随着“互联网+”概念的提出,在线教育行业迅猛发展。MOOC作为在线教育的主流形式,以其方便快捷、资源丰富的优势而广受大众青睐，在疫情期间成为我国教育系统主推的线上教学模式。然而,MOOC在快速发展的过程中,也面临着一些困难和挑战。虽然MOOC的用户规模庞大,但是在实际的学习过程中,经常会出现学生中途辍学的情况,这限制了MOOC的进一步发展。因此，本文分析近20年关于MOOC辍学研究的文献，发现影响MOOC辍学行为主要因素有学习者自身因素、课程环境因素以及社会环境因素。最后，针对MOOC高辍学率、低完成率等问题，提出相关建议。

MOOC；辍学预测；影响因素；完成率

       MOOC，大规模开放在线课程(Massive Open Online Course)，是一种全新的教育模式，是“互联网+教育”的产物。作为一种在线学习环境，学习者可以免费访问、注册和在线学习，不再受时空、个人教育背景的限制，随时随地学习北京大学、清华大学、甚至是东京大学、新加坡国立大学、哈佛大学、剑桥大学等世界范围内知名学府开设的课程，接受权威专家直接指导，MOOC平台为学生提供了学习高质量课程的机会^[1]。中国传统教育一直存在资源分布不均、投入产出失衡、素质教育水平较低等困境^[2]，因此MOOC的出现对革新传统教育模式提供了无限可能，是对传统教学模式的一次“颠覆”。慕课这一概念自2008年被提出后，2012年还有Coursera、Udacity、edX三大国际平台的推出，慕课进入了高速发展的快车道，在世界范围内如潮水般得到推广。后面又相继出现了中国大学MOOC、Stanford Online、NovoED、FutureLearn、学堂在线、酷学习等一大批国内外的MOOC教育平台，为学习者提供包括历史、人文、计算机科学、生物学等多个学科的课程。 随着互联网技术的快速发展，以MOOC为核心的教育平台吸引了数以亿计的学习者在线上学习和交流^[3]。在MOOC学习平台中，学生现如今不仅可以自由的访问课程视频，完成作业和参加考试，还可以使用在线论坛和维基等辅助工具。另外由于现在新冠疫情的刺激，MOOC平台的作用越发凸显。但是，在学习者数量激增的表面繁荣之下，MOOC学习也出现了质量上的“学习危机”。由于师生缺少面对面交流，学生上课时间碎片化等问题，MOOC学习具有极高的辍学率^[4]。相关研究表明，大多数在线学习平台的课程完成率低4%-10%，而辍学率高达80-95%^[5]。并且MOOC学习环境中教师相比于学生数目较少，教师无法跟踪每一位学生的学习行为。因此，对MOOC学习者辍学行为的影响因素进行研究，探究导致MOOC学习者辍学行为的相关因素，并在此基础上，提出改善MOOC课程质量和教学方法对在线学习的持续健康发展的建议。     

       随着 MOOC 高辍学率、低完成率等问题日益突出，研究者对 MOOC 学习者的学习行为进行了相关研究。如张哲等^[6]依据 Bhattacherjee 提出的期望确认模型，尝试构建 MOOC 持续学习意向影响因素模型，并通过问卷调查，对模型进行检验，提出了若干发展建议；方旭^[7]根据 Venkatesh 提出的 TAM3 模型，建立了 MOOC 学习行为影响因素模型，并在此基础上进行了实证研究；张千帆等^[8]则针对参与 MOOC 学习的大学生，以 Venkatesh 等提出的UTAUT 模型为切入点，对影响大学生 MOOC 学习行为的因素进行阐述，指出绩效期望、努力期望等与 MOOC 学习意向正相关，但感知成本与学习意向负相关。综上所述，目前针对 MOOC 学习者辍学行为影响因素的研究较少，现有的研究成果集中在宏观模型的构建、学习行为的研究等方面，而微观层面的具体因素分析较少。因此，对导致 MOOC 学习者辍学行为的影响因素进行系统、全面的研究，对发展 MOOC具有重要的理论及现实意义。

      预测 MOOC 辍学类研究使用的指标和因子主要是点击流以及学习者网络学习行为数据，这些是属于个人因素重点的 MOOC 参与和学术能力，因此，个人因素将成为最有影响力的因素，其次是课程因素和社会环境因素。

