健康教育類在線課程的用戶需求及評價挖掘分析

邰楊芳

摘 要：探究MOOC（Massive Open Online Courses，又稱“慕課”）用戶對健康教育類在線課程的需求及評價，為健康教育類在線課程的建設和MOOC平臺的管理提供決策支持?；贚DA（Latent Dirichlet Analysis，LDA，潛在狄利克雷分布模型）主題模型識別評論文本的主題，借此發現用戶需求主題并構建用戶對課程的評價指標體系、分析用戶需求主題演化趨勢；基于百度AI（人工智能）情感分析進行在線課程評價，將用戶對在線課程需求的滿足程度進行可視化。研究結果表明：用戶需求主題呈現出多元化特點；構建的在線課程評價指標更加豐富、具體，符合在線學習環境和健康教育類課程的特點；MOOC用戶對健康教育類課程整體滿意度較高。

關鍵詞：健康教育；在線課程；用戶需求；LDA；情感分析

互聯網時代，通過網絡進行在線學習成為大眾獲取所需知識的重要方式。例如，有的互聯網用戶通過健康類社交網站、視頻網站、微信公眾號、問答平臺等獲取所需要的健康信息和知識，也有用戶通過知識付費平臺購買課程和知識資源。隨著大規模在線開放課程的興起，互聯網上的免費優質課程資源越來越多，逐漸成為互聯網用戶學習知識的主要選擇。中國大學MOOC作為中國最大的在線教育服務平臺，提供了千余門免費的優質課程，不僅吸引了在校大學生，還吸引了許多想要提升自己知識水平的非學生用戶學習平臺上的課程。課程內容來自北京大學、清華大學、浙江大學等全國七百多所高校，涉及的學科門類豐富，不僅包含計算機類、經濟管理、語言、藝術、歷史、金融等，還有醫學、健康教育類課程，成為互聯網大眾學習健康知識、提高健康素養和進行健康交流的重要平臺。

中國大學MOOC平臺除了提供課程資源，還向用戶提供學習幫助，如課堂測驗、課程討論和提交作業，以及課程評論功能。課程評論功能允許用戶發表有關課程內容、教學過程、學習感受等相關評論信息。評論文本中蘊含豐富的潛在信息，分析評論文本內容，可從中挖掘出用戶對在線課程所關注的主題，了解用戶的學習訴求、學習體驗等信息，而這些信息也正是基于用戶視角的關于課程內容、質量和教學效果的評價標準與情感反映，對于在線課程的建設與平臺服務都具有重要的參考價值。為此，本文以用戶的評論文本為分析數據，首先挖掘用戶對健康教育在線課程的評論主題，分析評論主題的特征，從中提取基于用戶視角的課程評價指標，并引入時間獲得用戶學習訴求的發展變化。另外，根據情感傾向了解用戶對在線健康教育課程在這些維度上的評價結果，期望能為在線健康教育課程的建設和MOOC平臺的功能與服務優化提供決策支持，也為提升全民健康素養、促進全民健康和推進“健康中國”建設進程做出努力。

一、相關研究綜述

1．在線課程的評價研究

隨著在線教學的廣泛實施，對在線課程的質量和教學效果的評價成為在線教育需要解決的重要問題。為此，學者們圍線在線課程評價標準的制定問題展開了廣泛的研究。根據評價標準的來源，現有的在線課程評價標準包括兩種類型：基于專家知識的評價體系和基于學習者意見的評價體系。

基于專家知識的評價體系，即權威部門的政策、規范文件（如教育機構和部門的在線課程評審指標、網絡課程評價標準、在線課程評價量規等）、前人的研究成果中提出的評價指標、邀請專家參與完成的指標和參照上述內容提煉、完善后形成的評價指標體系。其特點是指標的形成依賴于專家思想或專家的參與，是一種自上而下的評價指標構建方法。李青等人在對國內外八個權威在線課程評價指標進行分析的基礎上[1]，結合國內外MOOC建設的案例和優秀實踐，從媒體技術、課程內容、課程管理三個維度，構建了MOOC質量保證體系；李昱對106篇相關文獻進行初步篩選[2]，采用德爾菲法和網絡層次分析法構建了在線課程評價指標體系；賴玲玲、錢小龍等人進行了類似的研究[3-4]，首先基于相關理論研究并結合個人的教學經歷構建在線教學服務質量評價指標，然后依據對在校大學生的問卷調查結果對其進行優化，確定最終的在線課程服務質量評價指標體系。從指標內容上看，現有的指標體系中基本都包含課程平臺（技術）、課程教學、課程內容及課程管理等維度，也有部分指標體系中包含課前準備、學習服務等維度。

