差評(píng)視角下基于細(xì)粒度情感分析的在線課程質(zhì)量因素研究

基金項(xiàng)目：江西省教育科學(xué)規(guī)劃一般課題“基于學(xué)習(xí)評(píng)論及KANO模型的在線課程質(zhì)量評(píng)價(jià)研究”（21YB093）

摘? 要：確定學(xué)習(xí)者關(guān)于在線課程的差評(píng)所涉及的質(zhì)量因素及質(zhì)量因素的重要度，對(duì)有效引導(dǎo)在線課程的質(zhì)量迭代及學(xué)習(xí)者滿意度提升有重要意義。文章運(yùn)用Python網(wǎng)絡(luò)爬蟲技術(shù)從中國大學(xué)MOOC（慕課）官網(wǎng)上采集了學(xué)習(xí)者關(guān)于《學(xué)術(shù)英語》《思想道德修養(yǎng)與法律基礎(chǔ)》等17門文科課程的學(xué)習(xí)評(píng)論數(shù)據(jù)，基于百度AI開放平臺(tái)的自然語言處理技術(shù)對(duì)在線評(píng)論進(jìn)行情感極性計(jì)算，利用LDA主題模型提取出不同類型課程的差評(píng)評(píng)論所關(guān)注的課程質(zhì)量因素，并計(jì)算出各個(gè)課程質(zhì)量因素的細(xì)粒度情感重要度。結(jié)果表明，課程講解、視頻質(zhì)量、教學(xué)內(nèi)容、習(xí)題測(cè)試為影響學(xué)習(xí)者差評(píng)行為的核心性因素，“平臺(tái)功能”“時(shí)間安排”等6個(gè)因素為邊緣性因素，由此提出了相應(yīng)的課程質(zhì)量提升策略。

關(guān)鍵詞：在線課程；差評(píng)；LDA；細(xì)粒度情感

中圖分類號(hào)：G434? ? ? ?文獻(xiàn)標(biāo)識(shí)碼：A? ? ? ? 文章編號(hào)：1002-4107（2024）04-00? -04

一、引言

在線開放課程突破了傳統(tǒng)課程在時(shí)間、地域等因素上的限制，是一種具有開放性、靈活性及便捷性的新型學(xué)習(xí)模式[1]，極大地豐富了中國既有的教育形態(tài)[2]。但隨著大量課程的集中上線，在線開放課程模式也暴露出課程完成率低、學(xué)習(xí)者持續(xù)性差等問題[3]，這無疑造成了學(xué)習(xí)資源的巨大浪費(fèi)。如何提升在線開放課程的質(zhì)量引起了學(xué)術(shù)界的廣泛關(guān)注。一方面，與傳統(tǒng)課程不同，在線課程需要經(jīng)歷“優(yōu)化—反饋—再優(yōu)化”的不斷迭代改進(jìn)的循環(huán)過程[4]；另一方面，不同于傳統(tǒng)課堂模式，在線模式下，學(xué)習(xí)者往往會(huì)在學(xué)習(xí)平臺(tái)上留下大量關(guān)于課程質(zhì)量感知的在線評(píng)論信息[5]。從情感上看，在線評(píng)論文本有正向和負(fù)向之分，相對(duì)正向評(píng)論，負(fù)向評(píng)論更能反映出課程的不足之處及學(xué)習(xí)者對(duì)課程的期望[6]。然而，差評(píng)往往涉及課程多個(gè)方面的質(zhì)量因素，評(píng)論者涉及這些因素時(shí)的細(xì)粒度情感與總評(píng)的情感可能存在不一致的情形。因此，如何對(duì)學(xué)習(xí)者差評(píng)所涉及的課程質(zhì)量因素進(jìn)行細(xì)粒度情感分析，以確定各個(gè)質(zhì)量因素的重要度對(duì)在線開放課程質(zhì)量的提升有重要的意義。

