MOOC讨论区数据挖掘与应用

摘要

大规模开放在线课程(massive open online courses，MOOC)作为一种新兴的教育模式，自2012年以来，随着美国Coursera、Udacity、edX三大课程提供商的兴起，迅速在全球掀起一股在线高等教育学习的热潮。MOOC平台借助其受众面广、课程质量高、教学方式自由灵活、教学资源的丰富性受到越来越多学习者的青睐。然而，正是由于其受众面极广，参与人数众多并且学习者质量参差不齐，因此MOOC平台对于每个学习者关注度较传统课堂相差甚远。由此带来的学习者学习热情的下降从而导致MOOC学习入学率和辍学率都极高这一特点。
　　利用MOOC平台数据资源极其丰富这一优势，可以通过数据挖掘的相关方法对MOOC平台中的数据进行评估、预测及分析，以MOOC平台中的讨论区为切入点，对于如何提高学习者的学习收益提出可行的理论分析和应用。
　　本文主要通过对学习评论区的相关数据进行挖掘分析入手，主要进行了以下几个方面的工作:
　　(1)通过对MOOC讨论区的话题进行分析，设计了讨论区主题抽取(TEDA)算法，从讨论区中对主题进行了抽取。然后提出了主题语义网构建(TSNC)算法，建立了讨论区的主题语义网;
　　(2)建立讨论区主题与学习者兴趣的联系，提出了基于学习兴趣的学习伙伴构建(CLPLI)算法，为学习者构建了基于兴趣的学习伙伴体系;
　　(3)通过对于讨论区话题的主题共性和参与者共性的分析，构建讨论区的语义网络，并且提出了知识语义网导航(KSWN)算法，实现了在知识语义网中知识点之间的导航。

目录

声明

摘要

第1章 绪论

1．1 研究背景

1．1．1 MOOC的产生与发展

1．1．2 MOOC面临的问题

1．2 MOOC研究现状

1．2．1 国外MOOC研究现状

1．2．2 国内MOOC研究现状

1．3 主要局限及解决思路

1．4 本文的组织结构

第2章 文本数据挖掘相关研究

2．1 文本数据挖掘

2．2 文本数据挖掘相关技术

2．2．1 文本分词技术

2．2．2 文本特征表示

2．2．3 文本特征抽取

2．2．4 文本分类

2．2．5 文本聚类

2．3 本章小结

第3章 MOOC讨论区主题语义特征建模

3．1 讨论区特征分析

3．1．1 参与讨论的主要对象

3．1．2 讨论区话题结构特点

3．1．3 讨论区话题内容类型

3．1．4 讨论区话题文本特点

3．2 主题语义的构建

3．2．1 主题语义成分表示

3．2．2 主题义原关系定义

3．2．2 基于关系的相似度计算

3．3 讨论区主题抽取(TEDA)算法设计

3．3．1 讨论区话题特征表示

3．3．2 讨论区主题抽取

3．4 主题语义网构建算法

3．4．1 主题语义网的意义

3．4．2 主题类之间关系的建立

3．4．3 主题语义网构建算法TSNC

3．5 实验过程及结果

3．5．1 实验数据来源

3．5．2 实验过程

3．5．3 实验结果分析

3．6 本章小结

第4章 基于学习兴趣的学习伙伴构建

4．1 MOOC中的学习伙伴构建

4．1．1 学习行为与学习兴趣

4．1．2 话题讨论与学习兴趣

4．2 学习者学习兴趣抽取

4．2．1 学习兴趣定义

4．2．2 基于语义的学习者学习兴趣抽取

4．2．3 学习兴趣的特征表示

4．2．4 学习兴趣相似度计算

4．3 基于学习兴趣的学习伙伴构建(CLPLI)算法

4．3．1 算法基本思想

4．3．2 算法详细描述

4．4 实验过程与结果

4．4．1 实验数据来源及判定标准

4．4．2 实验结果分析

4．5 本章小结

第5章 讨论区知识语义网构建及导航

5．1 知识表示及关系

5．1．1 知识的表示

5．1．2 知识点关系的定义

5．1．3 知识点表示模型

5．2 知识语义网构建(KSWC)算法设计

5．2．1 讨论区知识点抽取

5．2．2 知识语义网定义

5．2．3 知识语义网构建(KSWC)算法

5．3 知识语义网导航(KSWN)算法

5．3．1 知识语义网导航策略

5．3．2 知识语义网导航(KSWN)算法

5．4 实验过程与结果

5．4．1 研究数据过程

5．4．2 实验结果分析

5．5 本章小结

第6章 总结与展望

6．1 总结

6．2 未来工作

参考文献

致谢