基于情感分類與主題挖掘的MOOC課程評論研究

余亞烽 劉興紅 陶勝陽 王瑰霞 張?zhí)K薇

一、引言

MOOC（Massive Open Online Courses，大規(guī)模網(wǎng)絡(luò)在線課程）學(xué)習(xí)平臺作為“互聯(lián)網(wǎng)+教育”背景下的重要應(yīng)用創(chuàng)新產(chǎn)物，正成為變革教學(xué)思想、教學(xué)設(shè)計(jì)過程和學(xué)習(xí)模式的一把利刃[1]。在線精品課程作為MOOC 中的高質(zhì)量教育資源，仍存在質(zhì)量參差不齊的困境。因此，有必要對MOOC 在線精品課程學(xué)習(xí)數(shù)據(jù)進(jìn)行挖掘分析，以揭示學(xué)習(xí)者視角的MOOC 課程質(zhì)量影響因素。學(xué)習(xí)者在學(xué)習(xí)過程中產(chǎn)生的學(xué)習(xí)數(shù)據(jù)主要為結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)，結(jié)構(gòu)化數(shù)據(jù)包括學(xué)習(xí)者簽到次數(shù)、提交作業(yè)次數(shù)、參與評論次數(shù)等；非結(jié)構(gòu)化數(shù)據(jù)包括討論區(qū)數(shù)據(jù)、評論區(qū)數(shù)據(jù)等。現(xiàn)有研究者利用學(xué)習(xí)分析技術(shù)對學(xué)習(xí)者的學(xué)習(xí)數(shù)據(jù)進(jìn)行分析，以適應(yīng)數(shù)據(jù)驅(qū)動(dòng)教學(xué)的實(shí)際需求，但該技術(shù)較側(cè)重于對學(xué)習(xí)者外顯行為的分析，即對結(jié)構(gòu)化數(shù)據(jù)的分析。課程評論等文本作為在線教育中重要的互動(dòng)載體，可真實(shí)地反映出學(xué)習(xí)者的興趣話題、情感態(tài)度、學(xué)習(xí)體驗(yàn)等[1]。然而，由于評論數(shù)據(jù)規(guī)模龐大，人工閱讀和分析評論數(shù)據(jù)極其耗時(shí)費(fèi)力。因此，如何利用自然語言處理技術(shù)對課程評論進(jìn)行自動(dòng)化分析和挖掘，成為近年來研究的熱點(diǎn)問題。

基于對研究文獻(xiàn)的系統(tǒng)梳理，已有部分研究者應(yīng)用情感分類或主題挖掘技術(shù)分析在線課程評論數(shù)據(jù)。在情感分類方面，Li 等人使用深度學(xué)習(xí)模型對在線課程評論進(jìn)行情感分類[2]，以幫助教師和在線教育平臺更好地理解學(xué)生的反饋，改進(jìn)教學(xué)質(zhì)量；Wang 等人[3]利用機(jī)器學(xué)習(xí)方法對MOOC 課程評論進(jìn)行情感分析，了解學(xué)生對MOOC 課程的情感傾向，提出改進(jìn)措施，以提高學(xué)習(xí)者的滿意度和學(xué)習(xí)效果；劉清堂等人[4]調(diào)用百度情感分析API 計(jì)算課程評論的情感值，為MOOC 課程質(zhì)量評價(jià)提供新思路。

在主題挖掘（LDA，Latent Dirichlet Allocation）方面，Liu 等人[5]提出了一種基于LDA 模型的在線課程評論主題挖掘方法，分析在線課程評論中的主題，揭示學(xué)生對課程內(nèi)容、教學(xué)方法、評價(jià)方式等方面的觀點(diǎn)和意見，有助于教育機(jī)構(gòu)了解學(xué)生的需求和反饋，改進(jìn)課程設(shè)計(jì)和教學(xué)策略，提高教學(xué)質(zhì)量和學(xué)習(xí)效果；Song 等人[6]提出了一種基于協(xié)同主題模型的MOOC 評論主題挖掘方法，該方法可以發(fā)現(xiàn)不同學(xué)生對同一課程的不同主題；田園等人[7]運(yùn)用數(shù)據(jù)挖掘理論和LDA主題識別模型對在線教學(xué)需求數(shù)據(jù)進(jìn)行主題挖掘，并從教師需求、課程需求、教學(xué)成果需求三方面構(gòu)建在線教學(xué)用戶需求指標(biāo)體系，提出針對性的教學(xué)質(zhì)量優(yōu)化策略。

本研究將綜合運(yùn)用情感分類和主題挖掘的方法，對MOOC 中“教育技術(shù)學(xué)”專業(yè)的在線精品課程的評論數(shù)據(jù)進(jìn)行分析，以期獲得更全面、更準(zhǔn)確的學(xué)生情感和課程反饋，為教育技術(shù)學(xué)專業(yè)在線精品課程設(shè)計(jì)和迭代優(yōu)化課程質(zhì)量提供參考，促進(jìn)教師深度反思，支持教學(xué)問題的診斷與改進(jìn)，為教育技術(shù)學(xué)領(lǐng)域的教育改革和實(shí)踐提供有益的啟示和決策依據(jù)，從而促進(jìn)在線教育的創(chuàng)新和發(fā)展。

二、關(guān)鍵技術(shù)介紹

（一）數(shù)據(jù)獲取及預(yù)處理技術(shù)

