说明： 1.本文系在线优先出版版本，版式、个别内容与正式版本稍有差异, 以正式版本为准。 2.本文引用著录格式： 陈乾国,方明建,沈季,胡为芹,俎神聪.基于 UMOOC 平台的混合式教学模式探索与学习行为分析——以学习科学与技术通识课程为例[J].湖南广播电视大学学报,2019(3).

总第 79 期 湖南广播电视大学学报 2019 年第 3 期

Sum No. 79 Journal of Hunan Radio & Television University No.3. 2019

基于 UMOOC 平台的混合式教学

模式探索与学习行为分析 ——以学习科学与技术通识课程为例

陈乾国，方明建，沈 季，胡为芹，俎神聪

(重庆工商大学教师发展中心，重庆 400067)

内容摘要：本研究以重庆工商大学学习科学与技术通识课程为例，利用 UMOOC 在线学习平台构

建线上线下相结合的混合式教学模式，制定了与之相适应的考核规则；根据考核规则与学习成绩提

出了学习者分类方法，并从学科与性别两个维度对学习者类型进行分析；根据学习者的在线学习行

为数据，从登录课程、视频学习、在线测试、互动交流、阅读拓展资源五个维度对不同类型学习者

的学习行为进行相关分析。研究发现：各类型学习者的人数分布近似正态分布曲线，男生的学习效

益高于女生，但更容易半途而废或不够努力，学科背景对学习结果的影响不大或不明显；学习成绩

与登录课程次数、学习视频个数、论坛发帖回帖数量呈负相关，而与学习视频时长、提交在线测试

数量、阅读拓展资源数量呈正相关。为提高通识课程的教学质量与学习效果，建议优化课程内容、

加强互动交流、进行实时监测和预警。

关键词： UMOOC；混合式教学模式；通识课；学习者类型；学习行为

中图分类号：G728 文献标识码：A 文章编号：1009-5152（2019）03-0000-10

收稿日期：2019-05-13 DOI编码：10.19785/j.cnki.hnddxb.2019.03.000

基金项目：重庆市教委科学技术研究项目“基于大数据挖掘的干部在线学习行为机制研究”

