点与盲点。

针对上述问题，全国40多所高水平大学和重点中学联合发起建立中国慕课大学先修课（MOOCAP），采用大规模开放在线课程（MOOC）和中国大学先修课程（CAP）相融合的方式，根据高中生的特点重新设计大学课程，将其精心制作成开放在线课程，向全国学生开放。MOOCAP实质上是一种有特定服务对象的MOOC，充分利用大学和中学的自主发展空间，结合互联网信息平台，形成的一套优质教育资源体系（清华大学招生办主任， 2016; 于世洁， 2016）。在我国，MOOCAP率先由北京大学于2013年推出。清华大学领衔的MOOCAP项目、edX领衔的High School Initiative项目代表了当前全球MOOCAP实践发展的前沿。

在现阶段，我国MOOCAP课程评价沿用MOOC组织认证方式，由MOOC教师根据平时成绩、期末考试成绩给出学生的最终成绩，这种方式基本上属于一种结果性评价，并没有在学习者的在线学习行为与学习效果间建立紧密联系。特别是仅依靠学习成绩去评价一个学生的学习效果存在一定的片面性，无法全面反映出作为即将进入大学的中学生对MOOCAP所持有的态度和他的在线学习习惯。然而，MOOCAP作为一种新型在线学习课程，可以全面记录学习者的学习和交流过程，形成学生学习的大数据。为此，本研究充分利用学习者在MOOCAP中的在线学习行为数据，采用德尔菲法、专家排序法、专家工作坊等多种研究方法，构建MOOCAP在线学习行为和学习评价模型，对MOOCAP的课程评价工作具有较强的指导性和可操作性，弥补了以往单凭学习成绩进行评价，或者仅依靠单一学习行为得出描述性结论的片面性，更具全面性和系统性。研究者希望本研究能为MOOCAP课程学习效果评价工作提供借鉴，为每一个学生个性化的发展提供充分的过程评价数据依据，挖掘学习者的特性，实现“因材施教”。

二、文献综述

（一）有關MOOCAP的研究

MOOCAP自启动以来，完成了官方网站（http：//www. moocap.org.cn）的建设，首批开设的6门课程已有5万多人选修（李强， 2016）。MOOCAP课程建设和准入机制、学习过程评价和成绩考核方式是MOOCAP理事会重点研究的两个课题，也是其教师重点关注的两个问题（李强， 2016）。北师大实验中学教师孙兆前在谈到自己对MOOCAP的看法时说道：“只要内容好，我们都是欢迎的。但关键还要看先修课如何评价以及学分如何使用。”（邓晖， 2015）中国教育报记者万玉凤（2015）指出“国内大学先修课在梯度设置、考核方式以及与大学招生衔接等方面还都存在进步空间”。可见，在MOOCAP建设和使用中，如何对学习者的学习过程、学习行为和成绩进行评价和考核仍然是MOOCAP吸引学习者和获得持续发展的过程中需要重点解决的问题。

MOOCAP既不同于传统课程，也不同于一般的网络课程。它是MOOC和CAP的融合，既具有MOOC开放、在线、大量等特点，同时又能让学有余力或对大学课程有兴趣的高中生及早接触大学课程内容，接受大学阶段的思维方式、学习方法，使学生真正享受符合其能力和兴趣水平的教育，助力其大学阶段的学习乃至未来的职业生涯。另外，MOOCAP也深化了我国高中教育教学改革和我国人才培养模式改革（CAP大学先修课， 2016）。因此，对于MOOCAP这种新型的课程形式，传统教学模式下的线下课程以及一般的网络课程的评估标准显然已经不适用。因此，构建适用于MOOCAP的学习者学习效果评价指标体系与评价量规势在必行。

目前，研究者对MOOCAP的研究还集中在对其内涵、作用及其发起机构的介绍（张晏慧， 2015; 全国40余所大学和中学联合启动慕课大学先修课， 2015; 潘超， 2016），具体到学习者学习绩效评价的研究基本上还没有出现。作为在线大学先修课，MOOCAP在课程内容呈现形式、在线学习过程等方面与MOOC存在较大的相似性，因此本研究认为可以从已有的MOOC学习者学习效果、学习绩效评价等相关研究中借鉴经验。

