論文の概要: Leveraging Peer Feedback to Improve Visualization Education

• arxiv url: http://arxiv.org/abs/2001.07549v2
• Date: Mon, 1 Jun 2020 16:04:30 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-08 03:58:06.996278
• Title: Leveraging Peer Feedback to Improve Visualization Education
• Title（参考訳）: 相互フィードバックを活用した可視化教育
• Authors: Zachariah Beasley and Alon Friedman and Les Piegl and Paul Rosen
• Abstract要約: コンピュータ科学の可視化コースにおけるピアレビューの構築と適用について論じる。 大学生と大学院の混成科目3学年を対象に, 学生プロジェクト, ピアレビューテキスト, ポストコース質問紙の評価を行った。
• 参考スコア（独自算出の注目度）: 4.679788938455095
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Peer review is a widely utilized pedagogical feedback mechanism for engaging students, which has been shown to improve educational outcomes. However, we find limited discussion and empirical measurement of peer review in visualization coursework. In addition to engagement, peer review provides direct and diverse feedback and reinforces recently-learned course concepts through critical evaluation of others' work. In this paper, we discuss the construction and application of peer review in a computer science visualization course, including: projects that reuse code and visualizations in a feedback-guided, continual improvement process and a peer review rubric to reinforce key course concepts. To measure the effectiveness of the approach, we evaluate student projects, peer review text, and a post-course questionnaire from 3 semesters of mixed undergraduate and graduate courses. The results indicate that course concepts are reinforced with peer review---82% reported learning more because of peer review, and 75% of students recommended continuing it. Finally, we provide a road-map for adapting peer review to other visualization courses to produce more highly engaged students.
• Abstract（参考訳）: ピアレビューは、学生参加のための教育的フィードバックメカニズムとして広く利用されている。 しかし、可視化コースワークにおけるピアレビューの議論と経験的測定は限られている。 エンゲージメントに加えて、ピアレビューは直接的で多様なフィードバックを提供し、他の人の仕事に対する批判的な評価を通じて最近学習されたコースコンセプトを強化する。 本稿では、フィードバック誘導型継続的改善プロセスにおけるコードと視覚化を再利用するプロジェクトと、重要なコース概念を強化するためのピアレビュールーリックを含む、コンピュータサイエンス視覚化コースにおけるピアレビューの構築と適用について論じる。 提案手法の有効性を評価するため,大学院と大学院の混在する3学年を対象に,学生プロジェクト,ピアレビューテキスト,コース後アンケートを行った。 その結果, 授業概念はピアレビューで強化され, 82%がピアレビューによりより多くの学習を報告し, 75%の学生がピアレビューを継続することを推奨した。 最後に、ピアレビューを他の可視化コースに適応させ、より熱心な学生を生み出すためのロードマップを提供する。