(KJ17007)。

作者简介：陈乾国，男，重庆工商大学助理研究员；方明建，男，重庆工商大学教授，教师发

展中心主任；沈季，女，重庆工商大学助理研究员；胡为芹，女，重庆工商大学助理研究员；俎神

聪，男，重庆工商大学助理工程师。

一、引言

随着信息技术的发展以及大规模开放在线

课程（MOOC）的出现，传统的课堂教学模式转变

为在线教学模式。新的教学模式迎来了新的机遇

与挑战，在 MOOC 发展的同时也出现了一种相应

的小规模在线教学平台——SPOC[1]。MOOC、SPOC

等众多在线学习平台不断发展，引发了传统教学

方式的深度变革，线上线下相结合的混合式教学

模式已成为当前教育创新领域的一大研究热点

[2]。MOOC 和 SPOC 的出现为通识教育提供了一种

新的改革方向，如何利用慕课平台建设通识课程，

各级院校已经进行了积极探索。

重庆工商大学于 2016 年将学习科学与技术

确定为在线通识限选课程供学习者选修。通识限

选课程与普通通识课程不同，主要区别在于：通

识限选课程来源于本校教师开设的课程；通识限

选课程是学生必须选修的通识课程；通识限选课

程数量有限，可供学生选择的余地不大。通识限

选课程的相对封闭性和一定的强制性使其区别

于其他通识课程。同时，由于通识限选课程有别

于专业课的特性，课程内容与学习方式是否能够

吸引学习者，直接影响学习者的选课兴趣、学习

热情及学习效果。因此，我们在学校现有的

UMOOC 平台上尝试将学习科学与技术通识限选

课程建设成在线课程，并采用线上线下结合的混

合式教学模式进行授课。在线通识课程因其学习

时空不受限制，学习者可自由安排学习时间，因

此受到了学生的普遍欢迎。但是，此种教学模式

的教学效果如何，学习者的成绩与学习行为之间

有何关系，需要通过挖掘和分析学习数据中隐藏

的学习行为，帮助教师了解学习者的特点，并有

针对性地对各类型的学习者进行引导与支持，完

善教学模式，提高教学效果。

二、相关研究进展

基于 MOOC 平台的混合式教学模式的相关研

究较多，研究者根据不同的平台、不同的课程进

行探讨。陈文娟等[3]设计了混合式教学模式下大

学英语的实践共同体架构，探讨了实践共同体对

有效实施大学英语混合式教学的作用。高磊等[4]

利用 SPOC 平台探讨钢结构课程的混合式教学模

式，从课程建设、教学方法及考核方式三个方面

进行了积极探索。王春晖等[5]以 C 语言公共课为

例，将 MOOC 教学模式与传统课堂结合，开展混

合式教学模式的实践探索，解决传统教学中学生

学习缺乏主动性等问题。张天顶等[6]以国际贸易

理论课程为例，探讨了在 MOOC环境下利用 Udemy

平台与课堂教学相结合的混合式教学方式和课

程在线资源建设。郭文革[7]对北京大学教育技术

学基础课程的混合式教学模式和教学资源建设

进行探索。王全亮等[8]以云南大学为例开展了基

于 MOOC 的混合式教学模式教学效果的实证分析，

发现其存在的优势和不足，并提出了相应的改善

意见。

目前，基于 MOOC 平台的学习者学习行为分

析研究是在线教育研究的热点。李封等[9]依托辽

宁省精品资源共享课程平台，提出了学习者学习

行为的属性模型，并开展了学习者学习行为的实

证研究。蒋卓轩等[10]

以北京大学在 Coursera上

开设的6门慕课约8万人的学习行为数据为研究

对象，探究了学习者学习行为与学习效果之间的

关系，并选择学习者的若干典型特征对最后的学

习成果进行了预测。牟智佳等[11]

从系统动力学的

视角对 MOOCs 环境下的个性化学习需求进行了

预测建模与仿真研究，为课程教师预测和把握学

习者的个性化学习需求提供了参考。傅钢等[12]

从学习者的性别、学历、学科背景不同维度分析

了学生学习行为的差异。孙月亚[13]

从学习者的性

别和学科背景两个因素分析了不同类型学习者

在线学习行为之间的差异。刘三女牙等[14]

以哈佛

大学和麻省理工学院在 edX 平台上的课程学习

数据为样本，从不同维度对学习者的学习行为进

行了差异性分析，得出了一些有价值的发现与结

论，为教学者利用 MOOC 平台有效开展个性化教

学提供了理论参考。樊超等[15]

以“学堂在线”的

用户学习数据为研究对象，采用人类动力学的研

究方法对学习数据进行定量分析，发现学习者的

在线学习行为具有明显的异质性。胡艺龄等[16]

从数据挖掘与领域应用、学习行为及行为分析、

网络行为分析模型三个角度对在线学习行为可

能的应用方向进行了综述，并建立了基于数据、

机制、结果的三层次模型，对学习数据进行模式

分类与解析。门路等[17]

将基于混合式教学模式实

践过程中的相关数据与传统课堂的学习情况进

行比较，发现了混合式教学模式的优势与不足。

王琴等[18]