（二）MOOC的学习评价研究

MOOC于2012年兴起，国外关于MOOC学习评价的研究较为具体和深入。不少研究者指出要关注对学习者学习过程和学习行为的评价，通过对学习者在MOOC学习过程中的各种学习行为进行评价描述学习者的学习状态。库珀和沙哈米（Cooper， S.， & Sahami， M.， 2013）指出应关注评价学生的过程和行为，要将专家评价融入同行评价中。哈维、格林斯基和洛（Harey， L. A.， Glisky， J. V.， & Lowe， R. A.，2014）对如何评估学习者在MOOC上的参与度和满意度进行了研究。安德森等（Anderson， A.， Huttenlocher， D.， Kleinberg， J.， & Leskovec， J.， 2014）根据学习者学习行为数据（观看视频、完成作业、成绩等）描述其参与MOOC 学习的情况。吉拉尼（Gilani， N.， 2013）分析了Coursera上一门名为“商业策略基础”的课程，结果表明讨论区的积极参与者多数是学业成绩较好的学习者，这说明学习者讨论区参与度这一在线学习行为与其学业成绩之间会存在一定的相关性。库切等（Coetzee， D.， Fox， A.， Hearst， M. A.， & Hartmann， B.， 2014）研究了课程论坛的使用对课程通过率的影响，研究发现经常参与课程论坛的学生其课程通过率远高于那部分极少光顾课程论坛的学生，这说明课程论坛参与行为与学生学习效果之间存在相关性。

自MOOC在国内备受关注开始，其评价也一直是国内研究者重点关注的问题。国内关于MOOC评价的研究从对MOOC本身的评价逐漸转向对学习者在线学习行为的评价。大量研究者认为可以利用学习者的行为数据分析学习效果，结合成绩分析更好地揭示学习者的课程参与程度和努力程度。基于学习行为的特征分析能有效地判别学习者能否成功完成学习任务，研究者希望通过对在线学习行为的评价来间接反映或预测学习者的学习绩效。姜蔺等（2013）指出学习参与度是影响学习者学习效果的主要因素之一。学习者的参与度在很大程度上会影响其学习效果，并最终影响其通过率。危妙等（2015）从课程的访问情况、视频观看情况、作业完成情况、讨论四个方面分析学习行为以及与学习成绩、完成率、辍学率间的相关性，研究结果表明具有不同学习行为的学习者在学习成绩、完成率、辍学率等方面会存在显著的差异。薛宇飞等（2015）基于edX平台数据，按文化背景选取美国、印度、英国的学习者，对其学习行为进行对比分析，以了解学习者群体在学习投入、学习活跃度、学习持续性等方面的异同，研究发现不同文化背景的学习者其学习行为存在较大差异，进而会引起其学习投入、学习活跃度以及学习持续性的不同。贾积有等（2014）对北大在Coursera平台上的6门课程82，352位注册学习者的学习行为数据进行了汇总与分析，试图发现课程层面上学习者的网上学习行为及其对学习者学业成绩的影响，研究表明学习者的学习成绩与在线时间、观看视频次数、观看网页次数、浏览和下载讲义次数、平时测验成绩之和、论坛参与程度（发帖、回帖）等在线学习行为呈显著正相关。

综上所述，随着MOOC的不断发展以及广泛使用，MOOC学习评价已经成为国内外研究者关注的重点。并且已经对“MOOC学习中，学习者的在线学习行为与其学习绩效或学习结果之间存在显著的相关性，可以通过对学习者在线学习行为的评价来反映或预测其对MOOC的完成情况”这一观点达成共识。MOOCAP作为MOOC在大学先修课中的应用，其本质上还是一种MOOC，只是在对课程内容进行设计时需要考虑高中生的特点。因此，本研究认为可以建立起MOOCAP在线学习行为与MOOCAP学习效果之间的联系，即通过评价学习者在MOOCAP中的在线学习行为来反映学习者的MOOCAP学习效果。

目前，虽然国内外研究者认为在MOOC学习中学习者的在线学习行为与其学习效果之间存在一定的相关性，但这些结论往往是基于某一项或某几项在线学习行为，如论坛参与情况、课程访问情况、视频观看情况、浏览和下载讲义次数、作业完成情况等。基于某一项或者某几项在线学习行为得出的结论虽然能够在一定程度上说明在线学习行为与学习绩效之间的关系，但其全面性还有待考察。另外，现有的研究并没有对这些在线学习行为进行明确的分类，也没有进行具体的权重和分值分配，基于此得出的结论往往是描述性的结论，虽然能够让读者较为直观地了解MOOC在线学习行为和学习绩效之间关系的现状，但对具体MOOC学习评价实践的可操作性指导水平还有待提高。对于MOOCAP来说，目前还处于初步实践和探索阶段，同样存在与MOOC学习评价相同的问题。因此，有必要基于学习者在MOOCAP学习过程中的在线学习行为，研究对学习者学习效果的多角度、多层次评价指标体系，开发出适用于MOOCAP的学习效果评价量规。

