Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Weather-it Missions: A Social Network Analysis Perspective of an Online Citizen Inquiry Community Kapitel lesen Erstes Kapitel lesen

2015 | OriginalPaper | Buchkapitel

Detecting Sarcasm from Students’ Feedback in Twitter

verfasst von : Nabeela Altrabsheh, Mihaela Cocea, Sanaz Fallahkhair

Erschienen in: Design for Teaching and Learning in a Networked World

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Sarcasm is a sophisticated form of act where one says or writes the opposite of what they mean. Sarcasm is a common issue in sentiment analysis and detecting it is a challenge. While models for sarcasm detection have been proposed for general purposes (e.g. Twitter data, Amazon reviews), there is no research addressing this issue in an educational context, despite the increased use of social media in education. In this paper we experiment with several machine learning techniques, features and preprocessing levels to identify sarcasm from students’ feedback collected via Twitter.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Managing Time Through a Self-regulated Oriented ePortfolio for Undergraduate Students
Nächstes Kapitel Motivation and Engagement in MOOCs: How to Increase Learning Motivation by Adapting Pedagogical Scenarios?
Literatur
1.
Altrabsheh, N., Cocea, M., Fallahkhair, S.: Predicting students’ emotions using machine learning techniques. In: Conati, C., Heffernan, N., Mitrovic, A., Verdejo, M.F. (eds.) AIED 2015. LNCS, vol. 9112, pp. 537–540. Springer, Heidelberg (2015) CrossRef
2.
González-Ibánez, R., Muresan, S., Wacholder, N.: Identifying sarcasm in twitter: a closer look. In: Proceedings of the 49th Annual Meeting of the Association for Computational Linguistics: Human Language Technologies, pp. 581–586 (2011)
3.
Justo, R., Corcoran, T., Lukin, S.M., Walker, M., Torres, M.I.: Extracting relevant knowledge for the detection of sarcasm and nastiness in the social web. Knowl.-Based Syst. 69, 124–133 (2014)CrossRef
4.
Shany-Ur, T., Poorzand, P., Grossman, S.N., Growdon, M.E., Jang, J.Y., Ketelle, R.S., Miller, B.L., Rankin, K.P.: Comprehension of insincere communication in neurodegenerative disease: lies, sarcasm, and theory of mind. Cortex 48(10), 1329–1341 (2012)CrossRef
5.
Tian, F., Gao, P., Li, L., Zhang, W., Liang, H., Qian, Y., Zhao, R.: Recognizing and regulating e-learners’ emotions based on interactive chinese texts in e-learning systems. Knowl.-Based Syst. 55, 148–164 (2014)CrossRef
6.
Tsur, O., Davidov, D., Rappoport, A.: ICWSM-a great catchy name: semi-supervised recognition of sarcastic sentences in online product reviews. In: The 4th International AAAI Conference on Weblogs and Social Media, pp. 162–169 (2010)
Metadaten
Titel
Detecting Sarcasm from Students’ Feedback in Twitter
verfasst von
Nabeela Altrabsheh
Mihaela Cocea
Sanaz Fallahkhair
Copyright-Jahr
2015
Buch
Design for Teaching and Learning in a Networked World

Print ISBN: 978-3-319-24257-6

Electronic ISBN: 978-3-319-24258-3

Copyright-Jahr: 2015

DOI
https://doi.org/10.1007/978-3-319-24258-3_57