[论文解读] Communication Communities in MOOCs

Nabeel Gillani, Rebecca Eynon+3 more|arXiv (Cornell University)|Mar 18, 2014

Online Learning and Analytics参考文献 30被引用 15

一句话总结

本文提出了一种贝叶斯非负矩阵分解（BNMF）模型，利用来自一门商业策略MOOC的课程内容分析数据，识别MOOC讨论论坛中的沟通社区。结果表明，BNMF在捕捉潜在讨论结构方面优于其他模型，揭示了不同学习者社区在人口统计特征、参与度和课程表现方面存在统计显著差异，从而支持有针对性的教育干预措施。

ABSTRACT

Massive Open Online Courses (MOOCs) bring together thousands of people from different geographies and demographic backgrounds -- but to date, little is known about how they learn or communicate. We introduce a new content-analysed MOOC dataset and use Bayesian Non-negative Matrix Factorization (BNMF) to extract communities of learners based on the nature of their online forum posts. We see that BNMF yields a superior probabilistic generative model for online discussions when compared to other models, and that the communities it learns are differentiated by their composite students' demographic and course performance indicators. These findings suggest that computationally efficient probabilistic generative modelling of MOOCs can reveal important insights for educational researchers and practitioners and help to develop more intelligent and responsive online learning environments.

研究动机与目标

• 开发一种可扩展的、基于概率的生成模型，用于分析大规模MOOC论坛讨论内容。
• 基于帖子内容、对话行为、情感、主题和与话题的相关性，识别学习者之间的不同沟通社区。
• 将这些社区与人口统计和表现指标关联，以理解MOOC中学习者的多样性。
• 验证BNMF作为现有模型（如LPGM）的更优替代方案，在建模在线讨论内容方面的有效性。
• 为全球在线学习环境中的课程设计和学习者支持提供数据驱动的洞察。

提出的方法

• 本研究使用了一个新整理的数据集，包含来自一门Coursera商业策略MOOC（注册人数达90,000人）的6,500篇经人工编码的论坛帖子。
• 帖子在五个维度上进行了编码：学习相关性、交际意图、情感、主题以及与话题的相关性。
• 应用贝叶斯非负矩阵分解（BNMF）基于帖子的内容编码特征推断潜在社区。
• 该模型采用概率生成框架，捕捉非负且可解释的成分，代表社区特征画像。
• 通过推理效率和拟合度指标，将模型性能与潜在轮廓图模型（LPGM）及其他基准模型进行对比验证。
• 基于后验推断为每位用户分配社区成员身份，从而支持人口统计和结果指标的比较。

实验结果

研究问题

• RQ1 如何利用内容分析数据有效建模MOOC论坛中的潜在社区结构？
• RQ2 从沟通行为、情感和主题关注角度，学习者社区的显著特征是什么？
• RQ3 在已识别的沟通社区中，人口统计因素和课程结果有何差异？
• RQ4 BNMF在捕捉MOOC论坛数据中有意义的社区结构方面，相较于现有模型有多大的优势？
• RQ5 计算高效的概率模型（如BNMF）能否支持在线教育平台中的实时学习者画像？

主要发现

• BNMF在建模论坛内容方面优于LPGM及其他基准模型，表现出更优的拟合度和计算效率。
• 在案例和最终项目论坛中识别出五个不同的沟通社区，每个社区在对话行为、情感和主题参与方面具有独特模式。
• 案例论坛中的“讨论发起者”群体中，来自亚洲的学习者比例更高，表明存在区域性的沟通模式。
• 最终项目论坛中的“项目支持寻求者”群体中，来自南美洲的学习者比例更高，表明存在地理聚集的协作寻求行为。
• 各社区在课程表现上存在显著差异，其中“工具性帮助寻求者”群体尽管发帖量高，但通过率明显较低。
• 案例论坛中的“个人主义者”群体中，拥有研究生学历的比例较低，且通过率也较低，表明可能存在参与度不足或偏好独立学习。