隨著人工智能在教育領(lǐng)域的發(fā)展,近年來不少學者開始關(guān)注:如何利用計算機來輔助教師評價大量的學生學術(shù)評論,以幫助學生改善學術(shù)論文的寫作質(zhì)量。在以往的研究中,一些學者驗證了透過同儕互評能夠幫助學生改進寫作;與線下同儕互評活動相比,在線同儕互評活動在提高同儕互評的有效性和可靠性上更有潛力。但是,評論者的評論質(zhì)量參差不齊,難以提供寫作者整體性的建議,造成寫作者對收到的評論意見并不能很好的理解和運用。因此,本研究基于在線同儕互評環(huán)境,旨在同儕互評過程中提升同儕互評者的評論質(zhì)量,通過開發(fā)一種自動評估學生中文評論并為評論者提供元評論反饋的系統(tǒng),以幫助評論者撰寫更好的評論,使其能夠進行自我反思,寫出質(zhì)量更好、更有效的評論內(nèi)容。其主要研究工作如下:一、針對在線同儕互評活動,本文提出評論自動反饋模型,該模型包括三個評論質(zhì)量指標:評論的內(nèi)容類型、評論相關(guān)性和評語反饋。評論自動反饋模型以評論自動分類為切入點,借助自然語言處理、機器學習和深度學習等技術(shù)完成三個評論質(zhì)量指標的量化。其中評論的內(nèi)容類型從情感、認知和元認知三個維度進行探討,在收集和人工標注的4652條同伴評論數(shù)據(jù)中,利用LSTM分類器進行評論自動分類的... 

【文章來源】：華中師范大學湖北省 211工程院校 教育部直屬院校

【文章頁數(shù)】：64 頁

【學位級別】：碩士

【部分圖文】：

圖１．２顯示了??具有此評論自動反饋機制的同儕互評活動流程圖

／ＩｊＯｌ＇Ｘ碩士學位論文??ＭＡＳＴＥＲ＇Ｓ?ＴＨＥＳＩＳ??Ｆ＝＾ｌ???＾評論反饋系統(tǒng)＾???｜③自動反饋??ｒ￣、①提交???ＣＣ￣＾＾?②互評?產(chǎn)＝■＂：：■＂．．．．．?．．??／?＼??－論文??＂評論文本，??Ｌ￣＾?④修改評論Ｌ—??⑤修改后的評論??圖１．２基于評論自動反饋機制的在線同儕互評活動流程圖??１．３技術(shù)路線??圖１．３顯示了本研究的技術(shù)路線。首先在組內(nèi)開發(fā)的在線學術(shù)寫作平臺進行??收集評論數(shù)據(jù)，其次主要選取并完成三個評論質(zhì)量指標：??一、評論的內(nèi)容類型：從情感、認知和元認知三個維度分析評論的內(nèi)容類型，??根據(jù)評論的分類標準對評論數(shù)據(jù)進行人工標注，并利用四種分類器算法（樸素貝??葉斯、支持向量機、卷積神經(jīng)網(wǎng)絡(luò)、長短期記憶網(wǎng)絡(luò)）對評論數(shù)據(jù)進行訓練與測??試，從中選取效果最好的分類器并進行優(yōu)化，實現(xiàn)評論文本的自動分類。??二、評論相關(guān)性：通過比對評論與評論文章內(nèi)容的相關(guān)程度，然后對計算數(shù)??值進行歸一化處理，使其結(jié)果在［０，１］區(qū)間內(nèi)，從而完成評論相關(guān)性的量化。??三、評語反饋：根據(jù)評論的內(nèi)容類型和評論相關(guān)性的量化結(jié)果，設(shè)置合理的??閾值和評語內(nèi)容，以評論的文章為單位自動生成個性化評語。??樸素貝葉斯分類器一??＊＊??一＇－支持向量機分類器一???兩?—：——｜?ｃｎｎ分類器ｐ?Ｉ?．??ＬＳＴＭ?分類器?＾?????評語反饋?一＾質(zhì)量????１?指標??枚集數(shù)據(jù)??????????？評論文章一＂評論與原文章相似度對比一￣？評論相關(guān)性?—??圖１．３評論自動反饋技術(shù)路線??４??

