論文の概要: Summative Student Course Review Tool Based on Machine Learning Sentiment
Analysis to Enhance Life Science Feedback Efficacy
- arxiv url: http://arxiv.org/abs/2301.06173v1
- Date: Sun, 15 Jan 2023 19:56:56 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-18 17:02:11.666712
- Title: Summative Student Course Review Tool Based on Machine Learning Sentiment
Analysis to Enhance Life Science Feedback Efficacy
- Title（参考訳）: 生活科学フィードバック効果を高めるための機械学習感性分析に基づくサミティブ学生コースレビューツール
- Authors: Ben Hoar, Roshini Ramachandran, Marc Levis, Erin Sparck, Ke Wu, Chong
Liu
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 4.518390136757588
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: Machine learning enables the development of new, supplemental, and empowering
tools that can either expand existing technologies or invent new ones. In
education, space exists for a tool that supports generic student course review
formats to organize and recapitulate students' views on the pedagogical
practices to which they are exposed. Often, student opinions are gathered with
a general comment section that solicits their feelings towards their courses
without polling specifics about course contents. Herein, we show a novel
approach to summarizing and organizing students' opinions via analyzing their
sentiment towards a course as a function of the language/vocabulary used to
convey their opinions about a class and its contents. This analysis is derived
from their responses to a general comment section encountered at the end of
post-course review surveys. This analysis, accomplished with Python, LaTeX, and
Google's Natural Language API, allows for the conversion of unstructured text
data into both general and topic-specific sub-reports that convey students'
views in a unique, novel way.
- Abstract（参考訳）: 機械学習は、既存の技術を拡大したり、新しい技術を発明したりできる新しい、補足的な、強力なツールの開発を可能にする。
教育において、教育実践に関する学生の見解を整理し再集計するための、汎用的な学生コースレビューフォーマットをサポートするツールとしてスペースが存在する。
学生の意見は一般的なコメント欄でまとめられ、コース内容に関する具体例をポーリングすることなくコースに対する感情を喚起する。
そこで本研究では,授業内容に関する意見を伝達する言語・語彙の機能として,授業に対する意識を分析することにより,学生の意見を要約し整理する新しいアプローチを提案する。
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に由来する。
Python、LaTeX、GoogleのNatural Language APIで実現されたこの分析は、構造化されていないテキストデータを一般的なサブレポートとトピック固有のサブレポートに変換し、学生のビューをユニークで斬新な方法で伝達することを可能にする。
関連論文リスト
- A Literature Review of Literature Reviews in Pattern Analysis and Machine Intelligence [58.6354685593418]
本稿では, レビューを評価するために, 記事レベル, フィールド正規化, 大規模言語モデルを用いた書誌指標を提案する。
新たに登場したAI生成の文献レビューも評価されている。
この研究は、文学レビューの現在の課題についての洞察を与え、彼らの開発に向けた今後の方向性を思い起こさせる。
論文 参考訳（メタデータ） (2024-02-20T11:28:50Z) - A Comprehensive Review on Sentiment Analysis: Tasks, Approaches and
Applications [0.2717221198324361]
感性分析(SA)はテキストマイニングにおける新たな分野である。
これは、異なるソーシャルメディアプラットフォーム上でテキストで表現された意見を計算的に識別し、分類するプロセスである。
論文 参考訳（メタデータ） (2023-11-19T06:29:41Z) - Beyond Text Generation: Supporting Writers with Continuous Automatic
Text Summaries [27.853155569154705]
本稿では,ユーザによる記述プロセスの計画,構造化,反映を支援するテキストエディタを提案する。
自動テキスト要約を用いて、連続的に更新された段落の要約をマージンアノテーションとして提供する。
論文 参考訳（メタデータ） (2022-08-19T13:09:56Z) - Discourse Analysis for Evaluating Coherence in Video Paragraph Captions [99.37090317971312]
ビデオ段落のコヒーレンスを評価するための,新しい談話に基づく枠組みを検討中である。
ビデオのコヒーレンスに条件付き段落のコヒーレンスをモデル化する上で,ビデオの談話表現が中心となる。
実験の結果,提案手法は,ビデオ段落のコヒーレンスをベースライン法よりも有意に向上させることがわかった。
論文 参考訳（メタデータ） (2022-01-17T04:23:08Z) - 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) - Polarity in the Classroom: A Case Study Leveraging Peer Sentiment Toward
Scalable Assessment [4.588028371034406]
大規模なまたは大規模なオープンオンラインコース(MOOC)における、正確な段階的なオープンエンドの割り当ては、簡単ではない。
本稿では、ドメイン依存のレキシコンとアスペクトインフォーム化されたレビューフォームを作成するプロセスについて詳述する。
有効性を分析し、9コースから6800以上のピアレビューのコーパスから結論を議論する。
論文 参考訳（メタデータ） (2021-08-02T15:45:11Z) - ProtoTransformer: A Meta-Learning Approach to Providing Student Feedback [54.142719510638614]
本稿では,フィードバックを数発の分類として提供するという課題について考察する。
メタラーナーは、インストラクターによるいくつかの例から、新しいプログラミング質問に関する学生のコードにフィードバックを与えるように適応します。
本手法は,第1段階の大学が提供したプログラムコースにおいて,16,000名の学生試験ソリューションに対するフィードバックの提供に成功している。
論文 参考訳（メタデータ） (2021-07-23T22:41:28Z) - 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) - Learning from students' perception on professors through opinion mining [0.0]
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。
論文 参考訳（メタデータ） (2020-08-25T17:36:45Z) - Abstractive Summarization of Spoken and Written Instructions with BERT [66.14755043607776]
本稿では,BERTSumモデルの最初の対話型言語への応用について述べる。
我々は多種多様な話題にまたがるナレーションビデオの抽象要約を生成する。
我々は、これをインテリジェントな仮想アシスタントの機能として統合し、要求に応じて文字と音声の両方の指導内容の要約を可能にすることを想定する。
論文 参考訳（メタデータ） (2020-08-21T20:59:34Z) - ORB: An Open Reading Benchmark for Comprehensive Evaluation of Machine
Reading Comprehension [53.037401638264235]
我々は,7種類の読解データセットの性能を報告する評価サーバORBを提案する。
評価サーバは、モデルのトレーニング方法に制限を課さないため、トレーニングパラダイムや表現学習の探索に適したテストベッドである。
論文 参考訳（メタデータ） (2019-12-29T07:27:23Z)
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。