網絡課堂在線評論的挖掘分析
——以網易公開課《王陽明心學》為例

張 瑩 宋 磊 韓 丹 蔡永明

濟南大學商學院 山東濟南 250022

一、引言

自美國麻省理工學院2001年啟動開放課程運動后，各國200多所名校逐漸加入開放課程體系。近年來，國內網絡教育平臺進入飛速發展時期，目前較著名的平臺主要有網易公開課、MOOC學院、Coursera等。大量優質課程資源在各大學習平臺聚集，涵蓋國內外高校開設的精品開放課程，學習者可以通過網絡挑選課程并進行自主學習。然而，面對海量的學習資源，學習者如何快速找到適合自己的課程資源成為一大難題。學習者大多通過課程簡介選擇課程，很多人往往花費了數小時之后才發現課程內容、講授方式并不適合自己。因此，急需一種方法幫助學習者快速、有效地把握課程內容、講課風格及講授質量。

在網絡課程內容評價方面，早有研究者從各個角度給出評判。宋志明[1]提出傳承知識、啟迪智慧，滿足學習者的學習需求是網絡公開課的主要目的。劉進軍(2011)[2]提出要建立完善的評價體系，實行學生和專家打分評價的模式。孫傳遠(2013)分析愛課程網的評論內容得出了開放課程質量評價的八個維度，給出正面或負面的評價傾向[3]。上述研究主要停留在人工評價方面，面對海量課程信息該方法費時費力，效率不高。本文利用LDA文本挖掘技術通過抽取用戶評論的主題，獲取課程的內容主題及用戶評論的情感傾向，為后來學習者提供課程選擇的重要依據。

二、相關理論

潛在狄利克雷分配模型LDA是由DavidM.Blei等人在2003年提出的一種概率主題模型。其在PLSA基礎上，增加了文檔-主題分布及主題-特征詞的Dirichlet共軛先驗，生成一種更完備的概率主題模型。其貝葉斯生成圖如圖1所示。圖中，K為主題個數，M為文檔總數，Nm是第m個文檔的單詞總數。 是每個主題下詞的多項分布的 Dirichlet先驗參數，是每個文檔下主題的多項分布的 Dirichlet先驗參數。Zm,n是第m個文檔中n個詞的主題，Wm,n是m個文檔中的n個詞。兩個隱含變量 m和 k分別表示第m個文檔下的主題分布和第k個主題下的單詞分布，前者是k維(k為主題總數)向量，后者是v維向量（v為詞典中單詞的總數）。

圖1 LDA貝葉斯生成模型圖

文檔的生成過程可描述為：首先，依據參數 ，生成文檔-主題多項式分布 和主題-單詞多項式分布 ；其次，對第m篇文檔，隨機抽樣 得到文檔中每個詞的主題分布 m；根據所得每個詞所在的主題k，隨機抽樣 k到主題上的一個單詞。持續該過程直到生成整篇文檔。

三、實驗分析

本文以網易公開課浙江大學《王陽明心學》為研究對象，該課程共9集，由浙江大學董平老師主講，目前在網易公開課平臺上有5874人參與學習，579人跟帖評論。自課程站點(http://open.163.com/movie/2011/10/F/G/ M7GF17HPS_M7GHGQTFG.html)利用火車頭軟件抓取該頁面中的用戶評論數據，部分評論數據如下面圖2所示：

圖2 《王陽明心學》網絡評論數據

為保證分類過程中各環節的透明化，以減少中間過程的不可控因素，因此分詞方法主要采用中科院ICTCLAS分詞系統進行分詞，經過分詞、去除重復詞匯和停用詞、以及網頁非文字符號，生成分析語料庫。對模型進行訓練以獲取最優參數的設定，將LDA模型中超參數 和 設為默認值 =50/k，=0.01，迭代次數設置為1000次。本文采用困惑度結合肉眼觀察結果，模型主題數最終確定為4個。從主題分布上看，比較突出的主題詞是“王陽明”，查看相關主題詞主要有：“不錯”、“內容”、“平淡”、“唯心”……，分析可見該課程隸屬唯心主義范疇，內容尚可，講課風格比較平淡。

四、結論

對網絡課程的在線評論進行主題抽取，能快速獲取評論中的有效信息內容，為后來學習者和主講教師提供了重要的參考依據。不足之處在于，受分詞影響，主題挖掘僅能獲取零散的用戶評論中的情感詞，未能全面刻畫課程不同緯度的精確情感傾向。因此，下一步擬針對網絡課堂在線評論展開意見挖掘研究。

[1]宋志明.視頻公開課“中國傳統哲學通論”建設的經驗與體會[J].中國大學教學,2012,(1)：13-15.

[2]劉進軍.視頻公開課:有挑戰才有價值[J].中國教育網絡,2011,（7）：20.

[3]孫傳遠,劉玉梅.中國大學視頻公開課評價——基于愛課程網“精彩評論”的內容分析研究[J].現代教育技術,2013,23(12):91-95.