／ＩｊＯｌ＇Ｘ碩士學位論文??ＭＡＳＴＥＲ＇Ｓ?ＴＨＥＳＩＳ??Ｆ＝＾ｌ???＾評論反饋系統(tǒng)＾???｜③自動反饋??ｒ￣、①提交???ＣＣ￣＾＾?②互評?產(chǎn)＝■＂：：■＂．．．．．?．．??／?＼??－論文??＂評論文本，??Ｌ￣＾?④修改評論Ｌ—??⑤修改后的評論??圖１．２基于評論自動反饋機制的在線同儕互評活動流程圖??１．３技術(shù)路線??圖１．３顯示了本研究的技術(shù)路線。首先在組內(nèi)開發(fā)的在線學術(shù)寫作平臺進行??收集評論數(shù)據(jù)，其次主要選取并完成三個評論質(zhì)量指標：??一、評論的內(nèi)容類型：從情感、認知和元認知三個維度分析評論的內(nèi)容類型，??根據(jù)評論的分類標準對評論數(shù)據(jù)進行人工標注，并利用四種分類器算法（樸素貝??葉斯、支持向量機、卷積神經(jīng)網(wǎng)絡(luò)、長短期記憶網(wǎng)絡(luò)）對評論數(shù)據(jù)進行訓練與測??試，從中選取效果最好的分類器并進行優(yōu)化，實現(xiàn)評論文本的自動分類。??二、評論相關(guān)性：通過比對評論與評論文章內(nèi)容的相關(guān)程度，然后對計算數(shù)??值進行歸一化處理，使其結(jié)果在［０，１］區(qū)間內(nèi)，從而完成評論相關(guān)性的量化。??三、評語反饋：根據(jù)評論的內(nèi)容類型和評論相關(guān)性的量化結(jié)果，設(shè)置合理的??閾值和評語內(nèi)容，以評論的文章為單位自動生成個性化評語。??樸素貝葉斯分類器一??＊＊??一＇－支持向量機分類器一???兩?—：——｜?ｃｎｎ分類器ｐ?Ｉ?．??ＬＳＴＭ?分類器?＾?????評語反饋?一＾質(zhì)量????１?指標??枚集數(shù)據(jù)??????????？評論文章一＂評論與原文章相似度對比一￣？評論相關(guān)性?—??圖１．３評論自動反饋技術(shù)路線??４??

【參考文獻】：
期刊論文
[1]一種基于深度學習的中文文本特征提取與分類方法[J]. 曹魯慧,鄧玉香,陳通,李釗.  山東科學. 2019(06)
[2]基于卷積神經(jīng)網(wǎng)絡(luò)的圖像分類研究[J]. 龐絲絲,黃呈鋮.  現(xiàn)代計算機. 2019(23)
[3]MOOC同伴作業(yè)互評中反思意識與學習成效的關(guān)系研究[J]. 汪瓊,歐陽嘉煜,范逸洲.  電化教育研究. 2019(06)
[4]基于Keras的LSTM模型在空氣質(zhì)量指數(shù)預測的應(yīng)用[J]. 鄭洋洋,白艷萍,侯宇超.  數(shù)學的實踐與認識. 2019(07)
[5]改進樸素貝葉斯算法在文本分類中的應(yīng)用[J]. 黃勇,羅文輝,張瑞舒.  科技創(chuàng)新與應(yīng)用. 2019(05)
[6]評價量規(guī)設(shè)計對慕課同伴互評有效性的影響研究[J]. 范逸洲,馮菲,劉玉,汪瓊.  電化教育研究. 2018(11)
[7]基于LSTM-Attention的中文新聞文本分類[J]. 藍雯飛,徐蔚,汪敦志,潘鵬程.  中南民族大學學報(自然科學版). 2018(03)
[8]基于k最近鄰和改進TF-IDF的文本分類框架[J]. 龔靜,黃欣陽.  計算機工程與設(shè)計. 2018(05)
[9]面向情感聚類的文本相似度計算方法研究[J]. 李欣,李旸,王素格.  中文信息學報. 2018(05)
[10]深度學習中漢語字向量和詞向量結(jié)合方式探究[J]. 李偉康,李煒,吳云芳.  中文信息學報. 2017(06)



本文編號：3533634