| 一种通过挖掘研讨记录来促进学生思考的在线督导系统 |
| |
| 引用本文： | 李嘉,张朋柱,李欣苗,Jihie Kim.一种通过挖掘研讨记录来促进学生思考的在线督导系统[J].现代图书情报技术,2012(4):10-16. |
| |
| 作者姓名： | 李嘉 张朋柱 李欣苗 Jihie Kim |
| |
| 作者单位： | 华东理工大学商学院;上海交通大学安泰经济与管理学院;中国航空无线电电子研究所;上海财经大学信息管理与工程学院;美国南加州大学信息科学研究所 |
| |
| 基金项目： | 国家自然科学基金青年项目“面向在线群体研讨的自动化辅助方法研究”(项目编号:71001038);中央高校基本科研业务费专项资金资助项目“群体研讨文本的自动摘要与研讨态势可视化研究”(项目编号:WN1022003);2010年上海市“两新”组织和社会建设调研课题“主动把握社会问题舆情态势专题研究:基于信息检索和自然语言处理的方法”;国家自然科学基金青年项目“面向任务的开放式团队创新协同理论与方法研究”(项目编号:71001059)的研究成果之一 |
| |
| 摘 要： | 为促进学生思考并提高响应速度,提出一种从历史研讨记录中挖掘相关信息的在线问答推荐方法。该方法包括建立技术词汇层次树、提取任务词汇、文本段落划分、特征抽取、主题识别过滤和计算文档得分6个步骤。通过设计两个实验来评估所提出的方法:第一个实验比较TF-IDF、TF-IDF+主题过滤以及TF-IDF+LSA+主题过滤三种推荐方法,结果表明使用TF-IDF+主题过滤的算法可以获得最好的推荐效果;第二个实验将系统用于一个学期的在线课程研讨中,现场评估结果表明,文档推荐系统可以促进学生研讨,并且有较高的感知有用性和易用性。本研究表明,中等相关程度的历史研讨记录可以被自动挖掘出来,并且向学生提供这些信息可以促进学生思考和研讨。
|
| 关 键 词： | 研讨记录 推荐系统 促进思考 在线督导系统 E-learning |
An Online Tutoring System Mining Discussion Logs to Stimulate Students Thinking |
| |
| Institution: | Li Jia1,2,3 Zhang Pengzhu2 Li Xinmiao4 Jihie Kim5 1(School of Business,East China University of Science and Technology,Shanghai 200237,China) 2(Antai College of Economics & Management,Shanghai Jiaotong University,Shanghai 200052,China) 3(Chinese Aeronautical Radio Electronics Research Institute,Shanghai 200233,China) 4(School of Information Management and Engineering,Shanghai University of Finance and Economics, Shanghai 200433,China) 5(Information Sciences Institute,University of Southern California,Marina del Rey,CA 90292,USA) |
| |
| Abstract: | In order to stimulate student thinking and reduce service response time,the authors propose an online recommendation method that mines relevant information from discussion logs.The proposed method consists of six steps,namely technique term hierarchical tree building,task term extraction,document segmentation,feature extraction,topic identification,and document score calculation.Two experiments are designed to evaluate the proposed system.In the first experiment,three different document recommendation algorithms(i.e.,TF-IDF,TF-IDF + topic filtering,TF-IDF + LSA + topic filtering) are compared,and the TF-IDF + topic filtering algorithm gets the best performance.In the second experiment,the proposed system is applied to one semester of online discussion,and the proposed system leads to better discussion participation as well as a higher level of perceived usefulness and ease of use.The results indicate that moderated relevant discussion record can be mined automatically,and providing such information can stimulate student’s thinking and discussion. |
| |
| Keywords: | Discussion log Recommendation systems Thinking stimulation Online tutoring systems E-learning |
| 本文献已被 CNKI 等数据库收录！ |
|
