在线学习社区发帖质量评价的回归模型研究

摘要

cqvip:在线学习社区中,多样化教学情境下基于开放话题的发帖使学生能够阐述自我知识更新的进展,但也伴随着越来越高的阅读评价解析成本.为此,可应用机器学习理论构建发帖质量评价回归模型来实现文本自动评价.首先构建文本质量评价指标及其计算所依赖的概念关系图,然后结合专家评分标准与评分结果选用多种拟合回归算法对文本质量进行预测评价,最后以拟合优度、交叉验证精度方差和均方误差为指标评估算法效果模型,测试以倡导知识建构学习理念的“数课”平台《网络安全与维护》课程的575条发帖为数据集,实现了网络安全领域的概念关系图存取和发帖质量的特征提取与预测评价.实验表明,梯度树上升回归算法的准确性、稳定性均优于其他算法模型.该回归模型能够从5个与文本质量显著相关的特征维度,即可读性、相关度、内聚度、专业度和探究度,有效地实现文本质量自动评价,从而为教师减负和学生自我诊断提供帮助.