基于学习者评论数据挖掘的MOOC课程质量影响因素研究 |
| |
引用本文: | 刘清堂,尹兴翰,吴林静,曹天生,陈亮.基于学习者评论数据挖掘的MOOC课程质量影响因素研究[J].远程教育杂志,2023(1):80-90. |
| |
作者姓名: | 刘清堂 尹兴翰 吴林静 曹天生 陈亮 |
| |
作者单位: | 华中师范大学人工智能教育学部 |
| |
基金项目: | 国家自然科学基金项目“数据驱动的在线学习协作会话过程监测与干预机制研究”(项目编号:72174070);;中央高校基本科研业务费资助(项目编号:CCNU22JC011)的研究成果; |
| |
摘 要: | 理解学习者MOOC课程学习的体验和需求,是促进MOOC高质量可持续发展的重要途径。基于学习者评论数据挖掘,可以揭示学习者情感体验与课程质量因素之间的关系,并为分析不同学科课程的差异提供有效支持,弥补现有研究的不足。为此,开展了基于学习者视角的MOOC课程质量影响因素研究,首先以文本挖掘技术为基础,客观地从MOOC课程学习者评论数据中提取出课程管理、课程设计、学习平台、学习任务、学习材料、课程教师、课程内容及学习体验八个课程质量影响因素。其次,构建了基于学习者满意度和关注度的KANO分类模型,以评估课程质量影响因素的重要性程度,并对两类课程进行差异性分析和对影响因素之间进行相关性分析。结果表明:学习者对人文社科类和自然课程类课程的评价在课程设计、学习材料、课程教师、课程内容及学习体验上存在显著差异;而学习任务在两类课程中的评价均为最低;并且通过可视化揭示了不同类别课程的KANO模型分类结果和影响因素之间的关系。最后,针对不同学科课程的特点,提出课程优化建议,对MOOC课程质量的改进与提升具有重要指导意义。
|
关 键 词: | MOOC 课程质量影响因素 KANO模型 在线评论分析 质量提升 |
|