隨著互聯(lián)網(wǎng)生活的推進,網(wǎng)絡(luò)教育發(fā)展突飛猛進,在線教育以互聯(lián)網(wǎng)絡(luò)課程的研究很多,但是探討交互模式得影響的文獻相對較少。本研究通過探討用戶使用帶有彈幕的在線網(wǎng)絡(luò)課程的驅(qū)動因素,來幫助在線學習視頻網(wǎng)站完善彈幕使用機制、提供課程推薦機制建議、幫助教師提升課程結(jié)構(gòu)、優(yōu)化授課方式。本研究的主要內(nèi)容分為以下三個方面:(1)首先對關(guān)于“在線教育”、“彈幕”等相關(guān)文獻進行研究,借助認知負荷理論、信號傳遞理論,提出彈幕交互氛圍與認知壓力對于用戶選擇在線網(wǎng)絡(luò)課程的影響,并補充課程質(zhì)量、授課性質(zhì)、課程分類等變量來完善模型。(2)基于彈幕視頻網(wǎng)站Bilibili,對選取的課程彈幕進行彈幕內(nèi)容爬蟲,利用貝葉斯分類器區(qū)分彈幕間互動類型,利用百度情感分析工具情感分析對彈幕進行情感傾向分析,輸出定量指標。(3)使用SPSS軟件,對上述提取的指標進行線性回歸分析,并探討課程類型、彈幕信息等因素的調(diào)節(jié)作用。研究結(jié)果顯示:(1)彈幕的內(nèi)容型互動和社交型互動、彈幕噪音、課程質(zhì)量和課程分集對于用戶持續(xù)使用意愿存在顯著正向影響。(2)不同課程類別對于社交互動得分和用戶持續(xù)使用意愿存在不同調(diào)節(jié)影響。(3)不同授課模式對于社交互動得分...

【文章頁數(shù)】：85 頁

【學位級別】：碩士

【部分圖文】：

圖1-3技術(shù)路線圖

研究的技術(shù)路線圖如圖1-3所示:1.4.2研究方案

圖2-1基于語義的情感詞典方法

情感分類的第一步就是要創(chuàng)建情感詞典,目前中英文主流的創(chuàng)建方法一般是在現(xiàn)有的詞典的基礎(chǔ)上,進行拓充生成新的詞典。另外,還可以根據(jù)研究領(lǐng)域的獨有性和專門性來創(chuàng)建其特有的情感詞典,這樣的詞典的針對性較好,可以顯著提升分類的效率。另外一種創(chuàng)建方法是利用傾向性計算算法,該算法主要是采用了權(quán)....

圖2-2基于機器學習的情感分類方法

Pang等利用詞袋模型抽取情感特征并使用貝葉斯模型和支持向量機模型等機器學習方法,成功地將評論分為正負兩類[29]。在眾多機器學習方法中,他們的研究展示支持向量機模型的分類準確率達到80%,其準確率最高。對于文本情感傾向的分類的準確率是很難提升的,它和普通的文本類別區(qū)分是不完全一....

圖2-3特殊彈幕樣式

H9:彈幕特殊模式對于交互氛圍、認知負荷與課程持續(xù)使用意愿存在調(diào)節(jié)作用。2.3.6課程特點的調(diào)節(jié)作用

本文編號：4001518