摘 要：为深入探究在线课程评论文本数据，有效识别出参与在线学习过程中学习者关注的话题，改进在线学习效果，该研究利用 LDA 主题模型对课程评论文本进行主题挖掘。实验结果表明，学习者在线课程评论话题主要聚焦在授课方式、受众群体、学习平台、教学效果、课程质量五个方面。因此，可以根据这五个主题对在线学习平台进行建设，进而提高学生在线学习效果。
关键词：LDA；MOOC；课程评论；文本分析
DOI:10.19850/j.cnki.2096-4706.2023.04.011
基金项目：凯里学院联合培养研究生专项课题（LHYJS2101）
中图分类号：TP391.1 文献标识码：A 文章编号：2096-4706（2023）04-0043-04
Analysis of MOOC Course Review Text Based on LDA Topic Model
LAI Xianjing
(School of Education Science, Kaili University, Kaili 556011, China)
Abstract: In order to deeply explore the online course review text data, effectively identify the topics that learners pay attention to in the online learning process, and improve the online learning effect, this study uses the LDA topic model to mine the topic of the course review text. The experimental results show that learners' online course review topics mainly focus on five aspects: teaching methods, audience groups, learning platforms, teaching effects, and course quality. Therefore, the online learning platform can be built according to these five themes, so as to improve the online learning effect of students.
Keywords: LDA; MOOC; course review; text analysis
参考文献：
[1] 中国互联网信息中心 . 中国互联网络发展状况统计报告[EB/OL].（2021-9-15）.http://www.cnnic.cn/NMediaFile/old_attach/P020210915523670981527.pdf.
[2] 王永固，张庆 .MOOC：特征与学习机制 [J]. 教育研究，2014，35（9）：112-120+133.
[3] 蒋卓轩，张岩，李晓明 . 基于 MOOC 数据的学习行为分析与预测 [J]. 计算机研究与发展，2015，52（3）：614-628.
[4] 孔啸，刘乃嘉，张梦豪，等 .COVID-19 疫情前后高校在线教学数据分析 [J]. 清华大学学报：自然科学版，2021，61（2）：104-116.
[5] 景永霞，苟和平，刘强，等 . 基于主题模型的在线课程评论情感分析研究 [J].兰州文理学院学报：自然科学版，2020，34（1）：54-56+61.
[6] 刘三女牙，彭晛，刘智，等 . 面向 MOOC 课程评论的学习者话题挖掘研究 [J]. 电化教育研究，2017，38（10）：30-36.
[7] 吴林静，刘清堂，毛刚，等 . 大数据视角下的慕课评论语义分析模型及应用研究 [J]. 电化教育研究，2017，38（11）：43-48.
[8] 胡荣，崔荣一，赵亚慧 . 基于情感词典的课程评论情感分析 [J]. 延边大学学报：自然科学版，2019，45（2）：153-160.
[9] 韩亚楠，刘建伟，罗雄麟 . 概率主题模型综述 [J]. 计算机学报，2021，44（6）：1095-1139.
[10] 肖明，商慧语，肖毅，等 . 基于 LDA 模型的统计学热门主题挖掘及知识图谱分析 [J]. 华中师范大学学报：自然科学版，2022，56（5）：781-788+802.
[11] 杨萌萌，黄浩，程露红，等 . 基于 LDA 主题模型的短文本分类 [J]. 计算机工程与设计，2016，37（12）：3371-3377.
[12] 刘三女牙，彭晛，刘智，等 . 面向 MOOC 课程评论的学习者话题挖掘研究 [J]. 电化教育研究，2017，38（10）：30-36.
[13] 陈秀明，张晨晨，王峰，等 . 基于 LDA 主题模型的MOOC评论回复特征维度分析 [J].阜阳师范大学学报：自然科学版，2021，38（4）：73-81.
[14] 王洪鑫，闫志明，陈效玉，等 . 面向 MOOC 课程评论的主题挖掘与情感分析研究 [J]. 开放学习研究，2021，26（4）：16-23.
[15] BLEI D M，NG AY，JORDAN M I. Latent dirichlet allocation [J].Journal of Machine Learning Research，2003（3）：993-1022.
[16] 阮光册 . 基于 LDA 的网络评论主题发现研究 [J]. 情报杂志，2014，33（3）：161-164.
[17] HANNIGAN T R，HANNS R F J，VAKILI K，et al. Topic Modeling in Management Research：Rendering New Theory from Textual Data [J].Academy of Management Annals，2019，13（2）：586-632.
[18] DU Y J，YI Y T，LI X Y，et al. Extracting and tracking hot topics of micro-blogs based on improved latent dirichlet allocation [J]. Eng Appl Artif Intell，2020，87（C）：103279.
作者简介：赖显静（1998—），女，汉族，贵州瓮安人，硕士在读，研究方向：在线教育。