世界慕课研究热点、趋势与启示
摘 要:慕课诞生至今历经14年的发展,世界各国都在慕课建设中贡献智慧。基于文献计量学方法,采用CiteSpace对科学网核心数据合集中的社会科学引文索引文献进行可视化分析,探索世界慕课研究领域的现状、热点和趋势。结果表明,美国、中国和西班牙为世界慕课研究的核心地区;美国麻省理工学院是发文量最多的机构;慕课学习者学业表现的影响因素和评估是慕课研究的热点;慕课学习策略、基于机器学习的慕课学习分析和慕课学习持续性是未来研究的趋势。分析结果对中国慕课发展的启示包括以慕课发展推进教育公平、实现慕课学习的个性化支持、注重慕课质量及其评估、构建基于慕课的共同体。
关键词:慕课;MOOC;热点;趋势;CiteSpace
中图分类号:G434
文献标志码:A
文章编号:1673-8454(2023)04-0035-10
作者简介:王晶莹,北京师范大学科学教育研究院教授、博士生导师(北京 100875);谢涌,北京师范大学科学教育研究院硕士研究生,为本文共同第一作者(北京 100875);郑永和,通讯作者,北京师范大学科学教育研究院院长、教授、博士生导师(北京 100875)
基金项目:北京市教育科学规划“十四五”2022年度优先关注课题“大数据教育评价研究”(编号:CDEA22008)
一、背景与方法
(一)研究背景
MOOC(慕课)即大型开放在线课程(Massive Open Online Course)的首字母缩写,它是一种独特的在线教育形式。“大型”是指课程有能力招收大量学生,以及记录大量学习者的活动和表现数据。“开放”是指课程免费或者成本较低,所有具备互联网通信条件的用户都可以访问课程材料。“在线”意味着慕课的学习可以在全球任何有互联网和电子设备的地方开展。课程,意味着它能提供一套连贯的资源,并遵循教师组织的一系列活动以解决特定的学习目标。慕课的诞生和发展重塑了教育的形态,打破了学校的围栏,满足了更多人群的学习需求。慕课的众多优势促进了其快速发展。从2012年慕课元年开始,许多世界顶尖大学纷纷加入慕课建设的队伍,也形成了世界闻名的慕课平台,包括由斯坦福大学牵头的Coursera、由麻省理工学院和哈佛大学联合创建的edX等。除了课程资源建设以外,研究者也普遍关注到慕课对教育的变革。许多研究者关注慕课这一在线学习形式对学习者的作用,包括慕课学习者的辍学率、探索慕课中的学习是怎么发生的等,并且基于学习的机制来设计和开发慕课,对慕课的发展起到重要作用。中国非常重视慕课的建设和发展,从2020年开始举办世界慕课大会,这是自慕课兴起以来首次以慕课为主题举办的全球性会议,目前已举办三届。从2012年慕课元年至今,慕课经历了10年的探索和发展。期间面临过各种困难和挑战,世界各国都在慕课相关的研究中贡献智慧。那么,世界慕课的研究中都出现过哪些热点主题?未来慕课的发展趋势是什么?世界慕课的研究对中国慕课的发展有哪些启示?本研究将采用文献计量学的方法,对国际期刊中的慕课研究进行分析和讨论,以回答上述问题。只有厘清这些问题,我们才能对世界慕课发展的脉络有更清晰的了解,也会对未来慕课的研究方向有更明确的认识,从而更好地为世界慕课发展贡献中国智慧。
(二)研究方法
本研究以Web of Science数据库核心数据合集中的SSCI文献作为数据来源,检索主题为“MOOC”,不限定学科范围和时间跨度。经过严格筛选,剔除不符合慕课主题的学术论文,共选取964 篇文献作为研究样本(截至2022年12月10日)。样本文献的时间跨度为2009—2022年,发表时间分布以及被引频数如图 1 所示。本研究采用CiteSpace软件对筛选文献进行进一步分析。CiteSpace是一款应用Java语言开发的信息可视化软件,可以对特定领域文献进行计量,从而探索该学科领域中的重要作者、机构、国家以及期刊,并通过一系列可视化的图谱呈现该学科演化中的热点和学科发展的前沿。