曹雅宁 等丨MOOC平台设计如何引导用户深度参与学习——基于劝导技术理论的分析

【刊载信息】曹雅宁,柯青,王笑语, & 陈茹芸.(2023).MOOC平台设计如何引导用户深度参与学习——基于劝导技术理论的分析. 中国远程教育(11),39-49.

【摘要】劝导式人机交互设计能够引导或改变信息系统用户的态度或行为，提升系统使用体验。基于劝导系统设计模型构建内容分析框架，包括主要任务支持类劝导策略、对话支持类劝导策略、系统可信度支持类劝导策略以及社会支持类劝导策略共28个具体指标。根据内容分析框架，挖掘国内代表性MOOC平台的劝导设计特征，讨论其如何引导用户深度参与学习，提升学习效果。结果发现，网站在主要任务支持方面提供的劝导功能较多，但很少使用个性化策略或裁剪策略；对话支持类劝导策略使用较少，人机对话功能不足，且未见使用相似性与社会角色策略；每一网站均表现出较好的系统可信度；社会支持类劝导策略使用不多，缺乏规范性影响策略。基于此，为增强MOOC平台劝导效果提出设计建议：系统应添加更多个性化或裁剪设计；在同一功能设计中可以使用多种劝导策略；提供更多人机对话功能；使用拟人化的相似性策略和社会角色策略，如教育智能体等；通过社会支持类劝导策略加强学习活动中的互动。本研究丰富了劝导技术理论的应用领域，有助于优化MOOC平台的人机交互设计。

【关键词】劝导技术理论；在线学习；MOOC；内容分析法；劝导系统设计模型；深度学习

一、

引言

“好的大学，没有围墙”。作为一种面向公众的开放教育资源，MOOC的理念是推动教育资源共享，促进自主学习与终身学习，尽力满足用户学习需求（殷丙山 & 李玉, 2013）。然而，很多学习者无法坚持完成一门课程，出现MOOC辍学（dropout）问题（Liyanagunawardena, et al., 2014）。爱丁堡大学曾上线六门MOOC，初始注册人数近31万，但最终达到学习要求的仅有11%（The University of Edinburgh, 2013）。为什么在MOOC资源丰富、使用便捷的情况下很多学习者却不愿坚持学习？这既有用户内在原因，又有平台或课程设计等外在原因。内在因素包括学习者的基础、兴趣、动机和时间等，外在因素包括系统感知易用性、有用性、学习支持、网络技术设计和互动性等（Goopio & Cheung, 2021）。用户自身因素受外在因素影响。例如，在线学习中的互动显著影响用户学习动机，从而促进学习意图的延续（Wang, et al., 2022）。对于在线学习平台来说，优化信息系统界面，增加交互性设计以提升用户学习动机，即通过外在设计驱动用户行为，能够起到降低辍学率的作用（常李艳 等, 2021）。

根据助推理论（Nudge Theory），外界环境的塑造或介入可使人类自愿地更改选择（Harris, et al., 2017）。从科技伦理角度，信息技术不是“中立的”，相反，它对人们的态度或行为产生持续影响（Oinas-Kukkonen & Harjumaa, 2009）。劝导技术理论（Persuasive Technology）是一种旨在自愿强化、改变或塑造态度和行为的信息系统理论。从伦理角度考虑，劝导系统不能欺骗或胁迫用户，而应在其自愿的情况下改变用户（Oinas-Kukkonen & Harjumaa, 2009），本质上做出选择的仍是用户自身（Fogg, 2002, p.15）。界面设计在人机交互中扮演最重要的角色（Boontarig & Srisawatsakul, 2020），劝导设计能够提升用户信息系统使用体验，因此在人机交互设计中加入劝导要素可以干预用户的态度或行为。行为成本、粘性心理意识、行为保障和激励机制显著影响在线课程用户粘性行为（王娟 & 刘伟, 2022），而目标准确性、及时的反馈和临场感促进心流体验，进而提升在线学习的持续使用意愿（王卫 等, 2017）。在线教育活动中，学习者充分利用线上学习资源和机会，全身心投入到自主探究和协作交互学习活动中，获得持续学习能力和高阶思维发展，即可达到深度参与学习的效果（卜彩丽 等, 2022），这对MOOC平台辅助用户学习提出了较高要求。在线教育平台既应当减少用户的使用成本、提供学习行为支持、具备激励反馈等功能，也应当增加社会性的交互设计，才能够帮助用户充分利用线上教学资源，从而减少辍学意愿或行为，最终实现深度参与学习。劝导技术理论能够在这些方面为人机交互设计提供支持。尽管教育领域已意识到劝导技术能激励人们学习（Lucero, et al., 2006），也有学者提出可以基于劝导技术设计减少MOOC用户辍学率（Wilde, 2016），但相关的理论研究和实践并不多见。

综合上述分析，本研究依据劝导系统设计模型（Persuasive Systems Design Model, 以下简称“PSD模型”）对MOOC平台的劝导设计元素进行内容编码，挖掘劝导特征，分析设计优势以及对学习行为的作用，探讨其能否提高用户学习自主性和学习效率，帮助维持学习持续性，引导用户深度参与学习，以期丰富劝导技术理论及相关技术的应用领域，为未来研究在线教育平台用户使用行为与信息系统优化设计提供参考。