基于學習者意見的評價體系，即評價指標來源于具有學習實踐經歷的學習者，由學習者提出或基于學習者的意見和觀點提煉得出的評價指標體系。例如基于用戶訪談資料、由用戶提交的關于課程的評論文本或行為（打標簽、點贊、轉發、打分等）數據分析得出的評價指標，更能反映用戶的價值判斷標準，是一種自下而上的評價指標體系。學習者對課程進行評價，尤其是對于以用戶自主學習為主的在線教育課程而言，其作用越來越受到課程建設者、教學者和服務平臺的重視[5]。已有相關研究采用文本挖掘技術分析學習者關于在線課程的評論信息，分析課程評論文本的主題、情感傾向，識別出用戶的學習訴求、關注主題、學習體驗等，據此形成課程評價體系。在評論文本數據的選取范圍方面，有學者以各學科類別的在線課程為研究對象，如選取MOOC平臺上評論文本較多的各類課程[6]、某高校疫情期間開設的所有在線課程，從評論文本中提取出與學科領域無關的評判主題，提取出的課程質量評價標準可能會普適性較好。也有學者以某一門具體課程為例，對基于評論文本的在線課程用戶關注主題分析方法進行實證研究，如王洪鑫等學者對MOOC平臺上的“面向核心素養的信息化教學設計”課程分析發現[7]，學習者在課程學習時比較關注課程的授課方式、技術工具、課程內容、評價方式和學習成效問題。然而，不同類型、不同學科的課程具有其自身的特點，學習者的學習訴求和學習體驗也會有相應的個性特征，上述研究的結論是否也可用于對其他課程的評價其實還有待進一步研究。

2．評論文本的分析方法

自然語言文本是人們表達需求、交流思想和觀點的記錄，是人類思維的載體。對大規模非結構化的自然語言文本進行語義內容分析，目的在于挖掘其中蘊含的有價值信息。對于用戶提交的評論文本，分析挖掘的主要內容包括：評論文本所表達的主題和情感傾向，即文本主題分析和情感分析。目前使用較多的潛在狄利克雷分布模型（Latent Dirichlet Analysis，LDA）是一種無監督機器學習的文本主題分析方法，能夠在大量的文本中發現數據中潛在的變量或隱藏的結構[8]，對于評論文本主題提取具有突出優勢，可提高主題聚類質量，正確識別評論文本內容主題[9]。該模型廣泛用于問答平臺中用戶的信息需求[10]、社交媒體中突發事件的輿情發展[11]、電子商務平臺中消費者的商品需求偏好等內容的分析與挖掘[12]。

情感分析是指通過使用自然語言處理技術從文本數據中識別出用戶主觀的情感、觀點和態度的過程[13]。目前，情感分析方法主要包括基于機器學習的情感分析與基于情感詞典的情感分析。通過情感分析，可識別政府及公眾對突發事件的情感傾向[14]，了解用戶的感受和體驗，分析結果可用于劃分微博熱點話題下的用戶群體[15]，實現對圖書讀者的精準推薦[16]、評價產品質量和服務等。

綜合上述分析結論，學習者關注的問題、學習體驗與感受對于評價在線課程的質量和服務尤為重要，MOOC的課程評論文本成為重要的課程評價數據?；跈C器學習的文本主題分析方法和情感分析方法可有效地挖掘大規模非結構化文本數據中的有價值信息。本文面向健康教育領域，對MOOC平臺健康教育類在線課程的用戶評論文本進行主題挖掘和情感分析，旨在了解用戶對健康教育類課程的真實學習需求及評價，為基于課程的在線健康教育實施與促進提供決策支持。

二、研究設計

以中國大學MOOC平臺中健康教育類課程為研究對象，以課程的用戶評論文本為數據源，挖掘健康教育類在線課程用戶對課程的需求和評價信息，整體研究框架由三部分構成（見圖1）。

1．數據采集與處理

在“中國大學MOOC”平臺的國家精品課程庫中進行檢索并篩選出符合健康教育主題的課程。采用自編的Python爬蟲代碼，獲取課程的評論文本，并對文本進行數據去除重復、刪除無實質意義的評論、去除數字、特殊符號、大小寫轉換等數據整理工作和分詞工作，為下一步的分析做準備。分詞采用Python第三方庫jieba，并使用自定義詞典，整合“哈工大停用詞表”“四川大學機器智能實驗室停用詞表”“百度停用詞表”和自定義詞構建而成的領域停用詞表，對分詞結果進行優化。