三、研究设计

（一）研究目标

在传统的教学模式中，对学习效果的评价往往单纯以一次或者多次作业以及测验成绩为评价标准，即主要依赖基于结果的评价，而缺乏面向过程的学习行为和学习效果的分析评价模型。MOOCAP学习平台利用信息化手段将学习的过程真实而有效地记录下来，从而使得对学习者的过程分析成为可能，因此本研究基于MOOCAP平台的学习者行为，研究学习者学习绩效的多角度、多层次评价指标体系，从而开发出MOOCAP学习的评价适用量规。

（二）研究内容和研究方法

以清华大学学堂在线MOOCAP学习者为对象，构建评价MOOCAP学习者学习效果的学习行为指标，并对每个学习行为指标进行定级得到评价量规，该成果可定量评价学生MOOCAP成效。

要定量评价学生MOOCAP成效，需要找到学习效果的相关学习行为指标，并给行为指标定级赋值，因此本研究主要有三部分研究内容：

（1）通过三轮德尔菲法构建MOOCAP学习者学习绩效评价指标体系。

（2）通过专家排序法设定每个不同类别学习行为指标的权重。

（3）通过专家工作坊的方式对每个学习行为指标进行定级，得到评价量规。

本研究的专家组由10人组成，分别选取了对学堂在线MOOCAP的整体架构、需求、产品都非常了解的学堂在线MOOCAP项目组成员3人，在MOOC及远程教育领域方面的高校专家3人，使用过学堂在线MOOCAP平台并且教学经验丰富的中学一线教师4人。研究采用的德尔菲法、专家排序法和专家工作坊，都是由这10位专家来支持开展。在前两种方法中，与专家的沟通以在线形式为主;在专家工作坊中，10位专家与项目组成员面对面开展研讨，对指标进行定级并得到评价量规。

四、研究过程

（一）构建MOOCAP学习绩效评价指标体系

通过文献调研，课程组成员了解了学习者学习行为与学习效果评价的关系，在梳理现有学习绩效评价模型的基础之上得到了MOOCAP学习绩效评价指标体系（初稿）。将学生的在线学习行为评价分为四个层面，分别是学习风格、学习成绩、综合能力和学习态度。其中，学习风格包括心智维度、社会维度、生理维度和其他偏好，学习成绩包括过程性行为和结果性成绩，综合能力包括协作能力、创新能力和表达能力，学习态度包括学习积极性、学习参与度和学术诚信。这里需要说明一点，该评估模型的构建有两个目的，一个是能够直观评价学生的学习情况，另一个是希望了解学习者的特征，比如其学习能力、学习习惯等。因此，除了学习成绩之外，在模型中加入了学习风格、学习态度等维度。

在构建MOOCAP学习绩效评价指标体系（初稿）后，開展德尔菲研究，在统计和听取三轮专家意见的基础上对MOOCAP学习绩效评价指标体系（初稿）进行修订，形成了MOOCAP学习绩效评价指标体系（修订稿）。将原有学习评价四个层面合并成了两个层面，分别为学习偏好和学习成绩。学习偏好反映学习者的学习习惯与倾向性，无法严格进行打分及分数比较，主要包括学习时间分布、模块学习时间分布、视频学习时间间隔、学习序列、论坛交流频率;学习成绩反映学习者的学习结果与成效，便于进行打分及分数比较，包括结果性成绩、作业行为、测试行为和其他参考指标（学习积极性、学习速度和学习效度）。三轮德尔菲法修订理由及结果见图1。

本研究依据清华大学MOOCAP平台，深入调研了多门MOOCAP的课程，了解学生学习路径和学习行为。学生在加入课程前的行为包括查找课程和学校、加课并申请认证证书、查看我的消息、分享、下载APP、意见反馈等。加入课程后学生的行为分布在各个功能区，如课件区的观看视频、下载字幕、完成测试，课程信息区的查看课程更新与新闻、打包下载课件;讨论区的查找帖子、发布预定、接收更新、添加回复、评论、投票等;wiki区的查看wiki、编辑wiki、添加新文章等;我的主页区的查看我的课程、查看我的证书、查看优惠券等。另外，还有进度信息、考试、导学、教学大纲等。在了解学生主要学习行为后，结合MOOCAP学习绩效评价指标体系（修订稿），形成MOOCAP学习绩效评价指标体系（终稿），见表1。