二、文獻(xiàn)綜述

目前，MOOC質(zhì)量評(píng)價(jià)方面的研究主要基于問卷調(diào)查模式進(jìn)行。Albelbisi N A等人（2021）采用問卷調(diào)查模式收集數(shù)據(jù)，運(yùn)用結(jié)構(gòu)方程方法對(duì)在線課程質(zhì)量因素對(duì)MOOC學(xué)習(xí)者滿意度的影響進(jìn)行了評(píng)估[7]。闞維對(duì)疫情期間某高校MOOC選修情況進(jìn)行了問卷調(diào)查，并運(yùn)用結(jié)構(gòu)方程模型對(duì)影響MOOC學(xué)習(xí)者知識(shí)內(nèi)化的因素進(jìn)行了分析[8]。然而，問卷調(diào)查模式存在樣本量不足、樣本信度難以保證等問題。同時(shí)，由于問卷是由專家學(xué)者所設(shè)計(jì)，專家和學(xué)習(xí)者在認(rèn)知水平上存在一定差距，這不可避免地影響到結(jié)果的準(zhǔn)確性。

在線模式下，學(xué)習(xí)者在慕課平臺(tái)上留下了大量有關(guān)課程質(zhì)量感知的評(píng)論文本。學(xué)習(xí)評(píng)論文本數(shù)據(jù)具有半結(jié)構(gòu)化或非結(jié)構(gòu)化的特點(diǎn)，蘊(yùn)含著豐富的學(xué)習(xí)者關(guān)于課程質(zhì)量的感知體驗(yàn)。為了彌補(bǔ)問卷調(diào)查模式的缺陷，學(xué)者們開始利用在線評(píng)論對(duì)在線課程質(zhì)量因素進(jìn)行分析。如QI cong等人（2021）采用LDA主題模型對(duì)學(xué)習(xí)者評(píng)論進(jìn)行主題挖掘，并通過Bi-LSTM文本分類模型計(jì)算每個(gè)主題中評(píng)論的情感值[9]。張新香等人基于在線課程評(píng)論文本，利用 BTM 主題模型提取并構(gòu)建主題集，通過熵權(quán)法確定主題權(quán)重，隨后通過情感分析計(jì)算課程中不同主題的情感得分，最后采用灰色關(guān)聯(lián)分析方法對(duì)MOOC質(zhì)量進(jìn)行了評(píng)判[10]。在線評(píng)論具有好評(píng)、中評(píng)以及差評(píng)之分，而差評(píng)文本相較于好評(píng)與中評(píng)文本有著更高的診斷力及參考價(jià)值。關(guān)于差評(píng)所涉及的產(chǎn)品/服務(wù)的質(zhì)量因素的分析逐漸引起了學(xué)者們的關(guān)注，并有學(xué)者在電商購物[11]、在線醫(yī)療[12]等領(lǐng)域?qū)ω?fù)向評(píng)論文本進(jìn)行了深入研究，但在在線課程評(píng)論領(lǐng)域，關(guān)于課程差評(píng)所涉及的質(zhì)量因素的細(xì)粒度情感分析方面的研究較為鮮見。

因此，文章基于中國大學(xué)MOOC上的學(xué)習(xí)者評(píng)論文本，運(yùn)用百度AI語義分析技術(shù)對(duì)中國大學(xué)MOOC平臺(tái)上17門文科課程的評(píng)論文本進(jìn)行情感極性分類，利用LDA主題模型分別從負(fù)向評(píng)論文本中提取學(xué)習(xí)者所關(guān)注的質(zhì)量因素，提出質(zhì)量因素重要度的細(xì)粒度情感定量評(píng)價(jià)方法，并根據(jù)研究結(jié)果提出有針對(duì)性的在線課程質(zhì)量迭代提升策略。

三、研究設(shè)計(jì)與研究方法

（一）研究框架

文章從差評(píng)評(píng)論的視角出發(fā)，利用LDA主題模型對(duì)在線課程的負(fù)向評(píng)論所涉及的質(zhì)量因素進(jìn)行提取，并對(duì)差評(píng)評(píng)論所涉及的各個(gè)質(zhì)量因素進(jìn)行細(xì)粒度情感分析以確定各個(gè)質(zhì)量因素的重要度。主要研究框架如圖1所示。

圖1 研究框架

（二）LDA主題模型

Blei等學(xué)者于2003年提出了LDA主題模型，即隱含狄利克雷分布，是一種非監(jiān)督機(jī)器學(xué)習(xí)技術(shù)，可以將文檔集中每篇文檔的主題以概率分布的形式輸出。文章運(yùn)用LDA主題模型從課程評(píng)論中挖掘?qū)W習(xí)者所關(guān)注的在線課程質(zhì)量因素，具體過程如下：

