BriefGPT - AI 论文速递
·
基于情感的学生参与度指标LLM-SEM：利用大型语言模型的在线学习平台的研究
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本研究提出了LLM-SEM，通过结合视频元数据和学生评论的情感分析，解决了在线学习平台中学生参与度的情感模糊和元数据不足的问题。实验结果表明，该方法测量准确且具备可扩展性。
🎯
关键要点
- 本研究提出了LLM-SEM，旨在解决在线学习平台中学生参与度的情感模糊和元数据不足的问题。
- LLM-SEM结合了视频元数据和学生评论的情感分析，以衡量学生参与度。
- 该方法通过高质量的情感预测克服了传统方法的不足。
- 实验结果表明，LLM-SEM在提供可伸缩且准确的学生参与度测量方面表现优异。
➡️