針對學(xué)習(xí)者在MOOC 平臺學(xué)習(xí)過程中產(chǎn)生的兩種不同形式的數(shù)據(jù)，可采用多種不同的數(shù)據(jù)收集方法。結(jié)構(gòu)化數(shù)據(jù)可以采用問卷調(diào)查、量表測評、觀察記錄、日志數(shù)據(jù)等方法收集；非結(jié)構(gòu)化數(shù)據(jù)通常采用網(wǎng)絡(luò)爬蟲技術(shù)、文本采集工具、社交媒體挖掘等方法收集。本研究中在線精品課程評論文本屬于非結(jié)構(gòu)化數(shù)據(jù)，且鑒于研究的可行性和便利性，選擇網(wǎng)絡(luò)爬蟲獲取課程評論文本。爬蟲獲取的評論文本數(shù)據(jù)質(zhì)量不一，包含了大量的無效信息和噪聲，需要清洗、轉(zhuǎn)換和規(guī)范，即對數(shù)據(jù)進(jìn)行降噪、去重、短文本去除和去停用詞等預(yù)處理操作。在此基礎(chǔ)上構(gòu)建課程評論文本語料庫，并進(jìn)行情感分類研究。

（二）情感分類

情感分類是文本挖掘中的一個(gè)重要應(yīng)用，旨在確定文本中表達(dá)的情感傾向，如積極、消極或中性等[8]。情感分類技術(shù)通常包括文本預(yù)處理、特征提取和分類器構(gòu)建三個(gè)步驟。其中，文本預(yù)處理包括分詞、去停用詞、詞干提取等操作，目的是將原始文本轉(zhuǎn)換成可處理的格式；特征提取是從預(yù)處理后的文本中提取相關(guān)特征，例如詞頻、TF-IDF 等；分類器構(gòu)建則是通過機(jī)器學(xué)習(xí)算法構(gòu)建分類器，用于對文本進(jìn)行分類。情感分類按技術(shù)路線主要分為三種，分別為基于詞典、傳統(tǒng)機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的情感分類[9]。基于詞典的情感分類方法是根據(jù)預(yù)定義的情感詞典來判斷文本的情感傾向，例如根據(jù)情感詞匯和程度詞進(jìn)行情感判斷，該方法解釋性強(qiáng)，但需要事先構(gòu)建和維護(hù)情感詞典，依賴于規(guī)則的準(zhǔn)確性和完整性，難以處理復(fù)雜文本和適應(yīng)新的情感表達(dá)方式[10]。基于傳統(tǒng)機(jī)器學(xué)習(xí)的情感分類方法使用傳統(tǒng)的機(jī)器學(xué)習(xí)算法，如支持向量機(jī)（SVM）、樸素貝葉斯（Naive Bayes）、決策樹等，通過提取文本的特征并訓(xùn)練分類模型來進(jìn)行情感分類，具有高準(zhǔn)確性和泛化能力，但對特征選擇和調(diào)參要求較高，且速度相對較慢[11]。基于深度學(xué)習(xí)的情感分類方法利用深度神經(jīng)網(wǎng)絡(luò)模型，學(xué)習(xí)文本的高級特征表示和建模上下文信息來進(jìn)行情感分類，具有較高的表達(dá)能力和自動(dòng)特征學(xué)習(xí)能力，深度神經(jīng)網(wǎng)絡(luò)在情感分類中取得了顯著的成果[12]，如卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network，CNN）[13]、循環(huán)神經(jīng)網(wǎng)絡(luò)（Recurrent Neural Network，RNN）[14]和長短期記憶網(wǎng)絡(luò)（Long Short-Term Memory，LSTM）[15]等模型被廣泛用于情感分類任務(wù)。為避免人工定義規(guī)則的限制和傳統(tǒng)機(jī)器學(xué)習(xí)訓(xùn)練速度較慢，本研究采用基于CNN，結(jié)合RNN的情感分類方法，對在線課程評論進(jìn)行情感分類。

（三）主題挖掘

主題挖掘是文本挖掘中的另一個(gè)重要應(yīng)用，旨在發(fā)現(xiàn)文本中隱含的主題。主題挖掘技術(shù)通常包括以下步驟：文本預(yù)處理、主題提取和主題聚類。其中，主題提取是從預(yù)處理后的文本中提取概括性的主題，如“教學(xué)質(zhì)量”“課程內(nèi)容”等；主題聚類則是將提取出的主題進(jìn)行聚類，以便對主題進(jìn)行分析和比較。目前，主題挖掘主要有基于詞頻統(tǒng)計(jì)、基于語義分析、基于主題概率模型、基于機(jī)器學(xué)習(xí)和基于圖挖掘等方法[16]。在課程評論主題分析的研究中，常用的主題提取方法包括LDA、PLSA（Probabilistic Latent Semantic Analysis，概率潛在語義分析）等。LDA 基于概率主題模型，用于分析文本數(shù)據(jù)中的主題結(jié)構(gòu)，它通過學(xué)習(xí)文本與主題之間的關(guān)系，推斷文檔中的主題分布和每個(gè)主題中詞匯的分布，LDA 主題模型由文本－主題－詞語三層貝葉斯結(jié)構(gòu)組成，如圖1 所示。LDA 模型基于概率分布對文本數(shù)據(jù)進(jìn)行建模，通過推斷文本－主題分布－詞語分布，揭示文本數(shù)據(jù)中的潛在主題，LDA 主題概率模型如圖2所示。

