论文部分内容阅读
摘要：尽管MOOCs在促进学习变革、扩大教育规模等方面提供了一个令人兴奋的机遇，但在其有效性方面仍存有许多悬而未决的问题。比如，在学术文献和大众媒体中一个被反复提及的重要问题，就是MOOCs学习者一贯的低完成率。该研究以Web of Science数据库作为数据来源，按照事先制定的规则共检索出22篇有关MOOCs完成率（保留率或辍学率）的文献，并将其视为可供质性研究的经验数据。采用NVivo作为分析工具，通过对这22篇文献进行三级编码，获得了影响MOOCs完成的三大类属与其下属的14个因素。经过进一步的分析和讨论，我们发现：（1）“学习者的能力与水平”和“平台与课程的特点”是影响MOOCs完成的核心类属；（2）尽管MOOCs持续较低的完成率已经引起诸多方面的担忧，但它不足以作为衡量MOOCs成功的主要指标，它或许本来就是MOOCs的一个独特的品性；（3）当前关于MOOCs完成的研究尚处于探索性阶段，后续工作方向似应进入大样本的确认性研究阶段。
关键词：MOOCs；完成率；保留率；辍学率；归因
一、引言
近些年来，在教育技术领域中虽然出现了诸多创新，但主流媒体和学术界最突出的公共讨论当属“大规模在线开放课程”（Massive Open Onlinecourses，简称MOOcs）。MOOcs作为一种新型的在线学习环境，允许无限量的来自世界各地的学习者参加，无需满足任何形式的入学要求，也无需缴纳任何费用，且课程内容通常是由世界著名的专家提供。有鉴于此，MOOCs的出现被视为“一场‘颠覆性’的教育变革”，“为促进学习提供了新的机遇与挑战”，并将最终“迫使我们重新思考和重新构建现有的教育模式”。
尽管有着诸多优势，MOOcs的完成率却是极低的，范围大致从3%到15%不等。许多研究认为MOOCs的完成率是衡量学习成功的重要指标。于是，MOOCs的完成率（保留率或辍学率）正在成为或已经成为研究热点与争议焦点，参与讨论的学者众多，且有诸多作品问世。在此背景下，需要一个对于相关研究的主题分析，以便获得关于MOOCs完成率的更深入的理解。Creswell认为，文献综述的目的是总结关于某一主题的当前的知识状态，同时发现还没有完全解决的问题。本研究遵循这一方针，期望通过文献综述聚焦MOOcs低完成率的影响因素，确定尚未得到充分解决的重要问题，建议后续工作的方向。
二、研究设计
（一）数据来源
本研究的目的之一，是总结过往文献中关于MOOCs的完成率（保留率或辍学率）的知识状态。为此，我们首先检索相关文献。我们以web of science数据库作为文献来源，按“标题”（Title）项检索，关键词为“MOOC OR MOOCs OR massive openonline course OR massive open 0nline courses”，文献类型为论文（Article），学科范围限定为教育相关学科，检索时间为2013-2017年。截至2017年5月9日，共检索到文献226篇。
第一位研究人员仔细阅读了全部文献的题目和摘要，满足以下条件的文献将被保留：（1）内容关涉MOOCs完成率（保留率或辍学率）的影响因素研究；（2）研究方法须为实证研究（非实证的描述性文献将被排除在本研究之外）。另一位研究人员按照同样的方法和要求也筛选了相关的文献。经比较，两位作者之间的一致率为96.8%。最终，22篇文献被保留，其文本内容被视作可供质性研究的经验数据。
（二）研究工具
本研究采用质性研究的扎根理论（GroundedTheory）取向。扎根理论是一个系统且灵活的方法，旨在协助基于相关经验数据的实质性解釋模型的发展。其简要的过程是：（1）数据收集；（2）数据分析，即从数据本身创建分析代码（codes）和类属（Categories）；（3）在数据收集和分析的过程中生成或整合理论。
然而，面对大量的数据集合，手动进行数据分析通常是不实际或不可取的。在过去的十年间，可用于质性数据统计与分析的计算机软件在持续增加。Hutchison等人证实，QSR-NVivo是一个功能强大的工具，如果使用得当，可以促进扎根理论的许多方面，从早期的采样程序到数据的分析、理论的发展和研究结果的呈现。因此，本研究选取NVivo作为数据分析的工具。需要特别指出的是，在质性研究的过程中，研究人员是主要的分析工具。质言之，尽管NVivo能够帮助研究人员管理、分析和发掘数据，但是无法取代研究人员专业的分析的知识或技能。
