61、在线学习中的两大关键问题：游戏作弊与MOOC学习满意度

在线学习中的两大关键问题：游戏作弊与MOOC学习满意度

1. 学习游戏中的作弊问题

在教育领域的同伴问答游戏中，作弊行为是一个不可忽视的问题。以ToQ游戏为例，研究人员制定规则来识别不同类型的作弊行为。他们通过分析学生提交的测验问题的相似性以及发布者，将问题分为五类：
- C1：同一用户发布的完全相同的问题
- C2：同伴发布的完全相同的问题
- C3：同一用户发布的修改后的问题
- C4：同伴发布的修改后的问题
- C5：独特的问题

为了对这些问题进行分类，研究人员使用了决策树算法。同时，他们还通过研究前和研究后的调查，探究了作弊行为的数量与几个可能的决定因素之间的关系。

研究发现，在研究前调查收集的所有信息中，学生每周的学习时间分配和最喜欢的学习时间段是总体作弊行为数量的重要预测因素。此外，学生的游戏偏好、每周学习的小时数或他们一天中喜欢的学习时间也可以预测实验中的作弊行为数量。

这些发现对于促进公平游戏具有重要意义。例如，可以根据这些因素为学生提供量身定制的提醒，以鼓励他们公平游戏。当观察到学生发布抄袭问题时，也可以及时发出警告。分析还表明，大多数垃圾问题是在课程中某个主题讨论周的末尾提出的。因此，可以利用这一发现提醒学生明智地利用每周的时间，提前主动推动那些倾向于作弊的学生尽早发布问题。

然而，这种方法也存在一些局限性。句子相似度算法的准确性是一个关键参数，因为每个类别中的问题数量可能会因文本相似度方法的不同而有所变化，这会影响本研究进行的其他分析。此外，分析中仅使用了积极参与研究并完成研究前和研究后调查的学生，由于参与是自愿的，一些学生没有完成研究后调查。

以下