[論文レビュー] Supporting MOOC Instruction with Social Network Analysis

Tanmay Sinha|arXiv (Cornell University)|Jan 21, 2014

Online Learning and Analytics参考文献 34被引用数 16

ひとこと要約

本論文は、MOOCのディスカッションフォーラムに対して社会的ネットワーク分析を適用し、危険にさらされている学生および活発に参加している学生を特定する。縦断的なフォーラム行動を用いて、参加のパターンを検出する。相互作用ネットワークと投稿ダイナミクスを分析することで、教員が学習者を事前に支援でき、大規模オンラインコースにおけるデータドリブンな教育的介入によって脱落率を低減できる。

ABSTRACT

With an expansive and ubiquitously available gold mine of educational data, Massive Open Online courses (MOOCs) have become the an important foci of learning analytics research. In this paper, we investigate potential reasons as to why are these digitalized learning repositories being plagued with huge attrition rates. We analyze an ongoing online course offered in Coursera using a social network perspective, with an objective to identify students who are actively participating in course discussions and those who are potentially at a risk of dropping off. We additionally perform extensive forum analysis to visualize student's posting patterns longitudinally. Our results provide insights that can assist educational designers in establishing a pedagogical basis for decision-making while designing MOOCs. We infer prominent characteristics about the participation patterns of distinct groups of students in the networked learning community, and effectively discover important discussion threads. These methods can, despite the otherwise prohibitive number of students involved, allow an instructor to leverage forum behavior to identify opportunities for support.

研究の動機と目的

• MOOCにおける高い脱落率の原因を社会的ネットワーク分析を用いて調査すること。
• コースディスカッションに積極的に参加している学生と、脱落の危険がある学生を特定すること。
• MOOCフォーラムにおける縦断的投稿パターンを分析し、参加のダイナミクスを解明すること。
• 教育デザインのための実行可能なインサイトを教育設計者に提供すること。
• 大規模オンライン学習環境内での重要なディスカッションスレッドおよびコミュニティ構造を特定すること。

提案手法

• 本研究は、CourseraのMOOCから得たディスカッションフォーラムデータを、社会的ネットワーク分析手法を用いて分析する。
• 学生の相互作用はネットワークとしてモデル化され、ノードが学生を表し、エッジが通信（例：返信、メンション）を表す。
• 縦断的分析により、参加の強度とネットワークの中心性の時間的変化を追跡する。
• 次数、媒介性、固有ベクトル中心性などの中心性指標を用いて、影響力のあるまたは孤立した学生を特定する。
• 可視化ツールを用いて、進化するディスカッションスレッドとコミュニティクラスタをマップする。
• 本アプローチは、ネットワーク指標を活用して、活動が低下または接続性が低いと予想される学生を特定する。

実験結果

リサーチクエスチョン

• RQ1 学生のフォーラム参加行動に見られるどのようなパターンが、活発な学習者と脱落の危険がある学生を区別するか？
• RQ2 大規模なMOOCディスカッションフォーラムにおいて、参加のダイナミクスは時間経過とともにどのように変化するか？
• RQ3 オンライン学習コミュニティ内で、どのディスカッションスレッドが中心的または影響力のあるものとして浮き彫りになるか？
• RQ4 ネットワークベースの指標は、MOOCにおける学生の脱落を信頼性高く予測できるか？
• RQ5 ディスカッションネットワークのどのような構造的特徴が、学生の参加または参加の放棄と相関しているか？

主な発見

• ディスカッションネットワーク内で高い媒介性中心性を示した学生は、コース全体を通して参加を維持する傾向が高かった。
• 投稿頻度の低下とネットワーク接続性の低下は、脱落の兆候として強い初期のサインであった。
• 分析により、学生間の相互作用と知識共有のハブとして機能する重要なディスカッションスレッドを効果的に同定できた。
• 複数のディスカッションスレッドに参加した学生は、孤立した参加者と比べて著しく高い保持率を示した。
• ネットワーク可視化により、サブコミュニティの出現が明らかになった。一部のグループは初期参加後に活発な参加を維持していた一方、他のグループは参加を停止した。
• 本手法により、10,000人を超える参加者という規模の中でも、教員が危険にさらされている学生を特定でき、現実のMOOC環境における実用性を示した。