2．用戶需求分析

用戶需求分析包括用戶評論主題識別、基于評論主題的用戶需求主題及特征分析和需求主題的演化分析。首先，采用LDA模型識別用戶評論主題。其次，基于學習者的視角，將用戶的評論主題映射為用戶關于健康教育課程的需求主題及特征指標，據此形成基于學習者視角的課程評價指標體系。在此基礎上，引入時間維度，分析用戶需求主題隨在線課程開設時間發展的演化情況，識別用戶需求的變化趨勢，聚焦現階段用戶對健康教育類在線課程的關注熱點。

3．用戶評價分析

首先基于機器學習的方法分析健康教育類課程評論文本的情感傾向，得到每個文本的情感類別。然后，依據文本所屬主題分析每個主題中各類別情感文本所占比例，得到MOOC用戶對當前的健康教育類在線課程在學習體驗、學習效果及滿意度等主題的量化評價結果。百度情感傾向分析服務是基于機器學習對包含主觀信息的文本進行情感傾向性判斷，符合MOOC評論特征。因此，本文的情感分析調用了百度提供的情感分析API（Application Program Interface，應用程序界面）。

三、健康教育類在線課程用戶評論數據采集與處理

1．數據采集

以“健康”為關鍵詞，在“中國大學MOOC”平臺的國家精品課程庫中進行檢索后，分析課程的名稱、課程大綱，篩選出10門屬于健康教育類的課程。課程名稱分別為：大學生心理健康、體育與健康、營養與健康、健康評估、運動與健康、中醫養生與健康、學前兒童健康教育、生殖健康、病理與健康、環境與健康。從名稱可見，這些課程大都屬于通識課，既適合對大學生進行健康通識教育，又適合對普通社會大眾進行健康科普教育。用Python數據爬取程序自動獲取到18 702條課程評論文本記錄，包括課程名稱、用戶ID、評論文本及評論時間，數據采集時間為2022年2月5日。

2．數據處理

經過去除重復評論、刪除數字、無實質內容的評論（比如“哈哈哈哈哈”“好好好”“棒”以及一些網絡用語）和字符轉換等工作后，最終獲得10 356條有效評論數據，對其再進行對分詞、去停用詞處理，其結果作為LDA主題挖掘模型的輸入文檔。

四、健康教育類在線課程的用戶需求分析

1．評論主題的識別

（1）評論文本的LDA主題分析

LDA是一種對文檔隱含主題進行建模的方法，其基本思想是每個文檔由多個主題構成，每個主題則是詞表上詞匯的概率分布。將分詞后的評論文本數據讀入LDA模型進行主題分析，識別用戶的評論主題。其中，先驗參數α和β設置為默認值，模型迭代次數為100次。同時由于LDA是一種無監督的機器學習聚類方法，聚類分析得到的主題數目為多少時最適合，需要人工選擇。已有的研究表明，聚類的困惑度（Perplexity）值越低，聚類的區分度越高，即聚類效果越好[17]。為此，根據LDA分析得到的數據繪制主題數—困惑度曲線（見圖2），選擇困惑度最低值對應的主題數11為最優主題數。

表1為將用戶評論文本聚類為11個主題時，每個主題下概率分布值排名靠前的詞語，它們是對于描述和解釋對應聚類主題的語義貢獻

大、價值高的詞語，本文將其稱為關鍵主題詞。其中，比重代表每一個主題在整個評論文本集中的權重。

（2）評論文本的主題內容分析

對評論文本的LDA主題分析，能夠將用戶的評論信息劃分為若干個代表其關注熱點的類團（Topic），但無法自動生成每個 Topic 的主題名稱[18]。因此，結合每個主題的關鍵主題詞和其支持文檔（LDA分析結果中，在該主題上概率分布值為最大的那些評論文本）對主題進行人工解析，歸納總結主題含義。

主題1可歸納為課程主題。反映納入本文分析范圍的健康類課程的主題內容。主題關鍵詞運動、中醫、養生、學前、兒童、環境，分別對應于課程名稱運動與健康、中醫養生與健康、學前兒童健康教育、環境與健康，涉及各方面人的健康，說明當前中國大學MOOC平臺上的健康教育課程資源比較豐富。其中，“健康”作為獲取課程數據時的檢索用詞，在該主題下出現頻率位居第一。

