《表1 情感符号及相关信息列举》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《情感指数对MOOC学生成绩的预测研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

第一步，将每位学生发帖整合成为一篇文档；第二步，利用Python语言的“jieba”软件包对文档分词处理，删除其中的停用词（2）。本研究中有15位学生的文档仅包含停用词，后续分析基于其余435名学生的文档展开；第三步，基于ANTUSD匹配每篇文档中的积极、消极情感词语并统计词频。本研究对ANTUSD有所扩展，增加了66个独特情感词语和符号，其中31个反映积极情感，35个反映消极情感，并在ANTUSD中寻找其近义词，将近义词的情感强度赋予它们。表1列举了一些人工选取的情感符号及其近义词、情感强度。