MOOC适应性学习中的文本挖掘与分析

• 作 者: 王敏
• 出 处: 湖南师范大学
• 发表日期: 2019年01期
• 关键词: MOOC 适应性学习 文本挖掘 文本分析

将机器学习、深度学习和自适应学习技术等应用于网络在线学习平台中,可以促进在线学习活动向适应性和个性化方向发展。MOOC学习自2012年掀起全球狂潮,发展至今,备受高校、教育机构、研究人员、学者、教育者和学习者的重视和关注。然而,适应性学习服务支撑是当今许多MOOC学习平台的短板。MOOC学习平台没有充分挖掘利用学习者海量的学习记录,不能全方位掌握学习者的学习状态,无法为学习者提供适合个人特定需求的学习指导和帮助。因此将自适应学习技术中的文本挖掘和分析应用到MOOC学习平台是非常必要的。本研究对中国大学MOOC学习平台应用文本数据挖掘和分析技术,提出了基于Python的文本挖掘和分析的思路、方法。挖掘了10144条文本数据,对这10144条文本数据进行了量化分析和质化分析。将MOOC课程讨论区中学习者的文本分为内容、习题、技术、评价、情感和其他6个类别。本文具体工作如下:第一、对相关概念、理论和实际应用进行文献综述,梳理总结MOOC学习平台适应性学习的特征表现。对教育数据挖掘和分析要用到的工具进行梳理,剖析选用这些工具的原因,为本研究提供理论和实践依据。第二、抽样调查中国大学MOOC平台与edX中的具体课程,对比分析两个学习平台中课程交互的现状。根据现状分析结果,提出基于Python的文本挖掘思路和方法,对中国大学MOOC学习平台中的文本进行内容挖掘和量化分析。实验目的是了解当前MOOC课程中的文本利用情况,为文本内容分析提供客观数据依据。第三、提出基于Python的文本分析思路和方法,利用jieba库进行分词、关键词提取、文本分类、可视化结果。进行案例分析,不同类型课程中学习者文本内容分析,同类型课程中学习者文本内容对比分析。对分析过程、结果进行总结和反思,为MOOC学习平台和教师提供教学参考。第四、总结反思整个研究过程,提出适用于MOOC学习平台的文本挖掘和分析策略。