张静 胡朕豪 陈倩倩 韩映雄

[收稿日期] 2021-01-12

[基金项目] 国家社会科学基金“十三五”规划2018年度教育学重点课题（AFA180012）

[作者简介] 张静（1995—），女，四川广安人。硕士研究生，主要研究方向为高等教育评价。 *[通信作者] 韩映雄（1971—），男，寧夏固原人。博士，教授，博士生导师，主要研究方向为高等教育评价、教育质量管理。

[ 摘 要] 为探究线上“金课”的学习体验结构，揭示线上“金课”的学习体验现状，采用文本分析法对中国大学MOOC平台的592门线上“金课”的原始评价数据进行挖掘。研究发现，线上“金课”的学习体验包括“知、情、媒、行”4要素，分别是学习收获、情感体验、交互媒介和教学行为。线上“金课”的学习体验整体较好，这表现在学习者的课程评价平均分较高，且“知”“情”“行”3类学习体验要素中很少包含消极词汇，课程评价文本中学习者的情感体验多数是积极正向的。研究也发现，线上“金课”的交互媒介存在问题，体现在视频功能不够、互动功能不足和资源功能不全。

[ 关键词] 慕课;线上“金课”;学习体验;课程评价

[ 中图分类号] G642 文献标识码] A [文章编号] 1005-4634（2021）03-0048-05

0 引言

线上“金课”即国家精品在线开放课程，教育部自2017年以来已认定并推出2 000余门线上一流课程。这些课程的推出不仅代表我国在线教育的整体水平，也为学习者提供了更多优质的课程资源。有关线上“金课”的研究能够在一定程度上体现国家级一流本科课程的运行情况。在我国，目前线上“金课”的研究主要集中于建设意义、特点和内容[1]，建设现状、问题和对策[2-5]以及个别课程的案例分析等方面[6]，侧重于从课程建设的视角看待线上“金课”的价值。但是，学习者作为在线课程的直接受众，他们是如何评价线上“金课”的呢？基于学习者的视角，这些课程给他们的学习体验是怎样的？其学习体验具体又由哪些要素构成？关注学习者的体验有助于及时发现线上“金课”运行以来的基本情况和问题，从学习者的角度反映出国家一流课程的建设成效，也是我国高等教育发展到普及化阶段的必然要求。

由于大规模在线开放课程跨越时空的特征，学习者很难真实地被接触到，所以传统的问卷调查或质性访谈都不太适用。因此，本研究以在线课程学习平台上积累的海量文本数据为研究资料。首先，利用Python工具获取中国大学MOOC平台运行的592门线上“金课”的原始课程评价文本;其次，使用结巴中文分词、自然语言处理模型Word2Vec和K-Means聚类算法分别对课程评价文本进行分词、编码和聚类;最后，通过百度AI开放平台的情感倾向分析对在线课程的情感体验进行研究。研究的主要目标是从学习者的角度出发探究线上“金课”的学习体验结构，揭示线上“金课”的学习体验现状，以便真实反映出学习者的感受和看法，同时也为线上“金课”的研究提供新的视角。

1 研究对象与数据来源

1.1 研究对象

本研究以2018年认定的来源于中国大学MOOC平台的592门线上“金课”为对象。之所以选择这一平台，一方面是由于国家认定的大部分线上“金课”都在这一平台开课。据统计，2018年认定的801门线上“金课”中，来源于中国大学MOOC平台的有594门，在所有课程中占比74.16%。因此，这些课程很具有代表性和典型性，能够基本反映国家精品在线开放课程的总体情况;另一方面，线上“金课”分散于10多个开课平台，不同开课平台的开放程度和计算规则不完全一致，这对于在线教育数据挖掘有较大影响。此外，在搜集数据时，有2门课程暂时无法查看任何开课信息，故最终本研究的研究对象为中国大学MOOC平台开课的592门线上“金课”。

1.2 数据来源

对于每门课程，分别统计了“评价者”“原始评价内容”“课程评分”“课程名称”等数据。数据采集截至时间为2020年4月1日。首先，利用Python将相应网页的所有课程评价文本内容爬取下来，数据示例如表1所示。其次，对获取的218 067条评论文本进行数据清洗，剔除无效文本评论和完全重复的评论，得到有效评价文本共计183 048条，平均每门课程有309条有效评价文本。