二、

相关研究背景

（一）劝导技术理论

说服指影响他人的判断或行动，但没有强制意味的人类交流（Jones & Simons, 2011, p.23）。人机交互设计者发现，在信息系统中增加说服性设计能够干预人类行为。网站的说服性指为用户带来良好印象并影响用户态度的能力（Kim & Fesenmaier, 2008）。由此，计算机说服学（Computer as Persuasive Technology, Captology）应运而生，其中最有影响力的理论是由斯坦福大学的福格（B. J. Fogg）提出的劝导技术理论。该理论主要包括福格行为模型（Fogg Behavior Model, 以下简称“FBM模型”）与功能三元组（Functional Triad）。FBM模型认为行为改变要素分别是动机、能力和触发（Fogg, 2002, pp.23-29）。功能三元组指出，计算机在人机交互中的三个角色分别是工具（Tools）、媒介（Medium）与社会角色（Social Actors）（Fogg, 2002）。奥纳斯·库克恩等人（Oinas-Kukkonen & Harjumaa, 2009）提出了劝导系统设计模型（PSD），首次提出劝导情境（Context）理念，包括劝导意图（Intent）、事件（Event）和策略（Strategy）三个方面。技术本身没有意志，劝导意图来源于系统设计者或用户。MOOC平台的劝导意图即减少用户流失。劝导事件指从使用情境、用户情境和技术情境来分析设计时需考虑的要素。使用情境指在设计中充分考虑目标行为产生情境；用户情境要求考虑用户特点；技术情境要求尽可能充分利用现有信息技术。选课、听课、互动、作业和考试等一系列学习行为都是MOOC提高学习持续性的使用情境，用户情境即MOOC平台应尽可能考虑学习者特征和习惯。劝导策略认为应分析信息内容，使用合适的传达途径。PSD模型将劝导系统的设计思想具体分为四类，并针对每一类提出7条详细的设计策略（如表1所示）。PSD模型的主要任务支持类劝导策略指辅助或支持系统的核心功能；对话支持类劝导策略指通过口头、文字等信息提供反馈，或者扮演一定的社会角色；系统可信度支持类劝导策略旨在提高信息系统的可信度，增加用户的信任感；社会支持类劝导策略利用社会影响或人类的自然动力等心理学原理激励用户，提供社会交互。

表1 PSD模型的28条设计原则

保有用户、提高用户学习持续性从而引导用户深度参与学习是MOOC平台说服性设计的主要目的。PSD模型既可以提供设计策略，同时又是信息系统说服性评价模型。因此，本研究将根据PSD模型的28个设计策略分析MOOC平台的设计情况。

（二）教育领域的劝导研究

现有相关研究分为两类：第一类以理论研究为主，通过实证阐明劝导技术在学习活动尤其是在线教育活动中的有效性；第二类以应用研究为主，即根据劝导技术理论设计学习工具。

在理论研究领域，研究者证实了劝导技术能够提升学习者参与度、改善学习意图或激励学生学习，相关研究（如表2所示）涉及多个领域，大多在自设计的学习程序中使用劝导策略，通过实验或准实验收集分析数据，最终评估某策略的有效性。有的利用现有MOOC平台开展实验，增加劝导性质的干预措施，最终比较实验组和对照组的结果。另外，劝导思想应用于线下课堂也可形成干预效果。

表2 在教育领域劝导技术理论研究的代表性研究成果

也有一些依据劝导技术理论设计的学习产品。卢塞罗等（Lucero, et al., 2006）设计了激发儿童阅读写作兴趣的软件；马库斯等（Marcus et al., 2013）设计了应用程序“学习机器”；尤索夫等（Yusoff & Kamsin, 2015）根据说服的修辞学理论设计的严肃游戏可影响学习者的情感、认知以及学习中的社会互动行为。劝导技术也被应用于儿童学习桌等传统学习工具的设计（陈朝杰 等, 2021）。

现有研究证实了劝导技术在教育活动中的重要作用，也出现了一些教育产品的应用实践。然而，教育领域对劝导思想的应用仍处于起步阶段。在健康、电商和社交媒体领域，已有若干研究挖掘了现有平台的劝导特征。例如，已有研究利用PSD模型分析了戒酒（Lehto & Oinas-Kukkonen, 2009）和减肥网站（Lehto & Oinas-Kukkonen, 2010）的劝导特征，教育领域还缺乏类似的分析。分析现有MOOC平台的劝导特征，有助于思考如何帮助用户培养良好的学习习惯，降低MOOC辍学率，引导用户深度参与在线学习活动。

三、

研究设计

（一）劝导特征编码框架

本研究主要依据劝导系统设计模型分析MOOC平台劝导特征（Oinas-Kukkonen & Harjumaa, 2009），同时参考了相关文献的观点与示例，形成如表3所示的编码框架。

表3 内容分析编码框架和示例

（二）研究样本与编码

研究样本选择五个国内MOOC平台网页端①：中国大学MOOC（www.icourse163.org）、爱课程（www.icourses.cn）②、智慧树（www.zhihuishu.com）、超星泛雅（fanya.chaoxing.com）③和好大学在线（www.cnmooc.org）。各网站运营主体性质不同，中国大学MOOC主体为教育出版公司与互联网公司，爱课程依托教育出版公司，好大学在线主体为高校，超星和智慧树的主体为在线教育公司。网站定位也有所差异，超星泛雅主要为各学校构建专属教学云平台，智慧树侧重于学分共享，其他三个网站则为综合资源共享平台。因此，本研究选择的分析对象均为较知名的高等教育开放课程网站，提供丰富的内容资源，拥有大量用户，但定位和运营主体又有一定的差异，满足代表性和典型性的要求。

本研究采用内容分析法对样本的劝导设计特征编码。内容分析法指按照一定的规则将传播媒体的内容系统地分配到各个类目中，并使用统计工具对包含在这些类目中的关系进行分析（里夫 等, 2010, p.23）。编码由两位编码员根据表3编码框架实施。首先使用非本文研究对象的中国高校外语MOOC平台（moocs.unipus.cn）训练编码员，在确保准确理解编码框架后，两人背靠背正式编码。全部编码完成后，计算Cohen’s Kappa系数为0.78（p=0.00<0.05），表明结果的一致性较好。不一致的结果由两位编码员讨论，必要时寻求第三方判定，直至结果完全达成一致为止。编码员使用同一种浏览器编码（Díaz & Koutra, 2013），本研究使用Microsoft Edge。

