劉智 劉石奇 李卿 柴喚友 康令云 劉三女牙

[摘? ?要] 小規(guī)模限制性在線課程（Small Private Online Course，SPOC）論壇作為高校師生互動(dòng)交流的重要場(chǎng)所，其產(chǎn)生的對(duì)話文本為教師了解學(xué)習(xí)者興趣、實(shí)現(xiàn)智能化和個(gè)性化教學(xué)帶來(lái)契機(jī)。研究提出了一種基于情感—主題時(shí)序建模的學(xué)習(xí)者興趣主題檢測(cè)與追蹤方法，用于發(fā)現(xiàn)SPOC論壇中學(xué)習(xí)者興趣主題與教學(xué)內(nèi)容的相關(guān)性以及對(duì)學(xué)習(xí)成效的影響。研究結(jié)果表明：（1）與教學(xué)內(nèi)容相關(guān)的興趣主題對(duì)學(xué)習(xí)成效具有顯著的正面效應(yīng)，而娛樂(lè)灌水類興趣主題對(duì)學(xué)習(xí)成效具有顯著的負(fù)面效應(yīng);（2）在學(xué)期初期和末期，學(xué)習(xí)者興趣主題與教學(xué)內(nèi)容的語(yǔ)義相關(guān)度會(huì)顯著上升，而中期則顯著下降，即中期的“分心”現(xiàn)象最嚴(yán)重;（3）高成效組最先發(fā)起并參與了與教學(xué)內(nèi)容相關(guān)的興趣主題討論，而低成效組的參與則較為滯后，且更傾向于表述與教學(xué)內(nèi)容無(wú)關(guān)的內(nèi)容。最后，通過(guò)對(duì)興趣主題與學(xué)習(xí)成效的關(guān)系、興趣主題對(duì)學(xué)習(xí)成效的影響以及不同成效群體在興趣主題上的差異性與可預(yù)測(cè)性進(jìn)行討論，研究為互動(dòng)教學(xué)中的精準(zhǔn)學(xué)習(xí)干預(yù)以及智能導(dǎo)學(xué)方法的設(shè)計(jì)提供了相關(guān)建議。

[關(guān)鍵詞] SPOC論壇; 學(xué)習(xí)興趣; 學(xué)習(xí)成效; 差異性分析; 回歸分析

[中圖分類號(hào)] G434? ? ? ? ? ? [文獻(xiàn)標(biāo)志碼] A

[作者簡(jiǎn)介] 劉智（1986—），男，湖北武漢人。副研究員，博士，主要從事學(xué)習(xí)行為分析與文本挖掘等方面的研究。E-mail：zhiliu@mail.ccnu.edu.cn。

一、引? ?言

2019年5月，國(guó)際人工智能與教育大會(huì)形成的成果文件《北京共識(shí)》明確強(qiáng)調(diào)：“將人工智能平臺(tái)和基于數(shù)據(jù)的學(xué)習(xí)分析作為構(gòu)建終身學(xué)習(xí)系統(tǒng)的關(guān)鍵技術(shù)，實(shí)現(xiàn)人人皆學(xué)、處處能學(xué)、時(shí)時(shí)可學(xué)?！盵1]如何在信息化環(huán)境中提供個(gè)性化和智能化學(xué)習(xí)服務(wù)，滿足學(xué)習(xí)者和教師的個(gè)性化需求，并構(gòu)建學(xué)習(xí)共同體以提升學(xué)習(xí)興趣，是目前教育信息化2.0時(shí)代尚待解決的關(guān)鍵問(wèn)題。

學(xué)習(xí)興趣充分反映了學(xué)習(xí)者的個(gè)性化需求和學(xué)習(xí)動(dòng)機(jī)，是促進(jìn)個(gè)體學(xué)習(xí)過(guò)程中信息加工、概念理解、問(wèn)題解決的有效助推器[2]。高校SPOC論壇作為師生交流的主要場(chǎng)所，承載著學(xué)習(xí)者和教學(xué)者之間互動(dòng)交流的豐富信息，為了解學(xué)習(xí)者需求和興趣偏好并提供個(gè)性化學(xué)習(xí)服務(wù)帶來(lái)了契機(jī)[3]。在傳統(tǒng)的線下課堂教學(xué)中，學(xué)習(xí)者的興趣通常采用調(diào)查問(wèn)卷、訪談、量表等測(cè)量工具進(jìn)行分析和評(píng)價(jià)[4]，這導(dǎo)致興趣數(shù)據(jù)來(lái)源過(guò)于主觀和片面，阻礙了對(duì)學(xué)習(xí)者感興趣內(nèi)容的準(zhǔn)確發(fā)現(xiàn)。相比傳統(tǒng)課堂，網(wǎng)絡(luò)學(xué)習(xí)環(huán)境下的數(shù)據(jù)來(lái)源更具多元化和規(guī)模化，評(píng)測(cè)工具和方法更加精確，這使得學(xué)習(xí)者興趣模型的構(gòu)建更為客觀和全面[5]。但是，在線學(xué)習(xí)群體興趣主題復(fù)雜多變，現(xiàn)有研究?jī)H對(duì)論壇話語(yǔ)的情緒[6]、行為[7]或主題[8]進(jìn)行了離散化孤立分析，尚未在時(shí)間維度上將情感和主題等多種特征進(jìn)行聯(lián)合概率建模來(lái)推測(cè)學(xué)習(xí)者的興趣主題。同時(shí)，學(xué)習(xí)者在論壇中發(fā)表的不同興趣主題和學(xué)習(xí)成效之間的關(guān)系并不明確[7，9]，且未充分發(fā)掘不同學(xué)習(xí)成效群體的興趣發(fā)展動(dòng)因，這也在一定程度上影響了個(gè)性化與適應(yīng)性教學(xué)干預(yù)策略的有效實(shí)施。

鑒于現(xiàn)有研究的不足，本文旨在開(kāi)發(fā)一種基于情感—主題時(shí)序建模的學(xué)習(xí)者興趣主題挖掘算法，發(fā)現(xiàn)互動(dòng)話語(yǔ)中學(xué)習(xí)者關(guān)鍵興趣主題及其演化趨勢(shì)，并探究不同學(xué)習(xí)成效學(xué)習(xí)者興趣主題的差異性及其與學(xué)習(xí)成效的關(guān)系，為開(kāi)展SPOC論壇中的高質(zhì)量互動(dòng)教學(xué)與適應(yīng)性干預(yù)提供依據(jù)。

