在線開放課程中教師教學(xué)行為研究

趙呈領(lǐng) 胡萍 梁云真 蔣志輝 黃琰 疏鳳芳

【摘要】? 在線學(xué)習(xí)中教師教學(xué)行為影響到在線學(xué)習(xí)者課程評價(jià)和學(xué)習(xí)體驗(yàn)。本文提出研究假設(shè)：教師主教行為與學(xué)習(xí)者課程評價(jià)正相關(guān);教師助教行為與學(xué)習(xí)者課程評價(jià)正相關(guān);教師管理行為與學(xué)習(xí)者課程評價(jià)正相關(guān)。主要運(yùn)用自然語言處理（NLP）和內(nèi)容分析的方法，從學(xué)習(xí)者評論中挖掘在線學(xué)習(xí)者觀點(diǎn)。研究設(shè)計(jì)了學(xué)習(xí)者觀點(diǎn)抽象模型和教師教學(xué)行為編碼表，運(yùn)用語言技術(shù)平臺(tái)（LTP）依存句法分析識(shí)別觀點(diǎn)句，并基于規(guī)則壓縮抽取觀點(diǎn)句中屬性和觀點(diǎn)詞語，編碼分析教師教學(xué)行為相關(guān)觀點(diǎn)。分析教師教學(xué)行為與學(xué)習(xí)者課程評價(jià)的相關(guān)性發(fā)現(xiàn)：教師主教行為（講授、指示、演示）與學(xué)習(xí)者課程評價(jià)正相關(guān);教師助教行為（評價(jià)反饋、技術(shù)指導(dǎo)）和教師管理行為（組織討論、課程管理、輔助學(xué)習(xí)資源管理）與學(xué)習(xí)者課程評價(jià)的相關(guān)關(guān)系未達(dá)到統(tǒng)計(jì)檢驗(yàn)的顯著水平。基于研究結(jié)果提出在線學(xué)習(xí)中教師教學(xué)行為發(fā)展建議。

【關(guān)鍵詞】? 在線開放課程;觀點(diǎn)挖掘;教師教學(xué)行為;自然語言處理（NLP）;學(xué)習(xí)者觀點(diǎn)抽象;觀點(diǎn)要素;內(nèi)容分析

【中圖分類號(hào)】? G451.2? ? ? 【文獻(xiàn)標(biāo)識(shí)碼】? A? ? ? 【文章編號(hào)】 1009-458x（2019）1-0058-09

一、引言

隨著網(wǎng)絡(luò)技術(shù)的發(fā)展，在線學(xué)習(xí)已成為用戶的重要學(xué)習(xí)形式，在線教育規(guī)模與日俱增。據(jù)中國互聯(lián)網(wǎng)數(shù)據(jù)平臺(tái)CNNIC第40次《中國互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計(jì)報(bào)告》（2017）統(tǒng)計(jì)，截至2017年6月，中國網(wǎng)民數(shù)量達(dá)到7.51億，在線教育市場規(guī)模發(fā)展迅速，在線教育用戶規(guī)模達(dá)到1.44億。僅2016年12月至2017年6月，在線教育用戶就增加了662萬，增長率為4.8%。某在線學(xué)習(xí)平臺(tái)一門課程的學(xué)習(xí)者高達(dá)18萬人，該課程的學(xué)習(xí)者產(chǎn)生的課程評論文本和討論數(shù)據(jù)達(dá)上萬條。在線開放課程學(xué)習(xí)者數(shù)量巨大，不斷在學(xué)習(xí)平臺(tái)中產(chǎn)生數(shù)據(jù)，這些數(shù)據(jù)包括結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)。非結(jié)構(gòu)化數(shù)據(jù)以文本、圖像、視頻為主。文本仍是在線學(xué)習(xí)者表達(dá)觀點(diǎn)的主要形式，然而，面對海量的學(xué)習(xí)者生成文本，對一個(gè)團(tuán)隊(duì)或某位教師來說要獲取學(xué)習(xí)者觀點(diǎn)耗時(shí)耗力，難以持續(xù)。觀點(diǎn)挖掘技術(shù)為分析大規(guī)模的學(xué)習(xí)者生成文本提供了可行性，可運(yùn)用觀點(diǎn)挖掘技術(shù)深入挖掘?qū)W習(xí)者對教師教學(xué)行為的觀點(diǎn)。

本研究運(yùn)用自然語言處理和內(nèi)容分析技術(shù)，深入挖掘和分析在線學(xué)習(xí)者生成課程評價(jià)數(shù)據(jù)。設(shè)計(jì)了學(xué)習(xí)者觀點(diǎn)抽象模型和教師教學(xué)行為編碼表，運(yùn)用語言技術(shù)平臺(tái)（LTP）依存句法分析識(shí)別觀點(diǎn)句，并基于規(guī)則壓縮抽取觀點(diǎn)句中屬性和觀點(diǎn)詞語，編碼分析教師教學(xué)行為相關(guān)觀點(diǎn)，分析教師教學(xué)行為與學(xué)習(xí)者課程評價(jià)的相關(guān)性，提出在線學(xué)習(xí)中教師教學(xué)行為發(fā)展建議。

二、研究現(xiàn)狀

（一）觀點(diǎn)挖掘應(yīng)用研究

觀點(diǎn)挖掘（opinion mining）是多學(xué)科交叉研究領(lǐng)域，涉及自然語言處理、機(jī)器學(xué)習(xí)、信息抽取、數(shù)據(jù)挖掘等方法和技術(shù)。當(dāng)代漢語詞典中對“觀點(diǎn)”的定義是：①觀察事物時(shí)所處的位置或采取的態(tài)度;②對事物或問題的看法。觀點(diǎn)挖掘側(cè)重挖掘觀點(diǎn)持有者的看法和立場。觀點(diǎn)挖掘一詞最早是由Dave等人在國際萬維網(wǎng)大會(huì)WWW會(huì)議上提出的（Dave， et al.， 2003）。此后潘波等做了比較深入的研究（Pang & Lee， 2008; Liu， 2012）。從觀點(diǎn)挖掘數(shù)據(jù)分析粒度來看，有多文檔級、篇章級、段落級、句子級、詞匯級，分析粒度趨于精細(xì)化（Cambria， et al.， 2013）。