在运用CiteSpace6.4.R3(64-bit)Basic进行文献可视化分析时,将时间阈值(Time Slicing)设置为“From 2009 to 2022”;连线阈值(Links)数据对象强度设置为夹角余弦距离(Cosine)类型;节点阈值(Selection Criteria)设置为每年频次最高的节点数据(Top N)类型,数值为30,即表示2009—2022年Web of Science数据库SSCI数据集中,慕课研究文献每一年被引频次或出现频次最高的前30个节点数据,聚类分析采用对数似然率(Log-likelihood Rate,LLR)得出结果。首先,对作者、机构和国家分别进行合作网络分析,在施引文献(Node Types)中分别选择“作者(Author)”“机构(Institution)”“国家(Country)”,了解该领域核心的作者、机构和国家,及其相应的发文量。其次,选择“被引期刊(Cited Journal)”,探索参考文献中共被引量较高的期刊,为该领域核心期刊。最后,进行关键词共现分析,在施引文献选择“关键词”(Keyword)共现分析功能,通过可视化分析得出的知识图谱获取世界慕课研究中的热点。其中突现性分析(Burstness)可以进一步分析慕课研究的发展趋势,时间线图(Timeline)可以了解关键词的发展脉络。
图1 数据发表时间分布和被引频数
二、世界慕课研究热点
(一)核心研究地区、机构、作者和期刊
全球范围内在SSCI期刊上慕课研究发文量排名前10的国家和地区分别为美国、中国、西班牙、澳大利亚、英格兰、加拿大、荷兰、法国、德国和中国台湾。由发文量来看,美国在慕课领域的研究成果最为丰富,发文量为237篇。此外,中国和西班牙的发文量超过了100篇,分别为171篇和141篇。由首篇发文年份来看,美国和加拿大在慕课发展的早期就作出了许多研究贡献,首次发文年份均为2011年,为2012年世界慕课元年的诞生打下了坚实的研究基础。
在SSCI期刊上慕课研究发文量超过10篇的15个世界研究机构分别为:麻省理工学院、普渡大学、马德里卡洛斯三世大学、华中师范大学、莫纳什大学、爱丁堡大学、英国开放大学、南澳大学、宾夕法尼亚大学、北京师范大学、荷兰开放大学、塔斯马尼亚大学、哈佛大学、穆尔西亚大学、萨拉曼卡大学。从发文量来看,麻省理工学院的发文量最高,为22篇。普渡大学和马德里卡洛斯三世大学次之,均为18篇。由首篇发文年份来看,在2012年慕课元年后,慕课研究受到许多研究机构的关注,他们也在2014年开始在SSCI期刊上发布慕课领域的研究成果,而近5年来则是华中师范大学和南澳大学团队在慕课研究领域发表了大量成果。
在SSCI期刊上慕课研究发文量排名前11的作者依次为卡洛斯·阿拉里奥-霍约斯(Carlos Alario-hoyos)、斯雷奇科·约克西莫维奇(Srecko Joksimovic)、德拉甘·加舍维奇(Dragan Gasevic)、维托米尔·科万诺维奇(Vitomir Kovanovic)、威廉·R·沃森(William R Watson)、桑尼·李·沃森(Sunnie Lee Watson)、贾斯廷·赖希(Justin Reich)、马尔科·卡尔茨(Marco Kalz)、何塞·A·瑞佩雷斯-瓦林特(Jose A Ruiperez-valiente)、伊里亚·埃斯特韦斯-艾尔斯(Iria Estevez- ayres)、佩德罗·J·穆诺兹-梅里诺(Pedro J Munoz-merino)。从发文量来看,马德里卡洛斯三世大学的阿拉里奥-霍约斯(Alario-hoyos)的发文量最多,共有14篇。南澳大学的约克西莫维奇(Joksimovic)次之,有11篇,莫纳什大学的加舍维奇(Gasevic)位居第三,共有10篇。从首篇发文年份来看,麻省理工学院的赖希(Reich)是近几年慕课领域活跃的研究者,产出较多研究成果。
慕课研究领域被引量前10的SSCI期刊主要为教育技术领域的期刊。其中《开放和分布式学习研究国际评论》(International Review of Research in Open and Distributed Learning)中的文章在慕课研究中的共被引量最高,达到541次,《计算机与教育》(Computers & Education)的共被引量次之,达到500次。此外,《计算机在人类行为中的应用》(Computers in Human Behavior)和《英国教育技术杂志》(British Journal of Educational Technology)两本期刊的共被引量超过300次,其中《计算机在人类行为中的应用》的被引年份最早,在2009年就开始被慕课研究所引用。
