Automated Waterloo Rubric for Concept Map Grading
Automated Waterloo Rubric for Concept Map Grading
复制标题
用于概念图分级的自动滑铁卢评分标准
DOI：
10.1109/access.2021.3124672
复制
发表时间：
2021
期刊：
影响因子：
3.9
通讯作者：
Ahmed, Irfan
中科院分区：
文献类型：
--
作者：
Bhatia, Shresht;Bhatia, Sajal;Ahmed, Irfan
概念图是一个著名的教学工具，帮助学生组织，代表，并发展一个主题的理解。概念图的评分通常是手动的，耗时的，繁琐的，特别是对于一个大类。现有的研究主要集中在基于概念图结构特征的拓扑评分。然而，评分并没有达到可比的准确性，定义良好的标题，手动分析的内容质量的概念图。本文提出了一种新的方法Kastor，自动评分的概念图的滑铁卢标尺量化的标尺的质量评估参数。评估是在两个网络安全课程的39个概念图的公开数据集上进行的，即，数字取证以及监控和数据采集（SCADA）系统安全。评估结果表明，Kastor在SCADA和取证概念图方面分别实现了约84%和95%的准确度（准确和接近准确的水平）。此外，Kastor与拓扑评分方法的比较显示，SCADA和取证概念图分别提高了约32%和79%。
Concept mapping is a well-known pedagogical tool to help students organize, represent, and develop an understanding of a topic. The grading of concept maps is typically manual, time-consuming, and tedious, especially for a large class. Existing research mostly focuses on topological scoring based-on structural features of concept maps. However, the scoring does not achieve comparable accuracy to well-defined rubrics for manual analysis on the quality of content in a concept map. This paper presentsKastor, a new method to automate the Waterloo Rubric of scoring concept maps by quantifying the rubric’s quality assessment parameters. The evaluation is performed on a publicly-available dataset of 39 concept maps of two cybersecurity courses, i.e., digital forensics, and supervisory control and data acquisition (SCADA) system security. The evaluation results show thatKastorachieves the accuracy of around 84% and 95% (at accurate and close-to-accurate levels) for SCADA and forensics concept maps, respectively. Furthermore,Kastor’s comparison with a topological scoring method shows improvement by around 32% and 79% on SCADA and forensics concept maps, respectively.
登录
查看更多内容
评分概念图：基于专家图的关系加权方案
DOI：
--
发表时间：
2002
期刊：
影响因子：
--
作者：
J. Rye;Peter A. Rubba
通讯作者：
Peter A. Rubba
使用计算机概念图程序评估职前教师对有效教学的思考
影响因子：
4.6
作者：
Barbara A. Beyerbach;Joyce M. Smith
通讯作者：
Joyce M. Smith
用于自动评估学生概念图的基于规则的系统
DOI：
10.1016/j.eswa.2009.07.044
发表时间：
2010
期刊：
Expert Syst. Appl.
影响因子：
--
作者：
B. E. Cline;C. Brewster;R. Fell
通讯作者：
R. Fell
影响因子：
4.2
作者：
Hay, David;Kinchin, Ian;Lygo-Baker, Simon
通讯作者：
Lygo-Baker, Simon
影响因子：
1.9
作者：
Irfan Ahmed;Vassil Roussev
通讯作者：
Vassil Roussev