论文部分内容阅读
教育信息化的普及和快速发展促使MOOC成为辅助教育不可缺少的成分,越来越受到教育者和研究者的重视。MOOC讨论区汇集了大量的文本数据,这些数据是学习者学习动机、效果和质量的直接表现,但目前对MOOC学习评价研究注重学习行为的“量”的评价,对学习者认知水平和学习能力评价的研究较少,且多以人工评价为主。在此情况下导致大量的文本数据无法得到充分的利用,在线教育者也不能及时对在线学习者的学习情况进行全面深入的了解。文本挖掘技术的出现加快了对大数据的处理速度,将此技术运用到MOOC讨论区,使得处理大量数据成为可能。基于此,运用文本挖掘技术对MOOC讨论区进行学习评价研究显得十分迫切。本文以MOOC讨论区学习者所发表的帖子为研究对象,结合文献研究方法、行动研究法等建立了MOOC讨论区学习评价框架,运用MOOC讨论区评估框架对MOOC学习者发表的讨论帖进行人工评价,并引入文本挖掘技术对MOOC讨论区2770篇讨论帖进行自动评价,从而得到学习者答题的认知水平,为教师评量MOOC学习者学习效果、学习质量提高效率,并减少其人工评价的繁琐过程。本文的具体研究工作如下:1.查阅了学习评价和文本挖掘等相关文献,总结了它们在MOOC讨论区的国内外研究现状,对论文的理论基础如布鲁姆的认知目标分类理论、文本挖掘技术等进行了介绍。基于布鲁姆认知目标分类理论,设计了MOOC讨论区学习评价框架,并以此框架对MOOC讨论帖进行人工评价,并为下文自动评价的实施制定评价指标。2.引入文本挖掘技术建立了自动评价模型,并将其应用到MOOC讨论区学习评价框架中,并重点分析了文本挖掘应用于MOOC讨论区学习评价的关键技术。3.将建立好的MOOC讨论区学习评价模型进行具体实例分析,在Python的环境下,构建基于文本挖掘的MOOC讨论区学习评价模型,并将其中收集好的讨论贴利用评价框架进行分类,最后通过文本挖掘技术对MOOC讨论区2770篇讨论帖进行实验仿真,实验结果得出该模型预测的总精确度达到93%,召回率达到93.1%,f1-score为93.4%。通过实验得出的结论为可以运用文本挖掘技术对MOOC讨论区进行学习评价。