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.

Nayoung Lee

M.S. Student

First MT in my life happened here!

Donghun Lee

Assistant Professor

Connecting artificial intelligence and mathematics, in both directions.