表1 课程评价数据示例

评价者原始评价内容课程评分课程名称

01“挺好的，主要内容有到位，预习

复习起来都可以借鉴。”4《现代仪器分析》

02“了解了网络和电脑相关知识，超棒！”5《计算机网络》

03“对慕课的开设更支持，感觉慕课是一个有时代意义的教学方式。”5《慕课问道》

04“课程截止时间不合理。”4《职场英语》

05“这剪辑有问题吧，图片不出来，不知道老师在说什么啊。”1《运筹学》

2 数据分析

2.1 课程评分情况

对每门课程的评分情况进行统计，得到所有592门课程评价的平均得分为4.7分（总分为5分）。这表明，线上“金课”的整体学习体验评分较好。

但是，并非所有的选课者都参与了课程评价。统计表明，约3.7%的人参与课程评价，即27位选课者中仅有1人进行课程评价，说明参与课程评价的人数比例很小。另一方面，并非所有的选课者都参与了全部课程学习，大多数学习者因被课程名称吸引，或出于专业学习需要而选课，在浏览课程视频后发现课程并不适合自己，难以坚持学习，故中途“辍学”。这类学习者的课程参与较少，不进行课程评价也有其合理性。此外，每门课程的评价文本数量存在较大差异。课程评价文本数量的范围在0～10 983之间，评分人数最多的3门课程分别是《形势与政策》（甘玲）、《形势与政策》（胡宝国）和《教师如何做研究》（汪琼），这3门课程的评价文本从高到低分别为10 983条、6 020条和5 564条，共计22 567条，占据所有课程评价的12.3%。

2.2 课程评价词频分析

在自然语言处理中，分词是处理非结构化文本的首要任务。结巴分词作为一款专业的中文分词软件，对于中文处理十分有效，能够将句子精确地切分开来。研究先将评论文本数据导入Python软件，调用Python语言工具包Jieba对文本进行分词处理。经过分词并对所有词汇进行词频统计，最终得到了37 326个不同的词汇。然后提取词频数排名前200的词汇列表，表2仅显示词频排名前20的词汇。结果表明，评价文本中出现次数在5 000以上的词汇分别是：老师、课程、学习、非常、很多、知识、讲解、内容、不错、学到、了解、讲授、收获、感觉、很棒、课堂、挺好、丰富、很好、很棒、更加、受益匪浅、帮助、喜欢、讲课、内容、很大、详细等28个词汇。这些高频关键词表明，线上“金课”的学习者在进行课程评价时最关注的是教师对于课程内容的讲授情况，以及自己学习到了什么知识，有怎样的收获。

2.3 课程评价词汇聚类分析

词频分析结果呈现了课程评价文本的整体状况，但对于评价文本所能反映出的深层意义则难以体现，如这些词汇是否能够归为某一特定的类别？能否凸显线上“金课”的学习体验构成要素？为深入探究课程评价文本蕴含的学习者在线学习体验的结构，本研究进一步对课程评价词汇进行了聚类分析。

聚类是数据挖掘中的一种重要分析方法。该算法首先随机选取k个初始聚类中心，按最小距离原则将每个样本分配到k类中的某一类。之后不断迭代以计算类别中心。然后调整各样本的类别，最终使每一样本到其所属类别中心距离的平方之和最小[7]。这一算法的优点是处理速度快、效率高，适合处理大规模的数值型数据[8]。由于课程评价词汇量太大，采取传统的独热编码（One-Hot Encoding）方式来表示词向量会消耗大量的时间与资源，且One-Hot编码中所有词向量彼此互不相关，不能体现词语之间的相似关系。米科洛夫（Mikolov）等提出语言处理模型Word2Vec并利用该模型将单词转化为向量来表示进而挖掘词汇之间的关联[8]。本研究采取Word2Vec处理模型，将词汇映射到100维的向量空间，向量空间上的相似度可以用来表示文本语义上的相似度。

根据聚类的效果，所有评论词汇可划分为4类，如表3所示。第一类的高频关键词为很棒、喜欢、感谢、强烈推荐、超级、优秀、有意思等，这些词汇为学习者表达对课程学习的总体感受和情感体验，可以定义为情感体验;第二类的高频关键词为教师、课程、讲解、丰富、内容、授课、清晰、理解、视频、学生、教学、实用等，这些词汇基本是学生对教师的授课风格、授课水平、课程内容和课程组织的评价，可归纳为教学行为;第三类的高频关键词有学习、很多、知识、学到、了解、收获、帮助、受益、有用、认识、提高、基础、方法、启发、思维等，这些词汇表示学生学习课程后在各方面的收获与提升，可以定义为学习收获;第四类的高频关键词是平台、错误、下载、慢、发音、有待、改进、重复、无法等，这些词语大多是形容学习平台的问题，可以定义为交互媒介。根据词汇总数可知，“教学行为”这一类别的词汇最多，共计470 854个，

