文献

J-GLOBAL ID：201802246337100301   整理番号：18A0586798

学生が生成したオンラインコースコメントにおける負の学術的感情と話題の共同探査【Powered by NICT】

Joint Exploration of Negative Academic Emotion and Topics in Student-Generated Online Course Comments

著者 (5件)： Liu Zhi ,  Yang Chongyang ,  Peng Xian ,  Sun Jianwen ,  Liu Sannyuya
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： EITT  ページ： 89-93  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 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】

シソーラス用語： *学習 ,  確率モデル ,  フィードバック ,  構造形成
準シソーラス用語： 学習コンテンツ ,  教育方法 ,  証明書 ,  *オンライン ,  同時確率 ,  学習者 ,  オンライン学習 ,  陰性感情 ,  対話型学習 ,  MOOC , 【Automatic Indexing@JST】

分類 (3件)： 心理学一般  (AE01000T) ,  医学教育  (GA01040F) ,  公衆衛生  (GB02000X)

タイトルに関連する用語 (6件)： 学生 ,  学術 ,  感情 ,  話題 ,  共同 ,  探査