在教育領(lǐng)域，劉清堂等（Liu， et al.， 2017）用觀點(diǎn)挖掘分析教師反思性思維，為教育政策制定者、教師培訓(xùn)管理者、教育研究者提供建議。普渡大學(xué)Chen等（Chen， et al.， 2014）著重分析工程類專業(yè)學(xué)生在推特上對學(xué)習(xí)問題及困難的分享帖，通過分析發(fā)現(xiàn)工程類專業(yè)學(xué)生面臨學(xué)習(xí)負(fù)擔(dān)過重、缺少社交活動(dòng)、熬夜等問題。哈佛大學(xué)Reich等（Reich， et al.， 2015）在MOOC平臺(tái)中運(yùn)用觀點(diǎn)挖掘主題模型，深入分析學(xué)生自我檢測動(dòng)機(jī)，識(shí)別學(xué)生討論主題，探究課程評價(jià)反饋模式。在MOOC環(huán)境下，Yang等（Yang， et al.， 2014）使用主題模型分析論壇和學(xué)生社交網(wǎng)絡(luò)，預(yù)測學(xué)生社群中的人員流失。日本學(xué)者Kumakawa（Kumakawa， 2017）運(yùn)用觀點(diǎn)挖掘聚類分析工程領(lǐng)域大一新生的學(xué)習(xí)海報(bào)和其中包含的重要關(guān)鍵詞。西班牙學(xué)者Romero等（Romero， et al.， 2013）對學(xué)習(xí)計(jì)算機(jī)科學(xué)課程的114名大學(xué)生在一年期間在論壇中產(chǎn)生的文本進(jìn)行觀點(diǎn)挖掘和分析，預(yù)測學(xué)生期末表現(xiàn)，以便于教師針對預(yù)測結(jié)果采取干預(yù)措施。

（二）教師教學(xué)行為研究

教師教學(xué)行為是教師激發(fā)、保持、促進(jìn)學(xué)習(xí)者學(xué)習(xí)的所有行為，即對學(xué)習(xí)者學(xué)習(xí)行為的指導(dǎo)、支持、服務(wù)行為的總和（李松林， 2005）。教師教學(xué)行為是復(fù)雜的社會(huì)行為，具有情境性（朱厚玉， 2013）。研究者從不同的角度，對教師教學(xué)行為提出了自己的分類，如表1。弗蘭德斯（Flanders， 1974）的FIAS交互分析根據(jù)教師教學(xué)言語行為的直接影響和間接影響，將課堂教學(xué)中的教師行為分為：接受感、表揚(yáng)/鼓勵(lì)、認(rèn)同/采用學(xué)生的想法、提問、講授、指導(dǎo)、批評/調(diào)整權(quán)威。斯蒂格勒等（Stigler， et al.， 1999）在課堂錄像分析TIMSS中將教師言語行為分為：提問、講授、指示、接納學(xué)生觀點(diǎn)、回答學(xué)生提問、回答自己提問。傅德榮等（2001）的S-T分析依據(jù)視聽傳遞信息行為，將課堂教學(xué)中教師行為分為：解說、示范、板書、借助媒體提示、提問與點(diǎn)名、評價(jià)與反饋。施良方等（1999）按教師的行為方式與功能將教師教學(xué)行為分為主教行為、助教行為和管理行為。其中，主教行為即主要教學(xué)行為，包括呈示行為、對話行為、指導(dǎo)行為;助教行為即有助于教學(xué)的行為，包括培養(yǎng)激發(fā)學(xué)習(xí)動(dòng)機(jī)、有效課堂交流、課堂強(qiáng)化技術(shù)、積極教師期望;管理行為分為行為問題管理、課堂管理模式、課堂時(shí)間管理。劉繁華（2004）將網(wǎng)絡(luò)教學(xué)中教師教學(xué)行為分為教學(xué)設(shè)計(jì)行為、教學(xué)準(zhǔn)備行為、教學(xué)組織行為、教學(xué)評價(jià)與反饋行為。高?。?012）按教師的課堂教學(xué)表現(xiàn)及其功能，將教師教學(xué)行為分為陳述、指導(dǎo)、展示、提問、反饋、管理、觀察、傾聽、反思、評價(jià)。顧小清等（2004）在FIAS、TIMSS、S-T分析的基礎(chǔ)上融入了技術(shù)。韓后等（2015）改進(jìn)了顧小清提出的教師操縱技術(shù)的具體行為。張屹等（2016）將教師技術(shù)評價(jià)行為融入教師言語和技術(shù)行為中，分析智慧教室中教師和學(xué)生互動(dòng)行為的特征。

綜上所述，觀點(diǎn)挖掘技術(shù)在教育領(lǐng)域?qū)W習(xí)分析中已有較多應(yīng)用研究，但有關(guān)教師教學(xué)行為的學(xué)習(xí)者觀點(diǎn)研究還相對較少。目前，教師教學(xué)行為研究大多在課堂教學(xué)情境中進(jìn)行，從研究者視角分析不同的教師教學(xué)行為。但是，從學(xué)習(xí)者視角研究教師教學(xué)行為更有利于其發(fā)展。本研究運(yùn)用自然語言處理技術(shù)處理分析在線學(xué)習(xí)者生成的評論文本數(shù)據(jù)，深入分析學(xué)習(xí)者對教師教學(xué)行為的觀點(diǎn)，并進(jìn)一步分析教師教學(xué)行為與學(xué)習(xí)者課程滿意度的相關(guān)性，提出改進(jìn)教師教學(xué)行為的策略。

三、研究設(shè)計(jì)

（一）研究問題及假設(shè)

本研究的問題是在線學(xué)習(xí)情境中，學(xué)習(xí)者對教師教學(xué)行為的觀點(diǎn)極性以及不同教師教學(xué)行為與學(xué)習(xí)者課程評價(jià)的相關(guān)性。針對研究問題，提出以下研究假設(shè)：

