Ocenjevanje kvalitete argumentov pri argumentiranem strojnem učenjuPavlič, Matevž (Avtor) Guid, Matej (Mentor) argumentirano strojno učenjeocenjevanje argumentovinteligentni tutorski sistemfinančna analizabonitetna ocenainteraktivna zanka za zajemanje znanja s pomočjo argumentiranega strojnega učenjana argumentiranju temelječe interaktivno učno orodjeocenjevanje kvalitete argumentovnapovedovanje bonitetnih ocen podjetijračunalništvoračunalništvo in informatikamagisterijiArgumentirano strojno učenje (angl. argument-based machine learning, ABML) omogoča interakcijo med metodo strojnega učenja in ekspertom v izbrani domeni ter z njo elicitacijo znanja iz domenskega eksperta. Ekspert pojasni samo skrbno izbrane kritične" primere in tako na hiter in učinkovit način podaja le relevantno znanje. ABML lahko uporabimo tudi kot inteligentni sistem za poučevanje, temelječem na argumentiranju. S podajanjem povratne informacije o kvaliteti podanega argumenta lahko efektivnost podajanja znanja še povečamo. V delu smo zasnovali in implementirali 2 meri za ocenjevanje argumentov. Evalvacijo mer (2 novi, 1 obstoječa) smo izvedli v sklopu ABML postopka pri gradnji napovednega modela za napovedovanje bonitetnih ocen podjetjem. Eksperiment je vseboval dva dela, elicitacijo znanja iz učitelja in elicitacijo znanja iz učenca. V prvem delu s pomočjo finančnega eksperta dosežemo konsistenten nabor podatkov in uvedbo naprednejših konceptov, ki opisujejo domeno. Drugi del predstavlja učno sejo, v kateri se učenec spozna z domeno in nauči razumevanja konceptov preko interaktivne učne zanke. V izvedbi postopka z učenci se je ena izmed razvitih mer izkazala za posebej uspešno.[M. Pavlič]20152015-04-24 09:32:35Magistrsko delo/naloga30713sl