1. 简介
Sebastian Thrun和Peter Norvig在2011年推出第一门在线开放课程《人工智能导论》以来，全世界都对大规模开放在线课程（MOOCs）产生了极大的兴趣（Deng, Benckendorff, amp; Gannaway, 2019; Gardner amp; Brooks, 2018; Jordan, 2014; Zhu, Sari, amp; Lee, 2018），有关MOOCs的强烈兴趣和宣传已经促使几乎每所大学都创建了至少一个这样的课程。Shah（2018）报告说，到2018年底，全世界有900多所大学提供了11400个MOOCs，总共招收了1.01亿名学习者。然而，开发和运行一个MOOC并不便宜，开发和提供MOOCs可能会使提供机构在每门课程上花费3.9万至32.5万美元（Hollands amp; Tirthali, 2014a）。显然，这些高成本需要从机构的预期收益方面来证明，比如将机构的影响力扩大到更多的受众，建立和维护机构的品牌，以及将MOOCs作为一个潜在的收入来源（Hollands amp; Tirthali, 2014b）。因此，实践者和教育者对确定他们创建的MOOCs是否成功并不令人惊讶(Henderikx, Kreijns, amp; Kalz, 2017)。因此，这给我们带来了一个问题：'MOOC的成功通常是如何衡量的？'
1.1. 作为MOOC成功指标的完成率
MOOC的成功是一个多层面的建构。以往的研究大多从学习者的学业成绩（如最终获得的成绩）或学习者的完成情况来衡量MOOC的成功。学习者的学术表现（如最终获得的成绩）或学习者的完成情况（Deng等人，2019；Gardner amp; Brooks,2018)。 但是，由于学习者的学业成绩在不同的课程中是无法比较的，所以它只能用于评估学习者在特定的MOOC中的成功率（例如，Li amp; Baker，2018）。例如，Greene、Oswald和Pomerantz（2015）利用北卡罗来纳大学教堂山分校提供的MOOC来探索影响学生成绩（和保留率）的因素，发现学习者之前的教育水平和预期时间影响了他们的MOOC成绩。然而，MOOC的最终成绩被认为不是最准确的指标，因为学习者可能只对几个选定的主题感兴趣（Almatrafi amp; Johri, 2018）。
鉴于各MOOC学习者成绩的不可比性，从传统的大学课程模式中借用的学习者完成率被压倒性地采用来衡量MOOC的成功（Henderikx等，2017；Rabin, Kalman, amp; Kalz, 2019；Zhu等人，2018）。MOOC完成率指的是注册学习者成功完成课程并获得MOOC证书。它也被用不同的术语或概念化来研究，如 '减员'（Jordan，2015）、'持续“（aimi, Zo, amp; Ciganek, 2015），'辍学'（Kloft, Stiehler, Zheng, amp; Pinkwart, 2014, p. 60），以及 '保留'（Balakrishnan amp; Coetzee,2013；Hone amp; Said, 2016）。)典型的MOOC完成率在3.5%到7.3%之间（Aydin, 2018）。因此，进行了许多研究，以发现能够预测MOOC完成率、保留率或辍学率的因素。一类研究倾向于使用复杂的算法或建模策略，如隐马尔可夫模型（Balakrishnan amp; Coetzee，2013）和支持向量机（Kloft等人，2014，第60页）。另一类研究依赖于学生自我报告的问卷（Alraimi等人，2015；Guuml;tl,Rizzardini, Chang, amp; Morales, 2014; Hone amp; Said, 2016; Said, 2017; Zhang, Bonafini, Lockee, Jablokow, amp; Hu, 2019）。由这些过去的研究报告发现如，Jordan（2015）发现，课程开始日期、课程长度和评估类型预测了学生的完成情况：更近的课程和更短的课程显示出更高的完成率，而使用同伴评估则与更大的流失率有关。Hone和Said（2016）报告说，MOOC课程内容和与教师的互动有关，研究发现，年龄较大的参与者（年龄大于50岁）完成MOOC的概率较高（Zhang等人，2019）。Said（2017）对课程参与者的访谈数据进行了定性研究，发现了几个学习者退学的原因，包括没有跟上教师的语言，缺乏与同伴和教师的互动，以及缺乏移动设备（例如，无法通过智能手机加载和观看视频）。最近，Deng et al.(2019)回顾了以前的研究，发现完成MOOC的几个关键原因：工作量、难度和适合性、课程、时间管理问题、成本、压力、归属感和参与度。
1.2. 现有的MOOC文献在完成率方面的局限性
尽管之前的研究为我们提供了关于影响学习者完成学业的有用信息，但许多研究者越来越反对将完成率作为衡量MOOC成功与否的主要指标，因为MOOC与传统大学课程之间存在着巨大的差异（Henderikx等人，2017；Ho等人，2014；Hood amp; Littlejohn，2016；Reich amp; Ho，2014；Rabin等人，2019）。在传统的面授或在线课程中，学习者受到教授的密切监督，熟悉他们的同学，并且分享相同的学术目标（Chiu amp; Hew, 2018）。在MOOC中，学习者不熟悉他们的同伴，也没有教授的密切监督(Chiu amp; Hew, 2018)。几乎所有的传统大学学习者都计划完成他们所报名的课程，但对于MOOC学生来说，情况并非如此（Reich amp; Ho, 2014）。相反，许多MOOC学习者并不打算完成课程，而是想利用它来满足其他需求，如认识新朋友或刷新他们对特定主题的记忆（Davis等人，2017），而不是完成课程和获得证书。。在这种情况下，使用完成率作为衡量MOOC成功与否的指标，无法评估MOOCs对那些有其他目标而非完成课程的学习者的有效性。