圖1 LDA主題模型結(jié)構(gòu)示意圖

圖2 LDA主題概率模型示意圖

圖2 中，節(jié)點(diǎn)表示隨機(jī)變量，箭頭表示概率依存關(guān)系，矩形表示對里面的內(nèi)容進(jìn)行迭代。LDA 模型圖中所使用的字符含義如表1所示。

表1 LDA模型中字符含義

LDA模型生成文檔的流程如下所示：

1.α隨機(jī)生成文本對應(yīng)主題的多項(xiàng)式分布θ；

2.θ隨機(jī)生成一個(gè)主題z；

3.β隨機(jī)生成主題對應(yīng)詞語的多項(xiàng)式分布φ；

4.綜合主題z 和主題對詞語分布情況φ 生成詞語w；

5.如此循環(huán)，生成一個(gè)文檔，包含M個(gè)詞語；

6.最終生成K個(gè)主題下的N篇文檔。

（四）詞云分析

詞云分析是一種可視化文本數(shù)據(jù)的方法，通過以詞匯頻率為基礎(chǔ)，將常見詞語以圖形化方式展示在一張圖中[17]。在詞云中，詞語的大小通常與其在文本中出現(xiàn)的頻率相關(guān)，頻率高的詞語在詞云中會以較大的字體顯示，而頻率低的詞語則以較小的字體顯示。詞云分析廣泛應(yīng)用于文本挖掘、輿情分析、主題分析、市場調(diào)研等領(lǐng)域，能夠幫助人們迅速把握大量文本數(shù)據(jù)中的關(guān)鍵信息，可視化地展示文本的主題、關(guān)鍵詞及情感傾向。常用的詞云分析工具包括Python 的WordCloud 庫、在線工具TagCrowd、數(shù)據(jù)可視化工具Tableau、Web 工具Voyant Tools，以及R語言中的wordcloud和tm包。

（五）社交網(wǎng)絡(luò)分析

社交網(wǎng)絡(luò)分析（Social Network Analysis，SNA）是一種研究社交關(guān)系和網(wǎng)絡(luò)結(jié)構(gòu)的方法[18]。社交網(wǎng)絡(luò)分析主要依賴于圖論和統(tǒng)計(jì)學(xué)的方法，其中最常用的工具是網(wǎng)絡(luò)圖（或稱為社交網(wǎng)絡(luò)圖），網(wǎng)絡(luò)圖由節(jié)點(diǎn)（表示個(gè)體）和邊（表示個(gè)體之間的關(guān)系）組成，可以用來可視化和分析社交網(wǎng)絡(luò)結(jié)構(gòu)。社交網(wǎng)絡(luò)分析常 用 的工具包括Gephi、UCINet、Pajek、NodeXL 和NetworkX，它們提供了豐富的功能和方法，用于分析和可視化社交網(wǎng)絡(luò)數(shù)據(jù)。

三、研究設(shè)計(jì)與研究過程

構(gòu)建在線精品課程評論情感分類與主題挖掘模型，如圖3 所示，該模型分為數(shù)據(jù)獲取及預(yù)處理、課程評價(jià)情感分類、詞云分析、社交網(wǎng)絡(luò)分析和負(fù)性評價(jià)主題挖掘五個(gè)步驟。第一，通過網(wǎng)絡(luò)爬蟲技術(shù)采集MOOC 平臺中“教育技術(shù)學(xué)”專業(yè)精品課程評論文本，并進(jìn)行數(shù)據(jù)預(yù)處理，構(gòu)建課程評論語料庫；第二，對精品課程評論進(jìn)行情感分類，并構(gòu)建負(fù)性評論語料庫；第三，對負(fù)性評論進(jìn)行詞云分析；第四，對負(fù)性評價(jià)進(jìn)行社交網(wǎng)絡(luò)分析；第五，對負(fù)性評價(jià)進(jìn)行主題挖掘，分析導(dǎo)致學(xué)習(xí)者不良學(xué)習(xí)體驗(yàn)的原因，從而促進(jìn)教師反思和課程優(yōu)化。

圖3 情感分類與主題挖掘模型示意圖

（一）數(shù)據(jù)獲取及預(yù)處理

國家在線精品課程是由國家教育部認(rèn)定的、具有高質(zhì)量教學(xué)水平的在線課程，旨在提供優(yōu)秀的學(xué)習(xí)資源和教學(xué)內(nèi)容，促進(jìn)教育的普及和教育公平。選取中國大學(xué)MOOC 平臺中“教育技術(shù)學(xué)”專業(yè)在線精品課程作為研究對象，如《教育研究方法》《教學(xué)設(shè)計(jì)原理與方法》等，部分?jǐn)?shù)據(jù)見表2。數(shù)據(jù)采集時(shí)間為2023 年4 月5 日，初步獲得評論數(shù)據(jù)59434 條，其中，單門課程評價(jià)數(shù)量最大值為23242 條，最小值為35 條，平均每個(gè)課程評論數(shù)量有2377 條。圖4 為某教授的課程原始課程評論數(shù)據(jù)。

表2 MOOC平臺“教育技術(shù)學(xué)”專業(yè)部分在線精品課程信息

圖4 評論原始數(shù)據(jù)

為保證數(shù)據(jù)的準(zhǔn)確性和有效性，提高數(shù)據(jù)質(zhì)量，需要對評論數(shù)據(jù)進(jìn)行降噪、去重、去停用詞等預(yù)處理操作，如圖5所示。