H1：教師主教行為與學(xué)習(xí)者課程評價(jià)正相關(guān);

H2：教師助教行為與學(xué)習(xí)者課程評價(jià)正相關(guān);

H3：教師管理行為與學(xué)習(xí)者課程評價(jià)正相關(guān)。

為驗(yàn)證以上研究假設(shè)，設(shè)計(jì)了在線學(xué)習(xí)者觀點(diǎn)挖掘研究框架，學(xué)習(xí)者觀點(diǎn)抽象模型，觀點(diǎn)句壓縮抽取的屬性詞、觀點(diǎn)詞抽取規(guī)則以及教師教學(xué)行為編碼表。研究以某云課堂中一門課程為例，分析在線學(xué)習(xí)者對教師教學(xué)行為的觀點(diǎn)，并為在線教師教學(xué)行為發(fā)展提出建議。

（二）研究框架

本研究主要分為數(shù)據(jù)獲取與處理、學(xué)習(xí)者觀點(diǎn)挖掘、教師教學(xué)行為分析、研究結(jié)論四部分。研究框架，獲取學(xué)習(xí)者課程評價(jià)數(shù)據(jù)。運(yùn)用爬蟲獲取在線學(xué)習(xí)平臺(tái)中學(xué)習(xí)者某課程評價(jià)數(shù)據(jù)，獲取的數(shù)據(jù)包括學(xué)習(xí)者、評論時(shí)間、課程評分、評價(jià)內(nèi)容等。

課程學(xué)習(xí)者觀點(diǎn)挖掘主要分四步，分別是觀點(diǎn)抽象、觀點(diǎn)句識(shí)別、觀點(diǎn)詞與屬性詞抽取、觀點(diǎn)極性判斷。觀點(diǎn)抽象：學(xué)習(xí)者觀點(diǎn)挖掘關(guān)鍵在于構(gòu)建學(xué)習(xí)者觀點(diǎn)抽象模型，確定需要挖掘的學(xué)習(xí)者觀點(diǎn)信息要素，將學(xué)習(xí)者觀點(diǎn)抽象為結(jié)構(gòu)化數(shù)據(jù)。觀點(diǎn)句識(shí)別：在獲取的學(xué)習(xí)者課程評價(jià)內(nèi)容中并非每個(gè)句子都包含觀點(diǎn)，需運(yùn)用自然語言處理技術(shù)識(shí)別評價(jià)內(nèi)容中的觀點(diǎn)句。觀點(diǎn)詞與屬性詞抽取：學(xué)習(xí)者對評價(jià)對象的態(tài)度和立場是從屬性詞與觀點(diǎn)詞中獲取的，抽取屬性詞和觀點(diǎn)詞能獲取觀點(diǎn)信息主要內(nèi)容。觀點(diǎn)極性判斷：根據(jù)抽取的觀點(diǎn)詞，運(yùn)用詞典匹配判斷學(xué)習(xí)者觀點(diǎn)，將觀點(diǎn)極性分為積極、中立、消極三類，同時(shí)篩選出學(xué)習(xí)者對教師教學(xué)行為的觀點(diǎn)。

教師教學(xué)行為分析主要分四步，分別是編碼表設(shè)計(jì)、編碼、信效度檢驗(yàn)、相關(guān)性分析。編碼表設(shè)計(jì)：考慮在線學(xué)習(xí)情境與課堂教學(xué)情境下，教師教學(xué)行為的差異，設(shè)計(jì)在線學(xué)習(xí)中教師教學(xué)行為編碼表，提供教師教學(xué)行為編碼量化依據(jù)，同時(shí)提出教師教學(xué)行為與學(xué)習(xí)者課程評價(jià)相關(guān)性的研究假設(shè)。編碼：依據(jù)教師教學(xué)行為編碼表將學(xué)習(xí)者觀點(diǎn)轉(zhuǎn)化為量化分析內(nèi)容。信效度檢驗(yàn)：隨機(jī)抽樣檢驗(yàn)編碼工具和編碼結(jié)果信效度并修正編碼工具。相關(guān)性分析：分析某一類型的教師教學(xué)行為與學(xué)習(xí)者課程評價(jià)的相關(guān)性，檢驗(yàn)研究假設(shè)，從而得到研究結(jié)論。

（三）學(xué)習(xí)者觀點(diǎn)抽象模型

學(xué)習(xí)者觀點(diǎn)抽象模型的作用是將非結(jié)構(gòu)化文本數(shù)據(jù)表示為結(jié)構(gòu)化信息。觀點(diǎn)挖掘是為了獲取觀點(diǎn)持有者的態(tài)度和立場。要從非結(jié)構(gòu)化文本數(shù)據(jù)中獲取觀點(diǎn)信息，首先需要抽象學(xué)習(xí)者觀點(diǎn)，將觀點(diǎn)信息結(jié)構(gòu)化?，F(xiàn)有的觀點(diǎn)挖掘抽象模型主要有三元組、四元組、五元組等。三元組的要素有<觀點(diǎn)持有者，對象，態(tài)度>，四元組有<主題（Topic），觀點(diǎn)持有者（Holder），陳述（Claim），情感（Sentiment）>（Kim & Hovy， 2004）。五元組是<實(shí)體（[ej]），屬性（[ajk]），情感極性（[soijkl]），發(fā)布者（[hi]），發(fā)表時(shí)間（[t1]）>（Liu & Zhang， 2012）。五元組中[soijkl]表示觀點(diǎn)持有者[hi]對實(shí)體[ej]的特征[ajk]在[t1]時(shí)刻的觀點(diǎn)態(tài)度或立場。五元組與三元組相比，增加了評價(jià)對象屬性和觀點(diǎn)發(fā)表時(shí)間，能獲取觀點(diǎn)持有者細(xì)粒度的觀點(diǎn)信息。五元組與四元組相比，增加了觀點(diǎn)發(fā)表時(shí)間，有利于對比記錄學(xué)習(xí)者觀點(diǎn)變化。

