文献

J-GLOBAL ID：202002261584214496   整理番号：20A0908408

マルチラベル分類,感情分析,および傾向トピックによる高等教育の質を改善するための学生フィードバックのマイニング【JST・京大機械翻訳】

Mining Student Feedback to Improve the Quality of Higher Education through Multi Label Classification, Sentiment Analysis, and Trend Topic

著者 (5件)： Alencia Hariyani Calandra (Universitas Indonesia,Fakultas Ilmu Komputer) ,  Nizar Hidayanto Achmad (Universitas Indonesia,Fakultas Ilmu Komputer) ,  Fitriah Nur (Universitas Indonesia,Fakultas Ilmu Komputer) ,  Abidin Zaenal (Universitas Indonesia,Fakultas Ilmu Komputer) ,  Wati Theresia (UPN “Veteran” Jakarta,Fakultas Ilmu Komputer,Jakarta,Indonesia)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ICITISEE  ページ： 359-364  発行年： 2019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： 本研究では,Student Feedback質問票(SFQ)のために,ラベルのアスペクト分類,感情分析,およびOpenEned Question(Oeq)セクションに関するトピック傾向を実施した。SFQのためのマルチクラスアスペクトラベル分類は,各特徴組合せのための精度,想起,およびFlスコアの評価の結果を比較することによって最良の分類モデルを選択し,4つの分類アルゴリズム,即ち,決定木(DT),Naive Bayes(NB),K最近傍(KNN),およびサポートベクトルマシン(SVM)を比較する。本研究の結果は,SFQ側面をラベリングするための最良のマルチクラス分類モデルである,TFIDF,UnigranbおよびBigramの特徴をSVMアルゴリズムと組み合わせて分類した。さらに,SentiStengtIDアルゴリズムを用いて,各調査のアスペクトラベルに関する年次トピック傾向を得るために,感情とLDA(潜在的Dirichlet割当)を得た。これらの知見は,自己評価と品質の改善に向けての積極的な行動をとる意思決定を支援するために,より高い教育を助けることができる。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *アルゴリズム ,  意思決定 ,  ディシジョンツリー ,  アンケート ,  自己評価 ,  サポートベクトルマシン
準シソーラス用語： 大学教育 ,  分類アルゴリズム ,  *マルチラベル分類 ,  分類モデル ,  感情分析 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (8件)： マルチラベル分類 ,  感情分析 ,  傾向 ,  トピック ,  教育 ,  質 ,  学生 ,  フィードバック