本书从理论、方法与实践三个视角出发，对基于短文本的学习分析进行研究与阐述。在理论与方法研究方面，主要内容涉及基于短文本学习分析的理论框架、基于短文本情感增强的学习者成绩预测方法、资源推荐和问题回答者推荐方法、基于短文本学习分析的评测方法和短文本错误数据处理方法等。在实践方面，相关内容涉及基于短文本学习分析的预测与推荐应用、个体与团队学习者认知投入评测、学习者深度学习能力评测等方面的实践内容。
更多科学出版社服务，请扫码获取。
"十五"国防重点预先研究项目"新型软件测试技术"
目录
前言
第一章 绪论 1
第一节 短文本学习分析 1
一、理解学习分析 1
二、短文本的类型与特征 2
三、短文本与学习分析 3
第二节 学习分析的研究背景与意义 3
一、研究背景 3
二、学习分析的研究意义 6
第三节 研究现状与存在问题 7
一、研究缺乏理论框架的指导 7
二、数据质量问题应得到进一步重视 8
三、算法模型有待进一步扩展 9
四、文本情感分析在学习分析中的应用有待进一步研究 9
五、应用与评测有待进一步加强 10
第四节 本书组织结构 10
参考文献 11
第二章 短文本学习分析的理论框架 18
第一节 引言 18
一、理论框架的背景 18
二、学习分析理论框架的研究现状与启迪 19
三、研究与实践中的实例 22
四、问题描述 23
五、研究过程与途径 24
第二节 构建TFSTLA的基础理论 26
一、什么是TFSTLA 26
二、扩展EPA（EPAI）理论及其在TFSTLA构建中的应用 27
三、活动理论及其在TFSTLA构建中的应用 28
第三节 EPAI理论视角下短文本学习分析的问题研究 30
一、基于认识论视角的短文本学习分析元问题 30
二、基于教学法视角的短文本学习分析元问题 30
三、基于评测视角的短文本学习分析元问题 31
四、基于干预视角的短文本学习分析元问题 32
五、EPAI视角的短文本学习分析元问题本质及其归纳 33
第四节 活动理论视角下短文本学习分析的活动设计 33
一、研究短文本学习分析的活动理论基础 33
二、短文本学习分析活动系统的构成要素 35
三、基于短文本学习分析中的研究与实践活动设计 36
第五节 短文本学习分析理论框架及其工作原理 43
一、TFSTLA 43
二、TFSTLA工作原理 44
第六节 短文本学习分析理论框架下的各阶段任务 47
一、理论研究阶段 47
二、模型实现与训练阶段 48
三、数据采集与预处理阶段：错误数据的检测与修复 49
四、实证与实践阶段：利用学习分析中的模型处理数据并评估效果 50
第七节 本章小结 50
参考文献 51
第三章 短文本中的错误数据检测与修复研究 54
第一节 短文本中真词错误数据的检测与修复研究 54
一、传统真词错误检测与修复模型 56
二、基于BERT的真词错误检测与修复模型 60
第二节 基于BERT的文本语法错误检测与修复模型 63
一、问题定义 63
二、研究方法 63
三、实验设计 65
四、实验设置与结果分析 66
第三节 本章小结 67
参考文献 67
第四章 基于短文本的学习者成绩预测 69
第一节 引言 69
一、预测研究的视角、方法与应用 69
二、学习者成绩预测的研究现状 70
第二节 文本情感增强的学习者成绩预测模型 71
一、问题定义 71
二、BERT+CNN模型 72
三、BiLSTM+BiLSTM模型 74
四、BERT+BiLSTM2模型与BiLSTM1+CNN模型 75
五、实验与分析 75
第三节 本章小结 78
参考文献 79
第五章 短文本学习分析中的推荐算法 82
第一节 学习分析中的推荐算法 82
一、推荐系统开发中的一些讨论 82
二、短文本学习分析中的推荐问题与求解途径 83
第二节 自适应学习中的推荐问题研究 84
一、基于HIN元路径的相似性度量 85
二、自适应学习中的学习资源及问题回答者推荐 96
第三节 基于学习者求助行为的问题回答者推荐研究 108
一、问题定义 110
二、研究框架 110
三、回答者类别识别算法 113
四、求助行为下的回答者推荐算法 115
五、小结 119
第四节 基于候选回答者隐性行为的问题回答者推荐算法研究 119
一、问题定义 120
二、研究框架 120
三、计算隐性行为变量 123
四、基于候选回答者隐性行为的问题回答者推荐算法—基于线性回归模型视角 129
五、基于候选回答者隐性行为的问题回答者推荐算法—贝叶斯多元回归模型视角 131
六、基于候选回答者隐性行为的问题回答者推荐算法—基于卷积神经网络模型视角 132
七、实验分析 135
八、小结 140
参考文献 140
第六章 基于短文本学习分析的评测研究与应用 145
第一节 引言 145
一、教学评测 145
二、学习评测 145
三、学习效果评测中的基本方法 148
四、小结 149
第二节 基于ENA预测方法和机器学习方法预测学习者成绩的研究 150
一、问题定义 151
二、研究基础 152
三、实验方法 153
四、实验结果 161
五、讨论 170
六、小结 175
第三节 基于ICAP和CP融合框架的学习者认知投入评测研究 175
一、问题定义 176
二、研究基础 180
三、研究方法 181
四、结果分析 186
五、讨论 193
六、小结 196
第四节 学习者团队学习投入及其成绩之间关系的评测研究 197
一、问题定义 198
二、研究方法 199
三、实验结果与讨论 202
四、建议 205
五、小结 206
第五节 学习者的深度学习能力评测探究 206
一、问题定义 207
二、研究方法 208
三、研究结果与讨论 210
四、小结 218
参考文献 219
第七章 基于短文本学习分析预测与推荐服务的应用 227
第一节 基于预测模型的学习者成绩预测研究 227
一、文本情感对学习者成绩预测的影响 228
二、人口统计学特征、学习基础、学习态度和学习能力因素对学习者
成绩预测的影响 250
三、小结 255
第二节 基于学习者兴趣预测的学习资源推荐研究 255
一、基于知识点的学习兴趣预测研究 258
二、基于学习兴趣和求助行为的回答者推荐 266
三、基于学习兴趣和回答者隐性行为的回答者推荐 270
四、基于学习兴趣和HIN中元路径的学习资源与回答者推荐 274
五、小结 280
参考文献 281
附录 常用术语英汉对照表 284
彩图
书单推荐
