基于用戶評論對人工智能輔助學習的分析

【摘 要】人工智能的飛速發展讓各平臺相應推出人工智能服務以滿足用戶需求。本研究基于詞頻分析法和語義網絡分析模型，以“人工智能輔助學習”為主題，對Bilibili彈幕視頻網播放量前五的視頻評論內容進行分析，從文本特征的角度分析用戶對人工智能輔助學習這一現象的關注和討論，以期幫助用戶更好地理解并使用人工智能，以提高學習效率。

【關鍵詞】人工智能；用戶評論；熱點分析

一、人工智能應用場景

人工智能之父圖靈創立的自動機理論促進了人工智能的研究[1]。發展至今，人工智能的應用范圍已經涉及到各個領域。2016年AlphaGo在圍棋比賽中戰勝世界冠軍，企業研發自動駕駛汽車在街道上行駛，教育機構通過使用人工智能為學生定制個性化學習計劃。人工智能是否真的能幫助學生學習、提升學習效率，人們提出了諸多觀點，一部分人認為，人工智能輔助學習，能夠幫助學生更好地掌握知識。也有聲音指出，過度依賴人工智能會導致學生自主學習能力下降。我國學者許亞鋒等認為，人工智能時代的教育目標更強調高階思維、價值觀等要素，教學內容由標準化轉向定制化、教學組織形式更加靈活多樣[2]。學者趙洪山和鄭永進認為，高職院校應順應人工智能發展態勢，重視培養適應人工智能發展的技能，從而保障學生就業，促進技能型社會建設[3]。學者余勝泉指出，未來教育將是教師與人工智能教師協同共存的時代[4]。

百度推出人工智能模型文心一言，網易旗下有道翻譯推出了AI翻譯功能。小紅書、抖音等新媒體平臺也順應潮流，推出的AI繪畫創作、寫作一鍵生成等功能被用戶廣泛使用。

本文以人工智能輔助學習為主題，深入探索人們對這一領域的看法和期望。分析視頻評論區的用戶評論，能夠更全面地理解公眾對人工智能輔助學習的認知和態度。用戶評論涵蓋了各種觀點，包括對人工智能輔助學習潛力的樂觀態度，對其可能帶來的挑戰和問題的擔憂，以及對特定應用場景的期待和建議。對這些評論的深入分析，可以挖掘出用戶對人工智能輔助學習這一現象的關注點，包括效果、可靠性、倫理問題等。通過分析可以發現，用戶對人工智能輔助學習現象的關注傾向與討論角度，例如，一些人可能更關注技術的進步和應用前景，而另一些人可能把目光投向人工智能輔助學習對人類工作和生活的影響。

二、研究設計與方法

（一）研究設計

將評論區對這一類型視頻的評論文本作為研究文本。通過使用網絡爬蟲的方法，收集用戶評論，隨后對獲取的用戶評論進行清洗，構建關鍵字語義網絡圖，并從詞頻分析和語義網絡分析維度深入分析當前使用者對人工智能輔助學習的關注點。

使用ROST_CM6軟件對用戶評論文本進行分詞處理后，使用詞頻分析功能，對用戶評論出現的高頻詞匯進行分析查詢，確定當前用戶評論的關注點，隨后在這些熱點詞匯的基礎上構建語義網絡圖。ROST_CM6是由武漢大學的沈陽等研制的一款社會科學資料分析軟件，可以進行文字策略的分詞和聚類分析[5]。本文運用ROST_CM6分詞軟件進行用戶評論的語義網絡分析與關鍵詞提取及詞頻分析，通過當前環境下使用者使用人工智能輔助學習后的評論感受，對未來人工智能的規范化使用提供合理建議。

為了解大眾對人工智能輔助學習這一現象的關注點和討論點，保證樣本選取具有代表性，本文選擇Bilibili彈幕視頻網發布的以“人工智能輔助學習”為主題的播放量前五的視頻的評論區內容作為研究對象，通過網絡爬蟲對目標數據進行采集。隨后，去除“三連”等無意義詞語，對采集到的評論數據進行整理和清洗。對清洗后的數據進行詞頻統計分析，然后繪制詞語義網絡圖，對所得結果進行描述與分析。

