[论文解读] Understanding Communication Patterns in MOOCs: Combining Data Mining and qualitative methods

Rebecca Eynon, Isis Hjorth+2 more|arXiv (Cornell University)|Jul 25, 2016

Online Learning and Analytics参考文献 61被引用 6

一句话总结

本文通过结合数据挖掘与定性方法，研究大规模在线课程（MOOCs）中的沟通模式，分析多个课程的讨论论坛数据，以揭示社交动态与学习行为。研究发现，沟通往往聚焦于特定主题，跨参与者的互动有限，强调将定量分析与解释性洞察相结合，以更深入理解大规模在线教育环境中的学习者互动。

ABSTRACT

Massive Open Online Courses (MOOCs) offer unprecedented opportunities to learn at scale. Within a few years, the phenomenon of crowd-based learning has gained enormous popularity with millions of learners across the globe participating in courses ranging from Popular Music to Astrophysics. They have captured the imaginations of many, attracting significant media attention - with The New York Times naming 2012 "The Year of the MOOC." For those engaged in learning analytics and educational data mining, MOOCs have provided an exciting opportunity to develop innovative methodologies that harness big data in education.

研究动机与目标

• 理解学习者在大规模在线课程（MOOC）讨论论坛中大规模互动的方式。
• 使用混合方法方法识别学习者沟通中的结构与行为模式。
• 研究主题相关性、参与频率与社交动态在塑造在线学习社区中的作用。
• 通过量化数据挖掘与定性解读的结合，深化对学习者行为的理解。
• 基于对沟通模式的实证理解，为设计更有效的MOOC学习环境提供建议。

提出的方法

• 应用数据挖掘技术，从涵盖不同学科的多个MOOC中提取并分析讨论论坛数据。
• 计算定量指标，如发帖频率、主题长度与响应延迟，以描述沟通模式。
• 对部分论坛帖子进行定性分析，以解读沟通行为背后的含义与语境。
• 采用混合方法框架，将统计趋势与学习者话语的解释性洞察相互验证。
• 使用网络分析方法绘制互动结构图，识别核心参与者与沟通聚类。
• 结合自动化数据处理与主题内容的手动编码，以确保语境准确性。

实验结果

研究问题

• RQ1 在不同课程中，MOOC讨论论坛的主导沟通模式是什么？
• RQ2 不同主题与学习者群体之间的参与水平与互动结构有何差异？
• RQ3 沟通模式在多大程度上反映了有意义的学习参与，而非表面化的参与？
• RQ4 沟通的定量指标与参与度及知识建构的定性指标之间存在何种相关性？
• RQ5 社交动态与主题相关性在塑造在线讨论的质量与可持续性方面发挥何种作用？

主要发现

• MOOC论坛中的沟通通常聚焦于特定主题，尽管发帖量大，但跨主题的互动有限。
• 少数高度活跃的参与者贡献了不成比例的讨论内容，表明参与结构存在显著不均衡。
• 响应时间普遍较短，表明互动周期迅速，但许多帖子未获回应，反映出后续参与度较低。
• 定性分析显示，尽管许多帖子简短且以事务性为主，但相当一部分包含反思性或协作性学习行为。
• 感知相关性或难度较高的主题会引发更持久且更复杂的讨论，表明主题显著性影响参与深度。
• 将数据挖掘与定性编码相结合，揭示了仅靠定量分析难以发现的细微模式，例如回应中的情感基调与概念一致性。