如何在MOOC学习者特征研究中使用聚类分析方法？

原题：MOOC学习者特征聚类分析研究综述

作者：王梦倩 范逸洲 郭文革 汪 琼 [原文来自：www.11jj.com]

刊期：2018.07

在当前MOOC 教学中，学习者普遍按照是否完成课程为标准被分为两大类：完成与未完成。这是对MOOC学习者群体的初步画像，然而这种二元分类无法解释导致绝大多数MOOC学习者辍学的复杂原因。特别是，考虑到MOOC学习者的大规模特点，仅通过人工方法从文化来源、人口学特征、修课动机、学习特征等多个方面对学习者群体的特征进行识别和分类存在难度，有必要借助技术手段以更多元的视角刻画学习者特征。

聚类分析（clustering analysis）作为一种数据挖掘方法，被视为一种有效的探索..，用来识别和刻画MOOC 学习者特征，也常作为其他深入研究、教学干预和研发适应性功能的起点。

本研究的问题聚焦与研究方法

本文以“MOOC” “MOOCs” “clustering” “classification” 为关键词，在Web of Science、ERIC 数据库中检索了近5年内的英文文献，并在之后阅读文献的过程中对参考文献中相关主题的文章进行检索，最终共得到58篇相关文献。为了保证主题的聚焦与分析的信效度，我们对检索到的文献进行了进一步的筛选，最终得到16篇文献，基于此开展了深入综述。

本研究试图回答以下三个问题：

1.哪些特征指标被应用于聚类？