基于MOOC课程评论的学习行为分析研究

摘要

从2012年开始，MOOC在中国在线教育领域如雨后春笋般遍地开花，其大规模、开放性和在线性的课程优势逐渐受到广泛的关注，并不断变革和优化线下课程的教育模式。作为MOOC学习系统不可或缺的重要组成部分，MOOC课程中的学生评论信息可以清晰地呈现学习结果，有利于观察学生的学习状态和反映课程教学规律，增强师生间互动，以期创造更良好的教与学体验。
　　在计算机的环境下，海量的课程评论内容便于存储和采集，同时结合统计和文本处理技术可以将量化的课程评论信息进行数据的计算和文本的分析处理。鉴于大量文献仅针对量化的学习评论记录进行数据统计，不能从内容上深度挖掘文本信息，因此本文在延续课程评论记录的统计基础上，融入课程评论内容的文本处理过程，实验证明这一创新之处对于MOOC学习行为分析的进一步研究是行之有效的。
　　基于此，本文选取了中国大学MOOC平台中的34门课程，采集了其课程讨论区内的51万余条课程问题-学生评论数据，选取了课程和学生这两层共22个课程评论特征，并在此基础上构建了课程和学生两个不同视角的学习行为分析模型。首先从课程和学生两个层面切入，分别探讨其外显行为和内隐行为在内的MOOC学习行为规律。一方面，利用统计学方法将评论时间、参与评论人数、评论总量、主题总量、证书数量等作为观测变量，针对于课程评论记录设计了参与质量和活跃度两层统计指标，通过计算课程评论的学生参与率、时间分布、学生比例分布、学生证书合格率、学生学习时长分配比例等特征来追踪课程学习行为的参与率和活跃度变化，以及学生学习行为的参与质量和活跃率。另一方面，针对于课程评论内容数据，结合自然语言处理领域中的文本相似度计算技术、关键词抽取技术和情感分析技术，对课程和学生两个部分的课程评论文本进行深层次挖掘和话语分析，以期观察课程讨论区的课程评论行为和学生学习行为规律，并从不同学科角度来观察学习者的学习行为特点和课程话语分布。
　　首先，从课程层面上来说。论文从课程的学生评论记录和评论内容两个维度切入，通过计算课程学生参与率、评论参与率、时间分布和学生比例分布等特征，多层次追踪课程开放阶段内的学生参与率和活跃度变化，以及从文本相似度计算、关键词抽取和情感分析这三类文本分析技术来观察课程层面的课程评论话语分布规律，并进一步观察不同学科领域MOOC课程的学习行为差异。实验发现，课程评论在时间分布上均呈现出“先大后小”的变化趋势，不同学科类型课程的参与度和活跃度参差不齐，总体水平较低，学习积极性有待提高，但评论内容与课程主题相关度密切，绝大多数课程评论持正面情感。
　　其次，从学生层面上来说。从学习者个人主页上的学习评论记录和评论内容进行切入，通过计算证书合格率、评论赞同率、学生学习时长分配比例等角度来观察学习者的课程学习质量和活跃程度，并结合相关自然语言处理技术关注学生的话题分布。实验发现，学生的评论总量与注册课程数量的比例之间不协调，评论活跃度和学习成就率明显不高，学生之间的互动程度也较低。但学生的评论文本以正面情感为主，在关注课程和和主题上呈现出风格的独特性。
　　最后，在学习行为特征的采集与处理基础上实现了一个MOOC课程评论的学习行为分析系统。该系统可以在线获取课程评论数据和学生学习信息，并为课程中的每一个主题自动计算课程评论时间分布、人均分布、情感分布和关键词分布，以及为学生勾勒用户画像，自动计算学生学习信息、评论情感分布和关注关键词分布，全方位地清晰呈现MOOC课程和学生的学习行为规律。

目录

声明

摘要

1．1 研究背景

1．1．1 MOOC

1．1．2 教育大数据

1．1．3 学习分析

1．2 研究问题与意义

1．2．1 研究问题

1．2．2 研究意义

1．3 国内外研究现状

1．3．1 国外研究现状

1．3．2 国内研究现状

1．4 论文研究内容和组织结构

1．4．1 论文研究内容

1．4．2 论文组织结构

第二章 学习行为分析的理论基础

2．1 相关理论基础

2．1．1 建构主义学习理论

2．1．2 行为科学理论

2．2 学习规范标准

2．2．1 SCORM规范

2．2．2 xAPI规范

2．3 自然语言处理相关技术

2．3．1 文本相似性计算

2．3．2 关键词抽取技术

2．3．3 情感分析技术

2．4 本章小结

第三章 MOOC课程评论中的学习行为特征采集与数据处理

3．1 MOOC课程评论的相关介绍

3．1．1 MOOC平台简介

3．1．2 MOOC课程评论简介

3．2 MOOC课程评论中的学习行为属性采集

3．2．1 课程层面的学习行为属性采集

3．2．2 学生层面的学习行为属性采集

3．3 数据处理技术路线

3．3．1 数据抓取过程

3．3．2 数据预处理过程

3．3．3 数据处理过程

3．4 本章小结

第四章 课程层面的学习行为分析

4．1 课程学习的外显行为分析

4．1．1 课程评论参与率规律分析

4．1．2 课程评论活跃度变化分析

4．2 课程学习的内隐行为分析

4．2．1 课程评论的文本相似性分布分析

4．2．2 课程的评论情感极性分布分析

4．2．3 课程的评论关键词分布分析

4．3 本章小结

第五章 学生层面的学习行为分析

5．1 学生学习的外显行为分析

5．1．1 学生的课程参与质量分析

5．1．2 学生的课程参与活跃度分析

5．2 学生学习的内隐行为分析

5．2．1 学生的评论情感极性分布分析

5．2．2 学生的评论关键词分布分析

5．3 本章小结

第六章 学习行为分析系统的实现

6．1 系统的整体结构框架

6．2 系统模块的实现

6．2．1 课程-评论分析模块

6．2．2 学生-评论分析模块

6．3 本章小结

7．1 全文总结

7．2 工作展望

参考文献

攻读硕士期间参与的科研项目与发表的学术成果

致谢