Procena zadovoljstva studenata predavanjem korišćenjem metoda mašinskog učenja

Predavači se svakodnevno suočavaju sa problemom efikasnog prezentovanja materije. Prilikom procene koliko je predavanje u datom trenutku uspešno, predavači se mogu osloniti jedino na svoje iskustvo koje često može odudarati od realnosti. Zbog usredsređenosti na predavanje, predavač nije u mogućnosti da pravovremeno primeti da li je u učionici npr. postalo pretoplo ili zagušljivo, što može nepovoljno da utiče na sposobnost studenata da prate predavanje. Kad bi predavač u svakom trenutku imao objektivniju informaciju o tome da li su studenti zadovoljni, mogao bi je iskoristiti i prilagoditi svoje predavanje i parametre fizičke sredine njihovim potrebama. Ovaj rad ispituje perametre fizičkog okruženja i predavačevog ponašanja koji utiču na zadovoljstvo studenata predavanjem. Izdvojeni su samo oni parametri koji se mogu meriti korišćenjem Interneta inteligentnih uređaja, a analizirani su korišćenjem metoda mašinskog učenja. Cilj je bio da se izdvoje relevantni parametri, a potom da se odabere metoda mašinskog učenja koja daje najbolje rezultate. Ispitano je deset poznatih klasifikatora i njihova sposobnost da na osnovu posmatranih parametara za dati segment predavanja odrede da li pripada klasi u kojoj su studenti zadovoljni predavanjem ili klasi u kojoj nisu zadovoljni. Od ispitanih algoritama, najbolje rezultate imao je Rotation Forest (75.32%), a najslabije Ridor algoritam (70.13%).