在线学习支持服务是在线学习研究的核心内容之一,包含学术性、非学术性支持服务。在线学习论坛是在线学习支持服务的主要媒介之一,其中的帖子信息体现着学习者在学习过程中的需求、情感、社会交际等关注问题。联通主义认为在线学习就是学习者之间相互建立连接、构建知识网络,各取所需,使知识获得交换流通的过程。依托在线学习论坛的在线学习支持服务也可以被看作是这种联通学习网络的构建过程:(1)学习支持服务者也是学习者的地位;(2)在线学习支持服务的过程就是对学习者帖子产生的“知识”进行学习、理解与分享的过程。面对大规模联通学习网络(在线学习),学习支持服务者如何快速有效地学习学习者产生、分享的知识(认知学习者的关切)是学习支持服务的关键问题。因此,论文以联通主义、社会文化理论为理论基础,以在线学习论坛帖子语料数据为研究对象,以有效利用帖子内容进行在线学习支持服务为研究目标,开展利用帖子内容所包含的(诸如学习者的关注、情感、社会关系等)信息进行在线学习支持服务的技术研究,并将其应用到在线学习支持服务实践中,具体研究主要包括以下几个方面:(1)在线学习论坛学习支持服务体系构建。论文首先对在线学习支持服务等核心概念进行界定;然后,分析在线学习论坛的特点以及在线学习论坛学习支持服务体系的构成要素;接着,对在线学习论坛学习支持服务体系框架进行设计;最后,根据提供的在线学习支持服务来分析所需要的技术支持,为后文的研究设定研究范围。(2)在线学习论坛语料数据集的构建及其话语特征分析。当前,针对在线学习论坛帖子内容的研究也有不少,但是,由于隐私等因素致使数据难以获取,这导致没有供公共研究用的在线学习论坛语料数据集。论文通过整理网络教育学习平台中的公共论坛帖子,在大小超过380MB、逾110万帖、15万余学习用户的数据基础上,构建真实的较大规模在线学习论坛语料集。数据集由在线培训和在线学历教育两个子集组成。然后,论文采用扩充分词软件词库的方法解决了特定词汇不能准确切分的问题,提出了句子语气判定规则解决了句子语气分析问题。在此基础上,论文对语料集进行分词处理和基本的话语特征分析并对培训、学历教育语料子集的特征进行比较分析。分析结果反映了学习者、学习支持服务者整体的语言应用基本素质水平,这为后续章节的内容挖掘及学习支持服务应用提供了依据。(3)学习者关注焦点挖掘。在线学习论坛中的帖子内容反映了学习者在学习过程中面临的问题,是学习者真实需求的体现。只有了解学习者的真实需求,学习支持服务才能对症下药。为了把握学习者所关注的焦点,论文提出了内容融合法对话题(Thread)的内容结构进行优化处理,新构建了网络教育领域特征词典(包含词语869条),并提出采用“模型+领域词典”的方案,使用“作者-主题”模型与新构建的网络教育领域特征词典相结合,将优化后的话题中的学习者、内容映射到“作者-主题”模型中,形成“学习者-主题”模型,对学习者关注焦点进行发现。挖掘结果显示:①主题较为清晰、准确地反映出学习者的内心需求与兴趣关注,使得学习支持服务目标清晰、明确;②随着主题数增加,主题所表达的意涵粒度就越细腻,使得学习支持服务更细致;③主题的表达效果取决于其所包含的特征,特别是领域性特征,使得学习支持服务专业性、目的性更强;这就需要在实验中对特征进行有效地选择、过滤,甚至构建领域词典。学习者关注焦点挖掘为学习支持服务中的资源推荐和发现潜在学习协作小组的应用研究奠定了基础。(4)基于情感词典的学习者情感分析。学习者的情感支持服务是学习支持服务的重要部分。学习者帖子内容不仅反映了其学习需求,同时也反映了学习者对问题的“轻、重、缓、急”的态度和“积极”或“消极”情感倾向,是学习绩效的重要影响因素。因此,如何对学习者帖子所蕴含的情感进行分析是个重要的问题。为解决这个问题,论文首先提出了复合情感词典的构建方法,将 CEVOD(Chinese emotional vocabulary ontology database)等 3 个公开的中文情感词典进行合并、去重,产生新的情感词典,对其扩充网络情感用语词条并计算无情感度词条的情感度;为了分析情感强烈程度,论文提出了情感密度函数来解决文本长度对情感指数计算的影响;该函数使情感丰富的帖子文本排序往极性两端移动。论文进一步提出了对帖子、话题、学习者等不同粒度对象的情感指数计算方法。实验结果证明这些计算方法对在线学习论坛情感分析是有效的。该研究为学习支持服务者观察学习者在学习过程中的情感变化、了解学习者“需求”的“轻重缓急”提供支持,为学习支持服务中的紧急问题及情感疏导应用提供研究基础。(5)学习者社会性交互分析。在线学习者之间的社会性交互是学习者摆脱学习“孤独感”,增强学习“协作性”的重要网络社会活动。挖掘并利用好这种社会性对在线学习支持服务有重要作用;因此,论文侧重于对在线学习论坛中学习者的群体性——潜在学习协作小组和个体社会性——论坛发帖精英进行识别、挖掘研究。在研究过程中,论文运用图模型对在线学习者的网络交互结构进行解析,提出对中心性传统计算方法进行改进,增加交互深度函数以体现其交互烈度;提出了二阶段聚类算法来发现学习论坛中潜在的学习协作小组;提出了发帖精英识别模型来识别在线学习论坛中的发帖精英。一系列的实验结果证明论文提出的算法和模型是有效的、可行的。这为学习支持服务应用中的隐性评价及学习者画像研究提供基础。(6)基于多层架构的学习支持服务应用研究。基于前述几点的研究,本部分主要从学习支持服务的层面进行应用研究,将学习者关注焦点发现、情感分析、网络社会性分析的研究应用到在线学习支持服务中去。藉此,我们首先提出包括基础数据处理、信息挖掘、支持服务应用以及应用反馈四层结构的应用架构体系;其次,提出在此支持服务系统框架下进行学术性、非学术性以及情感性学习支持服务应用研究:资源推荐、隐性评价、紧急问题与情感疏导;第三,根据对个体学习者的论坛活跃性、情感指数、精英指数等指标,勾画出学习者在学习支持服务系统框架下的综合应用——学习者画像。应用分析表明这些应用对在线学习支持服务有很大的帮助和促进作用。综上所述,论文首先构建在线论坛学习支持服务体系框架,界定了技术的研究范围;在此基础上,对在线学习论坛语料数据集并对其基本话语特征进行分析;论文进一步研究利用这些数据进行学习支持服务的技术,并就这些技术进行应用研究,取得了不错的实验结果,证明本文研究对在线学习支持服务的有用性。