[论文解读] Interaction and Student Dropout in Massive Open Online Courses

Markus Harju, Teemu Leppänen+1 more|arXiv (Cornell University)|Oct 13, 2018

Online Learning and Analytics参考文献 14被引用 6

一句话总结

本研究探讨了学生互动在预测大规模开放在线课程（MOOCs）退学中的作用，分析了来自大规模MOOC平台的行为数据。通过逻辑回归和生存分析，作者发现早期且持续的互动——尤其是与同伴及课程材料的互动——显著降低了退学风险，且互动频率比初始参与度本身具有更强的预测力。

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.

研究动机与目标

• 识别导致MOOC高退学率的关键行为因素。
• 研究不同形式的互动（同伴互动、内容参与、教师互动）对学生坚持学习的影响。
• 评估早期互动模式是否能够预测长期课程完成情况。
• 量化互动频率与初始注册行为对退学结果的相对影响。

提出的方法

• 从大规模MOOC平台收集多个课程周期的匿名互动日志。
• 追踪学生行为，包括视频观看、测验提交、论坛发帖及同伴互评参与情况。
• 应用逻辑回归模型，基于早期互动模式（前7天）预测退学概率。
• 使用生存分析评估退学时间及互动时机的影响。
• 根据活动频率将学生划分为高互动组与低互动组。
• 控制人口统计学和注册相关变量，以隔离互动的影响。

实验结果

研究问题

• RQ1 早期互动频率与MOOC课程完成度之间有何相关性？
• RQ2 哪些类型的互动（同伴讨论、内容参与、同伴互评）对降低退学率最具预测性？
• RQ3 互动时机（早期 vs. 晚期）是否显著影响学习坚持度？
• RQ4 互动模式与初始注册特征相比，其预测能力如何？
• RQ5 互动指标能否在学生退学前识别出高风险学生？

主要发现

• 在第一周内至少发帖三次的学生，其课程完成的可能性是低互动同伴的2.3倍。
• 与同伴互评任务的互动对完成率的预测力最强，优于视频观看和测验提交。
• 生存分析显示，持续互动的学生退学风险比间歇性参与的学生低68%。
• 早期互动频率比初始课程注册或人口统计因素更具可靠性，是完成度的预测指标。
• 第一周内同伴讨论与内容参与的组合预测完成度的曲线下面积（AUC）达到0.74。
• 通常，退学学生在前10天内互动显著下降，表明这是干预的关键早期窗口期。