主題2為課程學習收獲。相關評論主要針對“大學生心理健康”這門課程，學習者反映在情緒、心態、人際關系等方面都有所改善，促進身心健康發展。

主題3為課程內容特征。包含的關鍵詞以形容詞為主，有趣、充實、清晰、新穎、詳細、豐富多彩等詞體現了課程內容的趣味性、新穎性與準確性。

主題4為課程知識。包含的關鍵詞以對課程內容或知識的客觀陳述性關鍵詞為主，如體育、運動、病理、養生、中醫、知識等，內容豐富且實用，用戶學習后感覺受益匪淺。

主題5為授課風格與策略。關鍵詞有課堂、授課、幽默、風趣、吸引、溝通、深入淺出、指導等，說明教師在授課過程中語言風趣幽默，授課和指導學生時深入淺出，能吸引學生。

主題6為教學模式。包括關鍵詞視頻、課件、活動、討論、交流、案例、分析、測試等，說明MOOC在線教學模式除了包括視頻講解、課件學習，還有即時測驗、主題交流討論這樣的課上和課后活動，過程中有教師或助教提供答疑和指導。

主題7為教學風貌。關鍵詞有教師、專業、授課、積極向上、條理清晰、溫柔等，體現教師授課時的專業性、思維條理性和積極向上的教學風貌。

主題8為用戶學習感受?？傮w印象為通俗易懂，心理素質得到鍛煉，從中收獲快樂，期待課程證書。

主題9為教學態度與策略。關鍵詞有教師、認真負責、興趣等，說明教師對課程教學態度認真，教學內容講解能結合用戶興趣，貼近日常生活。

主題10介紹了教師通過答疑為用戶解決困惑，通過設置作業進行測試，可概括為師生互動與測評。

主題11是用戶學習體驗。反映學習者對在線學習過程、學習環境中各種要素的感知和體會[19]，體現為學習者的偏好性、愉悅性。關鍵詞有推薦、優秀、點贊、樂觀等，說明學習者感到收獲頗多，愿意推薦該課程，為其點贊，課程學習改變了其心態，以樂觀的態度積極生活。

為了更直觀地顯示用戶評論文本的主題聚類情況，本文采用多維尺度分析方法，基于各主題間的相似性構建多維空間到低維空間映射，將LDA主題之間的相互關系可視化[18]。如圖3所示，圖3（a）的每個氣泡代表一個主題，氣泡的大小表示主題的比重，氣泡大表明氣泡所代表的主題在文檔主題集中的占比大；氣泡間的距離代表主題之間的差異，即氣泡間距離越大，氣泡所代表的主題間差異越大。選中圖3（a）某一主題，圖3（b）顯示與該主題對應的關鍵主題詞語；當未選中圖3（a）任何主題時，圖3（b）的詞語列表顯示對整個評論文本集的主題具有顯著代表性的前30個關鍵詞，橫軸代表詞頻。其中，“知識”和“內容”是排在前兩位的主題關鍵詞，表明課程的知識內容是在線課程學習者首要關注的問題?！敖處煛币辉~是第三個代表性詞語，并且在評論文本中的詞頻率最高，說明教學主體及其相關活動也是學習者關注的核心要素?！笆芤娣藴\”“喜歡”等詞也位居前列，說明學習者的學習收獲和體驗也是評論文本中的重要主題。

2．基于評論主題的用戶需求及其特征分析

（1）用戶評論主題的分類及其依據

學習者的評論主題代表了其在課程學習過程中感興趣或關注的問題，反映了學習者從自身角度出發對在線課程的學習訴求和判斷。明確學習的需求及其特征，是建好在線課程和做好教學與服務需要解決的首要問題。在線課程教學的基本過程為：建設課程—組織教學—教學評價，對應于學習者的在線課程學習的基本行為過程：獲取資料—學習—學習評價。兩個過程中涉及三個共同的要素：課程內容、課程活動和課程效果。學習者對課程的評論主題及其特征即是學習者圍繞上述三要素對在線課程提出的需求及其特征。

基于上述思路，同時參照主題間的遠近關系（見圖3），本文在基于關鍵主題詞及原始評論文本分析11個評論主題特征的同時，將這些主題按描述對象歸入上述三大類課程要素主題，它們即為學習者對在線課程的需求主題及特征，需求主題特征反映用戶對課程要素的評價指標或稱需求指標，從而形成用戶關于健康教育類在線課程的需求主題及其評價指標。

（2）用戶需求主題及特征分析

①課程內容需求

課程內容是在線課程的靈魂[20]，是整個學習開展過程的開端，是學習者學習的直接對象和所需知識的主要來源。評論主題中的課程主題、課程主題內容特征和課程知識，都是對課程內容不同方面的描述，反映學習者對課程內容的需求，將其歸入課程內容需求主題。結合各主題的關鍵主題詞及其支持文檔內容，課程主題中“內容充實”“豐富多彩”等詞語反映了用戶對課程內容的豐富性要求；課程主題內容特征中“內容生動有趣”“內容新奇”“邏輯清晰，科學嚴謹”等詞，說明用戶對課程內容的趣味性、新穎性和準確性要求；課程知識主題中，語句“包含很多健康知識”“具有實際應用價值”等，反映用戶對課程內容的專業性、實用性需求。因此，用戶的課程內容需求主題涉及課程主題、課程主題內容特征和課程知識3個維度，包括6個需求或評價指標：豐富性、趣味性、新穎性、準確性、專業性和實