（二）确定权重

确定指标权重的方法多种多样，比如因子分析法、相关系数法、专家排序法、RSR法、Delphi法、层次分析法、算术均数组合赋权法、连乘累积组合赋权法、模糊数学判断方法、优序图法等，其中“专家排序法”以其操作简便、易于掌握等特点被《教育督导及教育督导评估（洪煌亮主编）》等教育测评类专著所介绍。本研究构建的绩效评价指标体系包括学习偏好和学习成绩，学习偏好不计成绩，只用来了解学生的学习风格和学习习惯，学习成绩中的其他参考指标（学习积极性、学习速度和学习效度）用来参考了解学生的学习能力，而作为分值呈现的是学习成绩中的三个指标，分别为结果性成绩、作业行为、测试行为，本研究采用专家排序法对结果性成绩、作业行为、测试行为以及作业行为和测试行为下所包含指标的权重予以确定。

回收10名专家的结果进行数理统计，计算评价指标的权值，计算公式为：aj=2[m（1+n）-Rj]/[mn（1+n）]（式中，aj表示第j项指标的权重，j表示指标的序号，m为专家人数。本研究中m=10，n为指标个数，Rj表示第j个指标的秩和。）

学习成绩所包含的一级指标的专家排序结果见表2。

据此，本研究得到学习成绩一级指标和二级指标的权重，具体情况见表5。

（三）制定MOOCAP学习绩效评价量规

在得到具体的行为指标并确定权重之后，本研究通过专家工作坊的形式，对各个行为指标进行了详细的划分定级，得到评价学生MOOCAP成效切实可行的评价量规。

1. 学习偏好行为指标

学习偏好部分的行为指标不计分数和权重，只描述学习状态，通过数轴、条形图、柱状图等形式呈现学习者的学习行为规律，从而反映学习者的学习偏好，可作为了解学生的一个渠道。时间偏好以登录时间点为行为指标，反映学习者习惯于什么时间段学习或者有无固定学习时间点;投入偏好以视频、作业、测试的学习时长为行为指标，以便于了解学习者各视频、作业、测试花费的时间分布;节奏偏好以各视频点击时间点为行为指标，反映学习者习惯于连续性学习还是需要一定时间内化再学习;序列偏好以各单元视频观看顺序为行为指标，了解学习者各章节学习是否按顺序进行;交流偏好以发起话题的帖子数、对于自身发起的话题的回帖数、在他人话题下的回帖数为行为指标，以统计学习者论坛发帖和回帖的数量，了解其论坛行为方式。

2. 学习成绩行为指标

学习成绩部分的行为指标分为两部分：计分数与权重的结果性成绩和行为成绩，不计分数与权重的其他参考指标。

计分数与权重的结果性成绩和行为成绩的具体内容如下：

（1）作业分数和测试分数：满分各100分，共同构成了结果性成绩。其中，作业与测试的权重由授课教师决定。

（2）作业效能（作业效能=作业正确率/花费时间，测试效能参照作业效能计算）：划分为五个等级，作业效能比平均作业效能高40%及以上，高20%～40%，低20%～20%之间，低20%～40%，低40%及以上，五种情况分别赋值100分、80分、60分、40分、20分，最终的作业效能分数为每次作业效能分数的平均值。

（3）作业完成率（测试完成率参照作业效能计算）：划分为五个等级，作业完成数量/该门课程作业总数的百分比等于100%，大于等于80%且小于100%，大于等于60%且小于80%，大于等于40%且小于60%，小于40%，五种情况分别赋值100分、80分、60分、40分、20分，此得分即为最终的作业完成率成绩。

（4）作业时效性（作业时效性即作业是否按时完成，考试时效性参照作业时效性计算）：划分为五个等级，按时提交作业数/该门课程作业总数小于等于20%，大于20%且小于等于40%，大于40%且小于等于60%，大于60%且小于等于80%，大于80%，五种情况分别赋值20分、40分、60分、80分、100分，此得分即为最终的作业时效性成绩。

