MOOC與學習資料分析
MOOC之所以受到高等教育的重視，不只是因為「連結主義」或「翻轉教室」挑戰傳統教學，也不只是「開放教育」的理念，還有在MOOC上的大規模線上學習紀錄。正如亞馬遜、臉書、google無時無刻都在蒐集你的使用資料，根據這些資料調整成更客製化的服務，同樣的，MOOC留下的大量學習紀錄資料也能用來調整老師的授課方式，提供學生更好的課程。
學習資料分析的發展
學習管理系統在1990年代出現，當時根據以老師和課程為中心的傳統教學模式進行設計，由於主要是企業培訓採用，因此很重要的發展是和企業結構結合，留下來的記錄除了教學內容，還留下其他資料方便企業以不同方式善加運用。
在社會網絡和雲端應用等2.0工具出現後，學習管理系統開始轉向以學習者為中心，不只老師，學生也會留下資料紀錄。因此，現在的學習資料分析就承繼以往所包含的資料，有來自老師與學生的教學過程數據，也有基本的個人檔案資料或機構行政性紀錄。
然而，一般的學習管理系統和學生資訊系統獲得的資訊仍不夠全面，只是學習過程的一部分，並不是完整的學習資料，像是學生和同儕的互動過程、圖書館利用、老師進行的指導都不會留下紀錄，必須搭配其他實體裝置留下的紀錄來補足其他面向。
MOOC帶給學習資料分析的
MOOC的出現帶來的許多突破。因為MOOC是專門替線上學習者準備的課程，所以完整的學習過程都會在線上進行，留下可供分析的紀錄。不論是學生觀看影片次數、問題作答次數、和同學或老師的互動，全部都會在此留下資料，顯現出更貼近真實的學習者行為模式。
特別是MOOC的學習者來自世界各地，產生的資料就可以從不同的角度切入進行分析，對於現況的解釋和預測能力也會比以往更好。
要注意的是，MOOC進行學習資料分析時有兩點和一般教育場合不同。首先是要注意MOOC的課程理念不同於一般課程，像是cMOOC在設計課程時給予學生極大的學習主導權，不認為不照老師所排進度或沒完成課程的學生代表學習成效不佳，此時就不能輕易的用這方面的資料分析衡量該課。另外一點，就是MOOC的參與者非常分散，因此中輟率必然會比一般正規教育更高，同學參與的模式也會有更明顯的差異。
在此情況下，以往解讀學習資料時所推論的中輟原因不一定能適用。MOOC累積的龐大資料量除了需要發展出更多新的分析技術，也應有不同的資料解讀方式及實務改善方式。
MOOC學習資料分析的研究與應用
Coursera創辦人之一Daphne Koller很重視MOOC帶來的學習資料分析，可以從他在TED的演講獲得簡單認識。事實上，史丹佛大學很早就開始採用線上教育，因此在推出MOOC時不只注意到個別課程設計的問題，還想著要怎麼從這些課程獲得更多。
2012年九月，史丹佛五位博士生討論可以怎麼使用史丹佛的MOOC做研究，他們分別是教育系的Emily Schneider、傳播系的René Kizilcec、電機系的Sherif Halawa、資工系Chris Piech和Chinmay Kulkarni，後來就形成了「Lytics (Learning Analytics之縮寫)研究室」，邀請Roy Pea和John Mitchell指導，共同拓展對於線上學習環境運作的知識，進而了解如何提升線上學習的效能。由於John Mitchell是史丹佛線上學習的副教務長，因此他們的研究結果將能直接和教學設計師合作，實際改善MOOC的教學方式或環境。
他們的研究計畫包羅萬象，像是發展讓老師監控學生參與情形的後台、更了解同儕評鑑和提供自動回饋的方法、使用MOOC資料預測學習成效等。2013年，他們發表的文章「Deconstructing Disengagements: Analyzing Learner Subpopulations in Massive Open Online Courses」，就利用學習資料分析，將學生分成「完成課程、旁聽、完全不參與、挑選性觀看」四種類型。發現學生的課程完成程度與和討論區參與程度有很高的關聯，因此MOOC應該促進更多社會性行為。另外，多數學生只是為了增加某些知識而選課，並沒有想獲得證書，也就不會想要完成測驗，在此情形下旁聽或挑選性觀看其實也是應該鼓勵的。
除了史丹佛大學設立了研究室，其他學校或一些個別教師，也因為MOOC完成率不高及MOOC課程環境不同於實體教室，而對反映學生真實行為的資料感到好奇。像是MIT和哈佛大學都有針對他們開設的MOOC課進行研究，並將資料公開在網站上，有一些老師則會在自己的網站或部落格分享。
喬治亞理工的Tucker Balch教授便根據他2013年春季在Coursera開的「Computational Investing, Part I」進行學習資料分析，將結果和解釋張貼在他的部落格上。可以看出學生的完成率和其性別、國家、年紀、課程活動行為的關係，像是30-50歲的人完成率較高，完成課程的人有九成看過討論區、四成在討論區貼文，較未完成課程的人有更高的討論區使用次數。
Katy Jordan則製作了一個互動性網站 “MOOC Completion Rates: The Data”，在短時間內就能從視覺化結果比較不同MOOC平台、開課學校、評鑑方式、課程完成要求對於完成率和註冊人數的影響，讓人推估MOOC課程可能可以怎麼設計。