（三）数据分析
1.分析流程
数据分析的基本过程如下：首先，仔细阅读22篇文献的文本内容，并形成一个初步的概念架构。其次，在Nvivo软件中建立一个新的项目，并将22篇文献（文献名为作者名，格式为PDF）导入到该项目的“内部材料”以进行统一的资料管理。然后，在该项目的“明细视图”区域逐字逐句阅读22篇文献的文本内容，对其进行编码并形成节点。最后，查询和发掘编码，进行更高层次的分析。
2.分析方法
编码是质性研究资料分析、组织且使文本有意义的重要步骤之一。其方式是借由对文本资料逐字逐句的裂解，规律地检视资料彼此间的关系，将琐碎的资料规律地运用归纳、整合与再意义化，以便将原始资料转变为抽象概念。鉴于本研究的扎根理论取向，即从原始资料中探索或归纳理论的方法，我们采取Strauss的“三级编码”方法。
第一级是开放编码（Open Coding）。一般来说，在开放式编码阶段，资料被分解成独立的碎片，仔细检视，并比较异同。相似的事件、发生、目标和行动/互动被概念化或形成更抽象的“类属”。NVivo可以促进这一过程，因为它允许创建节点，以在NVivo中存储被编码文本的标记。但此时的节点往往是凌乱且未加以分类的，因此常常被称之为自由节点（Free Node）。在将原始资料编码成自由节点的过程中，我们采取“不断比较”的编码技术。其大致的过程如下： 5.在论坛上的活跃程度
单就完成一门课程来说，论坛并不是必须的。然而，论坛上的发帖和评论或活跃程度却是完成课程的显著的预测。完成课程的学习者在论坛里发帖的数量，明显高于没有完成课程的学习者。Engle等人研究表明，通过或以优异的成绩通过课程的学习者，通常两次或多次在课程的论坛里发帖。
6.与课程相关的背景知识
与课程主题相关的知识或经验，可以使学习者更好地理解课程内容并出色地完成作业，从而影响学习者加入MOOCs，坚持并持续学习，进而更倾向于完成课程。相反，缺乏这些知识或经验则容易导致辍学。
7.教师的反馈与激励
鉴于MOOCs的规模，参与的学习者众多，不可能让每个人都配有一个助教，而且现有的助教通常还不固定或缺少足够的专业知识。也就是说，在MOOCs中尚缺少来自教师的高效且深入的反馈与激励。而缺乏激励、教师的互动和支持与深入的反馈和监控会导致学习者辍学或消极应对。Hone
关键词：MOOCs；完成率；保留率；辍学率；归因
一、引言
近些年来，在教育技术领域中虽然出现了诸多创新，但主流媒体和学术界最突出的公共讨论当属“大规模在线开放课程”（Massive Open Onlinecourses，简称MOOcs）。MOOcs作为一种新型的在线学习环境，允许无限量的来自世界各地的学习者参加，无需满足任何形式的入学要求，也无需缴纳任何费用，且课程内容通常是由世界著名的专家提供。有鉴于此，MOOCs的出现被视为“一场‘颠覆性’的教育变革”，“为促进学习提供了新的机遇与挑战”，并将最终“迫使我们重新思考和重新构建现有的教育模式”。
尽管有着诸多优势，MOOcs的完成率却是极低的，范围大致从3%到15%不等。许多研究认为MOOCs的完成率是衡量学习成功的重要指标。于是，MOOCs的完成率（保留率或辍学率）正在成为或已经成为研究热点与争议焦点，参与讨论的学者众多，且有诸多作品问世。在此背景下，需要一个对于相关研究的主题分析，以便获得关于MOOCs完成率的更深入的理解。Creswell认为，文献综述的目的是总结关于某一主题的当前的知识状态，同时发现还没有完全解决的问题。本研究遵循这一方针，期望通过文献综述聚焦MOOcs低完成率的影响因素，确定尚未得到充分解决的重要问题，建议后续工作的方向。
二、研究设计
（一）数据来源