（5）作业尝试数（作业提交次数，作业提交次数越少分值越高）：划分为五个等级，作业提交次数比该门课程所有人平均作业提交次数低40%及以上，低20%～40%，低20%到高20%之间，高20%～40%，高40%及以上，五种情况分别赋值100分、80分、60分、40分、20分，最终所有作业取平均值即为最终的作业尝试数成绩。

不计分数与权重的其他参考指标具体内容如下：

（1）学习积极性的行为指标为加课时间与首次学习时间差，时间差越短说明越积极。

（2）学习速度的行为指标为视频观看视频时长/用时时长，比值越小说明学习速度越快。

（3）学习效度：课程分数×学习速度，课程分数为结果性成绩、作业行为和测试行为的加权分数。

（四）研究成果的应用和评价

通过以上研究过程，得到了MOOCAP学习绩效评价模型，包括MOOCAP学习绩效评价指标体系和评价量规。为检验研究所形成的MOOCAP学习绩效评价模型的可操作性和在帮助学生挖掘自身的学习特点和优势方面所起的作用，研究者与清华大学学堂在线合作，运用所开发的评价量规对MOOCAP学习者的学习绩效进行评价，进行产品化，形成学堂在线MOOCAP学习绩效评价单，如图2。

教育部在线教育研究中心、学堂在线相关教师表示基于MOOCAP评价量规得到的MOOCAP學习绩效评价单可以作为本科教师（尤其是大学一年级教师）进行因材施教的重要参考。此外，部分教师认为MOOCAP学习绩效评价单也可以用于MOOCAP学习者自查，帮助MOOCAP学习者快速了解自己的学习偏好和学习成绩，挖掘自身的学习特点和优势，诊断学习过程中存在的问题。

五、讨论和反思

本研究综合运用德尔菲法、专家排序法、专家工作坊等多种研究方法构建了MOOCAP学习绩效评价指标体系。该评价指标体系除了对学生的学习成绩进行定量考查外，还对学生的学习时间、学习交流、学习作息等方面的偏好以及与学习成绩相关的学习积极性、学习速度等方面的特点进行了定性描述，为教师提供了全面了解学习者学习状态的渠道，从而在实现因材施教的路上又迈进了一步。此外，本研究基于MOOCAP学习绩效评价指标体系，充分利用MOOCAP本身的数据优势，开发出了MOOCAP学习绩效评价量规。该评价量规能够有效实现基于大数据的个性化评测，增加评测的有效性和公平性，同时帮助学生挖掘自身的学习特点和优势，为实现“以个性化评测引导个性化学习”提供了工具支撑。

由于本研究的最终成果是要产品化，对高中学生在MOOCAP平台上的学习结果有一个定量的评价，所以在评估模型中主要是用学生在平台上的作业和测试成绩作为量化评价的主要指标，而诸如视频观看时长、学习速度、论坛发言情况作为学生学习情况的参考指标。虽然贾积有等（2014）研究者指出学习者的学习成绩与在线时间、观看视频次数、观看网页次数、浏览和下载讲义次数、论坛参与程度（发帖、回帖）等在线学习行为呈显著正相关，但是较难对其进行量化评估。视频观看5次算是满分，还是观看3次算是满分？在线时间长的学生真的一定是在该网站上学习，还是只是打开网页而已？这些都较难断定。另外，在德尔菲研究过程中与高校的几位老师进行沟通，了解到他们在MOOC教学过程中发现很多比较优秀的学生的视频学习时间往往是短的，他们的在线时间也没有显著多于其他学生。从这些有丰富MOOC教学经验的高校教师的角度来看，评价模型的定量评价部分不该加入视频学习时间、在线时间、下载讲义次数等。但是，如何利用学习者在线学习的各种学习行为，诸如视频学习时间、论坛参与情况等，构建一个可以量化的评价模型，是一件非常有意思的事情，这也是本研究试图继续开展的研究方向。

六、展望

MOOCAP作为MOOC的一种应用形式，具有MOOC共享教育、促进教育公平的优势，突破了时空的限制，以其普遍性、便捷性和高效性的特点建立了一套针对中学生的教育资源覆盖机制，从“地域教育”转变成“共享教育”。此外，突破了“阶段教育”之间的壁垒。MOOCAP并不是简单地把大学课程搬到中学，而是采用更加符合教育规律的方式，根据高中生的特点重新精心打造连接中学教育和大学教育的课程，从而帮助学生平滑过渡，实现“贯通学习”。更为重要的是，MOOCAP秉承以学习者为中心的理念，不同学生可以根据其自身特点、发展方向等选取不同类型的课程，在坚实的基础教育之上让学有余力的学生更早地发展自身特长。学习交流的过程会被全面记录下来，为形成一套独特的量身定做的学生学习档案、促进学生个性化的发展提供充分的数据支持。

