[論文レビュー] Social Interactions Clustering MOOC Students: An Exploratory Study

Lei Shi, Alexandra I. Cristea+3 more|arXiv (Cornell University)|Aug 10, 2020

Online Learning and Analytics参考文献 10被引用数 4

ひとこと要約

本研究では、FutureLearnにおける学生のソーシャルインタラクションに基づき、コメントの分類と統計モデリングを用いた機械学習的手法を提案する。3つの安定的で明確に異なる学生のクラスタ―—積極的貢献者、受動的反応者、孤立型学習者—が特定され、オンラインコースの参加意識向上とデザイン改善に役立つ知見が得られた。

ABSTRACT

An exploratory study on social interactions of MOOC students in FutureLearn was conducted, to answer "how can we cluster students based on their social interactions?" Comments were categorized based on how students interacted with them, e.g., how a student's comment received replies from peers. Statistical modelling and machine learning were used to analyze comment categorization, resulting in 3 strong and stable clusters.

研究の動機と目的

• オンラインフォーラムにおける学生のソーシャルインタラクション行動に基づき、MOOC学生をどのようにグループ化できるかを調査すること。
• FutureLearnのような実世界のプラットフォームにおけるコメント相互作用パターンを用いて、安定的で意味のある学生のクラスタを特定すること。
• ソーシャルインタラクションの統計モデリングを通じて、学習者の行動プロファイルを理解すること。
• 明確に分離されたインタラクションパターンを明らかにすることで、コース設計および学習者参加戦略の支援を行うこと。

提案手法

• コメントが返信を受けたか、議論を開始したかといったインタラクションタイプに基づき、学生のコメントを分類した。
• ソーシャルインタラクションの構造とパターンを分析するために、統計モデリングおよび機械学習技術を適用した。
• インタラクション頻度と相互性に基づき、学生を明確な行動プロファイルにクラスタリングするためのクラスタリングアルゴリズムを用いた。
• 異なるインタラクションメトリクスにおける一貫性を確認することで、クラスタの安定性を繰り返し分析によって検証した。
• ピアの返信パターンをソーシャル参加度の代理指標として焦点とし、返信数やインタラクションの深さを評価した。
• 定量的分析とインタラクションダイナミクスの定性的解釈を組み合わせた混合手法を採用した。

実験結果

リサーチクエスチョン

• RQ1 MOOC学生を、そのソーシャルインタラクション行動に基づき、どのように意味的にクラスタリングできるか？
• RQ2 実世界のプラットフォーム、例えばFutureLearnにおけるMOOC学習者の間で、支配的なインタラクションパターンは何か？
• RQ3 どのインタラクションメトリクスが、異なるタイプの学習者参加を最も効果的に区別できるか？
• RQ4 異なる分析手法において、得られたクラスタはどれほど安定的で解釈可能か？
• RQ5 MOOCフォーラムにおけるピアの返信とインタラクション頻度を分析することで、どのような行動プロファイルが浮かび上がってくるか？

主な発見

• 3つの安定的で明確に異なるMOOC学生のクラスタが特定された：積極的貢献者、受動的反応者、孤立型学習者。
• 積極的貢献者は、頻繁に議論を開始し、多数の返信を受け、高いソーシャル参加度を示していた。
• 受動的反応者は、主に他人のコメントに対して返信していたが、議論を開始することはほとんどなく、反応的参加を示していた。
• 孤立型学習者は、最小限のインタラクションを示し、少ないコメントとほとんど返信のない状態にあり、参加度が低いことが示唆された。
• 異なるモデリング手法においてもクラスタリング結果が安定しており、特定されたプロファイルの妥当性が裏付けられた。
• 本研究は、ソーシャルインタラクションのパターンが、MOOCにおいて信頼性高く意味のある学習者行動タイプを明らかにできることを示している。