本研究的目的之一，是总结过往文献中关于MOOCs的完成率（保留率或辍学率）的知识状态。为此，我们首先检索相关文献。我们以web of science数据库作为文献来源，按“标题”（Title）项检索，关键词为“MOOC OR MOOCs OR massive openonline course OR massive open 0nline courses”，文献类型为论文（Article），学科范围限定为教育相关学科，检索时间为2013-2017年。截至2017年5月9日，共检索到文献226篇。
第一位研究人员仔细阅读了全部文献的题目和摘要，满足以下条件的文献将被保留：（1）内容关涉MOOCs完成率（保留率或辍学率）的影响因素研究；（2）研究方法须为实证研究（非实证的描述性文献将被排除在本研究之外）。另一位研究人员按照同样的方法和要求也筛选了相关的文献。经比较，两位作者之间的一致率为96.8%。最终，22篇文献被保留，其文本内容被视作可供质性研究的经验数据。
（二）研究工具
本研究采用质性研究的扎根理论（GroundedTheory）取向。扎根理论是一个系统且灵活的方法，旨在协助基于相关经验数据的实质性解釋模型的发展。其简要的过程是：（1）数据收集；（2）数据分析，即从数据本身创建分析代码（codes）和类属（Categories）；（3）在数据收集和分析的过程中生成或整合理论。
然而，面对大量的数据集合，手动进行数据分析通常是不实际或不可取的。在过去的十年间，可用于质性数据统计与分析的计算机软件在持续增加。Hutchison等人证实，QSR-NVivo是一个功能强大的工具，如果使用得当，可以促进扎根理论的许多方面，从早期的采样程序到数据的分析、理论的发展和研究结果的呈现。因此，本研究选取NVivo作为数据分析的工具。需要特别指出的是，在质性研究的过程中，研究人员是主要的分析工具。质言之，尽管NVivo能够帮助研究人员管理、分析和发掘数据，但是无法取代研究人员专业的分析的知识或技能。
（三）数据分析
1.分析流程
数据分析的基本过程如下：首先，仔细阅读22篇文献的文本内容，并形成一个初步的概念架构。其次，在Nvivo软件中建立一个新的项目，并将22篇文献（文献名为作者名，格式为PDF）导入到该项目的“内部材料”以进行统一的资料管理。然后，在该项目的“明细视图”区域逐字逐句阅读22篇文献的文本内容，对其进行编码并形成节点。最后，查询和发掘编码，进行更高层次的分析。
2.分析方法
编码是质性研究资料分析、组织且使文本有意义的重要步骤之一。其方式是借由对文本资料逐字逐句的裂解，规律地检视资料彼此间的关系，将琐碎的资料规律地运用归纳、整合与再意义化，以便将原始资料转变为抽象概念。鉴于本研究的扎根理论取向，即从原始资料中探索或归纳理论的方法，我们采取Strauss的“三级编码”方法。
第一级是开放编码（Open Coding）。一般来说，在开放式编码阶段，资料被分解成独立的碎片，仔细检视，并比较异同。相似的事件、发生、目标和行动/互动被概念化或形成更抽象的“类属”。NVivo可以促进这一过程，因为它允许创建节点，以在NVivo中存储被编码文本的标记。但此时的节点往往是凌乱且未加以分类的，因此常常被称之为自由节点（Free Node）。在将原始资料编码成自由节点的过程中，我们采取“不断比较”的编码技术。其大致的过程如下： 5.在论坛上的活跃程度
单就完成一门课程来说，论坛并不是必须的。然而，论坛上的发帖和评论或活跃程度却是完成课程的显著的预测。完成课程的学习者在论坛里发帖的数量，明显高于没有完成课程的学习者。Engle等人研究表明，通过或以优异的成绩通过课程的学习者，通常两次或多次在课程的论坛里发帖。
6.与课程相关的背景知识
与课程主题相关的知识或经验，可以使学习者更好地理解课程内容并出色地完成作业，从而影响学习者加入MOOCs，坚持并持续学习，进而更倾向于完成课程。相反，缺乏这些知识或经验则容易导致辍学。
7.教师的反馈与激励
鉴于MOOCs的规模，参与的学习者众多，不可能让每个人都配有一个助教，而且现有的助教通常还不固定或缺少足够的专业知识。也就是说，在MOOCs中尚缺少来自教师的高效且深入的反馈与激励。而缺乏激励、教师的互动和支持与深入的反馈和监控会导致学习者辍学或消极应对。Hone