関連論文リスト

• Enhancing Student Feedback Using Predictive Models in Visual Literacy Courses [2.366162376710038]
  本研究では,5年以上にわたる大学生の視覚リテラシーコースから得られたピアレビューデータを,Na"ive Bayesモデルを用いて分析した。 本研究は,ナイーブベイズモデルの有用性,特に音声による学生のコメントの分析における有用性に注目した。
  論文  参考訳（メタデータ） (2024-05-23T20:02:36Z)
• Improving the Validity of Automatically Generated Feedback via Reinforcement Learning [50.067342343957876]
  強化学習(RL)を用いた正当性と整合性の両方を最適化するフィードバック生成フレームワークを提案する。 具体的には、直接選好最適化(DPO)によるトレーニングのための拡張データセットにおいて、GPT-4のアノテーションを使用してフィードバックペアよりも好みを生成する。
  論文  参考訳（メタデータ） (2024-03-02T20:25:50Z)
• Scalable Two-Minute Feedback: Digital, Lecture-Accompanying Survey as a Continuous Feedback Instrument [0.0]
  コースや講義の内容に関する詳細なフィードバックは、改善に不可欠であり、またリフレクションのツールとしても機能します。 本論文は,学生のストレスを定量的に測定し,質的部分における参加者の反射に対処するための形式的フィードバックとして,デジタルサーベイ形式を用いた。 回答は、主に講義内容や組織的側面のトピックをカバーし、講義内の問題を報告するために集中的に使用された。
  論文  参考訳（メタデータ） (2023-10-30T08:14:26Z)
• Investigating Fairness Disparities in Peer Review: A Language Model Enhanced Approach [77.61131357420201]
  我々は、大規模言語モデル(LM)の助けを借りて、ピアレビューにおける公平性格差の徹底した厳密な研究を行う。 我々は、2017年から現在までのICLR(International Conference on Learning Representations)カンファレンスで、包括的なリレーショナルデータベースを収集、組み立て、維持しています。 我々は、著作者性別、地理、著作者、機関的名声など、興味のある複数の保護属性に対する公平性の違いを仮定し、研究する。
  論文  参考訳（メタデータ） (2022-11-07T16:19:42Z)
• A literature survey on student feedback assessment tools and their usage in sentiment analysis [0.0]
  我々は,Kahoot!, Mentimeter, Padlet, pollingなどのクラス内フィードバック評価手法の有効性を評価する。 学生の質的なフィードバックコメントから明確な提案を抽出する感情分析モデルを提案する。
  論文  参考訳（メタデータ） (2021-09-09T06:56:30Z)
• Ranking Scientific Papers Using Preference Learning [48.78161994501516]
  我々はこれをピアレビューテキストとレビュアースコアに基づく論文ランキング問題とみなした。 ピアレビューに基づいて最終決定を行うための,新しい多面的総合評価フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-09-02T19:41:47Z)
• Polarity in the Classroom: A Case Study Leveraging Peer Sentiment Toward Scalable Assessment [4.588028371034406]
  大規模なまたは大規模なオープンオンラインコース(MOOC)における、正確な段階的なオープンエンドの割り当ては、簡単ではない。 本稿では、ドメイン依存のレキシコンとアスペクトインフォーム化されたレビューフォームを作成するプロセスについて詳述する。 有効性を分析し、9コースから6800以上のピアレビューのコーパスから結論を議論する。
  論文  参考訳（メタデータ） (2021-08-02T15:45:11Z)
• ProtoTransformer: A Meta-Learning Approach to Providing Student Feedback [54.142719510638614]
  本稿では,フィードバックを数発の分類として提供するという課題について考察する。 メタラーナーは、インストラクターによるいくつかの例から、新しいプログラミング質問に関する学生のコードにフィードバックを与えるように適応します。 本手法は,第1段階の大学が提供したプログラムコースにおいて,16,000名の学生試験ソリューションに対するフィードバックの提供に成功している。
  論文  参考訳（メタデータ） (2021-07-23T22:41:28Z)
• Code Review in the Classroom [57.300604527924015]
  教室設定の若い開発者は、コードレビュープロセスの潜在的に有利で問題のある領域の明確な図を提供している。 彼らのフィードバックは、プロセスはプロセスを改善するためにいくつかのポイントで十分に受け入れられていることを示唆している。 本論文は,教室でコードレビューを行うためのガイドラインとして利用することができる。
  論文  参考訳（メタデータ） (2020-04-19T06:07:45Z)
• Facial Feedback for Reinforcement Learning: A Case Study and Offline Analysis Using the TAMER Framework [51.237191651923666]
  訓練者の表情からエージェント学習の可能性について,評価フィードバックとして解釈することで検討した。 設計したCNN-RNNモデルを用いて,学習者に対して表情とコンペティションの使用を指示することで,肯定的および否定的なフィードバックを推定する精度を向上させることができることを示す。 シミュレーション実験の結果,表情に基づく予測フィードバックのみから学習できることが示唆された。
  論文  参考訳（メタデータ） (2020-01-23T17:50:57Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。