학습자의 댓글을 활용한 온라인 교육 경험 향상: 피드백 분석을 위한 새로운 접근 방식

e-러닝 플랫폼의 확산으로 교육 방법이 변화했으며, 이전에는 경험할 수 없었던 유연하고 접근 가능한 학습 옵션을 제공하게 되었습니다. 그러나 이러한 플랫폼의 효과성과 개인화를 최적화하는 것은 여전히 어려운 과제입니다. 본 연구에서는 e-러닝 경험을 향상시키기 위한 혁신적인 방법으로 분류의 도입을 검토합니다. 이 연구는 감정 분석을 위한 새로운 접근을 활용하여 디지털 정보와 상호작용 안에서 학습자의 감정 상태, 의견 및 태도를 식별하고 분석하는 것을 목표로 합니다. 연구의 방법론에는 분류 로지스틱 회귀, 랜덤 포레스트 분류기 및 SVM을 적용하는 것이 포함됩니다. 온라인 학습 환경에서 학습자가 생성한 콘텐츠에 대한 정규화를 통해 이 접근법은 표현된 감정과 학습 결과 간의 상관관계를 조사하여 학생의 감정적 요구에 맞는 교수 전략을 수정하는 방법에 대한 통찰을 제공합니다. 결과는 데이터 균형을 위한 SMOTE 사용이 분류기 성능을 향상시키고 학습자 댓글로부터 유용한 정보를 수집하는 신뢰할 수 있는 방법을 제공함을 보여줍니다. 이 방법론은 학생 태도에 대한 이해를 증진시킬 뿐만 아니라 잘-informed한 의사결정을 통해 가상 학습의 품질을 향상시키기 위한 기반을 제공합니다. 분석의 강건성을 개선하기 위해 추가 연구는 모델의 매개변수를 조정하고 새로운 기능을 탐구할 수 있습니다. 본 연구 논문은 로지스틱 회귀, 랜덤 포레스트 분류기 및 SVM의 비교 연구를 조사합니다.