(二)世界慕课研究主题
将样本根据关键词进行LLR聚类后,得到8个聚类,代表着8个慕课研究主题,包括学业表现(聚类#0 performance)、在线学习(聚类#1 online learning)、在线教育(聚类#2 online education)、学习分析(聚类#3 learning analytics)、社会网络分析(聚类#4 social network analysis)、幸福(聚类#5 well-being)、电子学习(聚类#6 electronic learning)、在线开放教育课程(聚类#7 online open education courses),如图2所示。但由于聚类#7所涉及的文章数仅有6篇,数量较少(低于10篇),因此在聚类图中将该聚类省略。
图2 关键词聚类
2009—2011年,慕课研究的热点关键词为 “大型开放在线课程 (massive open online course)”“在线学习(online learning)”;到了2012—2014年,研究热点变为“学生(student)”“教育(education)”“高等教育(higher education)”“学业表现(performance)”“学习分析(learning analytics)”以及“模型(model)”;2015—2018年, 慕课研究集中于“慕课(MOOC)”“动机(motivation)”“在线(online)”“满意度(satisfaction)”以及“投入度(engagement)”;2019—2022年,慕课研究集中于“持续使用意向(continuance intentions)”“持续性(continuance)”“机器学习(machine learning)”以及“分析(analytics)”。慕课研究的热点关键词共现情况如图3所示。
图3 关键词共现
(三)世界慕课研究热点
2009—2022年,慕课研究领域文献的关键词,引用率最高的是聚类#0中的“学生(student)”121次,其次分别为聚类#1中的“大型开放在线课程(massive open online course)”104次、聚类#0中的“慕课”(MOOC)98次、聚类#2中的“教育(education)”94次、聚类#0中的“动机(motivation)”90次、聚类#1中的“高等教育(higher education)”84次、聚类#0中的“学业表现(performance)”75次、聚类#1中的“在线学习(online learning)”73次、聚类#3中的“在线(online)”70次、聚类#0中的“投入度(engagement)”57次。
第一,高频研究热点“影响慕课效果的学习者因素”。西苏格兰大学的特拉斯(Terras)和拉姆齐(Ramsay),从心理学视角分析了学习者充分使用慕课进行学习所需要解决的心理挑战,[1]包括技能、偏好和认知状况的个体差异,投入度、动机、学习和绩效,监控并适当响应外部和内部学习环境需求的能力,这些心理特征可以为慕课的设计、开发和应用提供指导。第二,高频研究热点“在线学习中的慕课发展”。慕课是在线学习中的一种重要学习方式,其发展值得关注。雷丁大学的学者通过对2008—2012年已发表的45篇慕课主题的同行评审论文进行系统综述,[2]将文献分为八个类别,包括介绍、概念、案例研究、教育理论、技术、以参与者为中心、以提供者为中心,以及其他。第三,高频研究热点“慕课的课程表现”。 休斯敦大学的学者调查了学习者模式和参与动机对慕课表现的影响,[3]结果表明,拥有中等水平内容知识的学习者在课程中获益最多。积极参与和具有参与动机的慕课学习者表现得更好,参与动机包括获得证书、技能、想法、灵感、提高实践等。