二、文獻(xiàn)綜述

（一）論壇中的興趣挖掘

加拿大教育心理學(xué)家Hidi認(rèn)為，學(xué)習(xí)興趣與學(xué)習(xí)者知識(shí)及積極情感密切相關(guān)，是一種具有跨時(shí)間發(fā)展和相對(duì)穩(wěn)定的內(nèi)在動(dòng)機(jī)傾向，能促進(jìn)認(rèn)知功能發(fā)展并提高學(xué)習(xí)成效[2]。在線論壇作為學(xué)習(xí)者自由表達(dá)個(gè)人訴求和意見(jiàn)的重要場(chǎng)所，分析其產(chǎn)生的豐富話語(yǔ)數(shù)據(jù)是獲取學(xué)習(xí)者興趣的有效途徑[10]。國(guó)內(nèi)外研究者一般使用基于LDA（Latent Dirichlet Allocation）文本主題建模算法客觀量化論壇文本中的興趣主題信息[11]。Chen等人考慮到論壇帖的上下文信息，將用戶參與的主題帖與回復(fù)帖進(jìn)行興趣建模，可發(fā)現(xiàn)用戶的嚴(yán)肅興趣以及灌水類興趣主題[12]。Wu等人認(rèn)為對(duì)學(xué)習(xí)者知識(shí)操作行為的分析有助于發(fā)現(xiàn)其學(xué)習(xí)興趣，將產(chǎn)生知識(shí)行為和收藏知識(shí)行為納入學(xué)習(xí)者興趣建模中進(jìn)行考量，并證明了其在開(kāi)放知識(shí)社區(qū)中挖掘?qū)W習(xí)者興趣主題的有效性[7]。Liu等人將論壇發(fā)帖中的行為和情感傾向融入主題模型，以探索特定主題的情感傾向以及交互傾向[13]。Yang等人認(rèn)為，興趣應(yīng)該更側(cè)重時(shí)間維度的考量，在LDA模型中引入時(shí)間變量以探究用戶興趣主題詞的演化趨勢(shì)[14]。Jo等人將句子級(jí)LDA聯(lián)合情感因素建立了主題方面與情感聯(lián)合模型（Aspect and Sentiment Unification Model，ASUM），用于發(fā)現(xiàn)與情感密切相關(guān)的細(xì)粒度主題[15]。Peng等人采用行為、情感與主題聯(lián)合概率模型，發(fā)現(xiàn)MOOC評(píng)論中主題的情感和發(fā)帖行為間的關(guān)聯(lián)性及演化規(guī)律[9]。從研究現(xiàn)狀來(lái)看，將互動(dòng)話語(yǔ)中的主題、情感、時(shí)間和行為等特征聯(lián)合建模是準(zhǔn)確挖掘論壇用戶興趣的前沿方向。

（二）學(xué)習(xí)者話語(yǔ)與學(xué)習(xí)成效的關(guān)系研究

近年來(lái)，使用學(xué)習(xí)者在論壇中的話語(yǔ)互動(dòng)表現(xiàn)進(jìn)行學(xué)習(xí)成效評(píng)價(jià)與預(yù)測(cè)，已成為學(xué)習(xí)分析與教育數(shù)據(jù)挖掘領(lǐng)域的研究熱點(diǎn)[16-19]。從2008年開(kāi)始，研究者聚焦于學(xué)習(xí)者論壇交互中的情緒信息并探討其與學(xué)習(xí)成效之間的關(guān)聯(lián)性[20]。例如，Binali等人提出一種學(xué)習(xí)論壇文本的情緒挖掘方法，結(jié)果顯示積極情緒與學(xué)習(xí)成效顯著正相關(guān)[21]。2013年起，研究者側(cè)重于聯(lián)合文本中的主題、情感、認(rèn)知行為、語(yǔ)義關(guān)聯(lián)等特征共同探索其與學(xué)習(xí)成效的關(guān)系?？▋?nèi)基梅隆大學(xué)Rose教授所領(lǐng)導(dǎo)的教學(xué)話語(yǔ)分析團(tuán)隊(duì)發(fā)現(xiàn)，MOOC論壇中學(xué)習(xí)者的高階認(rèn)知行為和群體正/負(fù)情感比值與學(xué)習(xí)成效呈正相關(guān)[22]。劉智等人探究了SPOC論壇中學(xué)習(xí)者話語(yǔ)行為與學(xué)習(xí)成效的關(guān)系，發(fā)現(xiàn)發(fā)帖數(shù)量與學(xué)習(xí)成效顯著正相關(guān)[8]，困惑情緒和學(xué)習(xí)成效呈顯著負(fù)相關(guān)[23]。與MOOC論壇不同的是，SPOC論壇是高等教育中混合式教學(xué)的重要輔助工具，教師除了利用其開(kāi)展互動(dòng)討論、學(xué)習(xí)心得分享和答疑解惑外，更關(guān)注師生交互討論中的群體學(xué)習(xí)興趣語(yǔ)義內(nèi)容及其發(fā)展動(dòng)向。Goshtasbpour等人通過(guò)論壇對(duì)話的人工編碼分析和問(wèn)卷調(diào)查發(fā)現(xiàn)，教師與學(xué)習(xí)者的互動(dòng)討論對(duì)學(xué)習(xí)成效有積極影響[24]。何皓怡等人使用LDA模型挖掘?qū)W習(xí)者在培訓(xùn)論壇中的文本，發(fā)現(xiàn)高學(xué)習(xí)成效群體的主題詞使用比低成效群體更為豐富[25]。Yan等人使用LDA模型分別提取學(xué)習(xí)者論壇和教師課件內(nèi)容中的主題信息，并采用LSA（Latent Semantic Analysis）算法比較兩組主題之間的語(yǔ)義相似性，以此來(lái)評(píng)價(jià)學(xué)習(xí)者在課程學(xué)習(xí)期間的互動(dòng)參與度與學(xué)習(xí)體驗(yàn)[26]，但該研究并未進(jìn)一步探究學(xué)習(xí)者參與度與學(xué)習(xí)成效的關(guān)系。Rezaei等人發(fā)現(xiàn)在非正式學(xué)習(xí)環(huán)境中，學(xué)習(xí)者之間的學(xué)習(xí)興趣相似程度和相互交流能力是取得高學(xué)習(xí)成效的關(guān)鍵因素[9]。綜上所述，采用多特征聯(lián)合建模的方法挖掘?qū)W習(xí)者興趣，探究其與教師教學(xué)內(nèi)容和學(xué)習(xí)成效的動(dòng)態(tài)關(guān)聯(lián)，是現(xiàn)階段SPOC論壇話語(yǔ)分析研究亟待解決的關(guān)鍵問(wèn)題。

三、研究設(shè)計(jì)

（一）研究問(wèn)題

在SPOC論壇討論中，學(xué)習(xí)者產(chǎn)生的對(duì)話文本數(shù)據(jù)隱含著豐富的興趣主題信息。為探索關(guān)鍵興趣主題及其演化趨勢(shì)，本文對(duì)論壇數(shù)據(jù)進(jìn)行情感—主題時(shí)序的概率建模，以積極情緒依賴下的主題表示學(xué)習(xí)者的興趣主題，計(jì)算興趣主題在不同群體的概率分布，并在此基礎(chǔ)上探究學(xué)習(xí)者興趣主題與學(xué)習(xí)成效之間的關(guān)系。因此，本文將討論以下問(wèn)題：

（1）在SPOC論壇互動(dòng)中，學(xué)習(xí)者討論的關(guān)鍵興趣主題是什么？其中與學(xué)習(xí)效果最相關(guān)的興趣主題與教師教學(xué)主題有何關(guān)系？

