中国MOOCs学习者价值研究基于RFM模型的在线学习行为分析摘要：MOOCs自兴起以来，它的高注册人数和高辍学率特征并存，现阶段中国MOOCs大多为以视频为主要学习资源的xMOOC，对学习者的学习支持力度相对薄弱，这要求学习者具有较高的自主学习能力。在MOOCs中，怎样识别学习者价值，采用什么方法对学习者进行分类，进而给学习者提供有效的个性化学习支持是重点研究问题。在RFM模型基础上依据xMOOC在线学习过程特点，提出中国MOOCs学习者的价值衡量模型ML-RFT，采用模型指标原始值与所有学习者平均值比较的方法将MOOCs学习者分为八类。借鉴RFM衡量顾客价值的方法，构建ML-RFI模型，对MOOCs平台上一门xMOOC进行学习者价值识别分类，并有针对性地对每类学习者提供个性化的学习支持策略。研究结果表明采用RFM方法可以对MOOCs学习者价值进行有效识别区分，学习者分类结果可以成为MOOCs教师或管理人员对在线学习者提供个性化学习支持服务的重要依据。关键词：RFM模型，ML-RFT模型，xMOOCs，在线学习行为，学习者价值基金项目：全国教育科学“十二五”规划2014年度国家重点课题(编号：ACA140009)“教育信息化与大型开放式网络课程(MOOCs)战略研究”的研究成果。一、引言随着研究和实践的深入，MOOCs(大规模在线开放课程)在经历了2012年的MOOCs之年和2013年的反MOOCs之年的转变之后，发展更趋于多样化。SPOCs(小型私有化在线课程)、DLMOOC(深度学习MOOC)，MOOL(大规模开放网络实验室)，DOOC(分布式开放协作课)等新名词大量涌现，以开放在线教育为主要特征的后MOOCs时代已经到来[1]。MOOCs从2012年大规模兴起以来，课程注册人数逐年上升，但是同时伴随而来的是高辍学率的出现。MOOCs在给MOOC学习者带来学习便利的同时，也对学习者的自主学习能力以及学习毅力等提出了更---本文于网络，仅供参考，勿照抄，如有侵权请联系删除---高的要求。有研究表明MOOCs辍学率高的原因主要集中在缺乏毅力、可投入的时间有限、语言困难和网络障碍方面，在找出导致辍学率高的原因后，该研究针对MOOC课程提出了针对整体学习者或课程的策略，如适当增加付费政策、丰富证书层次以及限制选课人数等[2]。在线学习中，优质的学习支持服务是提高在线教育服务水平，确保在线教育质量的关键。MOOCs中教师与学习者时空分离，如何帮助学习者适应在线学习环境，保障学习效果，是以MOOCs为代表的在线教育需要解决的难题。随着信息技术的飞速发展，在线学习越来越突出体现了“以学习者为中心”的教学理念。这种理念对于学生来说其实就是一种个性化的学习，根据学生需要及实际情况，让学生自由选择适合自己的学习内容和学习手段，有助于充分挖掘学习者的学习潜力[3]。对于教师和管理者来说，怎样给学习者提供及时、合理、有效的个性化学习支持服务是保证在线教学质量的关键。适应性、个性化的高质量学生支持服务需要建立在充分了解相关学生信息的基础上[4]。这要求教师和管理者在提供学习支持服务的过程中，主动了解每个学习者的学习特征并时刻关注其变化，为他们提供实时、个性化的支持服务，最大程度满足学习者的一切合理需求。现阶段在中国MOOCs学习中，由于在线学习过程的复杂多样性以及对在线学习过程分析方法的不成熟性，中国MOOCs教师对学习者的学习评价大都停留在总结性评价(基本为考试成绩)上。学习者的个性化学习应该体现在具体在线学习过程中，对学习者仅仅进行总结性评价显然不适应新时代在线学习理念，更无法为学习者提供有效的个性化学习支持服务。对在线学习者进行有效的个性化学习支持需要建立在对学习者充分了解的基础之上，只有充分了解每个或每一类学习者的学习特征，才能根据学习者不同学习特点提供有效的个性化学习支持。对在线学习者的学习过程行为进行分析，了解在线学习者学习特点，识别学习者价值，进而根据学习者价值进行学习者分类是在学习过程中对学习者提供有效个性化支持服务的前提条件。对学习者个体来说，学习是一个投入产出的过程[5]，需要学习者投入宝贵的学习时间和必要的财力才能获得满意的产出。对于教师或管理者来说，学习者的价值体现在对教学效果的保障上。本研...