第四,高频研究热点“慕课中的教育评估”。斯坦福大学的学者对慕课的同伴和自我评估进行调查,结果表明学生对自己工作的评价平均比教职员工高 7%。[4]学生对本国同龄人作品的评价也比其他地方的高3.6%。他们通过二次迭代获得了关于同伴和自我评估的经验,包括向学生提供评分偏差的反馈来提高他们后续评估的准确性,采用简短、可定制的反馈片段为学生提供更多定性的同伴反馈,以及使用平行句子结构、明确措辞并明确指定维度的评分标准。第五,高频研究热点“慕课学习动机”。学习动机对慕课的学业表现具有重要影响。[5]欧洲高等商学院的学者认为完成 MOOC或SPOC需要相对较高水平的内在动机和自律,并提出了5C 框架来驱动学生内在动机,包括归属(Commitment)、挑战(Challenge)、控制(Control)、竞争(Competition)、同步(Contemporaneous)。[6]第六,高频研究热点“高等教育中的慕课”。英国开发大学的乔丹(Jordan)通过广泛收集公共媒体中慕课的注册和完成的数据,探索影响高等教育中左右慕课入学完成情况的因素。[7]结果表明,每门慕课的平均完成率为6.5%。慕课注册人数随着课程开设时间的推移而减少,并且与课程长度呈正相关。慕课完成率与开设时间、大学排名和总入学率之间都没有显著相关性,但与课程长度呈负相关。第七,高频研究热点“慕课中的表现”。梨花女子大学的学者收集了222名韩国获得学分的慕课使用的大学生数据,[8]通过结构方程模型检验学生的自我决定、技术接受对学生慕课持续使用意愿的影响,并以满意度为中介。结果表明,感知易用性比感知有用性更能影响学习者的慕课持续使用意愿,但是自我决定无法影响学生的满意度。第八,高频研究热点“在线学习的技术工具”。佛罗伦萨大学的菲尼(Fini)对83名CCK08慕课终身学习者的学习网络技术的态度进行研究,[9]结果表明终身学习者不关心课程的完成情况,而时间限制、语言障碍和ICT技能会影响参与者对工具的选择,未来需要对慕课参与者的情况、慕课的可持续性等进行进一步调查。第九,高频研究热点“慕课的学习分析”。墨尔本大学的学者采用学习分析技术调查动机和参与如何影响学习者在慕课中的表现。[10]结果表明,学习表现的最强预测因素是学习者的参与,其次是动机。情境兴趣在调节一般内在动机和参与对学业表现的影响方面发挥着至关重要的作用。学习分析技术的结果对设计和开发慕课具有重要价值。第十,高频研究热点“慕课的投入度”。有学者通过访谈参与化学导论和统计的36名学生,调查影响学习者投入度和学习的动机和障碍。[11]结果表明,知识、工作、便利和个人兴趣是他们投入慕课学习的主要动机,而缺乏时间是学习者最普遍的障碍,此外还有过往课程的糟糕体验、背景知识不足,以及缺乏资金、基础设施、互联网接入等资源。
三、世界慕课研究的发展趋势
(一)关键词突现性分析
关键词突现性是指某时间段内关键词出现情况剧烈变化的频率,可以用来表示某个研究领域中关注热点的变化。突现性的数值高,表示该关键词在该时间段内突然受到研究者的普遍关注,成为该研究领域的热点。而近几年持续突现的关键词可以用来表示该领域当下的研究热点和未来值得关注的前沿趋势。按照突现词出现的年份排序,结果如图4所示。突现词包括学习环境(learning environment)、在线教育(online education)、教学设计(instructional design)、开放教育(open education)、远程教育(distance education)、感知(perception)、框架(framework)、课程(course)、结果(outcome)、自我调节学习(self-regulated learning)、策略(strategy)、机器学习(machine learning)和持续性(continuance)。其中突现性最强的是在线教育(5.84),其次为策略(5.03)。近几年持续突现的关键词为策略、机器学习和持续性,这三个关键词也是慕课研究的发展趋势。首先,“慕课中的学习策略”是第一大发展趋势。乌得勒支大学的学者在慕课课程中对学习者提供了学习策略的视频干预。