MIT博士分析690万条视频后,得出...

简介:

0

MIT博士分析690万条视频后,告诉你什么样的微课视频最受欢迎

利用微课、慕课等方式让学生能接触优秀教师的教学,自然是一件好事,但在学习过程中学生的流失率也是一个不容忽视的问题。怎样的微课、慕课更能吸引学生的关注,让学生更投入地开展学习呢?最近,来自美国的两篇论文对此进行了分析和研究。


论文《How Video Production Affects Student Engagement:An Empirical Studyof MOOC Videos》由MIT的博士生、博士后,及edX工程副总裁共同撰写,发表于应MOOC兴起而新设立、专注于教育与计算机科学交叉学科的会议——ACM Learning @ Scale。论文分析了edX上690万条视频观看记录,统计得出怎样的视频更吸引人。其得出的相关结论如下:


最受欢迎的课程有5个特点:

(1)短于6分钟的视频最吸引人

基于edX数据的统计,无论视频多长,用户实际观看时长的中位数都不超过6分钟。而且6-9分钟长的视频是个拐点,更长的视频实际观看中位数反倒会下降。比如长度超过12分钟的视频,实际观看中位数只有3分钟。所以,“短视频到底多短最合适”这个问题有了标准答案了:6分钟。


(2)语速快,很关键

虽然统计数字表明语速和视频吸引力并不完全成正比,但当语速达到每分钟185-254个单词(对应中文大约为300个字左右)时,无论视频多长,都比低语速能获得更多注意力。原因很好理解,快语速常常伴随着激情,激情富有感染力,感染力可以让学生更专注。所以,教师越热情,甚至是激情,越能吸引学生。


(3)教师头像绝非可有可无

对于大于6分钟的视频,有教师讲课头像的和纯ppt、软件操作等录屏相比,前者收获的关注更多。前提是ppt把那一角特意留出来,头像不会遮挡该看到的课件内容。可汗学院不提倡视频中出现教师的头像,但中国的学生更注重教师的作用,教师的头像在某种教学情景下也是一种重要的学习资源。


(4)制造一对一的感觉

教师都习惯教室气氛,黑板、大屏幕,站在讲台上,走来走去,甚至安排一些学生假装听众来提起讲课的性质。但数据分析表明,这种在教室/演播室,配置昂贵设备录制的视频,在吸引力上其实不如更低成本的私人录制方式。教师坐着,面对镜头,背景就是办公室,像做单独辅导一样地讲课,效果是最好的。这样很容易产生一种亲切感,而且和坐在电脑前的学生所处学习环境最契合。这里的关键点,就是让学生有一对一的感觉。


(5)手写屏/笔是最值得购买的设备

可汗学院的视频是典型的手写笔应用,所以论文干脆将这种视频称为“可汗风格”。统计表明,与录屏风格相比,学生愿意在可汗风格的视频中投入1.5-2倍的时间。老师边讲边画,确实很像一对一给我讲题的感觉。或者在一片白板/黑板上用板书讲课,或者在ppt上勾画要强调的内容,手写让学生很清楚地知道该看哪里,并忠实地跟着老师的思路。


斯坦福大学和康奈尔大学的博士告诉你如何提高学生学习成绩

论文《Engaging with Massive Online Courses》由斯坦福大学和康奈尔大学的博士生、教授合作,发表于计算机应用领域世界最顶级的学术会议之一——WWW,并且获得了最佳论文亚军,非常强大。论文通过挖coursera上Machine Learning(以下简称ML)和Probabilistic Graphical Models(以下简称PGM)两门课各三次开课的数据记录,分析了最终成绩不同的学生在学习过程中表现出怎样的差异,以及如何提升课程论坛活跃度。


(1)课程开始前后选课的用户质量最高

在课程正式开始前半个月,到课程第一次作业截止这段时间里选课的学生,其中的活跃者比例远高于其它时间选课的。所以,MOOC课程宣传的最佳时机,就是开课前后这个时间窗口,能获取更优质的学员。


早选课的活跃度低,可能是因为学习热情在等待中消散,或者时间发生了冲突。


(2)学生越活跃,成绩越高

基本上,学生的最终成绩和他在看视频、做测验、交作业和读论坛的次数是成正比的。也应了那句“一分耕耘一分收获”的老话。但“读论坛”这项活动有个独特现象,在80-100分这个区间会变成反比,也就是分数越高,论坛看得越少。这说明学霸对论坛的依赖不高。论坛主要服务于非学霸。


但不要以为学霸对论坛就没贡献,事实上他们很重要。统计数据表明,占据论坛沙发的学生论坛活跃度都很高(侧面说明人数少),而且他们的平均成绩也在80分之上。


(3)最大的杀手,是做题

统计表明,并没有任何视频成为明显的学习终结者,但确实有些作业题目成为障碍,大量的学生被挂在上面,然后就没有然后了。这说明学习中止的很大原因是遇到困难,而非单纯的懒惰。如果能在解题过程多提供一些帮助,可以帮学生走得更远。


