論文の概要: Learning from students' perception on professors through opinion mining

• arxiv url: http://arxiv.org/abs/2008.11183v1
• Date: Tue, 25 Aug 2020 17:36:45 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-25 04:17:32.324930
• Title: Learning from students' perception on professors through opinion mining
• Title（参考訳）: 教授に対する学生の認識から学ぶ : 意見マイニングを通して
• Authors: Vladimir Vargas-Calder\'on and Juan S. Fl\'orez and Leonel F. Ardila and Nicolas Parra-A. and Jorge E. Camargo and Nelson Vargas
• Abstract要約: 授業調査に関する意見を通じて測定された授業に対する学生の認識は、欠陥や問題を特定することができる。 本研究の目的は,自然言語処理(NLP)と機械学習(ML)技術を用いた感情分析を通じて学習することである。 関連する感情と、そのような意見の関連トピックを予測するために、2つのアルゴリズムを実装し、訓練し、テストする。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Students' perception of classes measured through their opinions on teaching surveys allows to identify deficiencies and problems, both in the environment and in the learning methodologies. The purpose of this paper is to study, through sentiment analysis using natural language processing (NLP) and machine learning (ML) techniques, those opinions in order to identify topics that are relevant for students, as well as predicting the associated sentiment via polarity analysis. As a result, it is implemented, trained and tested two algorithms to predict the associated sentiment as well as the relevant topics of such opinions. The combination of both approaches then becomes useful to identify specific properties of the students' opinions associated with each sentiment label (positive, negative or neutral opinions) and topic. Furthermore, we explore the possibility that students' perception surveys are carried out without closed questions, relying on the information that students can provide through open questions where they express their opinions about their classes.
• Abstract（参考訳）: 授業調査に関する意見を通じて測定された授業に対する学生の認識は、環境と学習方法論の両方において、欠陥と問題を特定することができる。 本研究の目的は,自然言語処理(nlp)と機械学習(ml)技術を用いた感情分析を通じて,学生に関係のあるトピックを識別するための意見と,極性分析による関連する感情の予測を行うことである。 その結果、関連する感情と関連する意見のトピックを予測するために、2つのアルゴリズムを実装し、訓練し、テストした。 両アプローチの組み合わせは、各感情ラベル(肯定的、否定的、中立的な意見)とトピックに関連する学生の意見の特定の特性を特定するのに役立つ。 さらに,授業に関する意見を述べるオープン質問を通じて学生が提供できる情報に基づいて,クローズドな質問をせずに学生の知覚調査を行う可能性について検討する。

関連論文リスト

• Exploring Knowledge Tracing in Tutor-Student Dialogues [53.52699766206808]
  本稿では,教師と学生の対話における知識追跡(KT)の最初の試みについて述べる。 そこで本研究では,対話の各ターンに係わる知識コンポーネントやスキルを同定する手法を提案する。 次に,得られたラベル付きデータに様々なKT手法を適用し,対話全体を通して学生の知識レベルを追跡する。
  論文  参考訳（メタデータ） (2024-09-24T22:31:39Z)
• How Do Students Interact with an LLM-powered Virtual Teaching Assistant in Different Educational Settings? [3.9134031118910264]
  LLMを利用したバーチャル教育アシスタントであるJill Watson氏は、学生の質問に答えて、インストラクターが提供するコースウェア上での会話を延長する。 本稿では,Jill と学生の相互作用を,複数の科目や大学間で分析する。 幅広い認知的要求をサポートすることで、ジルは生徒に高度な高次認知的質問への参加を促している。
  論文  参考訳（メタデータ） (2024-07-15T01:22:50Z)
• Evaluating and Optimizing Educational Content with Large Language Model Judgments [52.33701672559594]
  言語モデル(LM)を教育専門家として活用し,学習結果に対する様々な指導の影響を評価する。 本稿では,一方のLMが他方のLMの判断を報酬関数として利用して命令材料を生成する命令最適化手法を提案する。 ヒトの教師によるこれらのLM生成ワークシートの評価は、LM判定と人間の教師の嗜好との間に有意な整合性を示す。
  論文  参考訳（メタデータ） (2024-03-05T09:09:15Z)
• UKP-SQuARE: An Interactive Tool for Teaching Question Answering [61.93372227117229]
  質問応答の指数的増加(QA)は、あらゆる自然言語処理(NLP)コースにおいて必須のトピックとなっている。 本稿では、QA教育のプラットフォームとしてUKP-SQuAREを紹介する。 学生は様々な視点から様々なQAモデルを実行、比較、分析することができる。
  論文  参考訳（メタデータ） (2023-05-31T11:29:04Z)
• Sentiment analysis and opinion mining on educational data: A survey [9.413091393107319]
  感性分析 意見マイニングは、人間の意図をレビューから識別する最も広く使われているNLPアプリケーションの1つである。 教育分野では、意見マイニングは学生の意見を聴き、学習指導の実践を教育的に強化するために用いられる。 感情アノテーション技術とAI方法論の進歩により、学生のコメントは人間の介入なしに感情指向でラベル付けできる。
  論文  参考訳（メタデータ） (2023-02-08T22:14:08Z)
• Summative Student Course Review Tool Based on Machine Learning Sentiment Analysis to Enhance Life Science Feedback Efficacy [4.518390136757588]
  本稿では,言語・語彙の機能として,授業に対する感情の分析を通じて,学生の意見を要約し,整理するための新しいアプローチを示す。 この分析は、コース後調査の最後に遭遇した一般的なコメントセクションに対する反応から導かれる。
  論文  参考訳（メタデータ） (2023-01-15T19:56:56Z)
• A literature survey on student feedback assessment tools and their usage in sentiment analysis [0.0]
  我々は,Kahoot!, Mentimeter, Padlet, pollingなどのクラス内フィードバック評価手法の有効性を評価する。 学生の質的なフィードバックコメントから明確な提案を抽出する感情分析モデルを提案する。
  論文  参考訳（メタデータ） (2021-09-09T06:56:30Z)
• Are Top School Students More Critical of Their Professors? Mining Comments on RateMyProfessor.com [83.2634062100579]
  RateMyProfessor.comの学生レビューとコメントは、学生の現実的な学習経験を反映している。 本研究は,学生のレビューやコメントに重要な情報が含まれており,授業や大学への入学に欠かせない参考文献として利用できることを実証する。
  論文  参考訳（メタデータ） (2021-01-23T20:01:36Z)
• Weakly-Supervised Aspect-Based Sentiment Analysis via Joint Aspect-Sentiment Topic Embedding [71.2260967797055]
  アスペクトベース感情分析のための弱教師付きアプローチを提案する。 We learn sentiment, aspects> joint topic embeddeds in the word embedding space。 次に、ニューラルネットワークを用いて単語レベルの識別情報を一般化する。
  論文  参考訳（メタデータ） (2020-10-13T21:33:24Z)
• Neural Multi-Task Learning for Teacher Question Detection in Online Classrooms [50.19997675066203]
  教師の音声記録から質問を自動的に検出するエンドツーエンドのニューラルネットワークフレームワークを構築している。 マルチタスク学習手法を取り入れることで,質問の種類によって意味的関係の理解を深めることが可能となる。
  論文  参考訳（メタデータ） (2020-05-16T02:17:04Z)
• R2DE: a NLP approach to estimating IRT parameters of newly generated questions [3.364554138758565]
  R2DEは、質問のテキストを見て、新しく生成された複数の選択の質問を評価することができるモデルである。 特に、各質問の難易度と識別度を推定することができる。
  論文  参考訳（メタデータ） (2020-01-21T14:31:01Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。