[12]结果表明,干预对学习者的课程完成有积极的影响。此外,与对照组相比,遵从干预的学习者也进行了更多自我调节行为,包括计划、寻求帮助和坚持。 其次,“基于机器学习的慕课学习分析”是第二大发展趋势。香港大学的学者采用监督机器学习算法探索影响学生课程满意度的因素,[13]通过对249门慕课的课程特征和6393名学生对这些慕课的认知进行分析得出,课程教师、内容、评估和时间表在解释学生满意度方面起着重要作用,而课程结构、专业、持续时间、视频、交互、感知课程工作量和感知难度没有显著影响。最后,“慕课学习的持续性”是第三大发展趋势。纳瓦拉大学的学者评估慕课可持续完成者和未完成者在自我调节学习策略以及其他慕课相关变量方面的差异。[14]结果表明,慕课可持续完成者更有能力自我调节他们的学习,并表现出更高水平的感知有效性和对慕课内容的参与。此外,预测慕课学习者可持续完成课程与否的最有效变量是目标设定、任务兴趣和研究学科。
图4 关键词突现
(二)时间线视图分析
时间线视图侧重于表示聚类之间的关系、聚类中各个关键节点的发展脉络及其历史跨度,结合各个节点之间的连线可以进一步分析慕课研究领域在不同时期处于繁荣还是低谷。根据图5中不同聚类的时间线可以判断:聚类#0 “学业表现”从2014年开始,到2021年关注度降低。但是其中许多热门节点,包括“学生”“动机”“学业表现”等在2022年仍然受到较多关注。聚类#1“在线学习”从2009年开始就受到研究者的关注,该研究主题包含了“高等教育中的慕课”这一研究热点,到2022年关注度仍未降低。聚类#2“在线教育”出现时间较短,从2013年出现,到2015年开始趋冷。聚类#3“学习分析”从2014年开始受到关注,到了2022年研究热度持续升温。聚类#4“社会网络分析”从2014年到2017年是研究者关注的主题。聚类#5“幸福”受到关注的时间仅为2014年,昙花一现。聚类#6“电子学习”从2013年开始受到关注,到了2021年末逐渐趋冷,关注度降低。
图5 时间线视图
四、世界慕课研究的启示
(一)以慕课发展推进教育公平
区域教育发展不平衡是我国教育发展的重要问题。据《2022年度全国普通高等学校名单》显示,全国共计有2759所普通高等学校,但优质高校资源主要集中于北京、上海、广东等地。党的十八大以来,中西部教育和农村教育虽然得到明显增强,但与东部地区和城市地区相比仍然存在差距。教育发展的区域不平衡问题加剧了区域人才供给失衡,阻碍经济区域协调与社会公平发展。[15]而慕课的发展被认为是解决这一重要教育问题的关键手段。慕课的准入门槛较低,学生只需要拥有互联网和对课程的兴趣就可以访问优质的教育资源,这有助于缓解区域教育发展中教育资源不平衡的问题。《纽约时报》教育专栏作家劳拉·帕帕诺(Laura Pappano)认为,慕课可以为教育发展带来希望,“免费课程可以将世界上最好的教育带到地球上最偏远的角落,帮助人们的职业生涯发展,并拓展知识和个人网络”。[16]研究也表明慕课能够帮助教育资源落后的群体以更低的投资来改善他们的职业轨迹。[17]因此,中国也开启了“慕课西部行”计划,积极扩大优质资源开放共享,促进更有质量的公平。同时,慕课是否能够有效助力教育公平也受到研究者的普遍关注。有研究者提出慕课只是将知识带给已经受过教育的人,而不是那些本就无法接受较好教育服务的人。[16]尽管慕课的准入门槛较低,但仍需要学习者拥有基础的技术设施,并具备语言流利性和数字技能。很大程度上是这些数字鸿沟制约了慕课助力教育公平的效果。[18]许多研究者对慕课的使用人群进行调查,结果表明参加慕课的人往往年龄更大、受教育程度更高、更富有,并且已经拥有许多机会获得教育资源。[19]因此,未来也需要更多的研究检验慕课在助力区域教育均衡发展中的效果,以及进一步探索如何促进慕课有效推进教育公平。
(二)实现慕课学习的个性化支持
