论文部分内容阅读
Web4.0时代以来，网络信息技术与应用的推进，极大地方便了人们网上交流和互动，也为传统教学模式的变革提供了新的手段。MOOCs(Massive OpenOnline Courses，大规模开放在线课程)作为一种全新的开放式课程模式，因其“开放性、碎片化的课程组织形式、互动性、进阶式学习、免费”等特点，迎合了当代学习者的需要，自其诞生后就倍受国内外各教育机构与广大学习者关注。尤其是2012年Coursera、edX等大型MOOCs平台的推出，以及“MOOCs元年”的来临，标志着MOOCs教学自此迈入新的阶段，有关MOOCs环境下学习过程的研究正成为相关领域的研究热点。 相对传统教学而言，“高辍学率、低完成率”是各大MOOCs平台所遭遇的普遍现象。虽然MOOCs学习不设入学门槛，学习者只要愿意就可申请网上所开的课程，然而MOOCs学习对学习者的持续性、自主性、自控性要求高，因此，尽管课程注册人数多，但最后能够坚持完成课程学习的人数却很少。国外统计数据表明，MOOCs学习中，能坚持完成课程学业的学习者不到5％。在我国，75％的用户上“慕课”是为了“更新知识”，最终能完成学业的人数只占6％。 由于学习者在“选课-＞坚持学习-＞完成学业”整个过程中均与学习者兴趣密切相关，因此，如何发现MOOCs学习者兴趣并加以引导，这对于学习者能否进行持续学习尤为重要。在学习者兴趣研究上，以往学者大多从学习者的在线学习路径、Web日志数据入手进行兴趣挖掘，获得了很多具有重要意义的研究成果。然而，MOOCs学习者通常来自不同社会群体，其学习经历、学科背景与相关知识基础均存在着很大的差异，这些个体特征是否与学习兴趣相关？学习者在MOOCs学习中表现出的众多行为，哪些是与学习兴趣相关的，其产生的内在机制如何？此外，MOOCs学习的日志数据巨大，往往在TB级别以上，并且学习过程中涉及到大量的文本、图片等半结构化和非结构化的数据，这些数据是否也蕴藏着学习者的兴趣？以上复杂性使得MOOCs环境下的学习者兴趣挖掘面临着许多尚待深入研究的新问题，仅仅依靠以往的在线学习路径、Web日志数据的挖掘，较难解决。因而必须先对上述环境下学习者的特征及其兴趣形成的内在认知机制和在学习过程中的兴趣表达模式进行深入研究，才能为海量数据的挖掘、分析和理解提供更有效的理论指导。随着认知神经科学研究近年来在情感、记忆与注意力等方面所取得的进展，以及fMRI（功能性核磁共振成像）、EEG（脑电图）分析等先进实验手段的逐步应用，为研究学习者兴趣的内在认知机制及其表达模式提供了新的方法与技术手段。Papadelis(2007)等通过研究证明，在众多评价驾驶员警觉度状态的生理指标中，脑电信号是有潜力的指标。我国王小毅(2008)对消费者品牌延伸的评估决策认知进行了研究，提出了评估决策的“五阶段模型”，并分析了五个阶段的脑电特征，指出N170和P300等指标在大脑对品牌的分类及情感的诱发等认知过程上有效。 本文参考了上述研究成果，针对MOOCs环境的特点，以教育心理学中的行为主义学习理论、自主学习理论与情感理论等为指导，结合脑认知实验观测手段，运用数据处理技术、网络行为分析、统计建模等多种方法对MOOCs学习者的兴趣挖掘进行研究。 首先，以拥有200多万注册学员的大型MOOCs平台“上海学习网”的大样本数据为基础，对学习者基本信息与学业完成情况进行统计分析与分类，选取学习绩效、学习经验、参与度作为分类维度，采用关联规则分析、聚类分析对学习行为特征与学习兴趣进行挖掘，研究表明:高绩效学习者、执着型学习者、求知型学习者在观看视频时长上呈现出偏好，其观看视频的时长基本在10分钟到15分钟之内，这为MOOCs平台每节课视频时长安排的合理性提供参考。 其次，在认知神经科学已有研究成果的基础上，通过脑电波实验观测构建了MOOCs学习者的学习兴趣脑认知机制模型，从实验中的脑电信号解析出的小波熵特征值来看，在认知负荷较高时，额区和颞区的β波相对能量得到明显增强，说明此时个人注意力和关注度较为集中。学习者登录到MOOCs学习平台时，首先感受到来自课程页面的视觉刺激，页面内的符号信息在学习者的选择性关注机制作用下，被传递到学习者的大脑边缘系统，形成第一性情感信息，此反应来自课程页面所蕴含的表象信息，因此，如何设计具有视觉冲击力的课程界面，吸引学习者注意，是MOOCs学习平台在课程设计中要考虑的重要因素。在第一性情感反应的基础上，刺激信号中的内容信息经过进一步加工和传递形成第二性情感，第一性情感主导直觉情绪反应，第二性情感主导相对慢速的理性认知反应，MOOCs学习平台在课程内容提供上应该考虑如何引起学习者的第二性情感反应，从而充分调动学习者的自主学习兴趣。在以上第一性和第二性情感体验的基础上，学习者的大脑会在记忆作用下对特定刺激符号构建情感符号规则系统，一旦出现熟悉的表象信息或语义信息符号时，学习者便会启动对上述符号的选择性关注，并开始调节视觉、听觉与认知时间资源的分配。 再次，对MOOCs学习中的行为表达特征模式进行了归纳定义，包括:显示的兴趣行为类集合、标记的兴趣行为类集合、课程链接的兴趣行为类集合、学习时长的兴趣行为类集合、网页内移动跨度的兴趣行为类集合和文本的兴趣行为类集合。然后设计了上述行为采集的网页，以“上海学习网”上的学习者为样本进行学习行为数据的采集。 最后，从MOOCs学习者的上网学习行为、情景特征、学习日志数据、课程交流论坛等方面对学习者兴趣挖掘做了深入研究，提出了MOOCs学习者的兴趣识别、挖掘、分析与计算的模型，并给出学习者兴趣的建模与计算度量。通过实验分析来对本文的研究结论及效果进行验证，结果表明，所建立的模型能有效表征MOOCs环境下学习者兴趣。 与以往基于调查问卷、Web访问日志、网络浏览路径等网络学习者兴趣挖掘的相关研究相比较，本文研究工作的主要创新点如下: 1.在充分考虑以往学者对学习兴趣行为研究的基础上，结合MOOCs学习特点，对MOOCs学习兴趣行为表征模式进行了归纳和定义，并以“上海学习网”MOOCs平台上的学习者为对象，对所定义的六种学习兴趣行为模式的数据进行采集与度量，为MOOCs学习者兴趣建模提供了新方法。 2.从教育心理学、认知神经科学等多学科交叉视角对MOOCs学习者兴趣挖掘作了新的探索，归纳并验证了MOOCs情境学习兴趣脑机制模型，为海量数据的挖掘、分析和理解提供了更有效的理论指导。 3.在情境学习兴趣脑机制模型及行为表达特征模式基础上，对MOOCs学习者的学习兴趣进行了建模，提出了MOOCs学习者的兴趣模型，并验证了该模型的可行性。 本文的研究成果经过实验验证表明，能为MOOCs环境下的学习者兴趣挖掘分析提供有效的理论方法与技术手段，有利于帮助学习者了解自身兴趣，并采取对应的学习策略来提高学习成效，从而提升MOOCs的课程完成率，降低辍学率。