如何应对MOOC辍学率高的问题？

师弟最近不知在搞什么研究，对MOOC感兴趣。昨天突然问我，MOOC中途辍学率高，那么如何才能提高课程完成率呢？

我觉得这是一个非常好的问题。一两句话回答有些轻率，于是写了这篇短文来回复。

因为MOOC学习跟许多人都有关，所以我把此文发布出来，希望能够引发更多人的思考。

以下是我答复的正文：

关于MOOC“辍学率高”这个事儿，我是这么看的——比较方法有问题。

咱们不能拿汽车的问题和马车的问题比。你在大学里选了一门课，基本上就没有选择了，必须得学完，否则拿不到学分，而且甚至可能留下不良记录。学的时候，你一直很快乐吗？不一定吧。你看上课的时候，学生们有睡觉的、玩儿游戏的、聊天儿的……只不过，因为考勤，学生必须得来；因为不愿意引起众怒，老师得控制考试难度，让大部分人通过。这样的没有选择才有了大学线下课程的“完成率高”。

这就如同你在食堂买了一份炒菜，不好吃也得将就着，因为你已经交了钱（沉没成本高，虽然理性人应该不在乎），还不能退（制度约束），况且这里别的菜味道可能更糟糕（选项约束）。

但是MOOC不同，它如同自助餐。你一开始选课，也许就没打算学到头儿。就如同拿着盘子每道菜盛取一些尝尝，如果觉得好，才会多尝些。而且因为选择实在太多，因此即便是好吃的东西，能多吃上三五口也就不错了，否则机会成本太高。

跟自助餐不同，你学MOOC支出的主要不是现金，而是注意力。而现代最稀缺的资源，恰恰就是注意力。

其实，我们买书的时候，不也是这种境况吗？有的书，买回来就没有读过；有的读了几页，偶有所得，就觉得值回票价了。为什么对于MOOC就要求必须从头学到尾呢？

要是一定要提升完成率，以下几个方面仅供参考。

1. 提升课程独特性。市场上没有别人能提供这个课程，你垄断。只要需求足够大，你讲得怎么样也就无所谓了；（例如2011年的Machine Learning和2016年的Agent-based Modeling in Netlogo。不过，这两门课讲得都很好哦。)
2. 课程证书含金量。即便大家都提供的课程，但是你的课程难度足够大，如果能够通过，在找工作的时候具有真正的优势。这时候你不必顾及难度，学习者会有足够的激励。（例如Jeff Hinton的Neural Networks，反正我学起来的时候真是痛苦，后悔大学线性代数和微积分没好好学。知识掌握了最重要，那些八九十分都是浮云)
3. 课程交互性与趣味性强。提供足够的吸引力，让别人一上手就欲罢不能。这需要课程设计的独具匠心。（例如Interactive Programming in Python，教你设计游戏，那种成就感和趣味引人入胜，让人恨不得一天学完。我班上的一个小姑娘真的是一天学完的。）
4. 缩短课程时间。课程足够紧凑，变传统的学期课程为若干模块，每个模块总时长3-4小时，且切分成子模块。让学习者不必瞻前顾后，对比其他同类课程，而且切实感受到进度的突飞猛进。学完一个模块之后能有实质性收获，就会对后面的模块产生兴趣。（Datacamp的课程大多使用这种设计模式，我觉得效果不错，认知负荷比较小。）

因为我本人并没有开设过MOOC，只是学习并且获得过数十门MOOC证书而已。所以这些看法，只能算是学习者的一些体会。肤浅之见，贻笑大方。仅供参考。

希望抛砖引玉，能有更多MOOC教学实践者一起参与讨论，我们一起分享经验，交流心得。