慕课的完成率一直以来为教育研究者和管理者所诟病,有研究者通过公共媒体的数据分析得出,每门慕课的平均完成率为6.5%。[7]但也有越来越多的专家提出,慕课的课程完成率不是衡量慕课成功与否的唯一标准,不同学习者的目标不同,许多慕课学习者使用慕课的目标并非为了完成慕课。因此,研究应该从关注慕课的完成率转变为关注如何为慕课学习者提供个性化的支持。慕课开放的特点同样要求学习者更加自律,他们需要采用自我调节等学习策略来实现个人的慕课学习目标。有的研究者在慕课学习者的学习过程中为他们提供介绍学习策略的视频,结果表明这些接收到学习策略视频支持的学生相比对照组的学生能够更有效地完成慕课目标。这也意味着,在慕课中为学生提供所需的学习策略支持对实现个人目标具有重要作用。慕课的学习者类型丰富,包括主动参与者、被动参与者、潜水者等。如何识别不同类型的学习者以及为他们提供所需的学习策略支持也是值得研究者关注的主题。学习分析技术被认为是破解这一问题的突破口,采用学习分析技术的慕课研究提案也更容易获得资助。[20]许多研究者通过学习分析技术对学习者的动机、投入度、自我效能感等因素进行分析,发现有积极学习动机的慕课学习者的学习效果会更好,[3]慕课学习者的行为和认知投入度可以预测他们的学业表现。[21]还有研究者通过机器学习的方法来预测学习者的辍学率和完成率。在慕课学习中能感知到这些因素对学习者进行自我调节和实现学习目标具有积极作用。
(三)注重慕课质量及其评估
尽管慕课的目标是在全球范围内提供优质的教育资源,但随着慕课的快速发展和资源的激增,慕课的质量问题开始逐渐受到人们的重视。对慕课的教学设计进行评估发现,多数慕课注重精心包装,但教学设计质量较差。[22]一项审查慕课质量的研究发现,大多数慕课为学习者所提供的内容相似,并不是以学习者为中心的,他们对学习的促进效果较差,基于同伴的评估和反馈也不专业。[23]慕课质量的探讨通常在慕课教学设计的研究中出现,因为慕课质量的评估和保证是教学设计的一项重要组成部分。2014年左右就已经出现了保证慕课质量的计划,包括西班牙国立远程教育大学提出的慕课质量模型、基于欧洲卓越电子学习质量项目开发的用于评估高等教育电子学习质量的标签工具,以及欧洲电子学习质量基金会设计的慕课质量保证框架等。[24]完善标准规范,开发相应的框架和工具对促进慕课高质量发展具有一定作用。除了慕课设计与开发的框架外,慕课中的学习评估也是影响慕课教学质量的重要因素。慕课通常采用自我评估、同伴评估、每周测验、期末考试等评估方式。研究者通过分析发现,自我评估可能不是评估慕课学业表现的有效方法,而同伴评估和每周测验对期末考试的解释程度较高。[25]由此看来,慕课评估对慕课质量的作用值得关注。
(四)构建基于慕课的共同体
慕课快速发展的契机也带动了许多共同体的产生:一方面是基于慕课课程建设形成的资源开发共同体,另一方面是具有共同兴趣的学习者形成的学习共同体。共同体的形成也为慕课的发展注入了更多活力。形成慕课资源开发共同体、形成良好的合作和对话机制对慕课发展具有重要意义。在慕课诞生之初,美国的许多顶级学校就共同联合建设了优质的慕课资源,各个学校共享各自的优质课程资源,交流慕课建设的经验。我国也有部分高校形成了类似的资源开发共同体,如何有效整合各高校的资源,形成良好的合作和对话机制值得研究者关注。此外,共同兴趣的学习者形成的学习共同体也是慕课的一大亮点。不同专业背景的学习者由于共同的学习兴趣聚集在一起,他们在课程的学习中可以相互交流,根据自己的生活经历分享对问题的独特看法,这对促进学习者的知识建构和形成对问题的多视角理解起到了重要作用。学习者之间一旦形成联通网络,就会给个人、学术和专业发展持续不断地带来好处。越来越多的研究者也将慕课交流论坛中的文本作为数据进行分析,探索共同体中学习者之间的社会交互对他们慕课学习的影响。[26]
参考文献:
[1]TERRAS M M, RAMSAY J. Massive open online courses(MOOCs): insights and challenges from a psychological perspective[J/OL]. British Journal of Educational Technology, 2015,46(3):472-487. https://doi.org/10.1111/bjet.12274.