開設Metadata: Organizing and Discovering Information的Jeffrey Pomerantz老師不僅將這些資料公布在自己的部落格上，也每周在Coursera的課程公佈欄和同學分享。學生根據這些資料可以了解有多少人一直與己同在，進而加強學習動機或調整學習方式。
可惜的是，目前在亞洲地區都還沒有老師將學習資料與其分析分享出來，也就無從理解華人的MOOC學習行為是否與西方有所差異，更無法利用這些資料進一步設想課程及平台可以怎麼作出調整。
延伸閱讀 : 從線上學習者的行為資料挖掘黃金、深度了解大規模線上課程的「滯留」(RETENTION)與「意圖」(INTENTION)
參考資料
影片 : Coursera創辦人之一Daphne Koller談MOOC與學習資料分析
http://www.ted.com/talks/daphne_koller_what_we_re_learning_from_online_education.html
http://www.educause.edu/ero/article/power-data-moocs
Adding learning analytics to your open online cloud course or MOOC
http://www.learningsolutionsmag.com/articles/1026/adding-learning-analytics-to-your-open-online-cloud-course-or-mooc-part-5
MOOC analytics : What corporate training can learn from big data
http://www.yourtrainingedge.com/mooc-analytics-what-corporate-training-can-learn-from-big-data/
Learning analytics at Stanford takes huge leap forward with MOOCs
http://news.stanford.edu/news/2013/april/online-learning-analytics-041113.html
MOOCs and the funnel of participation
http://dougclow.org/mooc-funnel/
Learning Analytics and MOOCs
http://blog.socrato.com/learning-analytics-and-moocs/
學習資料分析的發展
學習管理系統在1990年代出現，當時根據以老師和課程為中心的傳統教學模式進行設計，由於主要是企業培訓採用，因此很重要的發展是和企業結構結合，留下來的記錄除了教學內容，還留下其他資料方便企業以不同方式善加運用。
在社會網絡和雲端應用等2.0工具出現後，學習管理系統開始轉向以學習者為中心，不只老師，學生也會留下資料紀錄。因此，現在的學習資料分析就承繼以往所包含的資料，有來自老師與學生的教學過程數據，也有基本的個人檔案資料或機構行政性紀錄。
然而，一般的學習管理系統和學生資訊系統獲得的資訊仍不夠全面，只是學習過程的一部分，並不是完整的學習資料，像是學生和同儕的互動過程、圖書館利用、老師進行的指導都不會留下紀錄，必須搭配其他實體裝置留下的紀錄來補足其他面向。
MOOC帶給學習資料分析的
MOOC的出現帶來的許多突破。因為MOOC是專門替線上學習者準備的課程，所以完整的學習過程都會在線上進行，留下可供分析的紀錄。不論是學生觀看影片次數、問題作答次數、和同學或老師的互動，全部都會在此留下資料，顯現出更貼近真實的學習者行為模式。
特別是MOOC的學習者來自世界各地，產生的資料就可以從不同的角度切入進行分析，對於現況的解釋和預測能力也會比以往更好。
要注意的是，MOOC進行學習資料分析時有兩點和一般教育場合不同。首先是要注意MOOC的課程理念不同於一般課程，像是cMOOC在設計課程時給予學生極大的學習主導權，不認為不照老師所排進度或沒完成課程的學生代表學習成效不佳，此時就不能輕易的用這方面的資料分析衡量該課。另外一點，就是MOOC的參與者非常分散，因此中輟率必然會比一般正規教育更高，同學參與的模式也會有更明顯的差異。
在此情況下，以往解讀學習資料時所推論的中輟原因不一定能適用。MOOC累積的龐大資料量除了需要發展出更多新的分析技術，也應有不同的資料解讀方式及實務改善方式。
MOOC學習資料分析的研究與應用
Coursera創辦人之一Daphne Koller很重視MOOC帶來的學習資料分析，可以從他在TED的演講獲得簡單認識。事實上，史丹佛大學很早就開始採用線上教育，因此在推出MOOC時不只注意到個別課程設計的問題，還想著要怎麼從這些課程獲得更多。
