抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
現在,MOOCにおける対話型学習技術の進歩で,多数の学生ジェネレイテッド(one-generated)コメント(SGC)の二つの主要な感情(正および負)をもつ実質的に生成した。感情方位を考察特異的学習の話題または側面,教師と開発者のための豊富な学問的フィードバックを提供する価値があると典型的に関連している。特に,否定的感情とトピックスはオンライン学習における学習者が直面する問題と障壁の詳細な洞察を得るために利用することができる。しかし,非構造化SGCから関連詳細を捕捉するために挑戦的である。本論文では,すなわち感情トピック同時確率モデル(ETJM),文LDA(SLDA)は,のEMO話題を呼ぶ対に関して否定的な意見を調査するために拡張する生成的確率モデルを提案した。モデルは最初に高負感情密度(NED)を持つ文章を自動的に抽出し,次に一緒に感情と話題を話題に対する否定的感情的フィードバックを検討した。実験結果は,学習者はコースの学習内容,オンライン帰属と証明書約問題に対するいくつかの負のコメントを延長することを示した。これらの問題の要約は,教育方法,戦略と学習コンテンツの設計を調節し,改善するために教師に与えることができる。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】