用性。

課程內容需求主題在整個文本集中所占比重（3個構成維度的評論主題所占比重之和）為34.5%，位居第一。與現有基于專家思想的傳統研究文獻相比[1]，基于用戶評論文本分析得出的學習者對課程內容的需求不僅包含了專業性、準確性、豐富性、實用性等基礎需求指標，而且出現了趣味性、新穎性等較高層次的學習需求。

②課程活動需求

課程活動對于MOOC學習者而言，是指其利用平臺自主學習、交流討論、參與測評等圍繞課程任務而進行各種活動的總和[21]。在線學習是一種學習者的自主學習，學習內容的主要呈現形式為錄制的教師授課視頻，學習者在視頻中授課教師的引領下以課程內容為對象進行思維活動。視頻課程中授課教師表現出的教學風貌、教學態度、采用的教學模式與教學策略，都直接作用于學習者的學習體驗和學習效果[22]。同時，基于MOOC平臺論壇的師生互動、生生互動以及通過參與在線測評、考核等活動內容是促進學習者知識建構的重要資源，是在線課程教育保障學習質量必不可少的環節。因此，可將評論主題中教師的授課風格與策略、教學態度與策略、教學風貌、教學模式和師生互動與評價歸入課程活動需求主題。同樣的方法，對評論主題的關鍵主題詞及支持文檔分析后，提取出反映學習者對課程活動需求的9個評價指標：授課教師的幽默感、責任感、精神狀態的積極性和思維敏捷性，教學策略的引導性和情境化，教學模式的系統性、師生互動性和評價方式的多樣性。

其中，深入淺出和貼近生活的引導式與情境化的教學策略，教師積極向上、思維敏捷的教學風貌以及教學模式的系統、綜合性，體現了符合網絡環境中自主學習特點的在線課程學習者的需求。

③課程效果需求

課程效果是學習者參與在線課程之后對其產生的情感反應和價值判斷[23]。效果評價包括對在線學習的價值性評價和綜合性評價。價值性評價表現在學習者對在線課程及其學習效果的價值確認[24]；綜合性評價是指學習者對在線課程學習意義深刻理解和對學習結果進行評估基礎上形成的整體內心感受和情感反應。評論主題中，課程學習收獲反映學習者對課程學習價值的評價；用戶學習感受、用戶學習體驗反映學習者學習課程后的整體內心感受與體會，即對課程學習的綜合性評價。因此，將這三個評論主題歸為課程效果需求主題。結合評論主題的關鍵主題詞及支持文檔內容，提取出反映用戶對課程效果需求的4個需求評價指標：課程學習后的價值感，整體內心感受上的成就感、偏好性和愉悅性。

其中，愉悅性指標，對應于主題關鍵詞“樂觀”和評文論本中的短句“改變心態”“樂觀生活”等信息，反映用戶學習健康教育課程之后的感受和心態變化，是具有健康教育類課程功能特點的需求指標。這也說明，開展面向社會公眾的健康知識教育符合社會大眾的健康知識學習需求。

圖4記錄了評論主題、主題內容描述、主題特征及向需求主題映射過程的全部信息，最終得到由3個需求主題（一級指標），11個維度（二級指標）和19個評價指標（三級指標）及其指標說明（文本詞描述）構成的三級指標體系，成為基于學習者視角的健康教育類在線課程評價指標體系。

3．用戶需求主題的演化分析

對于LDA分析得到的文檔—主題矩陣，先計算其中每個評論主題的主題強度（即該主題分布在每個評論文本上的概率之和與總評論文本數的比值），再計算同一需求主題類下各評論主題的強度之和，得到每類需求主題的主題強度。主題強度代表一個主題在整個評論文本集的所有主題中所占比重，可反映評論用戶對該主題的關注程度。按評論文本的生成時間（以年為單位）統計各需求主題強度，得到需求主題強度—時間分布，圖5即為用戶需求主題隨時間發展的演化情況（因2022年僅有一月份數據，故不對2022年數據做分析）。

圖5中，橫坐標表示評論文本的生成時間，左側縱坐標表示需求主題強度。為了使不同需求主題之間的差異及變化在圖例中的對比效果更直觀，本文對主題強度按評論文本數量進行同倍放大，放大后的主題強度相當于計算公式中分子，可將其理解為需求主題的文檔支持度。曲線表示不同年份MOOC用戶的三類需求主題總強度。柱狀圖表示三類需求主題強度在當年需求主題總強度中的占比。

