[論文レビュー] Learning Analytics in Massive Open Online Courses

Mohammad Khalil|arXiv (Cornell University)|Feb 17, 2018

Online Learning and Analytics参考文献 198被引用数 4

ひとこと要約

この博士論文は、iMooXプラットフォーム上で実装された、MOOC向けの包括的な学習分析フレームワークを提案する。行動追跡（動画、フォーラム、クイズ、ログイン）、学生の関与度クラスタリング、動機付けモデルを統合しており、倫理的・プライバシー上の課題に対処するための脱識別化手法を導入している。分析手法がデータセキュリティを損なわずに関与度を向上させ、教育に役立たせられることを示している。

ABSTRACT

Educational technology has obtained great importance over the last fifteen years. At present, the umbrella of educational technology incorporates multitudes of engaging online environments and fields. Learning analytics and Massive Open Online Courses (MOOCs) are two of the most relevant emerging topics in this domain. Since they are open to everyone at no cost, MOOCs excel in attracting numerous participants that can reach hundreds and hundreds of thousands. Experts from different disciplines have shown significant interest in MOOCs as the phenomenon has rapidly grown. In fact, MOOCs have been proven to scale education in disparate areas. Their benefits are crystallized in the improvement of educational outcomes, reduction of costs and accessibility expansion. Due to their unusual massiveness, the large datasets of MOOC platforms require advanced tools and methodologies for further examination. The key importance of learning analytics is reflected here. MOOCs offer diverse challenges and practices for learning analytics to tackle. In view of that, this thesis combines both fields in order to investigate further steps in the learning analytics capabilities in MOOCs. The primary research of this dissertation focuses on the integration of learning analytics in MOOCs, and thereafter looks into examining students' behavior on one side and bridging MOOC issues on the other side. The research was done on the Austrian iMooX xMOOC platform. We followed the prototyping and case studies research methodology to carry out the research questions of this dissertation. The main contributions incorporate designing a general learning analytics framework, learning analytics prototype, records of students' behavior in nearly every MOOC's variables (discussion forums, interactions in videos, self-assessment quizzes, login frequency), a cluster of student engagement...

研究の動機と目的

• MOOCにおける学習分析の統合を調査し、学生の関与度と学習成果を向上させること。
• 動画の相互作用、フォーラム活動、クイズ成績を含む、MOOCプラットフォームの複数の構成要素における学生行動を分析すること。
• MOOC向けの概念的かつ実装可能な学生動機付けモデルを構築すること。
• 脱識別化フレームワークを通じて、学習分析における倫理的・プライバシー上の課題に対処すること。
• データのイン sights を教育的実践に結びつけることで、技術的分析と教育的実践のギャップを埋めること。

提案手法

• MOOC環境に特化した一般的な学習分析フレームワークを構築した。
• オーストリアのiMooX xMOOCプラットフォームに学習分析プロトタイプを実装した。
• 主要なMOOC構成要素（動画の相互作用、フォーラム活動、自己評価クイズ、ログイン頻度）における行動データを収集・分析した。
• システムのパフォーマンスとユーザ行動を評価するためのケーススタディおよびプロトタイピングを実施した。
• 個人データを匿名化し、プライバシーリスクを低減するための脱識別化アプローチを設計・実装した。
• 動機付けモデリングを分析パイプラインに統合し、学生の内発的関与を支援した。

実験結果

リサーチクエスチョン

• RQ1 学習分析をMOOCプラットフォームに効果的に統合する方法は何か？ これにより、学生の関与度を監視・向上させられるか？
• RQ2 動画、フォーラム、クイズなどの異なるMOOC構成要素において、どのような学生行動のパターンが顕在するか？
• RQ3 学生の継続的参加を高めるために、動機付けモデルをどのように概念化・実装できるか？
• RQ4 MOOCの学習分析において生じる倫理的・プライバシー上の課題は何か？ それらはどのように軽減できるか？
• RQ5 学習分析は、MOOCにおける教育実践やコース設計にどの程度影響を及べるか？

主な発見

• 学習分析フレームワークは、動画の相互作用、フォーラム投稿、クイズ試行、ログイン頻度を含む、MOOCの主要構成要素における学生行動を効果的に捉え、分析できた。
• 行動データを用いた学生の関与度のクラスタリングが成功し、受講生全体における明確な関与パターンが明らかになった。
• 実装された動機付けモデルは、学生の継続的参加の鍵となる要因が動機付けであるという、実用的な洞察を提供した。
• 脱識別化アプローチは、個人データを効果的に保護しながら分析の有効性を維持でき、倫理的懸念に対する実用的解決策を提供した。
• ケーススタディでは、分析がコース設計に活かせることを示し、教員が成績が低いモジュールを特定し、教育戦略を調整できるようになった。
• 本研究は、データ所有権を規定するためのポリシー整備と規制枠組みの必要性を浮き彫りにした。学習分析におけるバイアスの解釈を防ぐためにも不可欠である。