（二）研究方法

1.詞頻分析

詞頻分析法，主要通過統計文本中各個詞匯出現的頻率以揭示文本的主要內容、主題和潛在的模式，目前被多次運用于政策類文本分析、用戶需求挖掘等領域。自二十世紀六七十年代文獻計量學正式形成后，在文獻計量學的發展與應用過程中，詞頻一直是重要的統計項目。詞頻分析是文獻計量學的基石之一，通過詞頻分析，研究者可以從大量的文本數據中快速提取出頻率最高的詞匯，這些詞匯往往代表了文本的主要內容和焦點。學者張潔等認為，詞頻分析法能夠對揭示文獻核心內容的關鍵詞出現的頻次進行統計，當某個關鍵詞在該領域反復出現時，該詞就能反映這一領域的研究重點及熱點[6]。學者金紅英和由亞男從游客體驗感知角度進行研究，以網絡文本和ASEB柵格分析相結合的方法，對新疆禾木村旅游產品進行深度分析，從而提出有效的營銷策略[7]。通過詞頻分析，研究者可以快速獲取用戶評論中的核心概念和熱點詞匯，這對于理解用戶對人工智能輔助學習的態度和興趣點有一定幫助。

2.語義網絡分析

語義網絡分析，側重于理解和分析詞匯之間的關系。構建語義網絡，可以揭示文本數據中隱藏的知識結構及其更加深層的意義，進而幫助理解詞語之間的隱含主題、概念模式和結構關系。在體現語義網絡分析結果的圖形中，某一節點的連通性反映了該詞語在網絡中的重要性，而連接數較多的節點通常被認為是網絡中的核心概念或實體。在用戶評論中，如果發現兩個關鍵詞同時出現的次數較多，并且它們的連接頻率較高，則意味著關鍵詞之間可能存在某種功能關系、情感傾向或是文本背景所涉及的研究趨勢、社會熱點。

詞頻分析提供的詞匯頻率信息可以為語義網絡分析提供數據支持，而語義網絡分析揭示的詞匯關系則可以進一步驗證和解釋詞頻分析的結果。二者相互結合可以更全面地揭示用戶對人工智能輔助學習的看法、關注重點和討論角度，為相關研究提供依據。

三、用戶對人工智能多元化的需求

（一）“人工智能輔助學習”主題的視頻評論收集

為保證用戶評論的客觀性和有效性，在用戶評論選擇階段通過搜索以“人工智能” “學習”等為關鍵字的視頻進行篩選。研究視頻選取了以Bilibili彈幕視頻網站中播放量較高、評論數量較高、討論數量較多的人工智能學習相關視頻，以保證視頻樣本選取的有效性。評論內容為“我把寫好的代碼給它，讓它幫我糾錯，結果它告訴我它不行？”的回復得到400多點贊和網友的討論；另一條“那又如何？就因為有人會失業，所以拒絕科技進步？”的評論得到了7000多點贊；也有網友對于學生使用人工智能輔助學習的現象發出疑惑“很多學生沒有老師的情況下會自主用它學習嗎？”，該評論引起了400余條討論。

（二）用戶評論數據處理

隨著新媒體平臺的發展，用戶在評論區留下的評論信息和在視頻中發布的彈幕數據都已成為不可忽視的研究數據。然而，新媒體平臺上的評論信息在準確性上存在一定的不足。首先，新媒體平臺上的評論信息時間點不一。有些評論可能是過去發布的，他們發布評論時，人工智能還沒有得到廣泛應用，這些評論不再適用當前環境。其次，獲取到的用戶評論也存在不真實、不客觀等問題。

雖然Bilibili彈幕視頻網站用戶評論有效性相對其他視頻網站較高，但仍有一部分評論屬于無效評論。對收集到的數據進行觀察，制定數據清洗規則：第一種是重復評論。賬號信息及評論內容完全一致的信息，研究中需要從原始的評論數據中刪除。這類信息可能是因為用戶出現誤操作或者平臺數據出現異常而導致的。第二種是打卡類觀光評論。這類用戶喜歡在不同類型視頻下方留言，所評論內容和視頻內容完全無關。