对大学生在线通识课程的发展现状及

其学习行为进行研究，从课程任务设置和选课人

数维度分析了在线通识课程的发展现状，从课程

访问量、视频学习行为等维度研究了学习行为特

点，并提出了优化策略和方法。

尽管当前已有不少研究者对混合式教学模

式及在线学习者的学习行为进行了研究，但是缺

乏针对相对封闭且具有一定强制性的通识限选

课程的混合式教学模式及其学习者学习行为的

相关研究。本研究正是在对通识限选课程混合式

教学模式及其学习者的学习行为的探索中，发现

了一些有意义的特点与规律，并据此对这类课程

的建设与运行管理提出了一些改进建议，以期为

此类课程的教学改进提供参考。

三、课程建设情况

学习科学与技术是本科生的一门通识限选

课程，共 30 学时。该课程源于认知科学、计算

机科学、教育学和心理学，主要探讨不同信息环

境下学生的学习效果，进而培养学生了解学习的

本质并引导其思考如何有效提升学习成效。对学

生而言，该课程内容多、范围广、实践性强且学

习难度较大，为解决教与学的困难，课程利用清

华教育在线平台（UMOOCS），采用“面授+网络”

相结合的混合式教学模式。但与传统的“面授+

网络”课程不同的是，本课程在整个学习期间仅

安排 4个教学课时为面授，其余课时均为学生在

线学习。两次面授课分别安排在学习期间的第一

周与第十周：第一周面授课团队教师主要讲授课

程安排、课程大纲、考核要求、学习周期、学习

方法等相关内容；第十周面授课主要为学生进行

答疑辅导与互动交流，对学生在学习中遇到的疑

难问题进行解答与交流，同时了解学生对此种授

课模式的接受度，通过面对面的学习活动弥补在

线讨论中存在的不足与缺陷。

（一）构建课程框架

该课程章节涉及的内容较多且要求掌握的

基本概念和理念、操作技能较为分散。根据课程

特点，将线上课程按章节架构进行设计，形成按

不同章节分类组织的模块化结构。课程包括导论、

学习理论基础、深层学习方法、创建有意义的学

习活动、学习评价、PPT 演示文稿设计与制作、

数字图像、音视频处理技术与互联网学习资源的

获取与利用等章节。线上课程与线下课程一样需

要进行精心设计，线上课程所有章节的内容安排

与学习活动的设计保持一致，其栏目主要包括教

学视频、在线测试、教学课件、讨论区与拓展资

源；并按照课时要求和时间顺序排列所有的学习

活动。课程框架如图 1所示。

（二）组织教学资源

根据构建好的课程框架，结合学生线上学

习的需要，将课程知识点精心组织成在线教学资

源，通过上传学习资源或在线编辑学习资源等方

式整合在在线学习平台中，供学生在线查看、下

载和学习。在线课程除了提供教学视频、教学课

件、随堂测试等常规教学资源外，还提供了丰富

的拓展资源（见表 1）。其中教学课件把课程中

的知识点完整系统地呈现给学生；教学视频大多

是 5—10分钟左右的微课，均以问题为导向呈现

课程中的某个知识点或问题，其主题突出、目标

性强，且每讲视频均为学习者提供评价与讨论的

权限；在线测试在课程所有章节的每个教学视频

中均有配置，进行随堂测试；拓展资源主要包括

与对应章节内容相关的一些开放性文献（包括

PDF、PPT、资源的链接等），与学习相关的软件、

素材等学习资源，旨在补充章节内容与拓宽学生

的视野，从而满足学生的个性化学习需求。

表 1 课程教学资源 资源类型 数量 大小 时长 教学课件 8 21.8M / 教学视频 70 4915.2M 382min 在线测试 70 / / 期末测试 1 / / 拓展资源