需求主題總強度，從整體上反映用戶對課程的關注度。雖然本文采集的10門課程數據中最早的開設時間是2016年，但MOOC平臺的評論功能2018年才開通。因此，圖5顯示最早的健康教育類MOOC用戶評論文本產生于2018年，此時的健康教育類在線課程已經在一定程度上受到了社會公眾的關注。2019年的用戶關注度同2018年基本持平。2020年的公眾關注度

則顯著提高并達到頂峰，這是由于新冠疫情于2020年突然爆發，各大高校全面開展在線教學模式，公眾采取居家學習、辦公，延長了國民日均上網時間，并且疫情使國民更關心健康問題，使用戶對健康教育類課程的關注度達到新高。2021年相較2020年則有所下降。究其原因，是因為新冠疫情得到有效控制，居民恢復了日常出行，高?；謴驼ｉ_學；但是相較2018

年、2019年，仍然呈上升狀態，說明公眾對健康教育課程越來越關注，國民健康素養也在逐步提高。

各類需求主題的占比反映用戶對課程需求的側重點。圖5中的柱狀圖顯示，從各需求主題的比重變化情況來看，用戶對課程內容需求主題的關注度呈現逐年下降的趨勢，從2018年占比37.22%至2021年占比29.94%，穩中有降的占比情況說明課程通過不斷迭代，課程質量已經達到了一定水平，課程內容可以滿足用戶需求；課程活動需求主題在總需求強度中的比重保持在一定水平，并且持續為占比最大的需求主題，表明課程活動依然是用戶當前對課程的重點需求；課程效果需求主題的受關注度呈現逐年上升的趨勢，從2018年的20.20%到2019年的21.36%，然后在2020年需求比重猛增，達到24.04%，2021年達到最大值28.51%，這表明隨著國民健康素養的提高，MOOC用戶越來越注重自身的學習感受，而課程活動也是為了滿足學習效果，因此課程活動與課程效果呈現穩定或上升的趨勢。究其原因，在線課程與傳統課堂教學最大的區別在于師生之間不能直接互動，課堂互動與學習反饋成為影響在線學習效果的最主要因素，隨著課程設計和平臺功能的不斷完善，課程互動與教學反饋的短板正在不斷得到改進并取得顯著效果，既是用戶對線上課程最主要的需求，也當然地成為在線學習用戶評論的熱點。

五、用戶需求主題的評價分析

1．用戶需求主題的情感分類

借助百度AI的自然語言處理應用工具對用戶的評論文本進行情感傾向判別，獲取用戶對健康教育類課程的情感類別：積極情感和消極情感。如文本“受益匪淺，繼續學習”為積極情感，文本“測試就根本看不到題，咋做”為消極情感。對于每一類需求主題，分別計算其在積極情感評論文本集和消極情感評論文本集中的主題強度，除以該需求主題在全部文本中的主題強度，得到用戶關于該需求主題的積極和消極評價的比例。對三類需求主題的評價情感分析結果見圖6。

在圖6中，縱坐標是MOOC用戶的需求主

題，橫坐標顯示需求主題的兩類評價情感占比。

總體上看，用戶對健康教育類在線課程的評價為正向情感，三類用戶需求主題的積極情感占比都在90%以上，說明MOOC較大程度上滿足了用戶的健康知識學習需求，用戶的在線學習體驗較好，總體滿意度較高。相對而言，用戶對課程內容需求主題的消極評價占比最低，僅為2.86%，說明用戶關于課程內容的需求得到了最大程度的滿足。與用戶需求主題的演化分析結果相呼應，課程內容的不斷升級致使用戶高滿意度和需求逐年下降現象的出現。課程活動和課程效果兩個需求主題的消極占比達5%以上，表明相比課程內容來說，用戶對課程活動和課程效果的滿意度較低，在線課程仍需在某些方面進行加強和完善。結合演化結果可知，這兩類需求也是用戶當前關注的重點。

2．積極和消極需求主題的詞云分析

為了進一步探明健康教育類在線課程在哪些具體方面滿足了用戶需求，在哪些內容上還存在差距，采用自編Python程序對積極情感評論文本和消極情感評論文本進行分詞、統計并分別繪制出積極和消極情感文本的詞云（見圖7）。在詞云圖中，關鍵詞的詞頻越高，字體越大。

