ارزیابی خودکار بحث های (گفتگوهای) آنلاین با متن کاوی
| دسته بندی | مقالات ترجمه شده isi |
| بازدید ها | 0 |
| فرمت فایل | doc |
| حجم فایل | 429 کیلو بایت |
| تعداد صفحات فایل | 7 |
نام مجله:
http://www.ijmla.net 10.4102/ijmla.v1i1.2
عنوان مقاله:
Automatic assessment of online discussions using text mining
Online discussion forums have rapidly gained usage in e-learning systems. This has placed
a heavy burden on course instructors in terms of moderating student discussions. Previous
methods of assessing student participation in online discussions followed strictly quantitative
approaches that did not necessarily capture the students’ effort. Along with this growth in
usage there is a need for accelerated knowledge extraction tools for analysing and presenting
online messages in a useful and meaningful manner. This article discussed a qualitative
approach which involves content analysis of the discussions and generation of clustered
keywords which can be used to identify topics of discussion. The authors applied a new
k-means++ clustering algorithm with latent semantic analysis to assess the topics expressed
by students in online discussion forums. The proposed algorithm was then compared with
the standard k-means++ algorithm. Using the Moodle course management forum to validate
the proposed algorithm, the authors show that the k-mean++ clustering algorithm with latent
semantic analysis performs better than a stand-alone k-means++.
ارزیابی خودکار بحث های (گفتگوهای) آنلاین با متن کاوی
تالارهای[1] گفتگو و تبادل نظر آنلاین با سرعت در حال استفاده از سیستم های آموزش الکترونیکی[2] هستند. این کار بار سنگینی را بر دوش مدرسان از نظر تعدیل بحث های دانشجویی قرار داده است. روش های ارزیابی قبلی در مورد مشارکت دانشجویان در بحث های آنلاین به شدت با روش های کمی دنبال شده است که لزوما تلاش دانشجویان را در بر نمی گیرد. همراه با گسترش این کاربرد، نیاز به ابزارهای سریع استخراج دانش برای تجزیه و تحلیل و ارائه پیام های آنلاین به شیوه ای مفید و معنی دار وجود دارد. این مقاله به بحث روی روشی کیفی پرداخته است که شامل تجزیه و تحلیل محتوای بحث ها و تولید کلیدواژگان خوشه ای است که می توان برای شناسایی موضوع های مورد بحث استفاده کرد. نویسندگان از یک الگوریتم خوشه ای k-means++ با تجزیه و تحلیل معنای نهفته[3] برای ارزیابی موضوعات بیان شده توسط دانشجویان در تالارهای بحث و تبادل نظر آنلاین استفاده کردند. سپس این الگوریتم پیشنهادی با الگوریتم k-means++ استاندارد مقایسه شد. نویسندگان با استفاده از انجمن مدیریت دوره مودل[4] برای اعتباربخشی الگوریتم پیشنهادی نشان دادند که الگوریتم خوشه ای k-means++ با تجزیه و تحلیل معنای نهفته بهتر از الگوریتم k-means++ مستقل عمل می کند.