面向高校SPOC讨论区的学习者话题检测及其演化分析研究
发布时间：2020-10-09 02:53
SPOC讨论区作为学习者参与课程互动的主要交流和协作渠道之一,是评估学习者学习过程的重要数据支撑模块。学习者在讨论区中已经积累了大量的话语数据,这些数据的累积通常会给学习者和教学者造成认知负载,而且难以完全依赖于人工浏览和标注的方式,急需自动化的方法挖掘其中的隐藏价值信息,例如:学习者关注的话题内容、情感倾向和行为模式等。此外,学习者产生的以文本为主的话语数据通常不是一成不变,而是具有显著的时间生命周期特征。因此,文本数据的分析对于在线学习平台情境中学习者话语行为和内容的精准挖掘具有关键作用。那么如何对学习者关注的话语语义信息进行联合建模和动态追踪,实现学习者关注话题的自动化检测及其演化分析,则给我们带来了新的研究视角和挑战。本文旨在自动化地检测和动态化地追踪高校SPOC讨论区中学习者关注话题的多维语义信息,以及探究其与学习成效的相互关系,应用于SPOC平台中的学习过程反馈、教学制定调整、课程建设管理等方面,以期为教学实践的指导和学习体验的优化提供数据支持服务。本文以SPOC讨论区中的学习者关联文本数据为分析入口,考虑到课程讨论区中话题检测的维度单一性、静态性,以及忽视话语语义内容的学习者成效关联的局限,提出“话题检测—话题演化—学习成效关联实例应用”为主的研究路线。首先,本文利用学习者在课程讨论区中产生的话语表述行为、情感态度信息,构建一种联合多维度特征的话题模型,实现话题隐含内容的挖掘,并验证该模型的算法性能和实际应用拓展能力。然后在此基础上,结合学习者话语表达的时间特性,引入一种动态的话题模型,实现动态地追踪话题演化的态势,并对此模型展开性能对比和情境应用。最后,从学习者在课程讨论区中产生的外显话语行为和内隐内容方面,探讨与学习者最终学业成效的关联研究。论文主要的研究工作及创新点如下所示:(1)考虑到SPOC讨论区中存在话题检测维度单一的局限,本文引入一种联合学习者话语讨论行为和情感倾向的多特征变量的话题模型。该模型通过确定学习者在课程讨论区情境下的话语表达行为、情感、语义内容特征的依存关系,弱化原有标准话题模型假设,以学习者个人文档为模型输入对象,指定单词为此话题模型采样的最小单元,即每条讨论帖中的每个单词均涉及单个话题、情感以及行为类别,为求解的可视化结果提供形式化的抽象描述和确立定量研究的起点,从而建立学习者—话题概率分布、话题—语义概念、话题—情感信息以及话题—行为信息的特征映射空间。实验结果表明,相比传统的话题模型,本文提出的方法具备更强的模型泛化能力,并且在生成话题的差异性和话题聚合度方面获得更好的效果。此外,该模型在面向课程层面和个人层面的话题挖掘实例应用中,能较好地挖掘话题关联的语义信息。(2)考虑到话题检测中存在话题静态性的局限,本文引入一种融合学习者话题时间变量信息的动态演化话题模型。该话题模型利用学习者发布讨论帖的时间属性特征,关联学习者课程讨论区中的聚焦话题内容,构建不同话题随时间波动的概率分布矩阵,以学习者发布的单条文档为模型输入对象,指出单词为动态话题模型的最小建构单元,约束话题采样的生成过程,从而能够动态地追踪学习者在整个时间单元内关注话题的强度和内容变化态势。研究结果表明,相比传统的时间离散化方法,本文提出的动态模型在生成动态话题的质量方面具备更佳的优势。此外,该模型在面向课程层面和个人层面的动态话题信息挖掘中,具有较好地检测动态话题的演化强度和内容的能力。(3)考虑到已有研究较多忽视学习者话语讨论内容与学习者成效关联的局限,本文结合学习者外显的话语讨论行为和内隐话语内容两个维度,综合探讨学习者在SPOC讨论区中话语表达差异与其学习成效的关联研究。为此,本文一方面探究影响学习者学习成效的话语行为和内容讨论变量,另一方面探究不同学习成效组之间话语讨论行为、关注话题内容及情感态度的差异。实验结果表明,学习者参与课程讨论区的普通跟帖、主题帖、总发帖量行为与其学习成绩呈现显著的正相关;学习者参与课程讨论区的部分话题内容与学习成绩存在相关性;学习者参与课程讨论区的正/负情感度与其学习成绩呈显著的正/负相关。高、低成效组之间在发布主题帖、回帖及普通跟帖行为上存在显著差异性;高、低成效组之间所关注的话题讨论内容存在显著差异;高、低成效组之间在表达话语内容的情感态度上并未表现差异性。
【学位单位】：华中师范大学
【学位级别】：博士
【学位年份】：2018
【中图分类】：G642;G434
【部分图文】：
大小等方面。然而，在教育领域，虽然较多研宄仍然致力于数字化学习分析的技术［２３］，不过部逡逑分研宄学者己经逐渐注重于文本挖掘在学习分析中的具体应用，这使得研宄者能够利用更丰富逡逑的数据来更全面的理解学习情境和过程。图１．１是有关文本挖掘应用于学习分析的系统框架图。逡逑４逡逑
语内容、情感要素之间的依赖关系，按照学习者行为和情感的话题模型的建立、学习者＾题演逡逑化趋势分析、不同行为交互方式和差异性话题内容与学习成效关联的研宄路线，研宄面向云课逡逑堂平台讨论区的学习者兴趣挖掘，总体研[偡桨溉缤迹保菜荆哄义希瑰义
本文编号：2833124
【学位单位】：华中师范大学
【学位级别】：博士
【学位年份】：2018
【中图分类】：G642;G434
【部分图文】：
大小等方面。然而，在教育领域，虽然较多研宄仍然致力于数字化学习分析的技术［２３］，不过部逡逑分研宄学者己经逐渐注重于文本挖掘在学习分析中的具体应用，这使得研宄者能够利用更丰富逡逑的数据来更全面的理解学习情境和过程。图１．１是有关文本挖掘应用于学习分析的系统框架图。逡逑４逡逑
语内容、情感要素之间的依赖关系，按照学习者行为和情感的话题模型的建立、学习者＾题演逡逑化趋势分析、不同行为交互方式和差异性话题内容与学习成效关联的研宄路线，研宄面向云课逡逑堂平台讨论区的学习者兴趣挖掘，总体研[偡桨溉缤迹保菜荆哄义希瑰义
本文编号：2833124
本文链接：https://www.wllwen.com/jiaoyulunwen/gaodengjiaoyulunwen/2833124.html