此外，一些学者（如Reich amp; Ho, 2014）认为，过分强调完成率甚至威胁到了MOOC的本质，违背了MOOC的动机。例如，Reich和Ho（2014，第3和4段）认为如下。完成率充其量是一个不完整的衡量标准，这一立场越来越得到许多人的认同。我们会进一步争论：完成率是一个衡量标准，它是一个不完整的标准。最坏的情况是，完成率是一个威胁到教育机会目标的衡量标准，而教育机会的目标正是创建MOOCs的动力。在这些课程中，'退学 '并不是违反了预期，而是开放、自由和异步注册过程的自然结果。在这些课程中，学生可以从课程中获得他们想要的东西，注册课程并不意味着对完成课程的承诺。Gardner和Brooks（2018）总结道，MOOCs的一个重要属性是 '低风险或无风险'，而传统的大学课程和电子学习课程在出勤、作业、成绩等方面有严格的要求。MOOCs提供了一个选择，即只需学习课程，不受任何认证、学分或学位课程的影响，也不会因为重修或未能完成而受到惩罚(pp. 4-5)，这为学习者提供了更大的自主权，并吸引了许多以完成学业以外的目标的学习者参加课程，以满足他们自己的需要。因此，高辍学率可能是海量、开放的、有针对性的学习过程的一个自然后果。
因此，高辍学率可能是大规模、开放和免费课程中学习过程的自然结果，而不是被认为是课程质量差的结果。此外，如果大学向导师施压，要求提高留级率和证书率，导师可能会采取一些不恰当的行动（例如，设定低的资格证书要求低或压制注册）来达到目的，这对MOOCs的发展有意想不到的影响。
1.3. MOOCs中的学习者满意度
鉴于上述对 '完成率 '的关注，本研究遵循Rabin等人（2019）的建议，以使用 '学习者满意度 '作为衡量MOOC成功的替代指标。学习者满意度反映了学生对其学习体验的观点看法（Astin，1993；Kuo，Walker，Schroder，amp; Belland，2014）。满意度对学习者来说是一个重要的结果，因为它可以影响学习者的动机水平，这是影响学生学习的重要心理因素（Astin, 1993; Bolligeramp; Martindale, 2004）。 我们还认为学习者的满意度是一个重要的因变量，因为它与学习者的感知质量有很强的正相关。不仅在传统的大学学习环境中，它与学习者对教学质量的感知有着强烈的正相关关系（Denson, Loveday, amp;Dalton, 2010; Douglas, Douglas, amp; Barnes, 2006; Ginns, Prosser, amp; Barrie, 2007; Green, Hood, amp; Neumann, 2015; Lenton, 2015;Richardson, Slater, amp; Wilson, 2007; Sutherland, Warwick, Anderson, amp; Learmonth, 2018)，但在远程教育领域也是如此（Elia, Solazzo, Lorenzo, amp; Passiante, 2019; Wu, Tennyson, amp; Hsia, 2010）。我们建议将学习满意度作为一个重要的结果，这也与最近的市场化力量一致，越来越多地将学生视为教育产品或服务的消费者（Bunce, Baird, amp; Jones, 2017）。如果学生被视为教育的消费者，那么他们对课程的满意度对课程的成功以及最终对机构的成功是非常重要的。世界各地的大多数教育机构都关心他们的学生是否对他们的学习经历感到满意（Kember amp; Ginns, 2012）。在传统的远程教育中，学习者满意度也被广泛用于评估学习者对课程的感知满意度（Bolliger amp; Martindale, 2004; Elia等人，2019）。) 从机构的角度来看，满意的学习者可能会吸引更多的学生或'客户 '到特定的课程；这将可能增加机构的财政收入和声誉。这也适用于MOOC的背景。例如，Rabin等人（2019年）认为，评估MOOCs的成功不应通过传统的指标，如辍学率，而是通过以学习者为中心的措施，如学习者满意度。学习者MOOCs中的学习者有不同的目标和入学目的。对于那些无意完成课程的学习者来说，评价MOOCs完成率对他们的有效性是一个有问题的指标。用学习者的满意度作为衡量MOOC成功的指标会更合适，因为它关注的是学习者如何积极地看待他们的学习经历（Rabin等人，2019）。) 随着MOOCs成为一个竞争日益激烈的市场（例如，截至2018年底，已有超过900个机构或组织提供了11400个MOOCs，学习者满意度可以成为衡量MOOC成功的重要指标。这是因为学生是MOOC的目标群体--因此，拥有更多满意的MOOC学生可以将一个机构的影响力扩大到更多的人，建立机构的品牌，甚至帮助机构将MOOCs作为收入来源（Hollands amp;Tirthali, 2014b）。近年来，一些研究者开始对研究MOOCs背景下的学习者满意度表现出兴趣。然而。由于这是一个新兴的研究课题，只能找到少数已发表的研究（例如，Gameel, 2017; Joo, So, amp; Ki, 2018; Li,2019；Rabin等人，2019）。) Joo等人（2018年）分析了222名参加韩国K-MOOC课程的大学生的调查数据。例如，报告说，感知到的易用性对学习者对MOOC的满意度有积极影响。Gameel（2017）调查了1786名MOOC参与者的调查数据，发现学习者在课程结束后，学习者能够访问在线学习资源，以及学习者对自己的学习负责，对学习者对MOOC的满意度有积极的影响。Li(2019)研究了4503名MOOC学习者的调查数据，发现一些学习者的人口统计学数据（如学习者的最高学位、在线课程数量等）对MOOC的满意度有积极影响。Rabin et al.(2019)发现，学习者对MOOC益处的感知和学习者的目标设定能力显著预测了学习者对MOOC的满意度。
