11、高等教育中在线学习者的情感分析：基于非结构化数据的学习视角

高等教育中在线学习者的情感分析：基于非结构化数据的学习视角

1. 引言

在当今的教育领域，传统的课堂学习正逐渐向在线学习转变。高等教育机构为学习者提供了部分课程的在线学习服务，学习者无论身处何地，无论是否就业、是专业人士还是学生，都能随时利用这一便利进行学习。学习的动机可能是为了获得工作机会，也可能是为了提升个人形象。

在线学习过程会产生大量关于学习者、课程、教师和学习情况的数据。收集、分析和测量这些在线教育数据以改进教育的过程被称为学习分析。学习者对特定课程和/或教师有着自己的情感、观点、情绪和态度，分析这些情感对于确定在线学习的有效性至关重要。近年来，情感分析的应用范围从在线产品评论扩展到社交媒体文本、图形以及在线学习平台的反馈等领域。

情感分析，也称为意见挖掘，自2004年以来成为发展最快的研究领域之一。它被定义为“分析人们对产品、服务、组织、个人、问题、事件、主题及其属性等实体的意见、情感、评价、态度和情绪的研究领域”。情感分析在多个领域得到了广泛应用，如客户对产品的评价、金融市场预测、政治活动反应、公众意见等。在高等教育中，了解在线学习者的积极和消极情感有助于教师更好地理解学生，优化课程结构，改进教学方法。

然而，目前分析的情感主要基于学习者对课程安排、教师表现、课程大纲等方面的结构化数据。而全球在线论坛上的情感表达多为不完整的短句、行话、图像、表情符号等非结构化数据，这使得分析更加困难，但也更能真实地反映学习者的感知学习情况。本研究旨在探索在线学习者以非结构化数据形式呈现的情感，以预测他们通过在线平台的感知学习情况。具体而言，我们试图回答以下问题：如何分析在线学习者以非结构化数据形式存在的情感，以预测他们通过在线平台的感知学习情况？

<