分析學生學習過程產(chǎn)生的反饋文本,是發(fā)現(xiàn)其學業(yè)情緒的重要方式。傳統(tǒng)的學業(yè)情緒測量方法主要包括使用學業(yè)情緒測量問卷和訪談分析,但這兩種方法難以大規(guī)模地應用于在線教育環(huán)境。本研究旨在通過構(gòu)建學業(yè)情緒自動預測模型,對大量學生反饋文本進行快速有效的學業(yè)情緒分類。研究首先利用詞向量訓練工具,將文本轉(zhuǎn)化為多維向量;然后基于深度學習網(wǎng)絡LSTM構(gòu)建學業(yè)情緒預測模型,以文本的多維向量作為模型輸入;最后經(jīng)過多輪訓練,優(yōu)化模型參數(shù)。實驗顯示,上述模型可快速有效識別學生反饋文本中所包含的學業(yè)情緒,該模型在測試數(shù)據(jù)集上的學業(yè)情緒識別準確率可達89%。

【文章頁數(shù)】：7 頁

【文章目錄】：
一、研究綜述
    (一) 學業(yè)情緒
    (二) 學業(yè)情緒的分類
    (三) 學業(yè)情緒的測量方法
    (四) 情緒分析方法
        1.基于情緒詞典的分析方法
        2. 基于機器學習的分析方法
二、學業(yè)情緒自動化識別方法
    (一) 學業(yè)情緒自動識別框架
    (二) 數(shù)據(jù)的收集與處理
    (三) 訓練文本詞向量
    (四) LSTM模型
    (五) 學業(yè)情緒的分類
三、實 驗
    (一) 數(shù)據(jù)集
    (二) 詞向量訓練參數(shù)和LSTM實驗參數(shù)
    (三) 實驗結(jié)果與分析
四、結(jié)論和未來工作



本文編號：3818135