Dissertação

Assessing MOOCs Discussion Forums EVALUATED

Com a recente popularidade dos MOOCs, os instrutores destes cursos enfrentam agora o problema de ter de escolher, de entre as centenas de posts dos fóruns dos seus cursos, os que precisam de resposta mais imediata. Nesta tese usamos técnicas das áreas de Análise de Sentimentos e Processamento de Língua Natural para classificar/extrair informação destes posts, com o objetivo futuro de contribuir para esta escolha. Num primeiro estudo, desenvolvemos um modelo de classificação que nos permite iden- tificar se uma mensagem pertence a um instrutor ou estudante. Os melhores resultados do cálculo da F-measure (80.76% para categoria estudante e 80.38% para categoria instrutor) foram obtidos usando unigramas como features e tendo usado um stemmer sobre os posts. O segundo estudo visou a im- plementação de um classificador que devolve a polaridade de um post com base na polaridade dos seus termos, tal como definida no léxico SenticNet. Os melhores resultados obtidos no cálculo da F- measure foram de 74.6% na identificação de termos positivos batendo os resultados do SentiStrength e de 38.3% na identificação de termos negativos. Finalmente, num terceiro estudo identificámos as expressões mais frequentes por parte de instrutores e estudantes, bem como os termos mais comuns aos diferentes e específicos cursos. Concluímos que existem de facto expressões específicas e que podem ser úteis na identificação de instrutores e estudantes, bem como a diferentes cursos.
Cursos Online, estudantes, instrutores, polaridade, fóruns de discussão, mensagens.

Novembro 13, 2015, 14:30

Publicação

Obra sujeita a Direitos de Autor

Orientação

ORIENTADOR

Maria Luísa Torres Ribeiro Marques da Silva Coheur

Departamento de Engenharia Informática (DEI)

Professor Auxiliar