lstm模型_基于LSTM模型的学生反馈文本学业情绪识别方法

| 全文共8155字,建议阅读时长8分钟 |

本文由《开放教育研究》授权发布

作者:冯翔 邱龙辉 郭晓然

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

在线学习平台上记录了大量基于文本的学生评论反馈,如何挖掘这些评论文本中隐含的有效信息,受到众多研究者的关注。情绪分析是文本挖掘的重要研究方向,近年来已应用于众多领域。与网络舆论、商品评论等领域不同,学生评论中还隐藏了学业情绪,包含积极高唤醒、消极高唤醒、积极低唤醒、消极低唤醒四类学业情绪(Pekrun et al.,2011)。这些学业情绪影响着学生的身心健康、认知过程等(Ainley et al.,2005;Pekrun et al.,2002)。关注学生的学业情绪对学生的认知提升、身心健康的发展都有重要意义。传统的学业情绪测量方法主要基于访谈和测量问卷,但由于规模限制,这种测量方法难以广泛应用于实际教学。随着人工智能技术的快速发展,采用机器学习的方法自动化、智能化地识别学业情绪是一种新的发展趋势。本研究基于深度学习中的长短期记忆网络(Long Short- Term Memory,简称LSTM)构建教育领域学业情绪识别模型,通过将LSTM模型与教育领域深度融合,快速发现学生反馈文本中的学业情绪类型,为自动化识别学业情绪提供一种新的手段和方法。

一、研究综述

(一)学业情绪

学生在学习过程中能够体会到不同的情绪,例如对一门课程或知识点掌握后的愉快感、考试过程中的焦虑感等。这些学习体验与课堂教学、课外学习和学业成就有直接关系。2002年,德国心理学家佩克伦等(Pekrun et al.,2002)将学习过程所有环节中与学生学业学习活动体验相关的各种情绪统称为学业情绪。俞国良等人(2005)将学业情绪的范围进一步扩大,认为它不仅包括学生在获悉学业成功或失败后所体验到的各种情绪,还包括在课堂学习、日常完成作业过程中以及在考试期间的情绪体验等。

学业情绪对学生成长的重要性不容忽视。美国教育研究联合会在1998年召开了主题为“情绪在学生与学业成就中的关系”的年度学术会议,突出了情绪研究对学生与学业的重要性。佩克伦等(Pekrun et al.,2002)指出学业情绪与学业动机、兴趣、意愿和努力等联系密切。情感、情绪、态度等因素对问题解决能力也有重要影响(魏雪峰,2017)。诸多实证研究(王瑞红,2009;俞国良,董妍,2005)表明,学业情绪在很大程度上能够预测学生的学业成就。海亚特等人(Hayat et al.,2018)通过收集800名医学院学生的学业情绪相关数据,发现积极的学业情绪(如希望、自豪等)与学业成绩有显著的正相关关系,享受、希望、骄傲和羞愧的学业情绪可以预测学生学业成绩的差异。王瑞红(2010)通过对398名高职院校的学生进行问卷调查和学业成绩测量,发现学生学业情绪各量表分数与学业成绩之间存在相关关系。

目前的研究大多关注学生面部表情所体现的学业情绪,如江波等(2018)基于在线教辅系统,提出种针对面部表情的困惑类学业情绪检测方法,为智能教学系统中教学干预提供参考价值。然而,学业情绪不仅体现在面部表情,也体现在课程评论、交流讨论文本等学习反馈文本中。对文本中学业情绪的挖掘,能够为教师优化教学内容与课程设计提供指导方向,从而提高学生在线学习体验,降低网络学习的辍学率。

(二)学业情绪的分类

早期对学业情绪的研究主要集中在负面情绪,教师希望掌握学生在考试过程中所经历的焦虑、学习过程中的学业倦怠。在学业情绪的分类上多数学者将其分为积极和消极两个维度,如正性负性情绪自评量表(The Positive and Negative Affect Scale),但这种分类方法难以包含学生学习过程中经历的所有情绪体验。

佩克伦等(Pekrun et al.,2011)在学业情绪理论的基础上,以愉悦度和唤醒水平为分类标准进行研究后发现,不同年龄段学生所经历的学业情绪也会有细微差别。1993年,布莱恩·派崔克(Bian Patrick)及其研究团队研究了儿童在学习活动中所经历的学业情绪,发现积极情绪(兴趣、高兴、放松)、厌倦、痛苦和生气四类情绪是学习活动中主要的情绪体验(Pa

  • 0
    点赞
  • 10
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值