Enhancing Learner Participation in Online Discussion Forums in Massive Open Online Courses: The Role of Mandatory Participation
Notice bibliographique
Résumé
Online discussion forums are an essential and standard setup in online courses to facilitate interactions among learners. However, learners' inadequate participation in online discussion forums is a long-standing challenge, which necessitates instructor intervention and the design consideration of online learning platforms. This research proposes and studies the role of mandatory participation, i.e., learners' participation in online course forums by instructors' requirements, in fostering their voluntary participation and boosting their learning performance. This novel effect link between mandatory participation and voluntary participation has not been assessed in previous research. An empirical study is conducted using a large-scale dataset of 27,767 learners from a leading massive open online course (MOOC) platform in China. The findings indicate that besides its direct effect on learning performance, learners' mandatory participation has a significant positive effect on their voluntary participation in online course forums, enhancing learning performance. Moreover, the effect of mandatory participation on voluntary participation varies across learner groups, being more prominent for early registrants than late registrants and part-time learners than full-time learners. This research contributes to the online learning literature by introducing mandatory participation as a viable approach to foster voluntary participation and boost learning performance through enhanced voluntary participation. It provides evidence on the effectiveness of the novel design feature of MOOC platforms that enables and facilitates the mandatory participation mechanism in online learning.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 tête enseignante, 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 ».