Tổng hợp đánh giá lớp học phần Sử dụng kỹ thuật khai phá quan điểm
Abstract
Before registering for a course at universities, students often choose a lecturer to teach a course by consulting the opinions of previous students on social networking platforms, such as "confession" pages or fanpages for students and alumni of the university on Facebook. Therefore, synthesizing students' opinions about lecturers through comments on social networks forms the basis for lecturers to adjust their teaching activities. In this paper, we propose a method for automatically synthesizing students' opinions on teaching activities and lecturers' evaluation methods based on opinion mining techniques applied to a dataset of student comments on social networks. The result of this process is three datasets: a list of lecturers recommended by students for a course, a lecturer's general views on teaching and grading methods, and a lecturer's views on teaching and grading methods for a specific course with 100%, 93,1%, and 97,6% accuracy, respectively.
Tóm tắt
Trước thời điểm đăng ký học phần ở các trường đại học, sinh viên thường lựa chọn giảng viên giảng dạy một lớp học phần thông qua tham khảo ý kiến của các anh chị sinh viên khóa trước trên các nền tảng mạng xã hội ví dụ như các trang “confession” hoặc các fanpage dành cho sinh viên và cựu sinh viên của trường đại học trên Facebook, vì vậy việc tổng hợp quan điểm của sinh viên về giảng viên thông qua bình luận trên mạng xã hội làm cơ sở để giảng viên có thể điều chỉnh hoạt động giảng dạy của mình. Trong bài báo này, chúng tôi đề xuất phương pháp tổng hợp tự động ý kiến sinh viên về hoạt động giảng dạy và cách thức đánh giá của giảng viên dựa trên các kỹ thuật khai phá quan điểm trên trên tập dữ liệu gồm các bình luận của sinh viên trên mạng xã hộ. Kết quả của quá trình này là ba tập dữ liệu: danh sách giảng viên được sinh viên đề xuất cho một học phần, quan điểm chung về phương pháp giảng dạy và phương pháp chấm điểm của một giảng viên, quan điểm về phương pháp giảng dạy và phương pháp chấm điểm của một giảng viên đối với một học phần cụ thể với độ chính xác lần lượt là 100%, 93,1% và 97,6%.
Tài liệu tham khảo
[1] Liu, B. (2010). Sentiment analysis and subjectivity. Handbook of natural language processing, 2(2010), 627-666.
[2] Pang, B., & Lee, L. (2008). Opinion mining and sentiment analysis. Foundations and Trends® in information retrieval, 2(1–2), 1-135.
[3] Lerman, K., Blair-Goldensohn, S., & McDonald, R. (2009, March). Sentiment summarization: evaluating and learning user preferences. In Proceedings of the 12th conference of the European chapter of the ACL (EACL 2009) (pp. 514-522).
[4] Husnain, M., Missen, M. M. S., Akhtar, N., Coustaty, M., Mumtaz, S., & Prasath, V. S. (2021). A systematic study on the role of SentiWordNet in opinion mining. Frontiers of Computer Science, 15(4), 154614.
[5] Blei, D. M. (2012). Probabilistic topic models. Communications of the ACM, 55(4), 77-84.
[6] Davis, B., Sumara, D., & Luce-Kapler, R. (2015). Engaging minds: Cultures of education and practices of teaching. Routledge.
[7] Socher, R., Perelygin, A., Wu, J., Chuang, J., Manning, C. D., Ng, A. Y., & Potts, C. (2013, October). Recursive deep models for semantic compositionality over a sentiment treebank. In Proceedings of the 2013 conference on empirical methods in natural language processing (pp. 1631-1642).
[8] Onan, A. (2020). Mining opinions from instructor evaluation reviews: a deep learning approach. Computer Applications in Engineering Education, 28(1), 117-138.
[9] Lin, Q., Zhu, Y., Zhang, S., Shi, P., Guo, Q., & Niu, Z. (2019). Lexical based automated teaching evaluation via students’ short reviews. Computer Applications in Engineering Education, 27(1), 194-205.
[10] Vu, T., Nguyen, D. Q., Nguyen, D. Q., Dras, M., & Johnson, M. (2018). VnCoreNLP: A Vietnamese natural language processing toolkit. arXiv preprint arXiv:1801.01331.
[11] Jaworski, M., & Ziadé, T. (2019). Expert Python programming: become a master in Python by learning coding best practices and advanced programming concepts in Python 3.7. Packt Publishing Ltd.
[12] Melitoshevich, V. A., & Alikulovich, V. D. (2023). Development by a Graphic User Interface-Programs in the Tkinter Package Using Modern Pedagogical Technologies in the Field of Medicine. Miasto Przyszłości, 32, 13-17.
[13] Géron, A. (2022). Hands-on machine learning with Scikit-Learn, Keras, and TensorFlow. " O'Reilly Media, Inc.".
[14] Raschka, S., Liu, Y. H., & Mirjalili, V. (2022). Machine Learning with PyTorch and Scikit-Learn: Develop machine learning and deep learning models with Python. Packt Publishing Ltd.
