在MOOCs学习：在MOOCs学习的动机与自主学习外文翻译资料

英语原文共 9 页，剩余内容已隐藏，支付完成后下载完整资料

所有内容摘自 ScienceDirect

互联网与高等教育

在MOOCs学习：在MOOCs学习的动机与自主学习

Allison Littlejohn, Nina Hood,Colin Milligan, Paige Mustain

开放式大学，Milton Keynes，白金汉郡7 6AA，英国

加里东学院，格拉斯哥卡利多尼亚大学，格拉斯哥 G4 0BA，英国

牛津大学，英国牛津2JD，英国

文章信息

文章历史：

2015年6月21日收到

2015 2015年12月8日收到表格修订版本

2015年12月10日 接受该版本

2015年12月11日可在线查看

关键词：

大规模开放在线课程

自我调节学习

高等教育

专业学习

摘要：

大规模开放在线课程（MOOCs）要求个体学习者能够自我调节自己的学习，确定何时以及如何参与。然而，MOOCs吸引众多学习者，各有不同的动机和经验。本研究探讨自主学习（SRL）学习者将在MOOC，特别是围绕如何学习动机以MOOC的影响他们的行为和就业

学习策略，在788位学习 MOOC参与者行为的定量调查后，后续访谈32位参与者进行比较，研究行为的叙述性描述学习者自我报告之间的高和低的公司评分检测之间的重大差异。自我描述的学习行为，这两个群体中的五个子过程检查。学习者的动机和目标被发现的形状如何概念化的MOOC的目的，进而影响他们对学习过程的感知。

copy;2015 Elsevier公司保留所有权利。

简介

大规模开放在线课程（MOOCs）收到了来自学术界和媒体对他们潜在的重塑的学习机会和高等教育变革的关注。支持者MOOCs强调自己的开放性和规模，这让学习者，不论位置或以往的经验和资格，从事在没有（或最小）学习的机会成本，这往往是由领先的大学策划。然而，越来越多的人担心MOOCs对教育的直接影响没有最初预期的深刻（吉拉尼和艾农，2014）。该研究并没有充分证明MOOCs可以支持在MOOC学习和学习者的独特性或检查新的知识生产方式和学习的证据（Gillani amp; Eynon,2014; Milligan, Littlejohn, amp; Margaryan, 2013）。多项研究主要关注的是可以很容易地测量量表，如进程、保留和完成率（Breslow et al., 2013; Guo amp;Reinecke, 2014; Kizilcec, Piech, amp; Schneider, 2013; Liyanagunawardena,Adams,amp; Williams, 2013）。这些措施的就业代理学习不充分考虑到这些独特的结构，新的学习机会促进或多样性的学习者参与MOOCs。需要更多的研究，其中重点在MOOCs可以支持学生学习和学生的独特性和对知识生产的新方法。MOOC的开放性，它允许任何人报名，导致学习者的动机和期望之间的差异（kizilcec et al.，2013）。这种多样性的期望，再加上各种各样的背部—理由和以往经验的学习者，结果在一个广泛的范围学习行为，在MOOC参与者的技能和能力。MOOC是现在占主导地位的平台为基础的学习方法（通常称为xmoocs），通常涉及最小的直接教师与学习者的互动。这地方的责任在创建和浏览自己的学习者个体的怨妇—内伊。为了做到这一点，个人必须自我规范他们的学习，这就要求他们监控和调整他们的行为和行为在关系到他们的具体的学习环境（Zimmerman, 2000年）。在一个MOOC，个人必须决定什么时候、什么内容如何，他们搞活动（史Milligan amp; Littlejohn, 2014）。研究表明学习者能够更好地自我调节他们的学习，无论是正式或非正式的设置，采用更有效的学习方法在网络设置（本研究综述见Bernacki，阿圭勒，amp;伯恩斯，2011）。进入角色，自主学习的初步研究（SRL）在支持MOOCs学习中已经确定了一系列的影响学习的认知、情感和行为因素MOOC（Hood, Littlejohn, amp; Milligan, 2015）。本研究探讨了学习者的自我调节学习的介绍数据科学的MOOC提供的大学华盛顿通过Coursera MOOC平台。MOOC吸引来自197个国家的50000个参与者。这项研究是由重新—搜索问题是自主学习策略的学习者适用于MOOC吗？“如何自主学习（SRL）策略不同的学习者得分低和高的措施SRL。这项研究的重点是特别是对动机的变化以MOOC之间这两组学习者如何他们的行为和就业形态学习策略。首先对公司在网上设置的文学和评论如何本文具体涉及MOOC。文献综述是其次是讨论的方法来探讨研究问题。数据分析过程和结果，然后介绍和讨论。文章最后总结的关键结果和反思的局限性的研究以及未来研究的潜在方向。

