متن كاوي

پس از پرداخت، لينك دانلود فايل براي شما نشان داده مي شود

پرداخت و دانلود

نام مجله:

http://www.ijmla.net 10.4102/ijmla.v1i1.2

عنوان مقاله:

Automatic assessment of online discussions using text mining

Online discussion forums have rapidly gained usage in e-learning systems. This has placed
a heavy burden on course instructors in terms of moderating student discussions. Previous
methods of assessing student participation in online discussions followed strictly quantitative
approaches that did not necessarily capture the students’ effort. Along with this growth in
usage there is a need for accelerated knowledge extraction tools for analysing and presenting
online messages in a useful and meaningful manner. This article discussed a qualitative
approach which involves content analysis of the discussions and generation of clustered
keywords which can be used to identify topics of discussion. The authors applied a new
k-means++ clustering algorithm with latent semantic analysis to assess the topics expressed
by students in online discussion forums. The proposed algorithm was then compared with
the standard k-means++ algorithm. Using the Moodle course management forum to validate
the proposed algorithm, the authors show that the k-mean++ clustering algorithm with latent
semantic analysis performs better than a stand-alone k-means++.

ارزيابي خودكار بحث هاي (گفتگوهاي) آنلاين با متن كاوي

تالارهاي[1] گفتگو و تبادل نظر آنلاين با سرعت در حال استفاده از سيستم هاي آموزش الكترونيكي[2] هستند. اين كار بار سنگيني را بر دوش مدرسان از نظر تعديل بحث هاي دانشجويي قرار داده است. روش هاي ارزيابي قبلي در مورد مشاركت دانشجويان در بحث هاي آنلاين به شدت با روش هاي كمي دنبال شده است كه لزوما تلاش دانشجويان را در بر نمي گيرد. همراه با گسترش اين كاربرد، نياز به ابزارهاي سريع استخراج دانش براي تجزيه و تحليل و ارائه پيام هاي آنلاين به شيوه اي مفيد و معني دار وجود دارد. اين مقاله به بحث روي روشي كيفي پرداخته است كه شامل تجزيه و تحليل محتواي بحث ها و توليد كليدواژگان خوشه اي است كه مي توان براي شناسايي موضوع هاي مورد بحث استفاده كرد. نويسندگان از يك الگوريتم خوشه اي  k-means++ با تجزيه و تحليل معناي نهفته[3] براي ارزيابي موضوعات بيان شده توسط دانشجويان در تالارهاي بحث و تبادل نظر آنلاين استفاده كردند. سپس اين الگوريتم پيشنهادي با الگوريتم k-means++ استاندارد مقايسه شد. نويسندگان با استفاده از انجمن مديريت دوره مودل[4] براي اعتباربخشي الگوريتم پيشنهادي نشان دادند كه الگوريتم خوشه اي  k-means++ با تجزيه و تحليل معناي نهفته بهتر از الگوريتم k-means++ مستقل عمل مي كند.

پس از پرداخت، لينك دانلود فايل براي شما نشان داده مي شود

پرداخت و دانلود