MOOC 中同伴评估的调优模型

Chris Piech; Jonathan Huang; Zhenghao Chen; Chuong Do; Andrew Ng; Daphne Koller

MOOC 中同伴评估的调优模型

机器学习 2013-07-11 v1 人工智能人机交互应用统计机器学习

作者: Chris Piech , Jonathan Huang , Zhenghao Chen , Chuong Do , Andrew Ng , Daphne Koller

摘要

在大规模开放在线课程（MOOCs）中，同伴评分是将复杂、开放式作业的评分扩展至拥有数万甚至数十万学生的课程的关键工具。尽管初步试验前景广阔，但与人类专家相比，它并不总能提供准确的结果。在本文中，我们开发了用于估计和纠正评分者偏差及可靠性的算法，展示了在来自 Coursera HCI 课程提供的真实数据（包含 63,199 个同伴评分，是迄今为止分析的最大同伴评分网络）上，同伴评分准确性的显著提升。我们将评分者偏差和可靠性与其他学生因素（如学生参与度、表现以及评论风格）联系起来。我们还表明，我们的模型可以实现更智能的评分者与被评分者的分配。

关键词

同伴评估 MOOCs 评分者偏差评分者可靠性评分准确性学生参与度算法修正

引用

@article{arxiv.1307.2579,
  title  = {Tuned Models of Peer Assessment in MOOCs},
  author = {Chris Piech and Jonathan Huang and Zhenghao Chen and Chuong Do and Andrew Ng and Daphne Koller},
  journal= {arXiv preprint arXiv:1307.2579},
  year   = {2013}
}

备注

Proceedings of The 6th International Conference on Educational Data Mining (EDM 2013)

MOOC 中同伴评估的调优模型

摘要

关键词

引用

备注

相关论文