康迎曦 唐北平

◆摘  要：随着网络信息技术的发展，近几年MOOCs（ Massive Open On line Course）在国内外呈风起云涌之势。本文通过对MOOCs大数据进行学习分析和干预策略的研究，依据在线学习者不同的知识背景、学习基础、学习风格和学习能力等个体差异，构建不同的学习模式，为学习者提供个性化的学习建议、学习资料和推荐课程，从而提高学习者的在线学习效率，进一步完善在线学习系统。

◆关键词：MOOCs大数据;学习分析;干预策略

一、引言

大规模在线开放课程MOOCs（ Massive Open On line Course）是基于课程和教学、互联网和移动通讯技术发展起来在线学习模式，国内外发展迅速。但这种在线学习模式也存在着一些问题，如在线学习质量和效率较低、教师不能及时进行辅导、个性化教学内容少、在线学习的监管和评价不及时等。通过分析MOOCs大数据，研究学习者的在线学习效果，对学习行为进行分析和干预，对推动教育信息测量和学习分析的发展，提高在线学习质量的有着重要的研究价值和意义。

二、MOOCs大数据

1.MOOCs大数据的概念和特点

在使用MOOCs学习的过程中，大量的学习者和众多的教学资源積累了数量巨大的学习行为数据。大规模在线课程学习者的数量远远超出了传统实体课堂，有上万人，甚至几十万人;这些大数据都是在学习过程中自然产生的，是即时数据，而不是事后搜集和积累的，所以大数据的类型非常丰富详尽。与传统的教育数据相比，MOOCs大数据具有更强的实时性、多样性、全面性和潜在价值大等特点。……