研究根據(jù)Liu等人（2012b）的觀點(diǎn)五元組構(gòu)建學(xué)習(xí)者觀點(diǎn)抽象模型。實(shí)體[ej]是學(xué)習(xí)者觀點(diǎn)中的評價(jià)對象，可以是人、主題、知識(shí)點(diǎn)、事件、服務(wù)、產(chǎn)品等。屬性[ajk]是被評價(jià)對象的某一個(gè)方面或特征，每一個(gè)實(shí)體都有屬性集[a]。例如：教師教學(xué)行為、學(xué)習(xí)資源質(zhì)量、學(xué)伴等，不同的教師教學(xué)行為是該實(shí)體的屬性，每一種教師教學(xué)行為都是該實(shí)體的一個(gè)子集。如：講授、提問、演示、指導(dǎo)等教學(xué)行為。觀點(diǎn)極性用[oijkl]表示學(xué)習(xí)者[Li]在[t1]時(shí)刻對實(shí)體[ej]的某屬性[ajk]的觀點(diǎn)態(tài)度和立場。本研究按照三分類將學(xué)習(xí)者觀點(diǎn)極性分為積極、消極、中立，著重分析積極和消極觀點(diǎn)極性。不同學(xué)習(xí)者對同一實(shí)體和屬性的觀點(diǎn)有差異，即使同一學(xué)習(xí)者也可能在不同時(shí)間產(chǎn)生不同的觀點(diǎn)。因此，有必要抽取觀點(diǎn)持有者和觀點(diǎn)發(fā)布時(shí)間，這也是本研究選取觀點(diǎn)五元組獲取學(xué)習(xí)者觀點(diǎn)的原因。

在模型五個(gè)要素中學(xué)習(xí)者、發(fā)表時(shí)間是獲取文本數(shù)據(jù)時(shí)的元數(shù)據(jù)，可直接抽取。實(shí)體是學(xué)習(xí)者觀點(diǎn)中的評價(jià)對象，由于學(xué)習(xí)者產(chǎn)生的文本數(shù)據(jù)零散，評價(jià)對象范圍廣，實(shí)體可預(yù)先確定，或運(yùn)用主題模型分類聚類確定。在本研究中預(yù)定實(shí)體為教師教學(xué)行為。屬性、觀點(diǎn)極性是觀點(diǎn)信息抽取的關(guān)鍵部分，需要運(yùn)用自然語言處理技術(shù)處理，結(jié)合依存句法分析獲取文本數(shù)據(jù)中的關(guān)鍵屬性觀點(diǎn)詞信息。

（四）研究方法與工具設(shè)計(jì)

研究設(shè)計(jì)了觀點(diǎn)句中抽取屬性詞和觀點(diǎn)詞的壓縮抽取規(guī)則以及教師教學(xué)行為編碼表。研究主要運(yùn)用到的研究方法有自然語言處理和內(nèi)容分析。研究工具有哈爾濱工業(yè)大學(xué)的語言云LTP、IBM統(tǒng)計(jì)軟件SPSS，LTP用于依存句法分析，SPSS用于相關(guān)性分析。數(shù)據(jù)預(yù)處理后，首先，結(jié)合學(xué)習(xí)者觀點(diǎn)抽象模型，運(yùn)用自然語言處理技術(shù)中的依存句法分析，從觀點(diǎn)句中抽取五要素中的屬性詞與觀點(diǎn)詞;然后，分類抽取學(xué)習(xí)者與教師教學(xué)行為相關(guān)的觀點(diǎn)，分析觀點(diǎn)極性;最后，根據(jù)教師教學(xué)行為編碼表，分析教師教學(xué)行為與學(xué)習(xí)者課程評價(jià)的相關(guān)性，提出在線學(xué)習(xí)中教師教學(xué)行為發(fā)展建議。

1. 屬性詞與觀點(diǎn)詞抽取

（1）觀點(diǎn)句識(shí)別

前期觀點(diǎn)挖掘研究表明，通常顯式屬性詞詞性為名詞，觀點(diǎn)詞詞性為形容詞、動(dòng)詞或副詞，觀點(diǎn)句中包括主謂關(guān)系（SBV）和定中關(guān)系（ATT）（Che， et al.， 2015）。因此，運(yùn)用哈爾濱工業(yè)大學(xué)的語言云LTP分析詞性標(biāo)注和依存句法，篩選出評價(jià)內(nèi)容中包含詞性為名詞、形容詞、動(dòng)詞或副詞的句子，或句法結(jié)構(gòu)中包含SBV關(guān)系或ATT關(guān)系的句子。圖中文字下方詞性標(biāo)注[n]表示名詞，[v]表示動(dòng)詞，[d]表示副詞，[a]表示形容詞;文字上方依存句法分析HED表示整個(gè)句子核心，SBV表示主謂關(guān)系，COO表示并列關(guān)系。

（2）壓縮句子抽取屬性詞與觀點(diǎn)詞

借鑒車萬翔等人提出的句子壓縮規(guī)則，考慮到學(xué)習(xí)者生成文本的語法特性，制定觀點(diǎn)句中屬性詞[a]和觀點(diǎn)詞[o]之間的句法壓縮規(guī)則，見表2。句法壓縮規(guī)則主要圍繞句子主謂關(guān)系、定中關(guān)系、觀點(diǎn)詞或?qū)傩栽~并列關(guān)系制定壓縮規(guī)則。規(guī)則中“*”表示任意詞性詞匯。

