混合学习视域下在线开放课程学习行为数据模型研究与应用*

成亚玲　谭爱平

摘   要：文章基于学习者线上/线下学习全过程学习数据，构建了混合学习视域下在线开放课程学习行为数据模型，并进行了实证研究。研究发现：根据学习特征，学习者分为高沉浸型、较高沉浸型、中沉浸型和低沉浸型四类学习群体;社交网络学习行为对认知投入度、情感投入度、学业成绩都产生积极显著影响，而个体学习行为对认知投入度、情感投入度无显著相关。最后，从学业预警等方面提出了建议。

关键词：在线开放课程;学习行为;数据模型;数据挖掘;聚类分析;关联分析

中图分类号：G434 文献标志码：A 文章编号：1673-8454（2020）19-0037-05

一、问题提出

在“互联网+”教育背景下，新一代信息技术与教育教学的深度融合，催生了课程形态与学习方式的不断变革。当前，在线开放课程无疑是适合学习者进行知识技能提升的有效路径之一。然而，在线开放课程学习过程中存在辍学率高、用户粘度低、学习进度拖后、学习互动不高、学习效果有待提高等困境;同时学习过程中产生了海量数据信息，如何从海量数据中挖掘出有价值的数据信息，如何有效地利用这些数据信息改善学习、提高学习者的学习效能，针对以上困境，本文对混合学习视域下在线开放课程学习者的学习行为数据进行深度研究，对学习者数据建模并进行挖掘分析，探究学习行为背后隐藏的教、学规律，以改进教学提升质量。

二、文献综述

近年來，在线开放课程得到了快速发展，同时也产生了大量的师生行为数据、教学评价数据、师生情感数据、课堂管理数据。……