（2）在SPOC論壇互動(dòng)中，興趣主題對(duì)學(xué)習(xí)效果的影響在課程進(jìn)展中有何演化趨勢(shì)？

（3）在SPOC論壇互動(dòng)中，不同學(xué)習(xí)成效組在關(guān)鍵興趣主題上有何差異？

（二）研究對(duì)象和數(shù)據(jù)來(lái)源

本文數(shù)據(jù)來(lái)源于華中地區(qū)某高校SPOC平臺(tái)中“新生研討課”課程在2017年9月至2018年1月的論壇發(fā)帖紀(jì)錄。該課程作為英語(yǔ)專業(yè)必修課，其主要教學(xué)內(nèi)容是師生共同探討學(xué)業(yè)規(guī)劃和專業(yè)能力培養(yǎng)，共有8位教師參與授課，199名學(xué)習(xí)者注冊(cè)學(xué)習(xí)（其中194人參與討論并取得了最終成績(jī)）。該課程論壇在該學(xué)期內(nèi)共產(chǎn)生11673條討論帖，通過(guò)對(duì)該課程的討論數(shù)據(jù)進(jìn)行學(xué)號(hào)匹配與篩選，剔除無(wú)學(xué)業(yè)成績(jī)的外部學(xué)習(xí)者發(fā)帖記錄，最終獲得教師發(fā)布的570條有效教學(xué)內(nèi)容[27]數(shù)據(jù)，以及194名學(xué)習(xí)者發(fā)布的10439條有效討論數(shù)據(jù)。本文將該學(xué)習(xí)群體在學(xué)期末的總評(píng)成績(jī)作為學(xué)習(xí)成效的衡量指標(biāo)，其平均分為86.30，標(biāo)準(zhǔn)差為5.15。該課程的成績(jī)比例中，平時(shí)作業(yè)和測(cè)試成績(jī)占60%，課堂討論和云課堂學(xué)習(xí)參與度評(píng)價(jià)占40%。因此，學(xué)習(xí)者在論壇中的互動(dòng)表現(xiàn)被視作其最終學(xué)習(xí)成效評(píng)價(jià)的一個(gè)重要依據(jù)。

（三）研究方法

為解決研究問(wèn)題1，我們基于學(xué)習(xí)興趣的時(shí)序性及其與積極情感的伴隨性特點(diǎn)，提出了基于情感—主題時(shí)序建模的學(xué)習(xí)者興趣主題挖掘方法。該方法以積極情緒詞典作為種子詞，挖掘?qū)W習(xí)者論壇帖中與積極情緒強(qiáng)相關(guān)的主題信息，進(jìn)而計(jì)算每個(gè)興趣主題在15個(gè)教學(xué)周中出現(xiàn)的概率值，并采用文本余弦相似度算法，計(jì)算教學(xué)內(nèi)容的主題詞和不同學(xué)習(xí)者興趣主題間的相似度。在此基礎(chǔ)上，使用情感—主題時(shí)序模型得出的興趣主題概率值對(duì)學(xué)習(xí)成績(jī)進(jìn)行回歸分析，探究興趣對(duì)學(xué)習(xí)成效的影響及其時(shí)序性，解決研究問(wèn)題2。最后，采用單因素方差分析與事后檢驗(yàn)等統(tǒng)計(jì)分析方法，檢測(cè)不同成效組間的興趣差異性以解決研究問(wèn)題3。

1. 學(xué)習(xí)者論壇興趣主題建模方法

情感—主題時(shí)序模型是一個(gè)貝葉斯概率生成模型，采用無(wú)監(jiān)督自動(dòng)化的方式發(fā)現(xiàn)情緒和主題在整個(gè)教學(xué)周期內(nèi)的聯(lián)合動(dòng)態(tài)演化特性，并以句子級(jí)情感和主題采樣方法解決細(xì)粒度主題和情感難以發(fā)現(xiàn)的問(wèn)題，如圖1所示。

圖1中，空心圓代表未知變量，實(shí)心圓代表已知變量，有向箭頭代表?xiàng)l件概率，方框右下角字母代表重復(fù)采樣次數(shù)。E，T，U分別是情感類別數(shù)量、主題數(shù)量、用戶數(shù)量;t，w是可觀察到的發(fā)帖時(shí)間和帖子文本;e，z 是隱含的情緒和主題; α，β，γ，μ分別為潛在變量θdjk，φjkw，πdj，ψjkh的超參數(shù)，其中θdjk表示學(xué)習(xí)者—主題概率分布、φjkw表示詞—情感—主題概率分布、πdj表示文檔—情感概率分布、ψjkh表示時(shí)間—情感—主題概率分布。該模型假設(shè)，文檔集中有確定數(shù)量的情感—主題關(guān)聯(lián)對(duì)（如：“喜歡”—“寫(xiě)作”），每個(gè)文檔由多個(gè)情感—主題的關(guān)聯(lián)對(duì)混合構(gòu)成。例如，在撰寫(xiě)帖子前，學(xué)習(xí)者已經(jīng)有一個(gè)對(duì)自身學(xué)習(xí)體驗(yàn)的直觀情緒感受，其中包含50%的積極情緒與50%的消極情緒，且他的意見(jiàn)可通過(guò)每種情緒的主題概率分布來(lái)建模（例如，在積極情緒分布中，聽(tīng)力訓(xùn)練、英語(yǔ)寫(xiě)作與娛樂(lè)灌水三種話題各占40%、40%和20%）。首先，在撰寫(xiě)每個(gè)句子時(shí)，先確定一種情緒類別，然后從情緒—主題分布中選出一個(gè)主題去描述其學(xué)習(xí)感受和想法，最后在完成一個(gè)句子時(shí)生成相應(yīng)的時(shí)間戳，以該方式生成多個(gè)句子構(gòu)成討論帖。

我們根據(jù)該假設(shè)可以計(jì)算學(xué)習(xí)者討論帖中隱藏的情感—主題—時(shí)間關(guān)聯(lián)結(jié)構(gòu)，用于客觀表示群體或個(gè)體興趣主題的演化情況。為此，需要使用吉布斯采樣（Gibbs Sampling）的方法訓(xùn)練模型，如公式（1）所示：

利用吉布斯采樣公式（1）進(jìn)行多次采樣和迭代，待模型收斂后即可估計(jì)出四個(gè)穩(wěn)態(tài)分布的概率函數(shù)參數(shù)θdjk、φjkw、πdj、ψjkh，其在采樣中的計(jì)算過(guò)程如公式（2）所示：

訓(xùn)練后的模型經(jīng)過(guò)參數(shù)求解，可得到學(xué)習(xí)者的時(shí)間—情感—主題概率分布ψjkh以及情感—主題—單詞概率分布結(jié)果φjkw，兩者可共同表示特定群體在整個(gè)學(xué)期中的興趣主題概率分布，以及在不同周次的興趣主題概率分布。

2. 學(xué)習(xí)者和教師興趣主題間的相似度計(jì)算

3. 興趣主題與學(xué)習(xí)效果間的關(guān)系

首先，為從語(yǔ)義多樣的主題集合中確定關(guān)鍵興趣主題，需要將學(xué)習(xí)者—主題概率與學(xué)習(xí)成績(jī)進(jìn)行回歸分析，得到眾多興趣主題中對(duì)學(xué)習(xí)成效貢獻(xiàn)顯著的興趣主題編號(hào)，排序選出正回歸系數(shù)和負(fù)回歸系數(shù)最突出的主題。其次，為確定關(guān)鍵興趣主題與教師發(fā)言內(nèi)容的語(yǔ)義相似性，我們將教學(xué)內(nèi)容主題列表中的興趣詞與學(xué)習(xí)者興趣主題詞進(jìn)行語(yǔ)義余弦相似度計(jì)算，得到相關(guān)系數(shù);為分析興趣主題對(duì)學(xué)習(xí)效果的影響趨勢(shì)，將學(xué)習(xí)者每周討論的關(guān)鍵興趣主題概率和學(xué)習(xí)成效進(jìn)行多元回歸分析，得到興趣主題對(duì)學(xué)習(xí)成效的回歸系數(shù)和顯著度。最后，對(duì)不同成效組在課程學(xué)習(xí)周期上的興趣主題概率值（按周統(tǒng)計(jì)）進(jìn)行重復(fù)測(cè)量方差分析與事后檢驗(yàn)，探究不同學(xué)習(xí)成效群體在整個(gè)學(xué)期內(nèi)興趣主題隨時(shí)間變化的差異性。