1.采用困惑度算法計(jì)算各主題數(shù)所對(duì)應(yīng)的困惑度，據(jù)此選取評(píng)論集的最優(yōu)主題數(shù)。

2.運(yùn)用LDA模型中的詞袋算法[13]，對(duì)在線課程的學(xué)習(xí)者評(píng)論文本進(jìn)行主題建模，以概率形式輸出學(xué)習(xí)者關(guān)于在線課程所關(guān)注的主題及特征詞，在此基礎(chǔ)上提取在線課程質(zhì)量因素。

（三）基于細(xì)粒度情感的課程質(zhì)量因素的重要度計(jì)算方法

課程質(zhì)量因素的重要度反映了課程在某個(gè)質(zhì)量因素上的表現(xiàn)對(duì)學(xué)習(xí)者滿意度的影響程度。在學(xué)習(xí)評(píng)論中，當(dāng)學(xué)習(xí)者涉及某個(gè)質(zhì)量因素時(shí)的評(píng)語情感與整個(gè)評(píng)論情感一致性越高時(shí)，該質(zhì)量因素的重要度越高。反之，質(zhì)量因素的重要度越低。學(xué)習(xí)者差評(píng)涉及的課程質(zhì)量因素的重要度可通過以下步驟進(jìn)行計(jì)算。

步驟一：設(shè)為包含質(zhì)量因素的評(píng)論總數(shù)。為涉及質(zhì)量因素的評(píng)語為好評(píng)，但評(píng)論的總體情感為差評(píng)的評(píng)論數(shù)，為涉及質(zhì)量因素的評(píng)語為中評(píng)且評(píng)論的總體情感為差評(píng)的評(píng)論數(shù)；為涉及質(zhì)量因素的評(píng)語為差評(píng)且評(píng)論的總體情感為差評(píng)的評(píng)論數(shù)；課程質(zhì)量因素的初始重要度可通過下面的公式進(jìn)行計(jì)算。

其中，式（1）中的為縮放系數(shù)；反映的是學(xué)習(xí)者涉及質(zhì)量因素時(shí)的評(píng)語情感與整個(gè)評(píng)論情感的一致程度；、反映的是學(xué)習(xí)者涉及質(zhì)量因素時(shí)的評(píng)語情感與整個(gè)評(píng)論情感的背離程度；為涉及質(zhì)量因素的評(píng)論在課程的總評(píng)論中的占比；為差評(píng)所涉及的課程質(zhì)量因素總數(shù)。

步驟二：對(duì)課程質(zhì)量因素的初始重要度進(jìn)行標(biāo)準(zhǔn)化，得到各個(gè)課程質(zhì)量因素的重要度，具體如下：

四、實(shí)證分析

（一）數(shù)據(jù)采集與預(yù)處理

利用網(wǎng)絡(luò)爬蟲技術(shù)，作者從MOOC平臺(tái)上分別爬取了《英語語法與寫作》等17門文科類國家精品課程在2018年3月至2022年6月的課程評(píng)論數(shù)據(jù)。選取標(biāo)準(zhǔn)為所選課程評(píng)論總數(shù)≥1000條；所選課程差評(píng)數(shù)≥50條。最終共獲取58039條評(píng)論數(shù)據(jù)。剔除重復(fù)評(píng)論、信息缺失評(píng)論，如“很好”“非常好”等無效評(píng)論數(shù)據(jù)后，運(yùn)用百度AI語義分類工具對(duì)上述17門文科類課程的評(píng)論文本進(jìn)行情感極性分類，從而獲取負(fù)向評(píng)論文本，共獲得2562條差評(píng)文本。所選課程及評(píng)論數(shù)見表1。

（二）差評(píng)視角下學(xué)習(xí)者關(guān)注的課程質(zhì)量因素

1.最優(yōu)主題數(shù)目的確定

在運(yùn)用LDA主題模型建模過程中，確定主題數(shù)量的最優(yōu)值對(duì)主題建模至關(guān)重要。文章采用困惑度尋求最優(yōu)主題數(shù)目。依據(jù)困惑度最小和主題個(gè)數(shù)最少的原則，確定最優(yōu)主題數(shù)選取為10，如圖2所示。