圖5 數(shù)據(jù)預(yù)處理流程圖

首先，使用Excel的函數(shù)和篩選功能刪除少于10字的短文本。其次，通過beautifulsoup 去除html標(biāo)簽等非中文文本信息，通過jieba 分析工具對完整的評論文本進(jìn)行分詞，并結(jié)合哈工大停用詞表去除停用詞，部分信息如表3 所示。最后，進(jìn)行詞性標(biāo)注，最終生成22397條有效的課程評論語料庫。

表3 在線精品課程評價(jià)語料預(yù)處理摘要

2.情感分類

通過調(diào)用百度AI 情感分析API 對課程評論文本進(jìn)行情感分類。百度AI 情感分析是基于深度學(xué)習(xí)和自然語言處理技術(shù)的情感分類模型，常用的模型包括CNN、RNN 和LSTM 等，這些模型能夠捕捉文本中的語義關(guān)聯(lián)、上下文信息和情感詞匯，并學(xué)習(xí)有效的特征表示，從而準(zhǔn)確地判斷文本的情感傾向。采用CNN-RNN 模型將文本分為積極（positive）、消極（negative）和中性（neutral）三類。首先使用CNN 對文本進(jìn)行特征提取，然后將提取的特征序列作為RNN 的輸入，CNN 負(fù)責(zé)提取局部特征，而RNN 則負(fù)責(zé)捕捉上下文信息和建模序列關(guān)系，從而對文本進(jìn)行分析。模型訓(xùn)練的結(jié)果采用準(zhǔn)確率、召回率和F 值作為模型性能指標(biāo)，模型的相關(guān)指標(biāo)值見表4，說明該模型具有較好的文本情感分析能力。

表4 CNN-RNN模型的相關(guān)指標(biāo)值

共得到positive 文本18132 條，neutral 文本2959條，negative 文本1306 條，positive 文本與negative 文本比值約為14∶1，雖然positive文本遠(yuǎn)遠(yuǎn)高于negative文本，但negative 的數(shù)量之多也證明在線精品課程尚存在一定的質(zhì)量問題，導(dǎo)致學(xué)習(xí)者體驗(yàn)不佳。

（三）詞云分析

運(yùn)用Python 的“collections”模塊中的“Counter”類對預(yù)處理后的負(fù)性評價(jià)文本進(jìn)行詞頻分析，并運(yùn)用nltk 庫對重復(fù)意義的詞進(jìn)行詞形還原，將具有相同意義的詞歸并為一個(gè)詞，從而避免重復(fù)計(jì)數(shù)，減少重復(fù)意義詞匯對詞頻分析的影響。共獲得1619個(gè)關(guān)鍵詞。對關(guān)鍵詞進(jìn)行詞云分析，如圖6 所示，排名前十的關(guān)鍵詞及詞頻數(shù)分別為課程（138）、講解（101）、老師（98）、練習(xí)題（95）、實(shí)操（88）、考核（86）、時(shí)間（67）、例子（66）、課程內(nèi)容（65）、字幕（63）。這表明負(fù)性評價(jià)中，課程的內(nèi)容、講解質(zhì)量、練習(xí)題和實(shí)操等方面存在較高關(guān)注度，可能是影響學(xué)習(xí)者產(chǎn)生負(fù)面情緒的原因，從這些方面入手改進(jìn)線上教學(xué)，可以提高在線課程教學(xué)質(zhì)量，提升課程學(xué)習(xí)體驗(yàn)。

圖6 負(fù)性評價(jià)詞云圖

（四）社交網(wǎng)絡(luò)分析

通過社交網(wǎng)絡(luò)分析可以識別出負(fù)性評論中頻繁出現(xiàn)的主題和關(guān)鍵詞，這些主題和關(guān)鍵詞反映了學(xué)生對課程的主要不滿。通過深入分析這些問題，課程提供者可以發(fā)現(xiàn)潛在問題和改進(jìn)機(jī)會，并采取相應(yīng)的措施改進(jìn)課程質(zhì)量、教學(xué)內(nèi)容、評估方式等，從而提升學(xué)生的滿意度和學(xué)習(xí)效果。

運(yùn)用Python 構(gòu)建了負(fù)性評論的高頻關(guān)鍵詞共現(xiàn)矩陣，并采用Gephi0.10.0軟件進(jìn)行社交網(wǎng)絡(luò)分析，得到一個(gè)具有較高可視化效果的高頻關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)圖譜，如圖7所示。該網(wǎng)絡(luò)圖譜展示了負(fù)性評論中的核心節(jié)點(diǎn)，包括老師、課程、時(shí)間、講解、知識、學(xué)習(xí)、問題、作業(yè)、視頻、基礎(chǔ)、編程，這些核心節(jié)點(diǎn)代表了負(fù)性評論中被頻繁提及的重要內(nèi)容。這表明課程內(nèi)容、老師講解、時(shí)間安排、作業(yè)布置、問題講解、視頻制作、學(xué)習(xí)基礎(chǔ)等方面可能是學(xué)習(xí)者產(chǎn)生負(fù)性評價(jià)的原因。從這些方面入手優(yōu)化課程設(shè)計(jì)、改進(jìn)教學(xué)內(nèi)容和方法，可以為學(xué)生提供更好的學(xué)習(xí)體驗(yàn)和教學(xué)效果。