四、研究結(jié)果及分析

（一）學(xué)習(xí)者討論的關(guān)鍵興趣主題

因無(wú)監(jiān)督主題模型的算法限制，首先，需要在該數(shù)據(jù)集上確定合適的主題數(shù)量使模型困惑度（Perplexity）達(dá)到最低，經(jīng)過(guò)多次參數(shù)調(diào)整實(shí)驗(yàn)，最終將興趣主題確定為50個(gè)。其次，我們將每個(gè)興趣主題在整個(gè)學(xué)期累計(jì)的總體概率值與總評(píng)成績(jī)進(jìn)行回歸分析，得到不同興趣主題對(duì)成績(jī)的貢獻(xiàn)度。為了計(jì)算這些主題同教師發(fā)表主題的關(guān)系，我們將每個(gè)興趣主題中的主題詞與教師發(fā)言主題詞進(jìn)行語(yǔ)義相似度計(jì)算，結(jié)果如圖2所示（已剔除回歸系數(shù)不顯著的主題序號(hào)）。

學(xué)習(xí)者討論的50個(gè)興趣主題中共有23個(gè)主題對(duì)學(xué)習(xí)成效的回歸系數(shù)具有顯著性關(guān)系，說(shuō)明論壇討論中存在將近一半的興趣主題與學(xué)習(xí)成效密切相關(guān)。這些興趣主題中與教學(xué)內(nèi)容的語(yǔ)義相似度從0.02到0.61不等，其中有4個(gè)主題（T1，T3，T22，T30）與教學(xué)內(nèi)容的相似度達(dá)到0.3以上，表明學(xué)習(xí)者和教師關(guān)注的興趣主題具有較高的相似性。

為確定具有代表性的關(guān)鍵興趣主題，我們按照標(biāo)準(zhǔn)化回歸系數(shù)和語(yǔ)義相似度將23個(gè)學(xué)習(xí)者興趣主題分為3類，教師教學(xué)主題合并為1類，見(jiàn)表1。3類學(xué)習(xí)者興趣主題分別為：（1）提升專業(yè)能力類主題，例如T1（回歸系數(shù)β=0.47， 相似度r=0.61），共18個(gè)，對(duì)成績(jī)具有顯著正效應(yīng)且與教學(xué)內(nèi)容強(qiáng)相關(guān)。該主題是由教師發(fā)起且學(xué)習(xí)者積極參與，內(nèi)容涉及提高英語(yǔ)聽(tīng)說(shuō)讀寫(xiě)譯專業(yè)能力、提升英語(yǔ)教師的能力和規(guī)劃職業(yè)發(fā)展，是師生之間討論最多的興趣主題。（2）英語(yǔ)寫(xiě)作類主題，例如T11（回歸系數(shù)β=0.36， 相似度r=0.09），共4個(gè)，對(duì)成績(jī)具有顯著正效應(yīng)且與教學(xué)內(nèi)容中度相關(guān)。該主題是由教師或者助教發(fā)起的命題英語(yǔ)寫(xiě)作，學(xué)習(xí)者按照題目要求以論壇回復(fù)帖的形式回答，是決定學(xué)習(xí)者成績(jī)的因素之一，教師在過(guò)程中不參與討論，因此，語(yǔ)義相似度較低。（3）娛樂(lè)和灌水主題，例如T9（回歸系數(shù)β=-0.24， 相似度r=0.02），僅1個(gè)，對(duì)成績(jī)具有顯著負(fù)效應(yīng)且與教學(xué)內(nèi)容弱相關(guān)。該主題偏離了教師教學(xué)內(nèi)容主題，內(nèi)容涉及數(shù)學(xué)作業(yè)、電視劇和電影明星等內(nèi)容。教師教學(xué)內(nèi)容反映了教師在論壇中的指導(dǎo)答疑情況，可概括為提升專業(yè)能力與英語(yǔ)寫(xiě)作主題。

為準(zhǔn)確描述和預(yù)測(cè)三類關(guān)鍵興趣主題與學(xué)習(xí)成效的關(guān)系，我們將四者聯(lián)合成多元回歸方程，如方程（4）所示。y是因變量（最終學(xué)習(xí)成績(jī)），x1，x11，x9與 β1，β11，β9分別是T1，T11，T9的概率值和非標(biāo)準(zhǔn)化回歸系數(shù)，截距值為74.8，p<0.05。

y=18.3x1+46.2x11-140.8x9+74.8? ? ? ? ? ? ? ? ? ? （4）

結(jié)合興趣主題的內(nèi)容和回歸分析結(jié)果發(fā)現(xiàn)，學(xué)習(xí)者與教師共同討論教學(xué)內(nèi)容能對(duì)學(xué)習(xí)成效產(chǎn)生顯著正面效應(yīng)。與之相反，如果學(xué)習(xí)者脫離教學(xué)內(nèi)容，且討論娛樂(lè)和灌水類興趣主題會(huì)對(duì)其學(xué)習(xí)成效產(chǎn)生顯著的負(fù)面效應(yīng)。

（二）興趣主題演化趨勢(shì)與對(duì)學(xué)習(xí)效果的影響趨勢(shì)

為探究興趣主題的演化趨勢(shì)及其對(duì)學(xué)習(xí)成效的影響趨勢(shì)，我們將T1，T11，T9三類關(guān)鍵興趣主題作為學(xué)習(xí)成效的主要影響因子，將每類興趣每周的概率值繪制成折線統(tǒng)計(jì)圖，將每周在這三類興趣上討論的概率值對(duì)學(xué)習(xí)成績(jī)的顯著性回歸系數(shù)繪制成條形統(tǒng)計(jì)圖。如圖3所示。

