Tri-Training based model semi-supervised aspect- based sentiment analysis: MOOCs case study

การวิเคราะห์ลักษณะอารมณ์แบบกึ่งควบคมุโดยใช้แบบจำลองที่มีการเทรนแบบไตร: กรณีระบบการเรียนการสอนแบบออนไลน์แบบเปิด

Name: Kitichart Nukaew

LCSH: Web-based instruction

LCSH: Computer-assisted instruction

LCSH: Education -- Data processing

Abstract: Massive Open Online Courses (MOOCs) have seen continuous growth in popularity and rapid expansion. In the instructional design process, receiving feedback from learners is crucial, as it helps tailor the content to better meet learners' needs. The application of NLP models in analyzing learners' feedback is an effective approach for extracting insights from a large volume of comments related to the courses. These models can categorize feedback into three distinct categories: course, instructors, and assessments. Additionally, the models can predict the sentiment of the feedback, determining whether it is positive or negative. In developing these models, semi-supervised learning techniques have been employed to address the challenge of limited data availability. Experimental results indicate that, for feedback categorization, a GRU model combined with tri-training with disagreement yields the highest prediction accuracy. Conversely, for sentiment analysis, a GRU model combined with tri-training produces the best outcomes.

Abstract: การเรียนการสอนประเภท MOOCs ได้รับความนิยมเพิ่มขึ้นอย่างต่อเนื่อง และเติบโตอย่างรวดเร็ว ในกระบวนการออกแบบการเรือนการสอน การได้รับคำติชม (feedback) จากผู้เรียนเป็นสิ่งสำคัญมากเนื่องจากสามารถช่วยปรับปรุงเนื้อหาการสอนให้ตรงกับความต้องการของผู้เรียน การประยุกต์ใช้โมเดล NLP ในการวิเคราะห์ความคิดเห็นของผู้เรียน นับเป็นวิธีการที่มีประสิทธิภาพในการสกัดข้อมูลเชิงลึกจากความคิดเห็นจำนวนมากที่เกี่ยวข้องกับบทเรียน โดยโมเดลสามารถทำนายหมวดหมู่ของความคิดเห็นได้ ซึ่งแบ่งออกเป็น 3 ประเภท ได้แก่ เนื้อหาบทเรียน, ผู้สอน, และการประเมินผล นอกจากนี้ โมเคลยังสามารถทำนายอารมณ์และความรู้สึกของความคิดเห็นว่าเป็นเชิงบวกหรือเชิงลบได้ด้วย ในการพัฒนาโมเดลดังกล่าว เทคนิค semi-supervised learning ถูกนำมาใช้เพื่อลดปัญหาจากจำนวนข้อมูลที่มีอยู่อย่างจำกัด จากการทดลองพบว่า ในการทำนายหมวดหมู่ความคิดเห็น โมเดลประเภท GRU ร่วมกับวิธี tri-training with disagreement มีประสิทธิภาพสูงสุด ในขณะที่การทำนายอารมณ์และความรู้สึก โมเดลประเภท GRU ร่วมกับวิธี tri-training ให้ผลลัพธ์ที่ดีที่ดีที่สุด

Chiang Mai University. Library

Address: CHIANG MAI

Email: cmulibref@cmu.ac.th

Name: Arinya Pongwat

Role: Advisor

Created: 2025

Modified: 2568-07-29

Issued: 2025-06-28

วิทยานิพนธ์/Thesis

application/pdf

eng

DegreeName: Master of Science

Level: Master's Degree

Descipline: Data Science

Grantor: Chiang Mai University

©copyrights Chiang Mai University

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	630632115.pdf	1.11 MB

ใช้เวลา

0.033271 วินาที