Please use this identifier to cite or link to this item:
http://artemis.cslab.ece.ntua.gr:8080/jspui/handle/123456789/18764
Full metadata record
DC Field | Value | Language |
---|---|---|
dc.contributor.author | Στύλος, Αλέξανδρος-Παναγιώτης | - |
dc.date.accessioned | 2023-07-25T07:33:59Z | - |
dc.date.available | 2023-07-25T07:33:59Z | - |
dc.date.issued | 2023-07-24 | - |
dc.identifier.uri | http://artemis.cslab.ece.ntua.gr:8080/jspui/handle/123456789/18764 | - |
dc.description.abstract | Η παρούσα διπλωματική εργασία πραγματεύεται τη δυνατότητα αλληλεπίδρασης των μαθητών μιας σχολικής κοινότητας στο πλαίσιο της συνύπαρξης και της κοινής εμπλοκής τους σε ομαδικές δραστηριότητες. Στο μέρος I εξετάζεται κατά κύριο λόγο ο σχεδιασμός ενός μοντέλου, το οποίο δημιουργεί αλληλεπιδράσεις μεταξύ των μαθητών κατά τρόπο εγγενώς δίκαιο, ώστε όλοι οι μαθητές να συμμετέχουν σε δραστηριότητες και να έχουν περίπου τον ίδιο αριθμό αλληλεπιδράσεων. Η γνώμη των μαθητών έχει καίριο ρόλο στο εγχείρημα αυτό και δύναται να αποτυπωθεί είτε άμεσα από ερωτηματολόγια είτε έμμεσα από συνομιλίες μαθητών. Τα ευρήματα ενός ερωτηματολογίου είναι περισσότερο χρήσιμα, γι’αυτό συσχετίζονται στο μέρος αυτό της εργασίας με τη δημιουργία ενός δυναμικού γράφου, δηλαδή στιγμιοτύπων αλληλεπιδράσεων μαθητών. Εντούτοις, ελλείψει πραγματικού δικτύου, κατασκευάζεται ένας γράφος προτίμησης που προσομοιώνει τις απόψεις και τις σκέψεις των μαθητών. Στο μέρος II ασχολούμαστε με τον έμμεσο τρόπο, τα γραπτά μηνύματα μαθητών σε κάποιο μέσο κοινωνικής δικτύωσης που έχουν προφανώς το ίδιον του διαδικτυακού λόγου. Επιστρατεύουμε βαθιά μηχανική μάθηση, προκειμένου να γίνει η κατανόηση της φυσικής γλώσσας και η ανάλυση συναισθήματος οπότε να καταστεί εφικτή η κατηγοριοποίηση ενός κειμένου ως θετικού, αρνητικού ή ουδέτερου από άποψη συναισθήματος. Γίνεται χρήση προεκπαιδευμένου μοντέλου για παραγωγή embeddings και το νευρωνικό δίκτυο πετυχαίνει απόδοση F1 macro ίσο με περίπου 74%. Η ανάλυση αυτή επεκτείνεται σ’ όλα τα κείμενα της συζήτησης, με αποτέλεσμα να δημιουργείται ένα συναισθηματικό προφίλ για κάθε άτομο, απ’ όπου προκύπτει εν τέλει και μια ποσοτική τιμή εκτίμησης της έντασης της σχέσης τους γι’ αξιοποίηση στον γράφο αλληλεπίδρασης. | en_US |
dc.language | el | en_US |
dc.subject | interaction graph | en_US |
dc.subject | preference graph | en_US |
dc.subject | dynamic graph | en_US |
dc.subject | natural language processing | en_US |
dc.subject | sentiment analysis | en_US |
dc.subject | classification | en_US |
dc.subject | neural network | en_US |
dc.subject | machine learning | en_US |
dc.subject | deep learning | en_US |
dc.subject | pre-trained model | en_US |
dc.subject | fine-tuning | en_US |
dc.title | Μελέτη μηχανισμού αλληλεπίδρασης & ομαδοποίησης χρηστών στην εκπαίδευση με χρήση τεχνικών deep learning | en_US |
dc.description.pages | 117 | en_US |
dc.contributor.supervisor | Παπαβασιλείου Συμεών | en_US |
dc.department | Τομέας Επικοινωνιών, Ηλεκτρονικής και Συστημάτων Πληροφορικής | en_US |
Appears in Collections: | Διπλωματικές Εργασίες - Theses |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
Diploma_Thesis.pdf | 3.33 MB | Adobe PDF | View/Open |
Items in Artemis are protected by copyright, with all rights reserved, unless otherwise indicated.