大数据是指无法在一定时间内用传统数据库软件工具对其内容进行抓取、管理和处理的数据集合，具有4数据体量巨大、数据类型繁多、价值密度低但商业价值高，以及实时更新、处理速度快的特点。大数据时代已经到来。我们对新事物的了解和判断，需要借助相关数据工具，用数据说话。因此，我们可以尝试从数据的角度了解“MOOCs”这一新生事物的概貌。这里我们可以使用Google趋势和百度指数两个工具，这两个工具的工作原理类似，即以网页搜索为基础的免费海量数据分析服务，基于网页搜索的海量数据，计算出每个关键词的用户关注度，并分析用户的地域分布、职业分布等情况。通过这两个工具，我们将能了解“MOOCs”的发展趋势、不同地域关注情况以及重点内容、热点内容，从而实现对“MOOCs”这一事物的总体了解。

　　以Google趋势(http://www.google.com.hk/trends/explore)为例，以“MOOC+MOOCs”为检索词，时间范围是2012年1月至2013年10月，我们将能看到有关这一组检索词的被使用趋势，自2012年4月以来不断上升，在2013年9月达到一个顶峰，并呈上升趋势。检索发生的主要区域是北美洲、澳洲和欧洲，来自中国大陆的检索量为来自美国的检索量的46%，与“MOOCs”相关的高频检索词有Coursera、edX、Udacity，2013年的热点检索有FutureLearn、mooc uk、mooc espa?ol、mooc uned等。再以百度指数(http://index.baidu.com)为例，以“MOOCs+MOOC+慕课”为检索词，并以“公共课”为参照检索词，我们可以了解到在中国，对MOOCs的大量关注始于2013年4月，并持续上升，检索量在2013年8月超过“公开课”，并呈上升趋势。搜索用户主要来自北京、上海等大城市广东、浙江、江苏等沿海发达地区，用户职业主要为教育系统/学生。

　　Google趋势和百度指数的应用让我们看到了数据的价值所在。MOOCs通过纯在线的方式开展教学与学习，理想情况下每个学生在课程各模块中的各种学习行为都会被自动记录下来，数以百万计的学生在线学习的相关数据将会汇集成“学习大数据”。通过一定的数据分析方法，我们可以从中发掘出有价值的内容，并且MOOCs推进过程中遇到的种种问题也需要教学管理者和教师不断从MOOCs产生的数据中获得重要反馈、解释各种现象、查找问题原因，乃至利用产生的数据来解决现有的问题。MOOCs平台运行过程中产生的海量数据应该成为MOOCs机构的重要信息资产。

　　当前，MOOCs运行过程中面临的主要问题有四。其一，为什么会出现高退学率?从一些课程的注册人数及最后获得证书的人数对比来看，退出率往往高达95%，如麻省理工学院的课程“电路和电子学”曾经有155,000名学生注册，仅有4.6%的学生获得证书。其二，高退学率背后学生的学习动机是什么?其三，教师如何监控学生学习过程?其四，如何提高学生的学习效率。当前出现的学习分析方法或许是有效解决这些问题的关键，并且麻省理工学院和哈佛大学以及斯坦福大学已经基于已有的MOOCs平台中产生的数据开展了学习分析研究，取得了一定的成效。

　　学习分析技术分析的对象是学生及其学习环境，目的是评估学生、发现潜在问题、理解和优化学习，基础是海量数据。MOOCs作为一种在线课程，师生行为被记录在在线学习平台上，这就使得基于在线学习平台日志的学习分析成为可能。当然，学习分析不仅是可能的，而且是必要的。这既是辅导教师获得教学反馈的需要，也是管理者实现大规模学习者管理的需要，同时还是研究者探索在线学习规律的需要。总之，要在MOOCs中用好学习分析技术，可以从以下三方面着手：不断完善MOOCs的学习过程记录功能，在不影响平台使用的情况下尽可能记录更多的过程信息;整理和比较学习分析技术涉及多种方法和工具，以发现不同的方法和工具的适用场合;梳理学习分析技术典型应用，归纳出若干典型任务，并整合学习分析技术的若干方法和工具，构建若干学习分析模式。