《表1 学习行为的编码方案》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《学习分析视域下慕课学习者学习时间分配》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

首先，基于对数据编码便捷性、完整性与一致性的考虑，研究采用点击流编码规则对行为数据编码，将学习者学习行为界定为浏览行为和参与行为两种类型。然后，研究邀请4位从事学习行为分析的专家对以上行为进行总结，最终抽取关键的9个行为进行编码解释，编码方法如表1所示。浏览行为的对象是课程课件（视频、文稿等）、通知公告、评分标准、定制文本、单元测试列表、考试列表；参与行为的对象为单元测试、作业和论坛。之所以将作业归为参与行为，缘于作业能反映学生所进行的学习活动和学习过程（柏宏权，2017），并且学习者查看作业信息的操作可以体现其学习活动参与度（刘智等，2017）。根据上述原则，研究数据中所有行为日志被自动编码为9个行为类别，并请课程团队和教学技术专家确认分类结果的有效性。最后，在完成行为编码的基础上进行多元分析和可视化。利用时间序列分析法（Time Series Analysis，TSA）对学习行为时间序列进行平稳性检验和参数估计；利用多元回归分析探索影响学习成绩的关键行为指标；利用组内方差分析和t检验，分析在课程周期的不同阶段学习者学习时间分配的差异；采用组间方差分析法，比较不同成绩等级学习者群体在学习时间分配上的差异。