2012年九月，史丹佛五位博士生討論可以怎麼使用史丹佛的MOOC做研究，他們分別是教育系的Emily Schneider、傳播系的René Kizilcec、電機系的Sherif Halawa、資工系Chris Piech和Chinmay Kulkarni，後來就形成了「Lytics (Learning Analytics之縮寫)研究室」，邀請Roy Pea和John Mitchell指導，共同拓展對於線上學習環境運作的知識，進而了解如何提升線上學習的效能。由於John Mitchell是史丹佛線上學習的副教務長，因此他們的研究結果將能直接和教學設計師合作，實際改善MOOC的教學方式或環境。
他們的研究計畫包羅萬象，像是發展讓老師監控學生參與情形的後台、更了解同儕評鑑和提供自動回饋的方法、使用MOOC資料預測學習成效等。2013年，他們發表的文章「Deconstructing Disengagements: Analyzing Learner Subpopulations in Massive Open Online Courses」，就利用學習資料分析，將學生分成「完成課程、旁聽、完全不參與、挑選性觀看」四種類型。發現學生的課程完成程度與和討論區參與程度有很高的關聯，因此MOOC應該促進更多社會性行為。另外，多數學生只是為了增加某些知識而選課，並沒有想獲得證書，也就不會想要完成測驗，在此情形下旁聽或挑選性觀看其實也是應該鼓勵的。
除了史丹佛大學設立了研究室，其他學校或一些個別教師，也因為MOOC完成率不高及MOOC課程環境不同於實體教室，而對反映學生真實行為的資料感到好奇。像是MIT和哈佛大學都有針對他們開設的MOOC課進行研究，並將資料公開在網站上，有一些老師則會在自己的網站或部落格分享。
喬治亞理工的Tucker Balch教授便根據他2013年春季在Coursera開的「Computational Investing, Part I」進行學習資料分析，將結果和解釋張貼在他的部落格上。可以看出學生的完成率和其性別、國家、年紀、課程活動行為的關係，像是30-50歲的人完成率較高，完成課程的人有九成看過討論區、四成在討論區貼文，較未完成課程的人有更高的討論區使用次數。
Katy Jordan則製作了一個互動性網站 “MOOC Completion Rates: The Data”，在短時間內就能從視覺化結果比較不同MOOC平台、開課學校、評鑑方式、課程完成要求對於完成率和註冊人數的影響，讓人推估MOOC課程可能可以怎麼設計。
開設Metadata: Organizing and Discovering Information的Jeffrey Pomerantz老師不僅將這些資料公布在自己的部落格上，也每周在Coursera的課程公佈欄和同學分享。學生根據這些資料可以了解有多少人一直與己同在，進而加強學習動機或調整學習方式。
可惜的是，目前在亞洲地區都還沒有老師將學習資料與其分析分享出來，也就無從理解華人的MOOC學習行為是否與西方有所差異，更無法利用這些資料進一步設想課程及平台可以怎麼作出調整。
文 / 柯俊如
延伸閱讀 : 從線上學習者的行為資料挖掘黃金、深度了解大規模線上課程的「滯留」(RETENTION)與「意圖」(INTENTION)
參考資料
影片 : Coursera創辦人之一Daphne Koller談MOOC與學習資料分析
http://www.ted.com/talks/daphne_koller_what_we_re_learning_from_online_education.html
http://www.educause.edu/ero/article/power-data-moocs
Adding learning analytics to your open online cloud course or MOOC
http://www.learningsolutionsmag.com/articles/1026/adding-learning-analytics-to-your-open-online-cloud-course-or-mooc-part-5
MOOC analytics : What corporate training can learn from big data
http://www.yourtrainingedge.com/mooc-analytics-what-corporate-training-can-learn-from-big-data/
Learning analytics at Stanford takes huge leap forward with MOOCs
http://news.stanford.edu/news/2013/april/online-learning-analytics-041113.html
MOOCs and the funnel of participation
http://dougclow.org/mooc-funnel/
Learning Analytics and MOOCs
http://blog.socrato.com/learning-analytics-and-moocs/
留言
張貼留言