基于学习者评论数据挖掘的MOOC课程质量影响因素研究
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.
MOOC、课程质量影响因素、KANO模型、在线评论分析、质量提升
41
G420(教学理论)
国家自然科学基金;华中师范大学信息化与基础教育均衡发展省部共建协同创新中心重点项目;中央高校基本科研业务费资助项目
2023-02-20（万方平台首次上网日期，不代表论文的发表时间）
共11页
80-90
