通过改进的特征选择方法，分析学生对ChatGPT在编程教育中的看法，从而优化教育分析

《Scientific Reports》：Optimizing educational analytics by analyzing student perceptions of ChatGPT in programming education using enhanced feature selection

　　

摘要

本研究探讨了在教育环境中整合ChatGPT的应用，重点分析学生对其在提升编程教学中的作用的认识。通过结合学习分析技术以及一种创新的特征选择方法——改进的二元指数分布优化-差分进化算法（IBEDO-DE），该研究旨在简化数据分析流程，并提高对学生反馈的分类精度。IBEDO-DE算法采用了局部搜索和边界处理技术，通过支持向量机（SVM）和k-最近邻（k-NN）分类器，在基于真实学生感知问卷的数据集上进行了测试。实验结果表明，该算法能够在保持高达89.61%的分类精度的同时，生成更为简洁的特征子集。这些关于学生认知的见解为教育工作者提供了实用指导，有助于他们更有效地整合人工智能工具，注重互动质量、编程支持、响应效率以及平台的易用性。