1 学习者自身因素

       （1）个人因素。退出 MOOC 大多数原因与个人特征、环境、社会状况、学习中缺乏互动等有关^[9]。个人特征是影响 MOOC 完成的一个关键因素。某些个人因素，例如学术能力、MOOC 的先前经验，个人特征如性别、年龄，个人在自主性、自我感知效能和自我调节策略使用与个人辍学有关。Chen 等发现在天文学 MOOC 中年龄较大的学生辍学率较低^[10]。Lee 等发现最明显的辍学因素可能与个人学术和学习技能、先前的经验有关^[11]。 Medina 等通过对 15 个 MOOC 的辍学情况进行研究，发现个人特征因素，如性别、年龄、受教育水平与 MOOC 辍学紧密相关^[12]。Khalil 等发现，个人因素中学习者的先前经验以及学术能力（在线技能、教育水平）是导致 MOOC 损耗率高的最重要指标^[13]。Hone 研究证实个人的 MOOC 学习经验对其保留水平有影响^[14]。自主性使学生能根据需要和愿望来决定他们选择在 MOOC 中关注的内容。具备自主性学生更有可能参与课程活动（行为参与），在理解材料方面投入更多精力（认知参与）^[15]。参与是学习动机的体现，意味学习者将精力投入学习过程中以实现期望的学习目标，MOOC 参与包括行为参与（自愿参与学术、课外活动、论坛讨论）、认知参与（概念化为学生对 所教授主题内容的理解）^[16]。行为参与尤其是课程观看、测试完成等行为是预测 MOOC 辍学个人因素中的学术能力可能被认为是学生认知参与的关键因素^[17]。具备认知能力的 MOOC 参与者完成 MOOC 的可能性比那些没有认知能力的 MOOC 参与者高出 1.2 倍^[10]。 此外，缺乏自我调节学习（SRL）技能会使学习者在无向导、给予充分自主性的 MOOC 学习环境中难以成功^[18]。自我调节是学习者控制自己的学习过程以实现拟议的学习目标的过程。有研究发现，自我调节与学习者辍学之间存在关联^[19]，缺乏 SRL 技能可能是导致 MOOC 辍学的重要因素^[20]。

      （2）心理因素。心理因素是学习者进行 MOOC 学习的动机、情感以及选择 MOOC 的感知预期。在在线学习环境中，动机起着至关重要的作用。在 MOOC 环境下同样发现，如果学生有学习的动力，那么更有可能完成课程^[21,22]。在 MOOC 中，关于内在动机、持续性以及成就的积极作用的研究已经达成共识^[23]。MOOC 学习者具备独特的动机，如参与终身学习、娱乐、便利或体验^[24]、获得 MOOC 证书^[25]。如果学习者认为 MOOC 内容将对未来职业或研究有所帮助（功利性动机），那么往往会倾向于完成 MOOC^[26]。情感是指学生 与机构、教师、同伴和 MOOC 内容之间的情感联系，包括学习 MOOC 的享受、兴趣、满意度、乐趣、好奇心、成就感等，积极的情感可以提升学习者的学习动力，提升 MOOC 保留率。Dai H M 等从期望确认模型的视角研究发现学习者的态度、好奇心与满意度显著影响 MOOC 学习的持续性^[27]。

2 课程环境因素

      （1）课程因素。与课程因素相关的课程设计、内容难度、课程资源、时间以及承诺因素被视为导致学生辍学的一个关键因素^[28]。Tang等发现良好的课程设计可以帮助学习者制定合适的学习策略来提高 MOOC 的完成率^[29]。在课程设计时引入增强现实、游戏化、协作学习等技术，可以有效提升学习者兴趣，提升 MOOC 的保留率^[30,31]。而学习内容的难度和课程持续时间相关的方面则对学生完成在线课程产生负面影响^[32]，较长的课程时间可能会使学习更加困难，从而导致较低的完成率^[33]。课程资源的灵活性^[25]、丰富性、高质量的教学材料会对降低课程辍学率有积极作用^[34]。多个研究表明内容的质量对学生的动机和整体参与度产生了积极的影响^[35]。Feng W 等发现某些课程因素（如课程设计，时间和课程难度）是 MOOC 学生辍学率高的关键因素^[36]。Greene J A 等发现学生的投入水平与高辍学率密切相关，不确定自己对课程投入的学生比打算完成课程的学生更可能退出课程^[37]。此外， MOOC 的费用或低成本课程部分导致了学生的高辍学率，当学生发现课程既不具挑战性又浪费时间，低成本或零成本的入门课程可能使学习者从一门课程变为另一门课程。学生对课程的低投入可能是因为该课程是免费的^[38]。