2.基于LDA模型的主題挖掘

采用前文中的LDA方法對(duì)表1中的17門課程的差評(píng)文本進(jìn)行主題建模，主題挖掘結(jié)果如表2所示。

3.差評(píng)視角下在線課程質(zhì)量因素的細(xì)粒度情感分析

獲取差評(píng)評(píng)論所涉及的課程質(zhì)量因素后，運(yùn)用百度情感指數(shù)方法逐條對(duì)各條差評(píng)評(píng)論所涉及的各個(gè)課程質(zhì)量因素（表2）進(jìn)行細(xì)粒度情感分析，得到表3。表3反映出學(xué)習(xí)者涉及各個(gè)課程質(zhì)量因素時(shí)的細(xì)粒度情感。如表3中第一行表明，涉及“課程講解”質(zhì)量因素的差評(píng)總數(shù)為865條，其中具體涉及“課程講解”給出正向評(píng)語，而總評(píng)給出差評(píng)的情形有15條；具體涉及“課程講解”給出中性評(píng)語，而總評(píng)給出差評(píng)的情形有100條；具體涉及“課程講解”給出負(fù)向評(píng)語，同時(shí)總評(píng)也給出差評(píng)的情形有750條。

依據(jù)前文中的課程質(zhì)量因素重要度的計(jì)算步驟，設(shè)定縮放因子，依據(jù)公式（1）-（6）可算得差評(píng)視角下各個(gè)課程質(zhì)量因素的重要度，結(jié)果見表4。

通過表4中的結(jié)果可發(fā)現(xiàn)，“課程講解（QT1）”“視頻質(zhì)量（QT2）”“教學(xué)內(nèi)容（QT4）”及“習(xí)題測(cè)試（QT5）”等4個(gè)質(zhì)量因素的重要度高于均值0.304；這說明“課程講解”等4個(gè)因素的情感極性與評(píng)論總體情感之間具有較強(qiáng)的正相關(guān)性，即當(dāng)學(xué)習(xí)者評(píng)語涉及“課程講解”等4個(gè)因素中的某一個(gè)的情感為負(fù)向情感時(shí)，其評(píng)論總體的情感也基本是以差評(píng)為主。因此，“課程講解（QT1）”“視頻質(zhì)量（QT2）”“教學(xué)內(nèi)容（QT4）”及“習(xí)題測(cè)試（QT5）”等4個(gè)質(zhì)量因素為影響學(xué)習(xí)者差評(píng)行為的核心因素；“平臺(tái)功能（QT3）”“時(shí)間安排（QT6）”“作業(yè)互評(píng)（QT7）”“課程考核（QT8）”“教學(xué)方式（QT9）”“進(jìn)度更新（QT10）”等6個(gè)因素的重要度低于均值，這說明“平臺(tái)功能”等6個(gè)因素的情感極性與評(píng)論總體情感之間正相關(guān)性較弱，即當(dāng)評(píng)語涉及“平臺(tái)功能”等6個(gè)因素中的某一個(gè)的情感為負(fù)向情感時(shí)，其總評(píng)并不一定是差評(píng)。因此，“平臺(tái)功能（QT3）”“時(shí)間安排（QT6）”“作業(yè)互評(píng)（QT7）”“課程考核（QT8）”“教學(xué)方式（QT9）”“進(jìn)度更新（QT10）”等6個(gè)因素為影響學(xué)習(xí)者差評(píng)行為的邊緣性因素。

五、結(jié)束語

（一）研究結(jié)論

文章運(yùn)用爬蟲技術(shù)從中國大學(xué)MOOC平臺(tái)上爬取《英語語法與寫作》等17門文科類國家精品課程的學(xué)習(xí)者評(píng)論數(shù)據(jù)，并運(yùn)用百度AI語義分類技術(shù)提取出其中的負(fù)向評(píng)論文本，利用LDA主題模型從這些負(fù)向評(píng)論中提取出學(xué)習(xí)者關(guān)注的質(zhì)量因素，并運(yùn)用基于細(xì)粒度情感的課程質(zhì)量因素重要度計(jì)算方法對(duì)各因素進(jìn)行重要度計(jì)算，從而確定引發(fā)學(xué)習(xí)者差評(píng)行為的核心因素及邊緣因素。研究結(jié)果表明，“課程講解”“視頻質(zhì)量”“平臺(tái)功能”“教學(xué)內(nèi)容”“習(xí)題測(cè)試”“時(shí)間安排”“作業(yè)互評(píng)”“課程考核”“教學(xué)方式”“進(jìn)度更新”等10個(gè)因素為差評(píng)學(xué)習(xí)者關(guān)注的課程質(zhì)量因素。其中，“課程講解”“視頻質(zhì)量”“教學(xué)內(nèi)容”及“習(xí)題測(cè)試”等4個(gè)質(zhì)量因素為引發(fā)學(xué)習(xí)者差評(píng)行為的核心因素；“平臺(tái)功能”“時(shí)間安排”“作業(yè)互評(píng)”“課程考核”“教學(xué)方式”“進(jìn)度更新”等6個(gè)因素為引發(fā)學(xué)習(xí)者差評(píng)行為的邊緣性因素。

