互动模式下在线学习视频用户持续使用意愿研究

发布时间：2024-07-05 20:54

　　随着互联网生活的推进,网络教育发展突飞猛进,在线教育以互联网络课程的研究很多,但是探讨交互模式得影响的文献相对较少。本研究通过探讨用户使用带有弹幕的在线网络课程的驱动因素,来帮助在线学习视频网站完善弹幕使用机制、提供课程推荐机制建议、帮助教师提升课程结构、优化授课方式。本研究的主要内容分为以下三个方面:(1)首先对关于“在线教育”、“弹幕”等相关文献进行研究,借助认知负荷理论、信号传递理论,提出弹幕交互氛围与认知压力对于用户选择在线网络课程的影响,并补充课程质量、授课性质、课程分类等变量来完善模型。(2)基于弹幕视频网站Bilibili,对选取的课程弹幕进行弹幕内容爬虫,利用贝叶斯分类器区分弹幕间互动类型,利用百度情感分析工具情感分析对弹幕进行情感倾向分析,输出定量指标。(3)使用SPSS软件,对上述提取的指标进行线性回归分析,并探讨课程类型、弹幕信息等因素的调节作用。研究结果显示:(1)弹幕的内容型互动和社交型互动、弹幕噪音、课程质量和课程分集对于用户持续使用意愿存在显著正向影响。(2)不同课程类别对于社交互动得分和用户持续使用意愿存在不同调节影响。(3)不同授课模式对于社交互动得分...

【文章页数】：85 页

【学位级别】：硕士

【部分图文】：

图1-3技术路线图

研究的技术路线图如图1-3所示:1.4.2研究方案

图2-1基于语义的情感词典方法

情感分类的第一步就是要创建情感词典,目前中英文主流的创建方法一般是在现有的词典的基础上,进行拓充生成新的词典。另外,还可以根据研究领域的独有性和专门性来创建其特有的情感词典,这样的词典的针对性较好,可以显著提升分类的效率。另外一种创建方法是利用倾向性计算算法,该算法主要是采用了权....

图2-2基于机器学习的情感分类方法

Pang等利用词袋模型抽取情感特征并使用贝叶斯模型和支持向量机模型等机器学习方法,成功地将评论分为正负两类[29]。在众多机器学习方法中,他们的研究展示支持向量机模型的分类准确率达到80%,其准确率最高。对于文本情感倾向的分类的准确率是很难提升的,它和普通的文本类别区分是不完全一....

图2-3特殊弹幕样式

H9:弹幕特殊模式对于交互氛围、认知负荷与课程持续使用意愿存在调节作用。2.3.6课程特点的调节作用

本文编号：4001518