發(fā)布時(shí)間：2024-07-05 20:54

　　隨著互聯(lián)網(wǎng)生活的推進(jìn),網(wǎng)絡(luò)教育發(fā)展突飛猛進(jìn),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(xiàn)相對(duì)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(dòng)因素,來幫助在線學(xué)習(xí)視頻網(wǎng)站完善彈幕使用機(jī)制、提供課程推薦機(jī)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(gè)方面:(1)首先對(duì)關(guān)于“在線教育”、“彈幕”等相關(guān)文獻(xiàn)進(jìn)行研究,借助認(rèn)知負(fù)荷理論、信號(hào)傳遞理論,提出彈幕交互氛圍與認(rèn)知壓力對(duì)于用戶選擇在線網(wǎng)絡(luò)課程的影響,并補(bǔ)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(duì)選取的課程彈幕進(jìn)行彈幕內(nèi)容爬蟲,利用貝葉斯分類器區(qū)分彈幕間互動(dòng)類型,利用百度情感分析工具情感分析對(duì)彈幕進(jìn)行情感傾向分析,輸出定量指標(biāo)。(3)使用SPSS軟件,對(duì)上述提取的指標(biāo)進(jìn)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(dòng)和社交型互動(dòng)、彈幕噪音、課程質(zhì)量和課程分集對(duì)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(duì)于社交互動(dòng)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(duì)于社交互動(dòng)得分...

【文章頁(yè)數(shù)】：85 頁(yè)

【學(xué)位級(jí)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(yǔ)義的情感詞典方法

情感分類的第一步就是要?jiǎng)?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(jìn)行拓充生成新的詞典。另外,還可以根據(jù)研究領(lǐng)域的獨(dú)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(duì)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(jì)算算法,該算法主要是采用了權(quán)....

圖2-2基于機(jī)器學(xué)習(xí)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(jī)模型等機(jī)器學(xué)習(xí)方法,成功地將評(píng)論分為正負(fù)兩類[29]。在眾多機(jī)器學(xué)習(xí)方法中,他們的研究展示支持向量機(jī)模型的分類準(zhǔn)確率達(dá)到80%,其準(zhǔn)確率最高。對(duì)于文本情感傾向的分類的準(zhǔn)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(duì)于交互氛圍、認(rèn)知負(fù)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(diǎn)的調(diào)節(jié)作用

本文編號(hào)：4001518