（二）研究建議

對(duì)于文科類的課程而言，“課程講解”“視頻質(zhì)量”“教學(xué)內(nèi)容”及“習(xí)題測(cè)試”等核心因素在教學(xué)過程中為主導(dǎo)性因素，是課程質(zhì)量迭代優(yōu)化過程中亟待改進(jìn)優(yōu)化的因素。具體而言，對(duì)于“課程講解”，在文科類的課程的教學(xué)中，教師如果在授課過程中不能就教學(xué)內(nèi)容講出自己的見解，很容易使學(xué)習(xí)者產(chǎn)生“照本宣科、上課浪費(fèi)時(shí)間還不如自己看書”的糟糕體驗(yàn)，進(jìn)而影響到學(xué)習(xí)者對(duì)課程的滿意度。因此，課程建設(shè)者在“課程講解”方面應(yīng)杜絕照本宣科的情形，盡可能做到風(fēng)趣幽默，以提升學(xué)習(xí)者的課程學(xué)習(xí)體驗(yàn)；對(duì)于“視頻質(zhì)量”而言，從評(píng)語上看，視頻畫面的模糊、聲音的不清晰，以及缺少字幕是導(dǎo)致學(xué)習(xí)者對(duì)課程視頻不滿意的重要因素。因此，課程建設(shè)應(yīng)該注意保持視頻畫面及聲音的清晰，尤其需要為課程視頻配置相應(yīng)的字幕便于學(xué)習(xí)者觀看教學(xué)視頻；對(duì)于“教學(xué)內(nèi)容”而言，從評(píng)語上看，當(dāng)課程的內(nèi)容以字為主，缺乏相關(guān)視頻及圖片時(shí)，容易使學(xué)習(xí)者產(chǎn)生單調(diào)枯燥的學(xué)習(xí)體驗(yàn)，進(jìn)而影響到學(xué)習(xí)者對(duì)課程的滿意度。因此，在課程的質(zhì)量改進(jìn)過程中，課程建設(shè)者應(yīng)當(dāng)對(duì)教學(xué)內(nèi)容進(jìn)行優(yōu)化，做到文字與圖片、視頻相結(jié)合，重點(diǎn)突出；課程配套的習(xí)題測(cè)試是檢驗(yàn)學(xué)習(xí)者知識(shí)掌握程度的關(guān)鍵環(huán)節(jié)，特別是對(duì)外語類的課程而言，習(xí)題測(cè)試是課程知識(shí)內(nèi)化的關(guān)鍵，但從評(píng)語上看，缺少課后習(xí)題、習(xí)題與課程內(nèi)容關(guān)聯(lián)度不高、習(xí)題僅有答案缺少解答過程是學(xué)習(xí)者對(duì)課程配套的習(xí)題不滿意的原因。因此，對(duì)于課程建設(shè)者而言，首先需要適當(dāng)?shù)卦O(shè)計(jì)課后習(xí)題；其次在設(shè)計(jì)課后習(xí)題時(shí)，需要考慮習(xí)題與課程知識(shí)點(diǎn)的關(guān)聯(lián)度及習(xí)題的難度，以幫助學(xué)習(xí)者進(jìn)行知識(shí)內(nèi)化；最后還應(yīng)提供相應(yīng)的解答過程，便于學(xué)習(xí)者復(fù)習(xí)回顧所學(xué)的課程內(nèi)容。