由圖3可知，學(xué)習(xí)者在學(xué)期內(nèi)對(duì)三類興趣主題的關(guān)注度變化較大，T1和T11對(duì)學(xué)習(xí)成效的回歸系數(shù)隨它們的討論強(qiáng)度增加而增加，T9則相反。對(duì)學(xué)習(xí)成效的回歸系數(shù)也不盡相同，為了準(zhǔn)確描述不同時(shí)期的情況，我們將15個(gè)教學(xué)周分為三個(gè)階段，即初始階段（第1周到第5周）、期中階段（第6周到第10周）、期末階段（第11周到第15周）。初始階段：第1周，學(xué)習(xí)者對(duì)娛樂(lè)灌水的興趣討論最多，提升專業(yè)能力興趣主題次之;到了第2周，學(xué)習(xí)者逐漸進(jìn)入學(xué)習(xí)狀態(tài)，開(kāi)始關(guān)注學(xué)習(xí)相關(guān)的興趣主題;第3周時(shí)，通過(guò)查證當(dāng)時(shí)的論壇帖，教師在這周開(kāi)始布置了英文寫(xiě)作和對(duì)話的任務(wù)，學(xué)習(xí)者密切關(guān)注該主題，其他興趣下降;第4周到第5周，學(xué)習(xí)者又開(kāi)始偏離教學(xué)相關(guān)興趣，關(guān)注娛樂(lè)灌水主題。期中階段：學(xué)習(xí)者的總體線上討論持續(xù)低迷，在此階段依舊對(duì)教學(xué)內(nèi)容相關(guān)內(nèi)容T1感興趣的學(xué)習(xí)者具有較高的學(xué)習(xí)主動(dòng)性，他們?cè)诖藭r(shí)的回歸系數(shù)很高。值得注意的是，在第8周到第9周，論壇中出現(xiàn)了大量娛樂(lè)灌水興趣話題，說(shuō)明此時(shí)是學(xué)習(xí)者“分心”的突發(fā)期;從第10周開(kāi)始，學(xué)習(xí)者可能意識(shí)到課程即將結(jié)束，娛樂(lè)灌水主題明顯下降，重新關(guān)注與課程內(nèi)容相關(guān)的興趣主題。期末階段：由于即將迎來(lái)期末考試，三種興趣主題討論熱烈，在第15周到達(dá)頂峰。為了探究三種興趣主題間的關(guān)系，我們將整個(gè)學(xué)期內(nèi)三個(gè)興趣主題之間進(jìn)行了相關(guān)分析，發(fā)現(xiàn)娛樂(lè)灌水主題與課程相關(guān)主題顯著負(fù)相關(guān)，意味著這類學(xué)習(xí)主題會(huì)導(dǎo)致學(xué)習(xí)者“分心”，影響學(xué)習(xí)者的課程投入度，進(jìn)而降低學(xué)習(xí)成效。

（三）不同學(xué)習(xí)成效學(xué)習(xí)者興趣主題特征的差異性

為深入分析不同學(xué)習(xí)成效學(xué)習(xí)者興趣主題的差異，按照Kelley提出的高低水平分組準(zhǔn)則[29]進(jìn)行學(xué)習(xí)者分組，具體操作為：將課程總評(píng)成績(jī)排名前27%的學(xué)習(xí)者分為高成效組（N=52），中間46%的學(xué)習(xí)者為中等成效組（N=90），排名后27%的學(xué)習(xí)者為低成效組（N=52）。本文采用重復(fù)測(cè)量方差分析法檢驗(yàn)前三個(gè)興趣主題在15個(gè)教學(xué)周中的交互關(guān)系，為后續(xù)學(xué)習(xí)成效和興趣主題兩個(gè)因素的差異檢測(cè)提供依據(jù)，結(jié)果見(jiàn)表2。

興趣主題的顯著性p（T）<0.001，說(shuō)明不考慮主體間效應(yīng)（學(xué)習(xí)成效）時(shí)，學(xué)習(xí)者之間的興趣主題差異性顯著;“興趣主題×學(xué)習(xí)成效”的顯著性p（T×G）<0.001，這表明不同學(xué)習(xí)成效組與興趣主題交互作用顯著，即不同學(xué)習(xí)成效學(xué)習(xí)者成績(jī)受到自身興趣主題影響。由此需要進(jìn)行簡(jiǎn)單效應(yīng)檢驗(yàn)，以確定同一興趣主題下不同學(xué)習(xí)成效組是否存在顯著差異?！皩W(xué)習(xí)成效組”的顯著性p（G）<0.001，這表明不考慮主體內(nèi)效應(yīng)（學(xué)習(xí)者自身興趣）時(shí)，不同學(xué)習(xí)成效組學(xué)習(xí)者的興趣存在顯著性差異。由于本研究涉及的所有情況并不滿足Mauchly球形假設(shè)，需通過(guò)重復(fù)測(cè)量方差分析來(lái)驗(yàn)證成效水平和主題時(shí)間在興趣主題概率上的相互作用，并采用單因素多元方差分析發(fā)現(xiàn)，不同學(xué)習(xí)成效組的興趣主題在是否隨時(shí)間變化方面有顯著不同，結(jié)果見(jiàn)表3。

從表3中，我們發(fā)現(xiàn)隨著課程的發(fā)展，三類興趣主題概率在不同教學(xué)周上均存在顯著變化。所有興趣主題上“時(shí)間”的顯著性p（S）<0.001，說(shuō)明不同周次學(xué)習(xí)成效組之間的興趣主題概率存在顯著差異。所有興趣主題的“學(xué)習(xí)成效”顯著性p（G）<0.01，說(shuō)明不同學(xué)習(xí)成效組的興趣主題概率存在顯著差異。時(shí)間與成效組間的交互性p（S×G）<0.01，表明不同成效組的興趣主題概率值隨課程的進(jìn)展呈現(xiàn)顯著差異性。為進(jìn)一步驗(yàn)證不同成效組學(xué)習(xí)者興趣主題的差異性，我們做了三組事后檢驗(yàn)，分別驗(yàn)證每?jī)山M興趣主題的差異性，結(jié)果見(jiàn)表4。

高、中、低成效組在三類興趣主題上差異性的均值和事后檢驗(yàn)結(jié)果顯示：高成效組是英語(yǔ)專業(yè)發(fā)展興趣主題T1和寫(xiě)作興趣主題T11的主要參與者，說(shuō)明對(duì)該主題越感興趣，越可能取得良好成績(jī);低成效組是娛樂(lè)和灌水興趣主題T9的主要參與者，說(shuō)明對(duì)于該主題感興趣的學(xué)習(xí)者更有可能得到較低成績(jī)。為研究不同教學(xué)周中，不同學(xué)習(xí)成效組對(duì)不同興趣主題的討論情況，我們繪制了學(xué)期內(nèi)不同學(xué)習(xí)成效組在不同興趣主題上的折線圖，如圖4所示。

對(duì)于提升專業(yè)發(fā)展相關(guān)的興趣主題T1，高成效組和中等成效組在整個(gè)學(xué)期內(nèi)都積極參與了討論，而低成效組的參與度低，且只在考試前兩周進(jìn)行了臨時(shí)補(bǔ)救性參與。對(duì)于英語(yǔ)寫(xiě)作類主題T11，高成效組和中等成效組在第4周和第15周出現(xiàn)了兩次討論高峰且顯著高于低成效組，低成效組的峰值滯后出現(xiàn)在第5周。對(duì)于娛樂(lè)和灌水興趣主題T9，在整個(gè)學(xué)期內(nèi)高、中成效組基本沒(méi)有參與討論，而低成效組在第5周、第9周和第15周討論較激烈。