2.4 情感倾向分析

研究根据实际需求调用百度自然语言处理技术中的情感倾向分析接口，对搜集整理后的183 048条课程评价文本开展了情感倾向分析。同时，为验证情感倾向分析结果的准确度，在所有课程评价中随机抽取了2 000条评价文本进行人工编码。结果显示，2 000条评论中有1 803条评价与机器编码结果一致，情感倾向分析模型分类的准确率为90.2%，表明编码结果的可信度较高。因此，可以用这一模型对课程评价文本的情感倾向进行分析。

情感倾向分析结果表明，课程评价文本的情感倾向为积极正向的最多，有171 573条（占比93.7%）;课程评价文本的情感倾向为消极负向的有10 014条（占比为5.5%）;而情感倾向为客观中立的课程评价文本有1 461條（占比为0.8%）。这表明，线上“金课”的总体情感倾向为积极正向，但其中也存在部分情感体验为消极和中立的课程评价文本。

3 研究结论

3.1 线上“金课”的学习体验包括“知、情、媒、行”4个要素

聚类分析将所有课程评价词汇分为4类，可分别定义为学习收获、情感体验、交互媒介和教学行为，即“知、情、媒、行”，这4种类型是线上“金课”的学习体验的主要构成要素。据此，可以得到线上“金课”的学习体验结构图，如图1所示。

其中，“知”即学习收获，是指学习者在学习课程之后获得了什么知识，掌握了哪项技能。“情”即情感体验，是学习者在学习课程之后的感受和体会，包括积极体验和消极体验。“媒”即交互媒介，是学习者利用在线学习平台进行课程学习和交互的流畅程度，体现学习平台作为媒介对学习者的帮助和支持程度。“行”即教学行为，指学习者对教师的课程与教学行为的评价。这4个构成要素可以作为衡量线上“金课”的学习体验的重要指标。

3.2 线上“金课”的学习体验整体状况较好

数据分析结果显示，线上“金课”的学习体验整体状况较好。这主要体现在3个方面：课程平均评分统计结果显示，学习者的所有课程评价平均分在4.7以上（总分为5分）;课程评价词汇聚类结果显示，“学习收获”“情感体验”“教学行为”这3类学习体验构成要素中包含的消极词汇很少;情感倾向分析结果表明，绝大多数课程评价文本的情感体验是积极正向的。这与已有在线课程学习体验的研究结论较为一致。对于在线学习体验的现状，吴筱萌等调查发现，学生对在线课程的主观反应较为积极，对课程效果比较满意[9]。邓永霞的研究结论也支持了这一观点，学习者对MOOC学习体验的主观反应处于中立和比较满意之间，学习者对课程学习体验的满意度高于对平台体验和社群交互体验的满意度[10]。

3.3 线上“金课”的交互媒介存在较多问题

在线学习平台是教师与学习者互动交流的媒介，承载着知识传递、资源分享和师生互动等功能，是保障有效学习的重要因素[11]。聚类结果显示，“交互媒介”这一类别的词汇大多数是消极负面的，如错误、下载、慢、有待改进、重复、无法、麻烦、垃圾等词汇。这些词汇反映出学习者的在线学习平台体验感差。根据学习者的课程评价，在线学习平台的问题可概括为3个方面：一是视频功能不够;二是互动功能不足;三是资源功能不全。在视频上，主要包括网站视频卡顿、没有字幕、背景音乐太大、视频画面不清晰、视频效果差等问题;在互动上，问题为讨论区提问得不到解答、平台互动规则不合理、教师讲念PPT、互动反馈不及时、生生互动不足等;在资源上，主要涉及问题为资源下载缓慢、缺乏课件和教材资源、课程资源无法查看、异常错误、无法用移动设备完成作业等。这些问题严重影响学习体验，造成了学习者的消极情绪。

4 结束语

本研究以线上“金课”的课程评价文本为数据来源，采用文本分析法，通过数据挖掘、聚类分析和情感倾向分析，揭示出线上“金课”学习体验的结构要素——学习收获、情感体验、交互媒介和教学行为，为系统科学地评估在线课程的学习体验以及各要素之间的相互关系机制提供了基本框架和逻辑基础。未来的研究可以从这4大要素出发检验学生的学习体验。线上“金课”应从提升学生的知识性体验、重视学生的情感体验、加强课程平台的技术保障和追踪学生对教师教学行为的体验4个方面增强学习者的学习体验。此外，本研究还揭示出线上“金课”的学习体验现状，补充了关于线上“金课”的研究成果。