我们目前的研究同样关注MOOC中学习者满意度的调查，但它的方向与以往的MOOC研究不同。过去的研究主要是从学习者的角度来调查学习者的满意度。过去的研究主要从学习者的人口统计学、学习者的个人动机、学习者对MOOC的感知易用性或感知利益以及学习者的倾向性（如，Gameel，2017；Joo等人，2018；Li，2019；Rabin等人，2019）。揭示与学习者感知的MOOC设计有关的因素，这些因素可以预测学习者的满意度。更具体地说，这些因素包括学习者层面的变量，如学习者对课程结构、教师、课程内容、评估、感知的工作量和感知的难度的看法，以及课程层面的变量（例如，课程安排、专业、持续时间和以每周小时为单位的估计努力）。) 如果教育者或教学设计者对这些可以预测MOOC满意度的因素有所了解，可以预测MOOC的满意度，他们就可以对课程设计进行调整，从而为学习者创造更满意的MOOC体验。
研究这些因素的理由是受到以前在传统面授和在线学习环境中进行的学习者满意度研究的启发。（Eom等人，2006；Ginns等人，2007；Green等人，2015）。例如，Eom等人（2006年）发现，发现课程教师是学习者满意度的一个重要预测因素。具体来说，我们试图在本研究中找到以下问题的答案。哪些学习者层面的变量和课程层面的变量因素可以预测MOOCs的学习者满意度？
介绍
MOOCs的颠覆性潜力引起了学者们对MOOC学习结果的日益关注。MOOC的学习成果，特别是学习者的学术表现（Meek,Blakemore, amp; Marks, 2016; Phan, McNeil, amp; Robin, 2016）和完成度（Engle,Mankof, amp;
剩余内容已隐藏，支付完成后下载完整资料
1. Introduction
Since Sebastian Thrun and Peter Norvig launched the first online open course, Introduction to Artificial Intelligence, in 2011, there has been significant interest in Massive Open Online Courses (MOOCs) around the world (Deng, Benckendorff, amp; Gannaway, 2019; Gardner amp; Brooks, 2018; Jordan, 2014; Zhu, Sari, amp; Lee, 2018), the intense interest and publicity regarding MOOCs has led almost every university to create at least one such course.Shah (2018) reports that by the end of 2018, more than 900 universities worldwide offered 11,400 MOOCs with a total of 101 million learners enrolled. However, developing and running a MOOC is not cheap, and developing and delivering MOOCs can cost provider institutions between $39,000 and $325,000 per course (Hollands amp; Tirthali, 2014a). Clearly, these high costs need to be justified in terms of the expected benefits to the institution, such as extending the institutions reach to a wider audience, building and maintaining the institutions brand, and using MOOCs as a potential source of revenue (Hollands amp; Tirthali, 2014b). It is therefore not surprising that practitioners and educators are not interested in determining the success of the MOOCs they create (Henderikx, Kreijns, amp; Kalz, 2017). Therefore, this brings us to the question, 'How is the success of MOOCs usually measured?'