MOOCAP作为高中和大学的连接桥梁，给学有余力的高中学生提供了接触大学教学资源的机会，而如何使得高校老师更加清晰、直观地了解即将进入大学的学生的学习绩效、学习风格、学习偏好，这就需要构建MOOCAP学习者评价模型。本文介绍的评价模型是研究过程中的一个节点成果，研究仍将继续，模型还将利用大数据进行进一步迭代，更加全面地展示MOOCAP学生学习的效果和情况，为学生进入大学后个性化学习的施展奠定良好的基础。

[参考文献]

CAP大学先修课. 2016. 什么是大學先修课[EB/OL]. 4-11. http：//www.csecap.com/User_Instructions.aspx？id=43

邓晖. 2015-12-03（05）. 慕课大学先修课：能否跑好人才培养的“接力赛”[N/OL]. 光明日报. [2015-12-03]. http：//epaper.gmw.cn/gmrb/html/2015-12/03/nw.D110000gmrb_20151203_1-05.htm

贾积有，缪静敏，汪琼. 2014. MOOC学习行为及效果的大数据分析——以北大6门MOOC为例[J]. 工业和信息化教育（09）：23-29.

姜蔺，韩锡斌，程建钢. 2013. MOOCs学习者特征及学习效果分析研究[J]. 中国电化教育（11）：54-59，65.

李强. 2016-4-11. “中国慕课大学先修课（MOOCAP）建设”高峰论坛暨全国重点中学校长教育论坛在西安交大召开[EB/OL]. http：//www.moocap.org.cn/announcement/#！/detail/15

潘超. 2016. 2015年度中国现代远程教育十大新闻事件权威发布[J]. 中国远程教育（01）：11.

清华大学招生办主任. 2016-04-11. MOOCAP：怎样做到“因材施教”？[EB/OL]. http：//www.moocap.org.cn/announcement/#！/detail/home

全国40余所大学和中学联合启动慕课大学先修课[J]. 物理与工程2015（6）：14.

万玉凤. 2015. 在线大学先修课，“先修”什么？[N]. 中国教育报，11-30（03）.

危妙，傅霖，黎刚，郭姗姗. 2015. MOOC课程平台学习行为与学习成效大数据分析[J]. 教育教学坛（38）：60-61.

薛宇飞，黄振中，石菲. 2015. MOOC学习行为的国际比较研究——以“财务分析与决策”课程为例[J]. 开放教育研究（06）：80-85.

于世洁. 2016. 慕课大学先修课助推教育改革[N]. 光明日报，01-05（13）.

张晏慧. 2015. 中国慕课大学先修课理事会在清华成立[N]. 新清华，12-04（A02）.

Anderson， A.， Huttenlocher， D.， Kleinberg， J.， & Leskovec， J. （2014）. Engaging with massive online courses. 687-698.

Coetzee， D.， Fox， A.， Hearst， M. A.， & Hartmann， B. （2014）. Should your MOOC forum use a reputation system？. in Proceedings of the 17th ACM conference on Computer Supported Cooperative Work & Social Computing， 1176-1187. ACM.

Cooper， S.， & Sahami， M. （2013， February）. Reflections on Stanfords MOOCs. Communications of the ACM. 56（2）， 28-30.

Gillani， N. （2013）. Learner communications in massively open online courses. xCHEPS Occasional Paper， 53.

Harey， L. A.， Glisky， J. V.， & Lowe， R. A. （2014）. Maasive Open Online Course for Teaching Physiotherapy Students and about Spinal Cord injuries. SPINAL CORD. 52（12）， 911-918.

收稿日期：2018-03-14

定稿日期：2018-07-08

作者简介：沈欣忆，博士，助理研究员，北京教育科学研究院（100036）。

吴健伟，硕士，教研员，北京市海淀区教师进修学校（100195）。

张艳霞，硕士，测评研究员，深圳海云天科技有限公司（518057）。

李营，硕士，助理工程师，中央财经大学教学技术服务中心（100081）。

马昱春，博士，副教授，硕士生导师，清华大学计算机系（100084）。

责任编辑 郝 丹