Feb, 2024

教育中的文本挖掘

PDF
TL;DR在线教育环境的爆炸性增长正在产生大量的数据，尤其是来自论坛、聊天、社交网络、评估和论文等以文本格式呈现的数据，如何挖掘文本数据以找到对教育相关人士有用的知识是一个令人振奋的挑战。本文系统概述了当前教育文本挖掘领域的现状，回答了三个主要的研究问题：在教育环境中最常用的文本挖掘技术是哪些？最常用的教育资源有哪些？主要的应用或教育目标是什么？最后，我们概述了结论和更有趣的未来趋势。
online education environmentstext miningeducational resourceseducational goalsfuture trends
发现论文，激发创造
  • 大数据与教育：在语言学习中使用大数据分析

    教育行业中使用数据挖掘工具来处理大数据正在成为一种趋势。本文提出了关于教育数据挖掘和学习分析的基本概念、最受欢迎的工具、方法和技术，并探讨了大数据在语言学习方面的应用。

    Jul, 2022

  • 教育数据挖掘与学习分析：一份更新的调查

    该研究综述了教育数据挖掘和学习分析在教育数据上的应用，并回顾了主要出版物、关键里程碑、知识发现周期、主要教育环境、特定工具、免费可用数据集、最常用的方法、主要目标和未来趋势。

    Feb, 2024

  • 文本挖掘综述：分类、聚类和提取技术

    这篇论文探讨了文本挖掘的任务及技术，其中包括文本预处理、分类和聚类，并简要介绍了文本挖掘在生物医药领域中的应用。

    Jul, 2017

  • 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

  • 个性化教育中的数据挖掘综述：现状与未来展望

    个性化教育利用教育技术和人工智能在数字时代提升学习效果，通过数据挖掘技术的驱动，结合教育平台与个性化学习过程，为学生、教育工作者和机构提供定制化学习经验的工具，本文通过四个主要场景：教育推荐、认知诊断、知识追踪和学习分析，展示了个性化教育数据挖掘的最新进展，提供了每个领域的结构分类法和常用数据集，并指出了未来研究方向，在拓展个性化教育和为未来的探索和创新铺平道路中强调了数据挖掘的作用。

    Feb, 2024

  • 推进生物医学文本挖掘的社区挑战

    对中文生物医学文本挖掘的社区挑战进行了综述和比较分析，总结了其在生物医学研究中的潜在临床应用以及在大语言模型时代的贡献、局限和未来发展方向。

    Mar, 2024

  • 教育数据挖掘中深度学习技术的综合调研

    教育数据挖掘 (EDM) 是一个重要的研究领域，利用计算技术分析教育数据。深度学习技术在处理教育数据分析和建模的挑战中表现出明显优势。本综述旨在系统回顾 EDM 与深度学习的最新研究进展，介绍 EDM 和深度学习的背景以及其在现代教育中的重要性。另外，还详细评述了深度学习技术在知识追踪、学生异常检测、学生表现预测和个性化推荐等四个典型教育场景中的应用，并提供了 EDM 领域的公共数据集和处理工具的综合概述。最后，指出了这个研究领域的新兴趋势和未来方向。

    Sep, 2023

  • 大规模教育问题挖掘：预测、分析和个性化

    本文提出了一个用于在规模上挖掘教育问题洞见的框架。使用贝叶斯深度学习的技术，我们提出了两种量化问题质量和难度的新指标，并提出了一种个性化的策略，以适应学生的需求。将该框架应用于一个拥有数万个问题和数百万个答案的在线教育平台的真实数据集，我们不仅表现出有前途的统计指标，而且与领域专家的评估结果高度一致。

    Mar, 2020

  • 从文本文档中检测和提取事件

    本文探讨了如何从文本中挖掘事件和附带信息，主要应用了机器学习技术进行事件检测和摘要，并讨论了在医学和 Twitter 上运用的应用和未来挑战

    Jan, 2016

  • 文本分类算法综述

    本研究讨论了文本分类算法的概述，包括不同的文本特征提取、降维方法、现有算法和技术、评估方法，并探讨了每种技术的限制和在实际问题中的应用。

    Apr, 2019