四、

结果与讨论

整体编码结果如表4所示。平台已有意识地添加一些说服性设计元素。尽管并非所有劝导设计都能直接提高学习持续性或降低辍学率，但仍对学生的参与度、任务完成度或效能感产生一定的促进作用。具体来说：

表4 各MOOC平台的劝导特征分析

首先，MOOC平台使用最多的是系统可信度支持类劝导策略。在专业性维度，网站展现了丰富的专业知识内容，且注明来源于专业人士，体现出信源可靠性。在可信赖程度维度，通过与高校合作增加可信赖性，展示网站联系信息等增加现实世界感，以较好的设计外观增加表面可信度。在外部认可维度，使用了权威性、第三方认可与可验证性三种策略。总之，平台能使用户产生信任感。该类策略有助于配合其他策略影响或改变用户行为与态度。

其次，MOOC平台在整体的学习流程中使用了较多的主要任务支持类劝导策略。最常见的是简化与挖隧道策略，有助于提高系统的可用性进而提升用户的技术接受度。通过模拟与排练预演策略为用户提供课程预告，也能让学习者了解课程内容和将取得的收益。部分MOOC平台使用自我监督策略，促进自我导向学习。但是，MOOC平台使用个性化类策略较少，缺少个性化学习内容推荐。该类策略提升平台设计的易用性，帮助用户完成系统的核心任务，节约学习者的时间，促使持续学习习惯的养成。

再次，社会支持类劝导策略应用不多。在七种社会支持策略中，MOOC平台平均只采用其中三至五种。利用人类自然动力的合作、认可策略使用较多，竞争策略使用较少。在以社会影响力为基本原理的四种策略中，最高频使用的是社会促进策略，其次是社会比较策略，社会学习策略使用较少，规范性影响策略则未被使用。社会支持类劝导策略促进用户参与，减少了用户学习的孤独感，弥补了在线学习环境中缺乏交流的缺陷。

最后，对话支持类劝导策略使用较少。赞扬与建议策略使用频繁，但多设置在课程学习前后，很少在学习过程中出现。其次是提醒与奖励策略，提醒策略与线下学习类似，多为学习进度、作业与测验提醒，奖励策略则多为结课证书。调查中的MOOC平台均没有使用基于拟人化的相似性与社会角色策略。此外，MOOC平台的对话策略很少与其他策略结合，这可能降低了系统说服性。四类劝导策略的具体特征如下。

（一）主要任务支持类劝导策略

简化、挖隧道、自我监督、裁剪与个性化策略均通过功能三元组的工具功能进行劝导，使用户以简便高效的方式完成主要活动（Fogg, 2002, p.24）。模拟和排练预演两种策略则使用媒介功能劝导用户，即通过系统传递符号或感官信息（Fogg, 2002, pp.25-26）。

简化策略在MOOC平台中被广泛采用。根据最省力法则，人类倾向于选择最省力的方式完成任务（Fisher, 2009, pp.289-292）。简化策略包括平台简便的注册登录功能、选课功能，跳转历史学习进度功能，如中国大学MOOC简便的制定计划功能等。挖隧道策略为用户提供了认知一致的流程与空间（Fogg, 2002, p.36）。根据认知一致性理论，人类喜欢一致与和谐，在获得与先前不一致的新信息后会感到不愉快，进而调整自己的态度与认知（杨治良 & 郝兴昌, 2016, p.575）。例如，网站通过课程分类或导航引导用户，中国大学MOOC的连播功能、超星泛雅在播放课程时展示本课程章节目录、智慧树弹出学习卡，这些均引导学习过程整体化。根据莫维尔（Moville）的用户体验蜂巢模型，以上设计提高MOOC平台的可用性或可寻性，有助于增加用户的技术接受度（堵雯昌, 2019, p.23）。复杂的流程容易导致认知过载，简化和挖隧道策略使学习者方便地获得信息，专注于学习活动而不是把时间浪费在“破译”课程要求上（Maple, et al., 2013），从而提高学习效率。

MOOC学习往往并没有外部压力，因此学习者需要高度自我导向（Kizilcec, et al., 2016）。自我监督是自我导向的重要维度（加里森, 2018）。在传统学习环境下，师生交流与反馈促成自我评价。MOOC平台的反馈功能成为在线学习中自我导向学习的关键措施。已有研究发现，自我监督即反馈非常受学习者欢迎（Engelbertink, et al., 2021）。用户可查看自己的完成进度、学习时长等数据，通过反馈信息促进学习自我调节（刘辉, 2010）。根据ARCS动机理论，反馈功能提高用户的满足感（郭德俊 等, 1999），是对用户学习过程或结果做出的价值判断，有助于提高在线学习行为的粘性（王娟 & 刘伟, 2022）。

个性化策略与裁剪策略使用较少。智慧树用户可自选页面的白天夜晚模式，中国大学MOOC可制定个人学习计划。但是，MOOC网站很少根据用户的需求进行个性化内容推荐，任何用户看到的界面都是相同的，无法获得专属的推荐课程。此外，个性化策略非常适合与其他策略结合使用，如个性化的学习目标定制、提醒等。

当计算机作为媒介与人类交互时，因果模拟（Cause-and-Effect Simulations）功能可直接观察行为效果，这也是模拟和排练预演策略的主要原理（Fogg, 2002, p.63）。两类策略相似，因此编码时进行了合并。五个MOOC平台均在正式学习前提供了预告试看、见面课、课程目标或详细介绍等内容，促使学习者了解到自己未来可取得的进步或成就。学习者视其为在线学习的激励措施（Engelbertink, et al., 2021），有助于提升学习的内在动机。

（二）对话支持类劝导策略

当计算机在紧要关头无法使用时，人们会抱怨计算机。此时计算机就像一个“伙伴”，扮演功能三元组中的社会角色（Fogg, 2002, pp.26-27）。提醒、赞扬、相似性与社会角色策略通过社会角色功能劝导用户。建议与奖励策略通过人机对话交互，并以工具功能劝导用户。

