MOOC建設與學習行為分析

目錄
前言
第1章 中國在線教育的未來 1
1.1 未來教育模式 1
1.1.1 未來教育的特征 1
1.1.2 在線開放課程改變教育模式 3
1.1.3 課堂教學不會被取代 4
1.2 中國的 MOOC 該往哪里走 7
1.2.1 中國已經(jīng)成為 MOOC 大國 7
1.2.2 國際在線教育平臺朝著盈利*大化轉(zhuǎn)變 8
1.2.3 中國的 MOOC 應該走自己的道路 9
1.3 如何突破傳統(tǒng)人才培養(yǎng)模式 11
1.3.1 互聯(lián)網(wǎng)＋教育背景下創(chuàng)新模式 11
1.3.2 讓中國學生學會討論 12
1.3.3 大學中教師更應該學習 MOOC 13
參考文獻 14
第2章 什么是 MOOC 15
2.1 MOOC 的興起 15
2.1.1 MOOC 的概念 15
2.1.2 國內(nèi)外 MOOC 平臺分析 17
2.2 MOOC 的發(fā)展 23
2.2.1 發(fā)展動力 23
2.2.2 發(fā)展特點及發(fā)展趨勢 25
2.2.3 面臨的挑戰(zhàn) 29
2.3 MOOC 教學模式與教學模塊 31
2.3.1 MOOC 教學模式 31
2.3.2 MOOC 教學模塊 34
參考文獻 41
第3章 如何建設 MOOC 43
3.1 MOOC 建設流程 43
3.1.1 課程規(guī)劃 43
3.1.2 備課 47
3.1.3 視頻制作 48
3.1.4 課程運行 51
3.2 如何制作優(yōu)質(zhì)的 MOOC 視頻 53
3.2.1 視頻吸引力分析 53
3.2.2 *優(yōu)視頻時長和數(shù)量 55
3.2.3 *佳視頻表現(xiàn)形式 58
3.2.4 視頻錄制及制作建議 62
3.3 如何設計知識地圖 64
3.3.1 知識地圖的必要性 64
3.3.2 知識地圖的作用 66
3.3.3 構(gòu)建知識地圖需要解決的關鍵問題 68
3.3.4 知識地圖制作步驟 70
3.3.5 基于知識地圖 MOOC 構(gòu)建面臨的挑戰(zhàn) 73
參考文獻 74
第4章 如何使用 MOOC 76
4.1 在線學習 MOOC 76
4.1.1 你需要 MOOC 嗎 76
4.1.2 怎樣提升 MOOC 學習效果 78
4.1.3 哪些學習者拿到了證書 80
4.2 MOOC ＋翻轉(zhuǎn)課堂 85
4.2.1 翻轉(zhuǎn)課堂發(fā)展歷程 87
4.2.2 MOOC ＋翻轉(zhuǎn)課堂的特點 88
4.2.3 MOOC ＋翻轉(zhuǎn)課堂教學實施 91
4.2.4 MOOC ＋翻轉(zhuǎn)課堂的評價和建議 92
4.3 MOOC 學分制 96
4.3.1 MOOC 學分制的出現(xiàn) 96
4.3.2 MOOC 學分制的實施 97
4.3.3 MOOC 學分制研究與建議 99
4.4 線上線下混合式教學 102
4.4.1 為什么需要線上線下混合式教學 102
4.4.2 SPOC 與雨課堂介紹 103
4.4.3 SPOC 和雨課堂的實施 106
4.4.4 科學評價線上線下混合式教學 110
4.5 微學位與在線學位 113
4.5.1 微學位與在線學位的內(nèi)涵 113
4.5.2 微學位和在線學位面臨的挑戰(zhàn) 116
4.6 如何用好 MOOC 117
4.6.1 存在的問題 117
4.6.2 大學使用 MOOC 資源的建議 119
參考文獻 121
第5章 MOOC 學習行為特征 123
5.1 MOOC 數(shù)據(jù)概述 123
5.1.1 數(shù)據(jù)結(jié)構(gòu) 124
5.1.2 數(shù)據(jù)特征 127
5.2 學習者屬性分析 135
5.2.1 學習者的年齡分布特征 135
5.2.2 學習者的性別特征 138
5.2.3 學習者的地區(qū)分布特征 145
5.3 學習行為統(tǒng)計特征 149
5.3.1 觀看視頻行為統(tǒng)計特征 149
5.3.2 完成作業(yè)行為統(tǒng)計特征 151
5.3.3 參與討論行為統(tǒng)計特征 152
參考文獻 154
第6章 MOOC 學習者分類與預測 156
6.1 基于早期學習行為的學習者分類預測 156
6.1.1 MOOC 學習預測研究 156
6.1.2 學習者分類 157
6.1.3 基于樸素貝葉斯的學習者預測 163
6.1.4 基于貝葉斯公式的輟學因素分析 168
6.2 基于行為偏好的學習行為模式分類 169
6.2.1 聚類算法概述 172
6.2.2 聚類算法實現(xiàn) 172
6.2.3 基于行為偏好的學習行為模式分類結(jié)果 173
6.3 基于觀看視頻行為特點的分類 174
6.3.1 基于觀看視頻行為分類算法 174
6.3.2 基于觀看視頻行為分類結(jié)果 175
參考文獻 176
第7章 MOOC 視頻吸引力量化與評估 178
7.1 視頻吸引力與視頻屬性建模 178
7.1.1 視頻吸引力因子的定義 178
7.1.2 多元回歸算法 181
7.2 *受歡迎的視頻時長 188
7.2.1 視頻數(shù)量的忍耐度閾值 188
7.2.2 *優(yōu)視頻時長的區(qū)間估計 189
7.2.3 隨發(fā)布時間變化的*優(yōu)視頻時長 192
7.3 視頻分割評估方法 195
7.3.1 Logistic 變換與視頻吸引力因子 195
7.3.2 相關性分析 196
7.3.3 視頻分割評估算法 198
7.4 基于矩陣填充的*受歡迎的視頻時長 204
7.4.1 低秩性與稀疏性 204
7.4.2 矩陣填充算法 206
7.4.3 多課程融合*優(yōu)視頻長度 209
參考文獻 212
第8章 MOOC 學習有效性量化與評估 215
8.1 課程認證與有效學習理論 215
8.1.1 課程認證 216
8.1.2 學習成就系統(tǒng)設計框架 221
8.1.3 在線學習有效性及其理論 223
8.1.4 有效的課程學習行為 226
8.2 MOOC 學習過程評價 229
8.2.1 觀看視頻行為得分 231
8.2.2 學習過程評分算法 234
8.2.3 效果分析與結(jié)論 237
8.3 MOOC 視頻評估 240
8.3.1 MOOC 評估的必要性 240
8.3.2 課程視頻評估的算法 241
8.3.3 課程學習效果分析 245
參考文獻 250