論文の概要: Sentiment analysis and opinion mining on educational data: A survey
- arxiv url: http://arxiv.org/abs/2302.04359v1
- Date: Wed, 8 Feb 2023 22:14:08 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-10 17:25:21.478323
- Title: Sentiment analysis and opinion mining on educational data: A survey
- Title（参考訳）: 教育データにおける感性分析と意見マイニング--アンケート調査から
- Authors: Thanveer Shaik, Xiaohui Tao, Christopher Dann, Haoran Xie, Yan Li,
Linda Galligan
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 9.413091393107319
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Sentiment analysis AKA opinion mining is one of the most widely used NLP
applications to identify human intentions from their reviews. In the education
sector, opinion mining is used to listen to student opinions and enhance their
learning-teaching practices pedagogically. With advancements in sentiment
annotation techniques and AI methodologies, student comments can be labelled
with their sentiment orientation without much human intervention. In this
review article, (1) we consider the role of emotional analysis in education
from four levels: document level, sentence level, entity level, and aspect
level, (2) sentiment annotation techniques including lexicon-based and
corpus-based approaches for unsupervised annotations are explored, (3) the role
of AI in sentiment analysis with methodologies like machine learning, deep
learning, and transformers are discussed, (4) the impact of sentiment analysis
on educational procedures to enhance pedagogy, decision-making, and evaluation
are presented. Educational institutions have been widely invested to build
sentiment analysis tools and process their student feedback to draw their
opinions and insights. Applications built on sentiment analysis of student
feedback are reviewed in this study. Challenges in sentiment analysis like
multi-polarity, polysemous, negation words, and opinion spam detection are
explored and their trends in the research space are discussed. The future
directions of sentiment analysis in education are discussed.
- Abstract（参考訳）: 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。
In this review article, (1) we consider the role of emotional analysis in education from four levels: document level, sentence level, entity level, and aspect level, (2) sentiment annotation techniques including lexicon-based and corpus-based approaches for unsupervised annotations are explored, (3) the role of AI in sentiment analysis with methodologies like machine learning, deep learning, and transformers are discussed, (4) the impact of sentiment analysis on educational procedures to enhance pedagogy, decision-making, and evaluation are presented.
教育機関は感情分析ツールを構築し、学生の意見や洞察を引き出すために生徒のフィードバックを処理するために広く投資されてきた。
本研究は,学生のフィードバックの感情分析に基づくアプリケーションについて概説する。
多極性、多義性、否定語、意見スパム検出などの感情分析における課題を考察し、その研究分野におけるトレンドについて考察する。
教育における感情分析の今後の方向性について論じる。
関連論文リスト
- You Shall Know a Tool by the Traces it Leaves: The Predictability of Sentiment Analysis Tools [74.98850427240464]
感情分析ツールが同じデータセットで一致しないことを示す。
感傷的アノテーションに使用される感情ツールは,その結果から予測できることを示す。
論文 参考訳（メタデータ） (2024-10-18T17:27:38Z) - A Literature Review of Literature Reviews in Pattern Analysis and Machine Intelligence [55.33653554387953]
パターン分析とマシンインテリジェンス(PAMI)は、情報の収集と断片化を目的とした多くの文献レビューにつながっている。
本稿では、PAMI分野におけるこれらの文献レビューの徹底的な分析について述べる。
1)PAMI文献レビューの構造的・統計的特徴は何か,(2)レビューの増大するコーパスを効率的にナビゲートするために研究者が活用できる戦略は何か,(3)AIが作成したレビューの利点と限界は人間によるレビューと比較するとどのようなものか,という3つの主要な研究課題に対処しようとする。
論文 参考訳（メタデータ） (2024-02-20T11:28:50Z) - A Review of the Trends and Challenges in Adopting Natural Language
Processing Methods for Education Feedback Analysis [4.040584701067227]
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。
論文 参考訳（メタデータ） (2023-01-20T23:38:58Z) - Sentiment analysis and opinion mining on E-commerce site [0.0]
本研究の目的は,感情分析における感情極性分類の課題を解決することである。
全体的プロセスの説明とともに、感情的反対を分類する幅広い手法が提示される。
論文 参考訳（メタデータ） (2022-11-28T16:43:33Z) - Learning Implicit Sentiment in Aspect-based Sentiment Analysis with
Supervised Contrastive Pre-Training [18.711698114617526]
大規模感情アノテートコーパスを用いた教師付きコントラスト事前学習を提案する。
暗黙の感情表現を同一の感情ラベルを持つものと整合させることで、事前学習プロセスは、レビューの側面に対する暗黙の感情指向と明示的な感情指向の両方をよりよく捉えます。
論文 参考訳（メタデータ） (2021-11-03T13:03:17Z) - 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) - Sentiment Analysis Based on Deep Learning: A Comparative Study [69.09570726777817]
世論の研究は我々に貴重な情報を提供することができる。
感情分析の効率性と正確性は、自然言語処理で直面する課題によって妨げられている。
本稿では、感情分析の問題を解決するためにディープラーニングを用いた最新の研究をレビューする。
論文 参考訳（メタデータ） (2020-06-05T16:28:10Z) - Sentiment Analysis: Automatically Detecting Valence, Emotions, and Other
Affectual States from Text [31.87319293259599]
本稿では,感情分析研究の概要を概観する。
これには、フィールドの起源、タスクの豊富な風景、課題、使用するメソッドとリソースの調査、アプリケーションが含まれる。
我々は、慎重に前向きに考えることなく、感情分析が有害な結果をもたらす可能性について論じる。
論文 参考訳（メタデータ） (2020-05-25T01:37:31Z) - A computational model implementing subjectivity with the 'Room Theory'.
The case of detecting Emotion from Text [68.8204255655161]
本研究は,テキスト分析における主観性と一般的文脈依存性を考慮した新しい手法を提案する。
単語間の類似度を用いて、ベンチマーク中の要素の相対的関連性を抽出することができる。
この方法は、主観的評価がテキストの相対値や意味を理解するために関係しているすべてのケースに適用できる。
論文 参考訳（メタデータ） (2020-05-12T21:26:04Z) - SKEP: Sentiment Knowledge Enhanced Pre-training for Sentiment Analysis [69.80296394461149]
本稿では,複数の感情分析タスクに対する統一的な感情表現を学習するために,感覚知識強化事前学習(SKEP)を導入する。
自動的な知識の助けを借りて、SKEPは感情マスキングを行い、3つの感情知識予測目標を構築する。
3種類の感情タスクの実験では、SKEPはトレーニング前ベースラインよりも有意に優れていた。
論文 参考訳（メタデータ） (2020-05-12T09:23:32Z) - Survey on Visual Sentiment Analysis [87.20223213370004]
本稿では、関連する出版物をレビューし、視覚知覚分析の分野の概要を概観する。
また,3つの視点から一般的な視覚知覚分析システムの設計原理について述べる。
様々なレベルの粒度と、異なる方法でイメージに対する感情に影響を与えるコンポーネントを考慮し、問題の定式化について論じる。
論文 参考訳（メタデータ） (2020-04-24T10:15:22Z)
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。