四、“人工智能輔助學習”視頻的主要特征

（一）高頻詞特征

隨著視頻網站的不斷發展，所選視頻網站特有的“三連”等詞語未添加進詞庫中，也有“支持UP主”“助力熱門”等無關評論。因此，本研究中選擇了具有一定準確性的人工方法進行分詞，將部分連續的評論語句分解成一個個單獨的詞匯。隨后將分詞后的文本數據導入軟件中，利用其功能進行高頻特征詞的分析。在處理過的文本上進行詞頻統計，以此來獲取文本的詞頻數據（見表1）。

在文本評論中，高頻詞匯通常表示了評論中的主要話題、用戶的關注點或者文本的核心內容，也可能表達了用戶對于某一主題的情感傾向，而在特定情境或主題的評論中，高頻詞匯可能與情境或主題緊密相關。在以“人工智能輔助學習”為主題的用戶評論中，當前用戶評論的關注點，大致分為以下三種：

（1）對視頻主題的表述?！皩W習”“問題”“學生”三個詞的詞頻最高，是對“人工智能輔助學習”這個主題的描述。由此分析得知，在以“人工智能輔助學習”為主題的視頻中，“學習”是人們表達的主體對象。

（2）對人工智能使用規范的表述。“寫作”“軟件”“程序”等詞匯表達的是使用者在使用人工智能時，對自身需求的闡述及要求，并期望通過人工智能可以幫助解決?！笆召M”“免費”等詞匯是使用者在使用人工智能完成工作時產生的顧慮。付費的人工智能可以為使用者提供精準度更高、更符合使用者需求的內容，然而其增加了使用者的成本。而使用者在使用免費的人工智能時，其平臺給出的結果未必符合使用者需求，需要使用者反復詢問，反復對話，才能提供更加清晰的學習思路，卻增加了使用者的時間成本，使其效率低下。與此同時，使用者對隱私性的要求也被納入使用者對人工智能平臺使用的考慮中。

（3）對人工智能未來發展的表述?！袄蠋煛薄皩W生”“取代”等詞匯表述的是使用者基于對人工智能輔助學習這一觀點，討論人工智能的興起是否可以在一定程度上替代教師工作。“AI是否可以幫人完成工作”等話題，同樣是使用者對人工智能未來發展的探討和描述。

（二）情緒特征

評論文本中積極情緒占45.96%，中性情緒占38.83%，消極情緒占15.21%，說明在使用人工智能輔助學習這一過程中，大多數呈現積極傾向（見表2）。這意味著絕大部分Z世代使用者認為，人工智能可以很好地輔助人們學習，幫助他們減輕心理負擔，提供個性化需求，從而減少現實環境所帶來的學習壓力，進而提高學習和工作效率。從評論的語句分析結果上來看，消極情緒多為對人工智能的懷疑，認為人工智能不能幫助使用者解決問題。中性情緒多為討論人工智能未來發展趨勢，認為人工智能可以幫助人們節約時間，但不能完全代替人工，認為人工智能會促使人們進行對自我技能的磨練和增長。由情緒分析結果可知，在使用人工智能輔助學習的過程中，人們更容易產生積極情緒，反映了人們對使用人工智能輔助學習持積極態度表示認可。

（三）語義網絡特征

使用ROST_CM6軟件中的語義網絡分析功能整理形成了高頻詞匯語義網絡圖（見圖1）。語義網絡圖的繪制是基于對數據文本的高頻詞匯分析，將評論語句中共現的高頻詞匯用線段連接，從而構造可視化圖形。在語義網絡圖中，線條越密集，表示該詞匯與其他詞匯共現的次數越頻繁。

