学习者画像是指根据学习者的属性、学习偏好、学习习惯、学习行为等信息而抽象出来的标签化用户模型。可视化学习者画像分析，通过结合数据挖掘技术，用可视化方式展示学习者清晰、完整的学习属性及兴趣偏好，结合学习者个性化特点，考虑内容设计的风格与调性，为海洋科普教育知识内容设计提供参考信息。

(一)海洋科普教育学习者人群分析

海洋科普教育学习者人群画像如图4-18 所示，通过柱形图根据数据的大小比例分配条形图高度，用可视化方式展示学习者人群的年龄分布、性别分布和兴趣分布等情况。

图4-18　海洋科普教育学习者人群画像

(二)学习者画像个性化分析

海洋科普教育学习者个性化画像如图4-19 所示，通过可视化仪表，生动形象地描述学习者的学习成绩、学习兴趣分布、学习成绩排名和学习任务完成进度等个性化指标情况。当前的学习进度和学习情况是调整学习方法的重要参考，学习者个性化画像提供相关可视化数据。

图4-19　海洋科普教育学习者个性化画像(www.daowen.com)

海洋科普教育学习者画像个性化数据分析如图4-20 所示，通过气泡图和面积图分析学习者个性化数据的关联性和分布性。

图4-20　海洋科普教育学习者画像数据分析

(三)学习情感分析

学习情感是一种意识的情感状态。学习者的基本情感主要有积极、消极和中性三种^[5]。积极的情感促进和维持学习者的学习质量；而消极的情感体验则会导致学习者兴趣丧失、无价值感、焦虑和不快乐，感到学习精力不足。情感分析是信息技术领域的一个热门研究问题，涉及识别人们对产品、文本、服务和技术等要素的情感或情绪。

海洋科普教育学习情感分析如图4-21 所示，对海洋科普教育内容评论进行情感分析，并根据代表评论的整体情感对句子进行正负分类。学习情感分析基于深度学习和迁移学习技术，在学习评论场景下带有主观描述的中文文本，通过计算机算法识别学习者评论文本的情感极性属性，根据算法结果显示和分析置信度。学习者的情绪可以用不同的评分点(如4 星、5 星)来表达，星级越高，正向评价度越高。学习者可以表达他们对海洋科普教育相关内容(如海洋文化、海洋生物、海底世界等)或事件的看法。学习评论是判断学习者对海洋科普教育内容是否满意的重要依据，具有很高的情感知识发现潜力。通过学习情感分析，找出海洋科普教育中的不足之处，我们可以在教学辅助方面采取积极的措施，设计合理的路径，以便更有效地激发学生的积极情感。

图4-21　海洋科普教育学习情感分析