（文献、素材等） 34 65.6M /

总计 182 5002.6M 382min

图 1 课程框架

（三）制定考核规则

在线课程的考核方式区别于传统课程，更注

重对对平时学习过程的管理与考核。考核内容分

为平时成绩与期末测试成绩两个部分，各占 50%，

期末测试采用在线测试的方式进行。平时成绩主

要由观看课程视频情况、参与随堂测试情况、论

坛发帖与回帖数及出勤情况决定。其中：视频学

习占 20%，视频学习从学习视频个数（占视频学

习成绩的 30%）与学习视频时长（占学习视频学

习成绩的 70%）两个维度综合计算；随堂测试占

20%；论坛成绩占 5%，论坛发布与学习相关的帖

子且有 3人以上回复得 1分；课堂出勤占 5%。

定义平时成绩为 Sp，期末测试成绩为 Sf，视

频学习成绩为 Sv，课程出勤成绩为 Sq，随堂测

试成绩为 Sm，论坛成绩为 Sb，则学生课程成绩

及其构成项目的计算公式见如表 2所示。

四、学习者类型与学习行为分析

（一）学习行为数据提取

该课程的学生主要来自重庆工商大学 2016

级各个专业，共 100 人，其中男生 55 人，女生

45 人；理工类专业(SE)23 人，人文社科类专业

(HS)77 人。本研究以 2018 年 2 月至 2018 年 7

月期间的在线学习数据为分析对象，提取数据时

发现存在弃学现象，经统计弃学人数总计 10人，

其中男生 10人，女生 0人，理工类专业 4人，

人文社科类 6人，弃学率达到 10%。为保证数据

的有效性，剔除弃学学生的空白无效数据，提取

的在线学习行为(LB)数据包括学生的基本信息

(BIT)、进入课程的次数(LT)、学习视频资源个

数(NLV)、学习视频资源的时长(LVT)、参与在线

测试的次数(TT)、论坛发帖及被回复的次数(NP)、

阅读拓展资源的次数(NRER)，详细的学习行为记

录共 1900条（相关信息见表 3）。

根据学习行为数据和课程考核规则，统计学

生的平时成绩与最终成绩（成绩分布见图 2）。

可以看出：第一，学生的综合成绩最高分为

83.35，最低分为 3.9分，平时成绩最高分为 46.8

分，最低分为 3.9分；第二，大部分学生的综合

成绩达到 60 分以上，大部分学生的平时成绩达

到 30 分以上；第三，平时成绩与综合成绩正相

关，平时成绩越高，综合成绩越高。

表 2 学生课程成绩计算公式

项目 公式

课程成绩

平时成绩 ,

视频学习成绩

100, 70 & 382, { | 1,2, , }

70 70( ) ( ) ( )

1 1( *0.3 *0.7)*100, 70 & 382, { | 1,2, ,70}, { | 1,2, , }70 382

N T n n n Nvl vl

S n N n T nv vl vll l N T l l l n n n N

vl vl

随堂测试成绩

70( )

1 , { | 1,2, ,70}, { | 1,2, , }70

S nmi

iS n i i i n n n Nm

课堂出勤成绩

8( )

1( ) , { | 1,2, ,8}, { | 1,2, , }

8

S nqj

jS n j j j n n n N

q

课程论坛成绩

100 5, { | 1,2, , }

( ) 4( ) *20 5 { |1,2,3,4}, { | 1,2, , }

1

N n n n Nb

S nb N n N k k n n n N

bk bk

，

， ，

表 3 在线学习行为信息统计

在线学习行为 性别 学科

总计 男 女 理工类 人文社科类

进入课程的次数 2004 1981 896 3089 3985

论坛发帖及被回复的次数 250 401 102 513 615

学习视频资源个数 3128 3653 1618 5163 6781

学习视频资源的时长（分钟） 1250975 1437635 638707 2049903 2688610

参与在线测试的次数 2110 2196 1061 3245 4306

阅读拓展资源的次数 4399 5132 2109 7422 9531

（二）学习者类型分析

通识选修课与专业课不同，学生的学习动机

不尽相同，本文仅以直接的经验假设对学习者进

行分类：学习行为越多则学习成绩越好，学习成

绩越好则学习者越积极主动地学习。根据传统的

教学评价方法将学习者按成绩分为“优秀、合格、

不合格”三种类型，成绩“优秀”的学生被称为

“积极主动型学习者”，这类学生的特点是具有

较多学习行为记录，他们不仅仅是为了得到学分

而参与学习，更是为了获得知识；成绩“合格”

