《COMPUTERS and EDUCATION》：Understanding MOOC Dropout Through Learner Intentions: A Persona-Based Survival Analysis,
编辑推荐：
本研究通过生存分析框架探究MOOC辍学模式，结合学习者意图构建的三个 persona（知识寻求者、不确定探索者、目标导向学习者）分析其持续学习差异。结果显示目标导向学习者辍学时间最长，行为指标（活跃天数、回答问题数）比人口统计因素更能预测持续学习，验证了学习者意图连续体的理论效度，为设计个性化干预措施提供依据。
罗伯特·L·摩尔（Robert L. Moore）|王闯（Chuang Wang）|李秀敏（Sophia Soomin Lee）
佛罗里达大学（University of Florida）
摘要
本研究通过将学习者的意图纳入生存分析框架，探讨了大规模开放在线课程（MOOC）中学习者辍学的模式。在之前关于“学习者意图连续体”及其相关角色的研究基础上（Moore等人，2025年），我们应用了三种已确定的角色类型——知识寻求者（Knowledge Seekers）、犹豫不决的探索者（Undecided Explorers）和目标导向的学习者（Goal-Oriented Learners），来分析他们在学习过程中的坚持程度差异。这些角色反映了不同目标清晰度的学习者，从探索性学习到有明确目标的学习不等。利用Cox比例风险模型，我们分析了学习者角色以及人口统计和行为因素对辍学时间的预测作用。行为参与指标，特别是活跃天数和解决的问题数量，比年龄或性别等人口统计变量更能有效预测学习者的坚持程度。尽管不同角色之间的辍学风险差异在统计上不显著，但方向性与他们的理论定位一致：目标更明确的学习者往往能坚持更长时间。这些发现为“学习者意图连续体”的构建有效性提供了初步的实证支持。通过将学习者的动机纳入时间依赖的参与模型中，本研究为理解MOOC中的辍学现象提供了一种新的方法。研究结果强调了基于意图的框架在解释学习者行为和设计个性化、目标导向的干预措施以提升大规模在线学习环境中的坚持度方面的价值。
章节摘录
引言与背景
大规模开放在线课程（MOOCs）在全球范围内扩展了高质量学习资源的获取途径，为人们提供了来自顶尖机构的灵活、自主节奏的学习机会。最初，MOOCs被宣传为一种通过减少地理、经济和社会障碍来民主化教育的变革性模式，但实际上效果参差不齐（Brooker等人，2018年；Christensen等人，2013年；Milligan & Littlejohn，2017年；Zheng等人，2015年）。尽管如此，MOOCs的完成率仍然持续较低
研究目的
我们的研究旨在通过利用学习者在课程开始时表达的意图来填补MOOC研究中的空白。以往的生存分析研究主要关注人口统计变量和参与度指标来预测辍学情况（C. Chen等人，2020年；Shi & Zhou，2023年）。然而，我们的研究采用了一种新的方法，即从学习者的意图角度而不是仅通过观察其行为来分析辍学现象。
参与者
我们的数据来自两批（第1组和第2组）参加统计学入门课程的学习者。这是一项基于二手数据的分析，我们并未直接与学习者互动。数据收集由课程所属机构完成，并获得了机构审查委员会（IRB）的批准。两批课程的结构相同。调查包括了六个问题，用于了解学习者报名参加课程的动机：
结果
表2展示了基于Kaplan-Meier方法估算的平均辍学时间和中位数，以及它们的标准误差。
估算的辍学时间模式进一步体现了学习者角色在理解学习者参与和退出行为方面的价值。根据Kaplan-Meier估算，目标导向的学习者的平均辍学时间最长，为251.51天；相比之下，知识寻求者的平均辍学时间最短
讨论
本研究通过分析Moore等人（2025年）提出的三类学习者角色（知识寻求者、犹豫不决的探索者和目标导向的学习者）的意图，为理解MOOC中的辍学行为提供了新的见解。通过运用生存分析方法，我们发现了这些群体之间在辍学模式上的显著差异，这与现有文献中强调的学习者意图在MOOC中的关键作用是一致的（Gardner & Brooks，2018年；Rabin等人，
局限性
尽管本研究获得了宝贵的见解，但仍需承认一些局限性。首先，由于研究仅针对单一MOOC，因此其结论的普遍性受到限制。在这门统计学入门课程中观察到的行为和意图可能无法反映其他学科或不同学习者群体中的情况。未来的研究应探讨“学习者意图连续体”是否适用于不同的学科、课程形式等。
结论
本研究通过将学习者的意图纳入辍学行为的分析中，推进了MOOC研究的发展，填补了现有文献中的关键空白。通过利用课程前的调查来了解学习者的动机，并运用生存分析方法，我们更深入地了解了不同类型的学习者（知识寻求者、犹豫不决的探索者和目标导向的学习者）与课程内容的互动方式。这种方法基于“学习者意图连续体”这一理论框架
作者贡献声明
李秀敏（Sophia Soomin Lee）：撰写——审阅与编辑、初稿撰写、数据可视化、方法论设计。罗伯特·L·摩尔（Robert L. Moore）：撰写——审阅与编辑、初稿撰写、数据可视化、研究监督、资源协调、项目管理、资金筹集、数据整理、概念构建。王闯（Chuang Wang）：撰写——审阅与编辑、初稿撰写、数据可视化、结果验证、方法论设计、正式数据分析、数据整理、概念构建
关于写作过程中使用生成式AI和AI辅助技术的声明
在准备本研究的过程中，作者使用了ChatGPT（OpenAI）来辅助手稿的修订和完善，包括提高文章的清晰度、结构以及符合期刊要求。使用该工具后，作者对内容进行了必要的审阅和编辑，并对最终发表的文章内容负全责。