1.1. completion rates as indicators of MOOC success
The success of a MOOC is a multifaceted construct. Most previous studies have measured MOOC success in terms of learners academic performance (e.g. final grades earned) or learners completion. learners academic performance (e.g. final grade earned) or learners completion (Deng et al., 2019; Gardner amp; Brooks, 2018). However, as learner academic performance is not comparable across courses, it can only be used to assess learner success in a specific MOOC (e.g., Li amp; Baker, 2018). For example, Greene, Oswald, and Pomerantz (2015) used a MOOC offered by the University of North Carolina at Chapel Hill to explore the factors that influence student achievement (and retention) and found that learners prior level of education and expected duration influenced their MOOC performance. However, final MOOC grades are not considered to be the most accurate indicator, as learners may only be interested in a few selected topics (Almatrafi amp; Johri, 2018).
Given the incomparability of learner performance across MOOCs, learner completion rates borrowed from traditional university course models have been overwhelmingly adopted to measure MOOC success (Henderikx et al., 2017; Rabin, Kalman, amp; Kalz, 2019; Zhu et al., 2018).MOOC completion rates refer to registered learners successfully completing the course and receive a MOOC certificate. It has also been studied in different terms or conceptualisations, such as attrition (Jordan, 2015), persistence (aimi, Zo, amp; Ciganek, 2015), dropout (Kloft, Stiehler, Zheng, amp; Pinkwart, 2014, p. 60), and retention ( Balakrishnan amp; Coetzee, 2013; Hone amp; Said, 2016). Typical MOOC completion rates range from 3.5% to 7.3% (Aydin, 2018). As a result, a number of studies have been conducted to discover factors that can predict MOOC completion, retention or dropout rates. One type of research tends to use complex algorithms or modelling strategies such as Hidden Markov Models (Balakrishnan amp; Coetzee, 2013) and support vector machines (Kloft et al., 2014, p. 60). Another type of research relies on student self-reported questionnaires (Alraimi et al. 2015; Guuml;tl,Rizzardini, Chang, amp; Morales, 2014; Hone amp; Said, 2016; Said, 2017; Zhang, Bonafini, Lockee, Jablokow, amp; Hu, (2019). Findings reported by these past studies such as, Jordan (2015) found that course start date, course length and assessment type predicted student completion: more recent courses and shorter courses showed higher completion rates, while the use of peer assessments was associated with greater attrition rates.Hone and Said (2016) reported that MOOC course content and interaction with the instructor related, and the study found that older participants (aged gt;50 years) had a higher probability of completing the MOOC (Zhang et al., 2019).Said (2017) conducted a qualitative study of interview data from course participants and found several reasons why learners dropped out, including not keeping up with the instructors language, lack of interaction with peers and the instructor, and lack of mobile devices (e.g. inability to load and watch videos via smartphones). More recently, Deng et al. (2019) reviewed previous research and found several key reasons for completing a MOOC: workload, difficulty and suitability, curriculum, time management issues, cost, stress, sense of belonging and engagement.
1.2. Limitations of the existing MOOC literature in terms of completion rates
Although previous studies have provided useful information about the impact on learner completion, many researchers are increasingly opposed to the use of completion rates as the main indicator of MOOC success because of the significant differences between MOOCs and traditional university courses (Henderikx et al. 2017; Ho et al. 2014; Hood amp; Littlejohn,. 2016; Reich amp; Ho, 2014; Rabin et al. 2019). In traditional face-to-face or online courses, learners are closely supervised by their professors, are familiar with their classmates, and share the same academic goals (Chiu amp; Hew, 2018). In a MOOC, learners are not familiar with their peers and are not closely supervised by their professors (Chiu amp; Hew, 2018). Almost all traditional university learners plan to complete the course they are enrolled in, but this is not the case for MOOC students (Reich amp; Ho, 2014). Instead, many MOOC learners do not plan to complete the course, but rather want to use it for other needs, such as meeting new people or refreshing their memory on a specific t
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[594011]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
