基于主题建模和 NLP 预测 MOOC 学习者的课程兴趣

• 作者: 赵涵 李康 陆军装甲兵学院蚌埠校区
• 来源期刊: 科技与创新
• 学科: 工学
• 关键词: 大规模在线开放课程(MOOC) 文本挖掘 主题建模 NLP
• 年，卷（期）: 2024,（15）
• 页码范围: 135-138
• 页数: 4页
• 语种: 中文
• DOI: 10.15913/j.cnki.kjycx.2023.15.038

摘要

在虚拟学习环境中,大规模在线开放课程设置互动讨论的功能模块是必备内容。学习者在互动中,学习兴趣起着至关重要的作用。使用文本挖掘技术,利用学习者在论坛上发出/回复的文本内容,识别和提取讨论主题兴趣,以分析预测在线学习者们在MOOC中的真实课程偏好和学习兴趣。在数据收集和处理后,使用了LDA、LSI和BERTopic三种模型进行训练,并使用连贯性评价、人工评价等方法进行模型评估。结果表明,BERTopic在连贯性分数、生成主题的相关性和学习者课程兴趣的表示方面更加卓越。这启示通过将学习者的真正兴趣纳入课程选择过程,使得MOOC可以创造更加个性化和引人入胜的学习体验。