在符合以上句法結(jié)構(gòu)的句子中，設(shè)計(jì)算法抽取句中名詞為屬性詞，抽取句中形容詞為觀點(diǎn)詞。但是，除以上壓縮規(guī)則之外，學(xué)習(xí)者生成評價(jià)數(shù)據(jù)中可能存在一些特殊類型，需要人工校驗(yàn)壓縮以獲得更高準(zhǔn)確率。這些特殊類型有：①對比部分。例如：老師比我預(yù)計(jì)的講得好。壓縮句為：老師講得好。②句首的副詞修飾語。例如：相對于其他課程來說內(nèi)容易于理解是課程的優(yōu)勢。壓縮句為：內(nèi)容易于理解是課程的優(yōu)勢。③觀點(diǎn)詞前的副詞修飾語。例如：老師看著感覺幽默。壓縮句為：老師幽默。④特殊副詞搭配。例如：在教學(xué)設(shè)計(jì)方面非常合理。壓縮句為：教學(xué)設(shè)計(jì)非常合理。⑤缺主語。例如：給人學(xué)習(xí)體驗(yàn)很好。壓縮句為：學(xué)習(xí)體驗(yàn)很好。⑥插入語和感嘆詞。例句：好實(shí)用的輔助學(xué)習(xí)材料哇，哈哈。壓縮句為：好實(shí)用的輔助學(xué)習(xí)材料。⑦口語化詞匯或短語。例如：再加上老師講課生動(dòng)。壓縮句為：老師講課生動(dòng)。⑧連接詞或短語。例如：但是老師講得有趣。壓縮句為：老師講得有趣。

2. 教師教學(xué)行為編碼表

綜合弗蘭德斯、斯蒂格勒、傅德榮、施良方等學(xué)者關(guān)于課堂教學(xué)情境下教師教學(xué)行為的前期研究，并考慮到在線教學(xué)情境，制定了教師教學(xué)行為編碼表，見表3。

四、研究過程

（一）研究對象

選取的研究對象是某云課堂中選修“JAVA 零基礎(chǔ)入門”并發(fā)表課程評價(jià)觀點(diǎn)的學(xué)習(xí)者。該課程于2016年開設(shè)，每位學(xué)習(xí)者都能發(fā)表課程評價(jià)，也可自由選擇發(fā)表課程評價(jià)文本。截至2018年1月共選取3，154位學(xué)習(xí)者的課程評價(jià)數(shù)據(jù)。

（二）數(shù)據(jù)預(yù)處理

1. 去除重復(fù)冗余數(shù)據(jù)

學(xué)習(xí)者課程評價(jià)數(shù)據(jù)中存在重復(fù)冗余數(shù)據(jù)，首先需要?jiǎng)h除數(shù)據(jù)中重復(fù)和無實(shí)際意義的內(nèi)容。經(jīng)過數(shù)據(jù)觀察發(fā)現(xiàn)，評價(jià)內(nèi)容中有廣告、純數(shù)字、純鏈接，包括感嘆詞、象聲詞。比如：“買學(xué)習(xí)資源上XX網(wǎng)”“12345”“www.xxx.com”“哈哈”等。

2. 分詞與詞性標(biāo)注

中文觀點(diǎn)挖掘與英文不同，英文單詞之間有空格作為分隔符，但中文詞匯之間不存在分隔符，需要分詞操作并標(biāo)注詞性。目前已有較為成熟的中文分詞工具可實(shí)現(xiàn)分詞和詞性標(biāo)注，如NLPIR、語言云LTP。除分詞軟件以外，軟件中的分詞程序包也可以進(jìn)行分詞操作，如R語言中的Rwordseg和Python中的jieba分詞。

3. 去停用詞

觀點(diǎn)句中包含一些符號(hào)和不影響表達(dá)學(xué)習(xí)者觀點(diǎn)的詞語，為提升數(shù)據(jù)處理速度和效率，使用哈爾濱工業(yè)大學(xué)停用詞表，調(diào)用jieba分詞去停用詞。哈爾濱工業(yè)大學(xué)停用詞表中的停用詞包括符號(hào)、序號(hào)、中文詞匯等。比如：“①②③……”“換句話說”“換言之”“或”“或是”等。

（三）學(xué)習(xí)者觀點(diǎn)挖掘

根據(jù)所構(gòu)建的學(xué)習(xí)者觀點(diǎn)抽象模型，將學(xué)習(xí)者觀點(diǎn)抽象為五要素[<ej]（實(shí)體），[ajk]（屬性），[oijkl]（觀點(diǎn)極性），[Li]（學(xué)習(xí)者），[t1]（發(fā)表時(shí)間）[>]，在學(xué)習(xí)者觀點(diǎn)五要素中挖掘?qū)W習(xí)者觀點(diǎn)以及觀點(diǎn)極性。文本預(yù)處理后，從3，154位在線學(xué)習(xí)者課程評價(jià)內(nèi)容中獲得可用數(shù)據(jù)記錄1，073條。

運(yùn)用語言云對1，073條記錄中的評價(jià)內(nèi)容做依存句法分析，篩選出評價(jià)內(nèi)容中包含詞性為名詞、形容詞、動(dòng)詞或副詞的句子，或句法結(jié)構(gòu)中包含SBV關(guān)系或ATT關(guān)系的句子。經(jīng)過語言云依存句法分析后，篩選出包含觀點(diǎn)的數(shù)據(jù)記錄562條，其中125條數(shù)據(jù)記錄為復(fù)合句，能夠運(yùn)用依存句法分析從這些復(fù)合句中抽取多個(gè)SBV關(guān)系或ATT關(guān)系，即復(fù)合句中包含多個(gè)實(shí)體屬性的觀點(diǎn)。根據(jù)本研究制定的九種觀點(diǎn)句壓縮規(guī)則，分別對562條記錄中的評價(jià)內(nèi)容壓縮抽取屬性詞和觀點(diǎn)詞，共抽取觀點(diǎn)記錄687條。屬性詞和觀點(diǎn)詞與其他觀點(diǎn)要素的抽取結(jié)果。對屬性詞和觀點(diǎn)詞抽取結(jié)果進(jìn)行分析，將結(jié)果分為三大類，分別是與教師、資源、學(xué)伴評價(jià)相關(guān)的觀點(diǎn)內(nèi)容。其中，與教師相關(guān)的觀點(diǎn)為329條，與資源相關(guān)的觀點(diǎn)為306條，與學(xué)伴評價(jià)相關(guān)的觀點(diǎn)為52條。

