9789819724734 - sentiment analysis and its application in educational data mining (springerbriefs in computational intelligence) von sweta, soni (4 Ergebnisse)
- Softcover
Anbieter: Ria Christie Collections, Uxbridge, Vereinigtes KönigreichRia Christie Collections
Verkäufer/-in kontaktierenVerkäufer/-in mit 5 SternenZustand: Neu
EUR 51,95
EUR 13,86 VersandVersand von Vereinigtes Königreich nach USAAnzahl: Mehr als 20 verfügbar
Zustand: New. In.
- Softcover
Anbieter: Revaluation Books, Exeter, , Vereinigtes KönigreichRevaluation Books
Verkäufer/-in kontaktierenVerkäufer/-in mit 5 SternenZustand: Neu
EUR 82,68
EUR 11,57 VersandVersand von Vereinigtes Königreich nach USAAnzahl: 2 verfügbar
Paperback. Zustand: Brand New. 118 pages. 9.25x6.10x9.21 inches. In Stock.
Weitere Bilder- Softcover
Anbieter: preigu, Osnabrück, Deutschlandpreigu
Verkäufer/-in kontaktierenVerkäufer/-in mit 5 SternenZustand: Neu
EUR 54,80
EUR 70,00 VersandVersand von Deutschland nach USAAnzahl: 5 verfügbar
Taschenbuch. Zustand: Neu. Sentiment Analysis and its Application in Educational Data Mining | Soni Sweta | Taschenbuch | SpringerBriefs in Applied Sciences and Technology | xxi | Englisch | 2024 | Springer | EAN 9789819724734 | Verantwortliche Person für die EU: Springer Verlag GmbH, Tiergartenstr. 17, 69121 Heidelberg, juergen…[dot]hartmann[at]springer[dot]com | Anbieter: preigu.
- Softcover
Anbieter: AHA-BUCH GmbH, Einbeck, DeutschlandAHA-BUCH GmbH
Verkäufer/-in kontaktierenVerkäufer/-in mit 5 SternenZustand: Neu
EUR 63,83
EUR 60,98 VersandVersand von Deutschland nach USAAnzahl: 1 verfügbar
Taschenbuch. Zustand: Neu. Druck auf Anfrage Neuware - Printed after ordering - The book delves into the fundamental concepts of sentiment analysis, its techniques, and its practical applications in the context of educational data. The book begins by introducing the concept of sentiment analysis and its relevance in educational…settings. It provides a thorough overview of the various techniques used for sentiment analysis, including natural language processing, machine learning, and deep learning algorithms. The subsequent chapters explore applications of sentiment analysis in educational data mining across multiple domains. The book illustrates how sentiment analysis can be employed to analyze student feedback and sentiment patterns, enabling educators to gain valuable insights into student engagement, motivation, and satisfaction. It also examines how sentiment analysis can be used to identify and address students' emotional states, such as stress, boredom, or confusion, leading to more personalized and effective interventions. Furthermore, the book explores the integration of sentiment analysis with other educational data mining techniques, such as clustering, classification, and predictive modeling. It showcases real-world case studies and examples that demonstrate how sentiment analysis can be combined with these approaches to improve educational decision-making, curriculum design, and adaptive learning systems.
