Massive data collection in MOOCs provides insight about real course participation. The main aim of this work is to explore how MOOC students consume videos, and whether they follow a specific viewing pattern according with the characteristics if each scene in the storyboard. Using heatmaps as a visual analytics tool, results suggest that most participants do not alter the linearity of time, but in a few hot spots. This knowledge can provide course teachers with insightful information on how to detect possible bottlenecks and to improve video internal structure.

El objetivo principal de este trabajo es explorar cómo estudiantes de MOOC consumen vídeos, y si siguen un patrón de visión específica de acuerdo con las características de cada escena en el guión gráfico. Usando mapas de calor como una herramienta de análisis visual, los resultados sugieren que la mayoría de los participantes no alteran la linealidad del tiempo, excepto en algunos puntos calientes. Este conocimiento puede proporcionar a los profesores del curso información detallada sobre cómo detectar posibles cuellos de botella y mejorar la estructura interna de vídeo.

L'objectiu principal d'aquest treball és explorar com estudiants de MOOC consumeixen vídeos, i si segueixen un patró de visió específica d'acord amb les característiques de cada escena al guió gràfic. Fent servir mapes de calor com una eina d'anàlisi visual, els resultats suggereixen que la majoria dels participants no alteren la linealitat del temps, excepte en alguns punts calents. Aquest coneixement pot proporcionar als professors del curs informació detallada sobre com detectar possibles colls d'ampolla i millorar l'estructura interna de vídeo.