Application of interactive classification system in university study course comparison

Abstract

The growing amount of information in the world has increased the need for computerized classification of different objects. This situation is present in higher education as well where the possibility of effortless detection of similarity between different study courses would give the opportunity to organize student exchange programmes effectively and facilitate curriculum management and development. This area which currently relies on manual time-consuming expert activities could benefit from application of smartly adapted machine learning technologies. Data in this problem domain is complex leading to inability for automatic classification approaches to always reach the desired result in terms of classification accuracy. Therefore, our approach suggests an automated/semi-automated classification solution, which incorporates both machine learning facilities and interactive involvement of a domain expert for improving classification results. The system’s prototype has been implemented and experiments are carried out. This interactive classification system allows to classify educational data, which often comes in unstructured or semi-structured, incomplete and/or insufficient form, thus reducing the number of misclassified instances significantly in comparison with the automatic machine learning approach.

Augant informacijos kiekiui atsirado poreikis ją klasifikuoti pagal apibrėžtus kriterijus. Ši klasifikacijos problema yra aktuali ir aukštojo mokslo srityje, ieškant panašių studijų programų ir studijų modulių, kas suteiktų galimybę įgyvendinti studentų mainus tarp universitetų ir palengvintų studijų modulių administravimą. Šiuo metu studijų modulių palyginimas ir administravimas yra rankinis darbas, kurį galima būtų automatizuoti įdiegus intelektualiąsias bei adaptyviąsias sistemas. Šios probleminės srities duomenys dažnai yra nestruktūrizuoti, pateikti teksto pavidalu. Tai apsunkina klasifikavimą, o egzistuojantys tokiems uždaviniams spręsti algoritmai nepakankamai palengvina darbą. Straipsnio autoriai siūlo klasifikavimo sprendinį, kuris leidžia iš dalies automatizuoti klasifikavimo procesą, įtraukus ne tik dalykinės srities ekspertus, bet ir intelektualias sistemas. Remiantis pasiūlytu sprendiniu sukurtas jį realizuojantis prototipas ir atlikti bandymai, kurie parodė siūlomo metodo veiksmingumą.