      （2）教学过程因素。教学过程环境主要从学习者外部探寻影响其辍学的因素，包括学习者学习中收到的教学干预、教师的及时反馈、以及教师个人特征（如授课质量、教学偏好、独特的教学设计）等。Barak指出 MOOC 讲师可以设计独特的学习环境，并为学习者实现目标提供必要的手段^[26]。对 MOOC 课程的学生进行调查发现由于动机低、反馈差、时间不足和内容复杂，部分学生无法完成学习。Halawa等指出教师提供的反馈较差是 MOOC 课程中学生辍学的重要预测因素^[39]，从教师获得的反馈与学生完成在线课程紧密相关。Hone构建 MOOC 辍学的影响因素模型，证实 MOOC 的保留情况受该 MOOC 的教师效应（如教师与学习者互动、教师支持、教师反馈以及教师的积极态度）的影响^[14]。高毅等提出教师通过了解学生的 MOOC 辍学风险，并提供及时的主动学习干预，对学生完成 MOOC 有积极作用。Yeomans等在课前调查中实施了一项干预措施，并测量了干预对课程完成的影响^[40]，而 Davis 等通过将干预措施整合到课程环境中，而不是将干预措施整合到课前调查中，使课程内容与干预措施之间的联系更加紧密，对 MOOC 完成产生显著影响^[41]。

       （3）平台设计。MOOC平台本身的设计和服务、可访问性，以及对最新技术的应用也是影响辍学的因素。MOOC平台本身设计的易用性、内容个性化等服务提升慕课保留率。很多低速宽带国家学生经常抱怨上网困难^[42]，随着技术的发展，学习者是否可以通过其 Internet 以及移动设备便捷访问课程^[43]，MOOC是否集成其他媒体格式，如超链接、文本、图像、图表和动画等影响学习者的 MOOC 保留率。Yousef将 MOOC 界面设计以及是否有社交功能作为成功 MOOC 评价的质量指标^[44]，Kaabi提出 MOOC 提供战略性的个性化设置，有助于成功学习^[45]。

3 社会环境因素

     由于学生与内容，同伴和导师同步或异步地进行主动互动能帮助加深对学习主题的理解，因此学生社交互动/沟通不足可能会触发他们退出学习活动的意图^[46]。MOOC 一些研究强调协作，社会学习的重要性^[47]。在 MOOC 背景下，学生与课程的互动水平可以用来预测他们从在线课程中辍学的意愿^[48]。Kizilce 等发现与朋友一起注册的学生比同龄人参加课程的可能性更低^[49]。Santos 等发现当向学生提供互动工具时，会更频繁地参与交流并与他人更好地协作，增强学生的学习动机^[50]。Appiah-Kub 等认为社交存在对学生学习体验的影响^[51]，从家人、朋友或同事获得的社会支持数量会直接影响学生完成在线课程的可能性，这可能导致 MOOC 中的辍学现象。

       综上所述，个人、课程、社会等因素是影响学习者辍学的主要因素。一些学者也探讨 MOOC 平台因素、网络收益、用户偏好、感知稀缺性等因素。比如，Hone 证实学习者对 MOOC 的感知有效性积极影响 MOOC 的保留率^[14]，Chen 等发现学生 MOOC 学习和测试 中的错误率与 MOOC 辍学率正相关，错误率越高的学生越容易辍学^[10]。Kim 等基于心理 反应理论，提出限制在线课程的可访问性和可重复性的措施可能有助于降低辍学率^[52]。Li B 等研究发现网络外部性（网络规模、感知的互补性、网络收益等）对 MOOC 完成的影响随 MOOC 使用时间的长短而变化^[53]。

      本文梳理已有文献，分析发现，学习者个人因素、课程因素、社会环境因素是影响 MOOC 学习者辍学行为的重要因素。所以想降低 MOOC 的辍学率，应该主要从以下三个方面着手。

