In this paper, we apply network theory to understand students' behavior and relationships between courses in MOOCs. With prominent online review community data, we study the associations between courses based on student enrollments behavior. We find that all of the course networks have `small-world' property and that it increases over time, showing the distance between the courses becoming closer. Further, we study the impact of individual network properties on performance outcomes from the perspectives of satisfaction and popularity. We find that courses have gained popularity and satisfaction where they are positioned in community overlaps and when they bridge communities with weak ties. Moreover, strong connections between courses have a negative impact on their performance outcomes. We also find that in the ways of measuring brokerage, community overlaps and shortest paths based betweenness distinctively capture the different characteristics in these complex systems. From the results, we believe that our study can expand the research on performance analyses with network effects as well as the research on MOOCs from the perspective of the structural position of courses overall. Additionally, we expect that our study can be utilized by those who devise policy directions for future higher education systems and for the development of a course recommendation system.
본 연구에서는 네트워크 이론을 활용하여 대규모 온라인 강의 플랫폼 내에서의 학생들의 행동들을 기반으로 강의 간의 관계를 분석하고자 한다. 이를 위해 대표적인 온라인 리뷰 커뮤니티 데이터를 수집하여 학생들의 수강 등록 패턴을 추출했고, 강의 간의 연관성을 네트워크 이론을 기반으로 분석했다. 강의들의 관계는 `작은 세계'의 속성을 보였고, 시간이 지남에 따라 증가하여 강의 사이의 거리가 가까워짐을 발견했다. 이러한 발견뿐만 아니라 네트워크 상에서의 강의의 구조적 위치가 강의에 대한 만족도와 인기도에 미치는 영향을 분석했다. 분석 결과로 약한 연결을 많이 가짐으로 인해 여러 강의 커뮤니티를 매개하는 강의, 여러 강의 커뮤니티들을 중첩함으로써 매개하는 강의가 강의 플랫폼 내에서 사용자들의 관심과 만족에 있어 긍정적인 영향을 미치는 것을 확인했다. 또한 단순한 강의 간의 강한 연관성은 오히려 사용자들의 관심과 만족에 있어 부정적인 영향을 미치는 것을 확인했다. 마지막으로 최단 연결의 수에 기반한 매개의 측정과 커뮤니티 중첩의 수에 기반한 매개의 측정이 강의 네트워크에서 각각 서로 다른 특징들을 포착한다는 것을 통계 모델을 통해 발견했다. 본 연구를 바탕으로 네트워크 이론을 통한 대규모 온라인 강의 플랫폼 연구의 영역을 거시적, 구조적 관점의 영역으로 확장 할 수 있을 것이며, 향후 고등 교육 정책 방향 및 강의 추천 시스템 개발을 위해 본 연구를 활용할 수 있을 것으로 기대한다.
