[논문 리뷰] Interaction and Student Dropout in Massive Open Online Courses

Markus Harju, Teemu Leppänen외 1명|arXiv (Cornell University)|2018. 10. 13.

Online Learning and Analytics참고 문헌 14인용 수 6

한 줄 요약

이 연구는 대규모 개방형 온라인 강좌(MOOCs) 내에서 학생 간 상호작용이 탈락을 예측하는 데 미치는 영향을 조사한다. 대규모 MOOC 플랫폼의 행동 데이터를 분석하여, 로지스틱 회귀와 생존 분석을 사용한 결과, 초기 및 지속적인 상호작용—특히 동료 및 강의 자료와의 상호작용—이 탈락 위험을 유의미하게 감소시키며, 상호작용 빈도가 초기 참여도만으로는 더 강력한 예측 변수임을 확인하였다.

ABSTRACT

Massive Open Online Courses (MOOC) are seen as a next step in distance online learning. In the MOOC vision, large numbers of students can access the course content over the Internet and complete courses at their own pace while interacting with their peers and instructors online. Despite the initial enthusiasm about MOOCs, large number of students were observed dropping out of the online courses. In this paper, we pinpoint the reasons behind the high student dropout rate and discuss how the interaction capabilities of MOOCs contributed towards the low completion rate.

연구 동기 및 목표

• MOOC에서 높은 탈락률을 초래하는 주요 행동적 요인을 특정하기 위해.
• 다양한 형태의 상호작용(동료, 콘텐츠, 강사)이 학생의 지속 가능성에 미치는 영향을 검토하기 위해.
• 초기 상호작용 패턴이 장기적인 과정 이수를 예측할 수 있는지 평가하기 위해.
• 상호작용 빈도와 初기 등록 행동 간의 상대적 영향을 수량화하기 위해.

제안 방법

• 다양한 강좌 런에 걸쳐 대규모 MOOC 플랫폼에서 익명화된 상호작용 로그를 수집하였다.
• 비디오 시청, 퀴즈 제출, 포럼 게시물, 동료 평가 참여 등의 학생 활동을 추적하였다.
• 초기 상호작용 패턴(첫 7일)을 기반으로 탈락 확률을 모델링하기 위해 로지스틱 회귀를 적용하였다.
• 시간에 따른 탈락 여부 및 상호작용 시기의 영향을 평가하기 위해 생존 분석을 사용하였다.
• 활동 빈도에 따라 학생들을 고상호작용군과 저상호작용군으로 분류하였다.
• 상호작용의 영향을 분리하기 위해 인구통계학적 및 등록 관련 변수를 통제하였다.

실험 결과

연구 질문

• RQ1 초기 상호작용 빈도는 MOOC에서 과정 이수와 어떻게 관련이 있는가?
• RQ2 동료 토론, 콘텐츠 참여, 동료 평가 등의 상호작용 유형 중 어느 것이 탈락 감소에 가장 예측력이 높은가?
• RQ3 상호작용 시기(초기 vs. 후기)가 지속성에 유의미하게 영향을 미치는가?
• RQ4 상호작용 패턴은 初기 등록 특성에 비해 예측력이 더 뛰어나나?
• RQ5 상호작용 지표를 활용해 탈락 이전에 위험에 처한 학생을 식별할 수 있는가?

주요 결과

• 첫 주 안에 최소 세 번 이상 포럼 게시물을 작성한 학생은 저상호작용 동료에 비해 과정 이수 확률이 2.3배 높았다.
• 동료 평가 과제와의 상호작용가장 높은 예측력을 보였으며, 비디오 시청 및 퀴즈 제출보다 뛰어난 성능을 보였다.
• 생존 분석 결과, 시간에 따라 지속적인 상호작용을 보인 학생은 산발적인 참여를 보인 학생보다 탈락 위험이 68% 낮았다.
• 초기 상호작용 빈도는 초기 과정 등록 또는 인구통계학적 요인보다 과정 이수 예측에 더 신뢰할 수 있는 예측 변수였다.
• 첫 주 내 동료 토론과 콘텐츠 참여의 조합은 AUC(Receiver Operating Characteristic 곡선 아래 면적)가 0.74로 과정 이수를 예측하는 데 뛰어난 성능을 보였다.
• 탈락한 학생들은 일반적으로 첫 10일 이내에 상호작용이 급격히 감소하는 경향을 보였으며, 이는 간섭이 필요한 임계 조기 창을 시사한다.