圖7 社交網(wǎng)絡(luò)分析

（五）主題挖掘

通過運(yùn)用LDA 主題模型，對在線課程負(fù)面評論進(jìn)行主題挖掘，系統(tǒng)分析和理解評論中的潛在主題和問題，識別出不同主題下的關(guān)鍵詞和共同特征，從而揭示學(xué)生對在線課程的不滿與困惑所在，這有助于教師、學(xué)校或在線平臺更好地理解學(xué)生的痛點(diǎn)和需求，及時(shí)作出針對性的改進(jìn)措施，提高課程質(zhì)量和用戶滿意度。

采用Python中的gensim庫中的LdaModel類進(jìn)行模型訓(xùn)練，采用一致性（Coherence）來確定最佳主題數(shù)目。一致性是評估LDA模型生成的主題質(zhì)量的指標(biāo)，它度量了主題中詞語之間的關(guān)聯(lián)程度。一般來說，主題的一致性越高，表示主題之間的詞語關(guān)聯(lián)性越強(qiáng)，主題挖掘結(jié)果越可靠。可以使用一致性度量方法（如C_v、U_mass、C_npmi）計(jì)算不同主題數(shù)量下的一致性得分，選擇得分最高的主題數(shù)量作為最佳的主題數(shù)。本研究選擇C_v 方法計(jì)算主題一致性，計(jì)算結(jié)果如圖8 所示。由圖可知，當(dāng)主題數(shù)量為5時(shí)，一致性得分最高，因此可設(shè)定最優(yōu)主題數(shù)量為5。

圖8 主題一致性計(jì)算結(jié)果

通過訓(xùn)練后的LDA 模型，可以獲取每個(gè)主題的主題詞，以及主題詞在主題中的權(quán)重，從而揭示文本數(shù)據(jù)中的主題結(jié)構(gòu)和主題關(guān)聯(lián)性，主題分布表如表5所示。與此同時(shí)，調(diào)用pyLDAvis 包對主題間距離進(jìn)行可視化分析，以便更直觀地理解主題之間的關(guān)系和主題的含義，如圖9 所示。圖中一個(gè)圓圈代表一個(gè)主題，而圓圈的大小反映了該主題的重要性，圓圈之間的距離表示主題間的關(guān)聯(lián)性，圖中5個(gè)圓圈互不相交，說明主題之間具有清晰的邊界和明顯的區(qū)分度，每個(gè)主題在詞匯和內(nèi)容上都有較高的獨(dú)特性，更進(jìn)一步說明了主題數(shù)量為5時(shí)，主題建模效果較好。

根據(jù)主題分布表結(jié)果顯示，主題1 中出現(xiàn)較多的關(guān)鍵詞有課程、講解、老師、教學(xué)、吃力、教學(xué)方法、基礎(chǔ)等，這表明學(xué)生在評論中提到較多的為課程的講解方式、教學(xué)方法、課程的基礎(chǔ)知識等。因此，推測該主題與教師教學(xué)能力相關(guān)，學(xué)生差評的原因可能是因?yàn)橹v解方式不清晰、教學(xué)方法不夠有效或課程的基礎(chǔ)知識講解不夠充分等，這可能導(dǎo)致學(xué)生對課程內(nèi)容理解困難，感到吃力或無法跟上教學(xué)進(jìn)度。

主題2 中出現(xiàn)較多的關(guān)鍵詞有視頻、時(shí)間、更新、過時(shí)、老師、討論、網(wǎng)頁、知識等，這表明學(xué)生在評論中提到較多的為課程視頻的更新頻率、內(nèi)容的時(shí)效性、時(shí)間安排、視頻質(zhì)量、知識點(diǎn)的涵蓋程度和討論等。因此，推測該主題與學(xué)習(xí)資源質(zhì)量相關(guān)，學(xué)生差評的原因可能是因?yàn)檎n程內(nèi)容更新不及時(shí)、內(nèi)容過時(shí)、視頻質(zhì)量不高、課程的知識點(diǎn)不夠全面或討論等，這可能導(dǎo)致無法滿足學(xué)生的學(xué)習(xí)需求。

主題3 中出現(xiàn)較多的關(guān)鍵詞有課件、念課件、作業(yè)提醒、基礎(chǔ)、枯燥、知識、課程、浪費(fèi)時(shí)間等，這表明學(xué)生在評論中提到較多的為課件質(zhì)量、課堂體驗(yàn)感受與作業(yè)提醒對學(xué)習(xí)效果的影響。因此，推測該主題與課程內(nèi)容設(shè)計(jì)相關(guān)，學(xué)生差評的原因可能是因?yàn)檎n件的設(shè)計(jì)不夠吸引人、內(nèi)容枯燥乏味、講解無趣、缺乏作業(yè)提醒等，這可能導(dǎo)致學(xué)生對課件內(nèi)容的學(xué)習(xí)興趣不高，無法及時(shí)完成作業(yè)，影響學(xué)習(xí)效果。

主題4 中出現(xiàn)較多的關(guān)鍵詞有互動(dòng)、例子、練習(xí)題、作業(yè)、細(xì)節(jié)、討論、問題、字幕等，這表明學(xué)生在評論中提到較多的為互動(dòng)、例子、練習(xí)題、作業(yè)、討論。因此，推測該主題與互動(dòng)和反饋機(jī)制相關(guān)，學(xué)生差評的原因可能是因?yàn)閷W(xué)生無法與教師或其他同學(xué)進(jìn)行有效的互動(dòng)交流、教師未對學(xué)生作業(yè)和問題及時(shí)反饋、缺乏例子和練習(xí)題、缺乏字幕等，這可能導(dǎo)致學(xué)生學(xué)習(xí)效果不好，對課程產(chǎn)生負(fù)面影響。

