MOOCs 中自我調控學習者檔案：基於項目反應理論的群聚分析
ERIC - Education Resources Information CenterHengtao Tang、Yu Bao
本研究運用項目反應理論與群聚分析，辨識 MOOCs 學習者在自我調控學習各階段的五種學習者檔案，並發現前思技能較弱者可能較難完成課程作業。
AI 幫你先抓重點
AI 重點 1
本研究透過項目反應理論與群聚分析，辨識出 MOOCs 學習者在自我調控學習上的五種不同檔案。
滑鼠懸停看 AI 判斷理由
這項研究的核心價值在於提供具體、分群的學習者圖像，而非單純的概括性描述。了解這些檔案能幫助教育者和課程設計者跳脫一刀切的教學模式，針對不同學習者的需求提供更精準的輔導與支持，提升 MOOCs 的學習成效。
AI 重點 2
前思技能較弱的學習者，可能較難完成課程作業，需要額外的學習支架。
滑鼠懸停看 AI 判斷理由
此發現直接關聯到 MOOCs 的高退學率問題。研究明確指出，學習者在學習開始前的規劃與準備（前思階段）至關重要。針對此群體提供明確的目標設定、時間管理工具和學習策略指導，能有效提升其學習動機與承諾，降低退學風險。
核心研究發現
- 1
本研究透過項目反應理論，精確評估 MOOCs 線上學習者的自我調控學習能力。
- 2
群聚分析結果揭示了 MOOCs 學習者在自我調控學習方面的五種不同檔案。
- 3
學習者在自我調控學習的前思階段能力，與其完成課程作業的意願有顯著關聯。
- 4
前思技能較弱的學習者，可能需要額外的支持以有效調節其學習過程。
- 5
了解學習者檔案有助於設計更精準的自我調控學習支架，提升 MOOCs 的學習成效。
對教育工作者的啟發
本研究強調了在 MOOCs 中了解學習者自我調控能力的重要性。課程設計者應針對不同學習者檔案，提供客製化的學習支架，例如：針對前思技能較弱者，可提供明確的學習目標、時間管理工具及學習策略指導。此外，研究結果也提醒教育者，應關注學習者的學習動機與承諾，以提升其完成課程的機會。透過更精準的學習者分析，可以打造更有效的 MOOCs 學習環境。
原始文獻資訊
- 英文標題：
- Self-Regulated Learner Profiles in MOOCs: A Cluster Analysis Based on the Item Response Theory
- 作者：
- Hengtao Tang, Yu Bao
- 來源：
- ERIC - Education Resources Information Center
- AI 摘要模型：
- ISTA-DASLab/gemma-3-27b-it-GPTQ-4b-128g
每週精選研究電子報
每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。