論文の概要: A Review of the Trends and Challenges in Adopting Natural Language
Processing Methods for Education Feedback Analysis
- arxiv url: http://arxiv.org/abs/2301.08826v1
- Date: Fri, 20 Jan 2023 23:38:58 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-24 16:15:14.809292
- Title: A Review of the Trends and Challenges in Adopting Natural Language
Processing Methods for Education Feedback Analysis
- Title（参考訳）: 教育フィードバック分析における自然言語処理手法導入の動向と課題
- Authors: Thanveer Shaik, Xiaohui Tao, Yan Li, Christopher Dann, Jacquie
Mcdonald, Petrea Redmond, Linda Galligan
- Abstract要約: 機械学習、ディープラーニング、自然言語処理(NLP)はAIのサブセットであり、データ処理とモデリングのさまざまな領域に取り組む。
本稿では、現在の機会を概観した、AIが教育に与える影響の概要について述べる。
- 参考スコア（独自算出の注目度）: 4.040584701067227
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Artificial Intelligence (AI) is a fast-growing area of study that stretching
its presence to many business and research domains. Machine learning, deep
learning, and natural language processing (NLP) are subsets of AI to tackle
different areas of data processing and modelling. This review article presents
an overview of AI impact on education outlining with current opportunities. In
the education domain, student feedback data is crucial to uncover the merits
and demerits of existing services provided to students. AI can assist in
identifying the areas of improvement in educational infrastructure, learning
management systems, teaching practices and study environment. NLP techniques
play a vital role in analyzing student feedback in textual format. This
research focuses on existing NLP methodologies and applications that could be
adapted to educational domain applications like sentiment annotations, entity
annotations, text summarization, and topic modelling. Trends and challenges in
adopting NLP in education were reviewed and explored. Contextbased challenges
in NLP like sarcasm, domain-specific language, ambiguity, and aspect-based
sentiment analysis are explained with existing methodologies to overcome them.
Research community approaches to extract the semantic meaning of emoticons and
special characters in feedback which conveys user opinion and challenges in
adopting NLP in education are explored.
- Abstract（参考訳）: 人工知能(AI)は多くのビジネスや研究領域にその存在を拡大する急速に成長する研究分野である。
機械学習、ディープラーニング、自然言語処理(NLP)はAIのサブセットであり、データ処理とモデリングのさまざまな領域に取り組む。
本稿では,現在の機会を概説する教育におけるaiの影響について概説する。
教育分野では,学生に提供される既存サービスのメリットとデメリットを明らかにするためには,学生のフィードバックデータが必要である。
AIは、教育インフラ、学習管理システム、教育実践、学習環境の改善領域の特定を支援することができる。
NLP技術は、学生のフィードバックをテキスト形式で分析する上で重要な役割を果たす。
本研究は、センチメントアノテーション、エンティティアノテーション、テキスト要約、トピックモデリングといった教育ドメインアプリケーションに適用可能な、既存のnlp方法論とアプリケーションに焦点を当てます。
教育におけるNLP導入の動向と課題を概観した。
サルカズム、ドメイン固有言語、あいまいさ、アスペクトベースの感情分析といったNLPにおけるコンテキストベースの課題は、それらを克服するために既存の方法論で説明される。
教育におけるNLP導入におけるユーザの意見や課題を伝達するエモティコンの意味と特別な文字を抽出する研究コミュニティのアプローチについて検討する。
