AUTOMATIC CLASSIFICATION OF QUESTIONS INTO BLOOM‘S COGNITIVE LEVELS USING SUPPORT VECTOR MACHINES

题目

使用支持向量机将问题自动分类到布鲁姆认知水平

论文地址:https://www.researchgate.net/publication/259463287_Automatic_Classification_of_Questions_into_Bloom’s_Cognitive_Levels_using_Support_Vector_Machines

摘要

    近年来，电子学习日益成为教育机构中一项有前途的技术。在电子学习系统的众多组件中，问题库是最重要的组件。问题库是一个问题库，可帮助学生和教师完成教育过程。在问题库中，问题根据预定义的标准（如布卢姆认知水平）进行注释、存储和检索。毫无疑问，对于问题库管理，根据布卢姆认知水平自动对问题进行分类尤其有益。本文探讨了支持向量机 (SVM) 在解决将问题分类到布卢姆认知水平的问题方面的有效性。为此，我们收集了一个预分类问题的数据集。 每个问题都经过删除标点符号和停用词、标记、词干提取、术语加权和长度规范化等处理。使用 SVM-Light 软件包，我们分别在约 70% 和 30% 的数据集上构建和评估了 SVM 分类器（即线性核）。初步结果表明，SVM 在分类准确率和精确度方面具有令人满意的效果。然而，由于当前数据集规模较小，分类器的召回率和 F 度量结果表明需要对更大的数据集进行进一步实验才能获得确切结果。关键词：电子学习、问题库、文本分类、布鲁姆分类法、机器学习。

    不可否认的事实是，计算机和互联网技术的出现在许多方面极大地影响了教育系统，教育机构中电子学习系统的不断发展就是明确的证据。电子学习系统的一个基本组成部分是题库，题目存储在数据库中，以便用户检索进行测试或练习。通常，每年的每次考试或考试时都会定期收集题目，并根据预定义的标准（例如难度级别、课程领域或要测试的技能类型（布鲁姆的认知水平）等）进行存储。题库可用于设计更有效的评估，通过允许为每个测试或学生选择一组独特的题目，以考察特定或个性化的技能和能力水平。

    因此，题库需要最好的管理，例如组织、分类和检索，以供用户充分利用。通常，题目的分类是手动完成的，这不仅耗时，而且繁琐且容易出错。为了避免这些困难，需要系统化和自动化的方法来管理问题库。在用于对问题库中的问题进行分类的标准中，布鲁姆的认知水平（BCL）是最重要的标准之一。一般来说，在教育领域，布鲁姆分类法是一个重要的概念，它指导教育工作者制定学习目标、准备课程和创建评估。在对思维行为进行分类的过程中，本杰明·布鲁姆[1]确定了三个领域：认知（心理技能）、情感（感觉或情绪领域的发展）和心理运动（体力或身体技能）。为了便于本文介绍，仅介绍认知领域。

    认知领域涉及知识和智力技能的发展。有六个主要类别，按以下顺序列出，从最简单的行为到最复杂的行为。

• 知识：回忆数据或信息或特定项目，记住一些术语的定义。
• 理解：回忆但多做一点（例如 在一定程度上解释、定义和讨论），理解指令和问题的含义、翻译、插入和解释。
• 应用：执行上述所有操作，但可以获取抽象性质的信息并将其用于新情况或无提示地使用抽象。将课堂上学到的知识应用到工作场所的新情况中。
• 分析：将交流分解为其组成部分，揭示它们之间的关系。将材料或概念分成组成部分，以便理解其