五个网站均使用了建议策略与赞扬策略。网站推荐的热门精选课程属于学习建议。赞扬策略属于鼓励，有助于增加自我效能感（班杜拉, 2003, p.124），促进目标行为的执行，如中国大学MOOC在课程结束后祝贺用户完成学习。五个网站的评论讨论区都有点赞功能，也是对用户发言提问的鼓励。根据互惠理论，他人反馈使在线学习者踊跃参与知识贡献，积极的社会回应可减轻焦虑，增加用户自我效能感与社区意识（崔智斌 & 涂艳, 2022）。也有两项研究表明（Engelbertink, et al., 2021; Goh, et al., 2012），“格式化”的赞扬语句可能不会产生特别的激励作用，学生更想要个性化的赞扬。这说明对话策略有必要与其他策略联合使用。

提醒和奖励两种策略的使用频率也较高。科博斯等（Cobos & Ruiz-Garcia, 2021）针对edX的研究指出，学习者最希望收到作业内容、提交时间等提醒信息。在提醒策略方面，超星泛雅通过收件箱发送提醒，中国大学MOOC通过微信提醒，等等。奖励策略可用斯金纳的强化理论解释，赞扬和奖励都提供学习效果的正反馈，因此正强化行为有利于后续目标行为的执行（谢应宽, 2003）。MOOC提供的学习证书也是奖励的体现，有助于提升用户学习成就感，也会增加对平台的粘性行为（王娟 & 刘伟, 2022）。一项基于游戏化奖励的实验发现，奖励能提高相关任务的完成率（Ortega-Arranz, et al., 2019）。王卫等（2017）发现，人机对话功能若能提供及时的反馈，则有助于产生心流体验，从而帮助用户增加学习持续意愿并促使其深度参与学习。然而，MOOC平台中的奖励类反馈大多在开始前或结束后，很少在课程过程中使用，及时性不强，也没有结合新兴技术如游戏化设计等。

本次调研没有发现MOOC平台使用相似性策略与社会角色策略。相似性策略以模仿用户的方式进行劝导，能够提高用户的认同感（Fogg, 2002, p.99）。社会角色策略通过系统设定的角色身份提供人机对话（Fogg, 2002, pp.111-114）。这两种策略背后的原理是拟人化。拟人化指将类似人类的特征、动机、意图或情感赋予非人类主体（Epley, et al., 2007）。采用拟人化的知识材料可缩小学习者自身认知与知识之间的差异（龚少英 等, 2017）。一些其他类型的网站添加拟人化的社会角色增加用户的情感体验（管涛, 2016），如微软红棉小冰。教育领域中使用拟人化策略的教育智能体（Pedagogical Agent, 或称“教学代理”）是一种用以满足不同教学目标要求、类似于教师或同伴的虚拟角色伙伴，有利于改善学习者的情绪和学习效果（王雪 等, 2022），适用于在线学习环境，也可以添加至MOOC平台。

美观的设计具有光环效应，吸引用户使用，即喜好策略的原理。复杂的装饰设计会引起学习者的无意注意，分散注意力（党克 等, 2005）。以好大学在线为例，首页轮播图片清晰地展示了课程基本信息，页面也没有过多广告。各个网站都能满足设计简洁、装饰元素数量适中、广告少等要求，有较好的视觉吸引力。

（三）系统可信度支持类劝导策略

根据D&M信息系统成功模型，信息系统的感知可靠性、用户信任以及网站可感知的安全性与隐私性是评价信息系统是否成功的重要因素（费欣意 等, 2018）。福格认为，系统是否可信主要由专业性和可信赖程度两个维度决定（Fogg, 2002, pp.122-125）。在专业性维度，知识内容、信息源等影响了感知可信度。其他方面是否公正、真实、无偏见，则决定了系统可信赖程度的高低。除此之外，PSD模型还增加了与外部认可有关的策略。本次调研的每个网站均使用了全部系统可信度支持类劝导策略，虽不能直接产生劝导效果，但可以使学习者更信任MOOC平台，从而提高用户粘性。

在专业性维度，专业知识策略体现了内容的可信度。MOOC平台资源比较丰富，每个MOOC平台的学习界面均展示了授课者工作单位、职称、个人照片等背景信息，体现来源并表明专业性。教师可信度会影响学生的行为和学习成果（Finn, et al., 2009），MOOC环境下教师与学生的直接互动较少，教师的感知可信度就可视为一种教学策略，无论学习者身处何种学习环境下都能影响学生（Mintz & Aagaard, 2012）。

在可信赖程度维度，可信赖性、表面可信度和现实世界感策略体现了网站的公正、真实且无偏见的特性。每个MOOC平台均与大学合作提供特色课程，如智慧树的高校联盟。网站页面主要展现学习内容，很少有广告或弹窗，能够给用户留下较好的第一印象，也符合表面可信度的要求。此外，MOOC平台展示了主办单位信息与联系方式，许多高校还允许学生通过MOOC学习时长或课程证书等认定学分，均使用现实世界感策略，加深在线学习行为与现实世界的联系，增加信赖感。

外部认可也是提高网站可信度的重要方式，相关劝导策略包括权威性、第三方认可和可验证性三种。MOOC平台与大学合作的专属平台体现出权威性。“国家精品”或“国家级”课程认定，属于权威性与第三方认可策略。以往用户对课程的评分评价也是第三方认可。网站底端的备案号和许可证等内容也属于第三方认可与可验证性策略。

（四）社会支持类劝导策略

社会支持类劝导策略可分为两类。第一类利用社会影响力原理，包括社会比较、规范性影响、社会促进与社会学习四种策略，前两种侧重比较过程，后两种侧重观察他人。第二类利用人类内在的自然动力劝导，包括合作、竞争与认可三种策略。

