Clustering Strategies for Learning Management System Chatbot Data: Based on Silhouette Scores
Abstract
온라인 학습 시스템 내에서 발생하는 챗봇 대화 로그는 양이 방대하고 복잡하기 때문에 효율적으로 관 리하고 분석하는 과정이 중요하다. 본 연구는 다양한 클러스터 수와 계층적 군집화 레벨을 조정하며 실 루엣 스코어를 기반으로 군집화 전략의 효율성을 평가하였다. 또한, 대화 로그의 특성을 고려한 데이터 전처리 방법을 제시하고, 계층적 접근 방식이 클러스터링 품질에 미치는 영향을 분석해 방대한 양의 데 이터를 분석하는 과정에서 효과적인 방법을 보여주었다. 단일 레벨 군집화가 다중 레벨 군집화보다 일반 적으로 더 높은 실루엣 점수를 보였으며, 이는 단일 레벨에서의 군집 내 데이터 포인트들의 밀집도가 더 높다는 것을 의미한다. 이러한 결과는 교육 기술과 챗봇 시스템의 설계에 중요한 개선점을 시사한다.
Type
Publication
Proceedings of 2024 Korea Computer Congress