分別統(tǒng)計(jì)在線學(xué)習(xí)者對教師、資源、學(xué)伴三方面評價(jià)的總體觀點(diǎn)極性。在線學(xué)習(xí)者評價(jià)中與教師相關(guān)的積極觀點(diǎn)為211條，消極觀點(diǎn)為81條，態(tài)度中立為37條;與資源相關(guān)的積極觀點(diǎn)為196條，消極觀點(diǎn)為71條，態(tài)度中立為39條;與學(xué)伴評價(jià)相關(guān)的積極觀點(diǎn)為12條，消極觀點(diǎn)為40條，未發(fā)現(xiàn)態(tài)度中立的觀點(diǎn)記錄。在學(xué)習(xí)者觀點(diǎn)記錄中，圍繞教師評價(jià)的內(nèi)容居多，且觀點(diǎn)極性多數(shù)趨于積極。

（四）教師教學(xué)行為分析

根據(jù)設(shè)計(jì)的教師教學(xué)行為編碼表（表3），分析學(xué)習(xí)者觀點(diǎn)中與教師教學(xué)行為數(shù)據(jù)相關(guān)的內(nèi)容。為發(fā)現(xiàn)學(xué)習(xí)者觀點(diǎn)內(nèi)容中的隱含信息，并檢驗(yàn)學(xué)習(xí)者觀點(diǎn)挖掘準(zhǔn)確率，聘請兩位教育技術(shù)專業(yè)的研究生，分別對教師相關(guān)觀點(diǎn)數(shù)據(jù)進(jìn)行分類編碼，復(fù)核學(xué)習(xí)者觀點(diǎn)挖掘結(jié)果，觀點(diǎn)極性采用1-5級分類。其中，積極觀點(diǎn)極性根據(jù)強(qiáng)弱，強(qiáng)的標(biāo)記為5，相對弱的標(biāo)記為4，中立標(biāo)記為3;消極觀點(diǎn)極性根據(jù)強(qiáng)弱，強(qiáng)的標(biāo)記為1，相對弱的標(biāo)記為2。即總體而言標(biāo)記數(shù)字越大越趨于積極。例如：“老師講得很詳細(xì)，很全面?！边\(yùn)用語言云依存句法分析的結(jié)果，“老師”與“講”之間存在SBV主謂關(guān)系，在“細(xì)致”和“全面”之間存在COO并列關(guān)系。將該句中的教師教學(xué)行為編碼為T1，觀點(diǎn)極性標(biāo)記為5。

數(shù)據(jù)中與教師相關(guān)的觀點(diǎn)為329條，兩位研究生復(fù)核修改記錄共128條。研究采用Kappa值估計(jì)編碼分析信度，若Kappa>0.6則為信度良好（里夫， 等， 2010）。本研究的編碼信度Kappa值為0.85，信度良好。編碼表中教師教學(xué)行為觀點(diǎn)數(shù)據(jù)數(shù)量及所占比例見表4，其中行為T2、S1、S2、A3無相關(guān)記錄。教師講授行為T1相關(guān)觀點(diǎn)記錄數(shù)為149條，所占比例為45.3%;教師演示行為T4相關(guān)觀點(diǎn)記錄數(shù)為53條，所占比例為16.1%?？傮w來看，主要教學(xué)行為所占總比例最大，其次是管理行為，助教行為所占比例最小。

本研究假設(shè)教師主教行為、助教行為、管理行為與課程評價(jià)具有相關(guān)性。從學(xué)習(xí)者觀點(diǎn)中可獲取學(xué)習(xí)者對不同教學(xué)行為的1-5級觀點(diǎn)極性編碼，這些教學(xué)行為有T1、T3、T4、S3、S4、A1、A2、A4。從獲取的原始數(shù)據(jù)中可獲得學(xué)習(xí)者對課程評價(jià)（CA）的1-5級評分。將同一位學(xué)習(xí)者對教師教學(xué)行為的觀點(diǎn)極性與課程評價(jià)相對應(yīng)，采用Pearson相關(guān)系數(shù)雙尾檢驗(yàn)衡量兩變量之間的相關(guān)性。相關(guān)性分析結(jié)果見表5，表中N表示與該教學(xué)行為相關(guān)的樣本數(shù)。

相關(guān)性分析結(jié)果表明：T1行為與學(xué)習(xí)者課程評價(jià)正線性相關(guān)，且相關(guān)系數(shù)達(dá)到顯著水平;主教行為T3、T4與學(xué)習(xí)者課程評價(jià)的相關(guān)系數(shù)未達(dá)到顯著水平，部分驗(yàn)證了研究假設(shè)H1。助教行為S3、S4與學(xué)習(xí)者課程評價(jià)線性相關(guān)系數(shù)未達(dá)到顯著水平，而學(xué)習(xí)者觀點(diǎn)中未提及S1、S2，因此不能驗(yàn)證研究假設(shè)H2。管理行為A1、A2、A4與學(xué)習(xí)者課程評價(jià)線性系數(shù)未達(dá)到顯著水平，也不能驗(yàn)證研究假設(shè)H3。

五、研究結(jié)論

通過學(xué)習(xí)者觀點(diǎn)挖掘和教師教學(xué)行為分析，可得到以下研究結(jié)論：

（1）主教行為（講授、指示、演示）與學(xué)習(xí)者課程評價(jià)正相關(guān)。在學(xué)習(xí)者觀點(diǎn)中出現(xiàn)的行為是講授行為（T1）、指示行為（T3）、演示行為（T4）。教師講授行為與學(xué)習(xí)者課程評價(jià)有顯著線性相關(guān)關(guān)系。提問行為T2并未在學(xué)習(xí)者觀點(diǎn)中出現(xiàn)，這與在線學(xué)習(xí)情境相關(guān)。在線學(xué)習(xí)環(huán)境下，教師與學(xué)習(xí)者時(shí)空分離，缺乏實(shí)時(shí)有效的溝通條件。學(xué)習(xí)者對教師指示行為和演示行為的觀點(diǎn)記錄較少。學(xué)習(xí)者對講授行為觀點(diǎn)數(shù)量所占比例為45.3%，演示行為觀點(diǎn)數(shù)量所占比例為16.1%，此外的各種行為觀點(diǎn)數(shù)量所占比例均未超過10%。

