Using Machine Learning Techniques to Analyze and Recognize Complex Patterns of Student E-Discussions

Abstract

Visuální diskuse je formou debaty, ve které se příspěvky zapisují do grafických tvarů a propojují se s ostatními na základě jejich vztahů. Pro moderování několika současně probíhajících diskusí je důležité nasměrovat učitele na zajímavé skupiny příspěvků. Pro tento účel jsme navrhli algoritmus, který používá isomorfismus grafů společně s textovou analýzou a klasifikátory strojového učení pro vyhledávání těchto interakcí na základě poskytnutého příkladu. Vhodnost našeho přístupu jsme experimentálně ověřili na reálných diskusích se slibnými počátečními výsledky.

Visual e-discussion is a form of debate in that contributions are written into graphical shapes and linked to one another according to their relationship. In order to moderate several simultaneous e-discussions effectively, it is important to point teachers to interesting clusters of contributions. We designed an algorithm that uses inexact graph matching along with text analysis and machine learning classifiers for searching for such patterns based on a provided example. The method was evaluated on a dataset of real discussion and demonstrated promising initial results.