基于机器学习情感分析的总结性学生课程评价工具：提升生命科学反馈效能
计算与语言
2023-01-18 v1
摘要
机器学习使得新型、补充性及赋能工具的开发成为可能，这些工具既能扩展现有技术，也能发明新技术。在教育领域，存在一种工具的需求，该工具支持通用的学生课程评价格式，以组织和概括学生对所接受的教学实践的看法。通常，学生意见是通过一个总体评论区收集的，该评论区征求他们对课程的感受，而不具体询问课程内容的具体细节。在此，我们展示了一种总结和组织学生意见的新方法，即通过分析他们对课程的情感，将其作为用于传达他们对课程及其内容看法的语言/词汇的函数。该分析源自他们在课后评价调查末尾遇到的总体评论区中的回答。该分析借助 Python、LaTeX 和 Google Natural Language API 完成，允许将非结构化文本数据转化为通用及特定主题的子报告，以一种独特新颖的方式传达学生的观点。
引用
@article{arxiv.2301.06173,
title = {Summative Student Course Review Tool Based on Machine Learning Sentiment Analysis to Enhance Life Science Feedback Efficacy},
author = {Ben Hoar and Roshini Ramachandran and Marc Levis and Erin Sparck and Ke Wu and Chong Liu},
journal= {arXiv preprint arXiv:2301.06173},
year = {2023}
}
备注
31 Pages, 3 Main Text Figures, 2 Supplemental Figures, 1 Supplements Information Section, 1 Supplemental Sample Report