基于学习者学业情绪的MOOC评价与改进研究

发布时间：2021-10-02 00:36

　　互联网的普及使大规模在线开放课程（massive open online courses,简称MOOC）成为教育领域一种新的学习方式。随着MOOC的迅速扩张,有关MOOC的评价研究开展地如火如荼。在MOOC平台上,每门课程过程中或结束后学习者会在课程评价区撰写课程评论,这是学习者对MOOC管理者和教学者的重要反馈信息,也是对MOOC课程质量和教学效果进行全面评价的重要支持。但是评论信息因为数据数量庞大、内容噪声繁杂,在MOOC评价实际研究中没有被有效利用。将文本挖掘技术运用于课程评论信息处理,能快速有效分析文本数据中有价值的信息,深度了解MOOC学习者的情感和需求,可以作为现阶段MOOC评价研究的重要补充和支持。经过对国外内MOOC评价相关文献的综述,本研究确立了以学习者为评价主体、以文本挖掘为技术支持的MOOC评价方法。首先,收集中国大学MOOC平台的评论文本为数据来源,使用学业情绪的概念建立分类标准,将学习者分为积极高唤醒、积极低唤醒、消极高唤醒和消极低唤醒四种类别。其次,使用深度学习算法建立自动分类模型,模型准确率达到80%左右。使用该模型对收集的文本进行分类,发现发布评论的学习... 

【文章来源】：西安电子科技大学陕西省 211工程院校 教育部直属院校

【文章页数】：67 页

【学位级别】：硕士

【部分图文】：

情绪对学习成就的影响模型

学业情绪的控制价值理论：前因、情绪和后果之间的循环关系

度学习器学习是基于数据构建统计模型，并利用模型对数度学习是机器学习的一个分支，之所以被称为“深征学习方法的机器学习。深度学习其实就是模仿人结构来模拟人脑的信息处理方法，是一种深层次的人脑解释文本、图像、视频、声音等数据类型，建的分析能力。度学习可以简单理解为传统神经网络的发展。深度元结构相似，包括输入层、隐藏层、输出层，输入用于模型的输出。输入层就相当于神经元，输出层相当于神经元之间连接的强弱程度。最简单的人工模型结构图如图 2.2 所示，感知器模型通过激活函

【参考文献】：
期刊论文
[1]“以学生为中心”视角下教学评价的四大转换任务[J]. 王媛.  教学研究. 2018(01)
[2]技术在未来高等教育中的应用图景——基于《地平线报告2017（高等教育版）》的分析[J]. 孙立会,葛兴蕾,陈张兼.  电化教育研究. 2017(12)
[3]大数据视角下的慕课评论语义分析模型及应用研究[J]. 吴林静,刘清堂,毛刚,黄焕,黄景修.  电化教育研究. 2017(11)
[4]面向MOOC课程评论的学习者话题挖掘研究[J]. 刘三女牙,彭晛,刘智,孙建文,刘海.  电化教育研究. 2017(10)
[5]MOOC学习结果预测指标探索与学习群体特征分析[J]. 牟智佳,武法提.  现代远程教育研究. 2017(03)
[6]MOOC评价模型研究[J]. 姚凯,李思志,李艳红,邱静静.  复旦教育论坛. 2017(03)
[7]MOOC质量评价体系的构建探究[J]. 童小素,贾小军.  中国远程教育. 2017(05)
[8]基于学习者视角的MOOC教学评价与改进——以北京大学“教你如何做MOOC”课程为例[J]. 吴守蓉,崔璨,汪琼.  中国大学教学. 2016(10)
[9]慕课（MOOC）:本质、误区与展望[J]. 李亚员.  黑龙江高教研究. 2016(10)
[10]慕课环境下学习者学习行为差异性分析研究[J]. 刘三女牙,刘智,高菊,孙建文.  电化教育研究. 2016(10)

博士论文
[1]课程评论的情感倾向识别与话题挖掘技术研究[D]. 刘智.华中师范大学 2014

硕士论文
[1]基于MOOC课程评论的学习行为分析研究[D]. 谷欣.华中师范大学 2018
[2]基于学习体验的MOOC课程评价指标体系研究[D]. 张凯鑫.陕西师范大学 2017
[3]基于行为日志数据的MOOC学习者学习行为分析研究[D]. 王敏.华东师范大学 2016
[4]面向大型开放在线课程的主题挖掘技术研究[D]. 王嘉伦.华中科技大学 2015



本文编号：3417653