通过语义匹配理解教育主题的演进
计算机与社会
2024-03-12 v1 计算与语言
机器学习
摘要
教育系统正动态调整以适应技术进步、工业与社会需求，并提升学生的学习历程。课程专家与教育工作者不断修订各教育阶段的授课科目，以识别差距、引入新学习主题并改善学习成果。这一过程通常在相同学科（如数学）内或相关学科（如数学与物理）间进行，同时考量相同与不同的教育层级，从而导致大规模的多层比较。拥有结构化数据集中的科目、主题及学习成果的细致数据，使我们能够利用数据科学更好地理解各类学习主题的演进。本文利用来自变换器的双向编码器表示（BERT）主题建模从课程中提取主题，进而识别学科间的关系、追踪其演进并发现概念差距。我们发现，按共同主题对学习成果进行分组有助于专家减少课程中的冗余并引入新概念。我们构建了一个仪表板以供课程专家使用该方法。最后，我们通过学科领域专家测试了该方法的有效性。
引用
@article{arxiv.2403.05553,
title = {Understanding the Progression of Educational Topics via Semantic Matching},
author = {Tamador Alkhidir and Edmond Awad and Aamena Alshamsi},
journal= {arXiv preprint arXiv:2403.05553},
year = {2024}
}