[論文レビュー] Who negatively influences me? Formalizing diffusion dynamics of negative exposure leading to student attrition in MOOCs

Tanmay Sinha|arXiv (Cornell University)|Jul 26, 2014

Online Learning and Analytics参考文献 17被引用数 3

ひとこと要約

本稿では、MOOCのフォーラムにおける低品質な同級生間のやり取りへの否定的影響が、学生のネットワークを通じてどのように広がり、退学リスクを高めるかを形式化するための分岐過程モデルを提案する。影響拡散を確率的曝露（p）とネットワーク到達範囲（k）によってモデル化することで、p×k < 1 の場合、否定的影響は消滅する。p×k > 1 の場合、影響は持続する。この結果、MOOCの教員は、高影響力の学生やフォーラムの質に焦点を当てた介入によって、退学者を予測・緩和する手段を得られる。

ABSTRACT

In this work, we explain the underlying interaction mechanisms which govern students' influence on each other in Massive Open Online Courses (MOOCs). Specifically, we outline different ways in which students can be negatively exposed to their peers on MOOC forums and discuss a simple formulation of learning network diffusion, which formalizes the essence of how such an influence spreads and can potentially lead to student attrition over time. We also view the limitations of our student modeling in the light of real world MOOC behavior and consequently suggest ways of extending the diffusion model to handle more complex assumptions. Such an understanding is very beneficial for MOOC designers and instructors to create a conducive learning environment that supports students' growth and increases their engagement in the course.

研究の動機と目的

• MOOCフォーラムにおける否定的同級生間のやり取りが、時間経過とともに学生の退学にどのように寄与するかを理解すること。
• MOOCにおける学生の社会的ネットワークを通じた否定的曝露の拡散ダイナミクスをモデル化すること。
• 否定的影響が広がるか、消滅するかの条件を特定し、前もって介入可能なコース運用を可能にすること。
• MOOC教員が、高リスクの同級生影響パターンを検出・緩和するためのツールを提供すること。

提案手法

• 各被影響学生（A）が、確率pでk人の感受性のある学生（S）に影響を与える分岐過程を用いて、否定的影響の拡散をモデル化する。
• 否定的影響の消滅の臨界閾値を p×k < 1 として定義し、持続的拡散のための条件を p×k > 1 として定義する。
• pが投稿の年齢とともに減少し、閲覧頻度も低下するため、時間非一様な変種を導入する。
• 学生vとwの間のネットワークの近接性と接触強度を反映する、個別化された影響確率p_{v,w}を導入する。
• MOOCフォーラムの相互作用データを用いて曝露パターンを推定し、モデル仮定の妥当性を検証する。
• すべての学生に対してp=1であるという仮定を緩和する点で、標準的な生存分析を拡張し、現実世界における同級生影響のばらつきを認識する。

実験結果

リサーチクエスチョン

• RQ1 MOOCフォーラムにおける低品質な同級生投稿への否定的曝露が、時間経過とともに学生ネットワーク内でどのように広がるか？
• RQ2 MOOC学習ネットワークにおいて、否定的影響が消滅するか、持続するかの条件は何か？
• RQ3 ネットワーク到達範囲（k）と影響確率（p）は、否定的曝露の規模にどのように寄与するか？
• RQ4 MOOC教員は、このモデルをどのように活用して、リスクの高い学生を特定し、早期に介入できるか？
• RQ5 一定のpと、すべての被影響投稿への完全な曝露という仮定は、モデルの現実性と適用可能性にどのように影響するか？

主な発見

• 否定的影響は、各被影響学生がk人の新たな学生を曝露する分岐過程として広がり、その結果はp×kの積によって決定される。
• p×k < 1 の場合、有限回の波にわたって確率1で否定的影響が消滅するため、絶滅リスクが生じる。
• p×k > 1 の場合、否定的影響は正の確率で持続し、波にわたって持続的な退学リスクを引き起こす。
• モデルは、一人あたりに影響を与える人数kを減らすか、影響確率pを減らすことで、否定的拡散を抑制できることを明らかにした。
• 従来の生存分析で一般的に使われる、すべての学生に対してp=1という仮定は、多様なMOOCコミュニティでは現実的ではなく、代わりに変動するp_{v,w}を用いるべきである。
• フォーラムのコンテンツが古くなることで、曝露の可能性が低下するため、投稿が古くなるに従い減少する時間変動pの導入が正当化される。