的学生被称为“任务驱动型学习者”，此类学生

的特点是仅完成课程考核要求的学习行为，其学

习记录处于中等，大部分仅仅是为了获得限选通

识课程的学分；成绩“不合格”的学生被称为

“消极被动型学习者”，这部分学生的学习行为

记录数较少，甚至是零记录。因此需要定义 4

个阈值：k1，k2，δ1，δ2。假设某学生的综合成

绩为 S(n)，平时成绩为 Sp(n)。则对此学生来说，

他（她）可以归为以下三种学习者类型中的任意

一种：积极主动型学习者，S(n)≥k1且 Sp(n)≥δ1；

任务驱动型学习者，k2≤S(n)＜k1且 δ2≤Sp(n)＜δ1；

消极被动型学习者 S(n)＜k2 且 Sp(n)＜δ2。

观察和分析学生的成绩分布趋势，选择阈值

k1=75，k2=60，δ1=35，δ2=20，根据选择的阈值

和学生的成绩统计各类型学习者数量，并根据结

果得出各类型学习者数量分布图（见图 3）。可

以明显看出，各类型学习者的数目分布近似于正

态分布曲线，这一现象与传统课程的考核成绩人

数分布曲线一致，说明在线通识课的考核符合检

验性测试的目的，同时也说明大部分参与学习学

生的学习动机仅仅是为了完成学习任务并拿到

学分，这也与大部分学生选修通识课的实际情况

相吻合。

为了了解不同学科背景、不同性别的学习者

类型的学习行为差异，根据考核规则与学习者类

型分析规则统计分析各维度不同学习者的人数

图 2 学习者成绩分布

图 3 学习者类型数目

分布（见图 4）。可以看出：无论学习者的学科

背景或性别，各类型学习者人数分布均有显著差

异，且任务驱动型学习者人数最多，积极主动型

学习者人数最少。基于性别维度的分析发现：从

平均值来看，女性学习者的成绩比男性学习者好；

在男性选课者人数远少于女性选课者的情况下，

消极被动型学习者中男性人数占比高于女性，积

极主动型学习者中男性人数占比与女性基本持

平；表明男性学习者的学习效益高于女性，但是

男性学习者更容易半途而废或不够努力。从学科

背景来看，各类型学习者中的文科学习者占比均

高于理科学习者，这与所有参与学习者的文理科

人数比例基本一致，表明学科对学习结果的影响

不大或不明显，也可能是研究样本不够大，其差

异性未能显现出来。

（三）各类型学习者参与学习的行为分析

在线课程与传统课程的主要区别在于教与

学的时空分离，已选课的学习者是否参与了在线

课程学习及参与度如何，从时间上主要体现在进

入课程的次数与时间，从空间上主要体现在各种

学习行为上。本研究根据考核规则主要从学习者

进入课程次数、学习教学视频数量与时长、参与

在线测试、参与互动讨论和阅读拓展资源几个方

面进行分析。

1.进入课程次数。学习者进入课程的次数主

要用来考察学习者参与在线学习的活跃度，不同

类型的学习者进入课程的次数不同。通过 UMOOC

平台的后台数据结合学习者类型进行统计分析，

各类型学习者人数与进入课程次数的分布如图

5 所示。进入课程次数大于 40 次且小于 100 次

时，各类型学习者人数整体上呈递减趋势；进入

课程次数小于 40 次与大于 100 次时，各类型学

习者人数呈递增趋势。表明并非进入课程的次数

越多，积极主动型学习者与任务驱动型学习者人

数就会越多。这一现象说明进入课程的次数与学

习绩效不呈明显的相关性，有可能有的学习者进

图 4 不同类型学习者学科与性别的差异

图 5 不同类型学习者人数与进入课程次数分布

入一次课程就会完成很多学习活动行为；而有的

学习者多次进入课程却没能完成一次学习活动

行为，仅仅是浏览课程相关信息并未学习。

2.学习教学视频。在各种学习行为中，视频