五、結(jié)? ?論

SPOC論壇文本話語(yǔ)是互動(dòng)學(xué)習(xí)的重要交流載體，可真實(shí)反映學(xué)習(xí)者的興趣、情感態(tài)度等特征。本研究提出了一種基于情感—主題時(shí)序建模的學(xué)習(xí)者興趣主題檢測(cè)與追蹤方法，用于發(fā)現(xiàn)SPOC論壇中學(xué)習(xí)者興趣主題及其與學(xué)習(xí)成效的關(guān)系。我們?cè)谝粋€(gè)擁有194名學(xué)習(xí)者和8名教師的混合式課程論壇數(shù)據(jù)上進(jìn)行了實(shí)驗(yàn)，研究結(jié)果表明：（1）英語(yǔ)專業(yè)新生研討課論壇的50個(gè)興趣主題與學(xué)習(xí)成效的線性回歸分析中，有23個(gè)興趣主題對(duì)學(xué)習(xí)成效具有顯著影響。其中與教師教學(xué)內(nèi)容相關(guān)的興趣話題有22個(gè)（例如：提升專業(yè)能力話題T1和英語(yǔ)寫(xiě)作話題T11），它們對(duì)學(xué)習(xí)成效呈現(xiàn)顯著正面效應(yīng)。余下的1個(gè)與教師教學(xué)內(nèi)容無(wú)關(guān)的興趣話題（即娛樂(lè)灌水話題T9）對(duì)學(xué)習(xí)成效產(chǎn)生顯著負(fù)面效應(yīng)。在此基礎(chǔ)上，建立了關(guān)鍵興趣主題與學(xué)習(xí)成績(jī)的回歸模型，能對(duì)學(xué)習(xí)成效產(chǎn)生較好的預(yù)測(cè)效果。（2）在學(xué)期初期和末期，因?yàn)閷W(xué)習(xí)者接觸新穎內(nèi)容和期末考試臨近，學(xué)習(xí)者興趣主題與教學(xué)內(nèi)容的語(yǔ)義相關(guān)度會(huì)顯著上升，并有效促進(jìn)學(xué)習(xí)成效。而第5周到第11周，因?yàn)閷W(xué)習(xí)者缺乏學(xué)業(yè)監(jiān)督和引導(dǎo)，學(xué)習(xí)者興趣主題與教學(xué)內(nèi)容的語(yǔ)義相關(guān)度會(huì)顯著下降，轉(zhuǎn)而討論與教學(xué)內(nèi)容無(wú)關(guān)的主題。此時(shí)，興趣主題對(duì)學(xué)習(xí)成效的正面效應(yīng)最低，即期中的“分心”現(xiàn)象最嚴(yán)重。（3）對(duì)于與教學(xué)內(nèi)容相關(guān)的興趣主題，高、中成效組分別在第3周和第4周最先發(fā)起并展開(kāi)激烈討論，低成效組的討論時(shí)間相對(duì)滯后，且討論強(qiáng)度只有其他成效組的50%。對(duì)于與教學(xué)內(nèi)容無(wú)關(guān)的興趣主題，低成效組在每個(gè)時(shí)期皆有參與，其均值是其他成效組的8倍。

六、討論與建議

我們采用基于情感—主題時(shí)序建模的學(xué)習(xí)者興趣挖掘算法，有效實(shí)現(xiàn)了SPOC論壇中興趣主題發(fā)現(xiàn)與概率時(shí)序計(jì)算，并就學(xué)習(xí)者興趣主題對(duì)學(xué)習(xí)成效的影響、興趣主題時(shí)序演化性和不同成效群體的興趣差異性三方面進(jìn)行了分析。下面將圍繞提出的研究問(wèn)題對(duì)實(shí)驗(yàn)結(jié)果作進(jìn)一步的討論，并針對(duì)興趣主題與學(xué)習(xí)成效間的關(guān)系、興趣主題對(duì)學(xué)習(xí)成效的影響和可預(yù)測(cè)性給出相應(yīng)的建議。

（一）學(xué)習(xí)者的興趣主題與學(xué)習(xí)成效密切相關(guān)

首先，本研究發(fā)現(xiàn)細(xì)粒度的興趣主題相比粗粒度的情緒指標(biāo)更能解釋和預(yù)測(cè)學(xué)習(xí)成效。Wu等人從學(xué)習(xí)者產(chǎn)生的文本數(shù)據(jù)中挖掘興趣主題后進(jìn)行了問(wèn)卷調(diào)查驗(yàn)證，證明用戶生成文本與其學(xué)習(xí)興趣高度一致，但未長(zhǎng)期跟蹤和觀察這些興趣的變化及其與學(xué)習(xí)成效的關(guān)系[7]。過(guò)去的研究已經(jīng)證實(shí)積極情緒整體和學(xué)習(xí)成效正相關(guān)[30-32]，但未探究伴隨積極情緒的細(xì)粒度主題和學(xué)習(xí)成效的關(guān)系。本研究對(duì)積極情緒所涉及的主題進(jìn)行了持續(xù)追蹤，并使用教師發(fā)言語(yǔ)義作為分類標(biāo)準(zhǔn)，將所有主題與學(xué)習(xí)成效進(jìn)行回歸分析，發(fā)現(xiàn)并非所有具有積極情緒的主題都對(duì)學(xué)習(xí)成效有正面效應(yīng)，這對(duì)以往的研究進(jìn)行了進(jìn)一步解釋。另一方面，這也表明將學(xué)習(xí)者在論壇中的發(fā)帖和讀帖數(shù)量[16]及發(fā)帖文本與課件文本內(nèi)容的語(yǔ)義相似度作為學(xué)習(xí)者是否“分心”的衡量標(biāo)準(zhǔn)，仍然有一定的局限性[26]。

其次，教師和學(xué)習(xí)者間的有效對(duì)話能提高學(xué)習(xí)成效。近期，研究者開(kāi)始關(guān)注MOOC論壇中教師話語(yǔ)對(duì)學(xué)習(xí)者的作用，發(fā)現(xiàn)教師產(chǎn)生的社交作用大于知識(shí)傳授與認(rèn)知引導(dǎo)作用[24]。但在師生關(guān)系更為緊密的SPOC論壇中，我們對(duì)教師和學(xué)習(xí)者的論壇對(duì)話進(jìn)行量化研究，發(fā)現(xiàn)教師在論壇中發(fā)起和引導(dǎo)了大量知識(shí)討論，這與以往研究MOOC師生討論關(guān)系的結(jié)論不同，突破了Goshtasbpour等人依賴人工編碼方法研究師生交互的局限[24]。因此，與MOOC相比，SPOC更為強(qiáng)調(diào)師生線上教學(xué)與傳統(tǒng)課堂相結(jié)合的混合式教學(xué)，實(shí)現(xiàn)物理學(xué)習(xí)空間和網(wǎng)絡(luò)學(xué)習(xí)空間的教學(xué)融合[33]，利用論壇中的探究式對(duì)話幫助學(xué)習(xí)者提高認(rèn)知層次。因此，社會(huì)網(wǎng)絡(luò)分析[34-35]和認(rèn)知過(guò)程分析[36]將是下一階段興趣挖掘研究的重要切入點(diǎn)。

因此，在混合式教學(xué)設(shè)計(jì)中，建議教師充分利用SPOC論壇作為課后答疑和討論的工具。相對(duì)于即時(shí)通信工具，論壇的優(yōu)勢(shì)在于能夠積累師生的知識(shí)和意見(jiàn)，學(xué)習(xí)者能夠?qū)Σ煌黝}進(jìn)行異步討論，以充分表達(dá)自身學(xué)習(xí)體驗(yàn)和學(xué)習(xí)訴求。本研究提出的興趣主題發(fā)現(xiàn)方法有助于幫助學(xué)習(xí)者形成相應(yīng)的學(xué)習(xí)興趣社團(tuán)，激發(fā)相互之間的探究式協(xié)作學(xué)習(xí)興趣。教師亦可從中發(fā)現(xiàn)學(xué)習(xí)者的興趣主題，調(diào)整互動(dòng)教學(xué)策略和教學(xué)內(nèi)容，并矯正討論內(nèi)容以避免學(xué)習(xí)者過(guò)多地探討與教學(xué)內(nèi)容無(wú)關(guān)的興趣主題，減少討論中的“分心”現(xiàn)象。

