中文摘要：

针对当前e-Learning评价中普遍缺乏对学生"情感"等非智力因素的获取，研究支持情感交互的e-Learning学习评价模型和方法。主要研究①分析网络学习过程中的交互模式，建立包含认知状态和情感体验的学习模型；②挖掘网络文本中所蕴含的情感、观点等评价信息，提出一种融合监督和非监督学习的二阶段式文本倾向性分析算法；③针对e-learning学习评价中存在的不确定性和不精确性，提出基于模糊评价和组合证据理论的多指标综合评价方法。该项目致力于提升用户学习效率和情感体验，有利于完善现有e-Learning评价理论，为实现具有情感交互功能的社区式学习提供理论与方法。预期研究成果发表高水平论文6篇（国际期刊1篇），研制出支持情感交互的e-Learning学习评价原型系统，并在我校网络教学平台中进行试用和验证。

结论摘要：

针对网络学习评价中缺乏对用户情感、主观体验等方面的研究，本项目从网络学习评价指标体系构建、网络学习过程的文本情感分析、用户体验质量分析和模糊综合评价等方面展开研究，主要研究工作及贡献点如下建立涵盖学习者个体特征、学习态度、学习过程和学习效果等四个维度的网络学习质量评价指标体系，增加了情感和兴趣等反映用户学习主观体验的相关参数；结合课题组提出的面向知识地图的网络学习模式，给出了用户运用知识地图进行网络学习时的评价参数，如知识元覆盖率、知识元序列和知识元点击时长。针对网络学习过程中的话题和情感特征抽取，提出一种基于多特征融合的句子相关度算法，从关键词、词语语义、句法特征三个层面分别计算句子相关度，用遗传算法进行多特征信息的融合；提出了采用多任务学习的情感和话题识别方法，利用任务之间传递的有用信息，以获取更优的归纳偏置用于假设空间搜索，同时构建情感与话题的分类预测模型。量化定义了面向知识地图的学习模式下体现用户学习行为的指标——知识元覆盖率和有效点击时长；从任务驱动的教学活动设计出发，对比分析了积极型、一般型和拖沓型三类用户的学习参数，进行了相关参数与学生绩效的相关性分析；基于学习者日志构建学习路径网络，提出了基于起泡图与双起泡图挖掘的网络学习特性分析方法，以加深学习者对知识的理解，提高学习效率。从用户心理体验的角度，提出一种用户学习体验的定量分析方法，给出了用户回访率、响应速度、导航清晰度和差错率等指标的量化定义。利用该方法对本校大三学生在使用e-learning系统的用户心理体验质量进行了量化分析；提出基于组合证据的模糊综合评价方法，从资源和用户等不同视角，得到多粒度的评价结果。开发支持情感分析的个性化学习分析工具，主要包括用户学习报告、学习资源推荐和个性化论坛等三个模块。通过日志分析，对网络学习者的学习时长、登录次数、课程学习进度、论坛发帖次数等进行图形化展示，并根据用户的知识点学习分析，为其提供知识元、章节和课程的三级知识推荐。该工具为进一步开展网络学习中用户兴趣、个性与情感的数据分析及进行学习评价提供了平台。结合本项目的研究，在国内外期刊和国际会上发表论文13篇，申请专利6项，授权专利1项。培养2名博士研究生，7名硕士研究生，毕业人数8人，目前仍有3名研究生和1名博士从事后续的科研工作。