基于LSTM模型的学生反馈文本学业情绪识别方法

摘要：

分析学生学习过程产生的反馈文本,是发现其学业情绪的重要方式.传统的学业情绪测量方法主要包括使用学业情绪测量问卷和访谈分析,但这两种方法难以大规模地应用于在线教育环境.本研究旨在通过构建学业情绪自动预测模型,对大量学生反馈文本进行快速有效的学业情绪分类.研究首先利用词向量训练工具,将文本转化为多维向量;然后基于深度学习网络LSTM构建学业情绪预测模型,以文本的多维向量作为模型输入;最后经过多轮训练,优化模型参数.实验显示,上述模型可快速有效识别学生反馈文本中所包含的学业情绪,该模型在测试数据集上的学业情绪识别准确率可达89％.

关键词：人工智能教育应用、学业情绪、LSTM、自然语言处理

所属期刊栏目：25

分类号：G436(电化教育)

资助基金：教育部在线教育研究中心2017年度在线教育研究基金全通教育课题"在线教育系统中学生反馈文本的情感分析技术与应用研究"2017YB126;中央高校基本科研业务费华东师范大学青年预研究项目"课堂环境中基于面部表情识别的师生情感模式及应用研究"2017ECNU-YYJ039;上海市科委科技攻关重大项目"上海数字化教育装备工程技术研究中心能力提升项目"17DZ2281800

在线出版日期：2019-05-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：114-120