导师的自动化分析评论:使用情感分析的试点研究,以确定体验式教育中的潜在学生问题
Kathryn Fuller1, Carly Lupton-Smith1, Robert Hubal1
1UNC Eshelman School of Pharmacy, University of North Carolina, Chapel Hill, NC, USA.
一个新的情绪分析程序通过自动评分教师的评论,准确地识别出有学业进步风险的药学学生. 这种工具简化了教师对定性反的审查,增强了教育支持.
科学领域:
- 药房 教育 教育 药房 教育
- 自然语言处理自然语言处理.
- 教育技术的教育技术
背景情况:
- 导师的评论为学生在药房实践经验中的表现提供了有价值的定性反.
- 识别有进步问题风险的学生需要对广泛的定性数据进行有效分析.
- 手动审查众多的评论可能是耗时的教师.
研究的目的:
- 描述一种旨在自动评分教师评论的情感分析程序.
- 通过使用自动化情绪分析,识别药学学生有发展问题的风险.
- 评估情绪分析在药房教育中的准确性和实用性.
主要方法:
- 一个基于R的情绪分析程序被开发和试点.
- 该算法与最初阶段的人类编码进行了比较.
- 最终的算法在验证阶段分析了1560个学生的中期评价 (3919条评论).
主要成果:
- 第1阶段显示,人类编码者与情绪分析之间96%的一致性.
- 第二阶段的改进,包括添加关键字,达到了92.4%的协议.
- 第三阶段验证证实情绪得分与定量评估数据之间的一致性.
结论:
- 情绪分析算法准确地捕捉了药房学生表现的积极和消极反.
- 这个工具可以有效地标记指导员的评论,表明潜在的进展问题.
- 情绪分析为药学教育提供有效和有针对性的支持提供了重大影响.
更多相关视频
13:44Project-Based Learning Guidelines for Health Sciences Students: An Analysis with Data Mining and Qualitative Techniques
Published on: December 9, 2022
12:55Multimodal Protocol for Assessing Metacognition and Self-Regulation in Adults with Learning Difficulties
Published on: September 27, 2020
相关概念视频
Self-Presentation: Self-Monitoring and Self-Handicapping
Self-Evaluation: Self-Enhancement and Self-Verification
Surveys
Predicting Reaction Outcomes
The Sense of Self: Reflected Self-Appraisal and Social Comparison
Comparing Experimental Results: Student's t-Test