      第一， MOOC 在线教育“供给侧”改革，全面了解学生需求。学习者数量是影响 MOOC能否快速发展的重要指标，学习者的学习目的与动机是影响 MOOC 学习者辍学行为的重要因素，这就要求在线教育平台能够密切关注学习者需求，全面了解学习者对于课程内容、学习方式与学习过程的诉求，抓住学生的关注点，有针对性的对课程种类、课程内容、教学方式等进行完善，提高学生满意度，才能提高学生的参与度与降低MOOC辍学率。

       第二，完善平台管理机制。平台管理机制主要是对学习机制设计、教学互动和学习过程管理有较大影响。完善的管理机制一方面能够有效约束学习者的学习过程，督促其坚持学习，另一方面也能够给学习者创造良好的学习氛围，激励其坚持学习。MOOC学习过程中，学习者是比较看重学习过程中的互动性，包括学生之间的互动和教师与学生之间的互动，这样能够减少学习的孤独感，让学生感觉是被重视的，以提高其在学习过程中的参与度与活跃性。

       第三，优化课程内容。课程内容是 MOOC 存在价值的体现，也是能够吸引用户的重要原因，这就要求 MOOC 在课程设计方面，一是求新立异，设置真正能够吸引人们注意力的课程，有特色、有新意，与时俱进；二是确保内容有“干货”，能够满足学习者自我提升的需求，并在此基础上掌握课程的趣味性与难易程度，确保学习者的学习热情与参与度，进而提高学习者学习行为的持续性。

       信息时代，在线教育或教育信息化是未来社会发展的重要方向，它不仅是对传统教育方式的重要补充，也是信息时代教育事业发展的新思路，所以如何避免 MOOC 学习者辍学行为、充分体现 MOOC 及其课程资源的价值，是 MOOC 也是整个在线教育深入发展过程中必须要解决的问题，这对国家教育事业的发展来说也至关重要。

[1] 黄子亮. MOOC课程学生辍学行为预测方法研究[D].华南理工大学,2021.DOI:10.27151/d.cnki.ghnlu.2021.001839.

[2] 张静,王欢.基于ISM的在线教育平台学习者持续学习行为的影响因素研究[J].中国电化教育,2018(10):123-130.

[3] 周志光, 王飒清, 刘玉华, 等. 大型开放式在线课程(MOOC)数据可视分析综述[J]. 计算机辅助设计与图形学学报, 2022, 34(06): 830-840.

[4] 林鹏飞,何秀青,陈甜甜,等.深度学习视阈下 MOOC 学生流失预测及干预研究[J].计算机工程与应 用,2019,55(22):258-264.

[5] Khalil H, Ebner M. MOOCs Completion Rates and Possible Methods to Improve Retention-A Literature Review[C]//World Conference on Educational Multimedia, Hypermedia and Telecommunications. 2014: 1305-1313.

[6] 张哲,王以宁,陈晓慧,高焱.MOOC持续学习意向影响因素的实证研究——基于改进的期望确认模型[J].电化教育研究,2016,37(05):30-36.DOI:10.13811/j.cnki.eer.2016.05.005.

[7] 方旭.MOOC 学习行为影响因素研究[J].开放教育研究,2015,(3):46-54.

[8] 张千帆,王程珏,张亚军.大学生慕课学习意向的影响因素实证研究[J].高教探索,2015,(8):66-70.

[9] Zheng S, Rosson M B, Shih P C, et al. Understanding Student Motivation, Behaviors and Perceptions in MOOCs [C]. Acm Conference on Computer Supported Cooperative Work & Social Computing. ACM, 2015.

[10] Chen C, Sonnert G, Sadler P M, et al. The impact of student misconceptions on student persistence in a MOOC[J]. Journal of Research in ence Teaching, 2019(6).

[11] Lee Y., Choi, J. A review of online course dropout research: Implications for practice and future research. Educational Technology Research and Development, 2011, 59(5):593-618. [12] Labrador M M, et al. Survival and Risk Analysis in MOOCs[J]. The Turkish Online Journal of Distance Education, 2019,20(4):149-159.