[2]LIYANAGUNAWARDENA T R, ADAMS A A, WILLIAMS S A. MOOCs: a systematic study of the published literature 2008-2012[J/OL]. The International Review of Research in Open and Distributed Learning, 2013,14(3):202-227. https://doi.org/10.19173/irrodl.v14i3.1455.
[3]PHAN T, MCNEIL S G, ROBIN B R. Students’ patterns of engagement and course performance in a Massive Open Online Course[J/OL]. Computers & Education, 2016,95:36-44. https://doi.org/10.1016/j.compedu.2015.11.015.
[4]KULKARNI C, WEI K P, LE H, et al. Peer and self assessment in massive online classes[J/OL]. ACM Transactions on Computer-Human Interaction, 2013,20(6):33:1-33:31. https://doi.org/10.1145/2505057.
[5]DENG R, BENCKENDORFF P, GANNAWAY D. Progress and new directions for teaching and learning in MOOCs[J/OL]. Computers & Education, 2019,129:48-60. https://doi.org/10.1016/j.compedu.2018.10.019.
[6]KAPLAN A M, HAENLEIN M. Higher education and the digital revolution: about MOOCs, SPOCs, social media, and the Cookie Monster[J/OL]. Business Horizons, 2016,59(4):441-450. https://doi.org/10.1016/j.bushor.2016.03.008.
[7]JORDAN K. Initial trends in enrolment and completion of massive open online courses[J/OL]. The International Review of Research in Open and Distributed Learning, 2014,15(1)[2022-12-17]. https://www.irrodl.org/index.php/irrodl/article/view/1651.
[8]JOO Y J, SO H J, KIM N H. Examination of relationships among students’ self-determination, technology acceptance, satisfaction, and continuance intention to use K-MOOCs[J/OL]. Computers & Education, 2018,122:260-272. https://doi.org/10.1016/j.compedu.2018.01.003.
[9]FINI A. The technological timension of a massive open online course: the case of the CCK08 course tools[J/OL]. The International Review of Research in Open and Distributed Learning, 2009,10(5)[2022-12-17]. https://www.irrodl.org/index.php/irrodl/article/view/643.
[10]DE BARBA P G, KENNEDY G E, AINLEY M D. The role of students’ motivation and participation in predicting performance in a MOOC[J/OL]. Journal of Computer Assisted Learning, 2016,32(3):218-231. https://doi.org/10.1111/jcal.12130.
[11]SHAPIRO H B, LEE C H, WYMAN ROTH N E, et al. Understanding the massive open online course (MOOC) student experience: an examination of attitudes, motivations, and barriers[J/OL]. Computers & Education, 2017,110:35-50. https://doi.org/10.1016/j.compedu.2017.03.003.
[12]JANSEN R S, VAN LEEUWEN A, JANSSEN J, et al. Supporting learners’ self-regulated learning in Massive Open Online Courses[J/OL]. Computers & Education, 2020,146:103771. https://doi.org/10.1016/j.compedu.2019.103771.
[13]HEW K F, HU X, QIAO C, et al. What predicts student satisfaction with MOOCs: a gradient boosting trees supervised machine learning and sentiment analysis approach[J/OL]. Computers & Education, 2020,145:103724. https://doi.org/10.1016/j.compedu.2019.103724.
[14]REPARAZ C, AZNáREZ-SANADO M, MENDOZA G. Self-regulation of learning and MOOC retention[J/OL]. Computers in Human Behavior, 2020,111:106423. https://doi.org/10.1016/j.chb.2020.106423.
[15]邓创,曹子雯.中国教育发展的区域不平衡特征与优化路径[J].教育与经济,2022, 38(3):41-50.
[16]SCHMID L, MANTURUK K, SIMPKINS I, et al. Fulfilling the promise: do MOOCs reach the educationally underserved?[J/OL]. Educational Media International, 2015,52(2):116-128. https://doi.org/10.1080/09523987.2015.1053288.
