摘要：高辍学率与低参与度是MOOC面临的一个主要问题。根据学习结果预测，及时开展有效的教学干预是改善此问题的途径之一。当前基于MOOC学习行为数据进行结果预测主要以次数分析为主，较少探索其他行为指标；在预测算法上以回归分析为主，缺少不同预测算法效果的比较分析。以edX平台上一门MOOC课程的学习行为数据为研究对象进行的探索研究发现：学习结果预测的主要参照行为指标组合为视频学习次数、文本学习次数、评价参与时长、评价参与次数和论坛主题发起数；学习次数的预测效果要好于学习时长，并与学习时长和学习次数结合后的预测效果接近；BP神经网络预测准确率要优于决策树和朴素贝叶斯网络，且预测准确率与样本数量呈正相关；而在课程学习模块的预测比较上，评价模块和文本模块的学习行为数据预测率较高，互动模块预测率最低。研究还发现，MOOC学习群体包含三类，分别是以视频学习和学习评价为主、以互动交流为辅的学习群体；以视频学习和文本学习为主、以评价参与为辅的学习群体，以及以文本学习和学习评价为主、以互动交流为辅的学习群体。

关键词：mooc 学习行为数据 学习结果预测 预测指标 学习群体特征 

单位：江南大学教育信息化研究中心; 江苏无锡214122; 北京师范大学教育技术学院; 北京100875