互聯(lián)網的普及使大規(guī)模在線開放課程（massive open online courses,簡稱MOOC）成為教育領域一種新的學習方式。隨著MOOC的迅速擴張,有關MOOC的評價研究開展地如火如荼。在MOOC平臺上,每門課程過程中或結束后學習者會在課程評價區(qū)撰寫課程評論,這是學習者對MOOC管理者和教學者的重要反饋信息,也是對MOOC課程質量和教學效果進行全面評價的重要支持。但是評論信息因為數據數量龐大、內容噪聲繁雜,在MOOC評價實際研究中沒有被有效利用。將文本挖掘技術運用于課程評論信息處理,能快速有效分析文本數據中有價值的信息,深度了解MOOC學習者的情感和需求,可以作為現(xiàn)階段MOOC評價研究的重要補充和支持。經過對國外內MOOC評價相關文獻的綜述,本研究確立了以學習者為評價主體、以文本挖掘為技術支持的MOOC評價方法。首先,收集中國大學MOOC平臺的評論文本為數據來源,使用學業(yè)情緒的概念建立分類標準,將學習者分為積極高喚醒、積極低喚醒、消極高喚醒和消極低喚醒四種類別。其次,使用深度學習算法建立自動分類模型,模型準確率達到80%左右。使用該模型對收集的文本進行分類,發(fā)現(xiàn)發(fā)布評論的學習... 

【文章來源】：西安電子科技大學陜西省 211工程院校 教育部直屬院校

【文章頁數】：67 頁

【學位級別】：碩士

【部分圖文】：

情緒對學習成就的影響模型

學業(yè)情緒的控制價值理論：前因、情緒和后果之間的循環(huán)關系

度學習器學習是基于數據構建統(tǒng)計模型，并利用模型對數度學習是機器學習的一個分支，之所以被稱為“深征學習方法的機器學習。深度學習其實就是模仿人結構來模擬人腦的信息處理方法，是一種深層次的人腦解釋文本、圖像、視頻、聲音等數據類型，建的分析能力。度學習可以簡單理解為傳統(tǒng)神經網絡的發(fā)展。深度元結構相似，包括輸入層、隱藏層、輸出層，輸入用于模型的輸出。輸入層就相當于神經元，輸出層相當于神經元之間連接的強弱程度。最簡單的人工模型結構圖如圖 2.2 所示，感知器模型通過激活函

【參考文獻】：
期刊論文
[1]“以學生為中心”視角下教學評價的四大轉換任務[J]. 王媛.  教學研究. 2018(01)
[2]技術在未來高等教育中的應用圖景——基于《地平線報告2017（高等教育版）》的分析[J]. 孫立會,葛興蕾,陳張兼.  電化教育研究. 2017(12)
[3]大數據視角下的慕課評論語義分析模型及應用研究[J]. 吳林靜,劉清堂,毛剛,黃煥,黃景修.  電化教育研究. 2017(11)
[4]面向MOOC課程評論的學習者話題挖掘研究[J]. 劉三女牙,彭晛,劉智,孫建文,劉海.  電化教育研究. 2017(10)
[5]MOOC學習結果預測指標探索與學習群體特征分析[J]. 牟智佳,武法提.  現(xiàn)代遠程教育研究. 2017(03)
[6]MOOC評價模型研究[J]. 姚凱,李思志,李艷紅,邱靜靜.  復旦教育論壇. 2017(03)
[7]MOOC質量評價體系的構建探究[J]. 童小素,賈小軍.  中國遠程教育. 2017(05)
[8]基于學習者視角的MOOC教學評價與改進——以北京大學“教你如何做MOOC”課程為例[J]. 吳守蓉,崔璨,汪瓊.  中國大學教學. 2016(10)
[9]慕課（MOOC）:本質、誤區(qū)與展望[J]. 李亞員.  黑龍江高教研究. 2016(10)
[10]慕課環(huán)境下學習者學習行為差異性分析研究[J]. 劉三女牙,劉智,高菊,孫建文.  電化教育研究. 2016(10)

博士論文
[1]課程評論的情感傾向識別與話題挖掘技術研究[D]. 劉智.華中師范大學 2014

碩士論文
[1]基于MOOC課程評論的學習行為分析研究[D]. 谷欣.華中師范大學 2018
[2]基于學習體驗的MOOC課程評價指標體系研究[D]. 張凱鑫.陜西師范大學 2017
[3]基于行為日志數據的MOOC學習者學習行為分析研究[D]. 王敏.華東師范大學 2016
[4]面向大型開放在線課程的主題挖掘技術研究[D]. 王嘉倫.華中科技大學 2015



本文編號：3417653