関連論文リスト
- Comprehensive Study on Sentiment Analysis: From Rule-based to modern LLM based system [0.0]
本研究では、感情分析の歴史的発展を考察し、レキシコンベースおよびパターンベースアプローチから、より洗練された機械学習およびディープラーニングモデルへの移行を強調した。
本稿は、最先端のアプローチをレビューし、新たなトレンドを特定し、今後の研究の方向性を概説する。
論文 参考訳（メタデータ） (2024-09-16T04:44:52Z) - Survey of Natural Language Processing for Education: Taxonomy, Systematic Review, and Future Trends [26.90343340881045]
我々は、NLPの最近の進歩を、教育領域に関連する問題の解決に焦点をあててレビューする。
教育領域におけるNLPの分類について述べるとともに,質問応答,質問構築,自動評価,誤り訂正など,典型的なNLPの応用に注目した。
今後の研究には、教育領域におけるデータセットの増加、LCMの制御可能な利用、難易度制御の介入、解釈可能な教育的NLP、適応学習の方法、教育統合システムなど、有望な6つの方向性をまとめる。
論文 参考訳（メタデータ） (2024-01-15T07:48:42Z) - Combatting Human Trafficking in the Cyberspace: A Natural Language
Processing-Based Methodology to Analyze the Language in Online Advertisements [55.2480439325792]
このプロジェクトは、高度自然言語処理(NLP)技術により、オンラインC2Cマーケットプレースにおける人身売買の急激な問題に取り組む。
我々は、最小限の監督で擬似ラベル付きデータセットを生成する新しい手法を導入し、最先端のNLPモデルをトレーニングするための豊富なリソースとして機能する。
重要な貢献は、Integrated Gradientsを使った解釈可能性フレームワークの実装であり、法執行にとって重要な説明可能な洞察を提供する。
論文 参考訳（メタデータ） (2023-11-22T02:45:01Z) - Interactive Natural Language Processing [67.87925315773924]
対話型自然言語処理(iNLP)は,NLP分野における新しいパラダイムとして登場した。
本稿では,iNLPの概念の統一的定義と枠組みを提案することから,iNLPに関する包括的調査を行う。
論文 参考訳（メタデータ） (2023-05-22T17:18:29Z) - Practical and Ethical Challenges of Large Language Models in Education:
A Systematic Scoping Review [5.329514340780243]
大規模言語モデル(LLM)は、テキストコンテンツの生成と分析の面倒なプロセスを自動化する可能性がある。
これらの革新の実践性と倫理性には懸念がある。
我々は2017年以降に発行された118件の査読論文の体系的スコーピングレビューを行い、研究の現状を明らかにした。
論文 参考訳（メタデータ） (2023-03-17T18:14:46Z) - An Inclusive Notion of Text [69.36678873492373]
テキストの概念の明確さは再現可能で一般化可能なNLPにとって不可欠である,と我々は主張する。
言語的および非言語的要素の2層分類を導入し,NLPモデリングに使用することができる。
論文 参考訳（メタデータ） (2022-11-10T14:26:43Z) - Meta Learning for Natural Language Processing: A Survey [88.58260839196019]
ディープラーニングは自然言語処理(NLP)分野において主要な技術である。
ディープラーニングには多くのラベル付きデータが必要です。
メタ学習は、より良いアルゴリズムを学ぶためのアプローチを研究する機械学習の分野である。
論文 参考訳（メタデータ） (2022-05-03T13:58:38Z) - Faithfulness in Natural Language Generation: A Systematic Survey of
Analysis, Evaluation and Optimization Methods [48.47413103662829]
自然言語生成(NLG)は,事前学習型言語モデルなどの深層学習技術の発展により,近年大きく進歩している。
しかし、生成したテキストが通常不信または非実情報を含むという忠実性問題は、最大の課題となっている。
論文 参考訳（メタデータ） (2022-03-10T08:28:32Z) - Positioning yourself in the maze of Neural Text Generation: A
Task-Agnostic Survey [54.34370423151014]
本稿では, ストーリーテリング, 要約, 翻訳など, 世代ごとのタスクインパクトをリレーする手法の構成要素について検討する。
本稿では,学習パラダイム,事前学習,モデリングアプローチ,復号化,各分野における重要な課題について,命令的手法の抽象化を提案する。
論文 参考訳（メタデータ） (2020-10-14T17:54:42Z) - Natural Language Processing Advancements By Deep Learning: A Survey [0.755972004983746]
この調査は、ディープラーニングの恩恵を受けたNLPのさまざまな側面と応用を分類し、対処する。
コアNLPタスクとアプリケーションをカバーするもので、深層学習手法とモデルがどのようにこれらの領域を前進させるかを記述している。
論文 参考訳（メタデータ） (2020-03-02T21:32:05Z)
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。