首先，本文调查的网站均未采用规范性影响策略。实验证明，向学习者提供该课程以前的优秀学生表现，即添加规范性影响策略，学习者课程完成数量就会增加（Bont, 2018）。社会比较策略可用费斯廷格社会比较理论解释，指利用他人的表现完成自我评价（杨治良 & 郝兴昌, 2016, p.576）。好大学在线与智慧树提供了学习时长、练习得分与班级平均情况比较的数据，利用他人学习状态对比自我行为。超星泛雅则提供了丰富的排名信息，同时使用了社会比较策略与竞争策略。在线学习情境下，社会比较往往是一种向上比较，学习者将自己与其他表现良好的个体比较，以激励自己的学习行为（Orji, et al., 2019b），这种比较对学生的学业成绩也有帮助（Christy & Fox, 2014）。

五个网站均采用了社会促进策略，原理为社会助长理论，认为人类有一种与其他人同时完成某项任务或活动的倾向（杨治良 & 郝兴昌, 2016, p.529）。MOOC网站展示每门课程选修或收藏人数，或是在加入课程后展示学习人数，使用户产生一种和他人同时学习的感觉，即临场感。社会学习策略主要依据为班杜拉的社会学习理论。中国大学MOOC和好大学在线都有作业互评功能，前者还展示了其他用户的学习时长、课程或主题帖等。合适的社会学习策略有助于引发学习者的思考（Goh, et al., 2012），从而调整自己的学习策略或习惯，如通过观察他人的表现获得与自己进步有关的信息（Orji & Vassileva, 2021），即通过观察学习产生替代性经验。

从人类内在的自然动力角度，一些有益行为存在内部激励（Fogg, 2002, pp.204-205）。人类遇到困难时希望寻求帮助与合作，从竞争中感到快乐，同时始终渴望被他人认同，即合作、竞争和认可策略的原理。根据马斯洛需要层次理论，爱和归属感需要仅次于最基本的生理和安全需要。由于MOOC学习缺乏临场环境，学习者的归属感格外重要（Peacock & Cowan, 2019）。在线教育社区的社会临场感指以学习者之间的交互为基础，培养成员之间的信任、归属感与凝聚力，帮助成员形成在线身份认同（董利亚 & 冯锐, 2016）。教学临场感指利用设计与组织、讨论与直接指导教学三类活动达成教学目标，促进学习成果产出（Anderson, et al., 2001）。五个MOOC平台都有课程讨论问答交流平台，超星泛雅提供了小组合作功能，均有利于增加社会临场感或教学临场感，产生归属感。此外，从论坛中获得同学的语言鼓励也属于来自其他学习者的合作，有助于增加自我效能感（Hodges, 2016）。竞争策略仅有超星泛雅采用，该网站提供了大量详细的学习数据，包括班级排名信息。相比于社会比较和社会影响策略，学生更喜欢学习系统中的竞争设计（排行榜）（Orji, et al., 2019b）。传统班级学习的排行榜容易引发焦虑，但在MOOC平台中多数情况下用户之间为陌生人关系，因此负面效应会减弱，排行榜反而能满足胜任力和成就感的需求，促进学习持续行为（陈国青 等, 2020）。各网站的课程证书和超星泛雅的“学习之星”均属于认同策略。根据社会认同理论，实现或维持积极的社会认同有利于提高自尊（张莹瑞 & 佐斌, 2006）。社会认同属于ARCS学习动机理论中的满足感，即通过努力行为获得认可等积极结果，从而激发或维持学习动机（郭德俊 等, 1999）。

五、

对MOOC平台优化设计的建议

（一）增添个性化或裁剪策略设计

面对MOOC平台浩如烟海的学习资源，学习者容易由于信息过载产生“选择困难症”。卡佩廷等（Kaptein & Parvinen, 2015）开发的电商领域个性化设计模型也适用于MOOC平台设计：第一，个性化设计应对业务成果产生影响；第二，对每个客户的效果是不同的；第三，产生的效果应当是稳定的。MOOC平台在推荐课程上应尽可能结合用户兴趣和能力水平，以更个性化的方式推荐课程。

（二）结合多种劝导策略设计新功能

单种劝导设计不一定能明显降低辍学率或提高成绩，多种策略结合能产生更好的效果。可以从一项商业化体育锻炼工具获得启发：该工具每周日给用户推送本周表现数据。用户大多对自己的表现数据非常期待，而且也会据此安排下周活动（Harjumaa et al., 2009）。如果仅通过站内收件箱提醒消息，对于没有打开网站的用户效用不大。MOOC平台可以将学习者个人每周的学习表现、成就数据或竞争性排名数据发送到常用的社交软件（个性化、自我监督、提醒和竞争策略），学习者收到该信息则想起自己下周的课程，并明确看到自己学习效果的量化数据，从而做出自主学习计划。

（三）设计多样化激励性对话策略，结合新技术提供更多人机对话功能

MOOC平台很少在学习过程中提供奖励。根据主动激励性助学支持理论（Proactive Motivational Support, PaMS），个性化、互动性与激励性的主动支持与鼓励可促进学生自我学习（唐锦兰 & 陈丽萍, 2021）。整门课程的学习周期往往长达几周甚至几个月，在学习过程中的鼓励、反馈与奖励支持有助于持续提升学习者的自我效能感。因此，有必要在课程学习过程中增加该类人机对话功能。学习由内在动机驱动，但游戏化设计可能产生效用，值得考虑使用。

（四）利用拟人化的相似性策略与虚拟社会角色帮助用户学习

相似性和社会角色策略在其他商业化平台中应用比较成熟，如芬兰Polor体育锻炼工具提供个人定制计划并表示鼓励，一些用户因此视其为教练或锻炼伙伴，成为行为改变活动中的“社会角色”（Harjumaa, et al., 2009）。一些课程根据场景设置卡通角色伴随学生学习（潘燕桃 & 李龙渊, 2017）。结合劝导技术理论，MOOC平台也可提供虚拟角色陪伴用户完成整个学习过程。此外，还可以在平台中增加一些教育智能体工具。