[17]VAN DE OUDEWEETERING K, AGIRDAG O. MOOCS as accelerators of social mobility? a systematic review[J]. Journal of Educational Technology & Society, 2018,21(1):1-11.
[18]RASHEED R A, KAMSIN A, ABDULLAH N A, et al. A systematic mapping study of the empirical MOOC literature[J/OL]. IEEE Access, 2019,7:124809-124827. https://doi.org/10.1109/ACCESS.2019.2938561.
[19]CHRISTENSEN G, STEINMETZ A, ALCORN B, et al. The MOOC phenomenon: who takes Massive Open Online Courses and why?[M/OL]. Rochester, NY(2013-11-06)[2022-12-23]. https://papers.ssrn.com/abstract=2350964.
[20]GAŠEVIĆ D, KOVANOVIĆ V, JOKSIMOVIĆ S, et al. Where is research on massive open online courses headed? a data analysis of the MOOC research initiative[J/OL]. International Review of Research in Open and Distributed Learning, 2014,15(5):134-176. https://doi.org/10.19173/irrodl.v15i5.1954.
[21]LI Q, BAKER R. The different relationships between engagement and outcomes across participant subgroups in Massive Open Online Courses[J/OL]. Computers & Education, 2018,127:41-65. https://doi.org/10.1016/j.compedu.2018.08.005.
[22]MARGARYAN A, BIANCO M, LITTLEJOHN A. Instructional quality of Massive Open Online Courses (MOOCs)[J/OL]. Computers & Education, 2015,80:77-83. https://doi.org/10.1016/j.compedu.2014.08.005.
[23]DARADOUMIS T, BASSI R, XHAFA F, et al. A review on massive e-learning (MOOC) design, delivery and assessment[C/OL]//2013 Eighth International Conference on P2P, Parallel, Grid, Cloud and Internet Computing, 2013:208-213. https://doi.org/10.1109/3PGCIC.2013.37.
[24]ZAWACKI-RICHTER O, BOZKURT A, ALTURKI U, et al. What research says about MOOCs-an explorative content analysis[J/OL]. The International Review of Research in Open and Distributed Learning, 2018,19(1)[2022-12-23]. https://www.irrodl.org/index.php/irrodl/article/view/3356.
[25]ADMIRAAL W, HUISMAN B, VAN DE VEN M. Self-and peer assessment in Massive Open Online Courses[J]. International Journal of Higher Education, 2014,3(3):119-128.
[26]WU B. Influence of MOOC learners discussion forum social interactions on online reviews of MOOC[J/OL]. Education and Information Technologies, 2021,26(3):3483-3496. https://doi.org/10.1007/s10639-020-10412-z.
Research Hotspots, Trends and Enlightenments of MOOCs
Jingying WANG, Yong XIE, Yonghe ZHENG
(Research Institute of Science Education, Beijing Normal University, Beijing 100875)
Abstract: As MOOCs have experienced 14 years of development, all countries in the world have contributed their own wisdom to the construction of MOOCs. Based on the bibliometrics method, this study used CiteSpace to visually analyze the Social Sciences Citation Index articles in the Web of Science core data collection, so as to explore the current situation, hot spots and trends in the research of MOOCs around the world. The results showed that the United States, China and Spain were the core areas of MOOCs research. The Massachusetts Institute of Technology was the core research institute; The influencing factors and evaluation of learners’ academic performance in MOOCs were hot spots. MOOCs learning strategy, machine learning-based MOOCs learning analysis and MOOCs learning persistence were the trends of future research. Implications of the analysis results for the development of MOOCs in China include promoting educational equity with the development of MOOCs, realizing personalized support for MOOCs learning, paying attention to the quality and evaluation of MOOCs, and building a community based on MOOCs.
Keywords: Massive open online courses; MOOC; Hot spots; Trends; CiteSpace
编辑:王天鹏 校对:王晓明
特别声明:本站注明稿件来源为其他媒体的文/图等稿件均为转载稿,本站转载出于非商业性质的教育和科研之目的,并不意味着赞同其观点或者证实其内容的真实性。如转载稿涉及版权等问题,请作者在两周内速来电或来函联系。