使用自然语言处理量化学生组织活动效果性

学生课外活动在丰富学生教育体验方面发挥着重要作用。随着机器学习和自然语言处理的流行，将 ML-NLP 融入提升课外活动已成为人工智能领域的潜在研究重点。本研究旨在开发一种机器学习工作流程，通过情感分析量化基于学生情感反应的学生组织活动效果。研究采用通过 pysentimiento 工具包调用的双向编码器表示转换器（BERT）大型语言模型（LLM），作为 Hugging Face 中的 Transformer 流水线。来自教育机构（Phillippines）College X 的一个认可学生组织（RSO）Organization C 的样本数据集用于开发该工作流程。工作流程包括数据预处理、关键特征选择、LLM 特征处理和得分聚合，最终为每个数据集生成一个活动得分。结果表明，BERT 大型语言模型也能有效地用于分析情感，不仅限于产品评论和帖子评论。对于教育机构的学生事务办公室，本研究提供了一个将 NLP 应用于实际场景的实际示例，展示了数据驱动决策的潜在影响。