（五）通过社会支持类劝导策略加强学习活动中的互动

社会支持类劝导策略从人类行为的原理角度提高了用户参与，减少了在线学习的孤独感。在MOOC学习的每个流程中，平台都可以增加这类策略以提高系统的互动性。许多学习者在遇到学习困难时倾向于用讨论区（合作策略）向老师和同学求助，但回答无法做到及时性，所以学习过程中的问题很难及时解决。如果平台设计一个“常见问题解答区域”（Wang, et al., 2019），则可帮助学生及时解决疑问，并助其提高自主学习能力。

注释：

① 移动端的界面多样，且网页端更符合现阶段我国高等教育用户的在线学习习惯。

②爱课程的部分课程通过中国大学MOOC提供，本研究仅针对爱课程特有的功能分析。

③ 超星泛雅主要通过各学校网络教学平台提供服务。各学校学习界面和功能相似，本研究基于高校平台分析。

参考文献

A.班杜拉. （2003）. 自我效能：控制的实施（缪小春 译）. 华东师范大学出版社.

卜彩丽，李飒，杨海慧，王利敏，张彤，& 张思. （2022）. 在线深度学习发生的内在机理、模型与成效研究. 远程教育杂志（6），65-73.

常李艳，刘婧，& 黄崇. （2021）. MOOC辍学研究：近20年文献的系统分析. 图书馆论坛（11），38-51.

陈朝杰，郑康杰，刘小娇，郑小涵，& 方海. （2021）. 基于劝导技术的智能儿童学习桌设计研究. 家具与室内装饰（7），59-63.

陈国青，李纪琛，邓泓舒语，& 郭迅华. （2020）. 游戏化竞争对在线学习用户行为的影响研究. 管理科学学报（2），89-104.

崔智斌，& 涂艳. （2022）. 社会化问答社区在线学习者知识贡献绩效影响因素研究. 中国远程教育（2），57-64，75.

丹尼尔·里夫，斯蒂文·赖斯，& 弗雷德里克·G. 菲克 （2010）. 内容分析法：媒介信息量化研究技巧（第2版）（嵇美云 译）. 清华大学出版社.

党克，张卫红，& 张卫建. （2005）. 多媒体技术在辅助教学中的适当应用. 教育科学（5），35-36.

董利亚，& 冯锐. （2016）. 在线学习社区培育与发展模型的构建及其策略研究. 远程教育杂志（2），98-105.

堵雯昌. （2019）. Coursera与中国大学MOOC平台学习体验的对比研究. 南京邮电大学.

费欣意，施云，& 袁勤俭. （2018）. D&M信息系统成功模型的应用与展望. 现代情报（11），161-171，177.

龚少英，上官晨雨，翟奎虎，& 郭雅薇. （2017）. 情绪设计对多媒体学习的影响. 心理学报（6），771-782.

管涛. （2016）. 品牌拟人化对品牌依恋的作用机制研究. 南京大学.

郭德俊，汪玲，& 李玲. （1999）. ARCS动机设计模式. 首都师范大学学报：社会科学版（5），95-101.

刘辉. （2010）. 论指向促进学习的课堂评价结果处理. 教育测量与评价：理论版（3），12-15.

潘燕桃，& 李龙渊. （2017）. 信息素养通识教育的理论创新及其实践探索. 图书馆杂志（12），45-53.

唐·兰迪·加里森. （2018）. 自我导向学习：走向综合模型（谢沙 译）. 终身教育研究（3），62-70.

唐锦兰，& 陈丽萍. （2021）. 现代远程教育环境下学长助学模式的探索. 中国远程教育（11），48-57.

王娟，& 刘伟. （2022）. 在线课程用户粘性行为的影响因素研究. 中国远程教育（3），61-67，75.

王卫，史锐涵，& 李晓娜. （2017）. 基于心流体验的在线学习持续意愿影响因素研究. 中国远程教育（5），17-23，79.

王雪，乔玉飞，王崟羽，成雨薇，& 李慧洋. （2022）. 教育智能体如何影响学习者情绪与学习效果？——基于国内外39篇实验或准实验研究文献的元分析. 现代教育技术（8），59-66.

谢应宽. （2003）. B·F·斯金纳强化理论探析. 贵州师范大学学报：自然科学版（1），110-114.

杨治良，& 郝兴昌. （2016）. 心理学辞典. 上海辞书出版社.

殷丙山，& 李玉. （2013）. 慕课发展及其对开放大学的启示. 北京广播电视大学学报（5），29-34.

张莹瑞，& 佐斌. （2006）. 社会认同理论及其发展. 心理科学进展（3），475-480.

Adaji, I., & Vassileva, J. (2016a). Evaluating Persuasive Systems Using the PSD Framework. User Modeling, Adaptation, and Personalization (Extended Proceedings) CEUR-WS. https://ceur-ws.org/Vol-1618/EvalUMAP_paper_3.pdf

Adaji, I., & Vassileva, J. (2016b). Evaluating Personalization and Persuasion in E-Commerce. In R. Orji, M. Reisinger, M. Busch, A. Dijkstra, A. Stibe, & M. Tscheligi(Eds.), Proceedings of the International Workshop on Personalization in Persuasive Technology co-located with the 11th International Conference on Persuasive Technology(pp.107-113). CEUR-WS.

Alvarez, A. G., Dal Sasso G. T. M., & Iyengar M. S. (2017). Persuasive Technology in Teaching Acute Pain Assessment in Nursing: Results in Learning Based on Pre and Post-Testing. Nurse Education Today, 50, 109-114.

Anderson, T., Rourke, L., Garrison, R., & Archer, W. (2001). Assessing Teaching Presence in a Computer Conferencing Context. Journal of Asynchronous Learning Networks, 5(2), http://doi.org/10.24059/olj.v5i2.1875.