（2）助教行為（評價(jià)反饋、技術(shù)指導(dǎo)）與學(xué)習(xí)者課程評價(jià)的相關(guān)系數(shù)未達(dá)到顯著水平。在線學(xué)習(xí)者觀點(diǎn)中未出現(xiàn)表揚(yáng)鼓勵(lì)（S1）、批評（S2）行為的相關(guān)記錄，評價(jià)反饋（S3）和技術(shù)指導(dǎo)（S4）的相關(guān)記錄總和僅為19條。經(jīng)過相關(guān)性分析，評價(jià)反饋行為和技術(shù)指導(dǎo)行為與學(xué)習(xí)者課程評價(jià)的相關(guān)系數(shù)未達(dá)到顯著水平。異步環(huán)境下，助教行為與主教行為脫節(jié)，學(xué)習(xí)者未感受到助教行為的重要性，對助教行為的觀點(diǎn)在各類觀點(diǎn)中最少。

（3）管理行為（組織討論、課程管理、輔助學(xué)習(xí)資源管理）與學(xué)習(xí)者課程評價(jià)的相關(guān)系數(shù)未達(dá)到顯著水平。在線學(xué)習(xí)者觀點(diǎn)中未出現(xiàn)學(xué)情分析（A3）行為的相關(guān)記錄，組織討論（A1）、課程管理（A2）、輔助學(xué)習(xí)資源管理（A4）行為的相關(guān)記錄共54條。

六、討論

運(yùn)用學(xué)習(xí)者觀點(diǎn)挖掘技術(shù)分析在線學(xué)習(xí)平臺(tái)中學(xué)習(xí)者對教師教學(xué)行為的觀點(diǎn)，根據(jù)研究結(jié)論，提出以下在線學(xué)習(xí)中教師教學(xué)行為發(fā)展建議：

（1）注重教師專業(yè)性發(fā)展，提升教師在線講授、演示、指示行為的積極影響，實(shí)現(xiàn)教師與學(xué)習(xí)者的異步提問行為，設(shè)置問答獎(jiǎng)勵(lì)機(jī)制。在在線學(xué)習(xí)者觀點(diǎn)中，講授行為是學(xué)習(xí)者觀點(diǎn)中出現(xiàn)最多的行為，與學(xué)習(xí)者課程評價(jià)相關(guān)性較高。由此可見，在線學(xué)習(xí)是“內(nèi)容為王”，在線學(xué)習(xí)者出于自身知識(shí)需求，期望通過教師對知識(shí)的演繹獲取知識(shí)。教師提問行為是激發(fā)學(xué)習(xí)者積極思考的有效手段，而目前在線平臺(tái)中實(shí)時(shí)提問行為受限?？蓢@教學(xué)內(nèi)容設(shè)置在線問答獎(jiǎng)勵(lì)機(jī)制，促進(jìn)教師和學(xué)習(xí)者異步問答互動(dòng)。例如授課教師提問可獲得平臺(tái)的經(jīng)驗(yàn)績點(diǎn)，學(xué)習(xí)者回答問題可獲得輔助學(xué)習(xí)資源下載積分。用問答獎(jiǎng)勵(lì)機(jī)制促進(jìn)在線教師與學(xué)習(xí)者深度交互，幫助在線學(xué)習(xí)者獲取知識(shí)。

（2）減輕教師教學(xué)任務(wù)，借力人工智能與大數(shù)據(jù)分析技術(shù)，將在線學(xué)習(xí)平臺(tái)中的教師助教行為自動(dòng)化、智能化。研究中雖然未出現(xiàn)學(xué)習(xí)者對教師表揚(yáng)、鼓勵(lì)、批評行為的觀點(diǎn)，相關(guān)性分析亦表明評價(jià)反饋、技術(shù)指導(dǎo)與學(xué)習(xí)者課程評價(jià)的相關(guān)系數(shù)未達(dá)到顯著水平，但在線學(xué)習(xí)中助教行為缺失并不利于學(xué)習(xí)者持續(xù)學(xué)習(xí)課程。對于數(shù)量龐大的在線學(xué)習(xí)者，教師要對每位學(xué)習(xí)者給予表揚(yáng)、鼓勵(lì)，給出評價(jià)、反饋等，人工難以實(shí)現(xiàn)。人工智能與大數(shù)據(jù)分析技術(shù)的發(fā)展為在線學(xué)習(xí)中教師助教行為的自動(dòng)化、智能化帶來了可能性?？梢赃\(yùn)用大數(shù)據(jù)分析技術(shù)分析學(xué)習(xí)者的學(xué)習(xí)情況，針對每位學(xué)習(xí)者的學(xué)習(xí)情況自動(dòng)給予反饋。

（3）重視課程資源和輔助學(xué)習(xí)資源管理，積極組織在線討論，促進(jìn)在線學(xué)習(xí)者協(xié)作學(xué)習(xí)。課程資源以及輔助學(xué)習(xí)資源是在線開放課程的重要組成部分。教師對資源進(jìn)行管理是保障學(xué)習(xí)者順利開展學(xué)習(xí)的前提條件。教師組織和參與在線討論能激發(fā)學(xué)習(xí)者在線學(xué)習(xí)的積極性，也有助于教師從學(xué)習(xí)者的討論內(nèi)容中進(jìn)一步了解學(xué)習(xí)者的課程學(xué)習(xí)進(jìn)度、遇到的困難等。在在線學(xué)習(xí)情境下，教師對各類資源進(jìn)行優(yōu)化管理有利于學(xué)習(xí)者獲得良好的在線學(xué)習(xí)體驗(yàn)。

（4）完善課程評價(jià)模塊，豐富在線學(xué)習(xí)者課程評價(jià)維度和功能，注重在線學(xué)習(xí)者觀點(diǎn)數(shù)據(jù)挖掘。目前，在線學(xué)習(xí)平臺(tái)強(qiáng)調(diào)資源建設(shè)，相對忽視學(xué)習(xí)者課程評價(jià)，且平臺(tái)評價(jià)模塊維度單一，功能并不完善。本研究選取的課程其學(xué)習(xí)者數(shù)以十萬計(jì)，評論者超過千人，但對教師和課程資源的相關(guān)評價(jià)數(shù)量偏低。深入挖掘在線學(xué)習(xí)者觀點(diǎn)，需在課程評價(jià)中引入有效的評價(jià)干預(yù)機(jī)制，激發(fā)學(xué)習(xí)者評價(jià)課程的積極性，獲取學(xué)習(xí)者真實(shí)的觀點(diǎn)信息，從而促進(jìn)教師教學(xué)行為發(fā)展和資源質(zhì)量提高。

[參考文獻(xiàn)]

丹尼爾·里夫，斯蒂文·賴斯，弗雷德里克·G. 菲克. 2010. 內(nèi)容分析法：媒介信息量化技巧（第二版）[M]. 嵇美云，譯. 北京：清華大學(xué)出版社：154-157.

