通过语言与话语分析识别学习者的困惑
计算机与社会
2019-03-11 v1
摘要
在线学习的大幅增长，特别是大规模开放在线课程，支持了旨在开发更有效学习模型的研究。学习者的“困惑”是被识别出的影响整体学习过程并最终导致课程退学的方面之一。对于学习者而言，困惑是一种个体状态，表现为迷茫和不确定如何继续前进。最近的大多数研究忽略了“个体”因素，并测量社区相关方面（如投票、浏览量）的影响以进行困惑分类。虽然这是一个有用的指标，因为一个人帖子的受欢迎程度可以表明许多其他学生对课程主题有类似的困惑，但这些模型忽略了个性化语境，例如个体的情感或情绪。某些生理方面（例如面部表情、心率）已被用于中小型教室中的困惑分类。然而，这些技术很难应用于 MOOCs。为了弥合这一差距，我们提出了一种完全基于学习者语言和话语方面的方法，其表现优于以前的模型。我们通过开发一种新颖的、对困惑分类具有预测性的语言特征集做出了贡献。我们使用一个领域训练困惑分类器，并成功将其应用于其他领域。
引用
@article{arxiv.1903.03286,
title = {An Identification of Learners' Confusion through Language and Discourse Analysis},
author = {Thushari Atapattu and Katrina Falkner and Menasha Thilakaratne and Lavendini Sivaneasharajah and Rangana Jayashanka},
journal= {arXiv preprint arXiv:1903.03286},
year = {2019}
}