作者通讯方式：

E-mail地址：allison.littlejohn@open.ac.uk (A. Littlejohn), n.hood@auckland.ac.nz

(N. Hood), colin.milligan@gcu.ac.uk (C. Milligan), paige.mustain@oii.ox.ac.uk (P. Mustain).

背景

已经提出了关于如何独特的特点的问题MOOC-包括免费注册，开放获取学习（不管以前的资格），一个大而多样化的学习者身体不仅如此具有不同的背景，但也有广泛的动机，

在一个课程中滚动，没有一个单一的线性学习进度 - 所有学生在课程后跟着 - 正在塑造学习处理。 Breslow等人（2013）呼吁研究人员利用大量的数据MOOCs产生更多的细节来识别什么有助于和限制学生的学习的能力。跟踪MOOC个人参与的频率和方面已经使研究能够根据与MOOC功能相互作用的模式对学习者进行分类（Kizilcec等，2013）。很多研究学习者的行为集中在试图了解目前估计的低完成率（Jordan，2014）百分之十（Breslow等，2013;约旦，2014）。研究已经考察过参与者的教育背景，性别和地理位置（Breslow et al。，2013; Guo＆Reinecke，2014;Kizilcec等人，2013）继续参与MOOC，而进一步的研究调查了其间的联系学习者参与在线论坛的性质和完成率（Gillani＆Eynon，2014）。

关于这些进展，保留和MOOC的研究的重点作为学习指标的完成率使得能够理解整个MOOC队列，但对这一点没有什么洞察力个人的行为和学习。此外，使用完成率作为学习成功的代表是有问题的MOOC上下文。不同于传统的HE课程，学习者期望在很大程度上是标准化的（成功完成课程或学位课程是成功的标志），学习者的多样性MOOC导致参与的动机（Kizilcecetal et al.,2013），并可能导致不同程度的参与（DeBoer，Ho，Stump，＆Breslow，2014）。了解学习MOOCs，有必要超越人为的二进制区别在完成者之间，代表那些已经学习的人，非成功者，没有学习的人，更全面地调查动机和驱动因素，包括影响学习者行为和行为的上下文，认知和行为因素。

调查MOOC的学习也必须考虑到MOOC的非正式性质，允许学习者参与非线性学习，并且具有预先确定的顺序进度（Guo＆Reinecke，2014）。 学习者行为分析在四个MOOCs中确定了证书收入者平均观看只有78％的学习顺序，完全跳过了22％，从评估到讲座的导航背后比较常见比讲课讲座（Guo＆Reinecke，2014）。 这个自主导航加上缺乏互动导师与学习者之间需要个人自我调节自己的学习，确定何时，如何和配合他们参与什么内容和活动（Milligan＆Littlejohn，2014）。自我调节的学习，首先在正式的，离线教育背景，指自我创造的想法，感受和行为这些计划和周期性适应于实现个人目标“（齐默尔曼，2000a第14页）。齐默尔曼确定了三个阶段自我调节的学习 - 预想，表现和自我反省 - 以及与每个阶段相关的一些子过程。自律不固定。自我调节的能力学习是由个人心理因素（认知）介导的