傅德榮，章慧敏. 2001. 教育信息處理[M]. 北京：北京師范大學(xué)出版社：94-96.

高巍. 2012. 教師行為與學(xué)生行為的關(guān)系解析[J]. 教育研究，33（3）：100-106.

顧小清，王煒. 2004. 支持教師專業(yè)發(fā)展的課堂分析技術(shù)新探索[J]. 中國電化教育（7）：18-21.

韓后，王冬青，曹暢. 2015. 1∶1數(shù)字化環(huán)境下課堂教學(xué)互動(dòng)行為的分析研究[J]. 電化教育研究，36（5）：89-95.

李松林. 2005. 課堂教學(xué)行為分析引論[J]. 教育理論與實(shí)踐（7）：48-51.

劉繁華. 2004. 網(wǎng)絡(luò)教學(xué)中教師的教學(xué)行為研究[J]. 電化教育研究（4）：38-40，44.

施良方，崔允漷. 1999. 教學(xué)理論：課堂教學(xué)的原理、策略與研究[M]. 上海：華東師范大學(xué)出版社.

張屹，祝園，白清玉，等. 2016. 智慧教室環(huán)境下小學(xué)數(shù)學(xué)課堂教學(xué)互動(dòng)行為特征研究[J]. 中國電化教育（6）：43-48.

朱厚玉. 2013. 教師教學(xué)行為設(shè)計(jì)的原理與技術(shù)[M]. 昆明：云南大學(xué)出版社：9.

CNNIC中國互聯(lián)網(wǎng)數(shù)據(jù)平臺(tái). 2017. 第40次《中國互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計(jì)報(bào)告》[DB/OL]. http：//www.cnnic.cn/hlwfzyj/hlwxzbg/hlwtjbg/201708/P020170803598956435591.pdf

Cambria， E.， Schuller， B.， Xia， Y.， et al. （2013）. New avenues in opinion mining and sentiment analysis. IEEE Intelligent Systems， 28（2）， 15-21.

Chen， X.， Vorvoreanu， M.， & Madhavan， K. （2014）. Mining social media data for understanding students learning experiences. IEEE Transactions on Learning Technologies， 7（3）， 246-259.

Dave， K.， Lawrence， S.， & Pennock， D. M. （2003）. Mining the peanut gallery： Opinion extraction and semantic classification of product reviews. Proceedings of the 12th International Conference on World Wide Web. ACM， 519-528.

Flanders， N. A. （1974）. Interaction analysis： A technique for quantifying teacher influence. Behavior Change， 1-16.

Kim， S. M.， & Hovy， E. （2004）. Determining the sentiment of opinions. International Conference on Computational Linguistics. Association for Computational Linguistics， 1367.

Liu， B.， & Zhang， L. （2012）. A survey of opinion mining and sentiment analysis. Chicago： Springer US.

Liu， B. （2012）. Sentiment analysis and opinion mining. Chicago： Morgan & Claypool Publishers.

Liu， Q.， Zhang， S.， Wang， Q.， et al. （2017）. Mining online discussion data for understanding teachers reflective thinking. IEEE Transactions on Learning Technologies， pp（99）， 1-9.

Pang， B.， & Lee， L. （2008）. Opinion mining and sentiment analysis. California： Information Retrieval.

Reich， J.， Tingley， D. H.， Leder-Luis， J.， et al. （2015）. Computer-assisted reading and discovery for student generated text in massive open online courses. Journal of Learning Analytics， 2（1）， 156-184.

Romero， C.， López， M. I.， Luna， J. M.， et al. （2013）. Predicting students final performance from participation in on-line discussion forums. Computers & Education， 68， 458-472.

Stigler， J. W.， Gonzales， P.， Kawanaka， T.， Knoll， S.， & Serrano， A. （1999）. The TIMSS videotape classroom study： Methods and findings from an exploratory research project on eighth-grade mathematics instruction in Germany， Japan， and the United States. Washington， DC： Education Statistics Quarterly.

Takehisa Kumakawa. （2017）. A text mining examination of university students learning program posters. Open Access Library Journal， DOI： 10. 4236/oalib. 1103639， pp. 1-6

Che， W.， Zhao， Y.， Guo， H.， Su， Z.， Liu， T. （2015）. Sentence compression for aspect-based sentiment analysis. IEEE/ACM Transactions on Audio， Speech， and Language Processing. 23（12）， 2111 - 2124.

Yang， D.， Wen， M.， Kumar， A.， et al. （2014）. Towards an integration of text and graph clustering methods as a lens for studying social interaction in MOOCs. International Review of Research in Open & Distance Learning， 15（5）， 214-234.

收稿日期：2018-03-27

定稿日期：2018-08-26

作者簡介：趙呈領(lǐng)，教授，博士生導(dǎo)師;胡萍，博士研究生，副教授。華中師范大學(xué)教育信息技術(shù)學(xué)院（430079）。

梁云真，博士，講師，河南師范大學(xué)教育學(xué)院（453007）。

蔣志輝，博士研究生，副教授;黃琰，博士研究生，講師;疏鳳芳，博士研究生，講師。華中師范大學(xué)教育信息技術(shù)學(xué)院（430079）。

責(zé)任編輯 張志禎