使用人工智能目前以網站為主要途徑，輔助學習的需求仍在進一步提升，并希望其能夠更加智能化，為使用者提供更多的學習思路與靈感。與“教師”“問題”相連密切的還有“使用”“知識”，這說明盡管人工智能已經可以解決使用者部分問題，但是在使用人工智能的過程中，仍然需要教師予以幫助，以加深對知識的理解。

五、結語

目前，人工智能正處于一個快速發展和應用的時期。人工智能已經經歷了從最初的圖靈測試，到機器學習和神經網絡等方法，進而發展到了如今的自動駕駛、智能機器人、自然語言處理等領域。數據的精準化分析、各類智能平臺的靈活應用促進了個性化學習，有利于使用者自我學習與診斷。隨著技術的進步，人工智能正在不斷改變人們的工作方式、生活方式和思維方式。

人工智能的應用，使得人們在學習效率上實現了巨大的飛躍，這種進步體現在學習的速度、深度和廣度上。人工智能為用戶提供的自動化知識管理，可以幫助學習者快速定位到所需的知識點，節省了用戶在檢索和獲取知識上的時間。這種自動化的服務，使得學習變得更加高效，也讓使用者能夠更好地進行知識整合和應用。它通過個性化的學習推薦、智能化的教學輔助、自動化的知識管理等手段，極大地豐富了學習體驗，提高了用戶的學習成果。

人工智能為用戶自主高效學習提供了新的契機，同時也更需要多方面加以考量。不僅需要出臺相關政策推進人工智能的發展，保障使用者個人信息的安全性，也增加更多可提供個性化學習定制的人工智能平臺，確保人工智能平臺使用更加規范。而面對被質疑可能會被人工智能所替代的教師行業，不僅需要增加多領域的學習，也需要能夠靈活使用人工智能來輔助教學工作，通過人工智能使學習過程更加互動和趣味；學生需要不斷增加自身知識儲備，為更高效使用人工智能提供相關知識基礎，培養獨立思考和解決問題的能力。人工智能的發展勢不可擋，互聯網的發展讓人工智能對軟件、硬件及道德倫理等方面提出了更加嚴格的要求。面對人工智能技術的迅速發展，在迎接人工智能時代到來的同時，人們更應不斷深入學習。

隨著公開共享的人工智能模型平臺的增加，人工智能模型提供的相關信息將越發聚焦于用戶需求，并能提供更加準確的信息，引起越來越多研究者的關注。

注釋：

[1]蔡自興.中國人工智能40年[J].科技導報，2016，34（15）：12-32.

[2]許亞鋒，高紅英.面向人工智能時代的學習空間變革研究[J].遠程教育雜志，2018，36（01）：48-60.

[3]趙洪山，鄭永進.人工智能背景下高職學生就業技能提升研究[J].教育與職業，2024（04）：92-96.

[4]余勝泉.人工智能教師的未來角色[J].開放教育研究，2018，24（01）：16-28.

[5]張莉，楊劍.基于ROSTCM的安徽省科技創新政策文本量化分析[J].技術與市場，2021，28（05）：30-33.

[6]張潔，王紅.基于詞頻分析和可視化共詞網絡圖的國內外移動學習研究熱點對比分析[J].現代遠距離教育，2014（02）：76-83.

[7]金紅英，由亞男.基于網絡文本和ASEB柵格分析的體驗營銷策略研究——以新疆禾木村為例[J].四川旅游學院學報，2018（06）：66-69.

參考文獻：

[1]彭佳玲，周茂林，楊青.公眾對上門護理服務的態度和關注點：基于網絡爬蟲的文本挖掘[J].護理學雜志，2023，38（05）：110-113+116.

[2]李實，葉強，李一軍 等.中文網絡客戶評論的產品特征挖掘方法研究[J].管理科學學報，2009，12（02）：142-152.

[3]阮光冊.基于LDA的網絡評論主題發現研究[J].情報雜志，2014，33（03）：161-164.

[4]陸泉，曹越，陳靜.基于語義關聯與模糊聚類的共詞分析方法[J].情報學報，2022，41（10）：1003-1014.

（作者單位：桂林電子科技大學商學院）

責編：劉純友