主題5 中出現(xiàn)較多的關(guān)鍵詞有老師、考核、錯(cuò)誤、操作、測驗(yàn)、答案、作業(yè)、系統(tǒng)等，這表明學(xué)生在評論中提到較多的為考核方式、測驗(yàn)、錯(cuò)誤、作業(yè)和答案。因此，推測該主題與課程考核評價(jià)相關(guān)，學(xué)生差評的原因可能是因?yàn)榭己朔绞酱嬖趩栴}、測驗(yàn)設(shè)計(jì)不合理、作業(yè)數(shù)量過多或過少等，這可導(dǎo)致學(xué)生對考核過程感到不滿意。

進(jìn)一步從教育技術(shù)學(xué)專業(yè)在線精品課程負(fù)性評價(jià)的主題分布頻率排序來看，對教師教學(xué)能力的不滿是造成課程負(fù)性評價(jià)的主要因素，在學(xué)習(xí)者負(fù)性評價(jià)中占比較大。此外，學(xué)習(xí)資源質(zhì)量、課程內(nèi)容設(shè)計(jì)、互動(dòng)和反饋機(jī)制、課程考核評價(jià)是影響學(xué)生學(xué)習(xí)體驗(yàn)的重要因素。課程教學(xué)團(tuán)隊(duì)不斷改進(jìn)和優(yōu)化這些方面，可以提升在線課程的質(zhì)量和學(xué)習(xí)體驗(yàn)，更好地滿足學(xué)生的學(xué)習(xí)需求。

四、在線精品課程優(yōu)化建議

通過構(gòu)建在線精品課程評價(jià)文本情感分類與主題挖掘模型，對MOOC 平臺中“教育技術(shù)學(xué)”專業(yè)在線精品課程評論進(jìn)行情感分類、詞云分析、社會網(wǎng)絡(luò)分析和主題挖掘。研究發(fā)現(xiàn)，教師教學(xué)能力、學(xué)習(xí)資源質(zhì)量、課程內(nèi)容設(shè)計(jì)、互動(dòng)和反饋機(jī)制、課程考核評價(jià)是導(dǎo)致學(xué)生差評、影響課程學(xué)習(xí)體驗(yàn)和學(xué)習(xí)質(zhì)量的主要因素。據(jù)此，提出在線精品課程優(yōu)化建議，幫助課程教學(xué)團(tuán)隊(duì)改進(jìn)課程質(zhì)量，為教育技術(shù)學(xué)專業(yè)教學(xué)發(fā)展提供參考。

（一）加強(qiáng)教育培訓(xùn)，促進(jìn)在線教育中教師教學(xué)能力專業(yè)化提升

在當(dāng)今數(shù)字時(shí)代的浪潮中，在線教育正以其便捷、靈活的特點(diǎn)引領(lǐng)著教育的新變革。然而，在這個(gè)充滿挑戰(zhàn)和機(jī)遇的領(lǐng)域里，教師的教學(xué)能力專業(yè)化顯得尤為重要，只有通過加強(qiáng)教育培訓(xùn)，才能真正促進(jìn)在線教育中教師教學(xué)能力的專業(yè)化提升。

首先，建立全面的教育培訓(xùn)體系是關(guān)鍵的一步，這包括從教育機(jī)構(gòu)、學(xué)校到在線教育平臺，共同合作，提供全方位的培訓(xùn)資源，通過設(shè)立專業(yè)化的教育培訓(xùn)機(jī)構(gòu)，提供針對在線教育教師的培訓(xùn)課程和教育方案。同時(shí)，學(xué)校也應(yīng)該充分重視教師的專業(yè)發(fā)展，提供有針對性的培訓(xùn)計(jì)劃，幫助教師提升教學(xué)能力。

其次，注重教師的個(gè)性化發(fā)展。在線教育的教師來自不同的背景，具備不同的專業(yè)知識和教學(xué)經(jīng)驗(yàn)。因此，在教育培訓(xùn)過程中，應(yīng)該充分考慮教師的個(gè)性化需求，提供多樣化的培訓(xùn)內(nèi)容和方式，這可以通過定期的教學(xué)研討會、專題講座、教學(xué)觀摩等形式來實(shí)現(xiàn)，讓教師能夠根據(jù)自身需求選擇適合自己的培訓(xùn)項(xiàng)目，并在培訓(xùn)中得到個(gè)性化的指導(dǎo)和支持。

此外，積極推動(dòng)教師的教學(xué)創(chuàng)新。在線教育的發(fā)展需要教師具備創(chuàng)新思維和實(shí)踐能力，能夠根據(jù)學(xué)生需求和教學(xué)環(huán)境靈活調(diào)整教學(xué)策略。為此，可以鼓勵(lì)教師參與教學(xué)設(shè)計(jì)的創(chuàng)新項(xiàng)目，提供教學(xué)資源的共享平臺，讓教師們能夠相互啟發(fā)、交流經(jīng)驗(yàn)，共同推動(dòng)教學(xué)的創(chuàng)新與進(jìn)步。