Bont, A. P. V. D. (2018). Online Persuasive Learning: A Study into the Effectiveness of Social-proof Based Online Persuasion in a MOOC Course. Thesis Master Media Technology, LIACS, Leiden University. https://theses.liacs.nl/1998

Boontarig, W., & Srisawatsakul, C. (2020). A Framework for Designing and Evaluating Persuasive Technology in Education. In P. Meesad, & S. Sodsee(Eds.), International Conference on Computing and Information Technology(pp.93-103). Springer International Publishing.

Christy, K. R., & Fox, J. (2014). Leaderboards in a Virtual Classroom: A Test of Stereotype Threat and Social Comparison Explanations for Women’s Math Performance. Computers & Education, 78, 66-77.

Cobos, R., & Ruiz-Garcia, J. C. (2021). Improving Learner Engagement in MOOCs Using a Learning Intervention System: A Research Study in Engineering Education. Computer Applications in Engineering Education, 29(4), 733-749.

Díaz, E., & Koutra, C. (2013). Evaluation of the Persuasive Features of Hotel Chains Websites, A Latent Class Segmentation Analysis. International Journal of Hospitality Management, 34, 338-347.

Engelbertink, M. M., Kelders, S. M., Woudt-Mittendorff, K. M., & Westerhofb, G. J. (2021). Evaluating the Value of Persuasive Techno-logy and the Role of Teachers in a Blended Learning Course for Social Work Students. Social Work Education, 40(3), 333-349.

Engelbertink, M. M. J., Kelders, S. M., Woudt-Mittendorff, K. M., & Westerhof, G. J. (2020). Participatory Design of Persuasive Technology in a Blended Learning Course: A Qualitative Study. Education and Information Technologies, 25, 4115-4138.

Epley, N., Waytz, A., & Cacioppo, J. T. (2007). On Seeing Human: A Three-Factor Theory of Anthropomorphism. Psychological Review, 114(4), 864-886.

Finn, A. N., Schrodt, P., Witt, P. L., Elledge, N., Jernberg, K. A., & Larson, L. M. (2009). A Meta-Analytical Review of Teacher Credibility and its Associations with Teacher Behaviors and Student Outcomes. Communication Education, 58, 516-537.

Fisher, K. E., Erdelez, S., & MaKechnie, L. (2009). Theories of Information Behavior. Information Today.

Fogg, B. J. (2002). Persuasive Technology: Using Computers to Change What We Think and Do. Morgan Kaufmann Publishers.

Goh, T. T., Seet, B. C., & Chen, N. S. (2012). The Impact of Persuasive SMS on Students’ Self-Regulated Learning. British Journal of Educational Technology, 43(4), 624-640.

Goopio, J., & Cheung, C., (2021). The MOOC Dropout Phenomenon and Retention Strategies. Journal of Teaching in Travel & Tourism, 21(2), 177-197.

Harjumaa, M., Segerstahl, K., & Oinas-Kukkonen, H. (2009). Understanding Persuasive Software Functionality in Practice: A Field Trial of Polar FT60. In Proceedings of the 4th International Conference on Persuasive Technology(Article 2). Association for Computing Machinery.

Harris, A., Islam, S. U., Qadir, J., & Khan, U. A. (2017). Persuasive Technology for Human Development: Review And Case Study. Eai Endorsed Transactions On Serious Games, 4(12), e4.

Hodges, C. (2016). The Development of Learner Self-Efficacy in MOOCs. In Proceedings of Global Learn-Global Conference on Learning and Technology(pp.517-522). Association for the Advancement of Computing in Education(AACE).

Jones, J. G., & Simons, H. W. (2011). Persuasion in Society(3rd Edition). Routledge.

Kaptein, M., & Parvinen, P. (2015). Advancing E-Commerce Persona-lization: Process Framework and Case Study. International Journal of Electronic Commerce, 19(3): 7-33.

Kim, H., & Fesenmaier, D. R. (2008). Persuasive Design of Destination Web Sites: An Analysis of First Impression. Journal of Travel Research, 47(1), 3-13.

Kizilcec, R. F., Pérez-Sanagustín, M., & Maldonado, J. J. (2016). Re-commending Self-Regulated Learning Strategies Does not Improve Performance in a MOOC. In Proceedings of the Third ACM Conference on Learning(pp.101-104). ACM.

Kljun, M., Krulec, R., Pucihar, K. ., & Solina, F. (2019). Persuasive Technologies in M-Learning for Training Professionals: How to Keep Learners Engaged With Adaptive Triggering. IEEE Transactions on Learning Technologies, 12(3), 370-383.

Lehto, T., & Oinas-Kukkonen, H. (2009). The Persuasiveness of Web-Based Alcohol Interventions. In 9th IFIP International Conference on e-Business, e-Service and e-Society(pp.316-327). Springer Berlin Heidelberg.

Lehto, T., & Oinas-Kukkonen, H. (2010). Persuasive Features in Six Weight Loss Websites: A Qualitative Evaluation. In International conference on persuasive technology PERSUASIVE 2010(pp.162-173). Springer Berlin Heidelberg.

Lehto, T., & Oinas-Kukkonen, H. (2015). Examining the Persuasive Potential of Web-based Health Behavior Change Support Systems. AIS Transactions on Human-Computer Interaction, 7(3), 126-140.

Liyanagunawardena, T. R., Parslow, P., & Williams, S. A. (2014). Dropout: MOOC Participants’ Perspective. In EMOOCs 2014, the Second MOOC European Stakeholders Summit(pp.95-100). EUNIS.

Lucero, A., Zuloaga, R., Mota, S., & Muoz, F. (2006). Persuasive Technologies in Education: Improving Motivation to Read and Write for Children. In W. A. IJsselsteijn, Y. A. W. Kort, C. Midden, B. Eggen, & E. Hoven(Eds.), Persuasive Technology, First International Conference on Persuasive Technology for Human Well-Being, PERSUASIVE 2006(pp.142-153). Springer Berlin Heidelberg.

Maple, M., Jarrott, H., & Kuyini, A. B. (2013). Blended Learning in Rural Social Work Education: Reflections from a New Australian Bachelor of Social Work Course. Social Work Education, 32(3): 349-364.

