基于主题建模和NLP预测MOOC学习者的课程兴趣

摘要：

在虚拟学习环境中,大规模在线开放课程设置互动讨论的功能模块是必备内容.学习者在互动中,学习兴趣起着至关重要的作用.使用文本挖掘技术,利用学习者在论坛上发出/回复的文本内容,识别和提取讨论主题兴趣,以分析预测在线学习者们在MOOC中的真实课程偏好和学习兴趣.在数据收集和处理后,使用了 LDA、LSI和BERTopic三种模型进行训练,并使用连贯性评价、人工评价等方法进行模型评估.结果表明,BERTopic在连贯性分数、生成主题的相关性和学习者课程兴趣的表示方面更加卓越.这启示通过将学习者的真正兴趣纳入课程选择过程,使得MOOC可以创造更加个性化和引人入胜的学习体验.

关键词：大规模在线开放课程(MOOC)、文本挖掘、主题建模、NLP

分类号：TP391.1(计算技术、计算机技术)

在线出版日期：2023-09-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：129-132