最后，建立有效的評估機(jī)制和激勵(lì)機(jī)制。教師教學(xué)能力的專業(yè)化提升需要有相應(yīng)的評估體系來衡量教師的教學(xué)質(zhì)量和專業(yè)能力。建立基于績效的評估機(jī)制，能夠激勵(lì)教師不斷提升自身能力，并對教師的優(yōu)秀表現(xiàn)給予肯定和獎(jiǎng)勵(lì)。同時(shí)，也要鼓勵(lì)教師參與學(xué)術(shù)研究和教育論文的撰寫，提升教師的學(xué)術(shù)水平和專業(yè)聲譽(yù)。通過加強(qiáng)教育培訓(xùn)，促進(jìn)在線教育中教師教學(xué)能力的專業(yè)化提升，培養(yǎng)出更多具備優(yōu)秀教學(xué)能力和專業(yè)素養(yǎng)的教師，推動(dòng)在線教育行業(yè)的健康發(fā)展，為學(xué)生提供更優(yōu)質(zhì)的教育資源和學(xué)習(xí)體驗(yàn)。

（二）以認(rèn)知為中心，開發(fā)優(yōu)質(zhì)在線精品課程學(xué)習(xí)資源

首先，課程教學(xué)團(tuán)隊(duì)?wèi)?yīng)該聚焦于課程設(shè)計(jì)和內(nèi)容開發(fā)。以認(rèn)知為中心的教學(xué)要求課程設(shè)計(jì)具有明確的學(xué)習(xí)目標(biāo)和合理的知識結(jié)構(gòu)，能夠引導(dǎo)學(xué)生主動(dòng)參與學(xué)習(xí)，并提供豐富多樣的學(xué)習(xí)資源和活動(dòng)。在開發(fā)課程內(nèi)容時(shí)，應(yīng)注重理論與實(shí)踐的結(jié)合，通過生動(dòng)的案例分析、實(shí)際問題解決和實(shí)踐活動(dòng)，激發(fā)學(xué)生的學(xué)習(xí)興趣和動(dòng)力。其次，在線教育依賴于先進(jìn)的技術(shù)平臺和工具，因此需要穩(wěn)定、安全、易用的在線教育平臺，并提供相應(yīng)的技術(shù)支持和培訓(xùn)，教師和學(xué)生應(yīng)熟悉并能充分利用這些技術(shù)工具，以促進(jìn)學(xué)習(xí)的互動(dòng)和合作，提高學(xué)習(xí)效果。最后，建立有效的評估和質(zhì)量保障機(jī)制。以認(rèn)知為中心的教學(xué)應(yīng)注重學(xué)生的學(xué)習(xí)過程和學(xué)習(xí)成果的評估，制定相應(yīng)的評估標(biāo)準(zhǔn)和方法，定期評估課程的質(zhì)量和學(xué)習(xí)效果，并根據(jù)評估結(jié)果進(jìn)行改進(jìn)和優(yōu)化，從而為學(xué)生提供更加豐富、靈活、個(gè)性化的學(xué)習(xí)體驗(yàn)，提高學(xué)習(xí)動(dòng)力和自主學(xué)習(xí)能力。同時(shí)，教師也將在這一過程中不斷成長和發(fā)展，成為以認(rèn)知為中心教學(xué)的專業(yè)人士。

（三）整合重構(gòu)，打造實(shí)用、生動(dòng)的在線精品課程內(nèi)容

整合重構(gòu)并打造實(shí)用生動(dòng)的在線精品課程內(nèi)容已成為教育領(lǐng)域的重要任務(wù)。這一路徑的實(shí)施旨在提供高質(zhì)量、生動(dòng)有趣的學(xué)習(xí)資源，激發(fā)學(xué)生的學(xué)習(xí)興趣和創(chuàng)造力，引導(dǎo)他們積極參與學(xué)習(xí)。為了實(shí)現(xiàn)這一目標(biāo)，可以采取以下實(shí)施路徑。首先，進(jìn)行內(nèi)容整合和重構(gòu)。通過梳理現(xiàn)有教學(xué)資源，挖掘和整合最具價(jià)值的內(nèi)容，剔除冗余和過時(shí)的信息，確保課程內(nèi)容的緊湊性和一致性。同時(shí)，注重內(nèi)容的重構(gòu)，將抽象的概念轉(zhuǎn)化為具體的案例和實(shí)踐，使學(xué)習(xí)內(nèi)容更加貼近實(shí)際應(yīng)用，增強(qiáng)學(xué)生的學(xué)習(xí)體驗(yàn)和理解深度。其次，注重實(shí)用性和生動(dòng)性的融合。在線精品課程內(nèi)容應(yīng)具備實(shí)用性，即與實(shí)際工作和生活緊密相關(guān)，能夠幫助學(xué)生解決實(shí)際問題和應(yīng)對挑戰(zhàn)；同時(shí)，內(nèi)容也應(yīng)該注重生動(dòng)性，通過豐富的多媒體元素、生動(dòng)的案例和活動(dòng)，激發(fā)學(xué)生的好奇心和想象力，使學(xué)習(xí)過程更加有趣和引人入勝。此外，還需關(guān)注教學(xué)方法和教師培訓(xùn)。整合重構(gòu)的在線精品課程需要與相應(yīng)的教學(xué)方法相匹配，如倡導(dǎo)探究式學(xué)習(xí)、合作學(xué)習(xí)和個(gè)性化學(xué)習(xí)等。教師在實(shí)施過程中扮演著重要角色，因此需要提供相關(guān)的教師培訓(xùn)，幫助他們掌握新的教學(xué)方法和工具，提高教學(xué)質(zhì)量和創(chuàng)新能力。