学习是在线学习者获取知识的直接途径，也是课

程考核的重要指标，对学习者学习教学视频的情

况进行分析是了解与掌握学生在线学习状态的

最基本、最直接的手段。根据考核规则，该课程

以学习教学视频的个数与时长两个维度综合评

价学习者学习教学视频的学习状态。

对各类型学习者学习教学视频个数的情况

进行统计分析，其结果如图 6所示。各类型学习

者的数量分布大致随学习教学视频个数的增加

而递减，绝大部学习者学习教学视频的个数小于

课程提供的教学视频数目（70），学习教学视频

的个数小于 60 的学习者占 83%。说明大部分学

习者没有完整地学完课程提供的教学视频，但他

们却获得了较好的成绩，可能是他们通过其他途

径已经学习过相关教学视频的内容，或部分课程

内容是基本常识，他们已经了解或掌握。

对各类型学习者学习教学视频的时长进行

分析，图 7显示了不同类型学习者人数与学习视

频时长之间的相关性。各类型学习者学习视频时

长集中分布在 30000—40000 分钟区间，大多数

学习者学习视频的总时长远远超过了课程提供

的教学视频总时长（382 分钟）。但从图 6 的结

果可知，绝大部分学习者学习视频的个数小于课

程所提供的视频个数。这一现象说明大部分学习

者会对课程某些章节的一个或几个教学视频重

复学习多次，从侧面反应了某些章节的内容可能

有一定的难度，学习者不易掌握，需要反复学习。

而部分章节的内容又过于简单，无需学习视频就

可掌握，说明该课程各章节内容在难度上存在严

重的不均衡。

图 6 不同类型学习者人数与学习视频个数分布

图 7 不同类型学习者人数与学习视频时长分布

3.参与随堂测试。随堂测试是考核学习者掌

握知识点情况的重要手段，也是评价学习成绩的

重要指标。因此，分析学习者提交在线测试次数

的情况，有助于了解其与学习成绩的相关性。根

据考核规则统计分析各类型学习者提交在线测

试次数的情况，其结果如图 8所示。各类型学习

者人数分布随提交在线测试次数的增加呈现递

增趋势，且任务驱动型学习者的增长幅度最大；

但也有相当一部分学习者提交了在线测试却只

得到不及格的分数。说明需要认真学习并完成随

堂测试才能获得好成绩；部分学习者可能完全没

有学习教学视频就直接参加随堂测试，或没有认

真学习教学视频就参加了随堂测试。

4.参与互动讨论。UMOOC平台的论坛模块为

学生和教师之间的在线交流提供了一个便捷的

平台，学生是否参与论坛是完全自主的行为，同

时也是平时成绩的一个评价指标。结合考核规则

与学习者分类，分析不同类型的学习者参与互动

讨论的情况，结果如图 9所示。各类型学习者人

数随论坛发帖并被回复数的增加呈递减趋势，这

与预期设想的情况截然不同，论坛发帖且被回复

数量小于 10时各类学习者人数占比超过了 76%，

其余的均低于 20%。各类型学习者的论坛参与度

不高，说明课程论坛没有起到预期的作用，可能

是参与论坛的考核占比过低，或教师对论坛使用

的引导不佳，因此课程论坛的价值还需要进一步

挖掘与提升，使其价值得到充分体现。

5.阅读拓展资源。课程除提供必要的教学资

源外，还提供了丰富的拓展学习资源，拓展资源

是对教学资源的有力补充。不同类型学习者与阅

读拓展学习资源次数之间关系的统计分析结果

如图 10 所示。各类学习者人数整体上大致随阅

读拓展学习资源次数的增加呈递增趋势，两者呈

正相关。说明课程提供的拓展学习资源实用、有

效，学习者通过有效阅读拓展学习资源有助于提

高学习成绩。

图 8 不同类型学习者人数与参与在线测试数分布

图 9 不同类型学习者人数与论坛发帖数分布