（二）興趣主題對(duì)學(xué)習(xí)成效的影響及其演化性

我們發(fā)現(xiàn)在不同課程時(shí)期，學(xué)習(xí)者的興趣主題對(duì)學(xué)習(xí)成效有著不同的影響。已有關(guān)于論壇話語(yǔ)演化對(duì)學(xué)習(xí)成效的影響研究發(fā)現(xiàn)：在課程初期和中期，SPOC論壇的積極情緒與學(xué)習(xí)成效呈顯著負(fù)相關(guān)[23]，但未發(fā)現(xiàn)其原因。我們的研究表明，雖然興趣主題T9也伴隨有學(xué)習(xí)者的積極情緒，但其在學(xué)期初期和中期討論較多，與學(xué)習(xí)成效呈顯著負(fù)面效應(yīng)，說(shuō)明細(xì)粒度的興趣主題更能精準(zhǔn)刻畫(huà)學(xué)習(xí)者的狀態(tài)與學(xué)習(xí)成效的演化關(guān)系。過(guò)去的研究還表明，學(xué)習(xí)者在期中的困惑情緒較強(qiáng)且對(duì)學(xué)習(xí)成效產(chǎn)生顯著負(fù)面影響[23]，我們的研究也表明此時(shí)的娛樂(lè)灌水主題討論熱烈，教學(xué)內(nèi)容相關(guān)主題討論較少，說(shuō)明期中階段是學(xué)習(xí)者“分心”的主要時(shí)期，對(duì)于混合式教學(xué)的有序開(kāi)展較為不利。

因此，在混合式教學(xué)設(shè)計(jì)中，建議教師多鼓勵(lì)學(xué)習(xí)者參與教學(xué)內(nèi)容討論，減少課程無(wú)關(guān)興趣主題對(duì)課程教學(xué)效果的負(fù)面影響。在期中時(shí)，再次明確考核評(píng)價(jià)要求，積極干預(yù)和調(diào)整課程教學(xué)內(nèi)容，以調(diào)動(dòng)學(xué)習(xí)者的積極性并滿足他們的興趣需求。值得注意的是，娛樂(lè)和灌水興趣在第12周和第15周出現(xiàn)了較大幅度增長(zhǎng)，說(shuō)明此時(shí)仍有學(xué)習(xí)者未進(jìn)入學(xué)習(xí)狀態(tài)，教師應(yīng)提供有針對(duì)性的個(gè)別輔導(dǎo)。

（三）興趣主題對(duì)不同學(xué)習(xí)成效的可預(yù)測(cè)性

我們發(fā)現(xiàn)不同學(xué)習(xí)成效組的興趣主題的時(shí)序演變和強(qiáng)度存在顯著差異，可用于學(xué)習(xí)成效預(yù)測(cè)。在課程前期和中期，若發(fā)現(xiàn)某個(gè)學(xué)習(xí)者的教學(xué)內(nèi)容討論興趣概率值低于總體平均值，且教學(xué)內(nèi)容無(wú)關(guān)興趣概率值高于總體平均值，則說(shuō)明該學(xué)習(xí)者可能處于“分心”狀態(tài)，存在低學(xué)習(xí)成效風(fēng)險(xiǎn)。過(guò)去的研究使用論壇閱讀點(diǎn)擊流和文本詞頻[37]預(yù)測(cè)MOOC的學(xué)習(xí)完成率，但在小規(guī)模私有的SPOC環(huán)境下，教師更關(guān)注學(xué)習(xí)者在課程中的深層次參與情況與實(shí)際投入程度。相比根據(jù)粗粒度情緒值、發(fā)帖行為、問(wèn)卷調(diào)查的學(xué)習(xí)成效預(yù)測(cè)方法[38-40]，本研究具有更好的可解釋性和非侵入性。在時(shí)間維度上，高成效組和中、低成效組相比，他們對(duì)與教學(xué)內(nèi)容相關(guān)的主題具有更為持久的興趣，在討論中未出現(xiàn)長(zhǎng)期的興趣低迷現(xiàn)象。這和Zhu等人對(duì)MOOC學(xué)習(xí)者發(fā)帖統(tǒng)計(jì)分析結(jié)果一致，持續(xù)性的論壇參與是一個(gè)重要的學(xué)習(xí)成效預(yù)測(cè)指標(biāo)[41]。由此，我們可以借助情感—主題時(shí)序模型得出的興趣主題時(shí)序演化概率預(yù)測(cè)學(xué)習(xí)者的學(xué)習(xí)成效，并在關(guān)鍵興趣主題討論低迷期進(jìn)行提前干預(yù)。

因此，在應(yīng)用場(chǎng)景方面，針對(duì)不斷變化的學(xué)習(xí)者興趣訴求，現(xiàn)有的智能導(dǎo)學(xué)系統(tǒng)一般使用學(xué)習(xí)者人口統(tǒng)計(jì)學(xué)數(shù)據(jù)和資源使用記錄來(lái)對(duì)學(xué)習(xí)者的興趣進(jìn)行建模，但極少關(guān)注學(xué)習(xí)者在生成式文本數(shù)據(jù)中動(dòng)態(tài)變化的興趣，導(dǎo)致難以準(zhǔn)確提供個(gè)性化興趣學(xué)習(xí)服務(wù)[42]。因此，本研究提出的興趣發(fā)現(xiàn)方法可為該問(wèn)題解決提供新的解決方案。未來(lái)，采用在線學(xué)習(xí)中的資源使用行為、學(xué)習(xí)者背景數(shù)據(jù)以及話語(yǔ)內(nèi)容中的興趣主題等多種維度特征進(jìn)行聯(lián)合建模，將會(huì)是個(gè)體和群體學(xué)習(xí)興趣精準(zhǔn)挖掘的重要趨勢(shì)，多維度特征建模也將為個(gè)性化學(xué)習(xí)推薦和學(xué)習(xí)興趣共同體的適應(yīng)性組件提供重要的技術(shù)支撐。

[參考文獻(xiàn)]

[1] 苗逢春.引領(lǐng)人工智能時(shí)代的教育躍遷：2019年北京國(guó)際人工智能與教育大會(huì)綜述[J].電化教育研究，2019，40（8）：5-14，29.

[2] RENNINGER K A， HIDI S， KRAPP A. The role of interest in learning and development[M]. New York：Psychology Press，2014.

[3] 劉三女牙，李卿，孫建文，等.量化學(xué)習(xí)：數(shù)字化學(xué)習(xí)發(fā)展前瞻[J].教育研究，2016，37（7）：119-126.

[4] ZINGARO D. Examining interest and grades in computer science 1： a study of pedagogy and achievement goals[J].ACM transactions on computing education， 2015，15（3）：1-18.

[5] 劉三女牙，楊宗凱.量化學(xué)習(xí)[M].北京：科學(xué)出版社，2016.

[6] 徐振國(guó)，張冠文，孟祥增，等.基于深度學(xué)習(xí)的學(xué)習(xí)者情感識(shí)別與應(yīng)用[J].電化教育研究， 2019，40（2）：87-94.

[7] WU P， YU S， WANG D， et al. Using a learner-topic model for mining learner interests in open learning environments[J]. Educational technology & society， 2018，2（21）：192-204.

