MOOC学习平台中“无用帖”的识别方法研究

详细信息    查看全文 | 推荐本文 |

英文篇名：On the Recognition Method of Useless Post in MOOC Learning Platform 作者：王传安 ; 贾丙静 ; 葛华 英文作者：WANG Chuan'an;JIA Bingjing;GE Hua;School of Information and Network Engineering, Anhui Science and Technology University;Institute of Network Technology,Beijing University of Posts and Telecommunications; 关键词：慕课 ; 无用帖识别 ; 无监督学习算法 ; 行为特征 英文关键词：MOOC;;Useless Post Recognition;;Unsupervised Learning Algorithm;;Behavior Characteristics 中文刊名：LSSZ 英文刊名：Journal of Leshan Normal University 机构：安徽科技学院信息与网络工程学院;北京邮电大学网络技术研究院; 出版日期：2018-08-15 出版单位：乐山师范学院学报 年：2018 期：v.33;No.263 基金：安徽科技学院基金项目“互联网+教育下的用户学习行为分析与学习效果预测”(X2015046),“‘慕课’时代C语言程序设计混合式教学模式的研究与实践”(X2015028),“《C语言程序设计》大规模在线开放课程示范项目”(2014mooc037) 语种：中文; 页：LSSZ201808002 页数：6 CN：08 ISSN：51-1610/G4 分类号：10-14+110

摘要

为加强师生交流,在慕课(MOOC)学习平台讨论区允许学生通过发帖的形式针对课程内容进行讨论。与此同时,学生发帖内容书写的随意性和数据量巨大的特点,给及时回帖带来了挑战。为识别可能存在的无用帖,提出了基于无监督学习的无用帖识别方法。首先对发帖内容和发帖学生行为特征进行融合优化,建立无用帖识别模型;然后采用无监督学习的方法对学生发布的帖子进行识别,以判定该贴是否为无用帖。最后,在真实数据集上的实验证明了方法的有效性。
        In order to enhance the communication between teachers and students, students were allowed to discuss the course content in discussion area of MOOC by publishing posts. However, the randomness of content and the huge data volume brought new challenges to timely reply. For detecting possible useless posts, a useless post recognition model based on unsupervised learning algorithm was proposed. In the model, post content and behavior features of students who published posts were optimized by integration.Furthermore, unsupervised learning algorithm was adopted to recognize useless posts. At last, the experiment on a collection of real MOOC learning data showed the effectiveness of the proposed model.

引文

[1]蒋卓轩,张岩,李晓明.基于MOOC数据的学习行为分析与预测[J].计算机研究与发展,2015,52(3):614-628.
    [2]CHANG J W.Exploring engaging gamification mechanics in massive online open courses[J].Journal of Educational Technology&Society,2016,19(2):177-203.
    [3]李亚员.国内慕课(MOOC)研究现状述评:热点与趋势:基于2009—2014年CNKI所刊文献关键词的共词可视化分析[J].电化教育研究,2015(7):55-60.
    [4]黄如花,刘龙.MOOC在线交流存在的问题及对策[J].图书与情报,2014(6):18-22.
    [5]刘艳春,张庆普,李占奎.基于扎根理论的MOOC在线深度互动影响因素[J].开放教育研究,2017,23(5):64-73.
    [6]陈德华,周蒙,孙延青,等.MR-GSpar:一种基于Map Reduce的大图稀疏化算法[J].计算机科学,2013,40(10):190-193.
    [7]林煜明.面向网络评论的观点分析技术[D].上海:华东师范大学,2013.
    [8]潘荣华,陈秀宏,曹翔.一种新的有监督的局部保持典型相关分析算法[J].计算机工程与科学,2015,37(6):1175-1182.