دانلود ترجمه مقاله کاربرد متن کاوی در ارزیابی اتوماتیک مباحث آنلاین در فضای مجازی – مجله IJMLA

ijmla1

 

 عنوان فارسی مقاله: کاربرد متن کاوی در ارزیابی اتوماتیک مباحث آنلاین در فضای مجازی
 عنوان انگلیسی مقاله: Automatic assessment of online discussions using text mining
دانلود مقاله انگلیسی: برای دانلود رایگان مقاله انگلیسی با فرمت pdf اینجا کلیک نمائید
خرید ترجمه آماده: تماس بگیرید
کد مقاله s5

 

سال انتشار ۲۰۱۲
تعداد صفحات مقاله انگلیسی ۷
تعداد صفحات ترجمه مقاله ۱۰
مجله مجله بین المللی یادگیری ماشینی و برنامه های کاربردی
دانشگاه  گروه علوم کامپیوتر و کسب و کار فناوری اطلاعات، دانشگاه متدیست کنیا
کلمات کلیدی  –
نشریه IJMLA

 

 


 

بخشی از ترجمه:

 
تالارهای  گفتگو و تبادل نظر آنلاین با سرعت در حال استفاده از سیستم های آموزش الکترونیکی  هستند. این کار بار سنگینی را بر دوش مدرسان از نظر تعدیل بحث های دانشجویی قرار داده است. روش های ارزیابی قبلی در مورد مشارکت دانشجویان در بحث های آنلاین به شدت با روش های کمی دنبال شده است که لزوما تلاش دانشجویان را در بر نمی گیرد. همراه با گسترش این کاربرد، نیاز به ابزارهای سریع استخراج دانش برای تجزیه و تحلیل و ارائه پیام های آنلاین به شیوه ای مفید و معنی دار وجود دارد. این مقاله به بحث روی روشی کیفی پرداخته است که شامل تجزیه و تحلیل محتوای بحث ها و تولید کلیدواژگان خوشه ای است که می توان برای شناسایی موضوع های مورد بحث استفاده کرد. نویسندگان از یک الگوریتم خوشه ای  k-means++ با تجزیه و تحلیل معنای نهفته  برای ارزیابی موضوعات بیان شده توسط دانشجویان در تالارهای بحث و تبادل نظر آنلاین استفاده کردند. سپس این الگوریتم پیشنهادی با الگوریتم k-means++ استاندارد مقایسه شد. نویسندگان با استفاده از انجمن مدیریت دوره مودل  برای اعتباربخشی الگوریتم پیشنهادی نشان دادند که الگوریتم خوشه ای  k-means++ با تجزیه و تحلیل معنای نهفته بهتر از الگوریتم k-means++ مستقل عمل می کند.
مقدمه
بحث های آنلاین یکی از برنامه های کاربردی مهم در ارتباطات به واسطه کامپیوتر در محیط های آموزش الکترونیکی است. چرا که آنها محیط یادگیری مشارکتی ناهمزمانی فراهم می کنند که در آن بین اعضای گروه تعامل ایجاد می شود، و آنها در بسیاری از سیستم های مدیریت یادگیری گنجانده می شوند.

تالارهای گفتگوی آنلاین یک استراتژی امیدوار کننده برای دروس حل مسئله و فعالیت های کشف گرا هستند. بحث های آنلاین تعدادی مزایای بالقوه ارائه می دهند که  می توان با آن به دانشجویان کمک کرد در فعالیت هایی که به رشد فکری آنها دخیل است شرکت داشته باشند. به عنوان مثال، نوشتن پاسخ در بحث های آنلاین غالبا نسبت به بحث های رو در رو نیاز به تأمل بیشتری دارد.  مزایای دیگر شامل کار تیمی و تفکر انتقادی و حمایت از کار مشترک است. بیشتر سیستم های بررسی بحث های آنلاین مبتنی بر روش های کمی هستند. یک روش معمول برای ارزیابی مشارکت دانشجو شمارش تعداد ارسال ها است.

