Coursera’s introductory human physiology course: Factors that characterize successful completion of a MOOC
Notice bibliographique
Résumé
Since Massive Open Online Courses (MOOCs) are accessible by anyone in the world at no cost, they have large enrollments that are conducive to educational research. This study examines students in the Coursera MOOC, Introductory Human Physiology. Of the 33,378 students who accessed the course, around 15,000 students responded to items on the pre-course survey about their age, educational background, proficiency in English, and plans for participating in the course. We categorized students who completed the pre-course survey into groups based on the number of exams completed and corresponding course achievement level. We used Chi-square goodness of fit tests to analyze the distribution of students’ responses on the pre-course survey and associated achievement level. Of the students who responded to the pre-course survey and passed with distinction, a larger percentage self-identified as fluent in English while a smaller percentage self-identified as beginners. Students with graduate degrees were more likely to pass the course or pass with distinction than students with only some college experience or a bachelor’s degree. Students who completed either some or all exams were more likely to self-report intention to complete all course activities than students who did not take any exams. A greater proportion of students who passed the course or passed with distinction posted two or more times on the course discussion forum. Understanding MOOC students and the characteristics that lead to their success will enable modification to courses for increased student achievement and may also inform teaching in the traditional classroom.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».