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-RFT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

分类号：C64(表解、图解、图册、公式、数据、地图)

资助基金：全国教育科学"十二五"规划2014年度国家重点课题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

在线出版日期：2016-09-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：21-28