图 10 不同类型学习者人数与阅读拓展资源数分布

五、结论与建议

（一）研究结论

从课程建设情况和不同类型学习者的在线

学习行为分析中可以得出以下结论：一是从课程

方面看，课程内容各个章节难度系数相差较大，

分布不均；在线交流互动不足，教学团队对学生

在线发言的引导不够充分。二是从学生方面看，

只有努力并积极参与在线学习才能取得好成绩，

参与在线学习行为越多，越有可能获得较好的成

绩；只有提高参与各类在线学习行为的效益才能

取得更好的成绩，并非参与次数或数量越多成绩

就越优秀；只有采取适当的激励措施才能引导学

生积极投入到在线学习中来，在线学习过程中学

生具有完全自主性，合适的激励措施能不断刺激

学生主动参与学习的意愿。

（二）改进建议

根据上述研究结论，有针对性地对此类课程

的建设及教学运行管理提出一些改进建议。一是

优化课程内容，有针对性地分析各个章节的学习

情况与测试成绩，适当均衡课程各章节的难度系

数。二是充分利用课程论坛与课程邮箱，加强师

生间实时与非实时的互动交流，并适当引导学生

积极参与主题讨论与问题发言。三是适度增加激

励措施，增强学生参与各个学习活动的意愿。四

是充分利用后台数据，实时监测学生的学习情况，

并有差异性和针对性地提醒学生学习或对其学

业情况给予预警。

六、研究反思

（一）研究特色

本研究与已有研究相比，有一些独特之处。

其一，本研究的研究对象为通识限选课程。

此类课程具有一定的封闭性与强制性，有别于已

有研究[14-18]

中的通识课程。

其二，本研究的混合式教学模式与已有研究[4，16，17]

有所不同。本研究更加注重线上授课，其

线上课时远大于线下课时，线上为 26 课时，线

下仅 4课时，线下课时占比远小于已有研究的线

下课时占比（大部分线下课时占比 50%左右）。

其三，本研究考核方式中学生参与线上学习

活动的成绩占比达到 50%，且期末测试也是采用

线上测试的方式进行。这一点明显区别于已有研

究[4，5，13，16]

中的考核方式（线上成绩占比一般不

超过 30%）与期末测试方式（绝大多数采用线下

测试的方式）。

其四，本研究中采用定量研究方法分析学生

的学习行为。且分析数据来源于学生在线学习过

程中产生的实际学习行为记录，有别于已有研究[4，8，18]

采用的调查问卷法或访谈分析法。

（二）不足与努力方向

本研究存在三个方面的不足：一是仅以一个

学期的选课学生及学习行为数据为研究对象，研

究样本太少，得出的结论可能具有一定的局限性

和特例性；二是对学习者专业、论坛发帖内容、

线下提问内容与学习成绩的相关性研究不足；三

是对教师的教学行为、线上教学活动及引导对学

生成绩的关联性尚未进行探讨。

目前，尽管已经建设好了在线课程，也已取

得不错的教学效果，并根据学习行为数据得到了

一些有价值的发现，但如何应用这些已发现的成

果，使其更加完善，更好地为学习者提供学习内

容与服务支持，还需要作更深入的持续探究。

参考文献：

[1]徐葳,贾永政,阿曼.福克斯,等.从 MOOC 到 SPOC——

基于加州大学伯克利分校和清华大学 MOOC 实践的

学术对话[J].现代远程教育研究,2014(4):13-22.

[2]丁翠红.多维互动的 SPOC 混合式教学模式研究[J].现

代教育技术,2017(7):102-108.

[3]陈娟文,王娜,李金玉.基于大学英语混合式教学模式的

实践共同体探究[J].现代教育技术,2017(9):79-84.

[4]高磊,江克斌,邵飞,等.基于 SPOC平台的钢结构课程教

学改革[J].高等教育研究学报,2016(1):101-105.