[13] Khalil H, Ebner M. MOOCs Completion Rates and Possible Methods to Improve Retention - A Literature Review[C]. World Conference on Educational Multimedia, Hypermedia and Telecommunications 2014 (ED-Media). 2014,1305-1313.

[14] Hone K S, El Said G R. Exploring the factors affecting MOOC retention: A survey study[J]. Computers & Education, 2016, 98:157-168.

[15] Rotgans J. I., Schmidt, H. G. Cognitive engagement in the problem-based learning classroom[J]. Advances in Health Sciences Education, 2011, 16(4): 465–479.

[16] Sun Y, Ni L, Zhao Y, et al. Understanding students' engagement in MOOCs: An integration of self-determination theory and theory of relationship quality[J]. British Journal of Educational Technology, 2019,50 (6): 3156-3174.

[17] Skinner, EllenFurrer, CarrieMarchand, et al. Engagement and disaffection in the classroom: Part of a larger motivational dynamic? [J]. Journal of Educational Psychology, 2008,100(4):765. [18] Kizilcec R F, Perez-Sanagustin M, Maldonado J J. Self-regulated learning strategies predict learner behavior and goal attainment in Massive Open Online Courses[J]. Computers & Education, 2017, 104(6):18-33.

[19] Rostaminezhad M.A., Mozayani N, Norozi D, et al. Factors Related to E-learner Dropout: Case Study of IUST E-learning Center[J]. Procedia-Social and Behavioral Sciences,2013, 83(7)：522-527.

[20] Terras M.M., Ramsay J. Massive open online courses (MOOCs): Insights and challenges from a psychological perspective[J]. British Journal of Educational Technology, 2015,46 (3) :472-487.

[21] Jordan, K. Massive open online course completion rates revisited: Assessment, length and attrition. The International Review of Research in Open and Distributed Learning,2015, 16(3):341-358.

[22] Semenova T. The role of learners' motivation in MOOC completion[J]. Open Learning, 2020(3):1-15.

[23] de Barba P. G., Kennedy G. E., Ainley M. D. The role of students’ motivation and participation in predicting performance in a MOOC[J]. Journal of Computer Assisted Learning, 2016,32(3): 218–231.

[24] Belanger, Y, Jessica T. Bioelectricity: A Quantitative Approach Duke University’s First MOOC[J/OE]. 2013.

[25] Learning S. A Study of the Causes of Attrition Among Adult on a Fully Online Training Course[J]. 2013, 2（10）.

[26] Eriksson T, Adawi T, StoHr C. "Time is the bottleneck": a qualitative study exploring why learners drop out of MOOCs[J]. Journal of Computing in Higher Education, 2017, 29(1):133-146.

[27] Dai H M, Teo T, Rappa N A, et al. Explaining Chinese university students' continuance learning intention in the MOOC setting: A modified expectation confirmation model perspective[J]. Computers & Education, 2020, 150. DOI: 10.1016/j.compedu.2020.103850.

[28] Luis M R-R, María S R-M, Aguaded I. Determining Factors in MOOCs Completion Rates: Application Test in Energy Sustainability Courses[J]. Sustainability, 2020, 12(7). doi: 10.3390/ su12072893.

[29] Tang C M., Chaw L. Driving high inclination to complete massive open online courses (MOOCs): Motivation and engagement factors for learners[J]. Electron. J. e-Learn. 2019, 17:118-130.

[30] Despujol I M, Carlos Turró, Castaeda L, et al. Effect of Free Certificate Discontinuation in Completion Rates of MOOC[C] European Conference on Massive Open Online Courses. 2017, (10254):182-187.

[31] Lan M, Hew K F. Examining learning engagement in MOOCs: a self-determination theoretical perspective using mixed method[J]. International Journal of Educational Technology in Higher Education, 2020, 17(1):1-24.

[32] Al-Samarraie H. A scoping review of videoconferencing systems in higher education: Learning paradigms, opportunities, and challenges[J]. International Review of Research in Open and Distributed Learning, 2019, 20(3): 122–140.

[33] 张晓蕾,刘威童,黄振中.如何理解 MOOCs 学习完成率——对 MOOCs 学习者留存问题研究的评析[J].电化教 育研究,2019,40(4):44-52.

