[发明专利]基于机器学习的MOOC僵尸课程识别方法

说明书

本发明涉及一种基于机器学习的MOOC僵尸课程识别方法，包括以下步骤：步骤S1:采集MOOC平台上若干样本课程；步骤S2:提取样本课程特征并添加标签，构造训练数据集；步骤S3:构建BP神经网络模型；步骤S4:根据训练数据集，初始化并训练BP神经网络模型，直到测试误差达到预设值或者到达预设最大训练次数，得到训练后的BP神经网络模型；步骤S4:将待测MOOC课程输入训练后的BP神经网络模型，判断是否为僵尸课程。本发明基于机器学习MOOC僵尸课程识别方法，具有高效，准确，低成本的特点，对推进MOOC建设有重大意义。

技术领域

本发明涉及一种基于机器学习的MOOC僵尸课程识别方法。

背景技术

近年来，随着我国各行各业的快速发展，人们在提高生活水平的同时，对教育的要求也越来越高，MOOC这一新兴教育形式也得以发展。MOOC是许多组织及高校免费为全世界的学生提供优质在线课程的平台，在过去，人们若想要学习一门课程或技艺，可能通过以下几种方式：请教他人、买相关书籍自己摸索或联系某个学校，而MOOC则在这个信息泛滥的社会中为人们的学习提供了便利，将便捷可得的学习机会、机动的学习方式与时间、廉价的学习成本、丰富优质的学习资源提供给了越来越多的学习者，为全民终身教育提供了条件 和可能。

但目前我国网络课程建设开发的总体情况还未达到一流水平，对未达标课程的监管不够。例如当下MOOC的各类课程中，除了有意义且内容充实的网课外，还充斥着许多僵尸课程，这类课程的选课人数较少，学生们对此类课程的学习主动性和接受程度均偏低，与授课教师的互动也有一定的限制。僵尸课程所提供的资源甚至不能满足学生基本的学习需求，使得学生查找相关学习资料、获取优质学习资源的难度增加，不利于学生自主学习和网络教学资源的有效利用。目前MOOC内各高校所开课程的评估机制过于简单，大部分的课程是由教师或校方决定的，缺乏对学生群体的反馈做严谨的调查，且有时仅关注教学任务的完成，而忽略了教学质量的保证。

信息技术和互联网的快速成长，让网课这一新兴授课模式迅速受到了广泛的关注和应用。MOOC即大范围开放在线课程，它使得学生随时都可以获取优质的学习资源，促进知识的普及。但是，有许多同学对强制性网课持负面态度，许多网课只是为完成某些任务而开设，学生及教师参与度较低，我们将这种课程称为僵尸课程。随着MOOC课程的不断开设，课程数量急剧增加，但课程质量参差不齐，僵尸课程的识别对保证和提高MOOC课程的教学质量以及对此类课程进一步的改进是十分必要的。

发明内容

有鉴于此，本发明的目的在于提供一种基于机器学习的MOOC僵尸课程识别方法，具有高效，准确，低成本的特点，对推进MOOC建设有重大意义。

为实现上述目的，本发明采用如下技术方案：

一种基于机器学习的MOOC僵尸课程识别方法，包括以下步骤：

步骤S1:采集MOOC平台上若干样本课程；

步骤S2:提取样本课程特征并添加标签，构造训练数据集；

步骤S3:构建BP神经网络模型；

步骤S4:根据训练数据集，初始化并训练BP神经网络模型，直到测试误差达到预设值或者到达预设最大训练次数，得到训练后的BP神经网络模型；

步骤S4:将待测MOOC课程输入训练后的BP神经网络模型，判断是否为僵尸课程。

进一步的，所述样本课程特征包括已选课人数、总评论数、总评论回复数、平均评论回复数、平均投票数和教师参与评论数。

进一步的，所述BP神经网络模型以每组样本数据的各项特征指标作为输入，以是否为僵尸课程的判断结果作为输出，其中输入层节点数为6，输出层节点数为1。

进一步的，所述BP神经网络模型隐藏层节点数为：