Marcus, A., Schieder, T. K., & Cantoni, L. (2013). The Learning Machine: Mobile UX Design that Combines Information Design with Persuasion Design. In A. Marcus(Ed.), Proceedings of the Second International Conference DUXU(pp. 247-256). Springer Berlin Heidelberg.

Meedya, S., Sheikh, M. K., Win, K. T., & Halcomb, E. (2019). Evaluation of Breastfeeding Mobile Health Applications Based on the Persuasive System Design Model. In H. Oinas-Kukkonen, K. T. Win, E. Karapanos, P. Karppinen, & E. Kyza(Eds.), Persuasive Technology: Development of Persuasive and Behavior Change Support Systems(pp.189-201). Springer International Publishing.

Mintz, J., & Aagaard, M. (2012). The Application of Persuasive Technology to Educational Settings. Educational Technology Research and Development, 60, 483-499.

Oinas-Kukkonen, H., & Harjumaa, M. (2009). Persuasive Systems Design, Key Issues, Process Model, and System Features. Communications of the Association for Information Systems, 24(1), 485-500.

Orji, F., Vassileva, J., & Greer, J. (2019a). Personalized Persuasion for Promoting Students' Engagement and Learning. In R. Orji, M. Kaptein, J. Ham, K. Oyibo, & J. Nwokeji (Eds.), International Workshop on Personalized Persuasive Technology, with the Persuasive'2018 Conference(pp.77-87). CEUR-WS.

Orji, F. A., Greer, J., & Vassileva, J. (2019b). Exploring the Effectiveness of Socially-oriented Persuasive Strategies in Education, In H. Oinas-Kukkonen, K. T. Win, E. Karapanos, P. Karppinen, & E. Kyza(Eds.), Persuasive Technology: Development of Persuasive and Behavior Change Support Systems(pp. 297-309). Springer International Publishing.

Orji, F. A., & Vassileva, J. (2021). A Comparative Evaluation of the Effect of Social Comparison, Competition, and Social Learning in Persuasive Technology on Learning. In A. I. Cristea, & C. Troussas(Eds.), International Conference on Intelligent Tutoring Systems(pp.369-375). Cham: Springer International Publishing.

Ortega-Arranz, A., Bote-Lorenzo, M. L., Asensio-Pérez, J. I., Martínez-Monés, A., Gómez-Sánchez, E., & Dimitriadis, Y. (2019). To Reward and Beyond: Analyzing the Effect of Reward-Based Strategies in a MOOC. Computers & Education, 142, 103639.

Peacock, S., & Cowan, J. (2019). Promoting a Sense of Belonging in Online Learning Communities of Inquiry. Online Learning, 23(2), http://doi.org/10.24059/olj.v23i2.1488.

The University of Edinburgh. (2013-05-10). MOOCs @ Edinburgh 2013 – Report #1. Yumpu.com. https://www.yumpu.com/en/document/view/14825476/moocs-edinburgh-2013-report-1

Wang, W., Guo, L., He, L., & Wu, Y. (2019). Effects of Social-interactive Engagement on the Dropout Ratio in Online Learning: Insights from MOOC. Behaviour & Information Technology, 38(6), 621-636.

Wang, W., Zhao, Y., Wu, Y., & Goh, M. (2022). Factors of Dropout from MOOCs: A Bibliometric Review. Library Hi Tech, (ahead-of-print), https://doi.org/10.1108/LHT-06-2022-0306

Widyasari, Y. D. L., Nugroho, L. E., & Permanasari, A. E. (2019). Persuasive Technology for Enhanced Learning Behavior in Higher Education. International Journal of Educational Technology in Higher Education, 16(1), 1-16.

Wilde, A. (2016-07-06). Understanding Persuasive Technologies to Improve Completion Rates in MOOCs. HCI Educators series at AVI 2016(HCIed2016). https://research-repository.st-andrews.ac.uk/handle/10023/12206

Yusoff, Z., & Kamsin, A. (2015). Game Rhetoric, Interaction Design Model of Persuasive Learning for Serious Games, In P. Zaphiris, & A. Loannou(Eds.), International Conference on Learning and Collaboration Technologies(pp.644-654). Springer.

How MOOC Platform’s Design Engage Students in Deeper Learning: Analysis Based on Persuasive Technology

Yaning Cao, Qing Ke, Xiaoyu Wang and Ruyun Chen

Abstract:Persuasive human-computer interaction design can guide or change users' attitudes or behavior, and improve the user experience of information systems. Firstly, we built a content analysis framework based on Persuasive Systems Design Model, including 28 specific indicators of primary task support strategies, dialogue support strategies, system credibility support strategies and social support strategies. Then, we analyzed the persuasive design features of domestic representative MOOC platforms, and discussed how to engage students in deeper learning and improve learning effectiveness. The results show that websites provide more persuasion functions in primary task support, but rarely use Personalization or Tailoring; Websites use the dialogue support strategies less often and do not use Similarity or Social role; All websites are credible; Websites use the social support strategies less often, and none uses Normative Influence. Finally, to make MOOC websites more persuasive, we offer some suggestions for MOOC websites. The systems should add more Personalization or Tailoring designs; Multiple persuasion strategies can be used in one function; Add some human-computer dialogue functions, such as Pedagogical Agents; Strengthen interaction in learning activities through social support strategies. This research has enriched the application field of persuasive technology, and contributed to optimizing the human-computer interaction design of MOOC websites.

Keywords：persuasive technology; online education; MOOC; content analysis; Persuasive Systems Design Mo-del; deeper learning

作者简介

曹雅宁，南京大学信息管理学院硕士研究生。

柯青，南京大学信息管理学院教授（通讯作者：keqing@nju.edu.cn）。

王笑语，南京图书馆助理馆员。

陈茹芸，南京大学信息管理学院硕士研究生。

责任编辑：韩世梅

2023年第11期目次