[8] 劉智，張文靜，孫建文，等.云課堂論壇中的學(xué)習(xí)者互動(dòng)話語(yǔ)行為分析研究[J].電化教育研究，2016，37（9）：95-102.

[9] PENG X， XU Q. Investigating learners' behaviors and discourse content in MOOC course reviews[J]. Computers & education， 2020，143：1-14.

[10] BROWN G， YULE G. Discourse analysis[M]. London：Cambridge University Press，1983.

[11] BLEI D M， NG A Y， JORDAN M I. Latent dirichlet allocation[J]. The journal of machine learning research， 2003（3）：993-1022.

[12] CHEN C， REN J. Forum latent dirichlet allocation for user interest discovery[J]. Knowledge-based systems， 2017，126：1-7.

[13] LIU S， PENG X， CHENG H N H. Unfolding sentimental and behavioral tendencies of learners' concerned topics from course reviews in a MOOC[J]. Journal of educational computing research， 2018（3）：670-696.

[14] YANG M， MEI J， XU F， et al. Discovering author interest evolution in topic modeling[C]// The 39th International ACM SIGIR Conference. New York：ACM Press，2016：801-804.

[15] JO Y， OH A H. Aspect and sentiment unification model for online review analysis[C]//Proceedings of the Fourth ACM International Conference on Web Search and Data Mining. New York：ACM Press，2011：815-824.

[16] STEPHENSMARTINEZ K， HEARST M A， FOX A. Monitoring MOOCs： which information sources do instructors value？[C]//ACM Conference on Learning. New York：ACM Press，2014：79-88.

[17] 冷靜，郭日發(fā)，侯嫣茹，等.促進(jìn)大學(xué)生批判性思維的在線活動(dòng)設(shè)計(jì)研究及可視化分析[J].電化教育研究，2018，39（10）：75-82.

[18] 柏宏權(quán)，李婷.同伴互評(píng)中評(píng)語(yǔ)類型對(duì)情緒體驗(yàn)的影響研究[J].電化教育研究，2019，40（4）：92-98，111.

[19] 蔣紀(jì)平，胡金艷，張義兵.知識(shí)建構(gòu)學(xué)習(xí)社區(qū)中“觀點(diǎn)改進(jìn)”的發(fā)展軌跡研究[J].電化教育研究，2019，40（2）：21-29.

[20] RODRIGUEZ P， ORTIGOSA A， CARRO R M. Extracting emotions from texts in e-learning environments[C]// Sixth International Conference on Complex， Intelligent， and Software Intensive Systems. New York：IEEE，2012： 887-892.

[21] BINALI H H， CHEN WU， POTDAR V. A new significant area： emotion detection in e-learning using opinion mining techniques[C]//3rd IEEE International Conference on Digital Ecosystems and Technologies. New York：IEEE，2009：259-264.

[22] WANG X， WEN M， ROS？譩 C P. Towards triggering higher-order thinking behaviors in MOOCs[C]//Proceedings of the Sixth International Conference on Learning Analytics & Knowledge. New York：ACM Press，2016：398-407.

[23] 劉智，楊重陽(yáng)，彭晛，等.SPOC論壇互動(dòng)中學(xué)習(xí)者情緒特征及其與學(xué)習(xí)效果的關(guān)系研究[J].中國(guó)電化教育，2018（4）：102-110.

[24] GOSHTASBPOUR F， SWINNERTON B， MORRIS N P. Look who's talking： exploring instructors' contributions to massive open online courses[J]. British journal of educational technology， 2019（1）：10-17.

[25] 何皓怡，劉清堂，吳林靜，等.教師工作坊中學(xué)員話題挖掘方法及應(yīng)用[J].中國(guó)電化教育，2018（10）：79-86.

[26] YAN W， DOWELL N， HOLMAN C， et al. Exploring learner engagement patterns in teach-outs using topic， sentiment and on-topicness to reflect on pedagogy[C]//Proceedings of the 9th International Conference on Learning Analytics & Knowledge. New York：ACM Press，2019：180-184.

[27] 俞紅珍.課程內(nèi)容、教材內(nèi)容、教學(xué)內(nèi)容的術(shù)語(yǔ)之辨——以英語(yǔ)學(xué)科為例[J].課程·教材·教法，2005（8）：49-53.

[28] 王春柳，楊永輝，鄧霏，等.文本相似度計(jì)算方法研究綜述[J].情報(bào)科學(xué)，2019，37（3）：158-168.

[29] KELLEY T L. The selection of upper and lower groups for the validation of test items[J]. Journal of educational psychology， 1939，30（1）：17-24.

[30] WEN M， YANG D， ROS？譩 C P. Sentiment analysis in MOOC discussion forums： what does it tell us？[C]//The 7th International Conference on Educational Data Mining. London：IEDMS，2014：130-137.

[31] WEN M， YANG D， ROSE C P. Linguistic reflections of student engagement in massive open online courses[C]//Eighth International AAAI Conference on Weblogs and Social Media. Washington：AAAI，2014：525-534.

[32] ALMATRAFI O， JOHRI A. Systematic review of discussion forums in massive open online courses （MOOCs）[J]. IEEE transactions on learning technologies，2018，12（3）：413-428.

[33] MACLEOD J， YANG H H， ZHU S， et al. Understanding students' preferences toward the smart classroom learning environment： development and validation of an instrument[J]. Computers & education，2018，122（122）：80-91.

[34] 左明章，趙蓉，王志鋒，等.基于論壇文本的互動(dòng)話語(yǔ)分析模式構(gòu)建與實(shí)踐[J].電化教育研究，2018，39（9）：51-58.

[35] 段金菊，彭燕，朱德全，等. cMOOCs學(xué)習(xí)者的活動(dòng)參與度、參與模式與學(xué)習(xí)績(jī)效的實(shí)驗(yàn)研究[J].電化教育研究，2018，39（11）：38-44.

[36] 鄭隆威，馮園園，顧小清.學(xué)習(xí)成果可測(cè)了嗎：基于學(xué)習(xí)分析方法的認(rèn)知分類有效性研究[J].電化教育研究，2019，40（1）：77-86.

[37] CROSSLEY S， PAQUETTE L， DASCALU M， et al. Combining click-stream data with NLP tools to better understand MOOC completion[C]//Proceedings of the Sixth International Conference on Learning Analytics & Knowledge. New York：ACM Press，2016：6-14.

[38] LIU Z， WANG T， PINKWART N， et al. An emotion oriented topic modeling approach to discover what students are concerned about in course forums[C]//2018 IEEE 18th International Conference on Advanced Learning Technologies（ICALT）. New York：IEEE，2018：170-172.

[39] LIU Z， PINKWART N， LIU H， et al. Exploring students' engagement patterns in SPOC forums and their association with course performance[J]. Eurasia journal of mathematics， science and technology education， 2018，14（7）：3143-3158.

[40] HEW K F， CHEUNG W S. Students' and instructors' use of massive open online courses （MOOCs）： Motivations and challenges[J]. Educational research review，2014（12）：45-58.

[41] ZHU T， WANG W， ZHAO W， et al. Participation prediction and opinion formation in MOOC discussion forum[J]. International journal of information and education technology，2017（7）：417-423.

[42] ABYAA A， KHALIDI IDRISSI M， BENNANI S. Learner modelling： systematic review of the literature from the last 5 years[J]. Educational technology research and development，2019，67（5）：1-39.