如圖7（a）中的積極主題詞云顯示，“教師”“知識”“健康”“內容”“授課”“受益匪淺”出現頻率都比較高，表明MOOC用戶對健康教育類課程的課程內容和教師的授課活動比較滿意。這與MOOC主要來自國內一流高校，師資水平高，并且大部分課程為國家精品課直接相關。同時，這一結果也與主題分布可視化效果圖（見圖3）所列出的高相關度關鍵詞相一致。其次，可以看到“實用”“很棒”“喜歡”“感謝”“收獲”等詞，這是對課程內容表達贊賞與感謝之情，說明健康教育類在線課程得到了用戶較大的關注與認可。接著是“通俗易懂”“有趣”“生動”“詳細”“答疑”，表達了對該課程內容及課程活動的極大肯定。

圖7（b）中的消極主題詞云中，因本文的研究對象為健康教育類課程，所以“健康”“知識”在兩個詞云圖中出現頻率都很高。在僅占評論總數4.6%的消極文本中，“教師”的出現頻率最高，雖然對比積極主題的詞云可以看到用戶對教師的授課活動滿意，但也存在少量不滿意的問題。原因是部分用戶對個別課程視頻中教師的身體語言、副語言等課堂表現感覺不太習慣。例如，教師在錄課時表情僵硬、語速較快，學習者不太適應。頻率第二高的為“證

書”“申請”，查看評論的原始數據可知，MOOC用戶在申請證書時會遇到各種問題，比如該如何申請證書、申請證書之后何時可以發證書以及申請證書時需要交費等，給用戶帶來不太好的學習體驗?！皟热荨币彩窍麡O主題中的高頻詞，表明用戶對課程內容不滿意，對照文本發現，主要是針對“課件”內容，用戶反饋個別課程沒有提供課件、課件不全面、課件與“視頻”相比陳舊，未得到及時更新等。課程“測試”板塊也存在需要改進的問題，在測試模塊，用戶偶爾會遇到測試題“打不開”或打開后“看不到”測試內容的問題，還有測試過程中因“時間”太短而答不完題的情況，這表明還需要技術的支持和產品功能的不斷迭代?？傮w來看，部分用戶比較在意課程的考核結果和學習認同問題，期望獲得相關課程的證書，由此，建議MOOC平臺管理者可以采取有關措施，使考核結果清晰化。

六、結論

1．公眾對健康教育類在線課程持續、廣泛關注，其課程需求主題多元化

課程內容需求中，實用是用戶對課程的最普遍需求，用戶期望可將學習到的健康知識應用于現實生活中，解決生活中所面臨的生理或心理健康問題。課程活動需求中，教師的授課方法、語言和態度、各種形式的課程互動、考試測評等都是學習者關注的重點，它們對用于用戶保持主動、持續學習的興趣和動力、強化對課程內容的理解非常重要。學習課程之后的價值認同感和整體感受也是用戶非常重視的問題。

2．用戶視角的在線課程評價指標豐富具體，具有健康教育在線課程特點

基于用戶評論文本的LDA主題分析挖掘出健康教育類在線課程評價指標體系，與傳統的教學評價體系相比，具有趣味性、新穎性的課程內容，具有引導性和情境化的教學策略，教師積極向上、思維敏捷的教學風貌以及教學模式的系統全面性等用戶需求，體現出教育信息化環境下用戶在線自主學習的特點。對課程效果的學習者價值感、成就感、偏好性與愉悅性評價指標，是更加強調學習者中心的評價指標。與田園等學者的同類研究相比[20]，學習者中心的4個評價指標也具有新穎性，是對現有評價指標體系的補充與完善。

3．MOOC用戶對健康教育類課程整體滿意度較高

大多數的用戶評論文本呈現出積極的情感傾向，表明公眾對健康教育類課程需求的滿足程度高。多數用戶表示喜歡課程，而且該類課程有益身心健康，用戶樂于推薦給身邊的同學、同事、家人，增加他們的健康知識儲備。當然，用戶對課程內容的最大感受就是受益匪淺，不僅滿足了自身的學習需求，還獲得了課程所帶來的價值認同感，并且期待后續的健康課程。

4．MOOC平臺在課程管理、平臺功能及服務方面有待優化

當前用戶對健康教育類課程的課件、課程測試及考試、教師的身體語言與副語言、課程證書方面評價消極。相應地，MOOC平臺建設和課程開發者，需要進一步完善對課程的管理，做到及時提供與課程視頻配套的最新課件資料。加強對MOOC平臺的技術支持，使用戶在線課程的測試及考試等環節操作簡單快捷，確保每個學習環節都能順利完成。加強與課程提供方的溝通與培訓，使教師在課程錄制過程中盡量做到表情自然、語速適中，并理順證書申請與辦理流程。對于可提供證書的課程，向學習者提供流程化的申請證書指導，并且向提交申請后的用戶開放整個流程的進度。

參考文獻：

[1]李青，劉娜.MOOC質量保證體系研究[J].開放教育研究，2015，21（5）：66-73.

