SPOC论坛中学习者兴趣主题建模及其与学习成效的关系研究

打开文本图片集

[摘   要] 小规模限制性在线课程（Small Private Online Course，SPOC）论坛作为高校师生互动交流的重要场所，其产生的对话文本为教师了解学习者兴趣、实现智能化和个性化教学带来契机。研究提出了一种基于情感—主题时序建模的学习者兴趣主题检测与追踪方法，用于发现SPOC论坛中学习者兴趣主题与教学内容的相关性以及对学习成效的影响。研究结果表明：（1）与教学内容相关的兴趣主题对学习成效具有显著的正面效应，而娱乐灌水类兴趣主题对学习成效具有显著的负面效应;（2）在学期初期和末期，学习者兴趣主题与教学内容的语义相关度会显著上升，而中期则显著下降，即中期的“分心”现象最严重;（3）高成效组最先发起并参与了与教学内容相关的兴趣主题讨论，而低成效组的参与则较为滞后，且更倾向于表述与教学内容无关的内容。最后，通过对兴趣主题与学习成效的关系、兴趣主题对学习成效的影响以及不同成效群体在兴趣主题上的差异性与可预测性进行讨论，研究为互动教学中的精准学习干预以及智能导学方法的设计提供了相关建议。

[关键词] SPOC论坛; 学习兴趣; 学习成效; 差异性分析; 回归分析

[中图分类号] G434            [文献标志码] A

[作者简介] 刘智（1986—），男，湖北武汉人。副研究员，博士，主要从事学习行为分析与文本挖掘等方面的研究。E-mail：zhiliu@mail.ccnu.edu.cn。

一、引   言

2019年5月，国际人工智能与教育大会形成的成果文件《北京共识》明确强调：“将人工智能平台和基于数据的学习分析作为构建终身学习系统的关键技术，实现人人皆学、处处能学、时时可学。”[1]如何在信息化环境中提供个性化和智能化学习服务，满足学习者和教师的个性化需求，并构建学习共同体以提升学习兴趣，是目前教育信息化2.0时代尚待解决的关键问题。

学习兴趣充分反映了学习者的个性化需求和学习动机，是促进个体学习过程中信息加工、概念理解、问题解决的有效助推器[2]。高校SPOC论坛作为师生交流的主要场所，承载着学习者和教学者之间互动交流的丰富信息，为了解学习者需求和兴趣偏好并提供个性化学习服务带来了契机[3]。在传统的线下课堂教学中，学习者的兴趣通常采用调查问卷、访谈、量表等测量工具进行分析和评价[4]，这导致兴趣数据来源过于主观和片面，阻碍了对学习者感兴趣内容的准确发现。相比传统课堂，网络学习环境下的数据来源更具多元化和规模化，评测工具和方法更加精确，这使得学习者兴趣模型的构建更为客观和全面[5]。但是，在线学习群体兴趣主题复杂多变，现有研究仅对论坛话语的情绪[6]、行为[7]或主题[8]进行了离散化孤立分析，尚未在时间维度上将情感和主题等多种特征进行联合概率建模来推测学习者的兴趣主题。同时，学习者在论坛中发表的不同兴趣主题和学习成效之间的关系并不明确[7，9]，且未充分发掘不同学习成效群体的兴趣发展动因，这也在一定程度上影响了个性化与适应性教学干预策略的有效实施。

鉴于现有研究的不足，本文旨在开发一种基于情感—主题时序建模的学习者兴趣主题挖掘算法，发现互动话语中学习者关键兴趣主题及其演化趋势，并探究不同学习成效学习者兴趣主题的差异性及其与学习成效的关系，为开展SPOC论坛中的高质量互动教学与适应性干预提供依据。

二、文献综述

（一）论坛中的兴趣挖掘

加拿大教育心理学家Hidi认为，学习兴趣与学习者知识及积极情感密切相关，是一种具有跨时间发展和相对稳定的内在动机倾向，能促进认知功能发展并提高学习成效[2]。在线论坛作为学习者自由表达个人诉求和意见的重要场所，分析其产生的丰富话语数据是获取学习者兴趣的有效途径[10]。国内外研究者一般使用基于LDA（Latent Dirichlet Allocation）文本主题建模算法客观量化论坛文本中的兴趣主题信息[11]。Chen等人考虑到论坛帖的上下文信息，将用户参与的主题帖与回复帖进行兴趣建模，可发现用户的严肃兴趣以及灌水类兴趣主题[12]。Wu等人认为对学习者知识操作行为的分析有助于发现其学习兴趣，将产生知识行为和收藏知识行为纳入学习者兴趣建模中进行考量，并证明了其在开放知识社区中挖掘学习者兴趣主题的有效性[7]。Liu等人将论坛发帖中的行为和情感倾向融入主题模型，以探索特定主题的情感倾向以及交互倾向[13]。Yang等人认为，兴趣应该更侧重时间维度的考量，在LDA模型中引入时间变量以探究用户兴趣主题词的演化趋势[14]。Jo等人将句子级LDA联合情感因素建立了主题方面与情感联合模型（Aspect and Sentiment Unification Model，ASUM），用于发现与情感密切相关的细粒度主题[15]。Peng等人采用行为、情感与主题联合概率模型，发现MOOC评论中主题的情感和发帖行为间的关联性及演化规律[9]。从研究现状来看，将互动话语中的主题、情感、时间和行为等特征联合建模是准确挖掘论坛用户兴趣的前沿方向。

（二）学习者话语与学习成效的关系研究

近年来，使用学习者在论坛中的话语互动表现进行学习成效评价与预测，已成为学习分析与教育数据挖掘领域的研究热点[16-19]。从2008年开始，研究者聚焦于学习者论坛交互中的情绪信息并探讨其与学习成效之间的关联性[20]。例如，Binali等人提出一种学习论坛文本的情绪挖掘方法，结果显示积极情绪与学习成效显著正相关[21]。2013年起，研究者侧重于联合文本中的主题、情感、认知行为、语义关联等特征共同探索其与学习成效的关系。卡内基梅隆大学Rose教授所领导的教学话语分析团队发现，MOOC论坛中学习者的高阶认知行为和群体正/负情感比值与学习成效呈正相关[22]。刘智等人探究了SPOC论坛中学习者话语行为与学习成效的关系，发现发帖数量与学习成效显著正相关[8]，困惑情绪和学习成效呈显著负相关[23]。与MOOC论坛不同的是，SPOC论坛是高等教育中混合式教学的重要辅助工具，教师除了利用其开展互动讨论、学习心得分享和答疑解惑外，更关注师生交互讨论中的群体学习兴趣语义内容及其发展动向。Goshtasbpour等人通过论坛对话的人工编码分析和问卷调查发现，教师与学习者的互动讨论对学习成效有积极影响[24]。何皓怡等人使用LDA模型挖掘学习者在培训论坛中的文本，发现高学习成效群体的主题词使用比低成效群体更为丰富[25]。Yan等人使用LDA模型分别提取学习者论坛和教师课件内容中的主题信息，并采用LSA（Latent Semantic Analysis）算法比较两组主题之间的语义相似性，以此来评价学习者在课程学习期间的互动参与度与学习体验[26]，但该研究并未进一步探究学习者参与度与学習成效的关系。Rezaei等人发现在非正式学习环境中，学习者之间的学习兴趣相似程度和相互交流能力是取得高学习成效的关键因素[9]。综上所述，采用多特征联合建模的方法挖掘学习者兴趣，探究其与教师教学内容和学习成效的动态关联，是现阶段SPOC论坛话语分析研究亟待解决的关键问题。