（四）優(yōu)化互動(dòng)和反饋機(jī)制

優(yōu)化互動(dòng)和反饋機(jī)制是提升教育質(zhì)量和學(xué)生學(xué)習(xí)效果的關(guān)鍵要素。為了實(shí)施這一路徑，需要綜合運(yùn)用教學(xué)理論、技術(shù)工具和教育實(shí)踐，創(chuàng)造出一個(gè)鮮活而有效的互動(dòng)學(xué)習(xí)環(huán)境。首先，應(yīng)注重建立積極互動(dòng)的教學(xué)氛圍。在線教育中，通過多種方式激發(fā)學(xué)生的參與和合作是至關(guān)重要的，教師可以采用多樣化的互動(dòng)形式，如在線討論、小組項(xiàng)目、合作學(xué)習(xí)等，激發(fā)學(xué)生的思考、交流和共同探索能力。同時(shí)，教師還可以利用技術(shù)工具，如實(shí)時(shí)投票、在線問答和協(xié)作平臺，促進(jìn)學(xué)生之間的互動(dòng)和合作。其次，需要構(gòu)建有效的反饋機(jī)制。學(xué)生在學(xué)習(xí)過程中需要及時(shí)了解自己的學(xué)習(xí)進(jìn)展和問題所在，教師可以通過在線測驗(yàn)、作業(yè)評估和個(gè)性化指導(dǎo)來提供及時(shí)的反饋，教師還可以鼓勵(lì)同學(xué)之間的互評和自評，以促進(jìn)學(xué)生對自身學(xué)習(xí)情況的認(rèn)知和反思。此外，技術(shù)工具的應(yīng)用也是優(yōu)化互動(dòng)和反饋機(jī)制的關(guān)鍵，借助現(xiàn)代化的在線教育平臺和工具，教師可以實(shí)時(shí)監(jiān)控學(xué)生的學(xué)習(xí)情況，收集學(xué)習(xí)數(shù)據(jù)并進(jìn)行分析，從而提供個(gè)性化的指導(dǎo)和支持。同時(shí)，教師還可以利用技術(shù)工具來記錄學(xué)生的互動(dòng)表現(xiàn)、問題解答和討論成果，以便更好地評估和反饋學(xué)生的學(xué)習(xí)過程。通過優(yōu)化互動(dòng)和反饋機(jī)制，打造一個(gè)積極互動(dòng)、個(gè)性化的學(xué)習(xí)環(huán)境，激發(fā)學(xué)生的學(xué)習(xí)興趣和動(dòng)力，提升教學(xué)效果。這需要教師的創(chuàng)新思維、教育智慧和教學(xué)技能的卓越結(jié)合，以及教育機(jī)構(gòu)和技術(shù)支持的全力配合。只有這樣，才能真正實(shí)現(xiàn)在線教育中互動(dòng)與反饋的優(yōu)化，為學(xué)生提供更加豐富、個(gè)性化的學(xué)習(xí)體驗(yàn)。

（五）多元協(xié)同，優(yōu)化在線精品課程考核評價(jià)

優(yōu)化在線精品課程考核評價(jià)，需要構(gòu)建一個(gè)綜合而靈活的評價(jià)體系，能夠全面、客觀地評估學(xué)生的學(xué)習(xí)成果和能力發(fā)展。首先，應(yīng)采用多樣化的評價(jià)方法，傳統(tǒng)的單一評測方式無法全面反映學(xué)生的綜合能力和潛力。因此，可以結(jié)合筆試、實(shí)踐任務(wù)、項(xiàng)目展示、小組合作和口頭演講等多種評價(jià)形式，以覆蓋學(xué)生的不同學(xué)科能力和綜合素質(zhì)，從而更好地激發(fā)學(xué)生的創(chuàng)造力和批判思維能力，并促進(jìn)學(xué)科間的交叉融合。其次，需要注重評價(jià)的個(gè)性化和差異化，每個(gè)學(xué)生都是獨(dú)特的，有著不同的學(xué)習(xí)風(fēng)格和興趣特長。因此，在線精品課程的評價(jià)應(yīng)該考慮到學(xué)生的個(gè)體差異，給予針對性的反饋和指導(dǎo)。同時(shí)，技術(shù)工具的應(yīng)用也是多元協(xié)同評價(jià)的關(guān)鍵所在，借助現(xiàn)代化的在線教育平臺和評價(jià)工具，實(shí)時(shí)記錄學(xué)生的學(xué)習(xí)過程和表現(xiàn)，收集大量的學(xué)習(xí)數(shù)據(jù)，并進(jìn)行深入的數(shù)據(jù)分析。這些數(shù)據(jù)可以幫助教師更準(zhǔn)確地評估學(xué)生的學(xué)習(xí)成果，發(fā)現(xiàn)潛在問題，并提供個(gè)性化的學(xué)習(xí)建議。同時(shí)，學(xué)生也可以通過在線平臺自主地跟蹤和反思自己的學(xué)習(xí)進(jìn)展，形成自主學(xué)習(xí)的習(xí)慣和能力。通過多元協(xié)同評價(jià)的實(shí)施路徑，構(gòu)建一個(gè)公正、全面、個(gè)性化的在線精品課程評價(jià)體系，為學(xué)生提供更好的學(xué)習(xí)體驗(yàn)和發(fā)展機(jī)會。同時(shí)，這也將激勵(lì)教師不斷追求教育創(chuàng)新和卓越，推動(dòng)在線教育的發(fā)展進(jìn)步。