[2]李昱，劉斌.教學醫院在線課程質量評價指標體系[J].解放軍醫院管理雜志，2020，27（6）：570-575.

[3]賴玲玲，彭麗芳.高校在線教學服務質量評價指標體系構建研究[J].黑龍江高教研究，2021，39（6）：147-154.

[4]錢小龍，曹維娜.基于用戶視角的微軟人工智能專業慕課質量評價研究[J].高等職業教育探索，2020，19（6）：69-75.

[5]郭麗君.教育生態視閾下的高校教學評價問題研究[J].湖南農業大學學報（社會科學版），2017，18（4）：91-94.

[6]張新香，段燕紅.基于學習者在線評論文本的MOOC質量評判——以“中國大學MOOC”網的在線評論文本為例[J].現代教育技術，2020，30（9）：56-63.

[7]王洪鑫，閆志明，陳效玉，等.面向MOOC課程評論的主題挖掘與情感分析研究[J].開放學習研究，2021，26（4）：16-23.

[8]陳嘉鈺，李艷.基于LDA主題模型的社交媒體倦怠研究——以微信為例[J].情報科學，2019，37（12）：78-86.

[9]陳明紅，黃涵慧.用戶視角下微博檔案主題識別與情感分析研究[J].檔案與建設，2021（9）：36-42.

[10]周國韜，龔栩，鄧勝利.基于主題分析的用戶養生健康信息需求演化趨勢研究[J].情報科學，2022：1-10.

[11]王晰巍，劉宇桐，李玥琪.突發公共衛生事件中公民隱私泄露輿情的情感演化圖譜研究[J].情報理論與實踐，2022，45（3）：19-27.

[12]王軍，李子艦，劉瀟蔓.不同文本長度的體驗型產品在線評論時間序列研究——以電影評論為例[J].圖書情報工作，2019，63（16）：103-111.

[13] TOMAS M， ILYA S， KAI C， et al.Distributed Representations of Words and Phrases and their Compositionality[J].CoRR，2013.

[14]任中杰，張鵬，李思成，等.基于微博數據挖掘的突發事件情感態勢演化分析——以天津8·12事故為例[J].情報雜志，2019，38（2）：140-148.

[15]張夢瑤，朱廣麗，張順香，等.基于情感分析的微博熱點話題用戶群體劃分模型[J].數據分析與知識發現，2021，5（2）：43-49.

[16]楊鑫，趙凱，馬原東，等.基于情感分析和Word2Vec的圖書推薦方法[J].圖書情報導刊，2021，6（3）：46-52.

[17] RANARD B L， WERNER R M， ANTANAVICIUS T， et al.Yelp Reviews Of Hospital Care Can Supplement And Inform Traditional Surveys Of The Patient Experience Of Care[J].Health Aff （Millwood），2016，35（4）：697-705.

[18]王晉，支茵.性別差異視角下網絡問答社區減肥信息需求主題特征研究——以“知乎”為例[J].現代情報，2021，41（2）：89-96.

[19]沈凱莉.虛擬仿真學習體驗的影響因素及其相關性研究——以“中小學課堂突發安全事件處理”虛擬仿真實驗項目為例[J].中國教育信息化，2022，28（3）：106-112.

[20]田園，宮婷婷.基于LDA模型的在線教學需求數據主題挖掘研究[J].情報科學，2021，39（9）：110-116.

[21]江毓君，白雪梅，伍文臣，等.在線學習體驗影響因素結構關系探析[J].現代遠距離教育，2019（1）：27-36.

[22] JANE W， PETER H.Teaching Effectiveness in Technology-Mediated Distance Learning[J].The Academy of Management Journal，1997，40（6）.

[23]張文蘭，李莎莎.在線課程學習體驗量表的開發與檢驗[J].現代教育技術，2021，31（2）：65-72.

[24]劉斌，張文蘭，江毓君.在線課程學習體驗：內涵、發展及影響因素[J].中國電化教育，2016（10）：90-96.

[基金項目：中華醫學會醫學教育分會、中國高等教育學會醫學教育專業委員會2020年醫學教育研究立項課題一般項目“醫學研究生學術創新能力提升與保障體系研究”（2020B-N11224B），2021年山西省高等學校教學改革創新項目“醫學高校學生科學數據素養教育課程體系建設與教學實施的探索”（J2021260）]

[責任編輯：余大品]