lnu.sePublications
Change search
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf
Läxförberedelse med maskininlärning: en möjlig läxplattform
Linnaeus University, Faculty of Technology, Department of computer science and media technology (CM).
2020 (Swedish)Independent thesis Basic level (degree of Bachelor), 10 credits / 15 HE creditsStudent thesis
Abstract [sv]

Detta arbete vill undersöka en förberedelseprocess för att använda elevers egna läxböcker/pdf:er i en digital läxplattform, samt beskriva en möjlig lösning för att genomföra detta. Namnet läxplattform används i det här arbetet, som en särskiljning från lärplattformar, som är fyllda av utbildningsmaterial sammanställt oberoende av användaren, där då namnet läxplattform ska understryka fokuset på användarens läxarbete. Och här närmare bestämt elevens egna läxmaterial. Arbetet fokusera på processen efter tänkt avläsning av foto eller skärmdump av ett specifikt läxparti, där ML Kit (se Appendix B) antas användas för text recognition, medan arbetet framförallt försöker hitta lämpliga verktyg för att skapa kontroll och uppmärkning av textpartier. Arbetets experiment med maskininlärning har gett lovande verktyg i nltk Noun Phrase Chunker, som extraherar nominalfraser, samt en automatisk textsummering, där en frekvensalgoritm har tillförts en kompletterande frågebaserad viktning genom textpartiernas rubriker.

Place, publisher, year, edition, pages
2020. , p. 48
Keywords [sv]
maskininlärning
National Category
Computer Sciences
Identifiers
URN: urn:nbn:se:lnu:diva-92113OAI: oai:DiVA.org:lnu-92113DiVA, id: diva2:1393447
Subject / course
Computer Science
Educational program
Datavetenskap, kandidatprogram, 60 hp
Presentation
2020-01-23, Slack, 13:20 (English)
Supervisors
Examiners
Available from: 2020-03-11 Created: 2020-02-17 Last updated: 2020-03-11Bibliographically approved

Open Access in DiVA

fulltext(6347 kB)136 downloads
File information
File name FULLTEXT01.pdfFile size 6347 kBChecksum SHA-512
b0f9307c94252342511551a905b6e3906a025642d6b3e91e919bef7b0f304a9d2bc4f3ab6b19790c6d494b36df25a8ef0bb829df331464094a8f2fdc33917927
Type fulltextMimetype application/pdf

Search in DiVA

By author/editor
Scheffer, Richard
By organisation
Department of computer science and media technology (CM)
Computer Sciences

Search outside of DiVA

GoogleGoogle Scholar
Total: 136 downloads
The number of downloads is the sum of all downloads of full texts. It may include eg previous versions that are now no longer available

urn-nbn

Altmetric score

urn-nbn
Total: 175 hits
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf