論文《Engaging with Massive Online Courses》由斯坦福大學和康奈爾大學的博士生、教授合作，發表于計算機應用領域世界最頂級的學術會議之一--WWW，并且獲得了最佳論文亞軍，非常強大。論文通過挖掘 coursera 上 Machine Learning （以下簡稱ML）和 Probabilistic Graphical Models（以下簡稱PGM） 兩門課各三次開課的數據記錄，分析了最終成績不同的學生在學習過程中表現出怎樣的差異，以及如何提升課程論壇活躍度。

課程開始前后選課的用戶質量最高

       在課程正式開始前半個月，到課程第一次作業截止這段時間里選課的學生，其中的活躍者比例遠高于其它時間選課的。所以，MOOC課程宣傳的最佳時機，就是開課前后這個時間窗口，能獲取更優質的學員。

      早選課的活躍度低，可能是因為學習熱情在等待中消散，或者時間發生了沖突。第一次作業截止時間之后，再努力學也難以獲得證書，所以對后續作業等也就不關注了。不過值得一提的是，自開課時間起，哪怕到了課程結束之后，加入到課程但只看視頻的學生始終保持著較高的比例。他們雖然不交作業、不考試，但也能從視頻有所得，這也是課程價值的體現。所以有些MOOC課程結束后就徹底關閉，連視頻都不給人看的做法，是不合適的。

      另外，60%的學生是在課程開始前選課的，所以足夠長的預告期還是有必要的。

學生越活躍，成績越高

      基本上，學生的最終成績和他在看視頻、做測驗、交作業和讀論壇的次數是成正比的。也應了那句"一分耕耘一分收獲"的老話。但"讀論壇"這項活動有個獨特現象，在80-100分這個區間會變成反比，也就是分數越高，論壇看得越少。這說明學霸對論壇的依賴不高。論壇主要服務于非學霸。

      但不要以為學霸對論壇就沒貢獻，事實上他們很重要。統計數據表明，占據論壇沙發的學生論壇活躍度都很高（側面說明人數少），而且他們的平均成績也在80分之上。

最大的殺手，是做題

       統計表明，并沒有任何視頻成為明顯的學習終結者，但確實有些作業題目成為障礙，大量的學生被掛在上面，然后就沒有然后了。這說明學習中止的很大原因是遇到困難，而非單純的懶惰。如果能在解題過程多提供一些幫助，可以幫學生走得更遠。

學霸和學渣的帖子有顯著區別

       只需要對討論區做簡單的詞頻統計，就能得出一個結論：交作業多的學生帖子包含更多術語，交作業少的則刷的只是存在感（hello、me、I’m、interested是學渣高頻詞）。如此說來，假如要對學生論壇表現評分的話，那么詞頻統計的方法也是有一定可行性的。

       另一個區別是帖子的位置。前面說了，學霸喜沙發。那學渣喜什么呢？喜歡提問……其實說提問的是學渣，是不對的。雖然統計表明提問者的平均成績較低，但還沒低到學渣的地步。真正的學渣是連問都不會問的。

虛榮心是可利用的

       ML的第三次授課在論壇里引入了游戲中常用的勛章系統，結果論壇活躍度提升了不少。而且，勛章的展現越顯著（比如緊貼著用戶姓名顯示），越能刺激活躍度。當然，負面作用也有，就是惡意投票的增加了。

上一篇：移動互聯技術讓教育high起來

下一篇：在線教育渠道模式升級 受惠學習者