基于个体行为线索评估学生小组协作的机器学习方法
机器学习
2020-09-04 v4 机器学习
摘要
K-12 课堂持续将协作整合为其学习体验的一部分。然而，由于班级规模庞大，教师没有时间恰当评估每位学生并给予反馈。本文中，我们提出使用基于深度学习的简单机器学习模型，根据小组中所有学生的个体角色标注与个体层面行为，自动判定小组的整体协作质量。在构建这些模型时我们遇到以下挑战：1）训练数据有限，2）严重的类标签不平衡。我们通过使用受控变体的 Mixup 数据增强（一种通过线性组合不同数据样本对及其对应类标签来生成额外数据样本的方法）来解决这些挑战。此外，我们问题的标签空间呈现有序结构。我们利用这一事实，并探索使用序交叉熵损失函数，研究其在有和无 Mixup 下的影响。
引用
@article{arxiv.2007.06667,
title = {A Machine Learning Approach to Assess Student Group Collaboration Using Individual Level Behavioral Cues},
author = {Anirudh Som and Sujeong Kim and Bladimir Lopez-Prado and Svati Dhamija and Nonye Alozie and Amir Tamrakar},
journal= {arXiv preprint arXiv:2007.06667},
year = {2020}
}
备注
Accepted in the ECCV 2020 workshop on Imbalance Problems in Computer Vision