学生反馈评估工具及其在情感分析中应用的文献综述
计算机与社会
2021-09-17 v1 机器学习
摘要
在线学习正变得日益流行，无论是为了便利、适应工作时间，还是仅仅为了能从任何地方自由学习。尤其在 COVID-19 大流行期间，它已成为唯一可行的学习选项。讲授各类含理论内容的硬核编程课程的有效性，取决于学生的互动与回应。与通过 Zoom 或 Teams 进行的数字讲座不同，讲师在实体课堂中即便听众基本闲置且不互动，也能从学生的面部表情、行为与态度中快速获取此类回应。然而，虚拟学习中的学生评估是一项具有挑战性的任务。尽管存在挑战，不同技术正逐步被整合进教学环境以提升学生参与度与积极性。在本文中，我们评估了 Kahoot!、Mentimeter、Padlet 与投票等多种课堂反馈评估方法的有效性，以协助讲师在授课过程中获取学生实时反馈并相应调整教学风格。此外，学生建议所涵盖的部分主题包括导师建议、改进教学风格、课程内容及其他科目。任何输入都为教师提供了如何改善学生学习体验的宝贵洞察，然而手动梳理所有定性评论并提取观点是繁琐的。因此，在本文中，我们提出一种用于从学生定性反馈评论中提取明确建议的情感分析模型。
引用
@article{arxiv.2109.07904,
title = {A literature survey on student feedback assessment tools and their usage in sentiment analysis},
author = {Himali Aryal},
journal= {arXiv preprint arXiv:2109.07904},
year = {2021}
}