Exploring Online Learners‘ Interactive Dynamics by Visually Analyzing Their Time-anchored Comments
题目：Exploring Online Learners' Interactive Dynamics by Visually Analyzing Their Time-anchored Comments
作者： Ching-Ying Sung , Xun-Yi Huang, Yicong Shen等，台湾交通大学
发表：CGF
因为这篇论文和目前的工作关联不是特别大，所以→ 
本文切入点
在学生和在线MOOC视频之间的互动中有潜在的丰富的学生行为信息，可以帮助教师和内容生产者调整和完善在线课程，而且目前没有此类论文
一句话概括本文要干什么
从学生在观看视频时对特定时间点留下的时间锚定的评论中，提取和可视化(ToPIN和ThemeRiver)有用信息
数据处理：评论分析
采用文本处理和机器学习技术，开发了几个分析组件：
- 情感分析：学生是否满意教师的课程、课程材料、教学风格等。使用朴素贝叶斯分类器分析后归为三类：积极、中立、消极
- 课程相关性分析：分析评论与课程相关的程度可以帮助教师发现学习者的专注状态，使用朴素贝叶斯分类器分析后分为两类：与课程有关、无关
- 内容分析：一些特殊事件对教师来说很重要，如提问、意见和投诉，这些事件可以直接表达学习者的要求或状态。文章采用教师的建议，遵循现有的方案[MRM13]，将评论的内容分为六种类型:一般对话、笔记、意见、问题、抱怨和赞扬
- 主题分析与聚类：系统应用余弦相似度聚类(k-means)评论，成主题类，并为每个聚类总结关键词
数据处理结果可视化
本文利用ToPIN(下)可视化方法，显示主题、每个主题的情感基调&课程相关性，以提供定性的评论分析；利用ThemeRiver(上)描述评论类型变化的定量分析。
ToPIN可视化视图描绘主题演化，x轴为时间轴，y轴展示用户选择的属性的值。每个box被一串各种颜色的曲线连在x轴上，每条线代表一个评论，线与x轴交点为评论发出的视频时间。颜色指示评论类型。主题热度用box面积表示。box色度代表平均情感值。
Exploring Online Learners‘ Interactive Dynamics by Visually Analyzing Their Time-anchored Comments相关推荐
- DanmuVis: Visualizing Danmu Content Dynamics and AssociatedViewer Behaviors in Online Videos
目录 作者:北京大学可视化与可视分析研究小组,一作陈帅 发表:EuroVis2022 一.弹幕数据的优势与特点 二.本文的切入点 三.工作难点 四.本文解决方案:DanmuVis系统 系统包含数据处理 ...
- AAAI-19录用论文清单
AAAI-19于1月27日在夏威夷召开,今年是33届会议. 会议录用论文清单, workshop16个,tutorials24个. 标题的词云分析: 作者单位词云(按作者人数计算/一篇文章可能有多个作 ...
- （十一：2020.08.28）CVPR 2017 追踪之论文纲要（译）
CVPR 2017 追踪之论文纲要(修正于2020.08.28) 讲在前面 论文目录 讲在前面 论坛很多博客都对论文做了总结和分类,但就医学领域而言,对这些论文的筛选信息显然需要更加精细的把控,所以自 ...
- CVPR2017论文
CVPR2017论文 Machine Learning 1 Spotlight 1-1A Exclusivity-Consistency Regularized Multi-View Subspace ...
- CVPR 2017 paper
参考链接 CVPR 2017 open access Paperlist Graph-Structured Representations for Visual Question Answering ...
- CVPR 2017论文集锦（论文分类）—— 附录部分翻译
作为计算机视觉领域的三大顶级会议之一,CVPR 2017 又收录了很多优秀的文章.具体可参见 CVPR 的论文官网:http://www.cvpapers.com/cvpr2017.html Mach ...
- VIS 2021论文
目录 Best Papers 1.Simultaneous Matrix Orderings for Graph Collections 2.IRVINE: Using Interactive Clu ...
- [翻译] python Tutorial 之一
声明:本文做为IronPython-2.0 B3的Tutorial 中文译文,内容全部来自其英文原文, 其中本人认为存在疑问的或翻译不当之处会用原文中的内容加以标记,且本文内容完全用于研 究 ...
- 多因素分析模型解决方法_选择模型方法的8个决定因素
多因素分析模型解决方法 Finally, all data were cleansed and ready to analyze. Andy started overenthusiastically ...
最新文章
- Makefile_02：程序的编译和链接
- 什么是OOP(面向对象编程)?
- leetcode 136. 只出现一次的数字 c语言
- 6、mysqldump备份数据库（附带实例）
- 时间相差8小时、GMT、UTC、CST、CET关系
- 终于，一键打通微信和QQ
- Solidity的Bytecode和Opcode简介
- matlab strfind用法,findstr和strfind区别
- 【代码审计】PHP代码审计---基础记录
- 要毕业了，我应该做点啥？
- Windows新建一个新的磁盘空间：
- java 开启wifi_通过java代码打开wifi direct
- 最困难的是带着自己的选择生活下去
- 定时器时间动态变化（变速）
- java抽象工厂模式_java简单工厂模式和抽象工厂模式
- 威伦触摸屏和三菱PLC通信
- 【PyQt】PyQt4使用qt-designer进行设计
- 稀土配合物Ln(DBM)3(Cz-PBM)|Tb(DBM)3(Cz-PBM)|Gd(DBM)3(Cz-PBM)|Ir(L)2(DBM-Ox)Ir(L)2(DBM-Cz)qiyue
- dfuse 的 GraphQL 端点现在提供经过 ABI 解码的数据库行为信息
- 多旋翼无人机ROSC++开发例程(一)：环境配置