研究也发现线上“金课”在学习平台方面存在的不足与问题。首先，在线学习平台需引入视频的弹幕功能和定位搜索功能。弹幕功能可支撑学习者进行实时交互，促进同伴之间的沟通和交流。定位搜索功能可让学习者实时搜索，以增强学习视频的交互性。另外，课程开发者应注意课程录制视频画面的清晰和降噪处理。其次，授课教师需设置清晰合理的讨论和互动规则，平台运营者需要增强讨论交流的指向功能，让学习者可以直接@授课教师，或者@其他学习者。这样不仅能促进学习者与教师之间的互动，还能增强学习者之间的互动，使学习者获得实时反馈，形成有效的学习共同体，促进讨论区互动的有效性。此外，平台运营者应考虑使用不同设备的学习者体验，加强网站的稳定性，允许学习者在不同的设备上完成学习任务，实现资源的离线观看等功能。最后，在线平台运营者应强化学习分析技术，对在线课程平台的学习过程数据进行采集和追踪，以实现在线学习的个性化评估和诊断，并基于学习者需求、现有水平和学习风格的差异，为学习者推荐不同的学习路径和资源。

值得注意的是，并非所有学习者都参与了课程评价，且每门课程的评价文本数量存在较大差异，所以单从课程评价文本内容的角度探究线上“金课”的学习体验还存在一定的局限。未来的研究需要结合量化的课程评价数据、质性的评价文本内容以及线上“金课”的其他指标，如在线讨论区的数据，更加全面地呈现线上“金课”的学习体验状况，也可以对不同学科类型的课程学习体验进行研究，以探究学习体验的学科差异。

参考文献

[1] 顾晓薇，胥孝川，王青.国家精品在线开放课程建设研究[J].现代教育管理，2020（6）：77-83.

[2] 方旭.国家精品在线开放课程认定的实证分析[J].中国高教研究，2018（7）：94-99.

[3] 覃军.技术驱动学习打造外语“金课”——外语类国家精品在线开放课程建设现状、问题及对策研究[J].外语电化教学，2019（3）：55-61.

[4] 韩映雄，张静.“双一流”建设院校对线上“金课”的贡献[J].现代大学教育，2019（6）：25-30.

[5] 安哲锋，金妍.从490门国家精品在线开放课程看我国在线教育发展[J].未来与发展，2020，44（5）：20-27.

[6] 郑晓冬，楼程富，陈卫，等.國家精品在线开放课程“食品安全”的建设与应用[J].高教论坛，2020（3）：19-21.

[7] 周世兵，徐振源，唐旭清.K-means算法最佳聚类数确定方法[J].计算机应用，2010，30（8）：1995-1998.

[8] MIKOLOV T， SUTSKEVER I， CHEN K， et al. Distributed representations of words and phrases and their compositionality[C]// Proceedings of the 26th International Conference on Neural Information Processing Systems-Vol. 2，Sydney，2013：3111-3119.

[9] 吴筱萌，雍文静，代良，等.基于Coursera课程模式的在线课程学生体验研究[J].中国电化教育，2014（6）：11-17.

[10] 邓永霞.基于大规模在线开放课程的学习体验研究[D].桂林：广西师范大学，2015.

[11] 刘述，单举芝.在线学习平台视频教学交互环境现状与未来发展[J].中国电化教育，2019（3）：104-109+119.

Research on learning experience structure and present situation of online first-classcourses

ZHANG Jing1，HU Zhen-hao2，CHEN Qian-qian3，HAN Ying-xiong1

（1. Institute of Higher Education， East China Normal University，Shanghai200062，China;

2. Software Engineering Institute， East China Normal University，Shanghai200062，China;

3. School of Open Learning and Education，East China Normal University，Shanghai20062，China）

Abstract

In order to explore the learning experience structure of online first-class courses and find the learning experience of online first-class courses， text analysis method is used to analyzethe 592 courses on MOOC platform of Chinese university with mining the original evaluation data from online first-class courses. The results show that the learning experience of online first-class coursesis made up of four elements， including knowledge， emotion， media and behavior， which corresponds to learning gains， emotional experience， interactive media and teaching behaviors. The overall emotional experience of online first-class courses is good， which is reflected in the high average scores of learners course evaluation. In addition， the three types of learning experience elements of knowledge， emotion and action rarely contain negative words. Most emotional experience in the course evaluation text are positive. The research has also found that there are many problems with interactive media in online first-class courses， which mainly manifest in insufficient video functions， scant interactive functions and incomplete resource functions.

Keywords

MOOC;online first-class courses;learning experience;course evaluation

[責任编辑 孙 菊]