 


بخشی از مقاله انگلیسی:

 

Introduction

Technology is increasingly being embraced as an efficient tool which provides increased flexibility for learners in higher education. Computer-mediated communication is a key element of e-learning systems and strategies. Online discussions are one of the most important applications of computer-mediated communication in e-learning environments. This is because they provide an asynchronous collaborative learning environment where interaction takes place between group members, and they have been included in many learning management systems.Online discussion boards are a promising strategy for promoting collaborative problem-solving courses and discovery-oriented activities. Online discussions offer a number of potential benefits that can help engage students in activities that contribute to their intellectual growth. For example, composing a response in online discussions often requires greater reflection than in face-to-face discussions. Other benefits include promotion of team-building and critical thinking and support for collaborative work.Most systems for assessing online discussion are based on quantitative approaches.1 A common method for assessing a student’s contribution is to count the number of postings. As course enrolments increase, heavier online interaction can place a considerable information load on course instructors. Discussion postings are sometimes very short, many consisting of only one or two words, or not relevant to the problem under discussion. Thus students do not fully exploit this collaborative problem-solving environment in which they could discuss relevant technical issues with one another.2 There is a need to encourage students to participate in online discussions by monitoring the content of their messages. This would encourage them to put more effort into their studies.According to Song and Park3, text mining (also referred to as text data mining) can be defined as a knowledge-intensive process in which a user interacts with a collection of postings over time using a suite of analysis tools. In a manner analogous to data mining, text mining seeks to extract useful information from data sources through identification and exploration of interesting patterns. The purpose of text mining in unstructured textual information is to extract meaning numerical indices, and hence make the information in the text accessible to data-mining techniques. Data mining is the extraction of hidden predictive information from large databases using statistical methods and machine learning algorithms. In the case of text mining, however, the data sources are natural language texts, and interesting patterns are found not amongst formalised database records but in the unstructured textual data. Both techniques aim to find hidden patterns and relationships in data.In data mining the information is implicit in the data; it is hidden, unknown and could hardly be extracted without automatic data-mining techniques. However, with text mining the informationto be extracted is explicitly expressed in the text. Text mining aims to bring out such information in a manner that is amenable for processing by computers directly, with no need for a human intermediary.As course management systems gain popularity in facilitating teaching, a discussion forum is a key component to facilitate interactions amongst students and teachers. Content analysis is the most popular way to study a discussion forum. However, content analysis is both labour-intensive and time- and energy-consuming. In an asynchronous virtual learning environment an instructor needs to keep monitoring the discussion forum in order to maintain the quality of the forum; hence the application of text-mining techniques in online discussions to enable instructors to assess the content of discussions easily by identifying discussion topics.Discussion boards in e-learning environments contain a wealth of knowledge that is frequently stored in a database and rarely used beyond the initial posting and response situation.4 Organising and extracting this information can provide a tool to assess learning in discussion boards. Moreover, students’ online discussion forums can generate long, unstructured responses that can result in a greater information load for the instructor to read and assess. Assessing students’ contributions hence becomes difficult and time-consuming for the course instructors. Most methods of assessing students’ participation in online discussions follow a strictly quantitative approach that does not necessarily correlate with learning or students’ effort.2 Indeed this may encourage students simply to post frequent messages, without making a serious attempt to address the problem under discussion.Mining and extracting quality knowledge from online discussions is thus significant for assessing the participation of students. This article proposes the use of a text-mining technique to analyse the content of student discussions. Specifically the study employed k-means++ clustering using an optimised latent semantic analysis algorithm to capture semantic concepts hidden in words in a discussion posting. The algorithm is used to discover the associated patterns between words and their corresponding concepts in discussions.The k-means++ algorithm is used for choosing initial values for clustering, with the aim of spreading the k initial centres away from each other. Latent semantic analysis is an automatic method that requires a singular value decomposition (SVD) technique to decompose a large term-by-document matrix into a set of k orthogonal factors. The reduced space hopefully captures the true relationships between documents.3

 


 

 عنوان فارسی مقاله: کاربرد متن کاوی در ارزیابی اتوماتیک مباحث آنلاین در فضای مجازی
 عنوان انگلیسی مقاله: Automatic assessment of online discussions using text mining
دانلود مقاله انگلیسی: برای دانلود رایگان مقاله انگلیسی با فرمت pdf اینجا کلیک نمائید
خرید ترجمه آماده: تماس بگیرید
کد مقاله s5

 

 

ارسال دیدگاه

نشانی ایمیل شما منتشر نخواهد شد.