VACULÍK, Karel, Leona NEZVALOVÁ a Lubomír POPELÍNSKÝ. Graph Mining and Outlier Detection Meet Logic Proof Tutoring. In Collin F. Lynch, Tiffany Barnes. Proceedings of EDM 2014 Ws Graph-based Educational Data Mining (G-EDM). London: CEUR-WS.org, 2014. s. 43-50, 8 s. ISSN 1613-0073.
Další formáty:   BibTeX LaTeX RIS
Základní údaje
Originální název Graph Mining and Outlier Detection Meet Logic Proof Tutoring
Autoři VACULÍK, Karel (203 Česká republika, domácí), Leona NEZVALOVÁ (203 Česká republika, domácí) a Lubomír POPELÍNSKÝ (203 Česká republika, garant, domácí).
Vydání London, Proceedings of EDM 2014 Ws Graph-based Educational Data Mining (G-EDM), od s. 43-50, 8 s. 2014.
Nakladatel CEUR-WS.org
Další údaje
Originální jazyk angličtina
Typ výsledku Stať ve sborníku
Obor 10201 Computer sciences, information science, bioinformatics
Stát vydavatele Velká Británie
Utajení není předmětem státního či obchodního tajemství
Forma vydání elektronická verze "online"
Kód RIV RIV/00216224:14330/14:00076475
Organizační jednotka Fakulta informatiky
ISSN 1613-0073
Klíčová slova anglicky logic proofs; resolution; educational data mining; graph mining; outlier detection
Příznaky Mezinárodní význam, Recenzováno
Změnil Změnil: RNDr. Karel Vaculík, Ph.D., učo 256512. Změněno: 16. 9. 2014 16:30.
Anotace
We introduce a new method for analysis and evaluation of logic proofs constructed by undergraduate students, e.g. resolution or tableaux proofs. This method employs graph mining and outlier detection. The data has been obtained from a web-based system for input of logic proofs built at FI MU. The data contains a tree structure of the proof and also temporal information about all actions that a student performed, e.g. a node insertion into a proof, or its deletion, drawing or deletion of an edge, or text manipulations. We introduce a new method for multi-level generalization of subgraphs that is useful for characterization of logic proofs. We use this method for feature construction and perform class-based outlier detection on logic proofs represented by these new features. We show that this method helps to find unusual students' solutions and to improve semi-automatic evaluation of the solutions.
VytisknoutZobrazeno: 23. 9. 2020 09:41