结合自动编码和教师输入以生成异步在线讨论的 ENA 可视化

Aug, 2023

结合自动编码和教师输入以生成异步在线讨论的 ENA 可视化

Combining Automatic Coding and Instructor Input to Generate ENA Visualizations for Asynchronous Online Discussion

Marcia Moraes, Sadaf Ghaffari, Yanye Luther, James Folkestad

TL;DR通过潜在狄利克雷分析（LDA）和教师的关键词，本文提出了一种从相对较小的数据集中自动提取代码的方法，使用生成的代码构建知识网络分析（ENA）模型，并与人工编码者构建的先前 ENA 模型进行比较，结果表明两种模型之间没有统计差异，讨论了 ENA 作为一种可视化工具帮助教师评估异步在线讨论的潜在用途。

Abstract

asynchronous online discussions are a common fundamental tool to facilitate social interaction in hybrid and online courses. However, instructors lack the tools to accomplish the overwhelming task of evaluating a

asynchronous online discussions latent dirichlet analysis epistemic network analysis evaluating visualization

发现论文，激发创造

自动编码变分推断在基于方面的意见摘要中的应用

本文提出了基于 Autoencoding Variational Inference 的模型，用于 Aspect-based Opinion Summary (AOS) 中的 aspect discovery 和 sentiment classification 问题，并成功应用于 AVIAD 模型和 AVIJST 模型中，实验结果表明相比 LDA 模型，我们的模型具有更高的主题一致性、更快的收敛时间和更好的情感分类精度。

Feb, 2019

一种高再现性和高准确度的自动化主题分类方法

通过比较 LDA 和社区检测算法的优缺点，该研究提出一种用于主题发现的新算法，可在英文维基百科大规模文章中展现层次结构，提高文本分析系统的可靠性。

Feb, 2014

使用深度神经网络从 LDA 模型中学习

本研究提出了一种使用深度神经网络预测 LDA 模型中潜在主题分布的方法，借鉴了迁移学习的思想，实现了在大大降低计算时间的同时取得较好的分类效果。

Aug, 2015

多模态数据主题建模的深度和自回归方法

本研究采用新型主题模型 DocNADE 扩展，提出了 SupDocNADE 模型，并成功将其应用于多模态数据，实现了图像标注和分类的联合表示，并取得了 state-of-the-art 的性能表现。同时，也在深度模型方面进行了探索，表现出更出色的结果。

Sep, 2014

学习隐含本地对话模式，预测在线讨论社区认可度

本文提出了利用神经网络来预测社交媒体网络中观点赞同度的方法，结合了评论者的参与方式以及评论文本，通过一种新颖的神经网络结构可以学习隐含的讨论结构特征并探讨了其在权重文本特性方面对提高预测精度的作用。