[5]王春晖,刘志国,俞宗佐,等.基于 MOOC 平台的混合式

教学模式探索——以 C 语言程序设计公共课为例[J].

内蒙古师范大学学报(教育科学版),2015(7):144-146.

[6]张天顶,李洁.慕课环境下《国际贸易理论》课程的混

合式教学模式设计[J].教育现代化,2016(33).

[7]郭文革.北京大学“教育技术学基础”混合式教学模式

探索[J].电化教育研究,2009(8):59-63.

[8]王全亮,张月芬,左继蓉,等.MOOC 环境下的混合式教

学模式教学效果研究——以云南大学为例[J].高等教

育研究学报,2017(3):45-52.

[9]李封,李婕,赵长宽,等.大规模网络课程中学习者学习

行为分析[C].全国高校计算机网络教学暨网络工程专

业建设研讨会.2014.

[10]蒋卓轩,张岩,李晓明.基于 MOOC 数据的学习行为分

析与预测[J].计算机研究与发展,2015(3):614-628.

[11]牟智佳,王卫斌,李雨婷,等.MOOCs 环境下个性化学

习需求预测建模与仿真——系统动力学的视角[J].电

化教育研究,2018(11):7.

[12]傅钢善,王改花.基于数据挖掘的网络学习行为与学

习效果研究[J].电化教育研究,2014(9):53-57.

[13]孙月亚.开放大学远程学习者在线学习行为的特征分

析[J].中国电化教育,2015(8):64-71.

[14]刘三女牙,刘智,高菊,等.慕课环境下学习者学习行为

差异性分析研究[J].电化教育研究,2016(10):57-63.

[15]樊超,宗利永.MOOC 在线学习行为的人类动力学分

析[J].开放教育研究,2016(2):53-58.

[16]胡艺龄,顾小清,赵春.在线学习行为分析建模及挖掘

[J].开放教育研究,2014(2):102-110.

[17]门路,王祖源,何博.MOOC 本土化的可行性和关注点

——基于 MOOC 平台的大学物理课程混合式教学实

践[J].现代教育技术,2015(1):53-59.

[18]王琴,顾韵华,路爽,等.大学生在线通识课程现状及其

学习行为研究——基于 N 大学在线通识课程的实证

研究[J].中国信息技术教育,2017(24):103-105.

Research and Learning Behavior Analysis on the Blended Teaching

Model Based on UMOOC Platform

CHEN Qian-guo, FANG Ming-jian, SHEN Ji, HU Wei-qin, ZU Shen-cong

Abstract: In order to improve teaching efficiency of the general curriculum, and improve the teaching quality and effect.

According to the requirements and characteristics of the Chongqing Technology and Business University’s general

curriculum, this study takes the general curriculum Study Science and Technology as an example. Firstly, by using the

UMOOC online learning platform, we have carried out research and practice on online and offline blended courses teaching

model, and formulated the corresponding assessment rules. Secondly, according to the assessment rules and academic records,

we have proposed the classification method of learner type and analyzed the differences of learner type from two aspects:

learners’ gender and learners’ discipline. Finally, according to the learning data from the course offered by the UMOOC

platform, we analyzed the correlations of learners’ learning behavior from five aspects: login times, video learning, and

on-line testing, interactive communication activities, and reading expand the resources. The results showed that: the

distribution of the different type learners’ number are approximates the normal distribution curve, male learners’ learning

efficiency are more than female learners, but male learners are more likely to give up halfway or not work hard enough,

discipline background has little or no influence on academic performance. Academic records were negatively correlated with

login times and the number of learning video and BBS posts. Academic records were positively correlated with learning

video time and submitting test times and the number of reading expand the resources. Finally, we proposed some

recommendations for improvement according to study results, which can provide references for educational reform of general

curriculum.

Key words: UMOOC; Blended Teaching Model; General Curriculum; Learner type; Learning Behavior