《表1 学习行为分析指标与学习结果的回归模型摘要》

  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

《学习计算视阈下基于CIEO分析思想的学习结果预测设计与实证研究》

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

该部分利用第一门MOOC课程的学习行为数据，采用多元回归分析探索学习行为分析指标与学习结果的相关性。回归分析时，变量间的理想关系是分析变量之间呈现中低度相关，而分析变量与结果变量呈现高相关。分析变量与学习结果的积差相关矩阵结果显示，学习内容完成度与学习内容掌握度、互动参与度和互动贡献度的值较高，说明变量间存在共线性问题，其中，内容完成度和掌握度在计算方式上存在递进性，因此，具有较高的相关性，而互动参与度和贡献度存在相关性说明积极参与互动论坛的学习者也能够进行深度互动，促进知识分享。整个回归模型摘要分析结果见表1，多元相关系数R值为0.656，决定系数R2为0.527，说明所有分析变量能够解释学习结果变量52.7%的变异量。Durbin-Watson（以下简称DW）统计量主要验证模型中是否存在自我相关，当各预测变量的样本观察值间具有某种程度的直线关系时，该系数不为0；当DW统计量接近于0时，说明相关系数越接近1，残差项间越呈现自我相关；当DW统计量接近于2时，说明相关系数越接近于0，残差项间无自我相关。本研究中DW统计量为1.822，说明误差相关性在可接受的范围之内。