對(duì)于“平臺(tái)功能”“時(shí)間安排”“作業(yè)互評(píng)”“課程考核”“教學(xué)方式”“進(jìn)度更新”等6個(gè)邊緣性因素而言，這些因素在教學(xué)過程為輔助性因素，為需要緩慢改進(jìn)的因素。其中，“時(shí)間安排”“教學(xué)方式”“課程考核”等3個(gè)因素由課程建設(shè)者主導(dǎo)進(jìn)行持續(xù)改進(jìn)，做到單個(gè)視頻的時(shí)間控制在20分鐘以內(nèi)，單個(gè)視頻盡可能只以一個(gè)知識(shí)點(diǎn)為主，考核方式靈活多樣?！捌脚_(tái)功能”應(yīng)由課程平臺(tái)主導(dǎo)進(jìn)行持續(xù)改進(jìn)，從差評(píng)評(píng)語中可發(fā)現(xiàn)，證書申請(qǐng)復(fù)雜繁瑣也是學(xué)習(xí)者對(duì)平臺(tái)功能吐槽的一個(gè)關(guān)鍵點(diǎn)，因此，平臺(tái)應(yīng)當(dāng)簡(jiǎn)化證書獲取的操作步驟，做到課程結(jié)束后根據(jù)學(xué)習(xí)者需求及時(shí)發(fā)放證書?！斑M(jìn)度更新”因素則需要課程建設(shè)者，及平臺(tái)方協(xié)作進(jìn)行改進(jìn)，課程建設(shè)者按計(jì)劃進(jìn)行學(xué)習(xí)視頻的更新，平臺(tái)則實(shí)時(shí)提醒學(xué)習(xí)者進(jìn)度更新的情況。對(duì)于“作業(yè)互評(píng)”則需要由教師以及學(xué)習(xí)者共同進(jìn)行改進(jìn)，教師應(yīng)當(dāng)合理設(shè)置互評(píng)時(shí)限及規(guī)則，學(xué)習(xí)者則應(yīng)認(rèn)真參與作業(yè)互評(píng)。

參考文獻(xiàn)：

[1]劉穎，吉久明，李楠，等.學(xué)生視角下的MOOC課程教學(xué)質(zhì)量評(píng)價(jià)體系構(gòu)建研究：以學(xué)術(shù)信息素養(yǎng)類MOOC課程為例[J].圖書館雜志，2021，40（2）：95-103.

[2]周驊，楊嘉浩.突破中國慕課深度發(fā)展瓶頸的三個(gè)策略[J].現(xiàn)代大學(xué)教育，2021，37（6）：101-107.

[3]王勃然，李月，田立瑩.國內(nèi)慕課學(xué)習(xí)者黏性影響因素研究：現(xiàn)狀與展望[J].黑龍江教育（理論與實(shí)踐），2023，77，（3）：28-31.

[4]閆寒冰，段春雨.面向?qū)W習(xí)者感知的在線課程內(nèi)容質(zhì)量分析框架[J].現(xiàn)代遠(yuǎn)程教育研究，2018（5）：95-103.

[5]王銳，肖楊財(cái)，黃艷蓉.學(xué)習(xí)者關(guān)注度：重要度雙視角下的在線課程質(zhì)量要素分析[J].黑龍江高教研究，2023，41（2）：141-148.

[6]孫青云，劉吉華.基于文本挖掘的MOOC差評(píng)意愿的影響因素研究[J].統(tǒng)計(jì)與管理，2021，36（9）：105-112.

[7]Albelbisi N A， Al-Adwan A S， Habibi A. Impact of quality antecedents on satisfaction toward MOOC[J]. Turkish Online Journal of Distance Education，2021，22（2）：164-175.

[8]闞維.克服慕課學(xué)習(xí)的困境：從簡(jiǎn)單知識(shí)分享模式到知識(shí)內(nèi)化提升模式[J].高教探索，2021（1）：57-62+69.

[9]QI cong，LIU Shudong. Evaluating on-line courses via reviews mining[J]. IEEE ACCESS，2021，9：35439-35451.

[10]張新香，段燕紅.基于學(xué)習(xí)者在線評(píng)論文本的MOOC質(zhì)量評(píng)判——以“中國大學(xué)MOOC”網(wǎng)的在線評(píng)論文本為例[J].現(xiàn)代教育技術(shù)，2020，30（09）：56-63.

[11]魯釗陽，孫艷倪.消費(fèi)者差評(píng)對(duì)農(nóng)產(chǎn)品電商發(fā)展影響的實(shí)證研究[J].農(nóng)村經(jīng)濟(jì)，2020（11）：104-112.

[12]王若佳，張璐，王繼民.基于扎根理論的在線問診用戶滿意度影響因素研究[J].情報(bào)理論與實(shí)踐，2019，42（10）：117-123.

[13]韓亞楠，劉建偉，羅雄麟.概率主題模型綜述[J].計(jì)算機(jī)學(xué)報(bào)，2021，44（06）：1095-1139.