Aprendizaje Dual Contrastivo Consciente de Emoción-Semántica para la Identificación de Emociones Epistémicas de Reseñas Generadas por Estudiantes en MOOCs

Identificar las emociones epistémicas de las reseñas generadas por estudiantes en cursos masivos en línea (MOOCs) puede ayudar a los instructores a proporcionar orientación e intervenciones adaptativas para los alumnos. La tarea de identificación de emociones epistémicas es una tarea de identificación de grano fino que contiene múltiples categorías de emociones que surgen durante el proceso de aprendizaje. Estudios anteriores solo consideran información emocional o semántica dentro de los textos de las reseñas, lo que conduce a una representación de características insuficiente. Además, algunas categorías de emociones epistémicas están distribuidas de manera ambiguo en el espacio de características, lo que dificulta su distinción. En este artículo, presentamos un enfoque de aprendizaje dual contrastivo consciente de emoción-semántica (ES-DCL) para abordar estos problemas. Con el fin de aprender una representación de características suficiente, se extraen, respectivamente, características semánticas implícitas y características emocionales interpretables por humanos desde dos perspectivas diferentes para formar características emocionales-semánticas complementarias. Sobre esta base, aprovechando la experiencia de expertos en el dominio y las características emocionales-semánticas de entrada, se formulan dos tipos de pérdidas contrastivas (pérdida contrastiva de etiqueta y pérdida contrastiva de características). Estas están diseñadas para entrenar la distribución discriminativa de las características emocionales-semánticas en el espacio de muestras y resolver el problema de anisotropía entre diferentes categorías de emociones epistémicas. El ES-DCL propuesto se compara con 11 otros modelos de referencia en cuatro conjuntos de datos de reseñas de MOOCs de diferentes disciplinas. Resultados experimentales extensivos muestran que nuestro enfoque mejora el rendimiento de la identificación de emociones epistémicas y supera significativamente a los métodos basados en aprendizaje profundo de última generación en la adquisición de representaciones de oraciones más discriminativas.