Tag Archives: big data

萊登大學對於Coursera使用者資料的分析

來源/ Leiden University open learning lab- JASPER GINN -“COURSERA’S DATA DELUGE: AND WHAT IT TELLS US ABOUT THE BEHAVIOR OF ONLINE LEARNERS"

荷蘭萊登大學在過去兩年開設了6門MOOC。萊登大學的線上學習實驗室屬於校園內的創新中心,恩熙這些MOOC使用者留下的行為資料,得出以下觀察:

1.因為曾經修過萊登大學的課而來修其他萊登大學的課者比例不高,代表多數學生是因為對課程內容有興趣而來修課。

2.有一部分曾經修過某門課的學生會在課程第二次開課時再次修課,可能是想來看增加了那些課程內容,或是因為上次並沒有完成課程。

3.討論區互動是有週期性的,像是在一周之始與終會有特別多人。另外,只有少數人會參與討論,多數人都僅是旁觀。

4.從影片點及紀錄可以看出使用者的行動是「變換速度–>暫停–>播放–>(發生錯誤)–>尋找(拉動影片軸瀏覽整個影片)」,暫停及播放鍵通常在影片開始和結束處使用,尋找鑑則會在過程中持續使用。使用者不會使用「終止」鑑而是直接關閉視窗。

從本文的簡單介紹,就可以初步了解怎麼善用MOOC留下的資料來分析學習者了~這些對於大量使用者的客觀行為觀察在搭配上主觀想法的訪談,也許就能發現以往實體教室內不曾注意過的教學問題或方法。

原文連結 http://leidenuniv.onlinelearninglab.org/blog/-courseras-data-deluge

摘要/柯俊如

教學新趨勢 : 根據資料分析進行學習設計

來源 / Sharples, M., Adams, A., Ferguson, R., Gaved, M., McAndrew, P., Rienties, B., Weller, M., & Whitelock, D. (2014). Innovating Pedagogy 2014: Open University Innovation Report 3. Milton Keynes: The Open University

繼上次的「大規模開放社會學習」的介紹後,這次要介紹另一個英國公開大學預測的十年內教學改革方向:「根據資料分析進行學習設計」,這將在2-5年內會發生,具有高度潛在影響力。

隨著學習在線上發生,就有更多機會蒐集學生活動的資料進行分析,可以用來指引新課程設計及學習經驗提升方式。透過這些資料也可以看出哪些學習活動會帶來好結果,以及辨識出學生在哪個階段遭遇挫折。.

Continue reading 教學新趨勢 : 根據資料分析進行學習設計

Coursera : 帶著大數據來教學

來源 / Coursera blog  – Joshua Horowitz – “Bringing Data To Teaching"

當一個老師選擇在Coursera上開課時,他們將直接的影響全世界數以萬計的學生,這種廣泛而直接的影響力,一直以來都是Coursera吸引老師們開設課程的原因。然而,我們並不引此滿足,在我們想像中,即時的、大量的學生回饋可以幫助老師看到一些意想之外的學習行為,並且幫助老師們改善並探索更多MOOC的可能性。

Coursera中的University Product團隊為了我們的合作夥伴們發展了一套全新的工具,這套工具將統合豐富而複雜的原始學生活動的即時數據,透過設計與分析,轉換成易讀的圖形化圖表,這些圖表可以幫助老師了解他的學生,並隨時對課程作出調整。

統合介面 (Dashboards)

今年春季,我們發展了 「Google資料分析(Google Analytics)」式的統合介面,提供老師一些課程學生的綜觀數據:「誰來上我的課呢?他們來自於哪裡?他們刻上得如何?哪裡遇到了問題,或是跟不上進度?」

超過半數的老師每周都會來確認這些數據,並依此調整課程進行的腳步。

Continue reading Coursera : 帶著大數據來教學

深度了解大規模線上課程的「滯留」(Retention)與「意圖」(Intention)

文 /  史丹佛大學 Daphne Koller, Andrew Ng, Chuong Do, and Zhenghao Chen 

2012年,一般Coursera MOOC的註冊人數在40000到60000之間,其中50-60%在註冊後會觀看第一次授課。觀看授課的觀眾中,將近15-20%會在需要程式實作或同儕評鑑作業的課程中繳交作業。繳交作業的這群人中,將近45%會順利完成課程並取得完成證明。整體加總起來,大概只有5%註冊Coursera MOOC的學生會取得課程的正式完成證明。

在傳統大學體系中慣於重視學生數量耗損的教育者,MOOC這種retention流失的狀況被視為值得注意的警訊。老師習慣於教那些在實體教室內付了錢、做了承諾的學生,持續變空曠的教室(每20名學生中只有1名留到最後)是個令人難以理解的嚇人景象。但是,這真的是判斷MOOC學生成功與否的適當方法嗎?

MOOCs的倡議者通常會指出線上課程具有幾個補償性(compensatory)因素。這些因素從財務考量(像是高等教育成本上升而MOOCs因為重複供應能降低邊際成本)到規模考量(如MOOC十萬名學生中有將近5%畢業,老師能接觸到的學生比一輩子在實體教室能教到的更多)。這些觀點雖然正確,但是都沒有關注到MOOCs的「低完成率」和「用於高品質線上教育的可行性」。

在這篇文章中,我們將檢驗線上課程的retention議題。我們認為MOOC的retention應該置於學習者意圖(intention)的脈絡下謹慎思考,特別是這些選課的學生有著不同的背景和動機。當我們在這種合適的脈絡進行討論時,MOOC的retention通常變得相當合理。更甚者,我們這麼做有助於重視及理解MOOC這些「未完成」群眾帶來的價值,讓我們能思考如何提供能滿足他們需求的學習經驗,就像我們提供其他「完成者」的一樣。

Continue reading 深度了解大規模線上課程的「滯留」(Retention)與「意圖」(Intention)