Jan, 2023

基于机器学习情感分析的生命科学课程学生综合评价工具以提高反馈效能

PDF
TL;DR通过 Python、LaTeX 和谷歌自然语言处理 API，我们提出了一种将学生对课程的观点进行情感分析并归类为主题特定分报告的新方法。
machine learningeducationstudent opinionssentiment analysisnatural language processing
发现论文，激发创造
  • 课程评论的意见挖掘和主题分类的深度学习

    本文旨在利用机器学习的方法来分析学生的课程反馈，使用自然语言处理的技术和嵌入式词和深度神经网络等现代方法，使用 RoBERTa 模型获得 95.5% 的准确率和 84.7% 的 F1-macro，提供给大学和课程提供商以一个使用 NLP 模型自我评估和改进的指导。

    Apr, 2023

  • 深度学习与传统分类器在越南学生反馈语料库上的对比

    本研究使用机器学习和自然语言处理技术（NaiveBayes，Maximum Entropy，Long Short-Term Memory，Bi-Directional Long Short-Term Memory）对来自大学的越南学生反馈语料库进行情感分析，得出使用双向长短期记忆算法进行情感分类的结果最好，可帮助学校识别出问题并提出改进方法。

    Nov, 2019

  • 教育数据的情感分析和舆情挖掘：一项调查

    本文综述了情感分析在教育领域的四个级别及其在教学决策制定以及对教学质量的提升的作用，描述了使用 AI 方法和情感标注技术对学生反馈进行分析的过程和工具，并讨论了情感分析领域中的挑战和未来趋势。

    Feb, 2023

  • 利用大型语言模型进行可行课程评估 —— 学生对讲师的反馈

    使用开源生成型 AI 合成学生反馈的事实性、可操作性和恰当性总结，为教师提供成本效益的支持，以增强教学实践的可行性。

    Jul, 2024

  • 从 Google 应用程序评论中察觉大学生的意见

    通过机器学习和深度学习算法，使用情感分析明确揭示和解释应用市场评论的情绪，该研究通过探索性分析对应用程序评论进行情感分类，并确定大学生对应用市场的行为。

    Dec, 2023

  • 学生课程反馈的自动摘要

    本论文提出了一种新的基于整数线性规划框架的学生课程反馈摘要方法，在学生反馈语料库上的实验结果表明，该方法在 ROUGE 分数和人类评估方面优于一系列基线。

    May, 2018

  • 用户生成的药物评论的情感分析使用机器学习技术

    通过使用 BERT、SciBERT 和 BioBERT 等预训练语言模型，本研究提出了一种药物评论分类系统，该系统可以将用户对特定药物的评论分为积极、消极和中性等不同类别，以分析人们对不同药物的情绪反馈。

    Apr, 2024

  • 多源社交媒体情感分析的比较研究

    本文使用多种技术，如基于词典的、机器学习和深度学习方法，对社交媒体上的评论数据进行情感分析，并提供了比较分析结果。在本研究中，我们使用了来自 Twitter、Reddit 等社交网络网站的评论等多源数据集。选择了朴素贝叶斯机器学习算法、TextBlob 词典方法和 LSTM 深度学习算法。

    Dec, 2022

  • 支持学生选课的开放式 MOOC 评论的大规模分析

    通过分析不同平台上的 240 万个 MOOC 评论，研究结果表明，数值评分存在偏见，而文本评论的 NLP 驱动情感分析和主题发现技术反映了课程广告、实际应用性和难度等主题，为在线教育评论提供更透明的方法。

    Jan, 2022

  • 一种改进的基于短语的学生课程反馈注释和摘要方法

    本研究旨在探索一种新的方法从大量的学生反馈中提取摘要短语，通过基于短语的注释和突出显示方案，将其汇总成一组要点，以及用一种新的度量标准衡量这些短语是否满足学生的最迫切需求。

    May, 2018