(4)学霸和学渣的帖子有显著区别

只需要对讨论区做简单的词频统计,就能得出一个结论:交作业多的学生帖子包含更多术语,交作业少的则刷的只是存在感(hello、me、I’m、interested是学渣高频词)。如此说来,假如要对学生论坛表现评分的话,那么词频统计的方法也是有一定可行性的。


另一个区别是帖子的位置。前面说了,学霸喜沙发。那学渣喜什么呢?喜欢提问……其实说提问的是学渣,是不对的。虽然统计表明提问者的平均成绩较低,但还没低到学渣的地步。真正的学渣是连问都不会问的。


(5)虚荣心是可利用的

ML的第三次授课在论坛里引入了游戏中常用的勋章系统,结果论坛活跃度提升了不少。而且,勋章的展现越显著(比如紧贴着用户姓名显示),越能刺激活跃度。当然,负面作用也有,就是恶意投票的增加了。


总结:教师先洗脑,才能做好在线课程


两篇论文的分析虽然还谈不上全面、严密,他们自己也坦诚有漏洞。但瑕不掩瑜,这些结论还是很有指导性,并引人思考的。它们坚定了一个观点:一定不要照搬课堂讲课的习惯与模式到在线课程。授课是一项以对象和目标为导向的活动,在线课程的授课对象构成要更复杂(年龄、基础、地域、作息习惯,国际课程还有文化背景差异),学习目的也多样(拿证、深入学习、大体了解、解决手头问题等),再加上学习工具与环境的剧烈变化,可想而知照搬课堂授课的效果会多差。现在越来越多的老师开始涉足在线教育。先放下自己赖以成名的教学习惯与观念,用小白的心态重新学习如何在线授课,是扎实的第一步。



原文发布时间为:2015-01-14

本文来自云栖社区合作伙伴“大数据文摘”,了解相关信息可以关注“BigDataDigest”微信公众号

相关文章
请问有没有能撰写期刊学术论文的模型和数据?
请问有没有能撰写期刊学术论文的模型和数据?
|
10月前
|
SQL 存储 NoSQL
论文解读|TuGraph Analytics 流式图计算论文入选国际顶会 SIGMOD
蚂蚁流式图计算团队本次的论文 《GeaFlow: A Graph Extended and Accelerated Dataflow System》 被 SIGMOD 2023 收录,代表蚂蚁流式图计算团队的成果不仅在工业界有界广泛的应用,同时也在学术界得到进一步认可。
论文解读|TuGraph Analytics 流式图计算论文入选国际顶会 SIGMOD
|
7月前
|
数据采集 物联网 大数据
阿里云在ECOC2023会议上发表多个报告和论文
阿里云在ECOC2023会议上发表多个报告和论文
|
8月前
|
人工智能 关系型数据库 分布式数据库
刷新纪录!阿里云数据库17篇论文入选国际顶会VLDB
刷新纪录!阿里云数据库17篇论文入选国际顶会VLDB
342 0
|
9月前
|
机器学习/深度学习 安全 Cloud Native
阿里云与浙大斩获数据库顶会最佳论文!
阿里云与浙大斩获数据库顶会最佳论文!
181 0
|
11月前
|
机器学习/深度学习 编解码 网络协议
创历届最好成绩!阿里云6篇论文入选顶会SIGCOMM2022
创历届最好成绩!阿里云6篇论文入选顶会SIGCOMM2022
217 0
|
12月前
|
存储 搜索推荐 算法
清华、人大等机构学者获唯一最佳论文奖,数据挖掘顶会WSDM'22线上召开
清华、人大等机构学者获唯一最佳论文奖,数据挖掘顶会WSDM'22线上召开
113 0
|
机器学习/深度学习 人工智能 自然语言处理
CVPR 2021大奖公布!何恺明获最佳论文提名,代码已开源!
深度生成模型可以在高分辨率下进行逼真的图像合成。但对于许多应用来说,这还不够:内容创作还需要可控。虽然最近有几项工作研究了如何分解数据中的潜在变化因素,但它们大多在二维中操作,忽略了我们的世界是三维的。
CVPR 2021大奖公布!何恺明获最佳论文提名,代码已开源!
|
数据采集 机器学习/深度学习 人工智能
MIT发布首个贝叶斯「数据清洗」机器人!8小时洗200万条数据
吴恩达说AI模型里百分之八十的工作要放在数据上,而数据清洗又是保证模型质量的关键步骤,它涉及到领域知识等等,往往很难自动化,MIT最近发布了一个自动数据清洗机器人,有望摆脱手工清洗数据!
251 0
MIT发布首个贝叶斯「数据清洗」机器人!8小时洗200万条数据
|
机器学习/深度学习 存储 人工智能
NeurIPS 2020奖项出炉:GPT-3等三项研究获最佳论文奖,华人一作论文获时间检验奖
一万八千人参会的NeurIPS 2020 相比去年数量暴涨了三成,在大会上,1750 亿参数模型 GPT-3 再次成为了人们热议的话题。
144 0
NeurIPS 2020奖项出炉:GPT-3等三项研究获最佳论文奖,华人一作论文获时间检验奖