研究團隊
目前沒有看到有專門的團隊專攻MOOC大數據的研究，僅有一些文章發表，並且發表這些文章的人都來自全球頂尖的高校，如：國外MIT；國內清華、北大都有相關的文章發表。可能是因爲這些高校都在知名MOOC網站上開設了一些課程，能取到許多相關的數據。
國際會議
國內對MOOC的研究比較重視，舉辦了一次專門針對MOOC教育的國際會議
典型論文介紹
1、 Likely to stop? Predicting Stopout in Massive Open Online Courses
這是MIT的一個碩士研究生寫的論文。文章分析了Coursera 上2012年秋季《電子電路》課程中註冊的所有學生在線行爲數據，並根據學生的行爲數據來對學生是否會提前退出以及何時退出進行預測。主要採用的預測模型是logistics。知道了預測結果之後，有利於採用一些干預方法使得學生退出率降低。這篇文章值得借鑑的地方如下：
- 退出時間點的定義：根據學生提交作業時間（若學生在第三週提交了作業，第四周沒有提交作業，則學生是在第四周退出）
- 將學生分類，根據學生類型來進行預測：學生分爲四類，即：僅聽課，不參與論壇及wiki維護、聽課，僅參與論壇互動、聽課，僅參與wiki維護、聽課、參與論壇互動及wiki維護
- 從數據中抽取了27個特徵
- 採用了混淆矩陣及熱力圖的方式來展示預測準確度
可能存在的問題：總的退出率是96%，也就是說隨便從100個人中抽取出一個出來，猜他退出的準確率高達96%。文中預測的準確率不高，在70%左右（文中的要求更嚴格一些，是猜學生在第幾周退出）
2、 What decides the dropout in MOOCs？
這是北大的一篇文章。題目看起來像是要分析出是什麼原因導致了MOOC課程中的高退出率，但實際上分析的內容與MIT的論文類似，也是預測學生在接下來幾週中是否會退出MOOC課程。但該文章與MIT的文章區別及創新在於以下幾點：
- 採用了不同的預測模型，如：滑動窗口、SVM；
- 選取的特徵不同（19個），部分特徵的選取進行了詳細的分析；
- 分析了多門MOOC課程，並對不同課程的學習情況進行了比較；
總的來說，根據用戶在線的行爲數據來研究MOOC課程中爲什麼有那麼多人退出的難度較大。退出只有一個結果，但退出的原因較多，例如：聽不懂，網絡不好，有其它事情要做等等。