和情感）和环境因素（Pintrich，2000）。自我调节与学业成绩呈正相关在正式的离线学习环境中（Pintrich＆de Groot，1990;Zimmerman＆Schunk，2001）和越来越多的研究调查了SRL在线学习环境中的作用，（综合概述，参见Bernacki等，2011）。

检查在线设置中的学习的研究已经确定自我调节学习行为之间的正相关学术成就（Azevedo＆Cromley，2004; Barnark-Brak，Lan，＆Paton，2010）。进一步的研究侧重于映射SRL子在线学习环境中的过程。程和洲（2013），他们对电子投资组合的研究确定了五个子过程与高度协调，组织，批判相关思维，元认知自律和同伴学习。另一个研究，侧重于自主学习的MOOC，确定了四个SRL在人们之间注意到差异的子流程表现出高低低的自我调节 - 目标设定，自我效能感，学习和任务策略以及求助策略（Milligan＆Littlejohn，在新闻中）。自主学习的进一步研究MOOC在自我调节学习中发现了显着的差异来自不同背景和专业的学习者之间的行为角色（Hood等，2015）。

这项研究建立在以前的自我调节学习研究的基础之上非正式和在线环境来调查SRL子流程学习者在MOOC中工作，并探讨不同的学习动机如何影响自我调节的学习行为。自我调节学习框架有助于创建上下文丰富的帐户个人在MOOC中的学习行为和行为。它提供了对MOOCs发生学习的本质的洞察以及个人如何解释他们的学习的证据与他们的“现实生活”或离线情境的关系（Selwyn，2010）。

方法论

这项研究是研究学习的一个较大的研究的一部分788名参与者在“数据简介”中的行为和行为科学的MOOC（https://www.coursera.org/course/datasci）从华盛顿大学提供了Coursera平台。通过在课程上发布的调查收集了定量数据留言板。调查是一个略微修改的版本出版的经过验证的仪器旨在测量SRL和SRL成人学习者在非正式学习环境中的子过程（Fontana，

Milligan,Littlejohn,amp;Margaryan,2015)。调查工具是可在http://dx.doi.org/10.6084/m9.figshare.866774找到。数据从调查中产生的SRL配置文件可以开发出来每个参与者。该资料包括一个整体SRL评分以及a单独评分为8个SRL子流程。因素结构和描述性统计总结在表1中。完成调查并确定为数据专业人员（362人）的参与者被邀请参加半结构化访谈。设计了一个半结构化面试工具，以探索Zimmerman（2000a）确定的SRL子过程的全部范围，并对多项研究进行了迭代研究（Fontana等人，2015; Milligan＆Littlejohn，在新闻中）。问题适应本研究的背景，并确保它们与参与者的MOOC经验直接相关。相关问题包括在下面的结果部分，整体访问脚本可在http://dx.doi.org/10.6084/m9.figshare.1300050.上找到。采访通过Skype与32名参与者进行来自16个国家。所有采访都被逐字记录和转录。

表1

SRLMQ仪器的因子结构和描述性统计。 F =预想，P =表现，SR =自我反思。

因子 项目数量 均值 SD 示例项目 Cronbachs alpha 解释方差的百分比 总解释方差

F1：目标设定 7 3.27 .84 我设定短期（每周或每周） .85 22.79 56.94

的目标以及长期目标

（整个课程）。

F2：自我效能 7 3.76 .70 我觉得无论我被要求学习， .83 20.42

我都可以处理它。

F3：任务兴趣/价值 3 4.21 .70 我所做的学习对我来说 .76 13.74

非常重要。

P1：学习/任务策略11 3.47 .73 当我学习的时候，我结合了 .89 30.30 57.33

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[141405]，资料为PDF文档或Word文档，PDF文档可免费转换为Word