使用机器学习和基于 Transformer 的模型对印尼高等教育中 AI 采纳情况进行情感分析
计算与语言
2026-05-01 v1
摘要
本研究使用两种方法分析印尼学生对高等教育中采纳人工智能的看法：基于 TF-IDF 的机器学习和基于 Transformer 的深度学习。数据集包含 2,295 个标记样本，结合了 1,154 条学生意见和额外的词汇情感数据。评估的机器学习模型包括 LightGBM、随机森林和支持向量机（SVM），同时微调 DistilBERT 用于二元情感分类。结果显示，SVM 在机器学习模型中表现最佳，测试准确率和 F1 分数达到 82.14%，而 DistilBERT 整体表现最优，准确率为 84.78%，F1 分数为 84.75%。这些发现表明，基于 Transformer 的模型能更好地捕捉上下文信息，尽管 SVM 对于情感分类而言仍是一种有竞争力且高效的替代方案。
引用
@article{arxiv.2604.27439,
title = {Sentiment Analysis of AI Adoption in Indonesian Higher Education Using Machine Learning and Transformer-Based Models},
author = {Happy Syahrul Ramadhan and Ahmad Sahidin Akbar and Karin Yehezkiel Sinaga and Luluk Muthoharoh and Ardika Satria and Martin C. T. Manullang},
journal= {arXiv preprint arXiv:2604.27439},
year = {2026}
}
备注
8 pages, 6 figures, 7 tables. The paper compares TF-IDF-based machine learning models and DistilBERT for Indonesian sentiment analysis on student opinions about AI adoption in higher education. The manuscript reports that DistilBERT achieves the best overall test performance, while SVM is the strongest classical baseline