基于学习者评价文本挖掘的在线课程质量提升研究

随着大规模开放在线课程的涌现,在线教育正从注重课程资源积累向强调课程质量转型。作为表征隐性学习行为的课程评价数据,其蕴含着学习者对课程质量的感知,对其进行分析有益于为在线课程的质量提升提供参考。本文利用从中国大学MOOC和Coursera平台获取的2000余门课程的21万余条评价数据,通过数据预处理、分词及词性识别、依存句法分析、评价和期望观点抽取、评价情感识别等步骤对其进行文本数据挖掘。分析结果表明:一方面,学习者的评价多关注课程的内容、设计及质量,教师思路清晰、课程内容讲解详细、授课方式生动有趣、具有实践教学内容的课程更受欢迎;另一方面,学习者对于课程的改进期望主要聚焦于课程学习支持、课程内容及设计、授课方式及交流互动。上述发现可以帮助教育机构和教师从课程建设、教学模式改革以及平台功能优化等方面提升在线课程质量。