[34] Nawrot I, Doucet A. Building Engagement for MOOC Students Introducing Support for Time Management on Online Learning Platforms[C].23rd International Conference on World Wide Web (WWW), South Korea, 2014: 1077-1082.

[35] Guo P. J., Kim J, Rubin R. How video production affects student engagement: An empirical study of MOOC videos[C]. In Proceedings of the First ACM Conference on Learningpp.2014: 41–50.

[36] Feng W, Tang J, Liu T X. Understanding Dropouts in MOOCs[J/OE]. 2019. [2020-5-12] http://keg. cs.tsinghua. edu.cn/ jietang/publications/AAAI19-Feng-dropout-MOOCs.pdf.

[37] Greene J A, Oswald C A, Pomerantz J. Predictors of Retention and Achievement in a Massive Open Online Course[J]. American Educational Research Journal, 2015, 52(5):925-955. [38] Aldowah H., Al-Samarraie H., Ghazal S. How course, contextual, and technological challenges are associated with instructors’ individual challenges to successfully implement e-learning: A developing country perspective[J]. IEEE Access,2019, 7: 48792–48806.

[39] Halawa S, Greene D, Mitchell J. Dropout Prediction in MOOCs using Learner Activity Features[J]. Experiences and Best Practices in and Around MOOCs, 2014,7:3-12.

[40] Yeomans M, Reich J. Planning prompts increase and forecast course completion in massive open online courses[C]. Proceedings of the seventh international learning analytics & knowledge conference on-LAK’17, ACM Press, Canada, 2017, 464-473.

[41] Davis D J, Triglianos V, Hauff C, et al. SRLx: A Personalized Learner Interface for MOOCs[C]. 2018, 122-135.

[42] Eriksson T, Adawi T, Stöhr C. ―Time is the bottleneck‖: A qualitative study exploring why learners drop out of MOOCs[J]. Journal of Computing in Higher Education. 2017, 29(1), 133-146.

[43] El Said G. R. Understanding how learners use massive open online courses and why they drop out: Thematic analysis of an interview study in a developing country[J]. Journal of Educational Computing Research. 2017,55(5), 724-752.

[44] Yousef AMF, Chatti MA, Schroeder U, et.al. What Drives a Successful MOOC? An Empirical Examination of Criteria to Assure Design Quality of MOOCs[C]. 2014 IEEE 14th International Conference on Advanced Learning Technologies, Athens, Greece. 2014: 44-48.

[45] Kaabi F, Essalmi F, Jemni M, et al. Personalization of MOOCs for increasing the retention rate of learners[J].2020 International Multi-Conference on: ―Organization of Knowledge and Advanced Technologies‖ (OCTA), Tunis, Tunisia, 2020:1-5.

[46] Whitehill J, Mohan K, Seaton D, et al. Delving Deeper into MOOC Student Dropout Prediction[J/OE]. 2017.

[47] Loizzo J L. Adult learners' perceptions of MOOC motivation, success, and completion: a virtual ethnographic study. [D]. Purdue University. 2015.

[48] Barak M, Watted A, Haick H. Motivation to learn in massive open online courses: Examining aspects of language and social engagement[J]. Computers & Education,2016, 94:49-60.

[49] Kizilcec RenéF, Schneider E. Motivation as a Lens to Understand Online Learners: Toward Data-Driven Design with the OLEI Scale[J]. ACM Transactions on Computer-Human Interaction (TOCHI), 2015, 22(2):1-24.

[50] Santos J L, Klerkx J, Duva E, et al. Success, activity and drop-outs in MOOCs: An exploratory study on the UNED COMA courses[C]. In LAK’14 Proceedings of the Fourth International Conference on Learning Analytics and Knowledge. 2014, 98–102.

[51] Appiah-Kubi K, Rowland D. PEER Support In MOOCs: The Role Of Social Presence. [C]. Proceedings of the Third (2016) ACM Conference on Learning. 2016, 237–240.

[52] Kim T D, Yang M, Bae J, et al. Escape from infinite freedom: Effects of constraining user freedom on the prevention of dropout in an online learning context[J]. Computers in Human Behavior, 2017, 66(1):217-231.

[53] Li B, Wang X, Tan S C. What makes MOOC users persist in completing MOOCs? A perspective from network externalities and human factors[J]. Computers In Human Behavior, 2018, 85:385-395.