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。
最近のパンデミックは,教育を見る方法を変化させた。子供と大学生は,オンライン教育を用いた唯一のものではない。成人のミーションは,オンラインクラスとコースのために,昨年の間に署名され,そして,コレスラまたはedXのようなMOOCプロバイダは,それらのプラットフォームに署名する新しいユーザの数百万件である。しかし,学生はコースを選択するとき,いくつかの課題に直面している。オンラインレビューシステムは多くの垂直間で標準であるが,MOOC生態系には標準化あるいは完全分散レビューシステムは存在しない。この静脈では,より簡単でより透明なレビューシステムを構築するため,利用可能なオープンMOOCレビューを利用する機会があり,ユーザが最良のコースを実際に同定することを可能にする。特に,本研究では以下のように5つの異なるプラットフォームから,2.4百万のレビュー(最大MOOCレビューデータセットである)を分析した。(1)数値評価が学習者に判別情報を提供するならば,(2)テキストレビューに関するNLP駆動感情解析が学習者にとって貴重な情報を提供できれば,NLP駆動トピック発見技法を学習者にとって重要にし,(4)これらのモデルを用いて,オープンレビューに基づいてMOOCsを効果的に特性化できるかどうかを推論できる。結果は,数値評価が明確にバイアスされ(それらの63%が5スターレイティング),トピックモデリングは,コース広告,実際の応用性,または異なるコースの困難さに関連するいくつかの興味深い話題を明らかにした。著者らは,本研究が,地域に関していくつかの光を投げかけて,オンライン教育レビューにおいてより透明なアプローチを促進することを期待し,それは,ポスト流行時代に入るにつれてますます一般的になった。【JST・京大機械翻訳】